El aprendizaje automático (ML) ha demostrado mejorar la productividad en muchas aplicaciones de fabricación. Para alojar estas aplicaciones de ML, se han propuesto varios sistemas de software y del Internet Industrial de las Cosas (IIoT) para implementar aplicaciones de ML y proporcionar inteligencia en tiempo real. Recientemente, se ha propuesto un método interactivo de autoetiquetado habilitado por causalidad para avanzar en aplicaciones de ML adaptativas en sistemas ciberfísicos, especialmente en la fabricación, al adaptar y personalizar automáticamente los modelos de ML después de su implementación para contrarrestar los cambios en la distribución de datos. Las características únicas del método de autoetiquetado requieren un nuevo sistema de software para apoyar el dinamismo en varios niveles. Este documento propone el sistema AdaptIoT, que comprende un pipeline de transmisión de datos de extremo a extremo, integración de servicios de ML y un servicio de autoetiquetado automatizado. El servicio de autoetiquetado consiste en bases de conocimiento causal y flujos de trabajo de autoetiquetado de ciclo completo automatizados para adaptar múltiples modelos de ML simultáneamente. AdaptIoT emplea una arquitectura de microservicios en contenedores para ofrecer una solución escalable y portátil para fabricantes pequeños y medianos. Se realiza una demostración en el campo de una aplicación de ML adaptativa de autoetiquetado con un espacio de creación y muestra un rendimiento confiable con una precisión comparable del 98.3%.