I tempi di carico e scarico delle merci, il contenimento del consumo di carburante nelle aziende, la formazione degli autisti attraverso il digitale, l’Intelligenza Artificiale e il suo utilizzo presente e futuro. Di questi e altri temi abbiamo parlato con Franco Viganò, director, strategic channel development & country manager per l’Italia di Geotab, durante il Mobility Connect di Milano. Oggi infatti l’utilizzo dei sistemi digitali sta sempre più prendendo piede nel mondo del trasporto e l’ascesa verticale della IA sta – forse – per accelerare il processo, per cui ci è parso utile sentire il parere di un esperto che vive questo cambiamento dall’interno.
Partiamo dal problema dei tempi di carico e scarico. In una ricerca di Uomini e Trasporti su un ampio campione di aziende è risultato che mediamente, nei tempi di carico e scarico, le aziende in Europa impiegano dalle 4 alle 5 ore. Si tratta ovviamente di una perdita di tempo che è un costo notevolissimo e che contrasta la semplificazione del processo logistico. In che modo la tecnologia può risolvere o comunque cercare di migliorare questa situazione e Geotab ha sviluppato in proposito qualche software che può aiutare a migliorare ed ottimizzare il processo di carico-scarico?
Non è facilissimo ottimizzare alcune operazioni che non dipendono direttamente dal trasportatore, però coi nostri clienti legati al mondo del trasporto ci stiamo occupando del problema del consumo di carburante evitabile. In inglese si chiama idling, che in italiano si può tradurre con «consumo in folle». Ovvero: quando sei in attesa nei momenti di carico o scarico, tipicamente c’è la coda e tieni quindi acceso il mezzo per vari motivi, il che comporta un significativo consumo di carburante. I sistemi Geotab sono connessi al mezzo dalla centrale, quindi io vedo in ogni istante quanto consuma il veicolo e perché. In altre parole stiamo parlando di un’ottimizzazione sensibile dei consumi. L’eliminazione dell’idling porta sicuramente a questo e uno dei punti in cui viene fatto molto consumo al minimo è appunto quello di carico/scarico. Sappiamo che nel trasporto pesante il fatturato è collegato all’uso del mezzo e che il 30% del costo operativo del trasporto è attribuibile al carburante, quindi una piccola azione può creare un grosso risultato. Abbiamo perciò creato in proposito un algoritmo di calcolo dello stile di guida.
Qui l’intelligenza artificiale può dare una mano, giusto?
Diversamente dalle vecchie rilevazioni telematiche – accelerazioni repentine, frenate ecc. – oggi i dati che provengono dal camion si sono moltiplicati. Quello che fa l’intelligenza artificiale è di prendere questo marasma di dati e, se opportunamente istruita, «unire i puntini». Utilizziamo in questo senso un modello dinamico che, a seconda della tipologia del viaggio che si fa, offre una diversa valutazione.
Ma che differenza c’è tra il modello tradizionale e quello dinamico?
Faccio un esempio. Quando guidando un Tir vai a velocità costante in autostrada, è buona norma mettere il cruise control. Ma non lo è se fai un percorso montuoso o pieno di curve. I modelli di valutazione o stili di guida statici davano un peso alla variabile cruise control e la applicavano ad ogni tipo di viaggio. Quelli dinamici invece sono in grado di comprendere che tipologia di viaggio stai facendo, in quale strada stai andando (urbana, extraurbana, autostrada), se sei in salita o in discesa, quant’è il carico del mezzo. In più ogni giorno i mezzi ci danno il peso sugli assi, quindi possiamo capire come stanno viaggiando: infatti come guidi, come e quanto premi il freno o l’acceleratore dipende anche da quanto il camion è carico.
Mi è capitato di vedere il test di un autista che consumava più di tutti e sembrava per questo il peggiore. Peccato che questo signore si facesse sempre la Cisa e in realtà, applicandogli il nostro modello, è risultato uno dei migliori: perché nel fare quel tipo di percorso aveva una guida morbida e corretta per quel tipo di carico.
Quindi è chiaro che tutto va contestualizzato.
Non solo, devi avere la capacità di calcolarlo bene e devi coinvolgere il conducente. Noi abbiamo un programma di incentivazione degli autisti che produce quello che chiamiamo «pagellino». Il giorno dopo la prova ti rilascio una valutazione di quello che è stata la tua performance, più semplificata per il camionista e più dettagliata per il fleet manager. È un modo per appassionare i guidatori, ma anche per fare coaching, perché se capisco quali sono i tuoi punti di miglioramento sono in grado di dirti come perfezionarli. Ed ha un forte impatto su un costo operativo importante, se pensiamo ai clienti che spendono decine e decine di milioni di euro all’anno di carburante. Siamo intorno al 3% di risparmio sui consumi e su così tanti milioni di euro. Sono tanti soldi e qui rientriamo nel tema dell’idling di cui parlavo all’inizio.
Torniamo allora ai tempi di carico/scarico. Tu devi arrivare a destinazione per scaricare la tua merce e hai prenotato uno slot in quell’hub, diciamo alle 9 di mattina. Ma durante il percorso hai avuto problemi, c’è un tempo infernale oppure troppo traffico, c’è stato un incidente e così via. Insomma non riesci ad arrivare in tempo. In questo caso si può applicare una qualche tecnologia per avvisare di essere in ritardo, in modo da riprogrammare gli slot e far andare avanti quelli che sono giunti in anticipo, mentre io vengo «slittato» a un orario seguente?
Effettivamente sarebbe un grosso vantaggio, perché ottimizzeresti le prenotazioni, incastreresti gli arrivi come in un puzzle. L’aspetto che va risolto è però quello di integrare le informazioni tra i sistemi; per ottimizzare questo processo devi avere la capacità di unire quello che ogni sistema coinvolto gestisce. Per esempio, con la nostra tecnologia partiamo dalla pianificazione del viaggio, prevediamo tutte le soste che dobbiamo fare e quanto durano e poi inviamo il tutto al conducente. Se c’è una ripianificazione del viaggio posso riceverla e comunicarla in maniera bidirezionale tra l’autista e la sede, quindi fino a qui tutto bene. Però è anche vero che l’ordine di trasporto arriva sul gestionale dell’azienda, mentre con tutta probabilità abbiamo un altro sistema che gestisce il carico/scarico dall’altra parte. Quindi il tema è quello di mettere a disposizione i dati.
Qual è il vostro approccio in materia?
Semplice: abbiamo un sistema aperto. Quando hai un abbonamento Geotab gratuito, non devi pagare per integrarlo con altri sistemi. Noi diamo l’interfaccia, l’app e tutto quello che serve per operare con il nostro apparato, ma quando devi fornire dati a un altro sistema, questa massa di informazioni che si chiama APIs (application programming interface, ovvero interfaccia di programmazione dell’applicazione), è gratis. Su Google con la ricerca «Geotab API» tutti i dati che raccogliamo dalla centralina sono a disposizione e possono essere usati dal settore dei trasporti a quello del noleggio a quello delle manutenzioni. In sostanza: chi pianifica il punto di carico e di scarico è l’altro sistema, però è importante che ci scambiamo informazioni, che i nostri sistemi dialoghino tra loro.
Ritorniamo all’intelligenza artificiale applicata ai trasporti e alla logistica. Dove vedi, a tuo parere, i settori e le specificità a cui può essere applicata l’IA?
L’IA cambierà il mondo semplificando la complessità. Il mio professore d’università diceva che troppa informazione è rumore, se non opportunamente gestita. Noi transiamo al giorno 75 miliardi di data points su 4 milioni e mezzo di veicoli, una quantità di dati incredibili. Il che è fantastico. Però un imprenditore con 200 camion può, pur apprezzando la quantità, trovarsi in difficoltà a gestirla, non ha il tempo per leggere tutta questa informazione e nemmeno il personale qualificato per interpretarla. È qui che l’IA entra in gioco.
Ma in pratica cosa fa?
Due cose. Primo: trasforma il dato in informazione. È quella che fa manutenzione predittiva e ci avvisa ad esempio 3-4 settimane prima che la batteria di un motore endotermico si romperà oppure aiuterà a tradurre quei dati che in officina vengono rilevati con la scansione elettronica. E questo avviene a prescindere dalla non ampia conoscenza della tecnologia che può avere un’azienda dei trasporti, anche se l’IA a questo punto non è tecnologia, ma risposta o consiglio o meglio soluzione a un problema con la semplificazione della complessità.
Questa IA in senso lato è abbastanza orizzontale sul nostro prodotto, perché la utilizziamo anche nel nostro Safety Center, per la sostenibilità, nell’elettrificazione delle flotte, in aspetti più legati al risparmio di carburante.
E la seconda funzione?
L’altra cosa è la «IA generativa», che è un’altra parte del futuro. Perché occorre anche interagire con un software e anche questo può essere una barriera. Geotab ha integrato varie soluzioni di generative AI come OpenAI o Gemini per non schiacciare più il bottone del mouse, per entrare in un’applicazione e dirle con linguaggio naturale cosa vuoi. È questo il futuro su cui stiamo investendo.
In altre parole non devo ricordarmi dov’è il record del carburante o dei consumi o dov’è la lista dei migliori autisti, ma solo chiedere al mio chatbot interno, che si chiama Geotab Ace, qual è la classifica dei miei migliori autisti, quanto ho consumato oggi, quanto ho speso in idling, quanto è stato il tempo di attesa nel punto di carico. E questo genera una risposta articolata.
Facciamo anche qui un esempio?
È un esempio reale. Stavo testando questo modulo applicativo e ho chiesto quale fosse il miglior autista. Risposta: ma miglior autista su che cosa? E ha continuato: siccome nelle precedenti giornate abbiamo parlato di sicurezza della guida, desumo che migliore vuol dire il più sicuro. E ancora: ma in quale periodo di tempo? Ieri? Nell’ultima settimana? In un anno? Non specifico e lui arguisce; un periodo significativo possono essere gli ultimi tre mesi. Infine, secondo me, non vuoi vedere solo un autista – ha continuato l’IA – diciamo che ti faccio la lista dei migliori dieci autisti negli ultimi tre mesi. Siccome questo report potresti volerlo condividere – ha concluso – ti compilo l’excel. Ecco per me il futuro della telematica è questo: raccogliere tanti dati e trasformarli in un’informazione utilizzabile da parte di un utente che non è necessariamente tecnico. Anzi non lo deve essere, visto che paga la tecnologia per utilizzarla, non per spenderci tempo, ma per risparmiarlo. E dall’altra parte minimizzare le tempistiche di training delle persone, amplificare l’utilizzo dello strumento telematico proprio perché se posso interagirci in linguaggio comune ho già vinto.
Ma ci sono comunque molti margini di miglioramento, no?
Sicuramente. Per esempio se tu all’IA chiedi delle opinioni tende a darti ragione, il che non sempre va bene, proprio perché potrei non avere ragione. Questo secondo me è il punto su cui l’IA dovrà lavorare di più.
Abbiamo intervistato Franco Viganò anche in occasione di Ecomondo 2024, dove ci ha raccontato le ultime novità di Geotab proprio in materia di telematica applicata alle flotte. Puoi guardare l’intervista al video qui sotto.
