Esplorare l'applicabilità dell'intelligenza artificiale nei software di manutenzione: prospettive degli sviluppatori e degli utenti finali

Abstract

Questa tesi esplora come l'Intelligenza Artificiale (IA) possa essere efficacemente applicata ai software di gestione della manutenzione, concentrandosi sulle prospettive sia degli sviluppatori software che degli utenti finali. Nonostante il crescente interesse e i potenziali benefici, come la manutenzione predittiva, una pianificazione più intelligente e la diagnostica automatizzata, l'adozione dell'IA nei Sistemi di Gestione della Manutenzione Computerizzata (CMMS) rimane limitata. Una delle ragioni principali è il divario tra ciò che gli sviluppatori progettano e ciò di cui gli utenti finali hanno bisogno o di cui si fidano.

Per comprendere meglio questo divario, è stato condotto un sondaggio con metodi misti tra professionisti della manutenzione e sviluppatori software. Lo studio esamina la loro consapevolezza, le aspettative, i benefici percepiti e le preoccupazioni relative all'IA nei CMMS. Mentre gli sviluppatori sono ottimisti e concentrati sull'innovazione tecnica, molti utenti finali sono preoccupati per l'affidabilità, la complessità, i costi e la sicurezza del posto di lavoro.

I risultati rivelano che, sebbene entrambi i gruppi vedano un potenziale valore nell'IA, soprattutto nella riduzione dei tempi di inattività e nel miglioramento dell'efficienza, esistono differenze nelle priorità e nella preparazione. Gli utenti desiderano spiegazioni chiare, un'implementazione graduale e strumenti che corrispondano alle loro sfide reali. Gli sviluppatori, d'altra parte, evidenziano la qualità dei dati, i problemi di integrazione e la giustificazione aziendale come principali ostacoli. La tesi si conclude con raccomandazioni pratiche per colmare questa lacuna, come il miglioramento della comunicazione, l'offerta di formazione, l'avvio di progetti pilota e il coinvolgimento degli utenti finali fin dalle prime fasi del processo di progettazione. Queste azioni possono contribuire a creare strumenti di manutenzione basati sull'intelligenza artificiale che siano non s

This thesis explores how Artificial Intelligence (AI) can be effectively applied in maintenance management software, focusing on the perspectives of both software developers and end users. Despite growing interest and potential benefits such as predictive maintenance, smarter scheduling, and automated diagnostics, the adoption of AI in Computerized Maintenance Management Systems (CMMS) remains limited. A key reason is the gap between what developers design and what end users need or trust.

To better understand this gap, a mixed-methods survey was conducted with maintenance professionals and software developers. The study examines their awareness, expectations, perceived benefits, and concerns about AI in CMMS. While developers are optimistic and focused on technical innovation, many end users worry about reliability, complexity, costs, and job security.

Findings reveal that although both groups see potential value in AI especially in reducing downtime and improving efficiency there are differences in priorities and readiness. Users want clear explanations, gradual implementation, and tools that match their real-world challenges. Developers, on the other hand, highlight data quality, integration issues, and business justification as major hurdles.

The thesis concludes with practical recommendations to bridge this gap, such as improving communication, offering training, starting with pilot projects, and involving end users early in the design process. These actions can help create AI-powered maintenance tools that are not only innovative but also trusted and widely adopted