Vad MECSPE 2026 lärde oss om ERP:s verkliga tillstånd – MES och AI

När man går genom de massiva paviljongerna på MECSPE 2026 i Bologna är den italienska tillverkningsindustrins fysiska verklighet obestridlig. Mellan det rytmiska surret från automatiserade vertikala lager och utställningar av tunga maskiner finns en tydlig berättelse. Tillverkningssektorn strävar aktivt efter digital integration för att bibehålla sin konkurrensfördel på en komplex global marknad.

Men som affärskonsult låg mitt primära fokus inte bara på hårdvaran. Tillsammans med Alessandro Rappini tillbringade vi tid i mjukvarupaviljongerna och tittade under huven på de system som faktiskt driver dessa maskiner. Vi ville se hur mjukvaruindustrin reagerar på den massiva hypen kring artificiell intelligens.

Vi besökte montrar för globala aktörer som Infor, tillsammans med starka nationella och europeiska tungviktare som Zucchetti, TeamSystemoch CentroSoftware. Ordet ”AI” var klistrat över nästan varje banderoll.

Men en närmare titt på den faktiska koden och arbetsflödena avslöjade en helt annan, betydligt mer nyanserad verklighet.

Monoliterna och chatbot-miragen

När man tittar på de stora ERP- och MES-leverantörerna idag är efterfrågan på AI högljudd men mekaniskt försiktig.

I många av de äldre och monolitiska programvarudisplayerna kokade den stora "AI-integrationen" i slutändan ner till en konversationsbaserad chatbot monterad på sidan av ERP-instrumentpanelen. Dessa verktyg är verkligen användbara för att utföra grundläggande datainsamling, som att kontrollera lagerstatusen för en specifik komponent eller hämta en leverantörs öppna saldo. Men de är i huvudsak avancerade skrivskyddade frågor inslagna i ett naturligt språkgränssnitt, som helt förlitar sig på mänskliga uppmaningar snarare än att vidta oberoende åtgärder.

Denna försiktighetsåtgärd är helt logisk ur ett företagsarkitekturperspektiv. Som jag har skrivit tidigarekan man inte bara låta en hallucinerande algoritm skriva över sina centrala finansiella böcker eller ändra en komplex stycklista. De stora aktörerna vidtar försiktiga åtgärder eftersom deras kunder kräver absolut stabilitet och efterlevnad.

Men en chatbot som tar upp de aktuella lagernivåerna för en artikel eller summerar en leverantörs saldo är väldigt långt ifrån det autonoma, agentstyrda utförande vi har blivit lovade för 2026.

Startup-sandlådan: Där en antydan till nästa AI-implementering sker

Medan jättarna agerar försiktigt, behandlar startup-ekosystemet AI som ett grundläggande lager snarare än ett tillägg. Här såg jag den verkliga potentialen hos stora språkmodeller tillämpade på industriell logistik.

Ett perfekt exempel var Quindis ståndpunkt (en startup som gör succé med sitt arbete för företag som Bianchi). Deras system tillämpar LLM:er direkt på prediktiv mekanik, vilket aktivt befriar produktionsplaneraren från mardrömmen med omplanering av MES-system.

Deras demonstration var briljant i sin enkelhet. De satte upp en ledvägg med exakt två knappar.

En knapp simulerar ett fabriksavbrott i realtid. Den andra utlöser att AI:n omedelbart analyserar de nya begränsningarna och föreslår en omberäknad, lönsamhetsoptimerad produktionsplan.

Det är här tekniken slutar vara ett sällskapsknep och börjar generera faktisk avkastning på investeringen. Andra agila mjukvaruföretag visade liknande innovationer och använde AI för att snabbt konstruera BPM-liknande arbetsflöden i farten och genomföra specifika datainsamlingssessioner direkt i hanteringsprogramvaran.

Eftersom startups har mindre teknisk skuld och färre begränsningar inom äldre teknik, ligger de för närvarande i framkant när det gäller praktisk AI-tillämpning.

Verktyget kontra produktverkligheten

Min viktigaste personliga lärdom från MECSPE 2026 är en verklighetskontroll av tidslinjer.

På mjukvarusidan behandlar branschen AI som ett kraftfullt verktyg tillgängligt för utvecklare, snarare än en färdig produkt i kartong som är redo för slutanvändaren. När ett företag köper en AI-lösning idag köper de i huvudsak den råa LLM-kapaciteten. Dessutom specificerar leverantörer sällan exakt vilken underliggande modell de använder, är det en amerikansk, europeisk eller kinesisk LLM, eller internt byggd och tränad? Körs den i molnet? Och i så fall, var exakt kommer informationen att finnas? Jag anser att denna utelämnande är mycket kritisk när man diskuterar proprietära företagsdata. I slutändan, när denna tredjepartskapacitet har förvärvats, måste leverantören och kunden sätta sig ner och bygga det specifika arbetsflödet tillsammans.

Detta belyser en grundläggande sanning om vår bransch. Företagsprocesser utvecklas helt enkelt inte lika snabbt som mjukvara.

Vi hör ett oändligt prat om att 2026 ska vara ”Agenternas år”. Men när den grundläggande verkligheten för de flesta företag fortfarande är en enkel chatbot integrerad i en dashboard, måste vi erkänna att vi fortfarande är långt ifrån verkligt automatiserad agentexekvering, åtminstone i vår bransch. Tekniken må vara redo, men datastyrningen och de mänskliga processerna släpar efter flera år.

Den omedelbara vinsten: Visuell förenkling

Så, om autonoma agenter fortfarande är i sikte, vad är det omedelbara fokuset för ERP-användare idag? Svaret jag såg över hela linjen på MECSPE var förenkling.

Varje enskild leverantör, stor som liten, försöker aktivt minska antalet klick som krävs för att få ett jobb gjort. Fokus har skiftat aggressivt mot visuella representationer och handlingsbar data, främst genom intelligenta widgetar.

Användare behöver se sin leveranskedjas hälsa med en enda blick. De behöver användbara knappar direkt på sina startskärmar

Det är precis den filosofin vi tillämpar med våra P2-i-widgetar för Infor LN. Innan du kan lita på att en AI ska driva din fabrik behöver dina mänskliga operatörer ha tydlig, omedelbar och visuell kontroll över sina ERP-data. Att förenkla gränssnittet är det första nödvändiga steget mot framtida automatisering.

Användbara insikter för företagsledare

Om du är CEO eller IT-chef och navigerar i den rådande AI-hypen, är det här vad du behöver fokusera på just nu:

1. Se bortom chatboten: Låt dig inte distraheras av konversationsrobotar när du utvärderar en ERP-uppdatering. Fråga leverantören hur deras AI hanterar dynamisk omplanering, avvikelsedetektering eller komplex arbetsflödesautomation.
2. Undvik alla fällor för leverantörsreligion: Gift dig inte blint med ett enda mjukvaruekosystem. Fokusera istället på att se till att din kärnprogramvara har de moderna verktyg och den arkitektur som krävs för att sömlöst integrera specialiserade vertikaler (som Infors API-first-strategi genom Infor OS och ION-integrationsnätverket). Om ditt monolitiska ERP-system rör sig för långsamt kan det vara värt att utforska agila integrationer. Innovativa verktyg som presenteras av nya startups tyder på att du framgångsrikt kan lägga smarta, prediktiva modeller ovanpå dina befintliga exekveringssystem.
3. Rensa dina data först: Inget av dessa avancerade schemaläggningsverktyg fungerar om dina äldre data är smutsiga. En AI kan inte optimera en produktionsgolv om routingtiderna i ditt system inte har uppdaterats sedan 2018.
4. Investera i visuella element nu: Innan du jagar autonoma agenter, investera i förenkling av användargränssnittet. Implementera widgets och dashboards som minskar antalet klick för din nuvarande arbetsstyrka. Om dina anställda inte enkelt kan läsa data kommer en AI inte att rädda dig.

Vägen framåt

MECSPE 2026 bevisade att industrisektorn är hungriga efter innovation. Men det bevisade också att vi måste dämpa våra förväntningar. AI är absolut framtiden för företag, men den kommer att uppnås genom noggrann, samarbetande ingenjörskonst, inte magi.

Skriven av Andrea Guaccio 

9 mars 2026