Dlaczego Twoja 48-miesięczna umowa flotowa jest problematyczna już w momencie podpisania i jak predykcyjny TCO może to rozwiązać

Predykcyjny TCO to zaawansowana metoda analityczna, wykraczająca poza retrospektywne rozliczanie kosztów. Wykorzystuje integrację danych w czasie rzeczywistym oraz uczenie maszynowe, aby prognozować przyszłe koszty zanim jeszcze wystąpią, a nie dopiero po ich zarejestrowaniu. W przeciwieństwie do tradycyjnych kalkulatorów, modele predykcyjne operują na dynamicznych zmiennych, takich jak:

•     zmienność cen energii, poprzez przewidywanie wahań taryf elektrycznych w zależności od regionu, sieci ładowania i pory dnia;

•     wartość rezydualną definiowaną programowo, poprzez modelowanie wpływu aktualizacji over-the-air oraz stanu baterii na wartość pojazdu na rynku wtórnym;

•     gotowość infrastruktury, poprzez uwzględnienie tempa wdrażania punktów ładowania oraz ich wpływu na przestoje operacyjne.

Zamiast rozliczania zdarzeń, które już się wydarzyły, predykcyjny TCO na bieżąco waży kompromisy między kosztami, efektywnością a zrównoważonym rozwojem, umożliwiając planowanie oparte na danych dla wielkoskalowej elektryfikacji i integracji systemowej.

Jednocześnie to wspomniane ważenie kompromisów między kosztami, efektywnością a zrównoważonym rozwojem sprawia, że predykcyjny TCO robi coś, czego nie potrafi żaden model statyczny. Eliminuje nieprzyjemne niespodzianki na koniec umowy.

Czynniki makroekonomiczne mają większy wpływ na wzrost kosztów niż sama elektryfikacja. Koszty zakupu pojazdów elektrycznych (BEV) są wyższe, jednak koszty serwisu, konserwacji i napraw (SMR) są zazwyczaj o 20–37% niższe niż w przypadku ich benzynowych lub diesla odpowiedników w cyklu flotowym trwającym 36–48 miesięcy[1]. Oznacza to, że pojazdy te pozostają jedną z niewielu skutecznych dźwigni pozwalających zrównoważyć ogólną inflację. Obraz sytuacji jest jednak bardziej złożony w przypadku roszczeń powypadkowych, gdzie naprawy BEV są nadal o ponad 25% droższe ze względu na pakiet wysokonapięciowy, choć różnica ta maleje w miarę zdobywania doświadczenia przez sieci naprawcze[2].

Modele predykcyjne umożliwiają porównywanie danych porównywalnych (like-for-like) w obrębie poszczególnych segmentów, na przykład segmentów C i D, dowodząc, że przy właściwym zarządzaniu pojazdy BEV oferują przewagę konkurencyjną w obecnych warunkach kosztowych, ale tylko wtedy, gdy założenia dotyczące energii, wykorzystania i wartości rezydualnej są na bieżąco aktualizowane, a nie ustalane raz na początku umowy.

W miarę jak TCO staje się centralnym elementem strategicznego planowania flot, liderzy branży konsekwentnie koncentrują się na pięciu dźwigniach. W MakoLab przekładamy te dźwignie na możliwości cyfrowe, a nie na slajdy prezentacji.

Pięć dźwigni

•     Wybór właściwego pojazdu dzięki inteligentnym interfejsom, które dopasowują rzeczywisty cykl eksploatacji każdego kierowcy do najbardziej efektywnego segmentu i układu napędowego, zamiast opierać się na średniej dla całej floty.

•     Optymalizacja umowy dzięki narzędziom umożliwiającym firmom leasingowym analizę przebiegu i wzorców użytkowania w czasie rzeczywistym oraz dynamiczne dostosowywanie parametrów leasingu, co zapobiega finansowym niespodziankom pod koniec trwania umowy.

•     Poprawa stylu jazdy dzięki integracji telematyki, która promuje ekojazdę, bezpośrednio zmniejsza zużycie energii oraz ogranicza mechaniczne zużycie pojazdu[3].

•     Usprawnienie strategii ładowania poprzez przejście od modelu plug-and-charge do rozwiązań zautomatyzowanych, uwzględniających taryfy poza godzinami szczytu, dostępność infrastruktury oraz zgodne z przepisami podatkowymi rozliczenia zwrotów dla pracowników.

•     Uwzględnienie alternatywnych modeli mobilności poprzez rozszerzenie strategii o rowery, car sharing i transport publiczny, co pozwala uzyskać całościowy obraz całkowitego kosztu mobilności (TCM). TCM jest naturalną ewolucją TCO w sytuacji, gdy flota obejmuje więcej niż jeden środek transportu.

Jedną z najważniejszych zmian w 2026 roku jest przejście od TCO pojazdu, obejmującego stałe i zmienne koszty każdej jednostki, do TCO floty. To drugie, szersze podejście uwzględnia koszty, których klasyczne kalkulatory zawsze nie doszacowywały, takie jak administracja, przestoje, nieuzasadnione zużycie eksploatacyjne, koszty odnowienia pojazdu po zakończeniu umowy oraz koszt alternatywny wynikający z nieoptymalnego przydziału pojazdów kierowcom. Żadna z tych pozycji nie jest widoczna wprost w arkuszu kalkulacyjnym na poziomie pojedynczego pojazdu. A jednak łącznie to właśnie one często decydują o tym, czy flota zmieści się w budżecie.

Konserwacja predykcyjna to jeden z najwyraźniejszych przykładów tego, gdzie przejście od TCO pojazdu do TCO floty przynosi wymierne korzyści. Algorytmy predykcyjne analizują dane telematyczne — czyli przebieg, temperaturę podzespołów, wibracje, styl jazdy oraz kody błędów sterownika ECU — a następnie identyfikują wzorce ryzyka i inicjują działania serwisowe, zanim dojdzie do awarii. Wdrożenia w rzeczywistych warunkach pokazują redukcję przestojów związanych z konserwacją nawet o 30%[3], co bezpośrednio przekłada się na poprawę TCO, której żaden statyczny model nigdy by nie ujawnił.

W MakoLab nie dostarczamy gotowych platform z półki. Naszą specjalnością jest budowanie zaprojektowanych na indywidualne potrzeby ekosystemów danych, które napędzają predykcyjne modele TCO w środowisku produkcyjnym. Nasza wiedza sytuuje się na przecięciu API pojazdów connected car, danych dostawców energii i usług finansowych, dzięki czemu łączymy ambitne strategie zrównoważonego rozwoju z operacyjną rzeczywistością zarządzania nowoczesną flotą.

Z których naszych usług korzystamy, aby to wszystko osiągnąć?

•     Usług danych (Data Services), obejmujących architekturę danych, integrację, big data oraz pipeline’y strumieniowe, które łączą telematykę pojazdów, ceny energii, prognozy wartości rezydualnej i dane regulacyjne w jeden, zarządzany i audytowalny model, w którym ocena i governance danych zapewniają, że powstałe dane floty są gotowe pod kątem CSRD.

•     Usług AI (AI Services), dostarczających kompetencje potrzebne do budowy modeli uczenia maszynowego (ML) dla wartości rezydualnej, kondycji baterii i profilowania kierowców, wraz z ontologiami i grafami wiedzy, które strukturyzują relacje między pojazdami, umowami, infrastrukturą ładowania i regulacjami. Wszystko to stanowi formalny szkielet silnika decyzyjnego, który potrafi wnioskować, a nie tylko liczyć. Częścią usługi są również LLM i generatywna AI, dzięki którym silnik staje się dostępny dla zarządców flot i klientów korporacyjnych za pośrednictwem interfejsów opartych na języku naturalnym.

•     Usług aplikacyjnych (Application Services), obejmujących zarówno tworzenie oprogramowania na zamówienie, jak i DevSecOps dla samego interfejsu decyzyjnego. Mowa tu o bezpiecznie wdrożonym systemie rekomendacji, zintegrowanym z istniejącymi platformami leasingowymi, ERP i HR, który daje zarządcom flot konkretną odpowiedź, a nie trzy scenariusze zapisane w pliku.

•     Usług biznesowych (Business Services), obejmujących strategię biznesową i pracę transformacyjną, które przekładają technologię na wymierne korzyści biznesowe, takie jak redefinicja polityki flotowej, doświadczenie klienta korporacyjnego oraz zmiana operacyjna niezbędna do wdrożenia nowego modelu.

Wyścig do 2030 roku wygrają organizacje, które potrafią uprościć złożoność dla swoich klientów. Zrozumienie „dlaczego” rosną koszty to pierwszy krok. Zbudowanie narzędzi do zarządzania nimi to krok drugi.