La svedese Interspectral ha nominato Jonas Hurtig nuovo CEO

Jonas Hurtig nuovo CEO di Interspectral: la sfida ora è portare AM Explorer dalla qualità digitale alla produzione su scala

La svedese Interspectral ha nominato Jonas Hurtig nuovo Chief Executive Officer, affidandogli una fase nella quale la sfida principale non sembra più essere dimostrare che il software AM Explorer riesca a visualizzare e correlare enormi quantità di dati della manifattura additiva, ma trasformare questa capacità in un’infrastruttura di quality assurance adottata sistematicamente da produttori aerospaziali, aziende della difesa, service bureau, OEM di stampanti e organizzazioni che stanno passando dalla sperimentazione alla produzione metal additive seriale.

Hurtig sostituisce Isabelle Hachette, che aveva assunto la guida di Interspectral nell’aprile 2022. Secondo la comunicazione della società ripresa da TCT Magazine, Hachette si è dimessa dalla posizione e ha lasciato l’azienda. Non è stata resa pubblica una motivazione ulteriore e non è quindi corretto collegare il passaggio a risultati economici, divergenze strategiche o altre ragioni non documentate.

Il nuovo CEO non è un dirigente esterno chiamato a conoscere da zero tecnologia e clienti. Hurtig lavorava già con Interspectral da circa due anni e aveva partecipato alle attività commerciali e agli eventi dell’azienda durante la fase in cui AM Explorer veniva trasformato da singolo software di data visualization in una suite modulare dedicata a qualification, anomaly detection, monitoraggio in-process e gestione multi-macchina.

La nomina è stata annunciata il 5 ottobre 2026 e risulta già coerente con i registri societari svedesi, nei quali Carl Jonas Patrik Hurtig compare come amministratore delegato esterno di Interspectral AB. Il sito pubblico dell’azienda, invece, conserva ancora in alcune pagine Isabelle Hachette come CEO: un normale ritardo di aggiornamento particolarmente evidente perché il cambio è appena avvenuto.

Il profilo di Hurtig racconta abbastanza chiaramente cosa cerca ora Interspectral

Il consiglio di amministrazione, presieduto da Staffan Truvé, sottolinea soprattutto l’esperienza commerciale di Hurtig in settori nei quali software, dati e tecnologie avanzate devono entrare in processi industriali sottoposti a requisiti molto più severi di quelli di un normale prodotto software.

Il suo percorso comprende Saab, dove ricoprì il ruolo di Vice President, Head of Brand Management and Marketing Communication e lavorò anche in business development, quindi un ambiente direttamente collegato ad aerospazio e difesa.

Dal 2017 al 2020 fu invece Head of Marketing and Commercial Affairs di SyntheticMR, azienda svedese che sviluppa software per la risonanza magnetica.

È un passaggio particolarmente interessante per interpretare la nomina attuale.

SyntheticMR non vendeva semplicemente un’applicazione software. SyMRI operava all’interno di workflow medicali regolamentati, dove algoritmi, scanner, integrazioni con grandi produttori di apparecchiature e requisiti regolatori devono funzionare insieme. Durante il periodo Hurtig, per esempio, SyntheticMR sviluppò attività commerciali e tecnologiche con realtà come GE Healthcare e Philips, e nel 2018 SyMRI veniva commercializzato congiuntamente negli Stati Uniti con Philips Ingenia Elition 3.0T.

Il prodotto aveva inoltre attraversato i processi di clearance regolatoria necessari per il mercato medicale statunitense.

Questo non rende automaticamente Hurtig un esperto tecnico di metallurgia o Laser Powder Bed Fusion. Indica però un’esperienza concreta nel problema che Interspectral deve affrontare: vendere software avanzato come parte di processi industriali nei quali affidabilità, integrazione, tracciabilità e qualificazione contano almeno quanto la funzione software stessa.

Interspectral non produce stampanti 3D

La distinzione è fondamentale.

L’azienda con sede a Norrköping nasce nel 2014 nell’ambito della visualizzazione e digitalizzazione tridimensionale e oggi concentra gran parte della propria strategia industriale su AM Explorer.

Non produce:

• laser;
• recoater;
• sistemi PBF;
• sensori melt-pool;
• tomografi CT.

Lavora invece sui dati prodotti da questi sistemi.

La manifattura additiva metallica genera quantità enormi di informazioni:

• CAD;
• slicing;
• simulazioni;
• immagini del powder bed;
• optical tomography;
• melt-pool monitoring;
• temperature;
• parametri macchina;
• log temporali;
• point cloud;
• CT;
• metrologia post-build.

Il problema è che queste informazioni spesso rimangono all’interno di software separati.

L’ingegnere può quindi trovarsi con:

una simulazione in un software, migliaia di immagini layer-by-layer in un altro, dati della macchina in un database, CT in un visualizzatore metrologico e report di non conformità separati.

AM Explorer è nato precisamente per fondere queste informazioni all’interno di un ambiente tridimensionale comune.

Il prodotto nacque con Siemens Energy prima di diventare una piattaforma commerciale

Le origini di AM Explorer sono legate alla collaborazione con Siemens Energy AB e con il suo Additive Manufacturing Center of Competence di Finspång.

La versione destinata al mercato generale venne annunciata nel novembre 2020.

Il concetto originario era relativamente lineare:

fuse → visualize → explore.

L’utente poteva sovrapporre al modello tridimensionale informazioni provenienti dalla produzione e dall’ispezione, individuando per esempio in quale layer e in quale posizione spaziale fosse comparsa un’anomalia.

Il prodotto successivo è diventato molto più ambizioso.

Non deve più soltanto consentire a un ingegnere di guardare i dati.

Deve iniziare ad analizzarli automaticamente.

Dal visualizzatore alla quality assurance automatizzata

È questo probabilmente il cambiamento più importante avvenuto durante la gestione Hachette.

Nel novembre 2025 Interspectral ha trasformato AM Explorer in una suite formata da quattro elementi:

La modularizzazione ha anche un significato commerciale.

Un laboratorio che deve analizzare una build dopo la produzione non ha necessariamente bisogno dello stesso prodotto utilizzato da una fabbrica con dieci sistemi PBF che devono essere monitorati contemporaneamente.

QUALIFY può funzionare come base per l’analisi.

DETECT aggiunge il machine learning.

MONITOR porta l’informazione nel processo.

ENTERPRISE prova a trasformare tutto questo in un’infrastruttura di fabbrica.

La nomina di un CEO con una forte esperienza commerciale proprio in questa fase sembra quindi coerente con la trasformazione del prodotto.

DETECT non “certifica automaticamente” il componente

Il ruolo dell’intelligenza artificiale deve essere descritto con precisione.

AM Explorer DETECT può utilizzare modelli di machine learning addestrati, per esempio, sulle immagini del letto di polvere e identificare eventi che appaiono differenti dal comportamento normale.

Un caso relativamente intuitivo è quello delle recoater streaks.

Se il recoater lascia una striscia o un’area anomala su determinati layer, un modello di computer vision può individuare l’evento molto più velocemente rispetto a un operatore costretto a controllare manualmente migliaia di immagini.

Il software può quindi mostrare:

• layer;
• coordinate;
• regione della parte coinvolta;
• sequenza temporale.

Questo ha un valore molto elevato.

Ma:

anomaly detection non equivale automaticamente a defect detection metallurgica.

Una variazione osservata nell’immagine del powder bed può essere correlata a un problema, senza dimostrare necessariamente che nel materiale finale esista un poro, una cricca o una proprietà meccanica fuori specifica.

Per costruire quella relazione servono:

• dati storici;
• CT;
• metallografia;
• mechanical testing;
• validazione statistica.

L’AI può quindi ridurre radicalmente il numero di eventi che l’ingegnere deve controllare.

Non elimina automaticamente il processo di qualification.

Qualification software non significa certification authority

Anche il nome QUALIFY può facilmente produrre una seconda ambiguità.

AM Explorer può aiutare a raccogliere evidenze necessarie a qualificare:

• macchina;
• processo;
• build;
• componente.

Può creare tracciabilità e report.

Non è però AM Explorer a “certificare” il pezzo aeronautico.

Un componente flight-critical continua a dover rispettare:

• specifiche del produttore;
• material qualification;
• process qualification;
• standard applicabili;
• customer requirements;
• controlli NDI;
• eventuale approvazione dell’autorità competente.

Il software rende più semplice costruire e analizzare la evidence chain.

Non sostituisce chi deve approvare quella evidenza.

È una distinzione particolarmente importante proprio nei mercati indicati come prioritari dal nuovo CEO: aerospace, defence e medical.

Il problema che Interspectral vuole risolvere cresce con la dimensione delle stampanti

Sui sistemi LPBF di prima generazione si producevano già migliaia di immagini e file.

Una moderna macchina multilaser di grande formato genera però quantità di dati molto maggiori.

Un caso particolarmente significativo è GKN Aerospace.

Il centro GKN di Trollhättan utilizza AM Explorer all’interno del proprio programma di industrializzazione dell’additive manufacturing e lavora con sistemi Nikon SLM Solutions NXG XII 600.

Queste macchine utilizzano dodici laser e sono progettate per produzioni metalliche ad alta produttività.

Interspectral afferma che l’architettura aperta Nikon SLM permette agli ingegneri GKN di accedere attraverso AM Explorer a oltre 400 data point.

Inoltre i dati immagine NXG possono essere elaborati da modelli AI specificamente addestrati.

È un buon esempio di come cambi il problema.

Se un’azienda produce una singola parte sperimentale ogni settimana, può anche permettersi diverse ore di analisi manuale.

Se sta tentando di produrre serialmente componenti aeronautici su più macchine multi-laser, non può dedicare un ingegnere a guardare manualmente centinaia di migliaia di immagini.

Il collo di bottiglia diventa l’informazione

Il throughput di una stampante metallica può quindi aumentare più velocemente del throughput del reparto qualità.

È uno dei paradossi della manifattura additiva industriale.

Si può progettare una macchina con:

• più laser;
• maggiore build volume;
• scansione più veloce;
• automazione della polvere;

e scoprire alla fine che il componente rimane fermo perché servono giorni per controllare e documentare i dati.

Il business case di Interspectral nasce esattamente in questo punto.

Aumentare la produttività della macchina ha poco valore se la quality assurance non riesce a seguirla.

GKN è probabilmente uno dei riferimenti più importanti per la nuova fase aziendale

GKN Aerospace ha iniziato a lavorare con AM Explorer all’inizio del 2024 e successivamente ne ha aumentato l’utilizzo.

La collaborazione coinvolge anomaly detection specifica per:

• materiali;
• applicazioni;
• macchine large-format.

Questo è importante perché evita un’altra generalizzazione frequente sull’intelligenza artificiale.

Un modello AI addestrato su immagini di una macchina EOS con un determinato materiale non è automaticamente ottimale per una Nikon SLM che produce un’altra lega in condizioni diverse.

Le caratteristiche delle immagini possono variare con:

• sensore;
• illuminazione;
• ottica;
• macchina;
• materiale;
• layer thickness;
• parametri di processo.

L’industrializzazione richiede quindi modelli generalizzabili oppure modelli specificamente adattati.

Vendor agnostic non significa universalmente plug-and-play

Interspectral insiste molto sul concetto di piattaforma OEM agnostic.

È un vantaggio commerciale importante.

Un grande produttore può possedere contemporaneamente:

• EOS;
• Nikon SLM;
• AddUp;
• altri sistemi.

Non vuole necessariamente cinque differenti ambienti software per controllare cinque macchine.

AM Explorer prova a diventare uno strato comune.

Ma “OEM agnostic” non significa che qualsiasi stampante del mondo possa essere collegata in cinque minuti.

La qualità dell’integrazione dipende comunque da:

• API disponibili;
• struttura dei dati;
• accesso ai file;
• protocolli;
• licenze;
• documentazione del costruttore.

Per questo Interspectral sta costruendo accordi diretti con gli OEM.

EOS è uno dei partner storicamente più importanti

Nel 2023 Interspectral ha introdotto un’integrazione con EOSCONNECT Core.

L’obiettivo era permettere di trasferire in AM Explorer informazioni come:

• powder-bed images;
• optical tomography;
• machine monitoring data.

Nel 2024 l’integrazione era stata estesa ufficialmente a macchine come:

• EOS M 290 1 kW;
• EOS M 300-4 1 kW;
• EOS M 400.

Questa collaborazione è strategicamente importante perché EOS dispone di una delle install base metal AM più grandi al mondo.

Se AM Explorer vuole diventare un layer software orizzontale del settore, deve poter lavorare con macchine che gli utenti possiedono già.

La partnership con Nikon SLM rafforza lo stesso modello

Il rapporto con SLM Solutions risale almeno al 2022, quando le due aziende annunciarono un accordo di integrazione e distribuzione.

Dopo l’acquisizione di SLM Solutions da parte di Nikon, la collaborazione è proseguita fino alla partnership strategica annunciata nel 2025.

Il caso GKN rende il rapporto particolarmente concreto.

Non è semplicemente:

OEM + software company = comunicato marketing.

Il software viene effettivamente utilizzato su sistemi NXG in un ambiente aerospaziale che punta alla produzione.

Questo è probabilmente il tipo di riferimento commerciale che Hurtig dovrà moltiplicare.

Anche AddUp utilizza una profonda integrazione dei dati

Con AddUp, AM Explorer è stato utilizzato per esplorare dati di melt-pool provenienti dalla FormUp 350.

La quantità di informazioni può raggiungere scale dell’ordine dei terabyte per build.

Un dataset di queste dimensioni non può essere trattato come un normale foglio elettronico.

Servono:

• gestione efficiente della memoria;
• indicizzazione spaziale;
• rendering;
• streaming;
• analytics.

È qui che le origini di Interspectral nella visualizzazione di grandi dataset tridimensionali diventano un vantaggio tecnico.

L’azienda non nasce direttamente come produttore di software AM.

Nasce dalla necessità di rendere esplorabili grandi quantità di dati 3D e ha trasferito quella competenza nella manifattura.

Pankl porta AM Explorer verso motorsport e produzione ad alte prestazioni

Nel maggio 2026 Interspectral ha ampliato la collaborazione con Pankl Racing Systems.

Pankl opera in mercati nei quali:

• motorsport;
• automotive high-performance;
• aerospace;

richiedono componenti complessi e piccoli o medi volumi produttivi.

L’accordo prevede l’espansione dell’utilizzo di AM Explorer per:

• anomaly detection;
• qualification;
• integrazione dati;
• real-time monitoring.

Pankl svolge inoltre il ruolo di development partner.

È un modello molto importante per una software company industriale: invece di sviluppare funzioni in isolamento, il prodotto viene evoluto dentro un vero ambiente produttivo.

Il cambio di CEO arriva quindi in un momento molto diverso dal 2022

Quando Isabelle Hachette entrò in Interspectral, la società aveva ancora una presenza rilevante in differenti applicazioni di 3D visualization.

Durante il suo mandato l’identità aziendale si è concentrata sempre più sull’additive manufacturing industriale.

Fra il 2022 e il 2026 si sono susseguiti:

• partnership con produttori di stampanti;
• integrazione di machine data;
• sviluppo di anomaly detection AI;
• progetti finanziati sulla defect detection;
• investimento venture;
• adozione in aerospace;
• modularizzazione di AM Explorer.

È quindi ragionevole interpretare la successione non come una ripartenza tecnologica, ma come l’inizio di una fase in cui il prodotto deve essere venduto e replicato su un numero maggiore di clienti e installazioni.

Questa è una valutazione strategica basata sulla sequenza pubblica degli eventi, non una motivazione ufficiale dichiarata dal consiglio.

Nel 2024 è arrivato anche Navigare Ventures

Nell’agosto 2024 Interspectral ha annunciato un round di investimento guidato da Navigare Ventures, investitore svedese focalizzato sulle tecnologie deep-tech e controllato da Wallenberg Investments.

Anche gli azionisti esistenti, fra cui Skagerack Ventures, parteciparono al round.

L’importo non venne reso pubblico nella comunicazione ufficiale.

È importante evitare di utilizzare stime esterne sul capitale raccolto come se fossero dati societari.

L’obiettivo dichiarato era:

• aumentare R&D;
• sviluppare AI;
• espandere commercialmente il prodotto;
• scalare sui mercati internazionali.

Due anni dopo, la nomina di Hurtig sembra collocarsi precisamente nella seconda parte di questo programma: la tecnologia è stata ampliata; ora deve aumentarne l’adozione.

Il nuovo CEO parla infatti soprattutto di clienti e machine manufacturer

Le priorità dichiarate da Hurtig sono molto concrete:

• produrre valore misurabile per i clienti;
• aumentare l’adozione di AM Explorer;
• rimanere vicini agli utilizzatori;
• rafforzare la collaborazione con i principali produttori di macchine;
• aumentare velocità di esecuzione.

Non vengono annunciati:

• nuova architettura tecnologica;
• acquisizioni;
• round di finanziamento;
• nuovi settori completamente differenti.

Il messaggio è principalmente commerciale e operativo.

La partnership con gli OEM è probabilmente la chiave del modello

L’utente finale non vuole necessariamente costruire manualmente un’interfaccia fra stampante e software.

Se AM Explorer può essere installato con integrazioni già sviluppate con:

• EOS;
• Nikon SLM;
• AddUp;

la barriera di adozione si riduce.

Interspectral può inoltre accedere più facilmente alle strutture dati e alle informazioni necessarie per interpretarle.

Per l’OEM esiste a sua volta un vantaggio: sviluppare internamente potenti sistemi di visualizzazione e analisi di big data richiede competenze software non necessariamente centrali nel business della macchina.

La collaborazione permette quindi una divisione dei ruoli:

OEM: produce e controlla il processo.

Interspectral: fonde, visualizza e analizza i dati.

Cliente: utilizza l’informazione per quality assurance e process improvement.

La vera competizione potrebbe non essere con un altro visualizzatore

Il mercato della software quality assurance AM è molto più ampio.

Un cliente può decidere di:

• utilizzare il software nativo del produttore della macchina;
• sviluppare strumenti interni;
• usare piattaforme MES;
• integrare software di metrologia;
• utilizzare specialisti AI;
• costruire data lake industriali.

Il valore di Interspectral deve quindi essere dimostrato non soltanto sul piano tecnologico ma sul tempo risparmiato.

È significativo che il nuovo CEO parli esplicitamente di “measurable value”.

Per una fabbrica, il valore può essere:

• ore di engineer time eliminate;
• build fallite identificate prima;
• riduzione del numero di controlli manuali;
• report generati più velocemente;
• tempo di qualification ridotto;
• scrap evitato.

Se questi numeri non sono misurabili, l’AI resta una demo interessante.

Il claim di oltre il 50% di risparmio nell’inspection richiede cautela

Interspectral ha in passato indicato studi iniziali secondo cui AM Explorer poteva ridurre di oltre il 50% i costi di manual quality inspection.

È un dato interessante ma proviene dall’azienda e da specifici casi di utilizzo.

Non significa:

AM Explorer dimezza sempre il costo totale della qualità.

Il vantaggio dipende da:

• volume dati;
• macchina;
• frequenza di produzione;
• workflow precedente;
• automazione già disponibile;
• requisiti di controllo.

In un laboratorio che produce due build al mese il risparmio assoluto può essere limitato.

In una factory con decine di build simultanee può diventare enorme.

È precisamente questa seconda situazione che ENTERPRISE cerca di affrontare.

ENTERPRISE potrebbe essere il prodotto strategicamente più importante

La versione ENTERPRISE promette di collegare:

• più macchine;
• più siti;
• diverse fonti di dati;
• monitoraggio;
• anomaly detection;
• qualification.

Questo è il passaggio dalla part intelligence alla factory intelligence.

Finché AM Explorer viene utilizzato da un ingegnere per analizzare una singola build, compete principalmente con un tool specialistico.

Quando diventa la piattaforma che raccoglie informazioni da un’intera flotta di stampanti, cambia completamente il livello di integrazione con il cliente.

Diventa molto più difficile da sostituire.

Ma aumenta anche la responsabilità.

Il software deve garantire:

• disponibilità;
• cybersecurity;
• gestione degli utenti;
• version control;
• data integrity;
• prestazioni;
• supporto.

È un salto organizzativo importante per una piccola azienda software.

Il settore difesa rende la gestione dei dati particolarmente critica

Interspectral indica esplicitamente il settore defense fra i mercati prioritari.

In questo ambiente non tutti i dati possono essere caricati liberamente su servizi cloud esterni.

CAD, parametri di processo e informazioni relative a componenti militari possono essere soggetti a:

• classificazione;
• export control;
• proprietà intellettuale;
• cybersecurity policy.

La piattaforma deve quindi poter essere implementata anche in architetture on-premise.

Questo rappresenta un altro punto nel quale l’esperienza di Hurtig con Saab può risultare commercialmente utile: vendere software all’interno di un ambiente defense è diverso dal vendere un normale SaaS.

Anche il medicale presenta un problema simile, ma per motivi differenti

Nella manifattura medicale la criticità non è necessariamente la segretezza militare.

È la tracciabilità regolatoria.

Un impianto personalizzato può richiedere una documentazione chiara della storia produttiva.

Un software capace di associare dati di processo alla posizione del componente può contribuire alla costruzione del manufacturing record.

Ma ancora una volta:

record digitale ≠ dispositivo automaticamente approvato.

Gli eventuali requisiti regolatori rimangono responsabilità del produttore del medical device.

La qualità in-process può ridurre i controlli finali, ma deve essere dimostrato

Uno dei grandi obiettivi dell’intero settore AM è passare da:

print → inspect everything

a:

monitor → understand → inspect where necessary.

La CT industriale è estremamente potente ma può essere costosa e lenta, soprattutto su parti:

• molto grandi;
• molto dense;
• realizzate in superleghe.

Se i dati di processo dimostrassero con sufficiente confidenza che determinate regioni sono state prodotte correttamente, in futuro potrebbe essere possibile adottare strategie di inspection più mirate.

Ma questa sostituzione non può essere semplicemente dichiarata da un algoritmo.

Serve dimostrare la correlazione fra:

process signature e physical defect.

È uno dei problemi scientificamente più importanti della quality assurance AM.

L’AI può trovare anomalie che l’occhio umano non vedrebbe facilmente

Un sistema automatico può essere particolarmente utile quando l’anomalia non è spettacolare.

Un recoater crash evidente viene notato facilmente.

Ma una lieve modifica di texture ripetuta su decine di layer può sfuggire a un operatore.

Il machine learning può invece trattare ogni immagine in maniera coerente.

Questo produce almeno due vantaggi:

• velocità;
• consistenza.

Un operatore umano può essere affaticato dopo la millesima immagine.

Il modello applica sempre la stessa funzione.

Naturalmente un modello può avere:

• false positive;
• false negative.

La quality assurance deve quindi comprendere non soltanto la detection rate ma anche gli errori.

“Real-time” non significa automaticamente closed-loop autonomous manufacturing

MONITOR permette di osservare dati mentre la build è ancora in esecuzione.

DETECT può lavorare anche in situ.

Il passo successivo potrebbe essere utilizzare l’anomalia per:

• avvisare l’operatore;
• interrompere la build;
• modificare un parametro.

Sono però tre livelli molto differenti.

Alert: il software vede un’anomalia.

Decision support: suggerisce un intervento.

Closed-loop: la macchina modifica autonomamente il processo.

La documentazione pubblica Interspectral descrive collaborazioni orientate anche verso forme di process control, ma non giustifica una generalizzazione secondo cui AM Explorer oggi correggerebbe autonomamente qualsiasi macchina LPBF durante la produzione.

Questo richiede:

• interfaccia bidirezionale;
• autorizzazione dell’OEM;
• algoritmo validato;
• limiti operativi;
• safety logic.

È quindi più corretto parlare oggi di real-time monitoring e AI-assisted decision making.

Il passaggio successivo potrebbe essere il federated learning

Nel 2026 Interspectral partecipa anche a progetti di ricerca che cercano di risolvere un problema particolarmente rilevante per l’AI industriale:

come addestrare modelli migliori utilizzando dati di più aziende senza condividere i dati stessi?

Nel progetto TRUSTAM viene studiato il federated learning.

Invece di trasferire fuori dalla fabbrica:

• immagini;
• CAD;
• parametri;

ogni sito addestra localmente il modello e condivide soltanto aggiornamenti matematici.

In teoria questo può permettere di costruire modelli più robusti mantenendo la proprietà dei dati.

Per aerospace e defence è un approccio particolarmente interessante.

Ma si tratta ancora di attività di ricerca e sviluppo, non di una prova che qualsiasi cliente AM Explorer benefici oggi automaticamente di modelli federati.

Hachette lascia quindi una piattaforma molto diversa da quella che aveva trovato

Sotto la sua gestione Interspectral ha:

• approfondito la specializzazione nel metal AM;
• consolidato partnership OEM;
• sviluppato AI anomaly detection;
• attratto un investitore deep-tech;
• acquisito clienti aerospace;
• trasformato AM Explorer in una suite.

Il passaggio di consegne avviene quindi con una base tecnica e industriale significativamente più ampia rispetto al 2022.

Non è noto quali fossero gli obiettivi societari interni assegnati a Hachette né se siano stati tutti raggiunti.

È però documentabile che l’offerta e l’ecosistema di partnership siano cresciuti durante il suo mandato.

Per Hurtig il problema sarà trasformare partnership e piloti in installazioni ricorrenti

Questa è probabilmente la sfida più difficile per qualsiasi software company nel settore additive.

L’industria produce moltissimi:

• proof of concept;
• research projects;
• pilot installations.

Produrre revenue ricorrente richiede invece che il cliente consideri il software indispensabile per la normale produzione.

La progressione ideale diventa:

demo → pilot → application → serial production → multiple machines → multiple sites.

Il passaggio fra pilot e produzione è spesso quello nel quale molte tecnologie AM si fermano.

Per AM Explorer la vera misura della crescita non sarà quindi soltanto il numero di aziende che hanno testato il software.

Sarà il numero di organizzazioni che lo utilizzano ogni giorno per decidere se una build è accettabile.

Il background di Hurtig sembra costruito precisamente intorno alla commercializzazione

Alla Saab ha lavorato dentro una grande organizzazione aerospace e defense.

A SyntheticMR ha contribuito alla commercializzazione internazionale di un software medicale avanzato che doveva integrarsi con ecosistemi di imaging esistenti.

Negli ultimi due anni ha già lavorato all’interno di Interspectral.

È quindi un profilo significativamente differente da quello di un founder tecnologico incaricato di definire un nuovo prodotto.

Il consiglio sembra scegliere qualcuno che conosce:

• enterprise sales;
• partnership;
• industrie regolamentate;
• commercialization;
• software tecnologico.

E il primo messaggio del nuovo CEO non è infatti centrato sulla tecnologia.

È centrato sull’adozione.

Il rischio più grande è che il mercato AM cresca più lentamente del software

Esiste però un limite esterno che un CEO non può controllare completamente.

La metal additive manufacturing ha avuto per anni previsioni di crescita estremamente aggressive.

In molti settori la trasformazione verso la produzione seriale è avvenuta più lentamente del previsto.

Le ragioni includono:

• costi;
• qualification;
• produttività;
• materiale;
• post-processing;
• inspection.

Paradossalmente, questo può essere contemporaneamente un problema e un’opportunità per Interspectral.

È un problema perché meno fabbriche AM significano meno potenziali licenze.

È un’opportunità perché molti degli ostacoli alla scalabilità derivano proprio dalla quality assurance.

Se il software riesce realmente a ridurre:

• inspection cost;
• build review time;
• scrap;
• qualification time;

diventa parte della soluzione a quel rallentamento.

Il prodotto dovrà però dimostrare il ROI macchina per macchina

Una frase come:

“AI-driven quality assurance”

è ormai utilizzata da molte aziende.

Un responsabile produttivo chiederà numeri più concreti:

• quante ore risparmio per build?
• quante false indication genera?
• quanto tempo richiede l’integrazione?
• quante anomalie vere trova?
• posso utilizzare i risultati nel mio quality system?
• quale lavoro manuale elimina?
• quanto costa per macchina?

È su queste domande che si misurerà la fase guidata da Hurtig.

La tecnologia più difficile da vendere può essere quella che non produce direttamente il pezzo

Quando un’azienda compra una nuova stampante, può mostrare facilmente l’investimento:

questa macchina produce questo componente.

Un software di quality assurance crea valore più indirettamente:

• evita un errore;
• risparmia un’ispezione;
• accelera una decisione;
• migliora la documentazione.

Questi vantaggi possono essere economicamente enormi, ma sono più difficili da vedere.

Il nuovo CEO dovrà quindi trasformare la qualità digitale in metriche economiche.

Interspectral ha però un vantaggio: il problema diventa più grande man mano che l’AM riesce

Se la manifattura additiva metallica rimanesse prevalentemente uno strumento di prototipazione, l’analisi manuale continuerebbe a essere sostenibile in molti casi.

Se invece aerospace, defence ed energy iniziano realmente a produrre:

• migliaia di build;
• più macchine;
• più siti;

la gestione manuale dei dati diventa quasi impossibile.

In questo senso AM Explorer è una tecnologia il cui business case cresce insieme alla maturità del settore.

Più macchine producono dati, maggiore diventa il bisogno di organizzarli.

Il cambio al vertice racconta quindi anche qualcosa sull’evoluzione della stampa 3D industriale

Dieci anni fa il problema dominante era:

possiamo stampare questo componente?

Poi è diventato:

possiamo stamparlo ripetibilmente?

Ora, nei settori più avanzati, una domanda fondamentale è:

possiamo dimostrare, documentare e scalare quella ripetibilità senza rendere la qualità economicamente insostenibile?

È precisamente in quest’ultimo problema che opera Interspectral.

La nomina di Jonas Hurtig non introduce una nuova stampante, un nuovo laser o un nuovo materiale. Non modifica direttamente la fisica del processo LPBF.

Ma potrebbe essere significativa per una delle infrastrutture meno visibili della manifattura additiva: il software che decide come trasformare terabyte di dati di produzione in evidenza utilizzabile dalla qualità.

Il lavoro iniziato con la visualizzazione 3D e poi esteso ad AI, monitoraggio e qualification entra ora nella fase probabilmente più difficile: essere adottato non solo perché tecnicamente interessante, ma perché economicamente necessario.

Ed è proprio questa la priorità dichiarata dal nuovo CEO: fare in modo che AM Explorer produca valore misurabile e venga utilizzato da un numero maggiore di produttori industriali.

Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).