Anni di dati e milioni di casi: come LAUNCH sviluppa l’AI per la diagnostica tra Europa, USA e Cina

Quando si parla di intelligenza artificiale applicata alla diagnostica automotive, il rischio è quello di fermarsi agli slogan o alle promesse di una tecnologia che sembra destinata a rivoluzionare il lavoro in officina. Per questo abbiamo voluto approfondire il claim “AI Empowers, Forward Together“ presentato da LAUNCH in Cina, cercando di capire non solo quali funzionalità arriveranno concretamente nelle officine europee, ma soprattutto cosa c’è dietro: da quanto tempo vengono raccolti i dati che alimentano questi sistemi, quale dimensione ha oggi il patrimonio informativo disponibile, come vengono gestite le differenze tra i mercati e quale ruolo giocano Europa e Stati Uniti nello sviluppo di una tecnologia che molti tendono a considerare esclusivamente cinese.

Dall’intervista emerge un quadro più articolato del previsto: un ecosistema costruito su oltre dieci anni di raccolta dati, decine di milioni di registrazioni diagnostiche provenienti da più continenti e uno sviluppo che coinvolge non solo Cina e Stati Uniti, ma anche l’Europa, con l’Italia impegnata attivamente nel progetto. Il risultato è una visione dell’AI che non punta a sostituire il tecnico, ma ad aiutarlo a orientarsi più rapidamente tra codici guasto, procedure, schemi elettrici, casi risolti e informazioni tecniche, riducendo tempi e complessità nei processi diagnostici.

Per capire meglio come LAUNCH stia sviluppando questa nuova generazione di strumenti, abbiamo posto all’azienda una serie di domande dirette. Ecco le risposte di LAUNCH Italy.

Durante il recente evento LAUNCH in Cina è stata presentata una nuova visione della diagnostica supportata dall’AI. Quali sono oggi, concretamente, le funzioni già operative e disponibili nei vostri strumenti diagnostici, e quali invece rappresentano ancora una direzione futura di sviluppo?

LAUNCH sta lavorando a una nuova generazione di diagnostica in cui l’intelligenza artificiale non viene vista come una semplice funzione aggiuntiva, ma come un vero ecosistema di supporto al lavoro dell’officina. La versione europea delle funzionalità AI sarà presentata al pubblico probabilmente verso la fine di quest’anno. Stiamo integrando diverse piattaforme che oggi sono spesso consultate separatamente: diagnosi dei DTC (Diagnostic Trouble Code), casistiche di guasti noti e non noti, informazioni tecniche, procedure guidate, schemi elettrici e test di verifica sui componenti.

L’obiettivo è molto concreto: aiutare il tecnico a passare più velocemente dal codice guasto alla possibile causa, e dalla possibile causa alla verifica pratica sul veicolo. Il sistema potrà suggerire percorsi diagnostici, evidenziare componenti potenzialmente coinvolti e collegare automaticamente le informazioni tecniche più utili alla specifica anomalia rilevata. Quello presentato in Cina rappresenta quindi la visione strategica di LAUNCH; per l’Europa stiamo lavorando a una declinazione concreta e localizzata, pensata per le esigenze delle officine europee e per il parco veicoli del nostro mercato.

Quando parlate di “AI applicata alla diagnostica”, vi riferite principalmente a sistemi di riconoscimento pattern e suggerimento basati su casi storici, oppure utilizzate anche modelli di intelligenza artificiale generativa e machine learning evoluto? Qual è oggi il reale livello di autonomia del sistema?

Quando parliamo di AI applicata alla diagnostica non ci riferiamo a una singola tecnologia, ma a un insieme di strumenti che lavorano insieme per supportare il tecnico. Una parte importante riguarda l’analisi dei pattern diagnostici: quindi il confronto tra DTC (Diagnostic Trouble Code), sintomi, parametri rilevati e casi simili già presenti nelle banche dati. Questo permette al sistema di suggerire possibili cause, controlli prioritari e percorsi diagnostici più coerenti con il problema riscontrato.

Gran parte del lavoro che stiamo sviluppando è dedicata alla creazione di un sistema di machine learning capace di elaborare gli input provenienti dalla diagnosi e dalle esperienze riparative raccolte sul campo. L’obiettivo è fare in modo che il sistema possa apprendere progressivamente dalle casistiche reali, correlando codici guasto, sintomi, procedure tecniche, schemi elettrici, test componenti e soluzioni adottate. In questo senso, l’AI non deve essere vista solo come una banca dati evoluta, ma come un’interfaccia intelligente tra lo strumento diagnostico e tutto l’ecosistema di informazioni tecniche necessarie all’officina.

Il livello di autonomia deve però essere interpretato correttamente. Non parliamo di un sistema che prende decisioni in modo indipendente o che sostituisce il professionista. Parliamo piuttosto di un sistema di supporto decisionale: l’AI può analizzare, ordinare, correlare e suggerire, mentre la diagnosi finale, la verifica fisica sul veicolo e la scelta dell’intervento restano responsabilità del tecnico (sul tema della responsabilità legale legata all’AI approfondiamo l’argomento nell’intervista al Prof. Al Mureden e nell’articolo dedicato all’AI Act realizzato con DEKRA, ndr).

Da quanto tempo LAUNCH raccoglie e centralizza dati diagnostici provenienti dagli strumenti utilizzati nelle officine? Il database nasce già con la piattaforma X-431 oppure è stato costruito progressivamente con l’evoluzione cloud degli ultimi anni?

Il database diagnostico LAUNCH è il risultato di un’evoluzione progressiva iniziata con la diffusione della piattaforma X-431 e cresciuta nel tempo grazie allo sviluppo degli strumenti connessi, dei servizi cloud e delle funzioni online. Secondo quanto dichiarato dall’azienda, la raccolta strutturata dei dati utilizzati per alimentare l’ecosistema AI è in corso dal 2015.

Un aspetto importante è che, dal punto di vista tecnico, non parliamo soltanto degli strumenti più recenti. Potenzialmente tutte le strumentazioni diagnostiche LAUNCH, anche quelle di generazioni precedenti, nel momento in cui sono collegate alla rete possono trasmettere dati relativi all’interazione tra strumento e veicolo. Questo significa che ogni sessione diagnostica può contribuire, secondo le modalità previste dalle piattaforme e dalle normative applicabili, ad alimentare un patrimonio informativo estremamente ampio.

Parliamo di una base installata molto estesa, con centinaia di migliaia di strumenti LAUNCH utilizzati nel mondo. Questo rende possibile raccogliere informazioni da contesti di utilizzo molto diversi: mercati differenti, diverse tipologie di veicoli, guasti ricorrenti, anomalie meno frequenti e casi riparativi reali affrontati quotidianamente dalle officine. Il database, quindi, non nasce come un progetto isolato legato esclusivamente all’intelligenza artificiale, ma come una conseguenza naturale dell’evoluzione della diagnostica connessa. Prima la piattaforma X-431 ha creato una base diagnostica globale; poi l’evoluzione cloud ha permesso di organizzare, centralizzare e valorizzare progressivamente questi dati.

Potete condividere qualche ordine di grandezza sul patrimonio dati oggi disponibile? Ad esempio: numero di casi diagnostici registrati, numero di veicoli analizzati, volume medio di dati raccolti quotidianamente.

Al momento preferiamo non comunicare numeri puntuali su casi diagnostici, veicoli analizzati o volumi giornalieri di dati, perché si tratta di informazioni che devono essere validate e contestualizzate a livello globale. Possiamo però condividere un ordine di grandezza sul potenziale della piattaforma: LAUNCH dispone di decine di milioni di record diagnostici provenienti da tutto il mondo. Ogni strumento connesso alla rete può generare dati relativi all’interazione tra diagnostico e veicolo, includendo ad esempio sessioni di diagnosi, codici guasto rilevati, sistemi interrogati, funzioni utilizzate e informazioni legate al processo di analisi.

Durante una sessione diagnostica con strumento connesso, l’interazione tra strumento e veicolo può generare informazioni anche con frequenza molto elevata, potenzialmente nell’ordine del secondo. Naturalmente questi dati devono poi essere raccolti, filtrati, normalizzati e trattati nel rispetto delle normative applicabili. Il vero valore, quindi, non è soltanto nella quantità di dati, ma nella capacità di trasformarli in conoscenza utile per l’officina: correlare DTC, sintomi, parametri, sistemi coinvolti, procedure tecniche e casi risolti, così da rendere l’AI sempre più efficace nel suggerire percorsi diagnostici concreti.

Qual è oggi la distribuzione geografica del vostro database diagnostico? In particolare, che peso hanno i dati provenienti dal mercato cinese (e quindi più specifici per i veicoli di quel mercato) rispetto a quelli raccolti in Europa?

Il database diagnostico LAUNCH ha una natura globale, perché nasce dall’utilizzo degli strumenti in mercati molto diversi tra loro. La base installata LAUNCH è presente in numerose aree del mondo e questo consente di raccogliere esperienze diagnostiche provenienti da contesti differenti, sia per tipologia di veicoli sia per abitudini operative delle officine. Storicamente anche l’Europa e l’America sono mercati importantissimi che lavorano da 20 anni con LAUNCH.

Il mercato cinese rappresenta certamente una componente molto importante, sia per dimensione sia per rapidità di evoluzione del parco veicoli, soprattutto nell’ambito dei veicoli elettrici e delle nuove piattaforme elettroniche. Allo stesso tempo, il mercato europeo ha caratteristiche specifiche che devono essere considerate con grande attenzione: marchi, motorizzazioni, allestimenti, normative, architetture elettroniche e procedure di riparazione non sono sempre sovrapponibili a quelle del mercato cinese.

Per questo motivo, nello sviluppo delle funzionalità AI per l’Europa, il tema non è semplicemente trasferire un modello nato per un altro mercato, ma adattare e valorizzare le informazioni in modo coerente con il parco circolante europeo. L’obiettivo è integrare l’esperienza globale LAUNCH con dati, procedure e casistiche rilevanti per le officine europee. Non comunichiamo oggi percentuali precise sulla distribuzione geografica dei dati, perché sono informazioni che devono essere validate a livello centrale. Il valore della piattaforma deriva proprio dalla combinazione tra una base dati globale molto ampia e un lavoro di localizzazione progressiva per i diversi mercati regionali.

Considerando le differenze tra il parco circolante cinese ed europeo, i vostri sistemi AI utilizzano modelli globali oppure vengono adattati e addestrati in modo specifico per i diversi mercati regionali?

L’AI è un progetto che nasce in Cina come concetto ma le prime esperienze concrete e alcuni responsabili del progetto sono nel dipartimento americano e alcuni in Europa. L’Italia è parte attiva dello sviluppo. In America sono partiti circa a metà del 2025.

L’approccio LAUNCH è quello di combinare una base globale con un adattamento progressivo ai singoli mercati regionali. La forza di una piattaforma internazionale come LAUNCH è poter contare su un patrimonio dati molto ampio, proveniente da strumenti utilizzati in tutto il mondo. Questo consente di individuare correlazioni, ricorrenze e logiche diagnostiche comuni tra diversi mercati, marchi e tipologie di veicolo.

Allo stesso tempo, siamo consapevoli che il parco circolante cinese ed europeo presenta differenze importanti. Cambiano i marchi più diffusi, le motorizzazioni, le piattaforme elettroniche, le normative, le procedure tecniche e anche il modo in cui le officine affrontano determinati interventi. Per questo motivo, l’AI non può essere pensata come un modello unico applicato indistintamente a tutti i mercati. Per l’Europa, il lavoro sarà proprio quello di adattare il sistema alle esigenze del nostro mercato, integrando informazioni tecniche, procedure, schemi elettrici e casistiche coerenti con i veicoli europei. Il modello globale fornisce la base e la potenza dell’ecosistema, mentre l’adattamento regionale permette di aumentare precisione, rilevanza e affidabilità del suggerimento diagnostico.

Dove sono ospitati i vostri sistemi cloud e le infrastrutture che gestiscono i dati diagnostici? Per il mercato europeo utilizzate server e data center localizzati in Europa? Come affrontate i temi legati a cybersecurity, compliance e protezione dei dati?

LAUNCH dispone di un’infrastruttura cloud distribuita a livello globale, con server e piattaforme presenti in diverse aree del mondo. I poli principali risiedono in Europa, Asia e America, proprio per supportare in modo efficiente una base installata internazionale e servizi diagnostici utilizzati quotidianamente in mercati molto diversi. Per il mercato europeo, il tema non è soltanto tecnologico, ma anche normativo. Lo sviluppo delle nuove funzionalità AI deve tenere conto delle esigenze specifiche dell’Europa in materia di cybersecurity, protezione dei dati, gestione degli accessi e conformità al GDPR.

È importante distinguere tra dato tecnico diagnostico e dato personale. L’obiettivo delle piattaforme AI LAUNCH non è raccogliere informazioni personali dell’utilizzatore finale, ma valorizzare dati tecnici legati all’interazione tra strumento e veicolo: DTC rilevati, sistemi interrogati, parametri diagnostici, funzioni utilizzate, procedure eseguite e casi riparativi. Naturalmente anche questi dati devono essere gestiti con criteri di sicurezza, controllo e tracciabilità. Per questo LAUNCH lavora su architetture che prevedono protezione delle comunicazioni, sicurezza degli account, gestione autorizzata degli accessi e trattamento dei dati coerente con le normative applicabili nei diversi mercati.

In termini pratici, quanto tempo può realmente risparmiare oggi un’officina grazie alle funzioni AI integrate nei sistemi LAUNCH? Avete KPI o casi concreti che dimostrano una riduzione dei tempi di diagnosi o un miglioramento del “first-time fix”?

Il risparmio di tempo per l’officina non deriva da una singola funzione, ma dalla capacità dell’AI di ridurre i passaggi intermedi tra la diagnosi del problema e l’individuazione del percorso di verifica più corretto. Oggi, in molti casi, il tecnico deve leggere i DTC, interpretarli, cercare informazioni tecniche, consultare schemi elettrici, individuare i componenti coinvolti, verificare procedure e poi decidere quali test eseguire. L’obiettivo delle funzioni AI LAUNCH è accorciare questo processo, collegando in modo più rapido e intelligente tutte queste informazioni.

I test pilota sono in corso; se dovessimo stimare, il risparmio di tempo può variare dal 40 all’80% nei casi più favorevoli dove la soluzione è nota.

Il vantaggio maggiore si può avere soprattutto nei guasti complessi, nei casi intermittenti o nelle situazioni in cui più sistemi del veicolo generano codici errore collegati tra loro. In questi scenari, l’AI può aiutare a dare priorità ai controlli, evitare verifiche inutili e concentrarsi prima sui componenti o sulle cause più probabili. Per quanto riguarda KPI ufficiali, come percentuali di riduzione dei tempi di diagnosi o incremento del first-time fix, preferiamo comunicare solo dati validati a livello centrale. La direzione però è chiara: misurare il valore dell’AI non solo in termini di tecnologia, ma soprattutto in termini di efficienza reale per l’officina. Il nostro obiettivo è ridurre il tempo speso nella ricerca delle informazioni, migliorare la qualità del percorso diagnostico e aumentare la probabilità di arrivare alla soluzione corretta già al primo intervento.

In che modo l’AI supporta le sessioni di assistenza remota tramite SmartLink? Il sistema è in grado di fare un ‘triage’ preventivo del problema prima ancora che il tecnico esperto da remoto prenda il controllo dello strumento in officina?

SmartLink è già oggi una delle piattaforme più importanti dell’ecosistema LAUNCH, perché permette di collegare l’officina a un tecnico esperto da remoto e di gestire diagnosi complesse anche quando sono richieste tecnologie, abilitazioni o procedure specifiche non sempre disponibili direttamente in officina. All’interno della nostra piattaforma sono già presenti funzioni che aiutano i tecnici a velocizzare le procedure di lavoro e a ridurre i tempi di attesa da parte del cliente. Il sistema è in grado di raccogliere e organizzare le informazioni principali della sessione diagnostica, così da fornire al tecnico remoto un quadro più completo prima e durante l’intervento.

Questo consente una prima forma di triage tecnico: identificazione del veicolo, DTC rilevati, sistemi coinvolti, funzioni eseguite, sintomi dichiarati dall’officina e informazioni utili alla valutazione del caso. In questo modo il tecnico può iniziare la sessione con dati già strutturati, riducendo il tempo necessario per ricostruire il problema e concentrandosi più rapidamente sulla verifica del guasto. Un ulteriore aspetto importante è la possibilità di raccogliere informazioni utili alla comparazione tra diagnosi originali/OEM e diagnosi LAUNCH. Questo permette di migliorare continuamente la qualità della copertura diagnostica, verificare eventuali differenze operative e rendere il processo di assistenza sempre più preciso ed efficace.

L’AI, quindi, non sostituisce il tecnico remoto, ma ne aumenta l’efficienza: prepara meglio il caso, organizza le informazioni, riduce i tempi morti e contribuisce a offrire all’officina un supporto più rapido, strutturato e professionale.

L’intelligenza artificiale di LAUNCH è pensata per dialogare con altri software gestionali (DMS) o cataloghi ricambi? Esiste una funzione che, una volta individuato il guasto tramite AI, suggerisce direttamente i componenti necessari o apre preventivi precisi?

L’intelligenza artificiale LAUNCH è pensata per lavorare all’interno di un ecosistema aperto e integrabile, non come una funzione isolata all’interno dello strumento diagnostico. La piattaforma è già predisposta per dialogare tramite API con sistemi esterni, inclusi portali dei car maker, portali ricambi e altre piattaforme tecniche compatibili. Questo è un aspetto molto importante, perché permette di collegare la diagnosi non solo ai dati rilevati dal veicolo, ma anche a informazioni esterne fondamentali per completare il processo riparativo.

L’obiettivo è costruire un flusso sempre più integrato: partendo dai DTC, dai sintomi e dai dati raccolti durante la diagnosi, il sistema può collegare queste informazioni a procedure tecniche, schemi elettrici, test componenti, documentazione del costruttore e, dove disponibile, anche a informazioni relative ai ricambi. Per quanto riguarda preventivi e componenti necessari, è importante distinguere tra supporto tecnico e processo commerciale. L’AI può aiutare a individuare i componenti potenzialmente coinvolti e a guidare il tecnico verso le verifiche necessarie. L’apertura di preventivi precisi o l’integrazione con listini, disponibilità e codici ricambio dipende invece dai sistemi collegati, dai dati disponibili e dalle integrazioni attive con i diversi partner.

La direzione è comunque chiara: rendere la diagnosi sempre meno separata dal resto del lavoro dell’officina. Non solo individuare il guasto, ma collegare in modo intelligente diagnosi, informazioni tecniche, portali costruttore, ricambi, assistenza remota e processi gestionali.

Come si comporta l’AI di fronte alla diagnostica e alla calibrazione degli ADAS? Esistono modelli predittivi specifici che aiutano il tecnico a capire se un sensore è solo starato o se il problema risiede nel software di gestione centrale?

Gli ADAS rappresentano uno degli ambiti in cui l’integrazione tra diagnosi, dati tecnici e procedure guidate può offrire un valore molto importante. Quando si parla di radar, telecamere, sensori e centraline di assistenza alla guida, il problema non è quasi mai legato a un solo dato isolato. Il tecnico deve valutare codici guasto, stato del sistema, condizioni di calibrazione, parametri in tempo reale, eventuali urti o interventi di carrozzeria, corretta posizione dei sensori, aggiornamenti software e procedure previste dal costruttore.

L’obiettivo dell’AI LAUNCH è supportare proprio questa analisi, aiutando il tecnico a collegare tra loro le informazioni disponibili: errori presenti, condizioni del veicolo, procedure ADAS, dati di calibrazione, schemi elettrici e test sui componenti coinvolti. Un aspetto particolarmente importante sarà la capacità dell’AI di dialogare in maniera integrata con la strumentazione diagnostica. Questo significa poter prelevare istantaneamente informazioni direttamente dalla centralina ADAS della vettura, ad esempio i live data stream, e utilizzarle per contestualizzare meglio il problema. In questo modo il sistema potrà analizzare non solo il codice guasto, ma anche i valori reali letti dal veicolo durante la diagnosi.

In prospettiva, questo può aiutare a distinguere meglio tra scenari diversi: un sensore fuori calibrazione, un problema di alimentazione o comunicazione, un’anomalia del cablaggio, una centralina che richiede aggiornamento o una condizione software da verificare. Tuttavia, la valutazione finale deve sempre essere confermata attraverso i controlli previsti dalla procedura tecnica e dalle specifiche del costruttore.

Sugli ADAS la precisione non è solo un tema di efficienza, ma anche di sicurezza. Per questo LAUNCH considera l’AI uno strumento di supporto alla corretta procedura, non una scorciatoia rispetto ai controlli tecnici richiesti.

Le funzioni AI saranno incluse nei pacchetti di aggiornamento standard o prevedete modelli di abbonamento ‘Premium’ per l’accesso alle funzioni predittive più avanzate?

Per quanto riguarda il modello commerciale delle funzioni AI, è ancora prematuro comunicare una struttura definitiva per il mercato europeo. La versione europea sarà presentata al pubblico probabilmente verso la fine dell’anno e in quella fase verranno definiti anche i dettagli relativi a disponibilità, pacchetti e modalità di accesso. È ragionevole pensare che alcune funzionalità possano integrarsi progressivamente nell’ecosistema di aggiornamento e nei servizi già esistenti, mentre funzioni più evolute, predittive o collegate a banche dati e piattaforme esterne potrebbero richiedere modelli di accesso dedicati. Tuttavia, su questo punto è corretto attendere una comunicazione ufficiale.

L’obiettivo di LAUNCH è rendere queste tecnologie realmente utilizzabili dall’officina, non creare complessità commerciale. La priorità sarà offrire strumenti concreti, sostenibili e proporzionati al valore operativo che l’AI potrà portare nel lavoro quotidiano: riduzione dei tempi di diagnosi, accesso più rapido alle informazioni, supporto nei casi complessi e maggiore integrazione tra diagnosi, dati tecnici, assistenza remota e processi riparativi.