TimesFM-3: il modello open source di Google che prevede i numeri della tua azienda

Ogni imprenditore fa previsioni, anche chi non le chiama così

Quanto venderò il prossimo trimestre, quanta merce devo ordinare prima di Natale, mi basta la liquidità per pagare stipendi e fornitori a fine mese, mi serve una persona in più in produzione o ce la faccio con i turni attuali. Fino a ieri queste risposte uscivano da un foglio Excel, dall'esperienza del titolare o — nel peggiore dei casi — dall'intuito. Google ha appena rilasciato TimesFM-3, la terza generazione del suo modello di forecasting open source, ed è un salto di categoria: un modello addestrato su enormi quantità di serie storiche che prende i numeri passati della tua azienda e ti dice, con un margine d'errore misurabile, cosa probabilmente succederà.

Cos'è, in parole semplici

TimesFM è un foundation model per le serie temporali: così come un modello linguistico è stato addestrato su milioni di testi e sa completare una frase, TimesFM è stato addestrato su miliardi di punti di dati storici — vendite, traffico web, consumi energetici, prezzi — e sa completare una serie di numeri nel futuro. La versione 3 introduce due capacità che per le aziende cambiano tutto. La prima è il forecasting multivariato: il modello non guarda solo la serie che vuoi prevedere, ma anche le variabili collegate. Non solo quanto hai venduto, ma quanto hai venduto in relazione a prezzo, promozioni, stagionalità, traffico del sito e meteo. La seconda è che non richiede addestramento sui tuoi dati per dare risultati utili: lavora in modalità zero-shot, cioè gli dai lo storico e lui prevede. Nei benchmark pubblicati da Google sui dataset di riferimento del settore, TimesFM-3 risulta più accurato dei principali modelli concorrenti, open source e proprietari — con l'ovvia precisazione che i benchmark sono di Google e vanno verificati sul proprio caso, cosa che qualunque progetto serio fa comunque nella fase pilota.

La differenza pratica rispetto al metodo classico è sostanziale

Un forecast fatto a mano considera di solito una variabile alla volta: l'anno scorso a ottobre ho venduto X, quindi quest'anno venderò X più un po'. TimesFM-3 invece incrocia le serie: se le vendite di ottobre dipendono dal traffico del sito di settembre, dalle promozioni attive e dalla temperatura — come succede davvero in molti settori — il modello usa tutte queste serie insieme e produce una previsione con intervallo di confidenza: non un numero secco, ma una forchetta con gli scenari ottimista, centrale e pessimistico. Per chi deve decidere quanto ordinare, quella forchetta vale più del numero.

Cosa può prevedere, concretamente, in una PMI italiana

Le vendite per prodotto, cliente e area, settimana per settimana: chi vende a fornitori ricorrenti sa già quali articoli ordinare dal grossista e in che quantità. Il magazzino: incrociando vendite previste e tempi di riordino, il sistema segnala in anticipo quali codici andranno sottoscorta e quali resteranno fermi a consumare capitale. La liquidità: combinando fatturato previsto, scadenzario incassi e pagamenti, una previsione di cassa a otto-dodici settimane che normalmente richiede un controller part-time. Il personale: nei settori con picchi stagionali, prevedere il carico di lavoro settimana per settimana per dimensionare turni e rinforzi. E i prezzi d'acquisto: se compri materie prime o energia, avere uno scenario sulle quotazioni aiuta a decidere quando coprirsi.

Perché il fatto che sia open source conta più di quanto sembri

Un modello open source lo esegui dove vuoi: sul tuo server, su un cloud europeo, su una macchina sotto la tua scrivania. I dati di vendita, clienti e margini non devono lasciare l'azienda — per molte PMI questo da solo decide se un progetto si fa o non si fa. Non ci sono costi di licenza né abbonamenti per previsione: si paga solo l'infrastruttura su cui gira, e un modello di forecasting non è un mostro di potenza — per i volumi di una PMI gira su hardware modesto. E soprattutto nessun vendor lock-in: il modello è tuo, i risultati sono tuoi, e se domani esce qualcosa di meglio lo sostituisci senza migrare un servizio.

Come si integra con i sistemi che hai già

TimesFM-3 non è un software con un'interfaccia: è un modello, e va messo dentro un flusso. L'architettura tipica che costruisco ha tre pezzi. Il primo è la raccolta dati: le serie storiche escono dal gestionale, dall'e-commerce, dal foglio Excel delle vendite o dal database, attraverso un'integrazione che di solito orchestriamo in n8n. Il secondo è il modello, che gira su un piccolo server e produce le previsioni a cadenza regolare — settimanale per vendite e magazzino, giornaliera per la cassa. Il terzo è dove le previsioni diventano decisioni: un report che arriva ogni lunedì mattina, una dashboard, un avviso automatico quando la previsione di cassa scende sotto una soglia, o l'aggiornamento diretto delle giacenze minime nel gestionale. Il forecasting è la testa; l'automazione è il corpo che lo rende utile.

Dove non serve, e va detto chiaramente

Se hai meno di due anni di storico ordinato, il modello ha poco da imparare: serve prima sistemare i dati. Se il tuo business è fatto di pochi grandi contratti l'anno — tre commesse da trecentomila euro — non esiste serie storica che aiuti: la previsione la fa il rapporto con il cliente. Se le vendite dipendono da eventi che non si ripetono — un appalto pubblico, una fiera, una campagna straordinaria — il modello prevede bene il fondo e male i picchi. E se oggi non decidi nulla in base ai numeri — ordini a istinto e va bene così — una previsione migliore non cambia il risultato: prima cambia il processo decisionale, poi arriva il modello.

Sui costi, per essere concreti

Il modello è gratuito: è open source con licenza permissiva. Il server su cui gira, per i volumi di una PMI, sta fra i 15 e i 50 euro al mese. Il costo vero è il progetto: collegare le fonti dati, pulire lo storico, validare le previsioni contro i mesi passati — si chiama backtesting, ed è il passaggio che distingue uno strumento affidabile da un oracolo — e mettere in produzione report e avvisi. Un progetto su una serie singola, per esempio le vendite totali, si colloca in genere fra i 3.000 e i 6.000 euro; un sistema che prevede vendite per linea di prodotto, magazzino e cassa con integrazione al gestionale sale a 8.000-15.000 euro. Il ritorno arriva da tre voci misurabili: meno capitale immobilizzato in magazzino, meno rotture di stock sui prodotti che girano, meno sorprese sulla liquidità.

Il modo giusto di iniziare non è comprare niente: è il backtest. Si prendono i dati storici dell'azienda, si chiede al modello di prevedere gli ultimi sei mesi fingendo di non conoscerli, e si confrontano le previsioni con quello che è successo davvero. Se l'errore è più basso di quello del metodo attuale — Excel, istinto, media mobile — il progetto vale la pena e sai già di quanto. Se non lo è, l'hai scoperto spendendo un'analisi e non un progetto. È un conto che si fa in pochi giorni, e nessun fornitore serio dovrebbe venderti un sistema di forecasting senza prima fartelo vedere.

Se vuoi sapere cosa TimesFM-3 riesce a prevedere sui numeri della tua azienda, in una call di quindici minuti guardiamo insieme che storico hai, quali decisioni prendi oggi a istinto e ti dico se il backtest ha senso — e se non ce l'ha, ti spiego cosa sistemare prima.