En el món vertiginós de les plataformes de mobilitat, l'eficiència de l'aparellament entre conductors i passatgers és un factor crític que determina tant la satisfacció de l'usuari com la rendibilitat del negoci. DiDi, un dels gegants del sector, ha desenvolupat una solució innovadora anomenada EXHOLD per optimitzar el temps d'espera en temps real durant el procés d'assignació. Aquest enfocament, basat en un marc de dues etapes, no només millora la taxa de finalització de viatges, sinó que també redueix les cancel·lacions i maximitza els ingressos dels conductors. En aquest article explorem a fons aquesta tecnologia, les seves implicacions tècniques i com models similars poden aplicar-se en altres àmbits empresarials gràcies a solucions d'aplicacions a mida i serveis avançats d'intel·ligència artificial.
El problema central en els sistemes de ride-hailing a gran escala és que cada decisió d'aparellament té conseqüències immediates i futures. Si un conductor accepta un viatge massa aviat, pot perdre una oportunitat millor; si espera massa, el passatger podria cancel·lar. Els mètodes tradicionals de hold control (control d'espera) utilitzen llindars heurístics basats en múltiples models predictius, però aquests enfocaments són fràgils davant la no estacionarietat del trànsit i difícils d'optimitzar per a senyals d'experiència multiobjectiu. EXHOLD proposa una separació clara: primer, avaluar cada parell conductor-viatge assignant-lo a un nivell d'experiència interpretable; segon, calcular un temps d'espera que respecti uns límits de servei predefinits.
A l'etapa I, s'entrena un model de decisió que agrupa els parells en categories discretes (per exemple, 'excel·lent', 'bo', 'regular') optimitzant un objectiu unificat que agrega senyals de satisfacció al llarg de l'embut de matching. Això permet al sistema entendre quines combinacions tenen més probabilitats de generar una experiència positiva. A l'etapa II, es resol un problema d'optimització restringida sobre quantils empírics per determinar un temps d'espera monòton. És a dir, es garanteix que les promeses de viatge no es retardin innecessàriament, mentre es maximitza la millora global de l'experiència. Aquest disseny explícit imposa barreres de protecció que eviten que el sistema mantingui en espera parells amb alta probabilitat d'èxit, reduint els riscos d'insatisfacció del passatger.
Els experiments A/B aleatoritzats realitzats al sistema de producció de DiDi al Brasil van demostrar millores consistents: augment en la finalització de viatges, majors ingressos per als conductors, i una reducció significativa de cancel·lacions per part dels passatgers. A més, les anàlisis d'ablació van confirmar que ambdues etapes són essencials i que la política pren decisions calibrades sota heterogeneïtat espacio-temporal. EXHOLD ja està desplegat i servint trànsit real al Brasil, cosa que avala la seva robustesa.
Però més enllà del context del ride-hailing, l'arquitectura conceptual d'EXHOLD és aplicable a qualsevol sistema on existeixi una cua d'assignació amb decisions retardades i múltiples objectius. Per exemple, en logística d'última milla, on un repartidor pot esperar per agrupar diversos pedidos; en plataformes de serveis sota demanda; o fins i tot en sistemes d'atenció al client on es prioritzen tiquets segons el seu valor esperat. Per implementar solucions d'aquest tipus, les empreses necessiten combinar matemàtiques avançades, models d'intel·ligència artificial, i una infraestructura escalable.
Aquí és on entra el valor de Q2BSTUDIO. Com a empresa de desenvolupament de programari, oferim capacitats per construir des de zero sistemes de control d'espera similars, utilitzant la nostra experiència en aplicacions a mida que s'integren amb plataformes cloud com AWS o Azure. Per exemple, podem dissenyar un model de decisió en temps real usant tècniques de machine learning i agents IA que monitoritzin constantment l'estat del sistema. A més, la ciberseguretat és fonamental: qualsevol dada de conductors i passatgers ha de protegir-se, i les nostres solucions de pentesting i auditoria garanteixen el compliment normatiu. També potenciem la presa de decisions amb dashboards de Business Intelligence (Power BI) que visualitzin mètriques clau com temps d'espera, taxes de cancel·lació i ingressos.
Imaginem una empresa de missatgeria que vol reduir els temps de lliurament i augmentar la satisfacció del client. Podria implementar un sistema de control d'espera que avaluï cada comanda segons la seva urgència, ubicació i capacitat del repartidor, similar a la fase I d'EXHOLD. Després, amb optimització basada en quantils, determinaria quant de temps esperar abans d'assignar la comanda, assegurant que els enviaments prioritaris no es retardin. Això requereix la creació de models predictius, infraestructura al núvol per gestionar pics de demanda, i un sistema de monitorització en temps real. Q2BSTUDIO pot ajudar en tot el cicle, des de la consultoria fins al desplegament.
Un altre exemple: un marketplace de serveis freelance. Quan un client sol·licita un dissenyador gràfic, la plataforma podria retenir la sol·licitud durant uns segons per trobar el millor candidat, en lloc d'assignar al primer disponible. Un model d'avaluació de parells (client-freelancer) basat en historial de projectes, qualificacions i disponibilitat, combinat amb una política d'espera optimitzada, milloraria la taxa d'acceptació i reduiria cancel·lacions. De nou, la clau està en un desenvolupament personalitzat que integri IA, cloud i BI.
Pel que fa a la infraestructura tècnica, el núvol juga un paper crític. Els sistemes de control d'espera requereixen processament de dades en temps real, emmagatzematge de grans volums d'informació històrica i capacitat d'escalar sota càrrega variable. AWS i Azure ofereixen serveis com AWS Lambda, Azure Functions, bases de dades NoSQL i solucions de streaming. Q2BSTUDIO té experiència comprovada en migracions i optimitzacions cloud, garantint costos controlats i alta disponibilitat. A més, la implementació d'agents IA (per exemple, basats en reinforcement learning) pot automatitzar la calibració dels llindars d'espera sense intervenció manual, adaptant-se contínuament als canvis del mercat.
La ciberseguretat no és un afegit, sinó un pilar. En qualsevol plataforma que gestioni dades sensibles d'usuaris, com ubicacions en temps real o informació de pagament, és obligatori implementar mesures de protecció. Els nostres serveis de ciberseguretat inclouen anàlisis de vulnerabilitats, proves de penetració i compliment de normatives com GDPR o LGPD. Així, les empreses poden desplegar sistemes de control d'espera amb la confiança que les seves dades estan segures.
Finalment, la presa de decisions basada en dades es potencia amb BI. Amb Power BI podem construir dashboards que mostrin el rendiment del sistema de control d'espera: distribució dels nivells d'experiència, temps d'espera mitjana, impactes en cancel·lacions i guanys de conductors. Això permet als gestors ajustar paràmetres i detectar anomalies ràpidament. La combinació de totes aquestes tecnologies -aplicacions a mida, IA, cloud, ciberseguretat i BI- és el que fa possible portar conceptes com EXHOLD a la pràctica en qualsevol indústria.
En conclusió, EXHOLD representa un avenç significatiu en la gestió d'esperes en temps real, demostrant que un enfocament estructurat en dues etapes pot superar les limitacions dels mètodes heurístics. Per a les empreses que busquen implementar sistemes similars, la col·laboració amb un soci tecnològic com Q2BSTUDIO és clau. La nostra experiència en desenvolupament de programari a mida, integració amb cloud AWS/Azure, models d'IA, agents intel·ligents, ciberseguretat i visualització amb Power BI ofereix una solució integral. Ja sigui per optimitzar el matching en una plataforma de mobilitat o per millorar la logística d'una cadena de subministrament, estem preparats per transformar dades en decisions eficients i segures.
