David Pinn, administrerende direktør for Brain Corp – Interviewserie

David Pinn er administrerende direktør for Brain Corp, hvor han i næsten ni år har været med til at forme virksomhedens strategi, finansielle operationer og overgangen til en software‑drevet robotikforretning. Han startede i Brain Corp i 2017 som VP of Strategy og arbejdede sig op gennem senior‑strategi‑ og finansroller, inden han i 2022 blev administrerende direktør. I løbet af sin tid har Pinn været med til at lede store kapitalrejsninger, virksomhedens skift fra en hardware‑centreret model til tilbagevendende softwareindtægter, udvidelsen inden for robotisk dataindsamling og analyse samt strategiske partnerskaber med globale original equipment manufacturers (OEM’er). Tidligere i sin karriere har han haft finans‑ og strategipositioner hos Qualcomm, rådgivet venture‑støttede teknologistartups, arbejdet med L Catterton‑porteføljeselskaber og startet sin karriere hos Teradyne inden for ingeniørarbejde og teknisk salg, hvilket har givet ham en baggrund, der spænder over robotik, halvledere, finans, virksomhedsudvikling og kommercialisering af teknologi.

Brain Corp er en robotik‑ og fysisk AI‑virksomhed, der udvikler BrainOS®, en virksomhedsapplikationsplatform for autonomi designet til at gøre det muligt for producenter og virksomheder at implementere og administrere autonome mobile robotter i stor skala. BrainOS driver mere end 50.000 robotter på seks kontinenter og har akkumuleret over 25 millioner timers real‑world drift, som understøtter anvendelser som autonom gulvrengøring, lager‑ og hyldedataindsamling samt materialehåndtering i miljøer som detailbutikker, lagre, lufthavne, sundhedsfaciliteter og kommercielle bygninger. Platformen kombinerer AI‑drevet navigation, semantisk 3D‑kortlægning, sikkerhedssystemer, sky‑baseret flådestyring, analyser og integrationer med virksomhedssystemer, hvor data indsamlet fra den udrullede flåde hjælper med at forbedre navigation og pålidelighed over tid. Seneste udviklinger inkluderer BrainOS Clean 2.0 og SelfPath™ AI, som gør det muligt for rengøringsrobotter automatisk at generere og tilpasse deres ruter i stedet for at stole på manuelt trænet sti.

Din karriere er gået fra ingeniørarbejde inden for radiofrekvens og trådløse systemer til strategisk finans, SaaS‑transformation og nu administrerende direktør hos Brain Corp. Hvordan har den kombination af teknisk og finansiel disciplin formet din opfattelse af, at virksomheder ikke køber “robotter”, men målbare operationelle resultater?

Min tidlige karriere startede i teknisk salg, hvor jeg solgte udstyr til fremstilling af halvledere for Teradyne. Gennem mange forsøg og fejl lærte jeg en vigtig lektie tidligt: der var et stort hul mellem, hvad jeg mente var vigtigt – typisk de tekniske specifikationer – og hvad køberen faktisk bekymrede sig om. Jeg lærte, at køberen virkelig bekymrer sig om forretningsresultatet, og om de har tillid til mig og mit team til at levere det.

Da jeg senere gik over i robotik, blev den lektie forstærket. Hver teknologiinvestering konkurrerer om kapital, og et system får ikke anerkendelse blot fordi det er teknisk imponerende. I robotik er det så let at blive fascineret af selve maskinen. Men en detailhandler vågner ikke op og ønsker en robot. De vil have renere gulve, meget præcis lagerbeholdning og mere tid til deres medarbejdere, så de kan yde kundeservice. Robotten er blot leveringsmidlet for dette resultat.

Hos Brain Corp starter vi med kundens problem, definerer forretningsresultatet og arbejder baglæns ind i autonomilaget og de data, der kræves for at levere det. Min ingeniørbaggrund hjælper mig med at forstå, hvor dybt komplekst det underliggende tekniske problem er, men mine salgs‑ og finansdiscipliner holder mig fokuseret på, om løsningen skaber en skalerbar, kommercielt levedygtig forretning. Du har brug for begge dele. En robot, der fungerer, men som ikke kan give et økonomisk afkast, er et videnskabsprojekt, ikke et produkt, og en finansmodel bygget omkring upålidelig teknologi er ikke en forretning.

Med så meget opmærksomhed på humanoider og generelle robotter, hvad tror du markedet misforstår om, hvad virksomheder faktisk har brug for fra robotik i dag?

Hot take: branchens besættelse af humanoider i kommercielle og industrielle sammenhænge er en distraktion.

Det sædvanlige argument, du hører fra humanoidentusiaster, er: “Verden er bygget til mennesker, derfor skal robotter formes som mennesker.” Det kan være sandt i boligmæssige omgivelser, men for erhvervsmæssige sammenhænge er det grundlæggende forkert.

Se på et lager. Det er ikke bygget til mennesker; det er bygget til gaffeltrucks, palleløftere og tungt maskineri. Se på detailbutikker, skoler, hoteller, hospitaler og lufthavne. Krav om kørestolsadgang betyder, at disse rum har flade gulve, ramper, brede gange og elevatorer. Kommercielle og industrielle bygninger er designet til hjulbaseret bevægelse.

Når du indser det, ser du hurtigt, at det er en unødvendig risiko og et enormt spild af penge at sætte ben på en kommerciel robot. Hvorfor konstruere et dyrt, skrøbeligt bipelt system til at navigere i et rum, der allerede er egnet til hjul? Hjul er billigere, mere pålidelige og håndterer belastninger bedre.

Som jeg nævnte tidligere, er en robot uden økonomisk afkast blot et videnskabsprojekt. At bygge en højt kompleks humanoid blot for at gå over et fladt, kørestols‑tilgængeligt gulv er det ultimative videnskabsprojekt. Det løser et locomotionsproblem, der ikke eksisterer. Virksomheder har ikke brug for menneskelignende maskiner; de har brug for værktøjer, der pålideligt leverer et specifikt forretningsresultat. Og for kommercielle anvendelser vinder hjul hver gang.

Brain Corp opererer i rodet, offentlige, høj‑trafik‑miljøer som butikker, lufthavne, lagre, hospitaler og campusområder. Hvad er de sværeste virkelige problemer, der ikke dukker op i robotik‑demoer?

Den autonome køretøjsindustri lærte på den hårde måde, hvor vildledende demoer kan være. Vi så selvkørende bil‑demoer for over et årti siden, men det tog yderligere ti til femten år med intens ingeniørarbejde at faktisk lancere kommercielle førerløse taxaer. Hvorfor? På grund af, hvad branchen kalder “march of the nines”.

At få et system til at være 90 % pålideligt giver en god demo. At nå 99 % er en enorm ingeniørpræstation. Men når du driver en flåde på titusinder af robotter på tusinder af offentlige steder, er 99 % pålidelighed utilstrækkelig.

I et levende kommercielt miljø skifter folk retning uden varsel. Indkøbsvogne efterlades i gangene. Skærme flyttes natten over. Pallet‑blokeringer opstår. Gulve kan være reflekterende, våde, ujævne eller dækket af affald. Døre åbnes og lukkes, belysning ændres, og medarbejdere udvikler deres egne måder at interagere med maskinen på. En robot kan også støde på børn, personer med mobilitetshjælpemidler, distraherede kunder, gaffeltrucks eller nogen, der simpelthen beslutter sig for at stå i dens vej.

Det sværeste problem er ikke at navigere, når alting opfører sig som forventet. Det er at tilpasse sig elegant, når noget uventet sker. Kan robotten forstå, hvorfor dens rute er blokeret, finde et sikkert alternativ og fuldføre opgaven? Kan den gøre det uden at skabe mere arbejde for medarbejderne og i stor skala over millioner af timer?

Der er også en social dimension, som demoer ofte overser. Folk skal forstå robotens intention. Dens bevægelser skal være forudsigelige, dens signaler klare, og den skal passe ind i eksisterende menneskelige arbejdsgange i stedet for at tvinge alle omkring den til at tilpasse sig.

For os betyder AI i den virkelige verden “det virker bare”. Edge‑cases er ikke i kanten; de er selve miljøet. At bygge til disse betingelser kræver år med operationel læring, gennemtænkt sikkerhedsarkitektur og en utrættelig fokus på detaljer, der er usynlige i en simuleret video.

Når en virksomhed evaluerer ROI for robotik, hvilke målinger betyder så mest: sparet arbejdstid, opgave‑konsistens, oppetid, dataindsamling, sikkerhed, kundeoplevelse eller noget andet?

Det er alle ovenstående.

Sparet arbejdstid er nyttigt, men det indfanger ikke hele billedet. I mange brancher er den underliggende udfordring ikke blot, at arbejdskraft er dyr; det er, at rekruttering af kvalificerede personer kan være udfordrende, turnover er høj, og vigtige opgaver udføres inkonsekvent, fordi teams er overbelastede. I den situation kan opgave‑fuldførelse, hyppighed og konsistens være mere værdifuldt end en teoretisk reduktion i antal ansatte.

Det næste lag er operationel performance: oppetid, autonom udnyttelse, vellykket opgavefuldførelse, dækning og mængden af supervision, der kræves. En robot, der teknisk set kører i mange timer, men som ofte skal reddes, leverer ikke meningsfuld autonomi.

Forbedringer i sikkerhed og overholdelse må heller ikke overses i en ROI‑model. En rengøringsrobot mindsker arbejdsrelateret belastning og skader og giver medarbejdere mere tid til at fokusere på kunder og højere‑værdi‑arbejde. En lager‑robot forbedrer tilgængelighed på hylder, prisnøjagtighed og udførelseskonsistens. Robotter skaber også et nyt lag af operationel synlighed ved at indsamle pålidelig, tilbagevendende data om, hvad der sker i det fysiske miljø.

Nøglen er at etablere et reelt grundlag før implementering og måle performance gennem hele livscyklussen, inklusiv implementering, support, vedligehold, træning og integration.

Brain Corp er unik i robotik‑branchen, fordi den opererer som en tilbagevendende SaaS‑robotikplatform. Hvorfor bliver software, data og flådestyring vigtigere end selve robotens formfaktor?

Hardware definerer, hvad en robot fysisk kan gøre. Software bestemmer, hvor pålideligt den gør det, hvor let den kan implementeres, hvor sikkert den integreres i en virksomhed, og om den bliver mere nyttig over tid.

Uden et samlet software‑ og sky‑lag er en robot i bund og grund en isoleret maskine. Den kan udføre én opgave i én facilitet, men den kan ikke let overvåges, opdateres, integreres med virksomhedssystemer eller koordineres med en bredere flåde. Det skaber fragmentering, når virksomheder tilføjer forskellige robottyper, hver med sit eget interface, supportmodel, data og driftsprocedurer.

En platform ændrer denne ligning. Med vores autonomiplatform, BrainOS®, leverer vi et fælles autonomi‑, sikkerheds‑, data‑ og flådestyringsfundament på tværs af forskellige maskiner og anvendelser. Vores partnere kan fokusere på deres hardware‑ekspertise og det kundespecifikke problem, de forstår dybt, i stedet for at genopbygge hele autonomi‑ og sky‑infrastrukturen omkring hvert nyt produkt.

Software gør også værdien af maskinen kumulativ. Vi kan udrulle nye funktioner via over‑the‑air‑opdateringer, lære af hvordan robotter opfører sig på tværs af flåden, forbedre performance og reagere på nye edge‑cases uden at udskifte hardware. Traditionelt industrielt udstyr afskriver normalt fra det øjeblik, det tages i brug. Et forbundet autonomt system bliver mere kapabelt gennem hele sin livscyklus.

Formfaktoren vil fortsat have betydning, fordi det fysiske design skal passe til opgaven. Men formfaktorer vil udvikle sig. Den mest holdbare værdi ligger i intelligensen, den operationelle infrastruktur og datalaget, som kan strække sig over enhver anvendelse. Derfor beskriver vi BrainOS® som autonomiplatformen for den virkelige verden, frem for et operativsystem for én specifik robot.

BrainOS‑drevne robotter bruges nu ikke kun til rengøring, men også til hyldeanalyse, lager‑synlighed og materialehåndtering. Hvordan ser du robotter udvikle sig fra opgave‑automatiseringsværktøjer til mobile dataplatforme?

Vores BrainOS®‑platform udstyrer virksomheder med den infrastruktur, der kræves for at bygge, implementere og understøtte autonome løsninger i virksomhedsskala. Vi leverer det underliggende autonomi‑ og intelligenslag, som gør det muligt for vores partnere at fokusere på det, de er bedst til: at løse specifikke, virkelige forretningsproblemer. Dette er en unik tilgang, der har gjort det muligt for os hurtigt at skalere og give virksomheder mulighed for at bygge ikke kun robotter, men robotik‑forretninger.

Robotisk gulvpleje var en af de første kommercielle anvendelser, der nåede meningsfuld skala, fordi den adresserede et klart, gentagende operationelt behov; hvert kommercielt miljø har et beskidt gulv og mange står over for arbejdskraftudfordringer. Vi opnåede denne skala sammen med vores partner Tennant Company, en leder inden for gulvpleje i over 150 år, som nu er udviklet til at blive en af verdens største producenter af kommercielle robotter.

Derefter, gennem vores arbejde med store virksomheder inden for detail og logistik, indså vi en grundlæggende sandhed: mens disse operationer ved præcis, hvad der kommer ind og ud af deres faciliteter, mangler de ofte synlighed i, hvad der faktisk sker på butik‑ eller lagergulvet. En mobil robot er et af de få systemer, der gentagne gange bevæger sig gennem det fysiske miljø, hvilket gør den unikt i stand til at indsamle denne “ground truth” i stor skala. For at hjælpe med denne udfordring har vi indgået partnerskaber med Driveline Retail, en førende merchandiser, og Dane Technologies, en leder inden for lagerudstyr, for at bringe lager‑sporing og hylde‑intelligens på markedet i virksomhedsskala.

Når du udvider til disse anvendelser omkring lager‑synlighed, er dataindsamling kun en del af ligningen. De fleste lagre og detailhandlere vil have mere end blot millioner af rå billeder; de skal vide præcis, hvilket produkt der er udsolgt, hvilken pris der er forkert, hvor en manglende pallet befinder sig, og hvilken specifik handling en medarbejder skal foretage næste gang. Brain Corp leverer den avancerede computer‑vision og AI, der kræves for at omsætte disse rå observationer til præcise, prioriterede forretningsbeslutninger.

Uanset robotens formfaktor låser disse systemer også op for muligheden for, at virksomheder kan skabe løbende opdaterede digitale tvillinger af deres faciliteter. Fordi vores robotter sikkert og pålideligt navigerer hele fodaftryk, fungerer de som mobile dataplatforme, der indsamler meget detaljeret facilitet‑intelligens. Det kan for eksempel betyde at bekræfte placeringen af en brandslukker, identificere en defekt fryser eller kortlægge områder med dårlig Wi‑Fi‑dækning.

Hvad adskiller en robotik‑implementering, der fungerer i én pilot‑lokation, fra en, der kan skaleres på tværs af tusinder af virksomhedssider?

Piloter belønner mulighed. Skalering belønner pålidelighed.

En pilot kan lykkes, fordi den bedste ingeniør står i nærheden, miljøet er omhyggeligt forberedt, og nogen i baggrunden håndterer undtagelser stille og roligt. Intet af dette fungerer, når du ruller ud på hundrede eller tusinde steder. På det tidspunkt bliver hvert manuelt trin en kilde til omkostninger og fejl.

En skalerbar implementering kræver gentagelighed fra starten. Robotten skal være let at konfigurere, intuitiv for frontlinjemedarbejdere, fjernovervågelig og i stand til at modtage software‑opdateringer uden at nogen skal besøge hver enkelt lokation. Organisationen skal også have modne systemer for cybersikkerhed, sikkerhedscertificering, support, træning, vedligehold, analyser og integration med kundens eksisterende teknologi.

Forandringsledelse er lige så vigtigt. De mennesker, der arbejder side‑by‑side med robotten, skal forstå, hvad den gør, hvilke begrænsninger den har, og hvordan den passer ind i deres ansvarsområder. Implementeringer fejler, når teknologien er teknisk solid, men det operationelle ejerskab er uklart.

Endelig skal økonomien fungere for både kunden og robotikleverandøren. Det kræver en robotikinfrastruktur, der bliver mere økonomisk og mere robust med hver implementering.

Den samling af udfordringer kalder vi “Autonomi‑kløften”. At bygge en fungerende prototype er kun en del af at skabe en robotikforretning. Det meget sværere arbejde er at omdanne den prototype til et sikkert, understøttet, gentageligt produkt, der fortsætter med at præstere, når specialisterne forlader bygningen.

Brain Corps seneste arbejde med kontekstuel forankring og semantisk kortlægning peger på et mere intelligent lag for Physical AI. Hvorfor er “forståelse af miljøet” den næste store front for autonome robotter?

Traditionel navigation er i høj grad et geometrisk problem: Hvor er jeg, hvor kan jeg bevæge mig, og hvad skal jeg undgå? Kontekstuel forankring tilføjer et meget rigere sæt spørgsmål: Hvad sker der omkring mig? Hvad er disse objekter? Hvordan vil mennesker sandsynligvis interagere med dem? Hvilken adfærd er passende i netop denne situation?

Et grundlæggende navigationssystem kan se, at noget optager plads. Et kontekstbevidst system skal forstå præcis, hvad objektet er, hvorfor det er der, hvad det laver, og i sidste ende, hvordan man skal opføre sig omkring det. Disse sondringer betyder noget, fordi den korrekte respons er forskellig i hver case.

Dette bliver særlig vigtigt, når robotik begynder at inkorporere mere generativ AI, vision‑sprog‑modeller og andre probabilistiske systemer. Disse modeller kan tilføre enorm intelligens og fleksibilitet, men et plausibelt svar er ikke tilstrækkeligt, når software styrer en fysisk maskine. Handlingen skal forankres i den faktiske geometri, de aktuelle betingelser, sikkerhedskrav og den sociale kontekst i miljøet.

Vi mener, at svaret er at kombinere avanceret AI med en vedvarende kontekstuel repræsentation af den fysiske verden og deterministisk sikkerhedskontrol. Det giver robotten mulighed for at drage fordel af stadig mere kapable AI‑modeller uden at lade probabilistisk intelligens operere uden grænser.

Hvordan bør virksomheder tænke på tillid, når de implementerer robotter omkring medarbejdere, kunder og offentligheden?

Først skal vi anerkende en grundlæggende sandhed: robotter er anderledes end anden virksomheds‑teknologi. En software‑fejl kan få din laptop til at gå ned, men en fejl i en 1.000‑pund maskine, der navigerer i en travl detailgang, har helt andre konsekvenser. Virksomheder kan ikke blot behandle en robot som en anden forbundet IT‑enhed.

Tillid til robotik opnås hver eneste dag. På et tidspunkt, hvor FCC begrænser godkendelse af udenlandsproduceret robotik af sikkerhedsmæssige årsager, har barrieren for den tillid aldrig været højere. Efterhånden som Physical AI skalerer ind i vores hospitaler, lufthavne, lagre og supermarkeder, skal virksomheder vurdere tillid på flere lag: fysisk sikkerhed, dataprivatliv og menneskelig integration.

Avanceret AI er fantastisk til at gøre en robot “smart” nok til at navigere komplekse miljøer, men intelligens og sikkerhed er ikke det samme. En troværdig robot adskiller de to. Den skal have dedikerede, redundante hardware‑sikkerhedskontroller, der kan overstyre systemet. Sikkerhed skal være hårdkodet, ikke lært.

Derudover er robotter, der navigerer i offentlige rum, i bund og grund mobile dataplatforme. De bruger kameraer og sensorer til at se verden. Virksomheder skal kræve ekstrem klarhed fra deres leverandører: Hvad ser robotten? Hvor går de data hen? Hvem har adgang til dem? Privatliv og cybersikkerhed kan ikke eftermonteres som en PR‑øvelse efter implementering; de skal indbygges i systemets arkitektur fra dag ét.

Den største fejl, virksomheder begår, er at slippe en robot ind i en facilitet uden nogen tanke på forandringsledelse. Man kan ikke bede medarbejdere eller kunder om at stole på robotik på trods. Medarbejdere skal inddrages tidligt, trænes grundigt og vises præcis, hvordan maskinen gør deres daglige arbejde lettere og sikrere. De skal vide, hvem der er ansvarlig, hvis noget går galt, og hvordan de kan gribe ind, hvis nødvendigt.

I sidste ende er certificeringer, revisioner og sikkerhedskontroller kun grundlæggende beviser. Ægte tillid bygges gennem gentagen erfaring. Når en robot opfører sig sikkert, konsekvent respekterer en kundes personlige rum og tager det kedelige, beskidte arbejde fra en medarbejders tallerken dag efter dag, bliver den simpelthen en del af teamet.

Ser du fremad, hvor forventer du, at kommerciel robotik skaber mest værdi i de næste fem år: detail, logistik, sundhedspleje, produktion, lufthavne eller en helt anden sektor?

Den største værdi kommer typisk fra miljøer, der er store, distribuerede og arbejdskraft‑begrænsede. De har gentagne opgaver, som er svære at udføre konsekvent.

Forsyningskæden: fra produktion til logistik til detail kombinerer alle disse betingelser. Butikker er komplekse offentlige rum, arbejdskraft er en vedvarende udfordring, og små operationelle problemer (en tom hylde, en forkert pris, en forsinket rengøringsopgave) kan direkte påvirke kundeoplevelsen og den økonomiske præstation. Logistik og produktion vil også skabe enorm værdi gennem lager‑synlighed, materialehåndtering og koordinering på stadig mere automatiserede faciliteter.

Men den største værdi vil ikke blive defineret af én specifik branche. Det vil være et skift i, hvordan virksomheder køber robotik. Specifikt vil de næste fem år bringe afslutningen på det isolerede robotik‑projekt.

Lige nu kører virksomheder med stærkt fragmenterede initiativer. De køber én robot fra firma A til at rengøre gulve, en anden fra firma B til at scanne lager, og en tredje fra firma C til at flytte materialer. Hver har sin egen lokale forståelse af verden, som ikke deles med de andre. Det er et operationelt mareridt, der ikke skalerer.

I de næste fem år vil værdiskabelsen komme fra delt kontekst og udførelse. Virksomheder vil stoppe med at købe fragmenterede robotter og begynde at investere i en samlet Physical AI‑fundament. De vil have én softwareplatform, ét autonomi‑lag og én datapipeline, der administrerer en mangfoldig flåde af maskiner, deler kontekst om miljøet og orkestrerer centralt for at automatisere hele faciliteter i stedet for individuelle opgaver.

Det er sådan, AI bevæger sig ud over ambitionen for at få den virkelige verden til at fungere bedre.

Tak for det fantastiske interview, læsere der ønsker at lære mere, bør besøge Brain Corp.