Come la guida autonoma ha creato una guerra di talenti

Nel gennaio 2015, alcuni dei migliori ricercatori al mondo sull'autonomia dei veicoli hanno iniziato a scomparire dal National Robotics Engineering Center (NREC) al Carnegie Mellon. Entro la fine del mese, cinquanta membri del personale della NREC avevano disertato dall'istituto di ricerca – ben un terzo dell'organico della NREC – inclusi molti dei suoi massimi dipendenti e il direttore del centro.

I membri dello staff di un tempo sono ricomparsi a pochi isolati di distanza, all'interno di un'ex fabbrica di cioccolato ora di proprietà di Uber Technologies, che aveva acquistato e ristrutturato lo spazio per ospitare l'ufficio di punta del suo gruppo Advanced Technologies. Uber aveva attirato i ricercatori lontano da NREC con pacchetti di compensazione alle stelle e la promessa di avere un impatto tangibile aiutando le auto a guidare da sole nel mondo reale, non solo in laboratorio.

Nello stesso anno, Carnegie Mellon e Uber hanno firmato una "partenariato strategico" per ripristinare la loro relazione e creare un percorso più formale per i ricercatori della CMU per interagire con Uber, ma altri attori nel settore automobilistico se ne erano già accorti. Per quanto audace sia stata, l'audace manovra di Uber è stata solo la salva di apertura in una battaglia per trovare e reclutare il talento più prezioso al mondo, esperti di guida autonoma, con ogni mezzo necessario.

Negli ultimi anni, la guerra dei talenti si è intensificata. Oggi, la divisione Waymo di Google è coinvolta in una causa contro Uber, accusando l'ex dipendente ed esperto di guida autonoma Anthony Levandowski di aver rubato segreti commerciali dopo che Uber ha pagato quasi $ 700 milioni per acquisire la sua startup, Otto. Le case automobilistiche tradizionali sono entrate nella mischia, con General Motors che ha pagato $ 580 milioni per acquisire Cruise Automation e Toyota che ha stanziato $ 1 miliardo per costruire un team di ricerca di 200 persone per le auto a guida autonoma. Con un mercato da 42 miliardi di dollari in gioco, gli esperti di guida autonoma vengono corteggiati con lo stesso tipo di fervore - e compenso - delle rock star e dei migliori atleti.

Come il talento guida l'innovazione nell'automazione dei veicoli

Come discusso nel nostro articolo sulla crescente importanza del software per l'industria automobilistica, i veicoli a guida autonoma altereranno fondamentalmente la catena del valore automobilistica. Fino al recente passato, le case automobilistiche sono state centrali elettriche con una competenza chiave nella produzione e nella logistica. Ma un software sofisticato sarà altrettanto vitale per le auto di domani, per le auto a guida autonoma, tanto quanto il motore e la trasmissione.

Dal punto di vista del talento, l'esigenza più ovvia degli attori nel settore della mobilità - reti di trasporto come Uber e Lyft, case automobilistiche come Tesla e GM e nuovi concorrenti come Waymo e Apple - è trovare esperti in apprendimento automatico, visione artificiale e intelligenza artificiale con il know-how per progettare "l'intelligenza guida" dei veicoli autonomi. Questi sono i sistemi che traducono gli input dei sensori e mappano i dati in capacità di guida autonoma che dimostrano un'enorme affidabilità in un'ampia varietà di condizioni.

Ma il bisogno di talento non finisce qui. Le auto a guida autonoma sono al nesso di quattro tendenze tecnologiche interconnesse, ciascuna delle quali rappresenta un orizzonte che deve essere spinto al limite per creare un'esperienza di mobilità superiore che conquisterà i consumatori nel prossimo decennio. Nella parte restante di questo articolo, esamineremo queste tecnologie - connettività, autonomia, mobilità condivisa ed elettrificazione - per aiutare le parti interessate del settore automobilistico a dare priorità alla loro ricerca di talenti.

1. Connettività

Come nel caso di tutte le applicazioni della tecnologia di apprendimento automatico, le capacità di guida autonoma sono un prodotto dei loro dati. Con dati di qualità superiore, i veicoli autonomi possono prendere decisioni migliori e più affidabili su dove e come guidare.

La maggior parte dei dati mission-critical necessari alle auto per guidare da sole proverranno da un robusto complemento di sensori di bordo, ad esempio, le Tesla completamente autonome hanno otto telecamere, dodici sensori a ultrasuoni e radar rivolti in avanti. Ma per massimizzare le prestazioni e la sicurezza, i veicoli autonomi dovranno connettersi a fonti di dati aggiuntive.

A livello di base, ciò comporta la connessione a sistemi di guida GPS e applicazioni per il traffico basate su cloud come Waze per aiutare i veicoli a generare percorsi ottimali. Le case automobilistiche sono già in cima a questa tendenza e Gartner stima che quasi 250 milioni di veicoli saranno connessi a Internet entro il 2020. Ma ridurre la latenza e raggiungere i più alti standard di sicurezza e comfort implica che anche le auto a guida autonoma condivideranno dati e comunicheranno con altri veicoli e con le infrastrutture e le strade circostanti. Ad esempio, i segnali stradali intelligenti potrebbero interagire direttamente con i veicoli: la città di Atlanta prevede persino di costruire strade separate per le auto a guida autonoma, complete di segnaletica stradale e parchimetri integrati.

Le auto a guida autonoma consumeranno dati da un'ampia varietà di fonti, il che implica che l'esperienza nella connettività e nell'Internet delle cose sarà essenziale in questo campo. Sarà altrettanto importante mantenere i massimi esperti di sicurezza in grado di rilevare le vulnerabilità e limitare il rischio che i veicoli connessi vengano violati o sfruttati.

2. Autonomia

Avendo ingerito un'ampia varietà di dati da sensori interni e fonti esterne, le auto a guida autonoma devono trasformarli in percorsi e controlli di guida. Gli algoritmi che producono autonomia sono la componente fondamentale dei veicoli senza conducente e l'autonomia è la capacità al centro della guerra dei talenti.

La piattaforma di formazione online Udacity ha recentemente lanciato un nanolaurea "Self-Driving Car Engineer" insegnata da Sebastian Thrun, professore a Stanford e uno dei padrini della ricerca sulle auto a guida autonoma, e il suo curriculum offre uno sguardo alle numerose competenze software richieste per produrre autonomia veicolare di qualsiasi grado. Le aree di conoscenza essenziali includono l'apprendimento profondo, la visione artificiale, l'elaborazione e la fusione dei sensori, la localizzazione e il controllo, ciascuno con sottomoduli approfonditi. Nel loro insieme, queste competenze consentono agli ingegneri di progettare sistemi in grado di riconoscere segnali e segnali stradali, mantenere le corsie, adattarsi alle condizioni meteorologiche avverse, reagire al flusso del traffico e prevenire potenziali collisioni.

È da notare che un certo numero di moduli del corso di Udacity sono sponsorizzati da aziende che ricercano la tecnologia delle auto a guida autonoma, tra cui Mercedes-Benz e Uber, il che implica che i principali attori della mobilità sono così ansiosi di bloccare i talenti dell'autonomia da essere disposti a raccogliere direttamente gli ingegneri fuori dalla scuola.

3. Mobilità condivisa

La ricerca sui veicoli autonomi è stata enormemente accelerata dalla crescita delle reti di trasporto come Uber e Lyft, nonché dai servizi di car sharing come Zipcar e Car2go. In particolare, Uber e Lyft puntano sul fatto che le auto a guida autonoma ridurranno sostanzialmente il costo variabile dei loro servizi eliminando i conducenti, rendendo il ride sharing competitivo in termini di costi e convenienza rispetto al possesso di un'auto.

La popolarità di Uber e Lyft, combinata con fattori culturali che hanno ridotto il valore della proprietà dell'auto per la fascia demografica più giovane, ha fatto sì che i giocatori di mobilità di ogni tipo si mettano a sedere e se ne accorgano. Tesla è una casa automobilistica che ha abbracciato l'idea che il futuro della mobilità automobilistica potrebbe comportare una proprietà di veicoli molto inferiore, annunciando piani per una "rete Tesla" di Tesla a guida autonoma che potrebbero far salire altri passeggeri durante i loro tempi di inattività. GM ha anche adottato un approccio aggressivo, acquisendo le risorse della startup di condivisione di corse Sidecar e collaborando con Lyft per finanziare la loro espansione e perseguire una serie di iniziative strategiche, mentre Ford ha annunciato l'intenzione di lanciare un veicolo completamente autonomo per la condivisione di corse da parte di 2021.

Sia che vogliano fornire veicoli per reti di ride-sharing o creare le proprie reti, i player della mobilità dovranno investire in talenti per comprendere le sfide nello spazio, dal routing intelligente durante il carpooling alla manutenzione e alla sicurezza dei passeggeri.

4. Elettrificazione

Le auto a guida autonoma con motori a combustione interna esisteranno molto in futuro, soprattutto per le applicazioni a lunga distanza. Ma poiché la tecnologia delle batterie migliora in termini di autonomia e costi, è molto probabile che la prossima generazione di veicoli autonomi sia elettrica.

Le ragioni di questo si collegano alle altre tendenze tecnologiche che hanno catalizzato lo sviluppo dei veicoli autonomi. Per uno, i veicoli elettrici hanno il potenziale per essere più facili da mantenere, perché sono costituiti da soli tre componenti principali: batteria, inverter e motore elettrico. A maturità, potrebbero anche essere più facili da rifornire di carburante attraverso la tecnologia wireless come la ricarica a induzione, rendendoli adatti ai modelli di utilizzo intenso del ride-sharing.

Le auto elettriche sono anche più facili da controllare per i computer e possono fornire energia affidabile alla serie di sensori che i veicoli autonomi utilizzano per raccogliere dati e controllarne il movimento. Già il 58% dei veicoli autonomi leggeri è costruito su un propulsore elettrico, mentre un ulteriore 21% utilizza un propulsore ibrido. Detto questo, fino a quando la tecnologia delle batterie non consentirà ai veicoli elettrici di adattarsi alla gamma delle auto a benzina, i motori ibridi colmeranno il divario, offrendo sia un'autonomia che una compatibilità superiore con le esigenze uniche dei veicoli autonomi.

Un buon talento di guida autonoma è difficile da trovare

Le guerre dei talenti nell'automazione veicolare sono appena iniziate. La domanda di talenti tecnici e commerciali nelle quattro aree sopra delineate aumenterà man mano che le organizzazioni nell'intero spazio della mobilità aumenteranno la loro convinzione nella rapida progressione della tecnologia e delle norme legali che attualmente vietano l'adozione diffusa delle auto a guida autonoma.

Assicurare talenti con una profonda esperienza nell'autonomia è essenziale per produrre veicoli autonomi, ma gli attori della mobilità non devono fermarsi qui. I vincitori delle guerre dei talenti dovranno esaminare l'intera serie di competenze necessarie per produrre esperienze di guida autonoma sicure e di alta qualità, impiegando tattiche creative per bloccare i talenti e garantire la loro strada verso una crescita sostenibile nella prossima era della mobilità.