A SPS Italia, la fiera dell’Automazione e del Digitale per l’industria in scena a Parma dal 26 al 28 maggio 2026, 40Factory presenta l’evoluzione della propria piattaforma Industrial IoT con un’architettura che integra tre livelli di intelligenza artificiale, conversazionale, agentica e visiva, su un unico layer tecnologico condiviso. L’azienda, che quest’anno entra nell’Advisory Panel della fiera e si sposta al Padiglione 5, consolida il proprio posizionamento come abilitatore tecnologico per OEM ed end user nel mercato dell’industria digitale.

MAT come layer tecnologico comune

Il filo conduttore della proposta 40Factory resta MAT, piattaforma Industrial IoT pensata per acquisire dati da macchine e impianti, contestualizzarli e renderli disponibili per moduli applicativi diversi: supervisione, KPI, diagnostica, gestione delle attività di manutenzione, e molto altro.

L’elemento distintivo non è soltanto la raccolta del dato, ma la possibilità di utilizzarlo come base comune per servizi e funzionalità eterogenee. In quest’ottica, MAT agisce come layer tecnologico condiviso, su cui si appoggiano sia le componenti native della piattaforma sia moduli più verticali, nativi o sviluppati da terzi, con l’obiettivo di portare il dato verso un uso operativo: non solo visualizzazione, quindi, ma interpretazione, prioritizzazione e attivazione di azioni.

Tre livelli di AI, un’unica piattaforma

Wilson.ai Conversational: linguaggio naturale su documentazione tecnica e schemi elettrici

Il primo livello di integrazione AI riguarda l’accesso alla conoscenza tecnica associata alla macchina. Wilson.ai Conversational è un generatore di assistenti virtuali basato su large language model che consente a operatori, manutentori e service engineer di interrogare in linguaggio naturale manuali, procedure e dati tecnici. La novità presentata a SPS 2026 è l’estensione della capacità di lettura agli schemi elettrici: il sistema è ora in grado di interpretare la logica di cablaggio e restituire informazioni contestualizzate rispetto al problema in esame.

L’impatto operativo è sulla riduzione del tempo di ricerca delle informazioni. La documentazione tecnica non cambia nella sostanza, ma nella modalità di fruizione: da navigazione lineare a interrogazione contestuale, con risposte che tengono conto del problema specifico anziché restituire contenuti generici.

Wilson.ai Agents: AI agentica per l’interpretazione autonoma dei dati

Il secondo livello introduce una logica radicalmente diversa. Wilson.ai Agents non è un sistema reattivo, non risponde a domande, ma un componente proattivo che monitora in modo continuo i flussi informativi generati dalla macchina e produce sintesi automatiche senza richiedere input espliciti da parte dell’utente.

In termini funzionali, gli Agents sono in grado di rilevare scostamenti rispetto al comportamento atteso, correlare eventi distanti nel tempo, identificare pattern ricorrenti, generare report e formulare suggerimenti di azione. Il valore non è nella quantità di informazioni prodotte, ma nella selezione: l’agente riduce il carico cognitivo di operatori e responsabili di produzione, restituendo una sintesi contestualizzata nel momento in cui è rilevante, non a posteriori.

Questa componente rappresenta il passaggio più significativo verso un modello in cui il dato industriale non deve più essere letto e interpretato interamente dall’utente, ma viene pre-elaborato da un sistema AI che segnala dove intervenire e con quali priorità.

Sentra: computer vision integrata nel layer dati

Il terzo livello è Sentra, la componente di AI Vision Intelligence che sfrutta le telecamere industriali, già intergrate nell’architettura di MAT, come sensori intelligenti per analisi di processo.

Sentra si basa sugli algoritmi sviluppati da Fruitful AI, startup svizzera in cui 40Factory ha recentemente effettuato un importante investimento diretto. Il sistema analizza il flusso video in tempo reale tramite modelli di AI per il rilevamento di anomalie di processo, difetti di prodotto e comportamenti non conformi. Ogni evento rilevato viene trasformato in un segnale strutturato, una notifica, un alert o una retroazione su PLC. Il tutto integrato nel layer informativo di MAT e disponibile per gli altri moduli della piattaforma.

La scelta architetturale è rilevante: il video non viene trattato come canale separato, ma come una sorgente dati aggiuntiva, coordinata con i dati di macchina, la documentazione tecnica e gli eventi di processo. In prospettiva, questa convergenza apre a scenari in cui più sorgenti informative eterogenee vengono lette in modo coordinato da componenti AI differenti.

MAT come piattaforma aperta: C-MON Safe e la safety certificata su blockchain

La natura di MAT come infrastruttura aperta a sviluppi verticali con partner terzi trova un esempio concreto in C-MON Safe, modulo sviluppato con Accessafe per la gestione data-driven della sicurezza funzionale.

Il sistema rileva, traccia e documenta anomalie, deterioramenti, bypass e comportamenti critici su dispositivi e logiche di protezione. Per gli eventi classificati ad alta severità, le evidenze vengono archiviate in forma certificata e immutabile tramite tecnologia blockchain: un meccanismo che garantisce integrità del dato, non ripudiabilità e pieno valore probatorio della documentazione raccolta, con applicazioni dirette in ambito legale e di contenzioso.

C-MON Safe illustra il modello di ecosistema che 40Factory intende sviluppare attorno a MAT: un’infrastruttura dati e di connettività su cui partner specializzati possono costruire moduli verticali ad alto contenuto tecnico, accedendo alla stessa base comune senza dover ridisegnare l’architettura sottostante.

Una piattaforma che converge verso la decisione operativa

La proposta complessiva di 40Factory per SPS Parma 2026 delinea un’architettura in cui il dato industriale percorre un percorso preciso: dalla raccolta su MAT, all’interpretazione tramite AI conversazionale e agentica, all’osservazione visiva del contesto tramite computer vision, fino alla certificazione degli eventi critici. Ogni livello aggiunge capacità senza sostituire i precedenti, e tutti condividono la stessa infrastruttura di base.

Per OEM ed end user, il punto non è avere più dati disponibili, quella disponibilità esiste già nella maggior parte degli impianti moderni. Il punto è trasformarla in comprensione operativa: sapere cosa sta succedendo, perché, e dove intervenire.