Il set di dati più prezioso nell'IA è quello che nessuno conserva

Nella prima edizione, ho sostenuto che la prossima generazione di IA — modelli del mondo, IA fisica — sarà vinta sui dati che non sono mai stati messi online. Questa era la tesi.

Questa edizione è la prova, ed è più ristretta di quanto mi aspettassi. Perché quando smetti di teorizzare e ascolti davvero il mercato — migliaia di segnali datati e indipendenti dall'economia reale — non punta a una vaga opportunità di "dati industriali". Punta, più e più volte, su un set di dati.

Ecco cosa ci hanno insegnato due mesi di ascolto.

1. Cosa ha sentito la macchina: 5.000 segnali, una forma ricorrente

La nostra piattaforma si basa su un principio semplice e deliberatamente poco esaltato che chiamiamo signal-first: non partiamo da un'opinione su dove si trovino i dati. Partiamo dai fatti — un round di finanziamento, un accordo di fusione e acquisizione, una partnership sui dati, una gara d'appalto, un rollout IoT, un deposito normativo — ognuno datato, ognuno proveniente dalla stampa di settore, ognuno che punta a un tema che produce dati.

Nelle ultime otto settimane, il motore ha raccolto circa 5.000 segnali di questo tipo. Poi ha fatto qualcosa di importante: ha rifiutato di fidarsi di un singolo segnale. Un tema diventa una vera "nicchia" solo quando almeno tre fonti indipendenti convergono su di esso — una protezione contro l'hype di un titolo roboante. Su questa base, 195 nicchie hanno superato la conferma.

Ed ecco la parte sorprendente. Quei circa 5.000 segnali hanno generato migliaia di temi candidati — ma si riducono a una manciata di famiglie, e ognuna di esse è l'economia fisica in funzione:

• Energia, rete, rinnovabili e stoccaggio — circa 1.000 cluster, circa 2.500 segnali
• Catena di approvvigionamento, logistica e trasporto merci — circa 620 cluster, circa 2.200 segnali
• Robotica e automazione industriale — circa 455 cluster, circa 1.500 segnali
• Mobilità, veicoli elettrici, automotive e flotte — circa 530 cluster, circa 1.350 segnali
• Estrazione mineraria, minerali critici e materiali — circa 310 cluster, circa 1.000 segnali

Non "IA". Non "LLM". Non il web. Il mercato continua a parlare di macchine che funzionano nel mondo reale — e, implicitamente, dei dati che quelle macchine producono ogni secondo e che nessuno conserva.

2. Chiedi "quali dati, e per chi?" — e si riduce a una nicchia

I segnali ti dicono dove c'è interesse. La vera domanda è: quale set di dati crea effettivamente questo, e chi pagherebbe per esso?

Abbiamo mappato 413 detentori di dati reali (rispetto ai 311 dell'edizione precedente — la mappa è in crescita). Quando classifichiamo ciò che ognuno possiede effettivamente, la distribuzione non è piatta. Una nicchia domina sulle altre:

• Il 43% di ogni detentore che abbiamo mappato si risolve nello stesso caso d'uso: Manutenzione Predittiva — 179 su 413. I secondi classificati (monitoraggio industriale, intelligenza documentale, RAG normativo, IA diagnostica) sono molto indietro.
• Il 100% di questi 179 sono serie temporali. Ogni singolo. Log di macchine, telemetria di sensori, telematica di flotte — il segnale grezzo del mondo fisico, con timestamp.
• Si estende trasversalmente ai settori: industriale (89), mobilità/flotte (58), energia e altro (23), sanità (7) — le stesse famiglie di cui i segnali stavano parlando.
• E il lato della domanda ha un profilo di acquirente dominante: fornitori di IA industriale e ottimizzazione della manutenzione.

Questo è il modello più ripetuto e confermato in modo indipendente in tutto ciò che abbiamo raccolto. Il mercato non chiede "dati". Chiede serie temporali di manutenzione predittiva — e lo chiede a gran voce.

3. Perché questa nicchia, e non un'altra: il costo del problema è sconcertante

La manutenzione predittiva non è la nicchia più prolifica per caso. Si basa su uno dei costi irrisolti più grandi dell'economia globale.

Secondo il rapporto True Cost of Downtime 2024 di Siemens, le 500 maggiori aziende del mondo perdono una stima di 1,4 trilioni di dollari all'anno a causa di tempi di inattività non pianificati — pari all'11% del loro fatturato, circa il PIL della Spagna. All'estremità, un'ora di inattività non pianificata in uno stabilimento automobilistico costa ora fino a 2,3 milioni di dollari — più di 600 dollari al secondo — e questo costo orario è quasi raddoppiato dal 2019.

Questo è l'esatto dolore che la manutenzione predittiva mira a eliminare. Ecco perché il mercato per essa è reale, non una promessa: analisti indipendenti stimano il mercato globale della manutenzione predittiva a circa 13-14 miliardi di dollari nel 2025 (Grand View ~$14,2 miliardi; Fortune Business Insights ~$13,65 miliardi; Mordor ~$14,1 miliardi; MarketsandMarkets ~$12,1 miliardi). Le stime di crescita variano ampiamente — da circa l'11% a circa il 34% CAGR a seconda dell'azienda — quindi considerate il tasso di crescita principale come un intervallo, non un numero fisso. Ma la direzione è unanime: in aumento, per un decennio.

Un costo enorme, quantificato e ricorrente — e i dati che lo risolverebbero sono esattamente i dati che i nostri detentori sfruttano poco.

4. Perché non può essere estratto: questi dati vivono dietro il firewall

Ecco cosa rende questa nicchia strutturalmente diversa dal mercato del testo web che i laboratori hanno già esaurito.

Le serie temporali di manutenzione predittiva non sono su Internet, e non lo saranno mai. Vivono all'interno di sistemi SCADA, storici di impianto, database CMMS e PLC — dietro il firewall operativo, in formati costruiti per il controllo, non per la pubblicazione. Non esiste un crawler che vi acceda.

E la maggior parte di essi non viene mai nemmeno utilizzata. Il dato più citato qui — Rethink Data di Seagate e IDC — ha rilevato che solo il 32% dei dati disponibili per le imprese viene mai utilizzato; il restante 68% rimane inutilizzato (2020). Forrester ha stimato la quota di dati aziendali non utilizzati per l'analisi al 60-73% (2016). Queste cifre sono più vecchie e riguardano i dati aziendali in generale — ma descrivono esattamente il serbatoio inattivo all'interno di ogni fabbrica, rete e flotta.

La scala è visibile ovunque un'azienda sia riuscita ad aggregare anche una piccola parte di essa. Nei suoi documenti SEC, la società di operazioni connesse Samsara riporta oltre 25 trilioni di punti dati che fluiscono attraverso la sua piattaforma ogni anno — e afferma chiaramente che "il costo e la disponibilità di sensori, elaborazione… hanno impedito un'analisi diffusa dei dati operativi fisici." Venticinque trilioni di punti, e questa è una piattaforma privata. Il resto è oscuro.

Questa è la definizione di un bene scarso: enorme, prezioso e inaccessibile a tutti coloro che vorrebbero addestrarsi su di esso.

5. Gli acquirenti stanno già arrivando — e sono una classe di modelli completamente nuova

Per anni, "chi comprerebbe serie temporali operative?" è stata una domanda legittima. Nel 2024, ha smesso di esserlo — perché è apparsa una categoria di IA completamente nuova che necessita precisamente di questo.

Gli ultimi due anni hanno prodotto la prima ondata di modelli fondazionali di serie temporali: TimesFM di Google, Chronos di Amazon, Moirai di Salesforce, Granite / Tiny Time Mixers di IBM, MOMENT di CMU, TimeGPT di Nixtla. La stessa ricetta "pre-addestra un grande modello, generalizza ovunque" che ha trasformato testo e immagini — ora rivolta ai segnali nel tempo.

Ma hanno colpito lo stesso muro che stiamo descrivendo. TimesFM di Google è stato pre-addestrato su circa 100 miliardi di punti temporali tratti in gran parte da Google Trends e dalle visualizzazioni di pagine di Wikipedia — dati web pubblici, non una singola ora di SCADA o telemetria di sensori. E i ricercatori che costruiscono questi modelli dicono apertamente la parte silenziosa:

"I modelli fondazionali hanno trasformato visione e linguaggio pre-addestrando su corpora ampi e strutturalmente coerenti — tuttavia nessun substrato analogo esiste per le serie temporali industriali." — FactoryNet, 2026

"A differenza del linguaggio, che ha abbondanti dati di pre-addestramento pubblici in terabyte, i dati di serie temporali sono relativamente scarsi, molto diversi e pubblicamente limitati." — IBM Research, Tiny Time Mixers (NeurIPS 2024)

Il capitale sta seguendo la stessa logica. Lo specialista della salute delle macchine Augury ha raccolto 75 milioni di dollari con una valutazione di oltre 1 miliardo di dollari (febbraio 2025); la piattaforma di manutenzione industriale Tractian ha raccolto 120 milioni di dollari (dicembre 2024). Gli acquirenti di dati di manutenzione predittiva non sono più ipotetici. Sono finanziati, stanno costruendo e stanno morendo di fame per esattamente la riserva su cui si trovano i nostri 413 detentori.

Il risultato

L'edizione #1 ha affermato che la prossima IA ha bisogno di dati che non sono mai stati online. L'edizione #2 ti dice quali dati, perché il mercato non ha smesso di puntarci sopra: serie temporali di manutenzione predittiva dall'economia fisica — macchine, reti, flotte, miniere.

È il segnale più ripetuto che raccogliamo. È la singola nicchia più grande che abbiamo mappato (43% di ogni detentore). È 100% serie temporali. Si basa su un problema da 1,4 trilioni di dollari all'anno. Non può essere estratto. E una classe di modelli fondazionali completamente nuova è appena arrivata, incapace di addestrarsi senza di esso.

Da un lato: operatori che possiedono un bene scarso e non sfruttato — spesso senza rendersi conto che è il carburante della prossima decade di IA. Dall'altro: una nuova generazione di modelli, e i fornitori attorno ad essi, pronti a pagarci. Ciò che manca tra loro è l'infrastruttura per abbinare, qualificare e fidarsi dello scambio.

Questo è ciò che stiamo costruendo.

Se gestisci macchine, una rete, una flotta o uno stabilimento — stai quasi certamente possedendo serie temporali di manutenzione predittiva per cui qualcuno è ora disposto a pagare. Se stai costruendo IA che necessita di segnali operativi reali — è qui che si trova. In entrambi i casi, ora è il momento di parlare.

— Salim Labriki, d-nvest

Nota metodologica: le cifre di dimensionamento del mercato sono stime proprietarie dei fornitori, attribuite per azienda; dove gli analisti non sono d'accordo (in particolare sul CAGR), mostriamo l'intervallo piuttosto che scegliere un numero. Un "segnale" è un fatto esterno datato (stampa/registro); una nicchia è considerata qualificata solo quando ≥3 fonti indipendenti convergono su di essa.