L’intelligenza artificiale entra nel cuore della distribuzione farmaceutica italiana. A guidare la sperimentazione è Phoenix Pharma Italia, società di servizi integrati per la salute, che ha messo alla prova i modelli predittivi sviluppati dalla startup deeptech Profiter, specializzata in demand forecasting e ottimizzazione della supply chain.

Il confronto ha riguardato i sistemi previsionali utilizzati da Phoenix, messi in parallelo con quelli di Profiter su un paniere di circa 1.000 referenze. L’obiettivo: valutare in modo scientifico l’accuratezza delle previsioni e misurare l’impatto economico potenziale su scala estesa.

L’analisi ha mostrato come su un portfolio di 28.000 referenze si possa stimare un risparmio potenziale di oltre 900.000 euro l’anno.

«La collaborazione con Phoenix Pharma Italia è stata un banco di prova importante per il nostro sistema», spiega Osvaldo Mauro, cofounder di Profiter. «Crediamo che la previsione della domanda debba essere trattata come un asset strategico, misurabile e migliorabile nel tempo».

Un confronto tecnico su basi condivise

La sperimentazione, durata da giugno 2024 a giugno 2025, si è sviluppata in due fasi. La prima ha riguardato l’allineamento dei dati: normalizzazione, gestione dei picchi e pulizia storica, per assicurare che entrambi i modelli partissero dalle stesse basi.

Nella seconda fase, i due sistemi sono stati messi alla prova con le vendite del secondo semestre 2023, usando la metrica WMAPE (Weighted Mean Absolute Percentage Error). Il risultato? Il modello Profiter ha mostrato un miglioramento del potere previsionale.

Ma è sul piano pratico che i benefici si sono fatti evidenti: Phoenix ha simulato l’impatto sul magazzino usando il modello Just In Time e la formulazione classica dell’Economic Order Quantity, traducendo le previsioni in costi reali. La stima include:

• Costo di mantenimento scorte
• Costo di emissione ordini
• Costo da mancate vendite (stock-out), valutato al 5 per cento del valore di vendita.

Meno scorte ferme, più efficienza

Sui prodotti analizzati (819 referenze), il miglioramento potenziale è stato del 7,9 per cento, pari a 26.673 euro l’anno su un costo operativo di circa 338mila euro. Estendendo il modello alle 28mila referenze del catalogo Phoenix, il risparmio stimato raggiunge i 911mila euro annui.

Inoltre, il modello Profiter ha migliorato le performance nel 64 per cento dei prodotti analizzati.

Per Federico Pasquali, Head of Inventory Management di Phoenix Group, «passare da un miglioramento del forecast a una stima quantitativa sui costi è stato un passo fondamentale, soprattutto per quanto riguarda la riduzione degli stock-out, tema sensibile sia per noi che per i nostri clienti».

Un caso di successo replicabile

La sperimentazione è interessante non solo per l’impatto economico stimato, ma anche per la metodologia adottata. Il rigore tecnico del confronto – dalla condivisione dei dati alle metriche utilizzate – rende il modello replicabile in altri contesti della distribuzione farmaceutica, comprese le farmacie al dettaglio. In un mercato dove la disponibilità dei farmaci è cruciale, una previsione più accurata significa meno sprechi, più servizio e maggiore sostenibilità.