Outcome-as-a-service: dalle macchine vendute ai risultati garantiti

Il 3 novembre 2026 IIoT World ha pubblicato un resoconto di un panel dell'Industrial AI Summit 2026 dedicato all'outcome-as-a-service: i costruttori (OEM) non vendono più solo macchine, ma garantiscono un risultato. Intervenivano Boris Scharinger (Siemens), Jan Pingel (Ingersoll Rand) e Karthikeyan Natarajan, CEO di Infinite Uptime, con moderatore Rob Tiffany di IDC.

Una precisazione: l'articolo è sponsorizzato da Infinite Uptime, anche se dichiarato "editorially independent", e riporta un dibattito tra relatori. Le affermazioni vanno quindi lette come opinioni dei panelisti, non come dati indipendenti.

Tre stadi del modello

Il panel distingue tre fasi, che differiscono per chi sopporta il rischio:

• Vendita del prodotto: il cliente possiede la macchina e porta il rischio.
• Garanzia di disponibilità: il fornitore gestisce il rischio di fermo.
• Output as a service: il fornitore possiede l'impianto, si assume tutto il rischio operativo e il cliente paga la produzione effettivamente erogata.

Tra gli esempi citati: i motori Rolls-Royce noleggiati a miglia volate; Siemens che ha vinto un contratto ferroviario garantendo il trasporto di un milione di passeggeri tra Colonia e Düsseldorf ogni mattina dalle 8 alle 9; Ingersoll Rand con l'"air over the fence", cioè compressori installati su un terreno adiacente allo stabilimento, di proprietà del fornitore, che paga l'energia e vende aria compressa.

Quando l'errore di previsione diventa responsabilità contrattuale

Per le turbine a gas di Siemens Energy il cliente concede una finestra di manutenzione di 10 giorni ogni due anni e non tollera fermi non pianificati nel frattempo. L'esposizione economica era tale che l'internal audit di Siemens è stato incaricato di verificare gli algoritmi di previsione. Il panel lo ha presentato come segnale: l'audit interno deve saper controllare i modelli predittivi, perché i loro errori diventano passività contrattuali.

L'impatto sul modello di business

Il passaggio è descritto come più difficile della tecnologia. Una macchina da 100.000 dollari che in 10 anni generava circa il doppio del prezzo in ricavi di servizio incassa oggi il prezzo pieno al primo mese; con un modello a risultato, il primo anno porta circa un terzo dei ricavi precedenti. Le startup possono partire direttamente così, mentre gli OEM storici affrontano un "precipizio" di ricavi pluriennale e spesso coinvolgono società finanziarie, che si prendono la quota maggiore del profitto.

In Europa trasformare il capex in opex non vince le gare: conta trasferire il rischio dal cliente al fornitore.

Secondo il panel, a fare la differenza è il trasferimento di rischi come guasti, pianificazione della manutenzione e degrado delle prestazioni.

Il vantaggio dei dati di flotta

Prezzare un contratto a risultato richiede apprendimento su centinaia di migliaia di macchine in condizioni diverse. Ingersoll Rand genera da 50 a 100 insight per tipo di apparecchiatura, per migliaia di previsioni a settimana: probabilità di fermo (a ora, giorno, settimana o mese), esigenze di servizio come il cambio filtri e segnali di capacità. Se tutte le macchine lavorano al 95%, per esempio, al cliente servono probabilmente più apparecchiature.

I fornitori di IA indipendenti hanno più difficoltà: i clienti spesso vietano di usare i dati di produzione per addestrare modelli per altri. Un panelist ha citato 20 progetti in tre anni senza un prodotto riutilizzabile. Gli OEM con base installata propria non hanno bisogno di questo permesso e possono condividere l'interpretazione anziché le vibrazioni grezze, ad esempio "problema al cuscinetto, 10-14 giorni prima del guasto".

Cosa significa per impianti e integratori

Indicazioni pratiche, da valutare caso per caso:

• Aspettarsi richieste più ampie di accesso ai dati macchina nei contratti di servizio, e definire in anticipo proprietà, uso e confini di quei dati.
• Chiedere trasparenza sui modelli predittivi: accuratezza, validazione e tracciabilità diventano questioni contrattuali.
• Preferire la condivisione di diagnosi interpretate rispetto ai dati grezzi, quando la riservatezza è un vincolo.
• Per integratori e consulenti software, le aree di valore sono accuratezza, auditabilità e governance del dato.