Nella spedizione merci, persiste un paradosso familiare: un piano di percorso costruito alle 6 del mattino raramente sopravvive alle realtà del traffico delle 9, alla malattia di un conducente o a un vettore che va offline. HERE Technologies sta affrontando questa sfida non costruendo un piano statico migliore, ma sviluppando un sistema che apprende continuamente da ciò che accade una volta che il piano lascia l'ufficio del dispatcher.

Bart Coppelmans di HERE Technologies ha illustrato la roadmap dei prodotti dell'azienda in un'intervista con FreightWaves al Home Delivery World. La discussione ha trattato gli aggiornamenti al motore di pianificazione dei tour di HERE, un nuovo strumento di feedback per i conducenti lanciato di recente chiamato Last Meter Guidance, e un livello di ragionamento prototipale per l'ottimizzazione dei percorsi con IA progettato per spiegare le proprie decisioni anziché limitarsi a imporle. L'attenzione riflette un problema operativo più ampio per i team logistici: l'ottimizzazione dei percorsi crea valore solo se i dispatcher e i conducenti possono adattarsi quando le condizioni sul campo divergono dal piano.

Il divario tra pianificazione ed esecuzione

La pianificazione dei tour è uno dei servizi più consolidati di HERE, con una storia di sviluppo che abbraccia un decennio. Le recenti aggiunte di funzionalità stanno guidando una maggiore adozione sul mercato, secondo Coppelmans.

"Abbiamo iniziato a svilupparlo dieci anni fa, ma ora sta davvero prendendo piede sul mercato come uno dei risolutori con le migliori prestazioni, soprattutto per ciò che abbiamo aggiunto l'anno scorso", ha detto Coppelmans.

L'aggiunta più significativa è l'ottimizzazione dipendente dal tempo, che tiene conto di come le condizioni di traffico fluttuanti influenzino la capacità di consegna nel corso della giornata.

"Alle nove del mattino puoi consegnare meno ordini rispetto all'una del pomeriggio a causa degli ingorghi", ha detto Coppelmans.

HERE ha inoltre introdotto tour sovrapposti favorevoli ai conducenti, che riducono i conflitti territoriali che frustrano i conducenti sui loro percorsi. Inoltre, una funzionalità di clustering a piedi rileva quando un conducente dovrebbe parcheggiare una volta e completare diverse consegne a piedi invece di entrare e uscire ripetutamente dal veicolo.

"Da un unico punto di parcheggio puoi poi consegnare a piedi a molteplici destinazioni in una determinata area, il che potrebbe essere più efficiente che entrare e uscire con il veicolo", ha detto Coppelmans.

Last Meter Guidance chiude il cerchio

Questi miglioramenti alla pianificazione non risolvono quella che Coppelmans ha identificato come la sfida principale: la disconnessione tra ciò che la dispatch pianifica al mattino e ciò che un conducente affronta effettivamente sul campo.

"Se hai un piano perfetto entro le sei del mattino, alle nove può essere già diverso a causa di eventi imprevisti — un conducente che si ammala, un vettore che scompare o modifiche dell'ultimo minuto agli ordini", ha detto Coppelmans. "Devi essere davvero dinamico e flessibile, tenendone conto."

La risposta di HERE è Last Meter Guidance, un servizio lato client che opera su un dispositivo portatile o un'applicazione per conducenti e raccoglie dati di sensori e posizionamento dal campo. In ambienti di consegna densi, l'avvicinamento finale a una fermata può essere materialmente diverso dal semplice navigare verso un indirizzo stradale, soprattutto quando il parcheggio, gli ingressi degli edifici e i percorsi a piedi determinano quanto tempo richiede effettivamente una consegna.

"Stiamo raccogliendo automaticamente punti di posizionamento di sensori e sonde, abbiamo il nostro stack di posizionamento", ha detto Coppelmans. "Questo servizio si basa su questo, assicurando davvero che stiamo imparando dal campo. Stiamo raccogliendo dati di tracce da dove parcheggia il veicolo, il percorso a piedi verso l'edificio, segnalando l'ingresso dell'edificio e la posizione del punto finale di consegna."

Quei dati fluiscono in entrambe le direzioni. I dispatcher ricevono finestre di consegna più precise, mentre i conducenti ottengono indicazioni su parcheggio e ingresso basate su dove i conducenti precedenti hanno completato con successo le consegne, anziché affidarsi esclusivamente a dove una mappa colloca l'ingresso di un edificio.

"Non c'è più alcuna disconnessione", ha detto Coppelmans. "I conducenti si sentono più a loro agio nel fidarsi di ciò che viene pianificato e possono dire: 'Ok, ha senso.'"

L'ottimizzazione dei percorsi con IA impara a spiegarsi

Sopra entrambi i servizi si trova ciò che HERE descrive come un livello cognitivo di ottimizzazione dei percorsi — una capacità agentic prototipale che l'azienda prevede di portare in closed beta più avanti nel 2026. Mentre l'API di pianificazione dei tour sottostante istruisce i dispatcher sulle azioni da intraprendere, il livello di ragionamento è progettato per spiegare perché quelle decisioni sono state prese. Questa distinzione conta nelle operazioni di dispatch perché una raccomandazione che appare inefficiente potrebbe essere legata a vincoli che l'utente non può vedere immediatamente.

"Perché questi ordini non sono assegnati? Perché questi due camion percorrono la stessa strada lo stesso giorno?" ha detto Coppelmans. "Potrebbe essere a causa di vincoli effettivi, capacità di guida o determinate priorità."

Il livello va oltre la spiegazione. È anche progettato per proporre azioni correttive — i tipi di regolazioni che un dispatcher esperto potrebbe fare intuitivamente.

"Forse allentare alcuni vincoli, spostare alcuni ordini a domani o aggiungere due veicoli alla capacità", ha detto Coppelmans. "Questo è il livello di ragionamento specifico del dominio."

Coppelmans ha tracciato un parallelo con gli sviluppi già in corso nella telematica, dove le flotte utilizzano l'IA generativa per indagare perché uno pneumatico sta perdendo pressione o perché un bene è scomparso. Applicata alle operazioni di dispatch, la stessa metodologia significa che un manager non deve più dedurre indipendentemente ogni causa a valle di un guasto del servizio.

"Ti dà risposte proattive in termini di cosa puoi fare per migliorare ulteriormente il tuo piano e renderlo ancora migliore", ha detto Coppelmans.

Ancorare l'IA prima che allucini

Accanto al livello di ragionamento, HERE ha annunciato un livello di ragionamento sulla posizione separato, progettato per impedire ai modelli linguistici di grandi dimensioni di fabbricare informazioni quando interrogati sulla geografia.

Quando viene chiesto loro di trovare un ristorante a metà di un percorso di un camion, i LLM generici producono frequentemente risultati inaffidabili, ha notato Coppelmans.

"Se ora chiedi ai LLM generici di una determinata posizione geografica, ottieni risultati davvero casuali, completamente errati, geometria sbagliata o posizione sbagliata", ha detto Coppelmans. "Ottieni un POI sbagliato che non si trova vicino al fiume ma da qualche altra parte. Puoi essere ingannato facilmente, e questi LLM allucinano sulle query basate sulla posizione geografica."

HERE Location Reasoning è progettato per fornire agli agenti IA l'ancoraggio spaziale necessario per rispondere a tali domande in modo accurato — che si tratti di comprendere la posizione di un veicolo su una strada, tracciare un confine attorno a un punto medio o filtrare i punti di interesse che si trovano genuinamente lungo un determinato percorso. Per le applicazioni di trasporto, questo ancoraggio è fondamentale perché gli errori geografici possono influenzare l'instradamento, la selezione delle fermate e le istruzioni trasmesse ai conducenti.

"Questo è il percorso che stiamo intraprendendo, supportando ulteriormente i diversi agenti che vengono costruiti sul mercato", ha detto Coppelmans. "Stiamo fornendo loro un livello corrispondente in modo che possano davvero comprendere il contesto della posizione e ancorarlo."

Il futuro da agente ad agente

Coppelmans non prevede che il livello di ragionamento sostituisca il giudizio operativo di un'azienda. I KPI e gli accordi sui livelli di servizio di ciascun vettore variano troppo affinché un singolo modello condiviso possa gestirli in modo indipendente, ha osservato.

"Devi avere il tuo agente operativo agentic in esecuzione, ma alimentarlo con gli apprendimenti degli altri è fondamentale, altrimenti rimani isolato", ha detto Coppelmans.

Le prospettive a lungo termine, ha suggerito, assomigliano meno a un'unica azienda che possiede un singolo modello di IA e più a una rete di agenti che si interrogano a vicenda — l'agente di dispatch di un vettore che consulta un agente di instradamento proprio come una persona potrebbe chiedere un secondo parere a un collega. Per ora, l'indicatore a breve termine da osservare è se la closed beta possa dimostrare che le raccomandazioni di percorso spiegabili aiutano i dispatcher a gestire le eccezioni senza perdere il controllo sulle regole operative.

"Potresti pensare più in termini di comunicazioni da agente ad agente che collegano determinate cose", ha detto Coppelmans. "Non deve necessariamente essere completamente integrato nel tuo sistema, puoi chiamare diversi agenti per estrarre altri set di dati per verificare e qualificare. Ma non è qualcosa a cui siamo ancora arrivati, è un po' più avanti sulla strada."