導盲犬經嚴格訓練來服從主人命令，但其訓練過程包括稱為「聰明的不服從」（Intelligent disobedience）行為，即為了更好的結果來違背主人的指示。此行為是導盲犬的成功關鍵，而也適用于物聯網（IoT）。

據報導，每天走同條路的盲人，很熟悉過馬路的地方，能靠更好的嗅覺和聽覺理解交通和人群，而能做出適當決定。但在角落里可能會有他從未遇過的意外。看到主人看不到的東西的導盲犬則會察覺危險，違背前進的命令。

這種行為在IoT領域也可能具有相同優勢。智能系統應設計成若出現不利于當前工作最佳利益的情況，就要延后執行指示，特別涉及危險的情況。傳感器為IoT的神經系統，收集連續數據流進行處理。它們將數據提供給處理速度比任何人都快的計算機。

透過IoT系統獲得的情報，應會比任何操作員掌握的更全面。它可能會比操作員更快看到危險，并認為需要采取必要預防措施。操作員指示做某件事時，系統會知道這樣做太危險。此時即為采取聰明的不服從，警告操作員在當前條件下其指示將有負面后果的最佳時機。

當然，有時盡管系統反對仍須遵循指令。例如，盲人走到轉角，導盲犬發現前面有兩個不熟的男人，而阻止主人繼續前進。但對方一開口，盲人就認出他舅舅的聲音，并向導盲犬示意對方是親友。如此一來，聰明的不服從就會被推翻。

同樣地，操作員可能會知道IoT系統不可能知道的事。因此應建立升級程序，讓工作人員能對系統要求提出質疑，并繼續執行原來的指示。

Red Hat開發人員與Cloudera、Eurotech共同創建一個工業4.0演示，其中包含一個預測性維護應用程序，并且會提供此程序歷史和實時數據來進行分析、建模和機器學習。

新的業務規則可基于這些數據來建立，并可在邊緣執行機器學習模型來解決問題，對不可預知的事件做出反應。像這樣的模型可用來統計分析和預測機器何時可能發生故障及何時要進行維修。

隨著系統變得更智能化，未來發展應將其集成到流程中，好在其建議下做出決定。在作決策之前考慮此反饋，可確保更好的決策。方法之一是透過虛擬工廠。Eclipse Kapua就有提供這樣的數碼化模擬（Digital Twin）。當某個系統不可用時，其數碼分身將顯示最后一個已知狀態。在此情況下，用戶可查詢操作狀態并要求進行測量，甚至可將變更發送到設備。另一個概念是建立某個引擎的虛擬副本，讓用戶測試更改。

利用AI和機器學習，在部署到實體機器之前判斷進行更改時會發生什么情況。然而，第二種技術市面上的產品很少。報導認為，為使業界更廣泛采用此技術，應建立開放標準以共享信息。要創建所需的復雜模型，應有用軟件模擬這些設備的標準。推動Digital Twin模型的標準化，即為潛在努力方向之一。