Exploring AI applications in logistics

This thesis explores the transformative impact of Artificial Intelligence in logistics. While AI is widely recognized as a disruptive force, its full-scale development and adoption within logistics and supply chain management remain limited. Based on this observation, this thesis addresses the following research question: RQ) What are the possible applications of AI in logistics? A multi-phase research methodology was adopted, combining theoretical analysis and practical insights while maintaining a structured scientific approach. An umbrella review methodology was conducted for the literature analysis, while a systematic analysis of AI-driven startups served as a proxy for real-world applications. This approach provides a structured reference for academics and industry professionals, bridging theory and practice. A framework has been developed to map existing literature, identifying key research themes and gaps. The analysis shows a prevalence of general supply chain studies over logistics-specific research and a gap in review studies comprehensively covering all logistics functions, especially from an executive-oriented perspective. Startups are categorized by business models, AI capabilities, and affected logistics functions. North America leads in the number of AI-driven startups, with software-based solutions prevailing. Machine Learning is the most widely exploited AI capability, and transport emerges as the most frequently targeted logistics function, with AI enhancing either the physical movement of goods or complementary support activities. This thesis introduces a new analytical framework for AI applications, based on AI functional capabilities, abstracting from specific algorithmic techniques. It serves as a valuable tool for both academics and managers and it’s replicable across industries. It provides a new perspective for studying AI adoption and run comparisons between academic research directions and AI practical implementations. At the same time, it highlights concrete AI applications and their benefit, helping practitioners navigate the complex AI ecosystem and make informed strategic decisions aligned with their operational needs.

Questo studio esplora l'impatto trasformativo dell'Intelligenza Artificiale (IA) nella logistica. Sebbene l'IA sia riconosciuta trasformativa in molti settori, la sua adozione su larga scala nella logistica risulta limitata. Partendo da questa osservazione, la ricerca risponde alla domanda: RQ) Quali sono le possibili applicazioni dell’IA nella logistica? È stata adottata una metodologia di ricerca multifase, che combina analisi teorica e pratica, con un approccio scientifico strutturato. L’analisi della letteratura è stata condotta con metodologia umbrella review, mentre l’analisi sistematica delle startup basate sull’IA funge da proxy per le applicazioni reali. Questo approccio offre un quadro di riferimento strutturato per accademici e professionisti. La mappatura della letteratura esistente ha permesso di individuare i principali filoni della ricerca e le relative lacune. L'analisi evidenzia una prevalenza di studi generali sulla supply chain rispetto a quelli specifici sulla logistica, nonché una carenza di revisioni di letteratura che coprano tutte le funzioni logistiche, soprattutto in prospettiva manageriale. Le startup analizzate sono state classificate in base ai modelli di business, alle capacità dell’IA e alle funzioni logistiche coinvolte. Il Nord America guida per numero di startup basate sull’IA, con una netta prevalenza di soluzioni software. Il Machine Learning risulta la capacità IA più sfruttata, mentre il trasporto risulta essere la funzione logistica più frequentemente interessata dall’ integrazione dell’IA sia per il movimento delle merci che per le attività di supporto. Questa tesi introduce un framework analitico innovativo per le applicazioni IA, basato sulle capacità funzionali dell’IA, offrendo uno strumento utile sia per la ricerca accademica che per i professionisti e replicabile in altri ambiti. Esso offre una nuova prospettiva per l’analisi dell’adozione dell’IA e consente il confronto tra ricerca e pratica. Inoltre, mette in luce applicazioni concrete e benefici, supportando i professionisti nella comprensione del complesso ecosistema IA e nell’assunzione di decisioni informate.