Pur avendo conosciuto un’ondata di popolarità che dura da diversi anni, l’Iot oggi non ha ancora sviluppato nemmeno una frazione del potenziale che potrebbe avere in campo aziendale.
Una conferma arriva dalla ricerca IoT condotta da PwC nel 2019: se la maggior parte dei manager intervistati afferma che la propria azienda sia impegnata in uno o più progetti IoT, molti ammettono che diversi problemi ne intralciano il progresso.
La cosa non sorprende, specie considerando che la creazione di un ambiente IoT aziendale impone requisiti molto più complessi rispetto a un semplice PoC (proof of concept) che invii i dati del dispositivo al cloud o a una soluzione IoT consumer, che utilizzi soluzioni completamente integrate, ma proprietarie.
Se PoC e soluzioni consumer hanno in genere un’architettura a 2 livelli in cui l’acquisizione dei dati è in loco (edge), ma elaborazione/analisi e intelligence sono nel cloud, passando a un IoT enterprise su larga scala le implementazioni si fanno più complicate, andando a toccare l’integrazione con sistemi industriali gestiti da OT (tecnologia operativa) e sistemi aziendali, la sicurezza dei dati e dell’infrastruttura , l’acquisizione di insight dai dispositivi e, ovviamente, la capacità di introdurre tutto ciò in modo economicamente sostenibile.
Inoltre, se il vero valore dell’IoT risiede nell’acquisire informazioni integrando dati dei dispositivi con dati dell’azienda, dei clienti e della supply chain, questo tende a non avvenire in maniera lineare: prima che i dati del dispositivo siano integrati, devono essere trasformati da un protocollo all’altro, “puliti” e indirizzati alle applicazioni che devono agire su di essi; in alcuni casi è necessario operare sui dati del dispositivo in tempo reale mantenendo in funzione le attività business-critical anche in assenza di connettività, un vero e proprio must per i sistemi di sicurezza salvavita o per le infrastrutture critiche.
Per quanto lo scenario posto dall’introduzione dell’IoT in azienda sia particolarmente impegnativo, una soluzione è possibile: l’edge computing.
Con questa tecnica le complessità dell’IoT vengono affrontate secondo una semplice logica: avvicinare l’elaborazione e l’analisi dei dati ai dispositivi in cui vengono generati i dati, così da raccogliere, analizzare e agire sui dati del dispositivo in tempo reale e in maniera standardizzata.
In questo modo è possibile assegnare la priorità ai dati del dispositivo e indirizzarli dove necessario ed al momento giusto (eventualmente identificando gli avvisi critici per indirizzarli a un endpoint diverso), in modo da inviare solo un piccolo sottoinsieme di dati al sito principale per la conservazione a lungo termine o un’ulteriore elaborazione.
Intelligenza artificiale e machine learning (IA / ML) consentirebbero così alle aziende di scoprire in modo proattivo potenziali problemi in tempo reale e poter conseguentemente intraprendere azioni correttive per migliorare la qualità del prodotto, riducendo i potenziali tempi di inattività attraverso la manutenzione predittiva, ma questa visione, per concretizzarsi, deve passare attraverso diverse fasi.
La prima consiste nella consapevolezza, da parte delle aziende, che la soluzione IoT è oggi fondamentale per rispecchiare le best practice di un ambiente IT moderno basato su container, Kubernetes, sviluppo agile, AI/ML e automazione.
La seconda dovrà riguardare la coscienza che le iniziative aziendali non potranno solo limitarsi alla creazione di una soluzione IoT, ma anche come distribuire questa soluzione nella logica di un’architettura modulare ed edge oriented, con la flessibilità di poter distribuire qualsiasi componente dove ha più senso per il business.
Solo un approccio di questo tipo consentirà alle aziende di adattarsi rapidamente ai cambiamenti e di non essere superate da concorrenti in più rapida evoluzione.