È notte. Un veicolo noleggiato, apparentemente parcheggiato senza anomalie, si accende con una modalità anomala: “l’emergency start”, tipicamente associata a possibili manomissioni. Un segnale ambiguo, che da solo non basterebbe ad attivare nessun allarme. Ma qualcosa lo nota. Pochi minuti dopo, lo stesso veicolo mostra uno stile di guida aggressivo su percorsi mai registrati prima. Poi si ferma in un’area classificata ad alto rischio. È la combinazione progressiva di questi segnali che permette al sistema di costruire un pattern di rischio e inviare un alert qualificato all’operatore della centrale operativa. L’operatore valida il contesto, coordina le forze dell’ordine in tempo reale. Il veicolo viene recuperato nella notte, prima ancora che il cliente si accorga del furto, prima che possa essere smontato o danneggiato.Non è un caso isolato. È il funzionamento quotidiano di Smart Vehicle Protector, la soluzione sviluppata da Targa Telematics basata su logiche di Agentic AI. Ed è uno degli elementi che nel 2025 ha contribuito a un risultato in netta controtendenza rispetto al mercato: -12% di furti auto nelle flotte gestite dalla società, contro un aumento nazionale del +3% registrato dal Ministero dell’Interno.Dall’allarme all’agente virtualePer capire cosa rende diverso questo approccio, bisogna partire da come funzionava il monitoraggio dei veicoli fino a qualche anno fa. I sistemi di AI tradizionale erano fondamentalmente strumenti di supporto agli operatori: filtravano i falsi positivi, prioritizzavano gli allarmi, alleggerivano il carico cognitivo nelle centrali operative. Utili, ma reattivi. Con l’Agentic AI il salto è concettuale prima ancora che tecnico. Il sistema non aspetta che un evento soglia venga superato per scattare: analizza continuamente il contesto di ogni singolo veicolo, correla eventi eterogenei nel tempo, riconosce pattern complessi che nessuna regola statica potrebbe codificare. In pratica, ogni mezzo viene seguito da un agente virtuale che ragiona in modo autonomo e contestuale.Il risultato, secondo i dati dell’Osservatorio di Targa Telematics, è una riduzione dell’incidenza del furto compresa tra il 20% e il 30% per le flotte che adottano il sistema, con benefici economici dimostrati tra 1,5 e 2 milioni di euro l’anno per flotte di medie e grandi dimensioni.Umano e macchina: una collaborazione calibrataUn aspetto che emerge con chiarezza parlando con Carlo Stefanelli, Chief Technology Officer di Targa Telematics, è la centralità del rapporto tra automazione e intervento umano. “L’Agentic AI non sostituisce l’operatore della centrale operativa”, spiega il CTO, “ne amplifica le capacità. Il sistema elabora, correla, suggerisce; l’operatore valida, decide, agisce”.Targa TelematicsQuesto equilibrio non è banale da calibrare. Troppa autonomia rischia di generare interventi non verificati; troppo controllo umano vanifica i vantaggi della velocità di analisi dell’AI. Il modello adottato è quello dell’alert qualificato: il sistema arriva all’operatore già con un contesto costruito, una traiettoria di rischio ricostruita, una proposta d’azione. L’operatore non parte da zero: valida e agisce. Il beneficio è duplice: si riduce il “rumore operativo” come allarmi generici e falsi positivi, e si accelera il processo decisionale nelle situazioni che contano davvero. Nel mondo del noleggio, sia a breve che a lungo termine, dove i furti auto vengono spesso scoperti solo la mattina successiva, questa capacità di intervento notturno in tempo reale rappresenta un cambio di paradigma significativo.Guardie e ladri, ma hi-techUno degli aspetti meno ovvi del sistema è la sua capacità di riconoscere non solo i comportamenti anomali dei singoli veicoli, ma i pattern ricorrenti associati a specifiche organizzazioni criminali. Ogni banda ha un proprio modus operandi (percorsi, orari, aree di destinazione) e la loro profilazione nel tempo semplifica notevolmente il lavoro: identificare il gruppo significa anticipare dove probabilmente verrà portato il veicolo e quali strade seguirà. Le destinazioni, del resto, seguono logiche precise. Le utilitarie finiscono prevalentemente all’estero, nei paesi dell’Est Europa (spesso via Trieste) dove vengono smontate per i pezzi di ricambio. Le auto di lusso percorrono rotte diverse, verso l’Africa, e raramente vengono smontate: vengono usate così come sono. Recuperarle è molto più difficile: è possibile intercettarle in alcuni centri logistici o fino al porto di destinazione, ma una volta arrivate in zone geopoliticamente poco accessibili e controllate dalla criminalità locale, la pista si perde.Ma i ladri aggiornano i propri strumenti, esattamente come chi li insegue. I jammer, ovvero dispositivi che bloccano i segnali gps e radio, sono uno degli strumenti più diffusi. Anche in questo caso, però, l’agente AI dispone di elementi per riconoscere la situazione: se il segnale di un veicolo viene perso in una zona dove altri mezzi comunicano regolarmente, l’anomalia è evidente e l’alert scatta immediatamente.Tra i casi più emblematici raccontati da Stefanelli ce n’è uno che mostra quanto la creatività criminale riesca a stare un passo avanti anche ai sistemi più sofisticati — almeno per un po’. Un noleggiatore a breve termine registrava un numero di furti insolitamente elevato, ma i sistemi agentici non rilevavano alcuna anomalia durante le locazioni. Analizzando i percorsi dei veicoli rubati, è emerso un pattern inaspettato: tutti transitavano per le stesse officine.Il meccanismo era ingegnoso quanto subdolo. I ladri noleggiavano il veicolo (solitamente con documenti falsi) lo portavano in officina, si facevano duplicare le chiavi e installavano un secondo localizzatore nascosto. Poi restituivano regolarmente l’auto. Il cliente successivo veniva tracciato tramite il dispositivo nascosto: quando il momento era opportuno, il veicolo veniva recuperato con la copia delle chiavi, senza forzature e senza allarmi. Un furto invisibile, almeno fino a quando l’analisi dei dati non ha rivelato il filo comune tra i casi.Il data lake come fondamento dei modelliDietro la capacità predittiva del sistema c’è una base dati di proporzioni considerevoli. Targa Telematics conta circa 900.000 veicoli connessi alla propria piattaforma in Europa, un dato che la colloca al primo posto nel continente per numero di veicoli gestiti secondo il report Fleet Management di Berg Insight.È su questo data lake che vengono addestrati i modelli di AI comportamentale che alimentano Smart Vehicle Protector. I dati di telematica come stile di guida, percorsi, soste, anomalie tecniche, vengono elaborati in combinazione con dati contestuali come la classificazione geografica delle aree di rischio, l’orario e le condizioni operative del veicolo.Le stesse componenti hardware a bordo sono integrate con la piattaforma cloud e ottimizzano anche altre funzioni di fleet management: gestione dell’utilizzo, manutenzione predittiva, sicurezza del conducente. Un’architettura che trasforma ogni veicolo in un nodo intelligente di una rete più ampia. Fino a dove si spingerà l’autonomia di questi sistemi? Il confine tra suggerimento e decisione autonoma, tra agente virtuale e responsabilità umana, è ancora tutto da definire e si evolve in continuazione. I ladri aggiornano i loro strumenti; i sistemi che li inseguono fanno altrettanto. Quello che i numeri già dicono, però, è che il paradigma è già cambiato.