Pilot AI che si fermano: il test in tre domande sui dati

Il 2 novembre 2026 IIoT World ha pubblicato la sintesi di un panel dell'Industrial AI Summit 2026, con Benson Chan (Strategy of Things), Flemming Kongsberg (Siemens), Maddie Zeng (NeoAI) e Jonathan Weiss (Cumulocity). Non è una nuova ricerca di mercato, ma un resoconto di opinioni di operatori del settore. Le indicazioni però sono concrete e utili per chi deve decidere se e dove finanziare un progetto di intelligenza artificiale in fabbrica.

L'iceberg del pilot

Chan paragona un pilot a un iceberg: la parte visibile è piccola, mentre i requisiti operativi restano sotto la superficie. Un pilot da circa 20.000 dollari (l'articolo parla di un intervallo di 10-30.000) funziona con dati già puliti, integrazione minima e ambito ristretto. Per passare alla produzione servono invece:

• cybersecurity;
• gestione di macchine con versioni software diverse;
• integrazione con MES, ERP e pianificazione;
• governance dei dati e dei modelli;
• formazione e cambiamento organizzativo per il personale.

Secondo il panel, la produzione costa tipicamente "multipli" del pilot e richiede molto più tempo. L'articolo non indica un moltiplicatore preciso, quindi va letto come un ordine di grandezza qualitativo, non come un dato da inserire in un budget.

Tre domande prima di investire

Il contributo più pratico è un test di maturità dei dati da applicare al caso d'uso candidato:

• I dati sono disponibili?
• Ci si può fidare di essi?
• Qualcuno li sta già usando, anche manualmente?

Se le tre risposte sono positive, esiste la base per l'AI, e conviene partire dal caso d'uso in cui i dati già circolano. Se invece si discute ancora sulla correttezza dei numeri, o i dati non esistono, il primo passo è un progetto di modernizzazione. L'esempio citato è quello di stabilimenti con 16-20 macchine non connesse, dove lo scarto si valuta guardando il bidone dei rifiuti.

Perché una demo riuscita non basta

Il panel individua anche tre cause strutturali di blocco dopo un test positivo:

• responsabilità poco chiara: nessun responsabile di business risponde della metrica, e il progetto si ferma al confine tra reparti;
• modelli generici: non danno vantaggio competitivo finché non vengono combinati con i dati e la conoscenza di processo dell'azienda;
• prototipo scambiato per prodotto: una demo non è software di livello enterprise, governato.

Impianti vecchi e nuovi: conta il dato, non l'età

Un punto interessante riguarda la distinzione tra brownfield e greenfield. Un impianto datato non è necessariamente "troppo vecchio": i sensori costano oggi poco e adattatori per interfacce seriali, USB e altre interfacce legacy permettono di estrarre dati anche da macchine di 40-50 anni. Al contrario, un impianto nuovo non è pronto per definizione: anche i siti moderni mescolano marche di PLC e software MES diversi, e l'integrazione richiede un impegno ingegneristico rilevante.

Conta se il dato esiste e viene usato, non quanti anni ha la macchina.

Cosa farne in pratica

Per responsabili di stabilimento e referenti IT/OT, il test è uno strumento di screening semplice da usare prima di approvare un budget. Si può applicare a ogni candidato: dove le tre risposte sono sì, il rischio di fermarsi dopo il pilot è minore; dove sono no, la spesa va indirizzata prima su connettività e dati di produzione affidabili, ad esempio tramite MES e IIoT. Va inoltre assegnato fin dall'inizio un responsabile di business per la metrica e va messo in conto il costo dell'industrializzazione, non solo quello del pilot.

Il messaggio di fondo, coerente con quanto emerge dal panel, è che l'AI non sostituisce il lavoro di base: lo presuppone. Il retrofit a basso costo rende percorribile questa strada anche per le linee più vecchie.