Svaki pregled, incident i popravak na jednom lancu dokaza — uz AI predpregled.
- Tvrtka
- Aslan Kurierdienste GmbH
- Gdje
- Njemačka · Amazon DSP / last-mile
- Flota
- 36 kombija · 41 vozač · 3 dispečera
- Paket
- Enterprise — svi moduli uključeni
- U produkciji od
- kraj travnja 2026. (~6 tjedana u punom opsegu)
Na maržama od 10-20%, nedokumentirana šteta je trošak koji ne vidite.
Amazon DSP-ovi posluju s tankim maržama, tipično 10-20% neto, a popravci izvan jamstva i prekomjerno trošenje račun su operatera — plaćaju se iz vlastitog džepa ili se naplaćuju pri povratu kombija. Analize industrije last-mile flota govore da prosječni kombi u svakom trenutku nosi oko osam zasebnih točaka oštećenja, uz otprilike 20% godišnju stopu nezgoda po vozilu. Kada se šteta ne zabilježi u trenutku nastanka, DSP plaća na tri načina: curenje novca koje ne može pripisati smjeni, neplanirani zastoj od €410-€700 po kombiju dnevno i sporove koje gubi onaj tko nema dokaze. Posao za koji je Aslan angažirao Fleet: prikupiti obranjive dokaze o stanju u svakoj smjeni i trijažirati ih bez zatrpavanja back officea od tri osobe.
Od pilota do cijele flote u dva tjedna.
| Tjedan od | Smjene | Aktivni vozači | Korišteni kombiji |
|---|---|---|---|
| Ožu 16 (pilot) | 3 | 1 | 3 |
| Tra 27 (uvođenje) | 47 | 26 | 23 |
| Svi 4 | 133 | 30 | 31 |
| Svi 11 | 104 | 28 | 25 |
| Svi 18 | 120 | 31 | 29 |
| Svi 25 | 114 | 33 | 29 |
| Lip 1 | 98 | 28 | 32 |
Disciplina dokazivanja postala je automatska
Vozači su predsmjenski pregled zabilježili u 99,5% smjena, a puni set iz šest kutova u 97,4% njih — 3.667 fotografija s vremenskim žigom u šest tjedana. Svaki kombi sada nosi neprekinut zapis stanja prije/poslije, iz smjene u smjenu. Šteta ima dokaziv vremenski prozor nastanka umjesto slijeganja ramenima.
AI je preuzeo teret trijaže
Kada se sredinom svibnja uključio AI pregled fotografija, svaki je pregled uspoređivao s prethodnom smjenom kombija: automatski je očistio 175 urednih smjena (~64% analiziranog), pa ih dispečeri nikada nisu ni otvarali, izdvojio 74 lokalizirana nalaza štete, od kojih su 73 označena kao nova, i ukupno obradio ~4.960 fotografija. Upravo to čini back office od tri dispečera održivim uz ~20 pregleda dnevno.
Incidenti i popravci na jednom tragu
Aslan je dokumentirao 8 incidenata i 8 popravaka — oko €8.100 popravaka kod 9 dobavljača, uključujući sudar od €7.080 — pri čemu je svaki slučaj fotografiran i spreman za odštetni zahtjev, umjesto panike krajem mjeseca. Osam zabilježenih incidenata na 36 kombija u šest tjedana gotovo se točno poklapa s industrijskom stopom nezgoda od ~20% godišnje: sustav ih hvata praktički sve.
adresabilne izloženosti štetama godišnje — naplativo, preneseno na odgovorne ili rano uhvaćeno na floti ove veličine.
To je Aslanova stvarna aktivnost obračunata prema objavljenim industrijskim mjerilima: otprilike €16.500-€28.900 godišnje za DSP ove veličine. Povrat od srednje do visoke jednoznamenkaste vrijednosti na Enterprise pretplatu. Ovi su eurski iznosi ilustrativna procjena, a ne novac koji je Aslan proknjižio.
Kako smo ovo modelirali (pretpostavke i izvori)
Mjerila: ClearQuote (štete na flotama), Automotive Fleet (~20% stopa nezgoda), Michelin i Penske (trošak zastoja), Route Consultant i Tullis (DSP marže), Amazon DSP Fleet Program. Potpuni izvori u arhivi.
Štetu koju možete dokazati možete naplatiti ili odbiti platiti. Štetu koju ne možete dokazati — gutate.
Što Aslan još ne radi
Danas Aslan koristi Fleet kao sustav evidencije dokaza o stanju i incidenata. Korak koji te dokaze pretvara u proknjižene eure — formalni zapisi odštetnih zahtjeva, predaja dosjea štete, utvrđivanje krivnje i praćenje naplaćenih iznosa — još se ne bilježi u aplikaciji. Sa šest tjedana neoborivih dokaza koji se gomilaju, to je prirodna sljedeća faza — i mjesto gdje gornje modelirane brojke postaju stvarne u sljedećoj reviziji ove priče.
“Fleet je naše WhatsApp grupe, tablicu i tri različita papirnata obrasca zamijenio jednim tijekom rada koji vozači stvarno koriste. Fotografije su dokaz — o štetama se više ne raspravlja.”
Vodite svoj DSP kao Aslan.
Smjene koje počinju fotografijama. Pregledi trijažirani AI-jem. Incidenti i popravci na jednom lancu dokaza.