Il Chief Technology Officer di Uber, Praveen Neppalli Naga, ha rivelato i dettagli del piano durante un’intervista all’evento StrictlyVC di TechCrunch a San Francisco. L’annuncio ha confermato l’espansione di AV Labs<\/strong>, un programma lanciato a fine gennaio 2026. L’obiettivo dichiarato \u00e8 trasformare ogni veicolo della rete Uber in un nodo di raccolta dati per le aziende di guida autonoma.<\/p>\n According to reports by TechCrunch<\/a>, Naga ha descritto l’iniziativa come un’estensione naturale delle attivit\u00e0 gi\u00e0 avviate. Pertanto, non si tratta di una svolta improvvisa, ma di un’evoluzione strategica pianificata. Uber conta milioni di conducenti attivi in centinaia di citt\u00e0 nel mondo. Questo volume rende la flotta una delle reti di sensing urbano pi\u00f9 capillari mai costruite.<\/p>\n Il meccanismo \u00e8 relativamente lineare. I veicoli Uber, equipaggiati con smartphone e potenzialmente con hardware aggiuntivo, raccolgono dati in tempo reale. Questi includono condizioni stradali, segnaletica, comportamento del traffico e geometria urbana. Di conseguenza, le aziende di autonomous vehicle ottengono un flusso continuo di dati annotati e georeferenziati.<\/p>\n Questo tipo di dato \u00e8 estremamente costoso da produrre autonomamente. Aziende come Waymo, Mobileye o Aurora investono centinaia di milioni di dollari per costruire flotte di test. Uber, al contrario, dispone gi\u00e0 di un’infrastruttura operativa. Inoltre, i dati raccolti in contesti urbani reali hanno un valore superiore rispetto a quelli generati in ambienti controllati.<\/p>\n In particolare, il modello AV Labs prevede che Uber funga da intermediario tra la flotta e i committenti tecnologici. Dunque, il driver non interagisce direttamente con le aziende AV. Uber gestisce la pipeline di dati, la pulizia, l’annotazione e la distribuzione. Questo posiziona la societ\u00e0 come fornitore di data infrastructure<\/em> value added.<\/p>\n Il settore dei veicoli autonomi ha attraversato una fase di consolidamento negli ultimi anni. Diverse startup hanno ridotto i budget di R&D o sono state acquisite. Tuttavia, la domanda di dati di addestramento per i modelli di percezione \u00e8 rimasta alta. Anzi, con la diffusione dei large language model<\/em> applicati alla guida, il fabbisogno di dati reali \u00e8 aumentato.<\/p>\n Secondo Gartner, le tecnologie di percezione autonoma sono ancora in fase di maturazione. Pertanto, la domanda di dataset ad alta qualit\u00e0 rester\u00e0 sostenuta almeno fino al 2027-2028. Uber si inserisce in questo gap con un’offerta scalabile e difficilmente replicabile.<\/p>\n Oltre a questo, il timing \u00e8 favorevole anche sul fronte normativo. Diversi Paesi stanno definendo framework per la raccolta e la commercializzazione di dati stradali. Uber pu\u00f2 posizionarsi come operatore conforme prima che le regole diventino pi\u00f9 stringenti.<\/p>\n L’ingresso di Uber nel mercato dei dati per veicoli autonomi cambia gli equilibri competitivi. Prima di tutto, aumenta l’offerta di dati grezzi a costi potenzialmente inferiori rispetto alle soluzioni proprietarie. Di conseguenza, le aziende AV di dimensioni medie potrebbero accedere a dataset che prima erano fuori portata economica.<\/p>\n Analogamente, si apre uno spazio per operatori specializzati nell’elaborazione e nell’arricchimento di questi dati. L’annotazione semantica, la segmentazione delle scene e la validazione dei dataset sono attivit\u00e0 ad alto valore aggiunto. Quindi, le PMI tech con competenze in computer vision o MLOps potrebbero trovare nuove opportunit\u00e0 di fornitura.<\/p>\n Tuttavia, esistono anche rischi di concentrazione. Se Uber diventa il principale fornitore di dati stradali, le aziende AV dipenderanno da un unico intermediario. Questo crea potenziali frizioni su pricing, esclusivit\u00e0 e accesso ai dati storici. Le PMI che intendono entrare in questa catena del valore devono valutare attentamente il proprio posizionamento.<\/p>\n C’\u00e8 una dimensione spesso trascurata in questa vicenda: il ruolo del conducente. Il driver \u00e8 il soggetto che rende possibile la raccolta dati, ma non \u00e8 chiaro quale quota di valore gli venga riconosciuta. Neppalli Naga non ha fornito dettagli sui meccanismi di compensazione per i conducenti che partecipano ad AV Labs.<\/p>\n Questa opacit\u00e0 potrebbe generare attriti. Infatti, in passato Uber ha affrontato tensioni significative con la propria base di driver su questioni di compenso e condizioni di lavoro. Se la monetizzazione dei dati non prevede una redistribuzione equa, il programma potrebbe incontrare resistenze operative.<\/p>\n Perci\u00f2, dal punto di vista della sostenibilit\u00e0 del modello, la governance della catena del valore \u00e8 un nodo critico. Le aziende che si ispirano a questo schema \u2014 anche in settori diversi \u2014 dovrebbero progettare fin dall’inizio meccanismi di incentivo per i nodi della rete. Questo vale tanto per le grandi piattaforme quanto per le PMI che gestiscono reti di agenti o rivenditori.<\/p>\n Italian SMEs active in tech, mobility, or IoT can draw concrete insights from this evolution. Firstly, the AV Labs model demonstrates that the Data monetization<\/em> non richiede necessariamente la creazione di nuovi asset. Spesso, i dati pi\u00f9 preziosi sono gi\u00e0 presenti nelle operazioni quotidiane. Occorre strutturare la raccolta, la governance e la distribuzione.<\/p>\n Inoltre, questo caso evidenzia l’importanza di una strategia di posizionamento B2B chiara. Uber non vende dati al consumatore finale: si rivolge a un mercato tecnico specializzato. Allo stesso modo, le PMI che intendono valorizzare i propri dati operativi devono identificare con precisione il segmento di acquirenti e costruire una proposta di valore misurabile.<\/p>\n In seguito, sar\u00e0 fondamentale monitorare l’evoluzione normativa europea in materia di dati. Il Data Act<\/em> dell’UE, entrato in vigore nel 2024, definisce regole precise sulla portabilit\u00e0 e sulla condivisione dei dati generati da dispositivi connessi. Le PMI che vogliono operare in questo spazio devono garantire la conformit\u00e0 fin dalla fase di progettazione.<\/p>\n We of SHM Studio<\/a> we support companies in defining digital strategies that also include the enhancement of data assets. Artificial intelligence services<\/a> to the construction of web infrastructure<\/a> scalabili, il nostro approccio \u00e8 sempre orientato alla creazione di valore misurabile.<\/p>\n Nel breve termine, AV Labs si consolider\u00e0 come programma pilota in alcune citt\u00e0 chiave. Uber tester\u00e0 la qualit\u00e0 dei dati, la risposta delle aziende AV e la sostenibilit\u00e0 economica del modello. Probabilmente entro fine 2026 si conosceranno i primi risultati concreti.<\/p>\n Nel medio termine, tra il 2027 e il 2028, questo schema potrebbe estendersi ad altri operatori di flotte. Societ\u00e0 di logistica, noleggio veicoli e trasporto pubblico dispongono di asset simili. Di conseguenza, potrebbe emergere un mercato strutturato di dati stradali con standard comuni di qualit\u00e0 e certificazione.<\/p>\n Infine, l’evoluzione pi\u00f9 interessante riguarda l’integrazione con i modelli di AI generativa applicati alla mobilit\u00e0. Come evidenziato da Harvard Business Review in relazione ai modelli generativi, la qualit\u00e0 del dato di addestramento determina in misura crescente la qualit\u00e0 del modello finale. Chi controlla i dati controlla, in ultima analisi, la direzione dello sviluppo tecnologico.<\/p>\n Per le PMI italiane, la lezione \u00e8 chiara: i dati operativi sono un asset strategico. Strutturarli, proteggerli e valorizzarli non \u00e8 un’attivit\u00e0 accessoria. \u00c8 parte integrante della competitivit\u00e0 futura. Chi desidera approfondire questi temi pu\u00f2 consultare le nostre risorse sul SHM Studio Blog<\/a> or contact us directly at Contact Us<\/a>.<\/p>\n Per chi opera nel B2B, una strategia di comunicazione coerente con questo posizionamento \u00e8 altrettanto importante. I digital marketing services<\/a>, the LinkedIn campaign<\/a> e le attivit\u00e0 di SEO<\/a> are complementary tools to reach tech industry decision-makers. Similarly, a strong digital presence, built with optimized content<\/a> e Google Ads campaigns<\/a> mirate, amplifica la visibilit\u00e0 di chi vuole posizionarsi in mercati ad alta specializzazione.<\/p>","protected":false},"excerpt":{"rendered":" Uber wants to use its fleet as data infrastructure for self-driving companies. What changes for tech SMEs and the AV data market.<\/p>","protected":false},"author":7,"featured_media":21443,"template":"","meta":{"_acf_changed":false,"footnotes":""},"tags":[],"news-category":[163],"class_list":["post-21451","news","type-news","status-publish","has-post-thumbnail","hentry","news-category-tecnologia","entry"],"acf":{"tldr_content":" Uber ha annunciato l'intenzione di trasformare la propria flotta di milioni di conducenti in una rete distribuita di sensori. L'obiettivo \u00e8 raccogliere dati stradali preziosi per le aziende che sviluppano veicoli autonomi. Il programma si chiama AV Labs<\/strong> ed \u00e8 stato presentato ufficialmente a gennaio 2026.<\/p> Pertanto, questa mossa ridefinisce il ruolo del driver: non pi\u00f9 semplice fornitore di mobilit\u00e0, ma nodo attivo di un'infrastruttura dati su scala globale. Inoltre, apre un mercato secondario di dati geospaziali e comportamentali ad alto valore. Le PMI tech italiane che operano in ambito mobility, IoT o intelligenza artificiale dovrebbero osservare con attenzione questa evoluzione.<\/p>How the model works: road data as a product<\/h2>\n
Il contesto di mercato: perch\u00e9 adesso<\/h2>\n
Immediate impact on the AV data market<\/h2>\n
What no one tells you: the driver as an invisible stakeholder<\/h2>\n
What to do now: operational implications for Italian tech SMEs<\/h2>\n
Outlook: where does this trajectory lead<\/h2>\n