Brian Hartzband, prezident pro operace v USA, GMEX Robotics – Rozhovorová série

Brian Hartzband, prezident pro operace v USA, GMEX Robotics, vede rozšiřování společnosti v USA se zaměřením na budování komerční přítomnosti, rozvoj strategických partnerství a nasazení jejích platforem fyzické AI a robotiky v reálných provozech. Před nástupem do GMEX Robotics strávil Hartzband téměř čtyři roky ve společnosti TEKsystems na pozicích technického náboru a správy účtů, kde obsluhoval vládní a vysokoškolské klienty. Dříve spoluzaložil a pomáhal vést Handcrafted 4 Home, kde prosazoval expanzi na americkém trhu a partnerství s velkými maloobchodníky a e‑commerce platformami. Na počátku své kariéry Hartzband pracoval ve správě majetku v Merrill Lynch a UBS, kde radil klientům s vysokým i ultra‑vysokým čistým majetkem a pomáhal vybudovat značné mezinárodní portfolio klientů.

GMEX Robotics je na Nasdaq kotovaná společnost zaměřená na fyzickou AI a robotiku, vyvíjející inteligentní stroje pro komerční prostředí. Dříve známá jako Fitell Corporation, společnost uplatňuje to, co nazývá přístup „Terminal + Brain“, který kombinuje speciálně navržený robotický hardware s přizpůsobitelnými AI schopnostmi, místo aby spoléhala na plně vertikálně integrovaný technologický stack. Její první hlavní komercializační zaměření je 2F Culinary AI, platforma pro komerční kuchyňskou robotiku zahrnující systémy Bon Vivant 3.0 a Max, které používají senzory, AI‑řízené ovládání a programovatelné pracovní postupy k automatizaci přípravy jídla. GMEX také identifikovala dopravu a logistiku, průmyslovou automatizaci a těžbu zdrojů jako dlouhodobé oblasti expanze. V březnu 2026 společnost oznámila dohodu v hodnotě 4,2 milionu AU$ na minimálně 50 inteligentních kuchyňských robotických systémů pro australskou pohostinskou skupinu, následovanou první objednávkou nasazení v květnu.

Nedávno jste nastoupil do GMEX Robotics jako prezident pro operace v USA po kariéře zahrnující finanční služby, podnikání, nábor technologií a firemní vztahy. Co vás přesvědčilo, že fyzická AI a robotika představují správnou další kapitolu, a jaké jsou vaše priority při budování přítomnosti GMEX v USA?

Viděl jsem hodnotu AI a robotů, zejména v oblasti sociální inteligence, která se právě rozvíjí. Chtěl jsem do toho přispět. Co mě na GMEX nadchne, je model Terminal + Brain. Nesnažíme se dělat vše sami. Vyrábíme hardware, který je spolehlivý a praktický, a propojujeme jej s AI špičkové úrovně. To je naprosto odlišný přístup než u většiny robotických společností. V současnosti hovořím s investory o tom, co skutečně budujeme, a zakládám klíčová partnerství v USA. Toto je ten pravý okamžik.

GMEX popisuje svou strategii jako ekosystém „Terminal + Brain“, ve kterém robotický hardware propojuje fyzický svět s vrstvou AI inteligence. Můžete vysvětlit, jak tato architektura funguje a co podle vás odlišuje od více vertikálně integrovaných přístupů k robotice?

Většina robotických společností se snaží vše vyvíjet samostatně; hardware, software i AI. To je drahé a pomalé. My to děláme jinak. Terminal je náš hardware. Brain je naše vrstva AI orchestrace, kterou budujeme ve spolupráci s partnery jako 247meta. Výhodou je flexibilita. Pokud se objeví lepší AI, integrujeme ji, aniž bychom museli robot přestavovat. Nejsme vázáni na jedinou sázku. Soustředíme se na to, v čem jsme nejlepší; spolehlivý, praktický hardware, a spolupracujeme s AI špičkové úrovně místo toho, abychom se snažili porazit všechny na technologické straně sami. To znamená rychlejší iterace, nižší kapitálové náklady a pohybujeme se rychlostí inovací AI, nikoli časovými plány mechanického inženýrství.

GMEX uzavřela dohodu o získání počátečního podílu v MediaMeta.ai, jejíž technologie se zaměřuje na sociální inteligenci a modelování lidského chování. Co znamená „sociální inteligence“ v kontextu robota a jaké nové schopnosti by mohla odemknout, které dnešní multimodální modely AI nedokážou spolehlivě poskytnout?

Sociální inteligence znamená roboty, kteří uvažují o lidech, nikoli jen o úkolech. Současná AI vyniká ve vizuální analýze, jazyce a uvažování. Ale je slabá v čtení člověka, jeho emocionálního stavu, co skutečně potřebuje a jak s ním pracovat v reálném prostředí. Podepsali jsme definitivní dohodu s MediaMeta, protože jejich zaměření na modelování lidského chování přesně řeší tuto mezeru. To je směr, kterým se ubírá dlouhodobá roadmapa MediaMeta – vývoj AI se sociální inteligencí a modelování chování jako vrstvy kontextového porozumění, která by nakonec mohla doplnit náš ekosystém Terminal + Brain. Za předpokladu vývoje, integrace a testování by tyto schopnosti mohly robotům pomoci interpretovat kontext, komunikační vzorce a lidské úmysly, což je rozdíl mezi robotem, který úkol splní, a tím, který je skutečně užitečný.

Kde dnes nejpokročilejší roboty stále narážejí na potíže při interpretaci lidí? Jsou hlavní omezení v rozpoznávání emocí a úmyslů, porozumění sociálnímu kontextu, přizpůsobení se kulturním rozdílům, nebo jde o něco zásadnějšího?

Vše výše uvedené. Ale skutečný problém je, že vývoj AI byl optimalizován na dokončování úkolů – dokáže robot zvednout předmět, projít místností? To je měřitelné. Čtení lidí není. Proto tomu věnuje méně pozornosti. Roboti dokážou rozpoznat, že někdo vypadá rozrušeně, ale jsou slabí v pochopení, proč je rozrušený nebo co by mu skutečně pomohlo. I malé chyby podkopávají důvěru. Robot, který správně zachytí 90 % sociálních signálů, zní dobře v testovacím prostředí, ale ve skutečném světě ten zbývajících 10 % má význam. Lidé se rozhodnou, že s tím strojem nechtějí pracovat. Musíme převrátit priority. To je to, co budujeme v GMEX.

Robot pracující ve skladu může často fungovat v relativně strukturovaných pravidlech, zatímco robot v nemocnici, hotelu, škole nebo domově musí čelit mnohem nepředvídatelnějšímu lidskému chování. Jak se musí AI stack změnit, když se roboti přesouvají do těchto sociálně složitějších prostředí?

Sociální inteligence. Ve skladu můžete zakódovat pravidla. Prostředí je předvídatelné. Když umístíte robota do prostoru s lidmi, vše se změní. Lidé improvizují, mění si názor, mají špatné dny. AI musí to v reálném čase číst a přizpůsobit se. Už nejde o pravidlový přístup. Je to kontextuální. Robot musí pochopit okamžik, osobu, prostředí a rozhodnout, co dává smysl. To vyžaduje rychlé připojení a zcela odlišnou architekturu pod ním. Také musí vědět, kdy požádat o pomoc místo špatného odhadování.

Modelování lidského chování nevyhnutelně vyvolává otázky ohledně soukromí, souhlasu, zaujatosti a špatného výkladu lidských úmyslů. Jak by vývojáři měli vkládat sociální inteligenci do robotů, aniž by vytvářeli stroje, které se stanou příliš vtíravými nebo učiní potenciálně důsledné předpoklady o lidech?

Na konci dne jde o to, aby vkládání sociální inteligence do robotů bylo užitečné, ale ne divné. Roboti by neměli psychoanalyzovat lidi ani hádat, co někdo \”meant\” – tak vznikají problémy se soukromím a špatné předpoklady. Držte se toho, co je pozorovatelné: jak se někdo pohybuje, jak je blízko, gestikulace. Poskytněte lidem kontrolu pomocí zřejmých indikátorů soukromí a jednoduchých interakcí s opt‑in. Udržujte datovou stopu malou, zpracovávejte lokálně, kdykoli můžete, a auditujte chování, aby zacházelo se všemi stejně. MediaMeta formuluje rámec pro ochranu dat a odpovědnou AI, který zahrnuje minimalizaci dat, transparentnost, revizi zaujatosti, lidský dohled a sledovatelnost. To je typ promyšleného přístupu, který chceme integrovat do našich systémů. Pokud si robot není jistý, co někdo chce, měl by zpomalit, poskytnout prostor nebo pozastavit činnost. Takto budujete sociální povědomí, aniž byste překročili hranice.

Jak skutečně vyhodnocujete, zda se robot zlepšil v porozumění lidem? Jaké typy benchmarků, simulací nebo testování ve skutečném světě jsou potřeba k měření sociální inteligence, spíše než jen toho, zda robot úspěšně dokončil úkol?

Není možné se jen dívat na to, zda úkol dokončil. Sledujete mikro‑chování: poskytuje robot pohodlný odstup, ustupuje, když někdo vstoupí do jeho cesty, pohybuje se s vhodným načasováním, váhá, když je úmysl nejasný? V simulaci provádíte zatížení s hustými davy, náhlými zastaveními, nejednoznačnými gesty. Ve skutečném světě sledujete, zda se robot jeví předvídatelně a pohodlně pro lidi kolem něj, a zda se chová konzistentně napříč různými skupinami. To je skutečný benchmark, ne dokončení úkolu, ale zda lidé mají pocit, že robot \”chápe\”, jak se pohybovat a koordinovat ve sdíleném prostoru.

GMEX již zahájil komercializaci své platformy pro kuchyňskou robotiku Bon Vivant. Co tyto rané nasazení ve skutečném světě naučily společnost o rozdílu mezi předvedením AI‑poháněného robota a jeho spolehlivým provozem v komerčním prostředí?

Existuje skutečný rozdíl mezi prokázáním, že robot dokáže úkol vykonat, a prokázáním, že jej dokáže vykonávat spolehlivě, den za dnem, v komerčním prostředí. V demonstraci je vše řízené. Skutečné kuchyně jsou vysokoteplotní, vysokokapacitní, nepředvídatelné – zařízení se sráží, ingredience se liší, lidé neustále mění rytmus. Bon Vivant je stacionární, takže výzvou není navigace; jde o opakovatelnost, odolnost, obnovu po chybách a zachování integrace s existujícími pracovními postupy. Naučili jsme se, že spolehlivost pochází z řešení \”nudných\” věcí: snášení tepla a tuku, udržování kalibrace, elegantní zotavení, když něco neprobíhá podle plánu, a udržení tempa bez zpomalování lidí. Komerční robotika nespočívá v tom, že robot umí vařit. Spočívá v tom, že dokáže vařit konzistentně, bezpečně, aniž by se stal zátěží v reálném podniku.

GMEX také vyvíjí multi‑agentní AI platformu určenou ke koordinaci různých modelů a pracovních toků. Jak vidíte, že se digitální AI agenti a fyzické roboty nakonec spojí, a zda by stejná vrstva inteligence mohla nakonec koordinovat jak softwarové agenty, tak flotily strojů?

Digitální AI agenti a fyzické roboty se budou stále více sbližovat kolem sdílené koordinační vrstvy. Softwaroví agenti mohou interpretovat požadavky a spravovat digitální pracovní toky. Roboti vykonávají úkoly ve fyzickém světě. Sdílená inteligentní vrstva je spojuje tím, že překládá obchodní cíl na úkoly, vybírá správné modely a agenty a koordinuje provádění. Klíčový rozdíl je koordinace versus kontrola – sdílená vrstva rozhoduje, co se má stát a kdo to má udělat, zatímco robotické systémy si zachovávají odpovědnost za navigaci, řízení pohybu a bezpečnost. Ve skladu například softwaroví agenti zpracují objednávku a zkontrolují zásoby, zatímco koordinační vrstva požádá vhodného robota, aby zboží přepravil. Tato zpětná vazba se vrací a informuje další krok. Lidský dohled a bezpečnostní mechanismy zůstávají nezbytné. To je místo, kde se soustředíme s 247meta – postupná cesta přes integraci rozhraní, simulaci a řízené piloty na podporu koordinovaných pracovních toků mezi podnikovým softwarem a fyzickými stroji.

Pokud se sociální inteligence stane základní vrstvou fyzické AI, co si myslíte, že změní v robotickém průmyslu? Může pochopení lidského chování nakonec být stejně důležité pro široké přijetí robotů jako pokroky v obratnosti, počítačovém vidění a uvažování?

Sociální inteligence zásadně přetvoří robotiku. Průmysl se soustředil na hardwarové schopnosti, vizuální systémy a výkon – vše důležité, ale nic z toho nezaručuje, že robot bude hladce fungovat v blízkosti lidí v kuchyni nebo na výrobní lince. Sociální inteligence je to, co dělá robota předvídatelným, snadno obcházetelným a sladěným s tím, jak lidé přirozeně pohybují a koordinují. Jakmile se roboti přesunou z řízených demonstrací do reálných komerčních prostředí, tato část systému se stane stejně důležitou jako hardware a řídící vrstva. Pochopení lidského chování bude mít stejný význam jako pokroky v percepci nebo spolehlivosti. Je to rozdíl mezi robotem, který dokáže úkol splnit, a robotem, který zapadá do toku reálných operací.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí o této robotické společnosti dozvědět více, by měli navštívit GMEX Robotics.