6. Capa de inteligencia artificial - eBattery AI

Viajar en vehículo eléctrico exige tomar decisiones interrelacionadas. La distancia a recorrer, el nivel actual de la batería, el consumo del vehículo, las condiciones de la carretera, la ubicación de las estaciones de carga y el horario del conductor forman parte del mismo viaje. Cuando una de estas variables cambia, las demás decisiones también pueden verse afectadas. Una ruta que parece más corta puede convertirse en un viaje más largo si no hay una infraestructura de carga adecuada. Una estación más potente puede no ofrecer la ventaja de tiempo esperada si la potencia de carga que admite el vehículo es limitada.

eBattery AI ocupa el centro de la aplicación para evaluar estas decisiones en conjunto y ofrecer al usuario un plan de viaje comprensible. Permite al usuario expresar en lenguaje natural lo que quiere hacer; a partir del perfil del vehículo, el mapa, la ruta y los datos accesibles de las estaciones, convierte esa petición en opciones viables.

Para el usuario, la experiencia es sencilla: basta con decir «Quiero ir a İzmir», «Planifica un viaje de dos días para el fin de semana» o «Encuentra una estación de carga adecuada cerca de mí» para empezar. En segundo plano, cada solicitud debe asociarse con distintas fuentes de datos, cálculos y funciones de la aplicación. La tarea de eBattery AI es gestionar esta complejidad técnica manteniendo claro para el usuario el razonamiento detrás de la decisión.

En el centro de este enfoque se encuentra claridad, capacidad de cálculo y control por parte del usuario se incluyen. El asistente debe poder explicar por qué la ruta que propone es adecuada; debe elaborar los cálculos de autonomía y carga con un método coherente; y el usuario debe poder modificar el plan según sus propias necesidades.

El chat de IA, la planificación de rutas y de viajes del producto actual forman el núcleo de esta estructura. Datos como la información de estaciones en tiempo real, los precios y el tráfico funcionan junto con la cobertura de las fuentes de datos correspondientes. Las previsiones enriquecidas con las condiciones meteorológicas, la conexión directa con el vehículo y la personalización que aprende del comportamiento son capacidades que se amplían gradualmente sobre la misma arquitectura.

6.1 Enfoque de asistente central

6.1.1 Reunir las distintas funciones de la aplicación en un contexto común

eBattery AI es un asistente central que reduce la necesidad de que el usuario repita la misma información al moverse entre las distintas partes de la aplicación. Una búsqueda de estaciones iniciada en el mapa puede detallarse en el chat; una ruta creada durante el chat puede revisarse en la pantalla de rutas; un viaje planificado puede editarse, con sus días y paradas, en el módulo de viajes.

En esta experiencia, el vehículo, el viaje y las preferencias del usuario forman el contexto compartido. Por ejemplo, cuando un usuario que ha seleccionado su vehículo guardado dice «Muéstrame estaciones adecuadas cercanas», el sistema no necesita volver a preguntar el modelo del vehículo cada vez. La solicitud se evalúa junto con el vehículo seleccionado y la información de ubicación que el usuario ha decidido compartir.

El enfoque centralizado también hace que los distintos puntos de entrada de la aplicación lleguen a la misma lógica de decisión. La búsqueda de un punto de carga que el usuario inicia desde el mapa y la que realiza a través de AI Chat deben ofrecer resultados coherentes cuando se usan el mismo vehículo, las mismas preferencias y los mismos datos actualizados.

Así, los módulos de eBattery no se conectan solo mediante una transición de pantalla; también se conserva la tarea que el usuario quiere realizar.

6.1.2 Convertir la intención del usuario en una acción de la aplicación

Las personas con frecuencia no expresan sus necesidades con parámetros técnicos. Frases como «Saldré dentro de dos horas», «Vamos con los niños, así que quiero un plan más cómodo» o «No quiero desviarme demasiado para cargar» contienen varias preferencias a la vez.

eBattery AI convierte estas expresiones en información utilizable en la planificación. Cuando es necesario, completa datos que faltan, como el punto de partida, el destino, el nivel de batería o la prioridad de tiempo. Las preguntas se centran en los aspectos que realmente influyen en el resultado que se va a generar.

Por ejemplo, ante la petición «Quiero ir de İstanbul a İzmir», si el vehículo guardado y la ubicación de salida ya se conocen, solo se le puede pedir al usuario el nivel actual de batería y su preferencia de viaje. Cuando el usuario dice «Podemos usar autopistas de peaje, que el tiempo total sea corto», esta información se añade a la solicitud de ruta.

Este enfoque conecta el lenguaje natural con las funciones de la aplicación. El usuario puede describir lo que necesita sin tener que aprender la estructura técnica de los menús; el sistema traslada la solicitud al cálculo y al flujo de pantallas correspondientes.

6.1.3 Completar la recomendación con el control del usuario

Los planes que ofrece eBattery AI pueden revisarse y modificarse. El usuario puede cambiar la estación recomendada, añadir una parada intermedia, quitar un museo del itinerario del viaje o pedir una ruta de menor coste.

El asistente relaciona estos cambios con el resto del plan. Eliminar una parada no solo acorta la lista del viaje; también puede modificar la distancia diaria, la hora de llegada y la necesidad de carga. La edición del usuario se evalúa manteniendo estas relaciones.

El plan pertenece al usuario. La IA hace visibles las opciones, facilita los cálculos y explica las consecuencias de las decisiones. El objetivo del viaje, su ritmo y el coste aceptable los determina el usuario.

6.2 AI Chat: experiencia de apertura, avatar, streaming y memoria de contexto

6.2.1 Experiencia de apertura: mostrar de inmediato lo que se puede hacer

La pantalla de inicio de AI Chat muestra directamente al usuario las capacidades básicas del asistente. El usuario puede empezar la conversación con texto libre o usar una de las opciones de inicio predefinidas.

Opción inicial Objetivo del usuario Flujo iniciado
Planificar ruta Llegar a un punto en vehículo Creación de una ruta según el origen, el destino, el vehículo y las necesidades de carga
Planificar viaje Recorrer una región en un tiempo determinado Preparar un programa diario según los intereses y el tiempo disponible
Sugerir la estación más cercana Llegar a un punto de carga adecuado Generar recomendaciones a partir de la ubicación, la compatibilidad del vehículo y los datos de estaciones accesibles
Mis eficiencias Comprender los datos de uso Paso a la evaluación del consumo y del uso a partir de los registros existentes

Estas opciones reducen la incertidumbre en la primera interacción. Los usuarios no tienen que adivinar qué preguntas pueden hacer al asistente; la aplicación ofrece puntos de partida relacionados con las necesidades cotidianas de los EV.

A medida que avanza la conversación, las opciones iniciales dejan paso a acciones adecuadas al contexto. Tras generar una ruta destacan acciones como «Abrir ruta» y, tras sugerir una estación, «Ir a la estación».

6.2.2 Avatar: la identidad visual del asistente

La identidad visual de AI Chat es un avatar de robot animado. Antes de que comience el chat, el avatar se sitúa en el centro de la pantalla y, con movimientos sutiles y efectos de luz, ofrece un aspecto de estar listo para interactuar.

Cuando se envía el primer mensaje, el avatar se reduce y se coloca junto a los mensajes del asistente. Así, el foco de la pantalla pasa de forma natural de la experiencia inicial a la conversación. Se abre más espacio para lo que escribe el usuario, las respuestas del asistente y las tarjetas de resultados creadas.

El avatar también ayuda a distinguir visualmente los mensajes generados por la IA. Esta identidad crea una experiencia de asistente diferenciada y coherente respecto a la mensajería de la comunidad en la aplicación.

La función del movimiento y de los efectos visuales es guiar al usuario y hacer comprensible el estado del sistema. Se prioriza la legibilidad y la interacción; las animaciones no se interponen en la información esencial.

6.2.3 Streaming: entrega de la respuesta en flujo continuo

eBattery AI muestra las respuestas adecuadas en forma de flujo. En lugar de esperar a que termine una explicación larga, el usuario puede ver cómo se va formando la respuesta paso a paso.

En esta experiencia se mantienen separados dos procesos distintos: redactar la explicación y calcular el plan. Que el asistente empiece a generar texto no significa que el cálculo de la ruta esté completo. La tarjeta de ruta, de estación o de viaje se presenta cuando los datos y cálculos correspondientes están listos.

Por ejemplo, el sistema puede mostrar primero que ha entendido la solicitud y, después, compartir el progreso mientras prepara las opciones de ruta. Cuando el cálculo termina, se muestran una vista previa del mapa y las paradas de carga. Así se ofrece una respuesta rápida sin perder la integridad de los resultados.

Si durante el flujo el usuario cambia su solicitud, prevalece la nueva petición. Un resultado que llegue tarde y que pertenezca a la petición anterior no debe sustituir al plan actual. Esto es especialmente importante en conversaciones en las que se cambian paradas o preferencias de ruta una tras otra.

6.2.4 Context Memory: conservar el sentido de la conversación

La memoria de contexto permite entender la conversación en curso junto con sus pasos anteriores.

Cuando un usuario dice primero «Voy de Estambul a Esmirna» y luego escribe «Planifica también la vuelta», el asistente relaciona la segunda solicitud con el primer viaje. Una frase como «Hazlo más económico» también se aplica a la ruta o al plan de viaje de que se esté hablando.

El contexto se aborda en tres niveles:

  • Contexto del chat: Información proporcionada y cambios realizados durante la conversación.

  • Contexto del plan activo: La ruta, el viaje o la selección de estaciones que se está editando.

  • Preferencias guardadas del usuario: El vehículo seleccionado y los ajustes que el usuario ha establecido de forma permanente.

Esta distinción evita que una preferencia temporal se interprete como un hábito permanente. Que un usuario diga en un viaje «Hoy evitemos las carreteras de peaje» no significa que todos sus viajes futuros se vayan a planificar del mismo modo.

Del mismo modo, el nivel de batería introducido en una conversación anterior no puede utilizarse al día siguiente como dato actual del vehículo. Recordar el contexto también exige gestionar durante cuánto tiempo sigue siendo válida la información.

6.3 Arquitectura por capas: capa de decisión basada en reglas y capa LLM

6.3.1 Separar las funciones del cálculo y de la narración

La arquitectura de eBattery AI se basa en resolver tareas distintas con métodos distintos.

El cálculo de autonomía, la necesidad de energía, la compatibilidad entre vehículo y estación y la evaluación de las opciones de ruta se realizan en la capa de decisión, que funciona con campos de datos definidos y reglas de cálculo. Comprender la petición del usuario en lenguaje natural y explicar los resultados corresponde al modelo de lenguaje de gran tamaño, es decir, a la capa LLM.

Esta separación vincula la base numérica de una recomendación con la forma de explicarla. Cuando el asistente dice «Esta estación es más adecuada», la justificación debe proceder de los datos generados por la capa de cálculo. Los valores de distancia, tiempo y energía utilizados en la explicación se basan en la misma fuente que los de la tarjeta de resultados.

Componente de la arquitectura Responsabilidad fundamental El resultado que produce
Capa de datos e integración Organizar los datos procedentes de vehículos, mapas, estaciones y otras fuentes Datos de entrada con origen y actualidad definidos
Gestión de solicitudes y contexto Combinar la solicitud del usuario, el vehículo seleccionado y el plan activo Solicitud de planificación estructurada
Capa de decisión basada en reglas Realizar las comprobaciones de compatibilidad, los cálculos de energía y la evaluación de candidatos Opciones de ruta y de plan de carga
Capa LLM Interpretar el lenguaje natural y explicar los resultados calculados Explicación adaptada al usuario
Capa de verificación y acción Comprobar la coherencia de los resultados y la autorización de la operación Una tarjeta que se puede mostrar y una acción que se puede aplicar
Capa de experiencia Presentar el chat, las tarjetas y las transiciones de pantalla Experiencia de usuario dentro de la aplicación

6.3.2 Alcance de la capa de decisión basada en reglas

El enfoque basado en reglas significa que, para la misma instantánea de datos y la misma versión de las reglas, los cálculos pueden reproducirse de forma coherente.

Esta capa calcula la energía utilizable de la batería, estima la energía necesaria para los tramos de la ruta, descarta las estaciones incompatibles con el vehículo y compara los candidatos adecuados con criterios definidos. Aquí también se tienen en cuenta las preferencias de carretera seleccionadas por el usuario y la reserva de batería que debe mantenerse.

El cálculo basado en reglas no significa que el mundo exterior se conozca con certeza. El tráfico futuro, el consumo real o el estado de la estación en el momento de la llegada pueden cambiar. Por tanto, aunque el método de cálculo sea coherente, algunos datos de entrada y de salida son estimaciones.

eBattery AI conserva esta diferencia: los datos conocidos, la información introducida por el usuario y la estimación del modelo no se presentan con el mismo nivel de certeza.

6.3.3 Alcance de la capa LLM

El modelo de lenguaje se utiliza para entender la petición del usuario y convertir el resultado calculado en una explicación natural.

Expresiones como «Quiero caminar menos», «Quita los museos», «No quiero esperar mucho para cargar» o «¿Por qué elegiste esta estación?» entran dentro del ámbito de trabajo de esta capa.

El LLM ayuda a generar una solicitud estructurada que puede transferirse a la función adecuada de la aplicación. Sin embargo, no completa por su cuenta, con su conocimiento general, el precio de la estación, el estado del conector ni el nivel de batería del vehículo. Esa información se obtiene de los registros y las integraciones correspondientes.

Por ejemplo, cuando el motor de decisión elige una estación por implicar menos desvío de ruta y una potencia adecuada, el asistente puede simplificar esta justificación:

«Esta estación es compatible con su vehículo y está más cerca de la ruta principal. La alternativa que parece más potente no ofrece una ventaja de tiempo adicional debido al límite de carga de su vehículo.»

El valor de esta explicación es que el usuario puede ver la lógica que hay detrás de la decisión.

6.3.4 De los datos verificados a un resultado explicable

Cada resultado se vincula a los datos de entrada clave que utilizó. El vehículo seleccionado, la información de la batería, el momento del cálculo y la actualidad de los datos de la estación permiten entender en qué condiciones se elaboró el plan.

Esta estructura también facilita la evaluación de los comentarios de los usuarios. Que no se elija una estación recomendada no significa siempre que el cálculo fuera erróneo. Es posible que el usuario quiera otro punto de parada, prefiera un operador concreto o tenga una restricción de tiempo que no figura en su plan.

Examinar conjuntamente los datos de entrada de la decisión y el cambio realizado por el usuario ayuda a mejorar el sistema de forma más significativa con el tiempo.

6.4 Planificación de rutas — Perfil del vehículo, cálculo de autonomía, ruta y preferencias de carretera

6.4.1 Planificar el viaje junto con el perfil del vehículo

En eBattery, la planificación de rutas tiene en cuenta las características de energía y de carga del vehículo, además de los puntos de inicio y destino.

Dos vehículos eléctricos en la misma ruta pueden necesitar planes de carga diferentes. La capacidad útil de la batería, el consumo, los conectores compatibles y la potencia de carga aceptada generan esta diferencia.

Los principales datos del vehículo utilizados en la planificación son los siguientes:

Información del vehículo Función en la planificación
Marca, modelo y variante de vehículo adecuada Garantiza que se seleccione el perfil técnico correcto
Capacidad útil de la batería Constituye la base del cálculo de energía que puede utilizarse en el viaje
Valor de consumo Permite convertir la distancia en una estimación de la necesidad de energía
Compatibilidad con carga AC Ayuda a evaluar las opciones de carga en paradas largas y en el destino
Compatibilidad con carga DC Permite evaluar las opciones de carga rápida en ruta
Compatibilidad de conectores Permite identificar las estaciones disponibles
Nivel actual de la batería Define el estado energético inicial del viaje

La capacidad bruta de la batería y la capacidad utilizable se evalúan por separado. El valor que se toma como base para calcular la autonomía es la energía disponible para conducir.

En el flujo de uso actual, el usuario introduce manualmente el nivel de batería antes del viaje. Mientras que el perfil del vehículo guardado contiene la información técnica, el porcentaje de batería es el dato actual de ese viaje. Las futuras integraciones de conexión con el vehículo crean el margen de ampliación para que esta información se obtenga automáticamente de los vehículos compatibles.

6.4.2 Cálculo de autonomía y reserva de energía

La base del cálculo de la autonomía es la relación entre la energía disponible y el consumo esperado:

Energía actual = Capacidad útil de la batería × Nivel de batería / 100

Estimación básica de autonomía = Energía disponible / Consumo × 100

Aquí, la energía se expresa en kWh, el consumo en kWh/100 km y la autonomía en kilómetros.

Como ejemplo, pensemos en un vehículo con una capacidad de batería utilizable de 60 kWh, un nivel de carga actual del 40 % y un consumo de 18 kWh/100 km utilizado en el cálculo.

En este caso:

  • La energía calculada en la batería es de 24 kWh.

  • La autonomía teórica hasta llegar a cero es de unos 133 kilómetros.

  • Por ejemplo, si se mantiene una reserva de llegada del 15 %, la energía disponible para la planificación baja a 15 kWh.

  • Con la misma hipótesis de consumo, la distancia calculada manteniendo la reserva es de aproximadamente 83 kilómetros.

Este ejemplo explica por qué la autonomía teórica que se puede ver en pantalla difiere de la distancia que puede utilizarse para planificar. El 15 % que aparece aquí es una reserva de ejemplo utilizada para mostrar la lógica del cálculo.

En el cálculo de la ruta real, la distancia se evalúa junto con las características de la carretera y los datos de consumo disponibles. A medida que se amplía la cobertura de datos, pueden añadirse al modelo efectos como la pendiente, el tráfico y las condiciones meteorológicas. Cuando cambian las condiciones en las que se basa la estimación, el plan también se reevalúa.

6.4.3 Origen, destino y paradas intermedias

El usuario puede establecer el punto de partida a partir de su ubicación actual, de una búsqueda de dirección o desde el mapa. El destino y las paradas intermedias también forman parte del mismo plan de viaje.

Las paradas intermedias son especialmente importantes en la planificación para vehículos eléctricos. Al viajar de İstanbul a İzmir, una visita a Bursa no cambia solo la distancia total. La duración de la visita, si hay posibilidad de carga en esa zona y con qué nivel de batería se inicia el siguiente tramo también influyen en el plan.

El usuario puede cambiar el orden de las paradas o mantener un orden concreto. Un orden establecido manualmente puede representar el horario o la prioridad personal del usuario. El sistema recalcula las paradas de carga de acuerdo con esta preferencia.

Con cada cambio, el plan correspondiente se actualiza sin que el usuario tenga que volver a introducir toda la información.

6.4.4 Modo de ruta y preferencias de carretera

eBattery vincula las opciones de ruta con la prioridad de viaje del usuario.

Más rápida se centra en el tiempo total del viaje. Además del tiempo de conducción, en la evaluación entran los desvíos hechos para cargar, el tiempo de carga y, cuando hay datos, el tiempo de espera.

La más eficiente El enfoque aborda la necesidad de energía y los datos de coste disponibles junto con una duración razonable del viaje. Al ofrecer al usuario una opción de menor coste, también se muestra su efecto sobre la duración.

Ninguna de estas dos opciones tiene una ventaja fija para todos los viajes. En un viaje de trabajo puede importar más el tiempo; en una escapada de fin de semana, el plan de pausas o el presupuesto.

Las preferencias de ruta, como carreteras de peaje, autopistas y ferris, se añaden a la solicitud de ruta. La Google Maps Routes API también ofrece opciones de evitación para este tipo de preferencias; estas opciones orientan la búsqueda de itinerarios, y que se encuentre una alternativa adecuada depende de la red viaria. eBattery combina estas capacidades, proporcionadas por el servicio de mapas utilizado, con la planificación del vehículo y de la carga.

Las restricciones viales regionales o más detalladas se tratan junto con la cobertura del servicio de datos y de rutas correspondiente. La ruta presentada al usuario debe mostrar con claridad el efecto de las preferencias en el resultado.

6.5 Planificación de carga y puntuación de estaciones: recomendación de cantidad de carga y margen de seguridad

6.5.1 Primero la compatibilidad, después la comparación

El primer paso de la planificación de la carga es identificar las estaciones que se pueden utilizar. Que una estación tenga una puntuación alta o un precio bajo no significa que el vehículo pueda cargar en ella.

Por ello, la evaluación se lleva a cabo en dos fases:

  1. Identificación de los candidatos compatibles con el vehículo y el viaje.

  2. Comparación de los candidatos adecuados en cuanto a plazo, coste y condiciones de uso.

La compatibilidad del conector, la accesibilidad y la energía necesaria para llegar son el objeto de la primera etapa. Estas condiciones básicas no se tratan como factores de puntuación que puedan compensarse con otras ventajas.

Por ejemplo, no se recomienda una estación incompatible con el vehículo solo porque sea más barata. De forma similar, un punto que no parece alcanzable con la energía actual no gana prioridad únicamente por su alta potencia de carga.

6.5.2 Puntuación de estaciones: idoneidad que varía según el viaje

Una vez identificados los candidatos adecuados, las estaciones se someten a una evaluación multicriterio.

Criterio Tema evaluado
Desvío de la ruta La distancia y el tiempo adicionales necesarios para llegar a la estación y volver a la ruta principal
Compatibilidad de potencia con el vehículo Cómo se relaciona la potencia de la estación con el rango que el vehículo puede aprovechar
Precio La tarifa accesible y aplicable al usuario correspondiente
Estado actual Estado actual de un punto de carga adecuado en las integraciones compatibles
Información de espera Tiempo de espera probable cuando hay datos fiables o suficiente apoyo del modelo
Fiabilidad operativa Continuidad del servicio y experiencia de uso cuando hay datos disponibles
Valoraciones de los usuarios La actualidad de las experiencias, su contenido y que se basen en un número suficiente de observaciones
Encaje con la pausa La relación de la estación con las paradas y el plan de tiempo actuales del usuario
Actualidad de los datos Qué tan actualizada está la información utilizada en la decisión

La importancia de estos criterios varía según el modo de ruta seleccionado. En un viaje con prioridad de tiempo, los desvíos y la duración de la carga pueden ser más decisivos. En un viaje con prioridad de coste, la diferencia de tarifa se evalúa junto con el tiempo adicional que supondría.

La falta de datos también se tiene en cuenta en la evaluación. Una estación cuyo estado en tiempo real se desconoce no se considera «libre». Del mismo modo, la información de ocupación de los conectores por sí sola no siempre basta para calcular un tiempo de espera fiable.

La valoración de los usuarios tampoco sustituye por sí sola a la fiabilidad operativa. Unas pocas reseñas antiguas no deben tener el mismo peso que un conjunto de experiencias actual y más amplio.

6.5.3 La relación entre la potencia de la estación y la experiencia de carga real

La potencia que figura en una estación no significa que el vehículo vaya a cargar a esa potencia durante toda la sesión. El tiempo de carga depende de varios factores, como el nivel de batería, la capacidad y las características del vehículo y del equipo de carga. El recurso Alternative Fuels Data Center del Departamento de Energía de EE. UU. también explica que estas variables determinan conjuntamente el tiempo de carga.

Por ejemplo, para un vehículo cuyo límite de aceptación de carga DC es de 100 kW, una estación de 350 kW de capacidad puede no ser más rápida que una estación adecuada de 150 kW, solo por su potencia nominal. Si llegar a la primera estación exige un desvío más largo, la segunda opción puede resultar más adecuada para el viaje en su conjunto.

La evaluación de eBattery considera la potencia de la estación junto con las características del vehículo. En lugar de presentar automáticamente las cifras altas como la mejor opción, examina el beneficio que la estación aportaría al viaje del usuario.

6.5.4 Cantidad de carga: la energía adecuada para el siguiente tramo

El plan de carga abarca, además de la elección de la estación, la cantidad de energía recomendada.

El enfoque básico consiste en considerar conjuntamente la energía necesaria para el siguiente tramo de la ruta, la reserva de llegada prevista y las alternativas adecuadas. El usuario no necesita llegar al mismo nivel de batería en cada parada. Un trayecto corto, un tramo siguiente largo o la disponibilidad de carga en el destino pueden generar objetivos distintos.

La relación básica para la energía que debe añadirse a la batería es la siguiente:

Energía que se añadirá = Capacidad utilizable × (Porcentaje de batería objetivo − Porcentaje de batería actual) / 100

Por ejemplo, en un vehículo con 60 kWh de capacidad útil, subir el nivel de la batería del 20 % al 70 % equivale a un aumento de energía de aproximadamente 30 kWh en la batería.

Este valor no tiene por qué coincidir exactamente con la energía medida en el contador de la estación o facturada. Debido a las pérdidas de carga y a los consumos auxiliares, es importante en qué punto se mide la energía.

El tiempo de carga tampoco se calcula simplemente dividiendo por la potencia máxima de la estación. Cuando es posible acceder a ello, el modelo tiene en cuenta el comportamiento de carga del vehículo en distintos niveles de batería. Como ejemplo ilustrativo, si se añaden 30 kWh de energía a la batería con una potencia neta media de 60 kW, el tiempo de transferencia de energía es de unos 30 minutos. El valor determinante aquí es la potencia media durante la sesión.

En el cálculo del coste se tienen en cuenta, además del precio de la energía, los componentes de tarifa aplicables, como la sesión o el tiempo. El usuario debe poder entender qué alcance abarca la estimación mostrada.

6.5.5 Conservación del margen de seguridad y de las alternativas

La planificación no se basa en utilizar la batería, en teoría, hasta la última unidad de energía. Deja margen para una reserva de llegada, la variabilidad de las estimaciones de consumo y el acceso a alternativas en el camino.

La reserva necesaria se evalúa junto con la longitud de la ruta, la densidad de estaciones, la actualidad de los datos y la flexibilidad del plan. Una ruta urbana con opciones de carga frecuentes y un tramo de larga distancia con pocas alternativas no presentan las mismas condiciones.

Cuando eBattery AI explica la cantidad de carga recomendada, hace visible esta lógica. El usuario puede entender por qué se recomienda tomar más energía en una estación o por qué se considera suficiente una carga corta para llegar a la siguiente parada adecuada.

La información de disponibilidad actual también refleja la situación en el momento en que se creó el plan. Esta información no crea una reserva de que el mismo conector estará libre a la llegada. Por ello, evaluar estaciones alternativas es una parte importante del plan.

6.6 Recálculo dinámico

6.6.1 Reflejar en el plan las condiciones cambiantes durante el viaje

La ruta no se trata como un documento fijo creado antes de que comience el viaje. A medida que el usuario avanza, la ubicación, el tráfico, el estado de las estaciones y sus propias preferencias pueden cambiar.

El recálculo dinámico evalúa el efecto de estos cambios en el plan. Sin embargo, cada desencadenante funciona solo en la medida en que los datos correspondientes sean accesibles.

Cambio Información utilizada Posible impacto en el plan
Cambio en el tráfico Fuente de mapas y tráfico Actualización de las opciones de duración y de ruta
Cambio en el estado de una estación planificada Integración de operadores Evaluación de un punto de carga alternativo
Desvío del usuario respecto a la ruta Ubicación y progreso de la ruta Recálculo de la distancia restante y de la necesidad de energía
Actualización de la información de la batería Inicio de sesión del usuario; futuras conexiones de vehículos compatibles Actualización de la parada de carga y de la cantidad de energía objetivo
Añadir o quitar una parada intermedia Edición por el usuario Replanificación de los tramos de ruta afectados
Cambio de las condiciones meteorológicas El ámbito en el que la integración correspondiente está activa Reevaluación de la estimación de consumo

En un viaje que funciona con un nivel de batería introducido manualmente, la energía restante calculada por el sistema es una estimación. No se etiqueta del mismo modo que los datos actuales de batería medidos desde el vehículo.

6.6.2 No presentar cada cambio al usuario como una ruta nueva

Las pequeñas diferencias que cambian constantemente pueden suponer una carga de decisión innecesaria para el usuario. Unos segundos de variación en el tráfico o una ventaja de tiempo mínima no requieren una nueva recomendación cada vez.

El enfoque de recálculo evalúa lo que el cambio significa para el viaje. Tienen prioridad la viabilidad del plan actual, la reserva de energía y el beneficio claro para el usuario.

Así se mantiene la estabilidad del plan. En lugar de ser reorientado constantemente entre dos opciones muy parecidas, el usuario ve una actualización significativa cuando hace falta.

6.6.3 Explicar el motivo del cambio

La nueva ruta sugerida se presenta comparada con el plan actual. El usuario debe poder ver qué condición ha cambiado y cuál es el resultado.

Por ejemplo:

«La información de uso de los conectores adecuados de la estación que había planificado ha cambiado. Hay una estación alternativa más cercana a su ruta y alcanzable según la estimación de energía actual. Puede revisar la nueva opción.»

En la explicación solo se utilizan los elementos respaldados por los datos disponibles. Si no hay una estimación fiable del tiempo de espera, no se genera un ahorro exacto de minutos.

La información de tráfico del proveedor del mapa y la evaluación EV que eBattery realiza a partir de estos datos también se vinculan correctamente. La justificación de la recomendación deja claro qué datos se usan y cómo.

6.7 Planificación de excursiones con IA: grupo de candidatos, agrupación, presupuesto de tiempo, integración de la carga

6.7.1 Del plan de transporte a la experiencia diaria

La planificación de excursiones organiza el tiempo que el usuario pasará en una zona determinada. El objetivo es convertir los lugares de interés en un programa adaptado al tiempo del usuario, a sus intereses y a las necesidades energéticas de su vehículo.

Cuando el usuario dice «Voy a pasar dos días en Capadocia, con énfasis en la naturaleza y la historia», el sistema evalúa conjuntamente la región, la duración del viaje y las prioridades. Se añaden al plan el punto de partida, el ritmo diario y, si los hay, los lugares que el usuario desea ver especialmente.

El programa resultante ofrece una estructura de viaje editable dividida en días.

6.7.2 Creación del conjunto de lugares candidatos

El primer paso es identificar los lugares de visita adecuados de la región. El conjunto de candidatos puede incluir sitios culturales, museos, espacios naturales, lugares para comer y beber y áreas de descanso.

Según el alcance de la fuente, la información que se tiene en cuenta incluye ubicación, categoría, duración de la visita, horario de apertura y valoraciones de los usuarios.

Una popularidad alta no es, por sí sola, un motivo de selección. Si un lugar no se ajusta a los intereses del usuario, queda demasiado lejos de su programa diario o no hay tiempo suficiente para visitarlo, puede recibir una prioridad menor.

La narración del contenido se vincula con los registros de los lugares seleccionados. La información que puede cambiar, como el horario de apertura o las condiciones de entrada, no se genera a partir del conocimiento general del modelo de lenguaje como si fuera un dato actual.

6.7.3 Agrupación geográfica y relaciones de transporte

Los lugares candidatos se evalúan según sus relaciones geográficas y de transporte antes de elaborar el programa diario. El objetivo es reducir los desplazamientos de ida y vuelta innecesarios dentro del mismo día.

Dos puntos que parecen cercanos en el mapa pueden no estar a poca distancia de trayecto. Las conexiones viarias, los puntos de paso y la geografía de la zona determinan el patrón real de desplazamiento. Por ello, la agrupación diaria no se basa únicamente en la distancia en línea recta.

Por ejemplo, mientras el programa de un día se elabora con visitas de la misma zona, una parada más lejana puede pasarse a otro día. Así, el usuario puede dedicar una mayor parte de su tiempo a las visitas en lugar de a los desplazamientos.

Cuando el usuario prefiere un determinado orden, esa elección se conserva; el sistema adapta el resto del plan para que sea coherente con ese orden.

6.7.4 Presupuesto de tiempo: un horario diario realista

Que el plan diario sea viable depende de los tiempos de desplazamiento y de pausa, además de la duración total de la visita.

El presupuesto de tiempo de un día incluye los siguientes componentes:

  • El desplazamiento entre puntos.

  • El tiempo de visita que se pasará en cada lugar.

  • Pausas para comer y descansar.

  • Paradas de carga necesarias.

  • Un margen de tiempo razonable para el aparcamiento, el acceso y transiciones similares.

Colocar en el plan de un viaje de seis horas del usuario únicamente paradas cuyos tiempos de visita suman seis horas no deja tiempo para el desplazamiento. eBattery AI construye el plan dentro del marco de tiempo total del día.

El valor del programa no se mide por incluir el mayor número posible de lugares. Lo importante es que pueda seguirse al ritmo que elija el usuario y que deje margen para los cambios.

6.7.5 Encajar la carga en la agenda diaria

Las paradas de carga se consideran junto con la necesidad de energía al crear el plan de viaje. No se tratan como una necesidad independiente añadida al final del día.

Si una pausa para comer puede combinarse con un punto de carga adecuado, las dos actividades pueden realizarse en el mismo intervalo de tiempo. Por ejemplo, una pausa para comer de 40 minutos y una carga de 25 minutos que comienzan en el mismo lugar y al mismo tiempo no requieren, en condiciones adecuadas, una parada adicional total de 65 minutos. El plan evalúa conjuntamente las duraciones que se solapan.

En esta correspondencia son importantes el acceso real a la estación, las condiciones de explotación, la disposición del aparcamiento y las preferencias del usuario. No se presupone que una estación que parece cercana a un restaurante en el mapa sea siempre una opción adecuada para una pausa.

En los viajes que se extienden varios días, el cálculo de energía continúa de un día a otro. La batería inicial del día siguiente se vincula con el final previsto del día anterior. La carga nocturna solo se tiene en cuenta cuando figura en el plan del usuario y cuenta con el respaldo de la instalación correspondiente.

6.7.6 Relato de viaje editable

El programa calculado se presenta como paradas divididas por días, junto con una explicación en lenguaje natural. El usuario puede ver qué zona se visitará cada día, dónde se ubica la carga y el reparto aproximado del tiempo de la jornada.

Peticiones como «Haz el segundo día más tranquilo», «Quita el museo» o «Quiero estar en la naturaleza por la tarde» permiten editar el plan.

Tras un cambio, se reevalúan los días y los tramos de ruta afectados. La narrativa del viaje también cambia junto con el plan actualizado; el principio es evitar cualquier contradicción entre la descripción anterior y la nueva lista de paradas.

Esta estructura centrada en ciudades y regiones sienta las bases de una planificación más amplia, a escala nacional y a largo plazo, en etapas posteriores.

6.8 Análisis de eficiencia

6.8.1 Hacer que los datos tengan sentido desde la perspectiva del conductor

El análisis de eficiencia ayuda a los usuarios a evaluar con mayor claridad sus registros de energía y de viajes.

Si los datos accesibles son suficientes, se pueden comparar el consumo, la distancia, el gasto de carga y los valores planificados frente a los reales de distintos períodos. La AI explica el cambio dentro de las cifras y muestra qué registros puede ser útil que el usuario revise.

El alcance del análisis depende de los datos utilizados. La información obtenida mediante la conexión con el vehículo, el registro de sesiones o el inicio de sesión del usuario se mantiene separada de las estimaciones calculadas únicamente a partir de la ruta.

6.8.2 Consumo medido y estimación calculada

En una evaluación del consumo, la energía y la distancia deben corresponder al mismo período, al mismo vehículo y a un método de medición coherente.

Si se conocen la energía total y la distancia total, el cálculo básico del consumo es el siguiente:

Consumo medio = Energía total de conducción / Distancia total × 100

Sumar simplemente los valores de consumo de viajes de distinta duración y dividirlos por el número de viajes puede no dar el promedio correcto del periodo. Calcular a partir de la energía y la distancia totales conserva el peso de los viajes cortos y largos.

La energía comprada durante la carga tampoco es siempre igual a la energía consumida al conducir en el mismo período. Los niveles de batería al inicio y al final del período, las pérdidas de carga y el alcance de los registros influyen en esta relación.

Por ello, eBattery trata por separado, con su propio significado, el gasto en carga, la energía comprada y el consumo de conducción.

6.8.3 Mostrar el cambio y explicar su causa con datos

A modo de ejemplo ilustrativo, supongamos que el consumo medio pasa de 18 kWh/100 km a 19,8 kWh/100 km entre dos períodos comparables. Este cambio supone un aumento del 10 % en el consumo.

Sin embargo, este resultado por sí solo no muestra la causa del aumento. Puede que hayan cambiado la ruta, la velocidad, las condiciones meteorológicas, la carga o la estructura del viaje.

La evaluación de la IA se mantiene en el nivel que respaldan los datos. Si solo existen registros de consumo y distancia, puede decir "Tu consumo ha aumentado"; para concluir que un comportamiento concreto, como frenar bruscamente o usar el aire acondicionado, lo causó, se necesitan las mediciones correspondientes.

Cuando no hay datos directos del vehículo, la salud de la batería no se presenta como si se hubiera medido. El análisis detallado del comportamiento de conducción se amplía con integraciones que aportan datos suficientes para evaluar dichos comportamientos.

6.8.4 Crear hábitos de uso comparables

La finalidad de la pantalla de eficiencia es facilitar que el usuario comprenda su propio uso a lo largo del tiempo.

Comparar rutas similares, revisar el gasto en carga en distintas estaciones y ver las diferencias entre la duración prevista y la real favorecen esta comprensión.

Las sugerencias del asistente son concretas y mesuradas. En lugar de prometer al usuario un porcentaje de ahorro no verificado, explica qué datos han cambiado y qué condiciones conviene examinar para hacer una comparación más significativa.

6.9 Tarjetas de resultados y Deep Linking

6.9.1 Convertir la conversación en un resultado utilizable en la aplicación

Una ruta, un viaje o una sugerencia de estación creados en AI Chat se presentan con tarjetas de resultado. Las tarjetas permiten al usuario ver rápidamente la información clave y pasar al módulo correspondiente.

Tipo de tarjeta Contenido básico de la tarjeta Pantalla relacionada
Tarjeta de ruta Origen, destino, resumen de la ruta, tiempo estimado y paradas de carga Planificación de rutas
Tarjeta de viaje Resumen de región, número de días y programa diario Planificación de viajes
Tarjeta de estación Ubicación, compatibilidad, potencia e información actual disponible Detalles de la estación
Tarjeta de eficiencia Periodo, indicadores clave y resumen de la evaluación Eficiencia

El propósito de la tarjeta no es comprimir todos los detalles en un espacio reducido. Ofrece información suficiente para que el usuario reconozca el resultado y elija la siguiente acción.

6.9.2 Abrir el mismo plan mediante deep linking

Los enlaces profundos hacen que la tarjeta de resultados lleve al usuario al contenido correcto de la pantalla correspondiente.

Cuando el usuario abre una ruta que creó en el chat, no se encuentra con un formulario de ruta vacío. Los puntos de origen y destino que eligió, el vehículo, las paradas intermedias y el resto de los datos del plan aparecen en la pantalla correspondiente.

La misma relación se mantiene también en las tarjetas de viaje y de estación. De este modo, las pantallas de chat, mapa y planificación se convierten en vistas distintas de una misma acción.

Desde el punto de vista técnico, la tarjeta se vincula con el registro correspondiente y con la versión del plan. Cuando el usuario cambia el plan, sigue quedando claro cuál es el resultado vigente.

6.9.3 Acciones rápidas adecuadas al contexto

Según los resultados, se ofrecen acciones como «Iniciar ruta», «Ir a la estación», «Guardar», «Compartir» o «Añadir a favoritos».

No es necesario que cada tarjeta muestre todas las acciones. Las acciones se eligen según el resultado que el usuario ha generado en ese momento.

Las tarjetas compartibles también se tratan junto con el alcance de su contenido. Datos como el domicilio del usuario o su punto de partida personal no se consideran una parte natural ni obligatoria de lo que se comparte. El usuario debe poder ver qué contenido está compartiendo.

6.10 Sugerencias proactivas y notificaciones

6.10.1 Ofrecer una ayuda significativa cuando surge una necesidad

Cuando los datos pertinentes están disponibles, eBattery AI también puede mostrar cambios importantes sin que el usuario lo pregunte.

Entran en este ámbito un cambio en el estado de la estación durante un viaje activo, un impacto de tráfico significativo o la reevaluación del plan de carga a partir de la información actualizada de la batería.

El objetivo del soporte proactivo es ayudar al usuario en el momento oportuno. No todo cambio de datos genera una notificación; se evalúa cómo se relaciona la información con el viaje actual y si requiere alguna acción.

6.10.2 Evaluar una notificación junto con los datos en los que se basa

El significado de una advertencia de batería baja depende de la fuente de los datos.

Si se puede obtener del vehículo el nivel de batería actual, se puede usar el valor medido. Si el usuario lo introdujo manualmente al inicio, el valor calculado durante el viaje es una estimación. La redacción de la notificación conserva esta diferencia.

Del mismo modo, para generar una sugerencia sobre la ventaja de precio de una estación favorita, es necesario conocer la tarifa vigente y las condiciones aplicables al usuario. Un recordatorio de mantenimiento, en cambio, se vincula a una fecha guardada por el usuario o a una fuente de datos adecuada.

Este enfoque hace que las recomendaciones proactivas se mantengan coherentes con el alcance de los datos disponibles.

6.10.3 Frecuencia de las notificaciones y preferencias del usuario

Las notificaciones se gestionan según su importancia y contexto. Un cambio que afecta a la viabilidad de un viaje activo no tiene la misma prioridad que una sugerencia general de uso.

El usuario puede gestionar sus preferencias de notificación. Reducir los mensajes repetidos para un mismo evento, no mostrar notificaciones que ya no son válidas y dirigir la recomendación al plan adecuado forman parte de la experiencia.

Las funciones de ubicación y de segundo plano se ejecutan con los permisos del usuario y dentro de las condiciones de funcionamiento del sistema operativo móvil. La información que se muestra durante el viaje es breve y orientada a la acción; los detalles pueden consultarse en la pantalla correspondiente.

6.11 Confianza y gestión de errores

6.11.1 Hacer visible la naturaleza de la información

El enfoque de confianza de eBattery AI se basa en que se pueda entender en qué información se apoyan los resultados.

El nivel de batería introducido por el usuario, el estado del conector recibido del operador, la estimación de tiempo del servicio de mapas y la explicación de la IA son tipos de información distintos. Esta distinción permite evaluar correctamente la recomendación.

Los sistemas de IA generativa pueden presentar información sin fundamento de forma convincente. El perfil de riesgos de IA generativa del NIST también aborda este comportamiento. El enfoque de cálculo y verificación basado en datos de eBattery está diseñado para reducir el impacto de estos errores en las decisiones de la aplicación.

Este enfoque es especialmente importante en la ubicación, el estado de la estación, el precio y el cálculo de energía. Una explicación fluida no se utiliza en lugar de datos verificados.

6.11.2 Comportarse de forma clara y coherente cuando faltan datos

Que una fuente de datos no responda no implica que todas las funciones de la aplicación deban detenerse a la vez. El sistema evalúa qué resultado puede ofrecerse con los datos disponibles.

Por ejemplo, si se dispone de la ubicación y la información de tomas de una estación pero no se puede obtener su estado en tiempo real, el descubrimiento de la estación puede continuar, mientras que la disponibilidad se muestra como desconocida.

De forma similar, cuando el modelo de lenguaje no puede responder temporalmente, el resultado de ruta válido recibido del servicio de cálculo se analiza para poder presentarse con una tarjeta estándar y una breve explicación.

Cuando se usan los últimos datos conocidos, se preserva su actualidad. Un estado antiguo mostrado desde la caché no se presenta como información en vivo recién recibida.

6.11.3 Autorización, privacidad y seguridad del contenido externo

Los datos que necesita la capa de AI se limitan al alcance de la tarea que se va a realizar. Para explicar por qué se recomienda una estación no es necesario transmitir al modelo todo el historial de mensajes del usuario ni su información de pago.

La ubicación, los planes de viaje y las preferencias del usuario se gestionan con control de acceso. Los permisos de operación de la aplicación se verifican de forma independiente de la generación de texto libre del modelo de lenguaje.

Las descripciones procedentes de fuentes externas y las opiniones de los usuarios también se procesan como datos. Uno de los principios de seguridad de la arquitectura es no permitir que las instrucciones que puedan aparecer en estos contenidos modifiquen las reglas de operación de la aplicación.

También en futuros flujos de operaciones, como el pago o la reserva, la sugerencia de la IA y la ejecución de la operación son pasos separados. Se muestra al usuario el alcance de la operación y se mantiene el flujo de confirmación correspondiente.

6.11.4 Aprender de los errores de forma medible

La fiabilidad exige una evaluación periódica de escenarios de uso reales.

Situaciones como una estación incompatible con el vehículo, un precio ausente, una entrada de batería modificada, una interrupción de la conexión o una solicitud de ruta antigua que se completa tarde son escenarios de prueba que determinan cómo debe comportarse el sistema.

Los comentarios de los usuarios también contribuyen a este proceso. Una elección basada en información errónea de la estación y una elección que no cumplió las expectativas no son el mismo tipo de error. Asociar los comentarios con los datos y el paso de decisión correspondientes ayuda a mejorar el componente adecuado.

El enfoque de confianza va más allá de contar los resultados solo como «exitosos» o «fallidos»; se basa en comprender el origen del error y su efecto en el usuario.

6.12 Infraestructura independiente del modelo y objetivos de rendimiento

6.12.1 Mantener la lógica del producto independiente del proveedor del modelo

La infraestructura de eBattery AI se basa en un enfoque que no vincula las funciones básicas del producto a las características de un único modelo de lenguaje.

El perfil del vehículo, los datos de las estaciones, el cálculo de rutas y las preferencias del usuario se gestionan en los servicios propios de la aplicación. Los modelos de lenguaje se conectan a estos servicios mediante tareas y contratos de datos definidos.

Esta estructura permite evaluar distintas familias de modelos, como GPT y Gemini, o alternativas que se desarrollen en el futuro. Un cambio de modelo no debería exigir reescribir reglas básicas como la compatibilidad entre vehículo y estación.

Los modelos se seleccionan según la calidad lingüística, la precisión de los resultados estructurados, el éxito en las tareas, la latencia, el coste y las condiciones de tratamiento de datos. El nombre del proveedor por sí solo no se utiliza como medida de la calidad del producto.

6.12.2 Uso del modelo y del servicio adecuados para cada tarea

No todas las solicitudes del usuario requieren la misma carga de procesamiento. Una clasificación breve de la intención y un relato detallado de un viaje tienen necesidades distintas.

La infraestructura se diseña para poder dirigir las tareas según esta diferencia. El trabajo que los servicios de cálculo pueden resolver directamente se realiza en esos servicios; en los pasos que requieren interpretación y redacción en lenguaje natural se utiliza el modelo adecuado.

El enfoque de arquitectura que respalda el rendimiento incluye los siguientes elementos:

  • Ejecución simultánea de llamadas de datos independientes entre sí cuando corresponda.

  • Almacenamiento en caché controlado de la información del vehículo que cambia más lentamente.

  • Aplicación de reglas de actualidad a datos variables como la disponibilidad y el precio.

  • Cancelación de las cuentas no válidas cuando cambia la solicitud del usuario.

  • Ejecución de operaciones largas en segundo plano sin bloquear la interfaz.

  • Presentar por etapas las partes ya listas del resultado, preservando su integridad.

En los servicios de mapas y tráfico también hay que elegir entre tiempo de respuesta y nivel de detalle del cálculo. La Google Routes API define distintas opciones para evaluar el tráfico y explica que una búsqueda más completa puede generar mayor latencia. El enfoque de rendimiento de eBattery evalúa el comportamiento de estos servicios externos dentro de la experiencia global del usuario.

6.12.3 Definición de objetivos de rendimiento

En eBattery AI, el rendimiento se evalúa a través de la experiencia que transcurre desde que el usuario envía su solicitud hasta que llega a un resultado utilizable.

El inicio de la primera respuesta y la finalización del plan de ruta son mediciones distintas. Mostrar una animación de carga no se considera lo mismo que el inicio de una respuesta de IA con sentido.

Área de rendimiento Objetivo de diseño Enfoque de medición
Inicio de la respuesta de la IA Iniciar el primer flujo de respuesta significativa en menos de 2 segundos en condiciones estándar El tiempo transcurrido desde el envío de la solicitud hasta el primer contenido significativo visible para el usuario
Creación de ruta estándar Ofrecer un resultado de ruta utilizable en menos de 5 segundos siempre que sea posible en los escenarios típicos admitidos Tiempo desde la solicitud hasta que la ruta y el plan de carga básico están listos
Transiciones de pantalla Mantener la interacción y la fluidez mientras se realiza un cálculo Retrasos de inicio y bloqueos de la interfaz
Recálculo Reflejar a tiempo en el plan los cambios significativos El tiempo desde la recepción de la actualización hasta que la nueva opción está lista
Planes de viaje complejos Ofrecer resultados por etapas manteniendo visible el progreso Tiempos del primer resultado utilizable y del plan completado

Estos valores son objetivos de ingeniería. Los resultados reales se miden según las condiciones de la red, los proveedores de datos, la longitud de la ruta, el número de paradas y la complejidad del plan.

Un único valor medio no describe toda la experiencia. Además de la experiencia típica del usuario, se monitorizan mediciones como la mediana y el percentil 95 para poder ver las solicitudes más lentas. Así se hace visible la diferencia entre que el sistema funcione con rapidez para la mayoría y que algunos usuarios esperen mucho tiempo.

6.12.4 Medir la precisión y la usabilidad junto con la velocidad

La evaluación del rendimiento abarca, además del tiempo de respuesta, la calidad del resultado.

Las principales áreas de evaluación son las siguientes:

  • Precisión en la selección de estaciones compatibles con el vehículo.

  • Coherencia de los cálculos de energía y de porcentaje de batería.

  • Cumplimiento del orden de paradas establecido por el usuario.

  • Mantener diferenciados los datos actuales y los antiguos.

  • Que el texto descriptivo coincida con los valores de la tarjeta de resultados.

  • Que la tarjeta de resultado abra el plan y la pantalla correctos.

  • Aplicación de los cambios del usuario a la versión correcta.

  • Comprensión coherente de la misma petición en distintos idiomas.

Cuando se dispone de datos reales, el tiempo estimado de llegada se compara con los resultados observados de consumo y tiempo de carga. Estas comparaciones muestran en qué regiones, perfiles de vehículo o condiciones de uso hace falta mejorar.

Las actualizaciones de modelos se tratan con la misma disciplina de evaluación. Que un modelo nuevo hable con más fluidez no significa que sea más preciso en las explicaciones de ruta. Se revisan conjuntamente su rendimiento en las tareas actuales, sus resultados estructurados y su coherencia con las acciones dentro de la app.

6.12.5 Una base común para capacidades en expansión

La estructura independiente del modelo permite que eBattery AI se amplíe con nuevos datos y servicios a medida que evoluciona el producto.

Los datos directos del vehículo, la incorporación de las condiciones meteorológicas al modelo energético, las recomendaciones que aprenden de las preferencias del usuario y los planes de viaje con mayor cobertura geográfica se vinculan a la misma estructura de cálculo y contexto.

A medida que entran en funcionamiento la carga y el pago, EV Market, el soporte de carga móvil y otros servicios, también se amplían las operaciones que el asistente puede guiar. Cada nueva función se aborda junto con el alcance real, los datos y la aprobación del usuario del servicio correspondiente.

A lo largo de esta evolución se conserva la relación que el asistente establece con el usuario: comprender la necesidad, usar los datos adecuados, explicar las consecuencias de las opciones y facilitar dentro de la app la acción que el usuario elija.

Buscar en eBattery

Busca una función, una guía o un tema.

Puntos de partidaEncontrar estación de carga →Proyecto RWA de ejemplo →Guías y noticias →