C.H. Robinson: +45% di produttività con centinaia di agenti AI costruiti in casa

C.H. Robinsoncolosso della logistica con 120 anni di storia e quartier generale a Eden Prairie, Minnesota, ha costruito centinaia di agenti AI in casa e ha registrato un aumento di produttività del 45% dalla fine del 2022riducendo la generazione dei preventivi da 20 minuti a 31 secondi. Il CEO Dave Bozeman ha illustrato i risultati in un’intervista a Fortune pubblicata il 14 luglio 2026: una spesa annua in token sotto i 2 milioni di dollaria fronte di “centinaia di milioni di dollari di beneficio”.

Prima degli agenti: preventivi da 20 minuti in un mercato in contrazione

C.H. Robinson, quotata al NASDAQ con il simbolo CHRW, gestisce una delle più grandi reti logistiche del mondo e intermedia trasporti tra spedizionieri e vettori su centinaia di migliaia di transazioni. Per decenni il cuore del business è stato lavoro manuale di conoscenza ad altissimo volume: gli ordini di trasporto arrivavano come email destrutturate che i broker aprivano, smistavano e classificavano a mano; gli appuntamenti di carico e scarico richiedevano telefonate e solleciti; un singolo preventivo assorbiva circa 20 minuti dell’attenzione di un broker esperto, e le richieste arrivate fuori orario restavano in coda fino al mattino successivo.

Il contesto di mercato rendeva quella struttura di costi insostenibile. La recessione del trasporto merci iniziata nel 2022 ha fatto scendere i ricavi del 34% dal piccocomprimendo i margini dell’intero settore. La direzione ha scelto di aggredire il costo per transazione con l’AI, perché i flussi di lavoro più costosi condividevano un profilo preciso: volumi elevati, attività ripetitive, regole chiare, testo al centro. Esattamente il terreno dove i grandi modelli linguistici rendono al massimo.

La decisione: 450 ingegneri interni al posto di un contratto con un fornitore

La maggior parte delle imprese compra l’AI tramite il procurement: una piattaforma di un vendor, un system integrator, un piano di rollout. C.H. Robinson ha rovesciato quel copione. L’azienda ha messo circa 450 ingegneri software e data scientist interniin gran parte con anni di esperienza nel settore delle spedizioni, a costruire agenti direttamente su modelli proprietari e open source. Team interfunzionali hanno affiancato a quegli ingegneri esperti operativi di dominio, personale finanziario e legali, così ogni agente incorpora il modo in cui le merci si muovono davvero, invece del modo in cui lo immagina una demo.

La cultura ingegneristica attinge alla produzione snella. Ogni agente supera una FMEA, Failure Mode and Effects Analysis, disciplina del controllo qualità industriale, prima di entrare in produzione. Le revisioni di avanzamento procedono per domande socratiche e usano un semaforo a due colori: verde o rosso, con il giallo abolito di proposito per imporre valutazioni oneste. La newsroom aziendale descrive oltre 30 agenti specializzati lungo il ciclo di vita della spedizioneoperanti dentro guardrail rigorosi, con supervisione umana riservata ai giudizi critici e apprendimento a ciclo chiuso alimentato da 100.000 miliardi di punti dati. Il ragionamento di Bozeman è netto: il software si compra; conoscenza istituzionale, dati proprietari e muscoli operativi crescono dall’interno.

Il risultato: produttività +45%, utili a doppia cifra, 2 milioni di dollari di token

Dopo quattro anni in produzione, i numeri sono di rara pulizia. La produttività complessiva è salita del 45% dalla fine del 2022. L’agente dei preventivi comprime un compito da 20 minuti in 31 secondi e risponde 24 ore su 24, sette giorni su sette, così le richieste notturne ricevono un prezzo nel momento in cui arrivano. Gli agenti oggi aprono e smistano gli ordini via email, classificano le merci e prenotano gli appuntamenti di carico e scarico a una scala che richiederebbe team umani molto più numerosi.

La traccia finanziaria è visibile nei conti pubblici. L’utile per azione rettificato cresce a doppia cifra dal 2023in un periodo in cui i ricavi sono scesi del 34%, e il primo trimestre 2026 ha portato una crescita del 15% anno su annocon il management che prevede miglioramenti di produttività a doppia cifra sia nel trasporto di superficie nordamericano sia nel forwarding globale. Il lato costi è la parte sorprendente: Bozeman colloca la spesa cumulata in token sotto i 2 milioni di dollaria fronte di benefici che valuta in centinaia di milioni. Quel rapporto, circa due ordini di grandezza, è il dato costi-benefici più pulito pubblicato quest’anno da una grande impresa.

La vicenda occupazionale merita un racconto onesto. L’organico è sceso tramite il turnover naturale dell’11-14% annuocon le posizioni liberate lasciate vacanti; Fortune sottolinea l’assenza di licenziamenti di massa. La cronaca locale aggiunge una sfumatura: il Minneapolis Star Tribune ha documentato tagli tra i manager di alto livello legati alla riorganizzazione guidata dall’AI. Entrambi i fatti stanno insieme: la riduzione è reale, ed è stata gestita in modo graduale. Gli specialisti riassegnati sono passati ad attività a maggior valore come la navigazione tariffaria, e l’azienda continua ad assumere nella consulenza di supply chain e nei servizi per i piccoli e medi spedizionieri.

Cosa possono imparare le altre organizzazioni

Tre lezioni si trasferiscono. Primo: la profondità di dominio batte la novità del modello. Gli agenti di C.H. Robinson funzionano perché 450 ingegneri che conoscono il trasporto merci vi hanno codificato decenni di conoscenza istituzionale e dati proprietari, mentre i concorrenti innestano strumenti generici su flussi che padroneggiano meno a fondo. Secondo: l’inferenza costa poco dove i flussi sono ripetitivi e voluminosi; una bolletta token sotto i 2 milioni contro centinaia di milioni di beneficio significa che i vincoli reali sono la conoscenza dei processi e la capacità ingegneristica, più che il budget di calcolo. Terzo: la disciplina manifatturiera trasforma modelli probabilistici in operazioni affidabili, FMEA prima del rilascio, guardrail in produzione, reporting verde-rosso che vieta l’ambiguità.

Le condizioni per replicare sono altrettanto chiare: flussi ad alto volume e ricchi di regole; dati proprietari accumulati negli anni; una squadra di ingegneri vicina al business; pazienza dei vertici misurata in anni, più che in trimestri. Bozeman definisce il risultato “un fossato profondo e largo” e stima che un rivale intenzionato ad assemblare lo stesso stack dai vendor avrebbe bisogno di 15-20 partner distinti. Per i molti settori che vivono di transazioni ripetitive e cariche di documenti, il caso C.H. Robinson somiglia meno a un’eccezione e più a un progetto replicabile.