Transporeon ha reso disponibile da aprile 2026 in Europa e Nord America la funzionalità Natural Language Search per tutti gli utenti vettori della soluzione Autonomous Procurement, con lo scopo di ridurre i passaggi necessari agli autotrasportatori per individuare carichi adatti, sostituendo la ricerca tradizionale basata su filtri multipli con richieste scritte in linguaggio naturale. La funzione si basa su intelligenza artificiale generativa e permette al vettore di descrivere direttamente il trasporto che sta cercando. Un utente può digitare, per esempio, "carichi refrigerati da Napoli a Milano con ritiro entro le prossime 48 ore" e ricevere risultati pertinenti collegati a offerte Buy-It-Now generate tramite intelligenza artificiale. Secondo Transporeon, la ricerca passa così da una sequenza di selezioni e filtri a un percorso più diretto verso la prenotazione.
L’innovazione più importante, per vettori e spedizionieri, riguarda il tempo impiegato nella selezione delle opportunità. All’interno di Autonomous Procurement gli operatori possono trovarsi davanti a centinaia di offerte personalizzate. In questo contesto, ogni minuto speso a scorrere liste o a combinare filtri riduce il tempo disponibile per accettare trasporti coerenti con disponibilità di mezzi, tratte servite, finestre di ritiro e requisiti operativi. La Natural Language Search interviene proprio su questa fase: invece d’impostare campi separati per origine, destinazione, tipologia di veicolo, temperatura controllata o data di ritiro, il vettore può inserire una frase completa. La piattaforma interpreta l’intento della richiesta e restituisce i carichi più coerenti. Per un operatore che già conosce la tratta o il mezzo da impiegare, il vantaggio consiste nella riduzione dei clic e nella possibilità di arrivare più rapidamente all’offerta prenotabile.
Secondo i dati raccolti da Transporeon durante la fase pilota, lo strumento ha interpretato l’intento dell’utente con un’accuratezza superiore al 90%. Questa è una percentuale ritenuta importante, perché la ricerca in linguaggio naturale può essere utile solo se riesce a distinguere correttamente elementi come origine, destinazione, tipo di carico, attrezzatura richiesta e finestra temporale. In caso contrario, il vettore rischierebbe di ricevere risultati non utili e di perdere il tempo risparmiato nella fase di compilazione. Transporeon precisa che la sperimentazione è partita con un grande intermediario logistico statunitense che gestisce 790 vettori. Nella fase pilota, il 79% dei vettori coinvolti ha utilizzato lo strumento basato su intelligenza artificiale completando con successo almeno una ricerca.
I dati d’uso mostrano anche una ripartizione tra accesso da postazione fissa e dispositivi mobili. Il 72% delle ricerche è stato effettuato da postazione fissa, mentre il 28% è arrivato da dispositivi mobili. Per il trasporto merci questo elemento ha un importante risvolto pratico: l’accesso alle piattaforme digitali di carico non è più legato solo all’ufficio operativo, ma si estende a contesti in cui il vettore o il personale di coordinamento devono verificare opportunità anche fuori dalla postazione tradizionale. Secondo i primi dati comunicati da Transporeon, la Natural Language Search può aumentare fino al 25% il tasso di conversione dalla ricerca alla prenotazione.
L’integrazione con le offerte Buy-It-Now è un altro elemento operativo della nuova funzione. Una volta ottenuti i risultati coerenti con la richiesta, il vettore può accettare l’offerta in tempo reale, senza ulteriori negoziazioni. Transporeon cita l’esempio di un operatore che cerca un "semirimorchio telonato da Rotterdam a Monaco per domani": la piattaforma può mostrare subito le offerte corrispondenti ai criteri indicati, consentendo di bloccare il carico in pochi secondi.
Jonah McIntire, Chief Platform Officer Transportation & Logistics di Trimble, ha collegato lo sviluppo della funzione a un riscontro arrivato dai vettori. Secondo McIntire, gli operatori ragionano sui carichi in modo naturale, mentre gli strumenti tradizionali li costringono a tradurre le esigenze operative in filtri e opzioni di menu. La Natural Language Search punta quindi a eliminare questa distanza tra il modo in cui il vettore formula il fabbisogno e il modo in cui la piattaforma organizza la ricerca.
