Loading...
El mercado indio de vehículos comerciales está entrando en una nueva fase de crecimiento, respaldada por la inversión en infraestructura, la renovación de flotas, la electrificación y mayores exigencias de seguridad. Al mismo tiempo, los operadores están avanzando más allá del seguimiento básico de vehículos hacia sistemas capaces de integrar la disponibilidad, la eficiencia de combustible, la seguridad y el desempeño de los conductores.
En esta entrevista, Anup Patil, CEO y cofundador de Intangles, analiza el papel de la inteligencia de flotas basada en IA, los gemelos digitales, los sistemas ADAS y los datos multimarca en el futuro de las operaciones de vehículos comerciales.
El segmento indio de vehículos comerciales está experimentando un crecimiento generalizado. La inversión en infraestructura, los ciclos de renovación de las empresas estatales de transporte, la ampliación de las rutas y los programas de autobuses eléctricos están impulsando la demanda.
Al mismo tiempo, los operadores de flotas están cambiando la manera en que evalúan la tecnología. Ya no se preguntan si las herramientas digitales son necesarias. Quieren saber qué tecnologías pueden integrar el consumo de combustible, la disponibilidad de los vehículos, la seguridad y el comportamiento de los conductores en un único sistema.
Las regulaciones de seguridad también están influyendo en las decisiones de compra e ingeniería. Los requisitos relacionados con el frenado de emergencia, las alertas de salida de carril, la detección de somnolencia y la supervisión de puntos ciegos están aumentando la importancia de la inteligencia vehicular integrada.
Intangles opera en este mercado desde 2016. Según la empresa, su plataforma se utiliza actualmente en 18 países y en más de 500.000 vehículos, con más de 40 socios entre fabricantes de equipos originales y grandes empresas.
En India, sus alianzas incluyen a Mahindra Truck and Bus, Force Motors y fabricantes de autobuses eléctricos. La plataforma se utiliza en transporte de mercancías, logística, operaciones de autobuses estatales e interurbanos, transporte escolar, construcción, minería, agricultura, cadena de frío, distribución de última milla y flotas municipales.
Una lectura aislada de temperatura, voltaje o nivel de combustible tiene un valor limitado si no se interpreta dentro de su contexto. La cuestión importante es determinar si esa lectura es normal para un vehículo específico en sus condiciones actuales de operación.
Cada vehículo conectado a nuestra plataforma cuenta con su propio gemelo digital. Este modelo virtual se actualiza continuamente mediante datos procedentes de los sensores de a bordo y de la unidad electrónica de control. Tiene en cuenta el kilometraje, el historial de operación, el comportamiento del conductor, el desgaste y el ciclo de trabajo.
Esto permite que el sistema establezca un patrón de funcionamiento esperado para cada vehículo e identifique desviaciones antes de que una falla sea detectada por los sistemas convencionales del propio vehículo.
En las flotas con motores de combustión interna, el mismo enfoque se utiliza para controlar el combustible. Las lecturas brutas del nivel pueden verse alteradas por la geometría del depósito, la inclinación del terreno y el movimiento del vehículo. Los modelos de aprendizaje automático ayudan a diferenciar los movimientos reales de combustible de las fluctuaciones normales de los sensores.
En las flotas eléctricas, el gemelo digital permite predecir la autonomía analizando el par del motor, la velocidad de las ruedas, el clima, el consumo del sistema HVAC y de la iluminación, el comportamiento del conductor y el historial de degradación de la batería. También supervisa la temperatura del refrigerante de la batería, el voltaje de las celdas y los patrones de carga.
Según Intangles, sus modelos predictivos funcionan con una precisión de IA del 96%, lo que ayuda a los operadores a pasar de supervisar acontecimientos pasados a anticipar posibles problemas.
Una plataforma multimarca puede identificar patrones que no siempre son visibles dentro del ecosistema de un único fabricante.
Los operadores de autobuses suelen gestionar vehículos de varios fabricantes en rutas estatales, transporte escolar, servicios interurbanos y operaciones de autobuses eléctricos. Cuando los datos permanecen separados por fabricante, los operadores deben conciliar manualmente distintos sistemas e indicadores de rendimiento.
El intercambio de datos puede beneficiar a todas las partes. Los fabricantes obtienen acceso a información sobre el comportamiento real de los vehículos en operación, lo que puede contribuir al desarrollo de productos y a la planificación de garantías. Los operadores reciben una visión más completa del desempeño de la flota, mientras que los proveedores tecnológicos pueden analizar patrones entre distintos fabricantes y condiciones operativas.
Sin embargo, esto requiere marcos más claros en materia de consentimiento, propiedad de los datos, privacidad y derechos de acceso. Hasta que estos aspectos estén mejor definidos, el valor del intercambio de datos en toda la industria seguirá estando parcialmente limitado.
El problema común es que la información crítica suele llegar demasiado tarde.
El tiempo de inactividad no planificado es uno de los ejemplos más claros. Una avería puede generar costes de reparación, remolque, sustitución del vehículo y retrasos en el servicio. Los sistemas predictivos pueden identificar posibles problemas con antelación, permitiendo que los operadores programen el mantenimiento en lugar de reaccionar ante una avería en carretera.
Las pérdidas de combustible presentan un desafío similar. El sifonamiento, el suministro incompleto, la adulteración y la recarga no autorizada pueden permanecer sin detectar hasta que aparecen en un informe mensual. El análisis del combustible en tiempo real puede proporcionar al operador la ubicación, la hora y el volumen estimado de un evento sospechoso.
El comportamiento del conductor es otro factor importante. Las frenadas bruscas, las aceleraciones ineficientes, el ralentí y el exceso de velocidad afectan al consumo de combustible, las necesidades de mantenimiento y el riesgo de accidentes. Los sistemas de perfilado de conductores pueden relacionar estos comportamientos con sus consecuencias operativas, permitiendo una formación más específica.
Un desafío creciente es la gestión conjunta de flotas eléctricas y diésel. Los vehículos eléctricos tienen indicadores de estado, variables de autonomía y riesgos de fallo diferentes. Los operadores necesitan herramientas capaces de gestionar ambas tecnologías, manteniendo los indicadores técnicos adecuados para cada sistema de propulsión.
El objetivo es hacer que los vehículos comerciales sean más transparentes para los operadores, los fabricantes y las redes de servicio.
La plataforma ya correlaciona señales procedentes de varios sistemas del vehículo para identificar anomalías y recomendar posibles intervenciones. La siguiente etapa consiste en ampliar esta inteligencia desde el vehículo individual hacia toda la red de la flota.
A nivel de red, el sistema podría identificar un patrón de estrés en componentes asociado a una configuración específica del motor, una condición de ruta que acelera el desgaste o una práctica de carga que reduce gradualmente la vida útil de la batería.
El objetivo a largo plazo es automatizar una mayor parte del proceso de mantenimiento. Una plataforma podría identificar un problema, recomendar la intervención necesaria, programarla de acuerdo con el plan de rutas del operador y coordinarse con la red de servicio para garantizar la disponibilidad de las piezas y los técnicos adecuados.
Para los fabricantes, los datos procedentes de vehículos en servicio podrían proporcionar información detallada sobre su rendimiento en distintas geografías, ciclos de trabajo, perfiles de conducción y condiciones ambientales.
Intangles busca posicionarse como la infraestructura de inteligencia que conecta vehículos, operadores, fabricantes y redes de servicio. La empresa obtuvo 30 millones de dólares estadounidenses en una ronda de financiación Serie B en octubre de 2025, liderada por Avataar Venture Partners, con el respaldo continuado de Baring Private Equity India y Cactus Partners.
Los sistemas ADAS pueden abordar directamente varios de los principales riesgos relacionados con autobuses y camiones pesados, como la fatiga, la reacción tardía del conductor y los incidentes en puntos ciegos.
El frenado automático de emergencia es especialmente importante para los vehículos pesados debido a sus mayores distancias de frenado. Puede intervenir cuando el conductor no reacciona con suficiente rapidez ante un obstáculo.
La detección de somnolencia resulta especialmente relevante para las operaciones nocturnas y de larga distancia. La fatiga puede estar influida por la duración de las rutas, los horarios de trabajo, el calor y los turnos repetidos. Los sistemas que supervisan el comportamiento de los ojos y los patrones de dirección pueden identificar señales de deterioro antes de que provoquen un accidente.
La supervisión de puntos ciegos es importante en entornos urbanos donde peatones, ciclistas y vehículos de dos ruedas pueden entrar en zonas que el conductor no puede ver durante las maniobras a baja velocidad.
La plataforma de videotelemática de Intangles procesa las alertas dentro del vehículo en lugar de depender completamente de una conexión con la nube. Detecta distracciones, somnolencia, desviaciones de carril y distancias de seguimiento inseguras, y genera una advertencia dentro de la cabina.
Los eventos se registran con la ubicación, la hora, la identidad del conductor y las imágenes de vídeo. Intangles informa de una mejora de entre el 20% y el 30% en el comportamiento de los conductores entre las flotas que utilizan conjuntamente el perfilado de conductores y la videotelemática.
Las pérdidas de combustible más difíciles de controlar suelen estar relacionadas con la propia operación y no con los cambios en el precio del combustible.
Entre ellas se encuentran el sifonamiento, la adulteración, el repostaje no autorizado y las diferencias entre las cantidades registradas y las realmente entregadas. Debido a que se producen de forma gradual, pueden pasar desapercibidas durante semanas.
La medición del combustible se ve dificultada por la forma del depósito, la inclinación del vehículo, el movimiento y el ángulo de estacionamiento. Los sistemas convencionales basados en umbrales pueden generar falsas alertas o no detectar eventos reales.
Intangles utiliza modelos de aprendizaje automático para diferenciar el ruido ambiental de los movimientos reales de combustible. El sistema puede identificar la hora, la ubicación y el volumen estimado de un evento de llenado o vaciado.
La empresa afirma que utiliza los sensores existentes del fabricante, sin necesidad de instalar hardware adicional en el depósito ni modificar el sistema de combustible.
El seguimiento del coste de combustible por kilómetro a nivel de cada vehículo también puede revelar ineficiencias mecánicas. Un vehículo que consume más combustible que otros comparables en condiciones similares puede estar desarrollando un problema técnico antes de que aparezca un código de avería.
El rendimiento del combustible también está relacionado con el comportamiento del conductor. La aceleración brusca, el ralentí excesivo, la circulación en punto muerto y el exceso de velocidad aumentan el consumo. La combinación del análisis del combustible y del perfilado de conductores en una misma plataforma permite que los operadores aborden tanto las ineficiencias mecánicas como las relacionadas con la conducción.
