Macy's: il forecasting AI esce dal pilot, numeri rinviati

Il 10 settembre 2026, Macy's porta il forecasting AI fuori dal pilot

Il 10 settembre 2026, nella earnings call di Macy's Inc., il COO e CFO Tom Edwards ha descritto una mossa operativa precisa: un overlay di forecasting AI applicato al riassortimento, in passaggio dal pilot a un rollout più ampio.

L'obiettivo dichiarato riguarda due voci: i livelli di disponibilità a scaffale e l'efficienza dell'inventario. La capability rientra in un'iniziativa più larga, legata al principio del «prodotto giusto nel posto giusto al momento giusto», come lo ha definito Edwards.

La ricostruzione arriva da Retail Dive^[1], che ha pubblicato il resoconto il 18 settembre 2026. L'annuncio di deployment presenta una data, un perimetro e un dirigente nominato. La metrica capace di misurare il risultato, allo stato attuale, non risulta pubblicata.

L'idea originale: un layer AI sopra un piano già in moto

Macy's lavora dal 2024 a un piano di trasformazione in tre punti, battezzato «Bold New Chapter», con il baricentro sulla supply chain.

Il piano prevede la chiusura di centri logistici giudicati poco produttivi e l'apertura di una struttura automatizzata in North Carolina. Le attese di risparmio dichiarate ammontano a 235 milioni di dollari entro il 2026, secondo il resoconto di Retail Dive.

La scelta di design merita attenzione. L'azienda ha innestato la previsione sopra una rete logistica già in ridisegno, invece di trattarla come progetto a sé stante. Lo schema ricorre nei deployment enterprise riusciti: il vantaggio nasce da decisioni architetturali prese anni prima. La tecnologia arriva dopo, su un terreno preparato.

I numeri presenti e quelli ancora assenti

La call offre un dato di inventario: nel secondo trimestre le giacenze crescono del 2,5%, in linea con la crescita delle vendite.

È una misura di equilibrio operativo. Il dato descrive però l'intera gestione commerciale. Nessun elemento pubblico lo collega al sistema di forecasting appena esteso.

Il beneficio economico viene rinviato in modo esplicito. «In totale ci aspettiamo di realizzare efficienze di supply chain nella seconda metà del 2026, con un effetto positivo sul margine lordo», ha detto Edwards agli analisti. La frase copre il piano intero: chiusure, automazione, riassortimento, previsione. Isolare il contributo dell'AI, a oggi, resta impossibile per un lettore esterno.

La distinzione è rilevante. Un risultato annunciato in una call è una dichiarazione della direzione. Un risultato verificato è un numero che un terzo può ricalcolare. Il caso Macy's appartiene alla prima categoria, con un dirigente nominato e una data precisa, il che supera già la media dei comunicati sull'AI.

Il momento di frizione: la scala dichiarata prima della misura

Ogni storia utile contiene un punto di attrito. In questo caso l'attrito sta nella sequenza.

La soglia di scala viene comunicata al mercato prima del numero che la giustifica. Il pilot si chiude, il rollout parte, e la prova pubblica arriverà più avanti, dentro una voce aggregata di margine lordo.

Questa sequenza ha un costo informativo. Rende difficile distinguere un successo tecnico da una scelta di programma. Sposta inoltre la verifica su un orizzonte dove altre leve agiranno insieme. Il criterio di valutazione resta fermo: il ROI si misura con un before/after su una metrica dotata di denominatore. «Miglioramento significativo» resta comunicazione finché un confronto tra due periodi non lo sostiene.

Perché il riassortimento è il terreno adatto a provarci

Il riassortimento è un problema di previsione quasi puro: quanta merce, in quale negozio, in quale settimana.

Un overlay lavora sopra il sistema esistente e corregge la stima di domanda con segnali che il modello statistico classico tratta con difficoltà: meteo, promozioni locali, traffico digitale, resi. Il guadagno atteso si legge nei livelli di disponibilità e nella merce ferma a magazzino.

Il perimetro scelto riduce inoltre l'esposizione verso il cliente. Il magazzino resta lontano dal cliente finale. Un errore del modello si traduce quindi in un costo interno, non in un'esperienza di acquisto compromessa. Un'analisi di MIT Sloan Management Review^[2] sulla resistenza dei clienti all'AI ricorda quanto pesi l'accettazione quando la tecnologia tocca il momento dell'acquisto. Partire dal back office riduce quella superficie di rischio.

Il dato sporco batte il modello brillante

Un overlay eredita la qualità dei dati sottostanti: anagrafiche, prezzi, mappature dei negozi, storici di vendita puliti.

Jim Webber di Neo4j, in un'intervista pubblicata da diginomica^[3], lega proprio l'accuratezza dei dati alla qualità delle risposte dei sistemi AI, e osserva che tagliare i budget risolve poco il problema dei costi. Il ragionamento vale anche fuori dal perimetro dei grafi di conoscenza.

Applicato a Macy's, il principio indica dove guardare nei prossimi trimestri.

• Livelli di in-stock per categoria, prima e dopo il rollout
• Rotture di stock nei negozi coperti dall'estensione
• Markdown applicati alla merce a bassa rotazione
• Giorni di copertura per punto vendita

Un miglioramento del margine lordo, preso in isolamento, lascia aperta la domanda sull'origine del risultato. Il lettore attento cerca la voce disaggregata, e richiede il confronto con un periodo precedente.

Cosa puoi portarti a casa

La lettura cambia in base al ruolo di chi legge.

Per un founder di PMI il playbook resta replicabile a costo contenuto. Il metodo prevede la selezione di un processo interno, misurabile e lontano dal cliente. Su quel processo si innesta un layer di previsione, senza riscrivere il gestionale.

Per un CTO il messaggio riguarda l'architettura. Un overlay convive con l'ERP esistente, quindi il rischio di rollback resta basso e il ciclo di test si accorcia. Per un board l'asticella si sposta altrove: un retailer da miliardi di ricavi dichiara la scala del deployment prima della prova, e il mercato accoglie la mossa come segnale di avanzamento.

Per un manager di reparto la traduzione è immediata. La previsione oggi gestita a mano su un foglio di calcolo accoglie due segnali esterni, quelli che il reparto conosce meglio di chiunque altro in azienda. Il confronto dei risultati copre otto settimane.

La domanda aperta

Resta una domanda valida per qualunque organizzazione, dalla catena globale al negozio con tre punti vendita: quale metrica avete deciso di pubblicare prima di estendere la tecnologia a tutti i reparti?

Chi risponde con un numero e una data ha in mano un caso di studio. Chi risponde con un obiettivo ha in mano un progetto. Il progetto resta comunque un buon inizio, a condizione di fissare la misura adesso.

Il prossimo appuntamento di verifica su Macy's è già fissato: i conti della seconda metà del 2026. Il margine lordo fornirà un'indicazione. La qualità della risposta dipenderà dal livello di disaggregazione delle voci che l'azienda sceglierà di pubblicare.