L’azienda tedesca pioniera nella diagnostica veicolare continua a innovare: riparazioni più rapide e consigli tecnici su misura grazie alla nuova funzione “Help Call” alimentata dall’IA.

Hella Gutmann compie un ulteriore passo avanti verso il futuro dell’autoriparazione. Con l’aggiornamento 78 dei suoi strumenti di diagnostica mega macs X e mega macs S 20, l’azienda introduce ufficialmente una nuova funzione “Help Call” basata su Intelligenza Artificiale (IA), integrata all’interno della già collaudata “Call for Help”.

“La nostra tecnologia basata sull’IA racchiude tutta la conoscenza di Hella Gutmann e fornisce alle officine, in tempo reale e direttamente sullo strumento, raccomandazioni precise sugli interventi e sui componenti. Ciò accelera in modo considerevole le riparazioni”, afferma Fabian Bierenstiel, Head of Category Management di Hella Gutmann.

La “Help Call” alimentata dall’IA si rivela semplice da usare e, come anticipato, può essere attivata direttamente da mega macs X e mega macs S 20 a seguito di una richiesta completa del codice errore. 
Gli utilizzatori compilano i campi del modulo pertinenti e inviano la loro richiesta: l’IA genera consigli per la riparazione fondati sulle probabilità e accessibili tramite un link o un QR code. 
Se la risposta dell’IA ha successo, il ticket viene chiuso automaticamente; se, invece, non porta alla risoluzione del problema, la richiesta può essere riaperta in qualsiasi momento per contattare personalmente la Hotline. 

In ogni caso, indipendentemente dal risultato, gli utilizzatori ricevono una e-mail sullo stato del processo di elaborazione. 
“L’IA sta progredendo di continuo e assicura agli utilizzatori aggiornamenti costanti,” sottolinea Bierenstiel. Le raccomandazioni sulle riparazioni supportate dall’IA fanno a loro volta parte della “Diagnosi Automatizza” di mega macs X. 

“La diagnosi automatizzata usa le capacità dell’IA in tempo reale per ottimizzare il processo di diagnosi attraverso il Machine Learning e l’analisi dei Big Data”, afferma Bierenstiel. 
La funzione analizza in background oltre due miliardi di dati storici relativi ai codici errore e l’intero processo di diagnosi viene in media completato in meno di cinque minuti, con percentuali di successo superiori all’80% in termini di precisione nell’identificazione degli errori.