La prima morte è imminente

Ashok ha osservato che Robotaxi mantiene un record di sicurezza impeccabile nei 380.000 miglia non supervisionate percorse finora. Tuttavia, molti osservatori restano preoccupati che un grave incidente sia solo una questione di tempo.

Questa preoccupazione non è irrazionale. Man mano che il servizio si espande e il chilometraggio cumulativo cresce, i primi incidenti gravi diventano statisticamente inevitabili. La domanda rilevante non è se si verificheranno, ma quando e con quale gravità.

In un'analisi precedente, abbiamo modellato la probabile traiettoria del chilometraggio di Robotaxi utilizzando il tasso di crescita settimanale dichiarato da Ashok e la capacità produttiva installata di Cybercab. Combinando quella proiezione con i dati pubblicamente disponibili della NHTSA, possiamo stimare la probabilità che Robotaxi sia coinvolto in incidenti di diversa gravità nel tempo.

Una precisazione importante: le cifre che seguono sono tassi di coinvolgimento, non tassi di colpa puri. Descrivono la probabilità che un Robotaxi sia presente in un incidente che provoca lesioni o morte, indipendentemente da quale parte sia principalmente responsabile. Ciò fornisce un riferimento realistico rispetto al quale valutare le future prestazioni di sicurezza.

Parte 1 – Il riferimento umano: la sicurezza stradale oggi

Iniziamo con le statistiche nazionali più recenti e dettagliate della National Highway Traffic Safety Administration (NHTSA).

Nel 2023, i veicoli passeggeri hanno rappresentato circa l'89% di tutte le miglia percorse dai veicoli negli Stati Uniti. Per gli occupanti di questi veicoli, i tassi erano:

In termini assoluti, ciò corrisponde a circa 24.000 decessi di occupanti e 1,95 milioni di lesioni denunciate dalla polizia su quasi 2,9 mila miliardi di miglia percorse da veicoli passeggeri.

Le lesioni denunciate dalla polizia sono classificate sulla scala KABCO:

Per il resto di questa analisi, adottiamo i tassi di “tutti i veicoli passeggeri” come riferimento umano (0,83 decessi e 68 lesioni per 100 milioni di miglia). Assumiamo quindi che un sistema Robotaxi maturo sarà 10 volte più sicuro di questa media umana — un obiettivo ambizioso ma comunemente citato nel settore (e che Waymo ha utilizzato come parametro di riferimento nei propri rapporti sulla sicurezza).

Questa ipotesi 10× diventa il fondamento per le proiezioni statistiche che seguono.

Parte 2 – Perché gli incidenti seguono un processo di Poisson

Gli incidenti stradali sono eventi rari rispetto all'enorme numero di miglia percorse. Quando gli eventi sono poco frequenti, indipendenti e si verificano a un tasso medio approssimativamente costante, il numero di occorrenze in una data esposizione (qui, le miglia) è ben descritto da una distribuzione di Poisson.

Sotto un processo di Poisson, la probabilità di osservare esattamente k eventi dopo M miglia è:

dove λ è il numero atteso di eventi per miglio.

Siamo principalmente interessati alla probabilità di sperimentare almeno un evento. Questo è semplicemente il complemento della probabilità di zero eventi:

Come ottenere λ

Dai dati NHTSA della Parte 1, conosciamo già il numero medio di miglia tra eventi per i veicoli passeggeri guidati da umani. Il tasso di eventi per miglio è quindi il reciproco:

Equivalentemente, se il tasso pubblicato è dato per 100 milioni di miglia:

Per il nostro riferimento (tutti i veicoli passeggeri):

• Decesso: λ_umano = 0,83 / 10⁸ = 8,3 × 10⁻⁹ per miglio
• Lesione (tutte le gravità): λ_umano = 68 / 10⁸ = 6,8 × 10⁻⁷ per miglio

Poiché assumiamo che Robotaxi sia 10 volte più sicuro, dividiamo semplicemente questi tassi per 10:

Sostituendo nell'espressione precedente si ottiene la probabilità di almeno un incidente dopo qualsiasi chilometraggio cumulativo M:

Questa è la formula utilizzata per tutte le proiezioni nella sezione successiva.

Parte 3 – Quando i primi incidenti diventano probabili

Possiamo ora applicare la formula di Poisson della Parte 2 alle quattro categorie di esito di interesse:

• Decesso (K)
• Lesione grave / invalidante (A)
• Lesione lieve / non invalidante (B)
• Possibile lesione (C)

Utilizzando i tassi di riferimento umani della Parte 1, scalati dall'ipotesi di sicurezza 10×, otteniamo un tasso di eventi separato λ per ciascuna categoria. La prima vista traccia la probabilità di almeno un evento rispetto alle miglia non supervisionate cumulative di Robotaxi:

Dal chilometraggio al tempo calendariale

Nel nostro articolo precedente, abbiamo costruito un modello forward delle miglia non supervisionate settimanali utilizzando i tassi di crescita settimanali a due cifre dichiarati da Ashok, vincolati dalla capacità produttiva di Cybercab di circa 2.400 veicoli a settimana (la guidance annuale di 125k di Tesla) e da un'ipotesi di alto utilizzo di 200 miglia per veicolo al giorno.

Prendendo il caso di crescita del 14% come scenario centrale e accumulando le miglia settimanali limitate, si ottiene una traiettoria di chilometraggio cumulativo nel tempo calendariale. Sostituendo quel chilometraggio cumulativo nella formula di Poisson si ottiene la probabilità di ciascun tipo di incidente in funzione del tempo:

Sotto questa traiettoria, le soglie di probabilità del 50% vengono raggiunte approssimativamente come segue:

Chilometraggio cumulativo attuale di Waymo

Per scala, abbiamo segnato sul grafico del chilometraggio le miglia cumulative approssimative completamente senza conducente di Waymo.

Il dashboard ufficiale Safety Impact di Waymo riporta 220,6 milioni di miglia con solo passeggeri fino a marzo 2026. Con un tasso di esecuzione recente di circa 4 milioni di miglia con solo passeggeri a settimana, l'estrapolazione a metà/fine 2026 produce circa 280-300 milioni di miglia a pagamento. Considerando le miglia di riposizionamento e stazionamento a vuoto, raddoppiamo cautamente tale cifra per arrivare a una stima di circa 600 milioni di miglia autonome totali.

Track record reale di Waymo

Il reporting pubblico SGO/NHTSA sugli incidenti di Waymo, mappato sulla scala KABCO, fornisce il seguente quadro approssimativo:

Osservazioni chiave:

• La grande maggioranza dei casi di lesioni segnalati rientra nelle categorie di gravità inferiore (C e B).
• La stessa ricerca sulla sicurezza di Waymo considera solo i casi A o K confermati dalla polizia come “lesione grave o peggiore”.
• Su oltre 220 milioni di miglia con solo passeggeri, Waymo riporta circa il 94% in meno di incidenti con lesioni gravi o peggiori e circa l'82% in meno di incidenti con lesioni di qualsiasi gravità rispetto al riferimento umano nelle stesse aree operative.
• Questi confronti vengono effettuati indipendentemente dalla colpa. Nel piccolo numero di incidenti gravi (A) e mortali (K), le informazioni pubbliche disponibili indicano che il veicolo Waymo non era tipicamente la parte colpevole principale.

Questo record reale illustra la distinzione che conta anche per Robotaxi: a scala sufficiente, il coinvolgimento negli incidenti diventa statisticamente inevitabile. La domanda decisiva è se il sistema è in colpa meno spesso — e produce meno esiti gravi — rispetto ai conducenti umani che percorrono le stesse miglia. Il quadro di Poisson sviluppato qui calibra semplicemente quando ci si può aspettare che Tesla Robotaxi, sotto un'ipotesi di sicurezza 10×, inizi a incontrare le stesse categorie di eventi.

Come mostra il grafico del chilometraggio cumulativo, una volta che una flotta senza conducente raggiunge diverse centinaia di milioni di miglia, il coinvolgimento in incidenti gravi e persino mortali diventa statisticamente inevitabile — anche sotto un'ipotesi di sicurezza 10×. Il record di Waymo è quindi coerente con ciò che il modello di Poisson prevede a quella scala: la domanda rilevante non è più se tali eventi si verifichino, ma quanto spesso il sistema sia in colpa e come il suo profilo di gravità si confronti con quello dei conducenti umani.

Conclusione

Abbiamo modellato la probabilità di coinvolgimento di Robotaxi in incidenti di diversa gravità, assumendo che il sistema raggiunga alla fine un miglioramento della sicurezza 10× rispetto al veicolo passeggeri medio guidato da umani. Combinando tale ipotesi con la traiettoria del chilometraggio sviluppata nella nostra analisi precedente, si ottengono aspettative quantitative chiare: le lesioni di minore gravità diventano probabili nella prima metà del 2027, le lesioni gravi più avanti nello stesso anno, e un decesso verso la fine del 2027 nello scenario centrale di crescita.

Il record reale di Waymo è coerente con ciò che lo stesso modello prevede a diverse centinaia di milioni di miglia cumulative. Anche un sistema sostanzialmente più sicuro dei conducenti umani sarà, a scala sufficiente, coinvolto in incidenti gravi e mortali. Le statistiche rendono questo inevitabile.

Due distinzioni rimangono essenziali. In primo luogo, queste proiezioni riguardano il coinvolgimento, non la colpa. In secondo luogo, anche il primo decesso colpevole è statisticamente inevitabile prima o poi; l'unica variabile aperta è quando si verifica rispetto all'esperienza vissuta dal pubblico con la tecnologia.

Questa è la sfida strategica centrale per Tesla. Il primo decesso colpevole deve arrivare abbastanza tardi che un gran numero di persone abbia già utilizzato Robotaxi, si fidi delle sue prestazioni ordinarie e comprenda la sua sicurezza rispetto alla guida umana. L'analogia è l'aviazione commerciale. Gli aerei di linea moderni uccidono ancora persone, ma il tasso di mortalità è dell'ordine di 0,01 decessi per 100 milioni di miglia-passeggero — circa un ordine di grandezza inferiore anche a un Robotaxi 10× più sicuro (≈ 0,08 decessi per 100 milioni di miglia). La società accetta il rischio residuo dell'aviazione perché il beneficio è grande e la sicurezza relativa è ben consolidata. Robotaxi avrà bisogno della stessa base di prestazioni dimostrate su larga scala quando si verificherà il primo decesso chiaramente colpevole.

Questa è la soglia che Tesla deve superare.