Jak AI korzysta z danych telematyki floty (Webfleet, GBox): trasy, spalanie i rozliczenia bez ręcznego przeklikiwania

Tak, AI można podłączyć do Webfleet, GBox i podobnych systemów telematycznych i wyciągnąć z nich coś więcej niż kolejny PDF z raportem miesięcznym. Dane z GPS i telematyki trafiają do asystenta, który w kilka sekund odpowie, gdzie są pojazdy, które pali za dużo i które zlecenie trwa o godzinę za długo. Zamiast dyspozytora przeszukującego trzy zakładki w przeglądarce, wystarczy jedno pytanie po polsku.

Co konkretnie wyciągamy z Webfleet, GBox i Navifleet

Każdy z tych systemów udostępnia API lub regularne eksporty danych. W Webfleet pracujemy głównie na endpointach WEBFLEET.connect: showTripReport (dane o trasach), showVehicleReport (stan pojazdu), showDriverReport (aktywność kierowcy) i showObjectEvents (zdarzenia i alerty). W GBox eksportujemy raporty trasy, raporty czasu pracy i log zdarzeń przez ich API lub panel administracyjny. Navifleet działa podobnie, choć struktura eksportów różni się w detalach zależnie od wersji i konfiguracji konta.

Co konkretnie mamy do dyspozycji:

• Pozycja i trasa: współrzędne GPS, czas wyjazdu i przyjazdu, przebieg każdego etapu, kolejność odwiedzonych adresów i punktów zatrzymania
• Spalanie i tankowania: zużycie paliwa na trasę, średnie spalanie, zdarzenia tankowania z miejscem i ilością
• Czas pracy kierowcy: czas za kierownicą, przerwy, czas aktywności urządzenia pokładowego, często zsynchronizowany z kartą kierowcy lub modułem tachografu
• Zdarzenia i alerty: gwałtowne hamowania, przekroczenia prędkości, długi postój z włączonym silnikiem (idlingTime), opuszczenie zdefiniowanej strefy geofencingu
• Wynik OptiDrive (Webfleet): syntetyczna ocena stylu jazdy z podziałem na kategorie: hamowanie, eco-driving, prędkość, przewidywanie ruchu

To naprawdę dużo danych. Problem w tym, że w większości firm te dane się zbierają, ale nikt nie ma czasu ich czytać. Raport miesięczny trafia do właściciela, ten zerknie na łączny przebieg i odłoży plik. AI zmienia tę sytuację nie dlatego, że "analizuje dane" w ogólnym sensie, ale dlatego, że robi to regularnie i sygnalizuje to, co powinno zwrócić uwagę.

Jak asystent AI reaguje na bieżące dane z floty

Kiedy asystent ma dostęp do codziennego eksportu lub bezpośrednio do API systemu telematycznego, dyspozytor przestaje być osobą, która aktywnie sprawdza stan floty. Zaczyna być osobą, która reaguje na sygnały.

Typowe pytanie do asystenta wygląda tak: "Gdzie są nasze samochody i kto jeszcze jest w trasie?". Bez AI: otwierasz mapę w Webfleet, liczysz, patrzysz, dzwonisz. Z AI dostajesz odpowiedź w rodzaju: "Cztery pojazdy w trasie. TRU 4521 jest 38 km od Wrocławia, szacowany powrót 16:40. KRA 7812 stoi od 85 minut w okolicach Łodzi bez ruchu. Dwa pozostałe wróciły do bazy przed godziną". To samo pytanie, ale zupełnie inny czas odpowiedzi i zupełnie inny komfort pracy.

Asystent może też działać proaktywnie, jeśli go do tego skonfigurujemy. U jednego klienta prowadzącego flotę ponad dwudziestu samochodów dostawczych ustawiliśmy regułę: gdy pojazd stoi z włączonym silnikiem ponad 30 minut poza bazą, asystent wysyła powiadomienie do kanału w Teams z informacją, który pojazd, gdzie i od kiedy. Wcześniej te zdarzenia były w raporcie, który nikt nie otwierał. Teraz kierownik dzwoni do kierowcy. Zmiana jest prosta, efekt widoczny od pierwszego tygodnia.

Gdzie AI naprawdę pomaga: anomalie spalania i przestoje

Dane o spalaniu z Webfleet czy GBox to nie tylko średnia dla całej floty. AI może porównywać spalanie tego samego pojazdu na podobnych trasach w różnych tygodniach i wyłapywać odchylenia, które ręcznie nikt by nie zauważył.

Przykład z biura: pojazd historycznie spala w okolicach 8-9 litrów na 100 km na regularnej trasie. Przez dwa kolejne tygodnie pokazuje 11-12 litrów. AI to widzi i zgłasza w porannym raporcie. Przyczyny bywają różne: przepełniony ładunek, zmiana stylu jazdy, problem techniczny z silnikiem albo klimatyzacja pracująca na pełnych obrotach przez całą trasę. Firma może to sprawdzić. Bez AI ta informacja ginie w zbiorczej średniej za miesiąc i wychodzi dopiero przy bólu głowy podczas rozliczenia paliwa.

Podobnie z idlingTime, czyli polem oznaczającym czas postoju z pracującym silnikiem. AI może przeliczyć to na poziomie całej floty za tydzień i pokazać, które pojazdy i którzy kierowcy mają tu powtarzający się wzorzec. Bez AI ta liczba ginie w raporcie, bo nikt nie ma czasu wyliczać jej indywidualnie dla każdego z trzydziestu pojazdów i porównywać tygodniami.

Rozliczenia czasu pracy i tras: co przygotowuje AI, a co sprawdza człowiek

To obszar, gdzie integracja oszczędza realnie dużo czasu biurowego. Z Webfleet wyciągamy raport czasu pracy konkretnego kierowcy za dany okres: kiedy włączył urządzenie, kiedy wyłączył, ile kilometrów przejechał i jakimi trasami. Z GBox dostajemy to samo przez raport czasu pracy lub raport trasy z parametrami startTime, endTime, distance i listą przystanków.

Asystent AI może na tej podstawie przygotować wstępny dokument rozliczeniowy: wykaz tras z datami, przejechane kilometry, czas aktywności, ewentualnie wyliczenie diet, jeśli firma stosuje takie zasady. Zamiast kopiować dane z raportu telematycznego do arkusza Excel i ręcznie sumować kolumny, ktoś z biura dostaje gotowy szkic i sprawdza go w kilka minut.

Ale AI przygotowuje wstępne zestawienie, nie podpisuje rozliczenia. Człowiek musi zatwierdzić, czy dane z telematyki zgadzają się z kartą kierowcy, zleceniami i ewentualnym papierowym dziennikiem trasy. Zdarzają się rozbieżności: urządzenie się rozłączyło w środku trasy, kierowca pracował dalej, a GPS to nie widział. Albo dane z modułu tachografu i dane GPS delikatnie się rozjeżdżają co do minut. Takie rzeczy musi sprawdzić ktoś, kto zna kontekst i ma dostęp do dokumentów źródłowych.

RODO i dane kierowców: czego nie można zbagatelizować

Dane z telematyki to dane o lokalizacji konkretnych osób w konkretnym czasie. W świetle RODO to dane osobowe pracowników i trzeba to traktować poważnie, nie tylko jako formalność do odhaczenia.

Kilka rzeczy, które muszą być zrobione zanim AI zacznie pracować na tych danych:

• Podstawa prawna przetwarzania: najczęściej uzasadniony interes pracodawcy (bezpieczeństwo floty, rozliczanie czasu pracy, kontrola kosztów), ale podstawa musi być świadomie wybrana i opisana w rejestrze czynności przetwarzania
• Informacja dla kierowców: pracownicy muszą wiedzieć, że dane z GPS i telematyki są przetwarzane, w jakim celu, przez jaki czas i kto ma do nich dostęp
• Polityka przechowywania danych: jak długo AI ma dostęp do historii pozycji i tras? To musi być ustalone i wpisane w dokumentację RODO firmy, nie można trzymać danych lokalizacyjnych w nieskończoność
• Uprawnienia do danych: jeśli asystent AI odpowiada na pytania o konkretnego kierowcę, dostęp do tych informacji powinni mieć tylko uprawnieni: dyspozytor, kierownik floty, dział HR. Nie każdy pracownik biura

Przy każdym wdrożeniu, które robimy, zaczynamy od pytania o regulamin pracy i zapisy o monitoringu GPS. Jeśli ich nie ma albo są z 2015 roku i nikt ich nie aktualizował, wdrożenie musi poczekać na porządek w dokumentach. AI nie omija prawa, wręcz stawia wyższe wymagania, bo przetwarza dane szybciej i w większej skali niż ktokolwiek robiłby to ręcznie. Lepsza i szybsza analiza danych oznacza też bardziej precyzyjne profile aktywności pracowników, a to podnosi poprzeczkę dla całej dokumentacji RODO.

Od czego zaczynamy integrację telematyki z AI

Zanim cokolwiek zapniemy do asystenta, sprawdzamy kilka rzeczy po kolei.

• Czy system telematyczny udostępnia API i jakie ma do tego wymagania? W Webfleet klucz API generujesz w ustawieniach konta WEBFLEET.connect, wybierając zakres uprawnień. W GBox kontaktujemy się z supportem technicznym po dokumentację API lub możliwości eksportu pliku CSV/XML w określonym formacie.
• Jakie dane są faktycznie zbierane i czy są kompletne? Jeśli część floty ma wyłączone urządzenia, niedoładowane baterie w trackerach albo niekompletne przypisania kierowców do pojazdów, AI będzie miał niekompletny obraz i zacznie mylić się w rozliczeniach.
• Kto w firmie będzie używał asystenta i do jakich pytań? Dyspozytor pyta o bieżący stan floty. Właściciel chce tygodniowe zestawienie kosztów paliwa. HR potrzebuje wstępnych rozliczeń czasu pracy. Od tych odpowiedzi zależy, jakie funkcje budujemy w pierwszej kolejności.
• Czy dokumentacja RODO jest aktualna i czy kierowcy mają aktualną klauzulę informacyjną dotyczącą monitoringu?

Po tym etapie budujemy połączenie: przez API systemu telematycznego (jeśli dostępne i wystarczająco szczegółowe) albo przez cykliczny import raportów do bazy danych, z której AI korzysta. Pierwsze wyniki widać zwykle po kilku tygodniach, gdy asystent ma już historię danych i może zacząć wykrywać wzorce zamiast opisywać tylko bieżący dzień.

Jeśli masz flotę i system telematyczny i zastanawiasz się, czy twoje dane nadają się do takiej integracji, możemy to sprawdzić razem. Umów bezpłatny audyt, a zobaczymy, co da się podłączyć i co realnie z tego będzie miała firma. Masz też możliwość zajrzenia do realnych wdrożeń, gdzie widać, jak to działa w praktyce.