La telemática aplicada a la movilidad atraviesa una transformación sin precedentes en América latina. El paso del rastreo satelital tradicional mediante GPS hacia sistemas basados en video con inteligencia artificial marca el comienzo de una era centrada en la gestión predictiva y la prevención de siniestros viales en tiempo real.
En la siguiente entrevista de iProfesional, Maximiliano Casco, cofundador y director general ejecutivo de la empresa Thothian Vision, analiza los desafíos culturales y tecnológicos de esta transición. Además, detalla cómo la analítica en cabina, el procesamiento algorítmico local y la integración de datos optimizan la eficiencia operativa, reducen costos de combustible y elevan la seguridad en las grandes flotas de transporte público y logística de la región.
Thothian Vision es una compañía especializada en herramientas de monitoreo inteligente aplicadas específicamente al transporte de pasajeros y carga, principalmente, camiones y líneas de colectivo. Opera desde Buenos Aires y actúa como representante oficial de Sky Patrol en América latina.
-La gestión de flotas en América latina se basó en el rastreo satelital GPS tradicional, enfocado en la observación pasiva de puntos sobre un mapa. Con la llegada de la telemática avanzada y la inteligencia artificial, el sector migra hacia plataformas proactivas capaces de anticipar eventos. Desde su perspectiva, ¿cómo define esta transición conceptual de la localización reactiva hacia la gestión predictiva en tiempo real y cuáles son los principales frenos culturales que observa en las empresas de la región para dar este salto?
-La llegada de los sistemas de video inteligente es un cambio de paradigma. Durante veinte años, la gestión de flotas se apoyó en el GPS y en sensores que informaban estados —una puerta abierta o cerrada, un encendido, un nivel de combustible— o valores, como la telemetría del motor. Era mucha información, pero rara vez se traducía en medidas correctivas concretas: los datos se acumulaban en reportes que pocos analizaban y, sobre todo, no mostraban qué estaba pasando realmente con el conductor ni en su entorno.
Hoy, las cámaras con inteligencia artificial procesan lo que ocurre dentro y fuera de la cabina directamente en el vehículo y, ante una situación de riesgo (fatiga, distracción, uso del celular, distancia de frenado insuficiente), emiten una alerta audible en el momento. Esa alerta, en el segundo justo, puede salvar la vida del conductor y la de quienes lo rodean.
A eso se suma que la empresa accede al video del evento y puede capacitar a sus conductores sobre casos reales, propios, y no sobre ejemplos teóricos. La combinación de prevención en el momento y aprendizaje posterior nos abre un escenario muy esperanzador en materia de seguridad vial y optimización de flotas.
Los frenos son más culturales que tecnológicos. El primero es ver al video telemático como un gasto para cumplir con normativas de un sector determinado o para cumplir con el seguro y no como una herramienta de seguridad vial y gestión, el video telemático bien implementado puede bajar el número de siniestros a las empresas de forma muy significativa.
El segundo es la falta de procesos: la información llega, pero aun falta mucha educación en el mercado para saber que hacer. Y el tercero es el temor del conductor a sentirse vigilado antes de ser usuario de la tecnología, tenemos muchas historias de choferes felices con el uso de nuestros sistemas, realmente los ayuda a conducir y en cuestiones de seguro poder demostrar como actuaron es muy valioso para ellos.
-¿En qué medida la analítica predictiva de video y el procesamiento de hábitos de conducción están logrando reducir los accidentes y transformar la conducta de los operadores?
-En una medida muy concreta, siempre que la tecnología se acompañe de gestión. Los sistemas con inteligencia artificial como ADAS (asistencia avanzada a la conducción), DMS (monitoreo del conductor) BSD (Detección de objetos en puntos ciegos) generan alertas en el momento como: distracciones, uso del celular, somnolencia, distancia insuficiente con el vehículo de adelante o salidas de carril, y alertan al conductor en la cabina, antes de que ocurra el incidente. Eso solo ya corrige una parte de la conducta.
Pero el cambio profundo aparece cuando esos eventos se convierten en capacitaciones específicas para los conductores que las necesitan y no capacitaciones generales que no terminan de ser eficientes.
El conductor deja de recibir una sanción genérica y pasa a ver su propia evolución, con video del evento como evidencia objetiva. Lo que observamos en las flotas que trabajan de esta manera es que los eventos de riesgo bajan de forma sostenida en los primeros meses y, con ellos, la siniestralidad, los costos de reparación y los reclamos. La clave es que la alerta no termine en un reporte, sino en una conversación con el conductor.
-¿De qué manera el procesamiento algorítmico ejecutado directamente en la unidad permite detectar patrones anómalos y activar protocolos de seguridad de forma autónoma sin depender de conectividad celular?
-La inteligencia vive en el propio equipo instalado en la unidad (el MDVR y sus cámaras) y no en un servidor remoto. El dispositivo analiza el video cuadro a cuadro en sus 6 canales con inteligencia artificial, reconoce patrones como un conductor que cierra los ojos, si bosteza, si usa el celular, si está a una distancia peligrosa del vehículo de adelante, si tiene un peatón en su punto ciego, etc, etc, todas estas situaciones disparan respuestas de inmediato: una alerta sonora en cabina, la grabación protegida del evento o la activación de un protocolo definido por la empresa.
Esto es fundamental en América latina, donde buena parte de las rutas tiene zonas sin cobertura. El equipo no necesita estar conectado para decidir: actúa localmente, guarda la evidencia y, cuando recupera la señal, sincroniza con la plataforma (…) para que el centro de monitoreo tenga la trazabilidad completa. Además, al enviar solo los eventos relevantes y no video continuo, se reduce drásticamente el consumo de datos celulares.
-¿Cuáles son los principales desafíos tecnológicos y logísticos para fiscalizar y regular la operación de grandes flotas urbanas de pasajeros garantizando la seguridad del usuario y la eficiencia del servicio?
-El primer desafío es la heterogeneidad. En una ciudad como Buenos Aires conviven decenas de operadores, con unidades de distintas edades y equipos de distintas marcas que no hablan el mismo idioma. Para que el regulador pueda fiscalizar necesita datos estandarizados e interoperables, independientemente de qué proveedor tenga cada empresa. Por eso creemos en arquitecturas abiertas que integren lo existente en lugar de obligar a reemplazarlo.
El segundo es mantenimiento: equipar y mantener miles de unidades exige una red de instalación y soporte técnico con capacidad real en campo, y ventanas de trabajo que no afecten el servicio.
El tercero es convertir los datos en información útil para el usuario: frecuencias reales, tiempos estimados de arribo confiables en paradas y pantallas a bordo que anuncien las siguiente paradas. Cuando la tecnología se implementa por etapas y de forma inteligente (…) el sistema gana en seguridad, el operador en eficiencia y el Estado en capacidad de control, sin traumas operativos.
-¿Cómo se alinean hoy los algoritmos de navegación y telemetría para generar ahorros económicos inmediatos y, al mismo tiempo, contribuir a la reducción de la huella de carbono de las flotas de logistica?
-Hoy están más alineados que nunca, porque en una flota el ahorro de combustible y la reducción de emisiones son, en gran medida, la misma cosa. Cada litro que no se consume es dinero que queda en la empresa y COâ que no se emite. La telemetría permite medir con precisión los factores que más impactan: ralentí prolongado, excesos de velocidad, aceleraciones y frenadas bruscas, y kilómetros improductivos.
Del otro lado, los algoritmos de ruteo y despacho optimizan la asignación de viajes, evitan desvíos y congestiones y reducen los retornos en vacío. El resultado son ahorros inmediatos, medibles desde las primeras semanas, sin necesidad de inversión en la unidad más allá del equipamiento. Y a mediano plazo, esos mismos datos son la base para planificar con criterio la incorporación de unidades eléctricas o híbridas, porque permiten saber qué recorridos y qué perfiles de uso son realmente aptos para la transición.
-¿Qué metodologías y buenas prácticas organizativas resultan más efectivas para que el personal de conducción perciba a la tecnología de monitoreo como un escudo de protección personal y no como una herramienta de vigilancia intrusiva?
-Lo más efectivo es cambiar el relato desde el primer día: la cámara no está para buscar culpables, está para proteger al conductor. En la práctica, el video es muchas veces la prueba que demuestra que el chofer actuó correctamente ante un siniestro, un reclamo o una agresión. Cuando el conductor vive esa experiencia, la percepción cambia por completo.
Hay algunas buenas prácticas que funcionan: comunicar con transparencia qué se registra, para qué y quién accede a la información; involucrar a los conductores y a sus representantes en la implementación; usar los datos para capacitar y reconocer, no para sancionar, con programas de incentivos para las mejores performances; y cuidar la privacidad, limitando el acceso al video a eventos concretos. Cuando la tecnología se asocia a menos accidentes, a respaldo ante conflictos y a mejores condiciones de trabajo, el conductor pasa a ser su principal defensor.
-¿En qué estado se encuentra la infraestructura de red regional para soportar el monitoreo inteligente en corredores remotos y cómo impactará la conectividad satelital en la logística terrestre?
-La infraestructura celular en la región avanzó mucho en los centros urbanos y en los principales corredores, pero sigue habiendo grandes zonas sin cobertura: rutas, pasos fronterizos, zonas mineras o energéticas y tramos extensos en rutas muy importantes. Justamente en esos lugares es donde los riesgos de seguridad y los costos de un incidente son mayores.
Por eso el diseño tiene que ser híbrido. Por un lado, inteligencia en el equipo, que siga funcionando y registrando sin señal. Por otro, conectividad complementaria: la nueva generación de satélites de órbita baja cambia las reglas del juego, porque ofrece baja latencia y costos cada vez más accesibles, y permite transmitir no solo posición sino también eventos y video en lugares donde antes era imposible.
-¿Cuáles son los indicadores clave de rendimiento (KPI) que la alta dirección debe evaluar para medir con claridad el retorno de la inversión al implementar inteligencia artificial en la gestión de flotas?
-Recomiendo que la alta dirección mire pocos indicadores, pero bien definidos y medidos desde antes de la implementación, para tener una línea de base contra la cual comparar. Los agrupo en cuatro dimensiones:
- Seguridad: tasa de siniestros cada "N" cantidad de kilometros, eventos de conducción de riesgo por conductor y costos de reclamos y primas de seguro.
- Eficiencia operativa: consumo de combustible por kilómetro, horas de ralentí y kilómetros improductivos.
- Disponibilidad: porcentaje de unidades operativas, paradas no planificadas y tiempo medio entre fallas.
- Servicio: cumplimiento de horarios y frecuencias, precisión de los tiempos de arribo informados y satisfacción del cliente o del pasajero.
El retorno de la inversión surge de traducir esas mejoras a dinero y compararlas con el costo total del sistema, incluyendo equipos, plataforma, instalación y gestión. Un punto importante: el ROI no depende solo de la tecnología, sino de que haya una persona o un equipo responsable de actuar sobre los datos.
Maximiliano Casco. Foto provista por Thothian Vision
-De cara a los próximos años, ¿cuál cree que será el salto evolutivo más determinante en el monitoreo de movilidad y qué rol desempeñará la inteligencia artificial en la creación de ecosistemas de transporte interconectados en América latina?
-Creo que el salto más determinante será pasar de soluciones aisladas a ecosistemas conectados. Hoy cada empresa, cada operador y cada organismo tiene sus propios sistemas, que no se comunican entre sí. El futuro es que el vehículo, la infraestructura vial, las terminales, las paradas, los centros de monitoreo públicos y privados y el propio usuario compartan información en tiempo real bajo estándares abiertos.
En ese escenario, la inteligencia artificial cumple el rol de capa de coordinación: interpreta millones de datos de distintas fuentes y los convierte en decisiones, ya sea anticipar un tiempo de arribo, redistribuir unidades según la demanda, prevenir un siniestro o alertar a las fuerzas de seguridad ante un evento en un corredor. (…) América latina tiene la oportunidad de saltar etapas, y la tecnología para hacerlo ya está disponible.
