Tempo de leitura: 3 minutos
A gestão de frotas consiste na administração estratégica de todos os recursos relacionados aos veículos de uma instituição. Esse processo vive um momento de pressão simultânea por eficiência, segurança e sustentabilidade, ao mesmo tempo que gestores convivem com “muito dado e pouca decisão”: informações espalhadas em sistemas diferentes, relatórios que não conversam entre si e rotinas manuais para conciliar telemetria, manutenção, combustível, multas e documentos de oficina.
O resultado é um cenário de silos de dados que impede uma visão unificada da operação e reduz a capacidade de agir antes que problemas se tornem custos. Nesse contexto, a evolução tecnológica que mais vem mudando o jogo é a combinação entre carros conectados (dados disponibilizados via montadoras) e agentes de Inteligência Artificial (IA).
O impacto financeiro dessa falta de integração é concreto. Uma reportagem no Diário do Comércio, publicada em 2025 , indica que a má gestão de itens críticos pode elevar os gastos da frota em até 20%. Ao mesmo tempo, há evidências de que a IA aplicada à logística pode destravar ganhos expressivos: um levantamento da IDC Latin America, referenciado pela GM Fleet, aponta que o uso de inteligência artificial em operações logísticas pode levar a redução de até 25% nos custos operacionais.
Diante disso, não surpreende que o setor esteja migrando de abordagens baseadas apenas em dashboards e indicadores para modelos em que a tecnologia atua como um “copiloto”, conecta dados, interpreta contexto e recomenda ações com rastreabilidade.
O que são agentes de IA e como eles atuam na gestão de frotas
Os agentes de IA são sistemas projetados para observar um conjunto de dados, interpretar o cenário e executar tarefas ou recomendações de forma contínua e automatizada, como se fossem “analistas digitais” especializados. No contexto de frotas, esses agentes não se limitam a medir eventos, eles operam como auditores e técnicos, verificando padrões e sugerindo intervenções.
O avanço recente vem do uso de Large Language Models (LLMs), que ampliam o alcance da análise. Enquanto soluções tradicionais de telemetria tendem a operar sobre dados estruturados de sensores, agentes apoiados por LLMs conseguem também interpretar dados não estruturados, como documentos, notas e descrições textuais e conectá-los à telemetria para sugerir ações.
O que muda em relação a gestão de frota tradicional
Agora é possível gerenciar a frota sem olhar para vários dashboards e sistemas diferentes, apenas com os resumos e acionáveis de toda a operação gerado pelos agentes, que já condensaram as informações em ações necessárias.
A diferença estrutural está no escopo e na qualidade da decisão. Em sistemas focados em dashboards, o gestor tende a receber alertas e indicadores, mas ainda precisa “fechar o diagnóstico” com informações que estão em documentos e sistemas paralelos. Os agentes de IA buscam superar esse limite, ao não apenas gerar dados para o gestor, mas também interpretando esses dados e sugerindo que ação tomar.
A mobway, startup da comunidade FIEMG Lab, é formada por engenheiros do setor automotivo especializada em dados e inteligência veicular. A startup é parceira da Stellantis, Renault e outras montadoras em projetos de dados de carros conectados, sendo 2 vezes finalista do Prêmio Automotive Business e esteve no Top 5 Autotech no ranking 100 Open Startups em 2024. A empresa também é considerada uma das 100 empresas mais influentes de mobilidade do Brasil pelo Estadão.
Além de ser pioneira em permitir acesso a dados dos carros conectados das montadoras, sem instalar hardware, implementou também um agente de AI que atua conectado as fontes de dados do cliente. Confira as vantagens desta tecnologia:
1) Integração: Extração de todo o potencial de redução de custos ao cruzar múltiplas fontes
Ele funciona como um analista dedicado a sugerir o que fazer para melhorar os indicadores prioritários do cliente, como consumo de combustível, com base na leitura e cruzamento dos dados de telemetria com as bases de manutenção da oficina, multas, abastecimentos, entre outros, podendo também responder a perguntas do gestor.
Quando os dados de telemetria são originários dos sistemas de conectividade das próprias montadoras, o agente de IA é potencializado ao não necessitar instalação de hardware no veículo, alimentando suas análises com dados homologados.
2) Auditoria inteligente: reduzir custos indevidos e mitigar fraudes
Ao cruzar telemetria com documentos e históricos operacionais, o sistema consegue atuar como auditor: verificar padrões e inconsistências, identificar recorrências e levantar hipóteses sobre falhas e serviços, como por exemplo identificar uma falha crítica antes da parada, validar se uma manutenção causou uma falha posterior ou se um problema não foi devidamente solucionado pela oficina, abrindo caminho para contestação de serviço e prevenção de custos indevidos.
3) Manutenção preditiva: agir antes que a falha ocorra
Em vez de seguir apenas tempo/quilometragem fixa ou operar de forma reativa, o agente define o momento ideal de manutenção considerando variáveis reais do veículo, como alertas de falha, vida útil do óleo e características de desempenho. Além de reduzir manutenção corretiva, essa abordagem pode contribuir para eficiência energética e redução de sinistros.
Empresas vinculadas à FIEMG podem testar o agente de IA da mobway
A proposta do teste é simples: A empresa escolhe um indicador prioritário da sua frota e o agente buscará formas de melhorá-lo por meio da análise e cruzamento das fontes de dados do cliente por meio de insights acionáveis. Entre em contato pelo link para agendar uma demonstração e saber mais: https://mobway.cloud/demo
Autor
Artur Andrade, CEO da mobway, é Engenheiro Mecânico formado na UFSC, com especialização em Engenharia Automotiva pela RWTH Aachen, Alemanha, e em Ciência de Dados pela USP, já tendo atuado no desenvolvimento de carros elétricos e autônomos de competição nos grupos Ecurie Aix e Ampera, onde foi presidente. Contato: artur.andrade@mobway.cloud
