In che modo l’ AI e Edge sta trasformando la sicurezza dei conducenti

0:00 Introduzione al podcast “ Driving Innovation ”

Benvenuti a “ Driving Innovation ”, un podcast di Sonatus dedicato alle tecnologie e alle soluzioni che stanno ridefinendo i settori dell’automotive e della mobilità.

Oggi analizzeremo come l’ AI a “all’edge” stia trasformando la valutazione del rischio dei conducenti, l’innovazione nel settore assicurativo e l’intelligenza a bordo dei veicoli.

0:19 Presentazione dell'ospite: Siva Yoganathan

Con me c'è Siva Yoganathan, vicepresidente del reparto di ingegneria di MOTER Technologies.

MOTER sta contribuendo a ridefinire il settore Insurtech andando oltre i modelli tradizionali di sottoscrizione e sfruttando i comportamenti di guida nel mondo reale, i dati contestuali sui veicoli e l'AI e integrata per creare esperienze di mobilità più sicure e personalizzate.

0:39 Collaborazione tra MOTER e Sonatus

In questa conversazione parleremo di come MOTER e Sonatus stiano collaborando per implementare modelli avanzati di intelligenza artificiale basati sull’ AI e direttamente all’interno del veicolo utilizzando Sonatus AI Director, consentendo un coaching in tempo reale per i conducenti, un’implementazione scalabile, una maggiore tutela della privacy e un approccio fondamentalmente nuovo all’assicurazione basata sul comportamento e alla sicurezza.

1:09 Comprendere il ruolo di MOTER nell'analisi dei rischi

Sival, benvenuto su Driving Innovation. Cominciamo con una breve presentazione e una descrizione del tuo ruolo all’interno dell’azienda.

Grazie, Sanjay, per avermi invitato a partecipare a questo podcast. MOTER è un’azienda del settore insurtech e ci occupiamo principalmente dello sviluppo di modelli di base basati sull’ AI , utilizzati per l’analisi dei rischi in ambiente edge. Il nostro obiettivo non è solo misurare il rischio, ma anche ridurlo concretamente. Inoltre, non ci limitiamo a utilizzare i veicoli per la raccolta dei dati, ma sviluppiamo modelli di intelligenza artificiale ( AI ) che aiutino a interpretarli, analizzarli e creare valore direttamente in ambiente edge.

Ed è proprio per questo che MOTER si concentra su questo aspetto e, come suggerisce il nome stesso, MOTER sta per “Mobility on the Edge in Real Time”.

Va bene.

Ecco, questo è il nostro nome. È davvero ingegnoso.

Grazie. Quindi, se ho ben capito, l’approccio di MOTER va ben oltre i tradizionali modelli assicurativi basati sull’utilizzo. Potrebbe spiegarmi in cosa consiste la differenza fondamentale del vostro modello di analisi del rischio dei conducenti e perché attribuite tanta importanza all’intelligenza contestuale di guida in questo contesto?

2:21 Analisi dei rischi tradizionale vs. analisi dei rischi contestuale

Giusto. Quindi, se si pensa a un UBI tradizionale, questi si basano principalmente su eventi legati alle frenate, alle accelerazioni e alle curve, giusto? E all’eccesso di velocità.

È vero che apportano valore. Ma è importante comprendere il contesto in cui un determinato conducente potrebbe azionare il freno. Prendiamo ad esempio una frenata brusca, va bene? Una persona potrebbe frenare bruscamente perché un oggetto è apparso davanti al veicolo nella stessa corsia.

Quindi si tratta di una manovra evasiva. È fantastico. Ma cosa succede se la frenata è dovuta a un tallonamento aggressivo prolungato, a una distrazione durante la guida o a un'eccessiva deviazione dalla corsia? Si tratta, quindi, di eventi rischiosi che possono essere corretti e che possono portare a una riduzione degli incidenti, giusto?

3:08 L'importanza della contestualizzazione nella valutazione del rischio

Pertanto, la contestualizzazione è importante. Di conseguenza, nella creazione dei nostri modelli di base, analizziamo gli eventi osservando la scena stradale dall’interno dell’abitacolo e le informazioni telematiche di base, al fine di ottenere una serie di modelli di base “ AI ” approvati dal Dipartimento delle Assicurazioni per la valutazione del rischio.

3:28 Esecuzione edge nei modelli di " AI " per veicoli

Ottimo, quindi volete riuscire a eliminare i falsi positivi. Se qualcuno frena per motivi legittimi, non volete penalizzarlo per questo. È assolutamente logico. Uno degli aspetti più interessanti di questa collaborazione è che questi modelli girano direttamente all’interno del veicolo. Perché l’esecuzione “edge” era così importante per Moter?

Esatto. Sanjay, opero nel settore della mobilità da molto tempo e mi sono occupato di IoT e V2X; ora lavoro nel campo dell’insuretech con MOTER, dove, ancora una volta, è fondamentale riuscire a fornire un feedback quasi in tempo reale. Prendiamo un esempio di oggi.

In una giornata tipo negli Stati Uniti, ci sono decine di milioni di veicoli in circolazione. Immaginate se ogni veicolo dovesse inviare tutti i propri dati al cloud per essere elaborati, giusto? E poi, alcune di quelle informazioni fondamentali riguardano proprio il consumatore che si trova a bordo del veicolo. Bisogna rimandarle al conducente affinché possa utilizzarle.

Quindi non è efficace, giusto? Quando riusciamo ad applicare questi modelli fondamentali AI sull’edge, questi straordinari casi d’uso possono essere sfruttati e utilizzati immediatamente. Ecco perché per noi è così importante poter eseguire i nostri modelli sull’edge, giusto? Semplifica davvero il processo.

La trasmissione di grandi quantità di dati viene interrotta, l'esperienza dell'utente a bordo del veicolo e la privacy sono aspetti fondamentali, giusto? Perché dobbiamo inviare tutti i dati al cloud quando possono essere elaborati e analizzati direttamente sull'edge?

5:05 Il ruolo di Sonatus AI Director (ora Fastlane Edge) nella distribuzione

Parliamo in particolare di Sonatus AI Director. Che ruolo ha svolto nel rendere questa implementazione pronta per la produzione?

Quindi, dal punto di vista di un'azienda insurtech come la nostra, la nostra competenza principale è l'analisi del comportamento dei conducenti. Dedichiamo quindi una notevole quantità di tempo alla creazione di questi complessi modelli di base di intelligenza artificiale ( AI ). Ma questa è solo una parte del problema. Come li implementiamo?

Se ci pensi bene, ci sono diverse dozzine di OEM. Ognuno di essi offre numerose marche e modelli. Ogni anno ne distribuiscono una certa quantità. E a livello tecnico, ci sono diverse infrastrutture hardware e sistemi operativi.

Come facciamo allora a implementare questi modelli? Giusto? Il vostro “ AI ” Director ne è un esempio straordinario, una soluzione eccellente, che di fatto ci solleva da tutta quella complessità, giusto? Noi ci concentriamo sulla nostra competenza principale: l’analisi dei rischi legati al comportamento dei conducenti.

Siamo noi a sviluppare quei modelli. Li integriamo nella vostra infrastruttura. Una volta instaurato un rapporto OEM, sì, è necessario.

Ma dell’infrastruttura di implementazione te ne occupi tu, giusto? Ci esenti da tutte quelle complessità. E quindi ci rendi davvero facile effettuare l’implementazione su vari OEM e marchi diversi, garantendo comunque la stessa esperienza agli utenti.

6:27 I molteplici utilizzi della Risk Intelligence

Sì, ha perfettamente senso. La vostra piattaforma fornisce sia valutazioni assicurative che consigli per il miglioramento dello stile di guida. In che modo, secondo voi, le case automobilistiche e le compagnie assicurative possono trarre vantaggio da queste due funzionalità?

Sai, una delle sfide odierne nel settore assicurativo, in ambito di sicurezza, è la frammentazione, giusto? Quindi le compagnie assicurative tendono a misurare il rischio sia del singolo conducente che dell’intero portafoglio, giusto? E poi il conducente si concentra su ciò che può migliorare per aumentare la sicurezza e ottenere una potenziale riduzione del premio. Quindi è necessario disporre di un unico insieme di modelli di base AI che ogni entità, ogni parte interessata in quell’ecosistema, l’ecosistema della mobilità, stia utilizzando, giusto?

Gli OEM, giusto? Quindi anche loro hanno delle esigenze, giusto? Stanno investendo miliardi di dollari nelle tecnologie ADAS e nelle funzionalità di guida autonoma dai livelli uno a cinque. Ma per quanto riguarda queste funzionalità dei veicoli, prendiamo ad esempio la funzione ADAS relativa al distanziamento insufficiente, giusto?

Si dice che sia possibile impostare la distanza di sicurezza su una, due o tre lunghezze di veicolo. Ma, dal punto di vista del consumatore, come si fa a sapere quale impostazione sia più sicura?

Giusto? C'è una raccomandazione da parte dei costruttori, ma non è personalizzata in base alle mie caratteristiche di sicurezza. Quindi questi modelli di base AI , che girano direttamente sull'edge, memorizzano il profilo delle caratteristiche di sicurezza del conducente. In questo modo possono consigliare quale impostazione sia più adatta a lui.

Già. Vero?

Ritengo quindi che il valore del coaching non risieda solo nell’invio di avvisi immediati e notifiche sugli eventi, ma anche nell’aiutare a configurare il veicolo in modo che sia sicuro per i passeggeri e garantisca un’esperienza personalizzata. Vediamo quindi che questi modelli AI non solo aiutano le compagnie assicurative a valutare il rischio e i conducenti a migliorare i propri comportamenti, ma sono utili anche per gli enti infrastrutturali, come i Dipartimenti dei Trasporti (DOT) e i comuni, che desiderano comprendere quali comportamenti si verificano nelle loro contee, sottocontee e reti stradali e come migliorarli. Pertanto, tutti questi sistemi devono essere in grado di funzionare in modalità edge, raccogliere e analizzare i dati. Questi modelli AI operano in modalità edge, raccolgono, analizzano ed elaborano i dati, che vengono poi distribuiti ai diversi utenti in base all’esperienza utente (UX) che preferiscono.

8:57 Il futuro dell'AI a integrata nei veicoli

Guardando al futuro, quale direzione pensi che prenderanno l’ AI a integrata e l’intelligenza a bordo dei veicoli? In termini generali, ovviamente ti occupi di intelligence sui rischi e così via, ma forse anche oltre.

Sono sinceramente convinto che l’ AI a integrata sia ancora agli albori, giusto? E parte del problema risiede nella capacità di gestire l’implementazione dell’infrastruttura, giusto? Possiamo costruire questi modelli straordinari, ma abbiamo bisogno di un modo per implementarli e farne fruire il valore ai consumatori, ai clienti, giusto? Penso che al momento si stia dedicando un impegno significativo alla sicurezza, diciamo dal punto di vista assicurativo: la valutazione dei rischi, i modelli di analisi dei rischi, il coaching immediato dei conducenti, giusto?

9:42 Innovazioni nell'instradamento preventivo del rischio

Penso che il prossimo passo sia la capacità di instradamento preventivo del rischio. Ad esempio, oggi, se voglio andare dal punto A al punto B e inserisco l’indirizzo di destinazione, il sistema esamina la congestione, il tempo stimato di arrivo e alcuni altri parametri per consigliarmi un percorso. Ma immaginate che questi modelli analitici basati sull’ AI a forniscano, a livello di nodo – come, ad esempio, ogni incrocio o ogni miglio, mezzo miglio o qualsiasi altro punto fisso – un punteggio, cioè un punteggio di rischio. E se questi dati venissero inviati al cloud, il percorso potrebbe essere determinato in base alla tua destinazione, giusto?

E poi, se consideriamo che questo percorso presenta dieci segnali di stop e molti di essi presentavano un profilo di rischio elevato, allora è meglio scegliere un altro percorso, giusto? Ecco, questo è il livello successivo di innovazione nel calcolo dei percorsi e credo che l’ AI e edge possa essere d’aiuto. Il terzo aspetto, che abbiamo già accennato, è l’esperienza personalizzata all’interno del veicolo. Oggi puoi salire su un veicolo e, in alcuni modelli, magari ci sono opzioni uno, due, tre: selezioni una memoria preimpostata e questa regolerà il sedile, il volante e magari ricorderà anche la tua musica e così via, giusto?

11:04 Conclusioni e prospettive future

È davvero affascinante. Beh, Siva, grazie per essere stato con noi e per averci spiegato come MOTER stia contribuendo a ridefinire il futuro dell’Insurtech e della mobilità intelligente. Questa collaborazione mette davvero in luce la crescente importanza dell’ AI e edge nei veicoli, non solo per consentire soluzioni assicurative più intelligenti e un coaching per i conducenti, ma anche per migliorare la privacy, la scalabilità e la reattività in tempo reale nell’intero ecosistema dei veicoli connessi.

11:26 Considerazioni finali e prossimi passi

Grazie per l'ascolto e continuate a seguirci per altre conversazioni con gli innovatori che stanno plasmando il futuro dei veicoli definiti dal software e dell'AI e automobilistica.