Le moderne centraline dei sistemi ADAS (Modern Advanced Driver Assistance System) hanno aumentato in modo significativo la complessità delle operazioni svolte da meccanici e tecnici elettrauto. Oggi, questi professionisti devono gestire un’ampia varietà di istruzioni, manuali e strumenti, spesso diversi per marca e modello.
Un primo risultato del progetto AI-Cares, guidato da SNJ Media con il supporto di BI-REX e il contributo di BitBang, mira a semplificare il processo di ricalibrazione delle centraline ADAS grazie all’adozione di un sistema GenAI, in grado di identificare rapidamente strumenti necessari e riferimenti nei manuali, migliorando l’efficienza dell’intervento tecnico.
Il progetto AI-CARES è finanziato dall’Unione Europea – Next Generation EU.
L’intelligenza artificiale al servizio della complessità tecnica
L’aumento della diffusione dei sistemi ADAS nei veicoli moderni ha moltiplicato le competenze richieste ai professionisti dell’assistenza tecnica, che oggi si confrontano con un’enorme mole di informazioni eterogenee: testi, immagini, schemi elettrici, video, ecc.
L’intelligenza artificiale generativa (GenAI) può rappresentare una risposta concreta a questa complessità, semplificando l’accesso alle informazioni all’interno di database non strutturati e offrendo un’interfaccia naturale, basata sul linguaggio, per dialogare con i contenuti.
Per ottenere risultati affidabili, però, è fondamentale selezionare l’architettura e le tecnologie più adatte, oltre a prevedere un training accurato che garantisca risposte rapide, pertinenti e sostenibili nel tempo.
Un’architettura personalizzata su misura
BitBang ha realizzato un’analisi approfondita delle esigenze operative, del contesto tecnico, dei manuali esistenti, della cronologia degli interventi e dei vincoli infrastrutturali, progettando un sistema GenAI su misura per supportare gli operatori.
La proof-of-concept è stata sviluppata su architettura AWS (Amazon Web Services). Il modello è stato selezionato e addestrato utilizzando un approccio RAG (Retrieval-Augmented Generation), che consente di ridurre al minimo il rischio di allucinazioni, integrando nel modello LLM una libreria di fonti affidabili e specifiche per il dominio automotive.
Per garantire la qualità delle risposte, il team ha perfezionato le tecniche di prompting e tokenizzazione e definito un sistema oggettivo di valutazione dei risultati, basato su metriche come Precision, Recall e F-Measure. Questo ha permesso di ottimizzare il sistema con iterazioni successive e fine-tuning mirato.
Il risultato è un sistema robusto e calibrato, che può essere esteso a nuovi contenuti, modalità di interazione, meccanismi di selezione delle risposte e flussi operativi, con l’obiettivo di rendere il lavoro più rapido ed efficace, aumentando la soddisfazione sia degli operatori che dei clienti finali.
Collaborazione tra esperti
SNJ Media è una PMI innovativa che sviluppa soluzioni IT su misura e offre servizi software e infrastrutturali. Con il progetto AI-Cares, mira a portare i benefici dell’Intelligenza Artificiale nel settore automotive, con particolare attenzione ai servizi post-vendita. L’applicazione dedicata agli ADAS rappresenta uno degli ambiti più promettenti di questa iniziativa.
BI-REX, il Competence Center nazionale su Big Data e Industria 4.0, ha supportato l’avvio del progetto nel 2023.
BitBang, società di consulenza specializzata in Data & AI e membro del consorzio BI-REX, ha contribuito al progetto con la sua expertise tecnologica, curando lo sviluppo e l’evoluzione del modello GenAI.
