Wdrażanie inteligentnych rozwiązań produkcyjnych niesie za sobą nieuchronne inwestycje. Niezależnie od tego, czy zastosujemy metodę małych kroków, jak wprowadzenie tylko jednej pary okularów AR, czy postawimy od razu na większe rozwiązanie, jak migracja wszystkich zasobów do chmury, nie unikniemy nakładów finansowych. Pamiętać należy także, że transformacja jest procesem ciągłym i często odbywa się w kilku różnych kategoriach. Dlatego bardzo ważne jest, żeby testowanie planowanego rozwiązania odbyło się jak najmniejszym kosztem, za to dawało jak największą pewność co do zasadności zastosowania.
Oczywistym jest, że ze względu na specyfikę każdej firmy, różniącą się w mniejszym lub większym stopniu od specyfiki produkcji każdej innej firmy nawet z tej samej branży, niemożliwym jest udzielenie jednoznacznej odpowiedzi na pytanie o zasadność rozwiązania bez przetestowania go w unikalnych realiach konkretnej firmy. Nawet jeżeli są to procesy powszechnie znane, to i tak specyfiki nadaje chociażby aspekt ludzki i możliwość adaptacji pracowników do nowych rozwiązań. W idealnej sytuacji wprowadzamy takie rozwiązanie, które jesteśmy w stanie przetestować w naszej firmie, nie ingerując jednocześnie w zbyt dużym stopniu w funkcjonujące procesy. Za przykład możliwości przetestowania zasadności wdrożenia może posłużyć wprowadzenie robotów AMR. Jeśli dysponujemy odpowiednia infrastrukturą sieciową, z której możemy wydzielić instancję obsługującą autonomicznego robota mobilnego, to znajdując odpowiedni proces logistyczny, jesteśmy w zasadzie w stanie przetestować takie rozwiązanie i efektywnie zmierzyć ewentualną zasadność jego wdrożenia w naszych realiach.
Jeśli jednak nie mamy takiej możliwości, a nasze potrzeby są raczej specyficzne, to mamy dwa wyjścia.
Pierwszym jest skorzystanie z usług placówek typu DIH, które prawdopodobnie będą w stanie zademonstrować rozwiązanie jakiego szukamy, aczkolwiek odbędzie się to w realiach jedynie zbliżonych do naszych.
Drugim rozwiązaniem jest wdrożenie testowe (np. w formie Proof of Concept), które w przypadku sukcesu będzie można skalować do wdrożenia produkcyjnego.