IA na Gestão de Frotas: um continuum de criação de valor

Qualquer discussão sobre o uso de IA na maioria dos setores é dominada por uma perspectiva muito centrada na tecnologia, na qual os benefícios são vistos como avassaladores e indiscutíveis, e a sua adoção é considerada inevitável. Esta narrativa, naturalmente, apoia-se fortemente no ponto de vista dos criadores e designers de análise de dados e soluções baseadas em IA. Para a maioria das empresas habituadas a soluções legadas e a manuais de marketing e vendas tradicionais, a dimensão da mudança que enfrentam pode ser avassaladora, mesmo que não contestem o valor que tais tecnologias podem eventualmente trazer aos seus negócios. Na maioria das situações, exceto para os pioneiros, torna-se necessário encarar a adoção da análise de dados como um continuum de mudança e criação de valor, ao longo de várias etapas da curva de adoção. Para a gestão de frotas, onde os avanços impulsionados pela IA têm surgido de forma rápida e intensa, isto é especialmente relevante.

‍

A gestão de frotas tradicional tem sido tipicamente orientada por dados sobre localização, velocidade e outros parâmetros fornecidos pelo barramento do veículo (status da ignição, consumo de combustível, etc.). Rastrear um ativo em tempo real, monitorar a utilização do veículo e o consumo de combustível, além da conformidade regulatória, têm sido os principais casos de uso em torno dos quais as soluções de gestão de frotas foram construídas. O advento da IA revelou casos de uso anteriormente impossíveis, através de uma combinação de inovações de hardware e software. As frotas, no entanto, demoram a apostar em tecnologias cujo valor para os seus resultados financeiros ainda não foi comprovado. Por outro lado, elas lidam com problemas reais do dia a dia que precisam de solução, e é na superação desta lacuna que reside o caminho mais eficaz para a adoção da IA.

‍

Vejamos alguns exemplos de como a IA está a fazer uma diferença real nas frotas hoje, preparando-as para um continuum de inovações no futuro.

‍

Identificação do motorista

Desde aplicações ELD até uma variedade de outros casos de uso que precisam identificar a pessoa ao volante, a identificação do motorista está a tornar-se uma parte crítica do fluxo de trabalho de qualquer TSP. A telemática tradicional tem sido centrada no ativo, com dispositivos CAN servindo como uma fonte confiável de identificadores únicos de veículos/ativos. Com o comportamento do motorista a tornar-se agora um foco central dos fluxos de trabalho telemáticos, saber quem está a conduzir um veículo a qualquer momento de forma confiável tornou-se inevitável. Soluções provisórias recorreram ao login baseado em RFID, login do motorista através de aplicações móveis e uma variedade de formas complexas de mapear motoristas aos ativos. Este é um caso em que a IA está posicionada de forma única para oferecer grandes benefícios hoje. O uso de reconhecimento facial em vídeo ou imagens capturadas por câmeras voltadas para o motorista ou dispositivos móveis ajuda a criar fluxos de trabalho de registro de motoristas contínuos, eliminando grande parte da sobrecarga de tempo e esforço para os gestores de frota.

‍

Fadiga e distração do motorista

Embora as normas de HOS e outras semelhantes em todo o mundo tenham ajudado (até certo ponto) a resolver questões relacionadas com o excesso de trabalho, a fadiga continua a ser uma das principais causas de acidentes nas nossas estradas e rodovias. Para piorar a situação, a cada ano que passa, a epidemia de distração causada por celulares continua inabalável. Isto tem consequências graves para as frotas, que, na sua maioria, lutam sem sucesso contra este problema. Soluções fragmentadas que monitoram ou bloqueiam dispositivos móveis enquanto o motorista está ao volante, por mais úteis que sejam, tentam resolver apenas uma pequena parte do problema. O DMS, ou essencialmente a capacidade da IA em câmeras voltadas para o motorista de alertar ativamente os condutores e proteger as frotas, abrange um conjunto de casos de uso em torno da melhoria da segurança na cabine – uso de celular, sonolência, cintos de segurança não utilizados e muitos outros comportamentos potencialmente perigosos. Embora permaneçam desafios em torno da privacidade, sobre os quais já falámos antes, em muitos casos as frotas estão descobrindo que, com a comunicação adequada sobre os benefícios, os motoristas podem ser convencidos.

‍

Detecção de colisão/FNOL

Todo o processo de sinistros e liquidações de seguros começa com a Primeira Notificação de Sinistro (FNOL). Até agora, este tem sido um processo predominantemente manual, tornando-se especialmente desafiador em acidentes críticos envolvendo mortes ou ferimentos graves. O veículo comercial moderno, no entanto, é agora um dispositivo IoT móvel, carregado com dispositivos CAN que leem o barramento do veículo, GPS, sensores G e, cada vez mais, câmeras voltadas tanto para a estrada quanto para o motorista. A IA aplicada a esses fluxos de dados multimodais sincronizados pode agora detectar com muita precisão impactos e outros incidentes críticos, acionando automaticamente um processo de notificação aos primeiros socorros, autoridades policiais e seguradoras, juntamente com um conjunto de dados rico e informativo, incluindo perfis de velocidade e sensores G (e, opcionalmente, vídeo), para tornar o processo de gestão de sinistros significativamente mais eficiente. Em situações tão críticas onde cada segundo conta, a IA pode afetar de forma significativa e material as operações de frota hoje.

‍

Esta não é, de forma alguma, uma lista exaustiva e, desde relatórios de inspeção de veículos até o monitoramento de reboques e muito mais, existem oportunidades para usar a IA para eliminar os pontos problemáticos existentes nas frotas a cada passo. Para criadores e vendedores dessas tecnologias, observar os fluxos de trabalho existentes e encontrar eficiências naturais que a IA pode trazer é um ótimo ponto de partida. Uma vez integrados e percebendo os benefícios, as frotas estarão muito mais dispostas a seguir a jornada de inovação com você.