La piattaforma Mateo sviluppata da Miovision si propone come un assistente tecnico basato su GenAI progettato specificamente per l’analisi operativa delle reti urbane, con l’obiettivo di ridurre drasticamente i tempi di interpretazione dei dati e trasformare i flussi informativi in decisioni operative concrete. Il sistema nasce per rispondere a una criticità ormai diffusa: le amministrazioni e i dipartimenti di traffico dispongono di quantità sempre maggiori di dati, ma faticano a convertirli rapidamente in azioni efficaci per migliorare sicurezza, fluidità e gestione delle infrastrutture.
Mateo è stato progettato come estensione nativa dell’ecosistema Miovision One, una piattaforma che integra sensori stradali, analisi video e strumenti cloud per la gestione della mobilità. Il valore dell’agente GenAI risiede nella capacità di fungere da livello conversazionale unificato sopra questi dati eterogenei, permettendo agli ingegneri del traffico di interrogare il sistema in linguaggio naturale anziché costruire manualmente report complessi o incrociare dati provenienti da più applicazioni. In questo modo, l’analisi che tradizionalmente richiedeva settimane può essere eseguita in pochi minuti, con un impatto diretto sull’efficienza operativa dei team tecnici.
Mateo combina modelli linguistici di grandi dimensioni con un motore di reasoning e strumenti agentici capaci di eseguire analisi multi-step su dataset specifici della città. Questo approccio differenzia il sistema dalle soluzioni di AI generaliste, poiché l’agente è addestrato sui principi dell’ingegneria del traffico e può correlare dati provenienti da diverse fonti, come temporizzazioni semaforiche, stato dell’hardware, flussi di traffico e indicatori di sicurezza. Il risultato è la generazione automatica di grafici, mappe, report prestazionali e analisi delle cause di congestione, con tracciabilità delle fonti utilizzate per garantire trasparenza nelle decisioni tecniche.
Uno degli aspetti più rilevanti riguarda la trasformazione del paradigma operativo da reattivo a proattivo. Tradizionalmente, le autorità locali intervengono dopo segnalazioni dei cittadini o incidenti, analizzando i dati a posteriori. L’agente GenAI consente invece un monitoraggio continuo dell’intera rete, individuando inefficienze emergenti e suggerendo interventi prima che i problemi diventino critici. In questo scenario, l’intelligenza artificiale non sostituisce gli ingegneri, ma riduce il tempo dedicato alle attività ripetitive di raccolta e formattazione dei dati, permettendo di concentrarsi sulla progettazione e sull’ottimizzazione della mobilità urbana.
Mateo è in grado di rispondere a interrogazioni complesse, come l’analisi di congestioni ricorrenti, l’identificazione di near-miss, la valutazione dei tempi di risposta dei mezzi di emergenza o la verifica delle prestazioni del trasporto pubblico. Il sistema interpreta i dati provenienti da sensori stradali e li sintetizza in risposte comprensibili, consentendo ai dipartimenti di traffico di diagnosticare problemi e proporre soluzioni in tempi significativamente ridotti. In alcuni casi, il tempo necessario per analizzare segnalazioni o anomalie può essere ridotto fino al 95%, trasformando flussi di lavoro che richiedevano settimane in interazioni conversazionali quasi immediate.
Un altro elemento tecnico centrale è la capacità di correlare dataset precedentemente isolati. L’agente può, ad esempio, incrociare la salute dell’hardware dei semafori con i dati di traffico e con le metriche di sicurezza, individuando le cause profonde di un problema e non solo i sintomi. Questa correlazione multi-livello consente anche di generare report pronti per il management o per le amministrazioni pubbliche, traducendo indicatori tecnici complessi in informazioni strategiche utili per la pianificazione e la giustificazione degli investimenti.
Mateo non opera come sistema isolato, ma come interfaccia intelligente che unifica sensori, analytics e strumenti di gestione già presenti nella piattaforma Miovision. Questo consente di interrogare l’intero ecosistema con una singola richiesta, riducendo la frammentazione operativa tipica dei sistemi di gestione del traffico tradizionali. L’approccio facilita inoltre la collaborazione tra diversi stakeholder, dagli ingegneri ai decisori politici, grazie alla possibilità di generare sintesi comprensibili anche a utenti non tecnici.