Dispatch AI all'interno di X-TMS
Smetti di tirare a indovinare quale autista assegnare. X-TMS valuta ogni opzione, mostra il ragionamento e ti permette di assegnare con un click.
L'assegnazione dell'autista è la decisione a più alto impatto della tua giornata — lascia che X-TMS la renda più precisa
Ogni carico che assegni è un problema di ottimizzazione a più variabili: quale autista è più vicino, chi ha l'attrezzatura giusta, chi sta rispettando i tempi oggi, chi è più efficiente su questa tratta, chi sta sforando le ore, chi aspetta da più tempo.
La maggior parte delle decisioni di dispatch si prende a istinto — e l'istinto sbaglia il 20-30% delle volte. Un'assegnazione sbagliata può costare ore di sosta, un budget carburante sforato o un autista scontento.
L'AI di X-TMS valuta ogni autista disponibile per ogni carico aperto in base a sei fattori pesati. La raccomandazione è motivata — vedi esattamente perché l'autista A ha ottenuto 87 e l'autista B 71, e puoi forzare la scelta con un click.
Come funziona
-
1
Definisci la tua strategia di assegnazione
Tre strategie predefinite — Priorità all'efficienza (massimizza la puntualità), Bilanciata (media multi-fattore) o Priorità al costo (minimizza carburante + paga). Pesi personalizzabili per divisione.
-
2
L'AI assegna un punteggio a ogni coppia autista-carico
Sei fattori: efficienza storica dell'autista, percentuale di puntualità, compatibilità dell'attrezzatura (ADR, refrigerazione, eccezionali), ottimizzazione dei costi (carburante + paga autista), peso della priorità del carico e conformità alle ore di servizio.
-
3
Le raccomandazioni migliori in evidenza
I top 3 autisti candidati per ogni carico, con punteggio numerico e ragionamento completo — esattamente quali fattori hanno determinato il punteggio.
-
4
Il dispatcher conferma o sovrascrive
La maggior parte dei dispatcher accetta la raccomandazione dell'AI oltre l'80% delle volte. Il 20% di override viene registrato e il modello migliora nel tempo.
-
5
Assegnazione registrata con audit completo
Ogni assegnazione conserva il punteggio AI, i candidati alternativi considerati e la scelta del dispatcher. Storico ricercabile per le valutazioni di performance.
I numeri
Cosa include
- Scoring dell'autista su sei fattori (efficienza, puntualità, attrezzatura, costo, priorità, HOS)
- Tre strategie preimpostate più configurazione personalizzata dei pesi
- Filtro per compatibilità dell'attrezzatura (ADR, refrigerazione, liquidi, eccezionali)
- Verifica di conformità alle ore di servizio prima di suggerire l'autista
- Visualizzazione dei top 3 candidati per ogni carico
- Scoring spiegabile (ragionamento completo per ogni candidato)
- Assegnazione in un click dal pannello delle raccomandazioni
- Registrazione degli override per il miglioramento del modello
- Personalizzazione dei pesi per divisione
- Ricalcolo in tempo reale man mano che gli autisti completano i carichi
Ideale per
L'AI si occupa dell'80% di routine, il dispatcher si concentra sulle eccezioni.
Le raccomandazioni AI formano i nuovi arrivati sulla logica di assegnazione — vedono il ragionamento in tempo reale.
L'AI impedisce di suggerire autisti non certificati prima ancora che accada.
Pesi diversi per ogni divisione — efficienza per una, costo per un'altra.
Cosa aspettarsi durante il rollout
La maggior parte dei team sottovaluta il lavoro di persone e processi che accompagna ogni nuova tecnologia. AI Driver Matching è tecnicamente semplice da attivare, ma un rollout fluido beneficia comunque di un breve sforzo coordinato tra dispatch, IT e direzione. Di seguito ciò che osserviamo abitualmente nelle implementazioni riuscite.
Settimana 0 — Allineamento degli stakeholder
Individua un unico referente interno per il rollout. Definisci la metrica che vuoi migliorare (chiamate effettuate al giorno, ore risparmiate per dispatcher, tempo di assegnazione carico-autista, tempo di ciclo dei settlement — quella più adatta al tuo caso). Allinea responsabili, capi dispatch e autisti coinvolti su cosa cambia e perché. Bastano una o due riunioni brevi, non settimane.
Settimana 1 — Avvio del pilot
Collega AI Driver Matching prima a un perimetro ristretto: un dispatcher, una tratta o un gruppo di clienti. Verifica che l'integrazione si comporti come atteso sui tuoi dati reali. Annota eventuali casi limite della tua operatività che la configurazione standard non aveva previsto. Il supporto X-TMS è disponibile per tutta questa fase.
Settimane 2-4 — Estensione graduale
Estendi a più dispatcher, più tratte o volumi più alti. La maggior parte dei team raggiunge la piena produzione entro 2-4 settimane dall'avvio del pilot. Misura la metrica che hai fissato nella Settimana 0: è il segnale onesto per capire se il deployment sta davvero facendo quello per cui l'hai scelto.
In continuo — Iterazione
Rivedi mensilmente le performance di AI Driver Matching con il tuo team per il primo trimestre. Affina la configurazione (criteri, soglie, pesi) in base a cosa funziona e cosa no. È normale — ogni flusso basato su AI beneficia di qualche iterazione mentre apprende le specificità della tua operatività.
Errori comuni da evitare
Saltare il pilot. I team che provano a passare in produzione globale dal primo giorno tendono a scoprire i casi limite nel momento peggiore — sotto carico operativo reale. Un pilot di una settimana lo evita.
Nessuna metrica di successo definita. Se non sai dire cosa significa "successo", non potrai capire se il deployment ha funzionato. Scegli un singolo numero e tienilo sotto controllo.
Trattare l'AI come una scatola chiusa. AI Driver Matching fornisce il ragionamento dietro ogni raccomandazione. Sfruttalo nelle prime settimane: il tuo team impara la logica dell'AI e l'AI impara le preferenze del tuo team.
Domande frequenti
L'AI è una scatola chiusa?
No. Ogni punteggio è scomposto nei contributi dei singoli fattori — vedi esattamente perché l'autista A ha ottenuto un punteggio più alto dell'autista B. Il dispatcher può sempre verificare ogni raccomandazione.
E se la raccomandazione dell'AI è sbagliata?
La sovrascrivi con un click. L'override viene registrato con la tua motivazione e rientra nel ciclo di apprendimento del modello. Col tempo l'AI impara i criteri di giudizio del tuo team.
Funziona con la mia struttura di paga autista personalizzata?
Sì. La paga dell'autista (percentuale sul carico, fissa per carico o per miglio) è configurabile per ogni autista e alimenta direttamente il fattore di ottimizzazione dei costi.
Come funziona l'integrazione con le HOS (hours of service)?
X-TMS legge i dati ELD da Samsara (o tramite API ELD dirette) ed esclude gli autisti che non possono completare legalmente il carico nelle ore residue.
Posso disabilitare le raccomandazioni AI e assegnare manualmente?
Sì. Le raccomandazioni AI sono presentate come suggerimenti — il dispatcher ha sempre il pieno controllo manuale.