Teva e l'IA in fabbrica: scegliere con la proof of value, non col PoC

Il 4 novembre 2026 IIoT World ha pubblicato la sintesi di un panel dell'Industrial AI Summit 2026 in cui Maya Schushan-Orgad, di Teva Pharmaceuticals, ha descritto come l'azienda sceglie le tecnologie di intelligenza artificiale per la propria rete produttiva. Con lei sul palco c'erano Adam Procopio (Merck) e Kristen Sauter (Adlib Software); il moderatore era Rick Franzosa (Tech-Clarity). La sessione era sponsorizzata da Adlib.

Il contesto: 30 stabilimenti e circa 300 tecnologie

La piattaforma di innovazione aperta di Teva si chiama Teva Rise e copre una rete di 30 stabilimenti. In un anno sono state valutate circa 300 tecnologie. Le operations pesano circa il 70% della struttura dei costi, quindi l'efficienza è centrale nella strategia "Pivot to Growth", il passaggio dai generici al biofarmaceutico, che secondo l'articolo ha prodotto 13 trimestri consecutivi di risultati.

Il punto di partenza non è stata la tecnologia, ma i problemi: Teva ha chiesto agli esperti operativi quali fossero i dolori maggiori. Tra gli esempi citati: prevedere prima il rischio di qualità del prodotto, migliorare l'affidabilità degli asset, prendere decisioni più informate sulla supply chain.

Proof of value: cinque domande oltre il "funziona?"

Un proof of concept chiede se la tecnologia funziona. La proof of value di Teva aggiunge altre domande:

Le cinque domande, in sintesi:

• Funziona nel nostro ambiente?
• Può integrarsi e scalare in una rete di stabilimenti eterogenea?
• Produce un valore misurabile rispetto al problema?
• Può operare in un contesto altamente regolamentato?
• Gli utenti possono fidarsi dell'output e agire di conseguenza?

Il processo verifica anche se i dati esistono davvero in un dato sito, se gli operatori possono usare le raccomandazioni senza un forte change management e se le metriche tecniche si traducono in valore per il business. Ogni proof of value è progettata insieme al fornitore, con mappatura dei flussi decisionali e requisiti di tracciabilità inclusi fin dall'inizio, non aggiunti dopo il rilascio.

Maturità dei dati e divario tra fornitori

Se un sito non ha la maturità dei dati o dei sistemi necessaria, anche un ottimo fornitore viene rimandato finché il sito non è pronto. Emerge anche un divario: i fornitori con esperienza farmaceutica integrano requisiti regolatori, spiegabilità e tracciabilità, mentre quelli di altri settori hanno spesso tecnologia solida ma non l'architettura di conformità. In alcuni casi Teva ha trovato tecnologia superiore fuori dal pharma, senza poterla adottare.

Le tracce di tracciabilità, inoltre, non servono solo alla compliance: secondo l'articolo alimentano modelli di manutenzione predittiva, sistemi di gestione della qualità e iniziative di miglioramento operativo.

Perché conta per chi guida progetti industriali

Il messaggio è che a decidere se uno strumento di IA entra in produzione sono spesso la preparazione dei dati in ogni sito e la tracciabilità integrata, più della qualità del modello. Il quadro di Teva è ripetibile e testa integrazione, disponibilità dei dati, aderenza al flusso di lavoro e fiducia degli utenti.

Non solo "funziona?", ma "funziona qui, scala, produce valore, regge la regolamentazione e ci si può fidare?"

Takeaway pratico e cautele

I team che sviluppano o acquistano software industriale possono usare le cinque domande come criteri di accettazione: dati disponibili per sito, test di integrazione su sistemi diversi, metriche collegate al valore, requisiti di audit definiti in anticipo e verifica che l'output sia comprensibile per chi deve agire.

Va ricordato che si tratta della sintesi di un panel sponsorizzato da un fornitore, e che l'articolo cita anche l'uso di strumenti di IA per riassumere il contenuto, con revisione degli editor. Non fornisce risultati quantitativi, come risparmi o numero di strumenti adottati, né indica quante delle circa 300 tecnologie abbiano superato la selezione. Resta quindi un metodo interessante, non una prova di risultati.