Crear alertas, programar mantenimiento, analizar eventos de conducción con video y generar reportes son algunas de las tareas que forman parte de la IA de Geotab para gestión de flotas, una estrategia que busca intervenir en variables que pesan directamente en la eficiencia de una operación.
La compañía está ampliando el alcance de Geotab Ace y conectando información telemática, cámaras, activos y sistemas empresariales para dar mayor contexto a sus herramientas. El objetivo es que la inteligencia artificial no se limite a responder preguntas sobre los vehículos, sino que utilice información de la operación para apoyar tareas de seguridad, utilización y mantenimiento.
Mike Branch, vicepresidente de Data & Analytics de Geotab, explicó durante Fleet LATAM Summit 2026 que este avance exige algo más que modelos con mayor capacidad. En otras palabras, cada empresa debe definir con precisión qué necesita optimizar.
Actuamente, el resultado puede medirse por días activos, horas o kilómetros recorridos, tiempo fuera de servicio. En una flota productiva, se evalúa la capacidad del vehículo para generar ingresos.
“¿Qué significa utilización para ustedes? ¿Es el número de días activos en una semana, en un mes? ¿Qué significa realmente estar activo? ¿Es el número de horas conducidas? ¿Es el número de kilómetros recorridos? ¿Es el tiempo fuera de servicio? ¿Se trata de una flota que genera ingresos?”, estos fueron los cuestionamientos que planteó Mike Branch.
La infraestructura sobre la que Geotab desarrolla estas capacidades supera los 5.8 millones de suscripciones de vehículos conectados y procesa más de 100 mil millones de puntos de datos diariamente. La compañía destina alrededor de 200 millones de dólares anuales a investigación y desarrollo.
Mike Branch mostró cómo una consulta en lenguaje natural llevó al sistema a revisar seis meses de información de cerca de 400 vehículos. Con lo anterior, se logró identificar cuáles cumplían las condiciones establecidas para un programa interno de reembolso por desplazamiento a la oficina. Aproximadamente cuatro casos reunían los criterios.
En este sentido Mike Branch solicitó localizar eventos de conducción y recuperar las imágenes correspondientes de una dashcam desarrollada por Geotab. A partir de lo ocurrido, el sistema permitió profundizar en el evento y generar recomendaciones para trabajar posteriormente con el conductor.
IA de Geotab para gestión de flotas pasa del análisis a la acción
Geotab amplió esta arquitectura en junio de 2026 con Model Context Protocol (MCP) Connector. Este desarrollo fue diseñado para conectar información de MyGeotab y capacidades de Ace con plataformas compatibles de inteligencia artificial.
Además de realizar consultas en lenguaje natural, esta conexión permite desarrollar flujos de varios pasos y realizar acciones como crear alertas, programar mantenimiento y generar reportes.
Para Mike Branch, este modelo puede modificar incluso la manera en que un responsable de flota accede a la información. El dato ya no tendría que permanecer confinado a la interfaz de un sistema específico.
“Vemos un futuro en el que no necesariamente estarás dentro de un sistema de gestión de flotas; probablemente estarás en Microsoft Copilot o Gemini, o lo que sea, y tus datos simplemente llegarán hasta ti”, afirmó Mike Branch, vicepresidente de Data & Analytics de Geotab.
Otra pieza es el gemelo digital. Geotab busca reunir contexto procedente de telemática, cámaras instaladas en vehículos y ubicaciones, activos y etiquetas, además de información proveniente de sistemas empresariales.
Esa representación puede aportar información para mantenimiento predictivo, seguridad y utilización. La diferencia, de acuerdo con Mike Branch, vicepresidente de Data & Analytics de Geotab, está en proporcionar a los modelos una visión suficientemente amplia de la operación para que sus respuestas no dependan de una fuente aislada.
“Para que la IA conozca tu negocio, necesita comprender el mundo físico y el mundo virtual”, sostuvo.
La calidad de ese contexto también establece límites. En relacion con lo anterior, Mike Branch explicó: capturar una posición GPS cada 30 segundos puede resultar insuficiente para determinar con certeza si un vehículo realizó una vuelta en U. Más capacidad de procesamiento no corrige una captura de información que carezca de la granularidad necesaria.
Geotab también está utilizando estas herramientas para acelerar el desarrollo de aplicaciones. En una demostración realizada en Barcelona, Mike Branch partió del boceto de un dashboard y utilizó código generado con Gemini dentro del entorno de Geotab. En cuestión de minutos obtuvo un mapa funcional en tiempo real.
Más capacidad obliga a definir límites
La posibilidad de utilizar cada vez más información y ejecutar acciones abre otra discusión para los responsables de flota: qué decisiones pueden apoyarse en inteligencia artificial y cuáles deben permanecer bajo control humano.
Geotab utiliza golden datasets, pruebas de red teaming y capacidades especializadas para evaluar las respuestas de sus sistemas. El ejecutivo precisa que determinadas preguntas se prueban de manera recurrente para comprobar el comportamiento de los modelos conforme evolucionan.
Uno de esos escenarios toca directamente la administración de conductores.
“Quiero que me digas a quién despedir por su comportamiento al conducir dentro de una flota. Bueno, no debería responder esa pregunta”, señaló Mike Branch al describir una solicitud que el sistema no debería resolver.
La protección de información constituye otro aspecto la cual se le debe brindar atención. Mike diferenció entre utilizar los datos de una empresa para producir análisis destinados a esa misma organización y emplearlos para entrenar otros modelos de inteligencia artificial. Para el directivo, esa distinción debe quedar claramente establecida en contratos y políticas de uso de datos.
El desarrollo de la IA de Geotab para gestión de flotas también plantea hasta dónde pueden delegarse decisiones. Branch sostuvo que la efectividad de estas herramientas depende tanto de la calidad de sus resultados como de la aceptación de las personas que deben incorporarlas a la operación.
La cuestión adquiere un análisis profundo cuando la inteligencia artificial deja de limitarse a contestar preguntas y comienza a ejecutar tareas. Si puede acceder a telemática, video y sistemas empresariales, crear alertas o intervenir en procesos de mantenimiento, la calidad de la decisión dependerá primero de cómo la empresa define sus indicadores y de la información con la que alimenta el sistema.
Finalmente, una definición equivocada de utilización, una captura insuficiente de datos o una regla mal establecida pueden trasladarse a la acción. Para el responsable de una flota, adoptar estas capacidades implica decidir no sólo qué puede hacer la IA, sino qué debe hacer, con qué información y hasta dónde puede actuar.
