Rozhovory
Oana Jinga, spoluzakladatelka, ředitelka obchodního a produktového oddělení společnosti Dexory – série rozhovorů
Přidejte Unite.AI mezi své preferované zdroje na Google
Oana Jinga, spoluzakladatelka, ředitelka obchodního a produktového oddělení společnosti Dexory, je zkušená technologická a obchodní lídry s praxí zahrnující robotiku, maloobchodní technologie, strategická partnerství a vývoj produktů. V roce 2015 spoluzakladala firmu původně nazvanou BotsAndUs, kde působila jako ředitelka obchodního oddělení, než převzala současnou vedoucí roli v Dexory. Kromě budování společnosti strávila Jinga více než šest let ve společnosti Google, kde vedla maloobchodní partnerství ve Velké Británii a později dohlížela na strategická partnerství v maloobchodním sektoru v regionu EMEA. Na začátku kariéry zastávala obchodní, marketingové, věrnostní a rozvojové role ve společnosti O2 (Telefónica UK) a také pozice v marketingu a veřejných vztazích. Také působila jako spoluzodpovědná osoba pro Velkou Británii v Xoogler.co, podporující komunitu bývalých zaměstnanců Googlu, zakladatelů, investorů a provozovatelů startupů.
Dexory je britská společnost zabývající se robotikou a umělou inteligencí, která se soustředí na přinášení inteligence v reálném čase do skladových a logistických operací. Její platforma DexoryView spojuje autonomní roboty, počítačové vidění, prostorovou AI, pokročilou analytiku a technologii digitálního dvojčete, aby neustále zachycovala dění uvnitř skladu a porovnávala fyzické zásoby s existujícími skladovými systémy. Dexory uvádí, že její roboty dokážou během hodiny naskenovat více než 10 000 míst, čímž vytvářejí živou digitální reprezentaci, která pomáhá operátorům identifikovat špatně umístěný nebo poškozený zboží, sledovat využití prostoru, zlepšovat přesnost inventury a odhalovat provozní neefektivity. Společnost prezentuje svou technologii jako vrstvu inteligence pro stále autonomnější sklady, s nasazením v Evropě, Asii a Spojených státech a zákazníky zahrnujícími přední globální logistické a průmyslové organizace.
Spoluzakládala jste BotsAndUs v roce 2015 po budování kariéry v obchodním rozvoji a strategických partnerstvích ve firmách jako O2 a Google. Co jste vy a vaši spoluzakladatelé pozorovali v provozu skladů, co vás přesvědčilo zaměřit podnik na logistiku a nakonec jej vyvinout v Dexory?
Viděli jsme, že sklady se stávají stále složitějšími a automatizovanějšími, přesto mnoho operátorů postrádalo přesný, real‑time pohled na to, co se fyzicky děje na podlaze skladu. Inventarizace zůstávala vysoce manuální, časově náročná a často nesouvisela se systémy, které činily klíčová provozní rozhodnutí. Uvědomili jsme si, že robotika může tuto mezeru zaplnit tím, že neustále zachycuje data z reálného světa a přetváří je na použitelné informace.
Pro skladového operátora zvažujícího Dexory, můžete nás provést typickým nasazením, od mapování zařízení a plánování autonomních skenů až po převod nasbíraných dat na použitelné poznatky prostřednictvím DexoryView?
Nasazení je navrženo tak, aby bylo rychlé a minimálně rušivé – mluvíme o 2–5 dnech s 1–2 členy našeho týmu, kteří mapují místo a vytvářejí digitální dvojče, aby naši autonomní roboti mohli v prostoru navigovat a zachytávat data bez nutnosti zásadních změn infrastruktury. Roboti pak zahájí plánované mise s okamžitou návratností investice, zachycují data po celém zařízení, která jsou zpracována a vizualizována v DexoryView. Operátoři mohou rychle identifikovat nesrovnalosti, vyšetřovat problémy a činit rozhodnutí na základě aktuální digitální reprezentace svého skladu.
Autonomní mobilní robot Dexory dokáže skenovat regály po celé výšce skladu až do výšky 18 metrů. Jaké inženýrské, senzorické a umělé‑inteligentní výzvy bylo nutné vyřešit, aby bylo možné přesně a bezpečně operovat v takovém měřítku?
Výzvou není jen dosáhnout výšky 18 metrů, ale zachytit přesná a konzistentní data při autonomním pohybu v rušném skladovém prostředí. To vyžaduje kombinaci robustního mechanického inženýrství s lokalizací, snímáním a počítačovým viděním, které dokáže spolehlivě fungovat za různých světelných podmínek, konfigurací regálů a typů zásob. Bezpečnost je zásadní, proto je celý systém navržen tak, aby předvídatelně fungoval vedle lidí a existujícího skladového vybavení.
Roboti Dexory nyní naskenovali více než jednu miliardu skladových míst po celém světě. Jak rozsah a rozmanitost těchto reálných dat zlepšuje počítačové vidění, detekci anomálií a prediktivní schopnosti platformy?
Skutečně jsme zachytili největší soubor fyzických dat ze skladů, což nás staví do velmi jedinečné pozice, abychom se z nich skutečně učili a budovali vlastní modely skladů. Rozsah je důležitý, protože každý sklad přináší odlišné rozložení, produkty, balení a provozní podmínky, čímž vzniká neuvěřitelně rozmanitý reálný dataset. Tato šířka nám pomáhá neustále zlepšovat, jak platforma interpretuje skladová prostředí, identifikuje anomálie a rozlišuje smysluplné provozní problémy od šumu. V průběhu času to vytváří základ pro stále prediktivnější inteligenci, která zákazníkům pomáhá pochopit nejen to, co se děje, ale i co se pravděpodobně stane dál.
Sklady často spoléhají na systémy pro správu skladů, platformy pro plánování podnikových zdrojů a manuální inventární záznamy. Jak Dexory řeší nesrovnalosti mezi tím, co jeho roboti fyzicky pozorují, a tím, co tyto existující systémy hlásí?
Dexory poskytuje nezávislý pohled na fyzickou realitu a porovnává jej s tím, co existující skladové systémy předpokládají, že by mělo být. Integrací se systémy jako WMS a ERP může DexoryView odhalit nesrovnalosti mezi digitálními záznamy a fyzickým skladem, aby týmy mohly rychle vyšetřit a vyřešit tyto rozdíly. Nenahrazujeme tyto klíčové systémy, ale poskytujeme jim mnohem přesnější a včasnější zdroj reálných informací a zároveň je koordinujeme.
Fyzické AI se často diskutuje v souvislosti s humanoidními roboty, zatímco Dexory vyvinulo vysoce specializovaný systém pro skladovou inteligenci. Proč jsou úkolově specifické roboty v současnosti lépe vhodné pro logistiku a kde očekáváte největší pokroky ve fyzickém AI během příštího desetiletí?
V logistice jsou spolehlivost, bezpečnost a měřitelná návratnost investic důležitější než vytváření robota, který dokáže vše, a proto jsou dnes úkolově specifické systémy tak výkonné. Roboti navržený pro konkrétní účel lze optimalizovat pro konkrétní prostředí, což je činí odolnějšími vůči požadavkům reálných skladových operací a schopnějšími konzistentně fungovat za měnících se podmínek. Dokážou přinést hodnotu ve velkém měřítku, aniž by sklady musely přepracovávat své procesy kolem technologie. V následujícím desetiletí očekávám, že fyzické AI bude stále autonomnější a adaptivnější, přičemž stroje přejdou od vykonávání předdefinovaných úkolů k porozumění prostředí a pomoci určit nejlepší krok.
Kromě rychlejšího počítání inventury, kde zákazníci vidí největší provozní hodnotu z inteligence ve skladu v reálném čase, ať už skrze využití prostoru, doplňování, bezpečnost, soulad nebo odolnost dodavatelského řetězce?
Největší hodnota spočívá v poskytnutí operátorům viditelnosti, kterou prostě nemohli získat pomocí periodických manuálních kontrol. Inteligence ve skladu v reálném čase může odhalit nevyužitý prostor, nesrovnalosti v inventuře, problémy s doplňováním a provozní úzká místa mnohem dříve, což umožňuje týmům jednat, než se z nich stanou nákladné problémy. Nakonec to umožňuje skladům stát se efektivnějšími a odolnějšími, protože rozhodnutí jsou založena na tom, co se skutečně děje na podlaze.
Jak daleko může inteligence ve skladu postupovat od identifikace problémů, jako jsou špatně umístěná zásoba, poškozené zboží nebo nebezpečné skladovací podmínky, až po doporučování nebo autonomní zahájení nápravných opatření?
Vidíme, že inteligence ve skladu se vyvíjí od pouhého vidění, přes doporučení, až po stále autonomnější rozhodování. Prvním krokem je pochopení fyzického prostředí dostatečně přesně, aby bylo možné identifikovat problém, a poté přidání kontextu z dalších systémů k doporučení nejefektivnější reakce. Jak se důvěra v tyto systémy zvyšuje, objeví se příležitosti k automatickému spouštění určitých akcí, přičemž lidé zůstanou v kontrolě nad rozhodnutími s vyšším dopadem.
Jak se sklady stále více automatizují, jaké role zůstanou výhradně vhodné pro lidi a jak by měly firmy připravit zaměstnance, aby efektivně spolupracovali s roboty, digitálními dvojčaty a systémy rozhodování řízenými AI?
Automatizace by měla odstranit opakující se, fyzicky náročné úkoly a poskytnout lidem více času na soustředění se na úsudek, řešení problémů a řízení výjimek. Nejméněcennější role budou čím dál tím více zahrnovat interpretaci informací, činění složitých rozhodnutí a zlepšování provozu místo manuálního sběru dat. Firmy proto musí investovat do digitálních dovedností a pomoci zaměstnancům pochopit, jak využívat AI a robotiku jako nástroje, které rozšiřují jejich odborné znalosti.
Obhajujete zpřístupnění robotiky pro ženský talent. Jaké praktické změny jsou potřeba k přilákání více žen do tohoto odvětví?
Musíme rozšířit jak cesty do robotiky, tak i vnímání toho, jaký vypadá kariérní cesta v tomto odvětví. Sektor nyní zahrnuje inženýrství, software, datovou vědu, návrh produktů, provoz, UX, obchodní strategii, nasazení a úspěch zákazníků, a tato šíře musí být jasněji komunikována. Větší viditelnost žen a lidí z různých prostředí prostřednictvím případových studií, příležitostí k přednáškám a veřejných příkladů může pomoci budoucím talentům vidět mnoho různých kariérních cest, spolu s dřívější expozicí a jasnějšími vstupními cestami do oboru. Přitahování žen je však jen částí výzvy, protože firmy musí také vytvářet inkluzivní prostředí, kde ženy mohou postupovat do seniorních a vedoucích rolí, a zajistit, aby se zaměření neomezovalo jen na zastoupení na úrovni vstupu, ale na umožnění dlouhodobých, udržitelných kariér v robotice.
Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí o této robotické společnosti dozvědět více, by měli navštívit Dexory.
