Perché la manutenzione predittiva ha perso il primo posto nell'AI industriale

Il 19 ottobre 2026 IIoT World ha pubblicato un articolo sul motivo per cui la manutenzione predittiva (PdM) non compare più in cima alle liste dei casi d'uso dell'AI industriale. Il testo riassume un panel dell'Industrial AI Summit 2026 con Boris Scharinger (Siemens), Karthikeyan Natarajan (CEO di Infinite Uptime) e Jan Pingel (Ingersoll Rand), moderato da Rob Tiffany (IDC).

Una premessa importante: l'articolo è sponsorizzato da Infinite Uptime, pur riportando la dicitura "Editorially Independent", e dichiara di essere stato riassunto anche con strumenti di AI. Tutti i dati di prestazione citati qui sono dichiarazioni del fornitore e non sono stati verificati in modo indipendente.

Perché ha perso terreno

La PdM è stata il primo caso d'uso "sicuro" dell'AI in fabbrica, perché non interferisce con una linea in funzione. Il problema è il ritorno economico, che ha un tetto. Secondo la regola empirica citata, eliminando tutti i fermi non programmati su un asset da un milione di dollari si risparmiano circa 1.000 dollari al mese, cioè circa 12.000 all'anno. Con un tetto simile, un fornitore ha bisogno di centinaia di stabilimenti e migliaia di macchine per costruire un business sostenibile.

Anomalie contro previsione vera

Secondo il panel, la maggior parte delle installazioni si è fermata al rilevamento di anomalie, che dice solo "qualcosa non va, qualcuno controlli". La vera PdM è invece una classificazione prescrittiva, ad esempio "problema al cuscinetto, sostituire entro 10 giorni". Questo richiede analisi di vibrazioni e suoni e modelli addestrati su una flotta ampia e diversificata di macchine.

La soglia di fiducia degli operatori

Con il 30-40% di falsi positivi gli operatori abbandonano il sistema entro un mese. Il panel indica come soglia per un'adozione duraturo più del 95% di veri positivi e meno del 5% di falsi positivi. Infinite Uptime dichiara:

• accuratezza del 99,97% su 55.000 prescrizioni;
• 95% delle prescrizioni messe in pratica dagli operatori;
• 175.000 ore di fermo evitate.

L'articolo cita inoltre circa 100 miliardi di dollari di costo annuo dei fermi non programmati nel manifatturiero.

L'approccio del fornitore

I modelli sono stati costruiti in 8 anni su oltre 1.000 stabilimenti in 27 paesi. Gli "AI Shields verticalizzati" coprono 18 categorie di asset e aggiungono ai dati di vibrazione i dati di processo, i registri di ispezione (a rotta, ultrasuoni, termografia), lo storico manutentivo, le procedure OEM e gli input dei tecnici in testo, audio e video. Il prodotto è stato lanciato negli ultimi tre mesi; tre shield sono quasi completi, e sono previsti acciaio, chimica, food and beverage e cemento. Il valore deve essere dimostrabile in 3-6 mesi: oltre 600 stabilimenti stanno scalando e più di 300 hanno raggiunto il 70-80% di copertura delle apparecchiature critiche.

Il prossimo bacino di valore: la ridondanza

Gli stabilimenti sostengono un 30-40% di costi extra in linee di riserva, apparecchiature di backup tenute a magazzino per 12-18 mesi e tecnici reperibili. Una previsione precisa della vita utile residua potrebbe permettere di eliminare questa ridondanza già in fase di progetto. Scharinger prevede che la PdM tornerà tra i primi tre casi d'uso entro cinque anni.

Cosa portarsi a casa

Per chi gestisce o valuta progetti di PdM, l'articolo suggerisce alcuni controlli:

• un pilota che produce solo allarmi è un rilevatore di anomalie, non manutenzione predittiva;
• la fiducia dell'operatore, con falsi positivi sotto il 5%, conta più della novità del modello;
• le prescrizioni richiedono contesto: dati PLC e di processo, registri manutentivi e classi di asset;
• il business case va spostato dalla pianificazione della manutenzione alla progettazione dell'impianto.

Trattandosi di un contenuto sponsorizzato, conviene chiedere evidenze verificabili prima di prendere per buone le metriche. Il messaggio di fondo, però, è coerente con l'esperienza di molti progetti: senza azioni concrete e fiducia di chi lavora in campo, l'AI predittiva resta un cruscotto.