Interviews

Dr. Shaun Passley, bestyrelsesformand og CEO for ZenaTech – interviewserie

Antoine Tardif
Føj Unite.AI til dine foretrukne kilder på Google
Dr. Shaun Passley, Chairman and CEO of ZenaTech
NøglepunkterZenaTech byggede sine egne droner, efter at en tredjepartsmodel fejlede i det barske…
Vis mere
  • ZenaTech byggede sine egne droner, efter at en tredjepartsmodel fejlede i det barske irske terræn.
  • Drone as a Service fjerner forudgående omkostninger og piloteringsbyrden ved at sælge nøglefærdige abonnementsbaserede resultater.
  • Opkøb af landmålingsfirmaer driver vækst ved at kombinere licenserede fagfolk med hurtigere droneværktøjer.

Dr. Shaun Passley er bestyrelsesformand og CEO for ZenaTech og bringer sin erfaring med udvikling af virksomhedssoftware og teknologientreprenørskab ind i arbejdet med autonome dronesystemer. Han grundlagde Epazz i 2000 og etablerede ZenaTech i 2017. Her byggede han videre på sin erfaring med software for at forbinde luftfartøjer, AI-analyser og virksomheders arbejdsgange. Hans arbejde fokuserer på at gøre droneteknologi praktisk anvendelig for organisationer, der har brug for bedre måder at indsamle data, automatisere feltarbejde og styre komplekse driftsopgaver på.

ZenaTech udvikler løsninger inden for AI-drevne droner, droner som en tjeneste, virksomhedssoftware og kvanteteknologi. Gennem ZenaDrone og sine tjenesteaktiviteter kombinerer virksomheden design af luftfartøjer, dataindsamling og analyser til blandt andet opmåling, inspektioner, landbrug og lagerstyring. I dette interview fortæller Passley om autonom navigation, den kommercielle forretningsmodel for dronetjenester samt det tekniske og driftsmæssige arbejde, der kræves for at integrere koordinerede droneflåder i virksomheders daglige arbejdsgange.

Du grundlagde Epazz i 2000 og etablerede senere ZenaTech i 2017, hvor du skiftede fra virksomhedssoftware til AI-drevne autonome droner. Hvad inspirerede dig til dette skifte, og hvilke muligheder fik du øje på, som traditionelle droneproducenter overså?

Det begyndte med en softwaretest i Irland. Vi udviklede software til forsyningskæder i landbruget og tog en drone fra en tredjepart med for at teste den til identifikation af planter. Dronen var besværlig at klargøre og havde svært ved at klare det ujævne terræn, den konstante regn og ændringerne i højden. Den havde ikke de sensorer, der var nødvendige for at tilpasse sig forholdene, så vi besluttede at bygge vores egen.

Vi så også, at landbruget, især pletsprøjtning, var en oplagt mulighed. Droner kan bruges til meget mere inden for dataindsamling, høst ved plukning, ukrudtsbekæmpelse og generelt til at øge udbyttet. Det er den type teknologi, man vil begynde at se blive kommercialiseret i stor stil i løbet af de næste tre til fem år. Meget af dette arbejde er stadig arbejdskrævende. Vi så en mulighed for at udvikle hardware og software samlet og tilbyde det som en tilgængelig og omkostningseffektiv tjeneste.

Vores baggrund inden for virksomhedssoftware gav os en fordel. Vi forstod behovet og havde kompetencerne til at forbinde dronehardware med software, der kunne behandle data og automatisere arbejdsgange. Da vi begyndte at se på brancher som landmåling, inspektion af infrastruktur og lagerlogistik, fik vi øje på betydelige muligheder for at modernisere processer, der stadig i høj grad var afhængige af manuelt arbejde og forældede, utilstrækkeligt digitaliserede systemer.

Vi indså også tidligt, at indsamling af luftbårne data kun var en del af løsningen. Virksomheder har brug for teknologi, der kan behandle oplysningerne og omsætte dem til brugbar indsigt. Det førte til, at vi begyndte at udvikle og fremstille vores egen dronehardware gennem ZenaDrone, integreret med AI-analyser og virksomhedssoftware. Vi så en mulighed for at skabe en integreret platform og leveringsmodel, der kan automatisere hele arbejdsgange, i stedet for blot at fremstille droner. Det førte til etableringen af vores virksomhed inden for droner som en tjeneste, der i øjeblikket er et voksende globalt brand, som leverer disse nøglefærdige tjenester på stedet i en lang række sektorer.

Kunstig intelligens får stadig større betydning for droneteknologi. Hvordan integrerer ZenaTech AI og maskinlæring i sine droneplatforme, og hvilke funktioner adskiller en AI-drevet autonom drone fra en konventionel drone, der følger forprogrammerede flyveruter?

Konventionelle droner, der følger forprogrammerede flyveruter, udfører et fastlagt sæt instruktioner. AI-drevne autonome droner kan bruge sensorer om bord, computervision og maskinlæring til at fortolke deres omgivelser og reagere på ændrede forhold.

Tag vores indendørsdrone IQ Nano. Den er udstyret med computervision og sensorer til registrering af forhindringer og er designet til at kunne arbejde indendørs på lagre uden GPS. Den kan navigere uden om forhindringer, scanne stregkoder på lagerbeholdningen og overføre data til lagerstyringssystemer. Den større mulighed ligger i at gøre droner i stand til at indsamle, fortolke og handle på oplysninger med større selvstændighed.

Vi integrerer AI i vores droneplatforme for at understøtte funktioner som registrering af forhindringer, autonom navigation, prædiktive analyser og automatiseret behandling af data i vores platforms backend.

ZenaTech har taget en model med droner som en tjeneste til sig for at gøre autonom droneteknologi mere tilgængelig. Hvad er de største barrierer for virksomheders anvendelse af AI-drevne droner, og hvordan imødekommer jeres model med droner som en tjeneste udfordringer som omkostninger, teknisk ekspertise og driftsmæssig kompleksitet?

For de fleste erhvervskunder handler det ikke om at eje droner. De går mere op i at få arbejdet udført hurtigere, sikkert og til en konkurrencedygtig pris.

De største barrierer for virksomheder er den indledende investering, den nødvendige tekniske ekspertise og de driftsmæssige krav, der følger med at styre kommercielle droneflåder. Organisationer skal håndtere uddannede piloter, løbende vedligeholdelse, overholdelse af regler og systemer til behandling af de indsamlede data.

Vores model med droner som tjeneste imødekommer disse udfordringer ved at tilbyde nøglefærdige dronetjenester på abonnementsbasis eller efter forbrug. Vi står for luftfartøjer, piloter, overholdelse af regler, dataindsamling og analyse. Kunderne får adgang til droneteknologi og fordelene ved at automatisere opgaver uden selv at skulle stå for driften.

Det gør det lettere for virksomheder at tage autonom teknologi i brug, samtidig med at de kan fokusere på de tjenester og resultater, de har brug for. Det gør det også muligt for os at indføre automatisering i brancher, der kan have svært ved at håndtere de indledende omkostninger eller tekniske krav.

ZenaTech har for nylig rapporteret en år-til-år-omsætningsvækst på 316 % i 2. kvartal 2026, hvor droner som tjeneste stod for langt størstedelen af omsætningen. Hvor stor en del af denne vækst skyldes den stigende kundeefterspørgsel efter AI-drevet automatisering, og hvilke indikatorer bruger I til at måle de faktiske produktivitetsforbedringer, kunderne opnår?

Opkøb og efterfølgende integration af vores droner i arbejdsgange inden for tjenester som opmåling, kortlægning og inspektion har været væsentlige drivkræfter bag ZenaTechs vækst. Vores mål er at gøre de virksomheder, vi opkøber, mere produktive og skabe marginvækst og stordriftsfordele på tværs af vores voksende netværk af næsten 45 globale lokationer for droner som tjeneste.

Vores vækst skyldes en kombination af strategiske opkøb, stigende efterspørgsel efter dronetjenester og de driftsmæssige effektiviseringer, vi indfører i hele vores netværk for droner som tjeneste. I 2. kvartal 2026 steg omsætningen med 316 % år til år, og droner som tjeneste stod for cirka 93 % af den samlede omsætning. For nylig rapporterede vi en gennemsnitlig organisk omsætningsvækst på 27,1 % på tværs af cirka 20 lokationer for droner som tjeneste, der blev opkøbt i 2025, og nogle lokationer voksede med mere end 40 %.

Vi måler produktivitet ud fra konkrete resultater: hvor hurtigt teams kan udføre feltarbejde, hvor hurtigt kunderne modtager data, og hvor mange yderligere projekter de eksisterende teams kan håndtere. På tværs af vores aktiviteter med droner som tjeneste opmåler vi mere end 125 aktive projekter om ugen. Vi har også rapporteret interne estimater, der viser, at vi leverer data 60 % hurtigere og reducerer projektomkostningerne med cirka halvdelen sammenlignet med traditionelle landbaserede opmålingsmetoder. Vores prioritet er at øge den operationelle kapacitet og samtidig forbedre effektiviteten og sikkerheden.

Opkøb er blevet en væsentlig del af ZenaTechs ekspansionsstrategi, især inden for opmåling og ingeniørtjenester. Hvordan integrerer I AI-drevet droneteknologi i disse etablerede virksomheder, og hvilke muligheder er der for at automatisere arbejdsgange, som traditionelt har krævet betydeligt manuelt arbejde?

Vi opkøber etablerede virksomheder inden for opmåling, geospatial kortlægning og inspektion, som har erfarne, autoriserede fagfolk, eksisterende omsætning og en etableret kundebase. Derefter introducerer vi vores droneteknologi for at forbedre deres arbejdsgange.

Når det gælder effektivitet, kræver traditionelle opmålinger i de fleste tilfælde, at hold bruger flere dage på at indsamle målinger, ofte i udfordrende terræn. Droner med fotogrammetri og LiDAR kan indsamle præcise rumlige data mere effektivt og mindske behovet for manuelt feltarbejde. Vi uddanner også autoriserede fagfolk, herunder landmålere og inspektører, i at betjene vores autonome systemer. De kender allerede arbejdet og har den nødvendige ekspertise til at udføre det godt. Vi giver dem blot bedre værktøjer, så de kan opnå bedre resultater hurtigere og mere sikkert.

Ud over opmåling udvider vi vores tjenester til blandt andet højtryksspuling af erhvervsbygningers ydersider og offentlig infrastruktur, lagerstyring i store lagre samt overvågning af byggefremskridt på AI-datacentre og erhvervsbyggerier. Vi tilbyder også komplette datastyringstjenester, der hjælper kunderne med at få adgang til præcise data om lokaliteter mere effektivt, strømline projektarbejdsgange og mindske projektforsinkelser.

Autonome droner, der opererer i komplekse miljøer, skal behandle store mængder sensor- og billeddata og samtidig træffe beslutninger i realtid. Hvad er de største tekniske udfordringer ved at opnå pålidelig autonomi, og hvordan arbejder ZenaTech med områder som computervision, forhindringsundgåelse og edge-AI-behandling?

En af vores vigtigste prioriteter er at forbedre dronernes evne til præcist at fortolke deres omgivelser, behandle data i realtid og fungere pålideligt i en bred vifte af miljøer under forandring. Det har vi selv oplevet med vores indendørsdrone IQ Nano. Under et tidligt pilotprojekt på et lager gjorde dæmpet belysning og reflekterende emballage det vanskeligt at aflæse stregkoder på lagerbeholdningen præcist.

Vi løste udfordringen ved at træne AI-synssystemet til at genkende genskin og forvrængning, analysere billeder fra flere vinkler og identificere det tydeligste billede til aflæsning af stregkoder.

Vi udviklede også et AI-aktiveret kamerasystem med integreret LED-belysning for at forbedre dataindsamlingen i omgivelser med svagt lys. Vores droneplatforme indeholder indbygget AI, computervision og avancerede sensorer, som understøtter autonom navigation, forhindringsundgåelse samt dataindsamling og -analyse i realtid. Disse funktioner er særligt vigtige i miljøer uden GPS-dækning, hvor droner skal navigere uden at være afhængige af satellitbaseret positionsbestemmelse.

En anden udfordring er at afgøre, hvilke beslutninger droner sikkert kan træffe selvstændigt, og hvornår der er behov for menneskelig indgriben. Droner kan allerede følge programmerede ruter, mens mere avancerede systemer kan tilpasse deres ruter, når forholdene ændrer sig. En bredere udbredelse afhænger af, at det kan påvises, at beslutningerne er pålidelige, holder sig inden for fastlagte driftsgrænser og opfylder lovkravene. FAA tillader autonom flyvning i henhold til Part 107, men kræver, at fjernpiloten fortsat har mulighed for at styre luftfartøjet. Næste skridt er at styrke beslutningstagningen i uforudsete situationer og samtidig opretholde et passende menneskeligt tilsyn. Operatørerne skal have tillid til både, hvad systemet kan, og hvordan det reagerer, når noget går galt.

Landbruget rummer store muligheder for AI-drevne droner, især inden for præcisionssprøjtning, overvågning af afgrøder og optimering af ressourcer. Hvordan udvikler ZenaTechs platforme sig for at understøtte disse anvendelser, og hvor tæt er vi på landbrugsdroner, der selvstændigt kan identificere afgrødernes tilstand og iværksætte korrigerende tiltag med minimal menneskelig indgriben?

Jeg tror, at landbruget vil blive markant mere automatiseret i løbet af de næste tre til fem år.

Det er en stor mulighed for AI-drevne droner, især fordi landmænd og avlere søger måder at reducere omkostningerne, optimere ressourceforbruget og i sidste ende øge udbyttet på. Hos ZenaTech videreudvikler vi løsninger til præcisionslandbrug gennem vores ZenaDrone-platforme, som kombinerer autonom flyvning, avanceret billedbehandling og AI-analyse for at understøtte overvågning af afgrødernes sundhed, tidlig opdagelse af stress hos planter og mere målrettet behandling af afgrøder.

I september offentliggjorde vi den første prototype på vores IQ Octo-drone og indledte testfasen. Platformen er specifikt udviklet til billedbehandling i præcisionslandbrug og AI-analyse og omfatter autonom sprøjtning og såning. For nylig begyndte vi også at udvikle en mobil trailer til droneoperationer, der skal understøtte automatiserede landbrugstjenester på stedet med flere droner. Den mobile trailer gør det muligt for droner at lande og automatisk genoplade batterierne, genopfylde dronernes sprøjtetanke med flydende landbrugsprodukter og fylde frøbeholderne op. Det reducerer nedetiden mellem flyvningerne og begrænser behovet for menneskelig indgriben. Vores mål er at videreudvikle løsningerne, så disse muligheder kan indgå i landbrugets arbejdsgange og bidrage til at overvåge afgrødernes tilstand, understøtte målrettede behandlinger og optimere behovet for manuelt arbejde.

ZenaTech har annonceret forskning i kvantebaserede navigationssystemer, der skal understøtte droneoperationer i miljøer uden GPS-dækning. Hvilken rolle ser du kvanteteknologier spille sammen med AI inden for autonom navigation, og hvilke tekniske milepæle skal nås, før disse muligheder bliver kommercielt anvendelige?

GPS-signaler kan blokeres og forfalskes, især i forsvarssammenhænge. Vi har brug for droner, der kan navigere pålideligt, når satellitpositionering ikke er tilgængelig.

Vi ser kvanteteknologier som et supplement til AI, hvor kvantebaseret måling kombineres med AI-styret kurskorrektion for at muliggøre mere præcis navigation uden at være afhængig af satellitsignaler.

Hos ZenaTech har vi bragt vores kvantenavigationssystem ind i testfasen på vores anlæg i Sharjah i De Forenede Arabiske Emirater. Testene begynder med IQ Nano i miljøer uden GPS-dækning. Vi planlægger at udvide felttestene til ZenaDrone 1000 og andre droneplatforme. Vores aktuelle fokus er at validere nøjagtigheden og pålideligheden under forhold i den virkelige verden. Vores langsigtede mål er at give autonome droner endnu en pålidelig måde at navigere på, når satellitpositioneringen svigter.

Det er vigtige skridt i retning af at integrere kvantebaseret navigation i vores bredere portefølje af autonome droner til forsvars- og kommercielle anvendelser.

Forsvars- og myndighedsanvendelser bliver et stadig vigtigere udviklingsområde for autonome dronesystemer. Hvordan griber ZenaTech balancen mellem AI-styret autonomi og menneskeligt tilsyn an, især i følsomme anvendelser inden for overvågning, trusselsdetektion og autonom beslutningstagning?

AI-styret autonomi kan forbedre situationsforståelsen, driftseffektiviteten og sikkerheden inden for forsvars- og myndighedsanvendelser. Jeg mener dog, at menneskelige operatører altid skal have mulighed for at tilsidesætte et autonomt system. Det kræver en nødstopfunktion, så missionen kan standses eller afbrydes på sikker vis, hvis noget går galt.

ZenaTech udvikler autonome systemer til efterretning, overvågning og rekognoscering, transport af last og operationer mod ubemandede luftfartøjssystemer (UAS). Vores integrerede system til bekæmpelse af UAS er under udvikling og skal kombinere AI-baseret trusselsdetektion og -sporing med autonom koordinering af sværme, så én operatør kan overvåge flere afværgedroner. Vi fokuserer på at bruge AI til at behandle information, understøtte hurtigere beslutningstagning og mindske personalets udsættelse for farlige miljøer, samtidig med at vi udvikler systemer, der kan fungere pålideligt under komplekse forsvarsforhold.

Hvordan ser du udviklingen i de næste tre til fem år, hvor AI, autonom robotteknologi og virksomhedssoftware smelter sammen og forandrer de brancher, ZenaTech betjener? Forventer du en fremtid, hvor koordinerede flåder af intelligente droner fungerer som autonome agenter og styrer hele arbejdsgange i stedet for blot at udføre enkelte opgaver?

Det er allerede ved at ske. Meget af den underliggende teknologi findes allerede i dag. Robotter kan automatisk indtaste oplysninger i virksomhedens ERP-system, og ERP-systemet kan bede robotten om at udføre et bestemt antal opgaver efter en tidsplan, som et menneske har fastlagt.

Når det gælder vores droneplatforme, bevæger vi os mod en fremtid, hvor autonome droner bliver integreret i den daglige drift af virksomheder og håndterer komplekse arbejdsgange med mindre manuel indgriben. ZenaTech ser allerede, hvordan kombinationen af dronehardware, AI-analyser og virksomhedssoftware kan forandre traditionelle, arbejdskraftintensive brancher. Vores Drone as a Service-model bidrager til at indføre disse muligheder inden for landmåling og inspektion, mens vores forsknings- og udviklingsinitiativer fremmer teknologier som dronesværme og næste generation af autonomi baseret på AI.

Den næste vækstfase i dronebranchen vil afhænge af, at sikre operationer i stor skala bliver mere praktisk gennemførlige. De regulatoriske fremskridt i USA, især hvad angår flyvning uden for pilotens direkte synsvidde, er med til at åbne op for denne mulighed. Kombineret med fremskridt inden for autonomi og flyenes pålidelighed kan det gøre det muligt for droner at dække større områder mere effektivt og skabe større værdi for kunder inden for landmåling, inspektion af infrastruktur og landbrug.

I løbet af de næste tre til fem år forventer jeg at se koordinerede flåder af intelligente droner udføre samtidige, sammenhængende opgaver – fra indsamling og analyse af data til støtte for operationelle beslutninger i realtid. Vores langsigtede vision er at opbygge en vertikalt integreret virksomhed og en platform for AI-baseret autonomi gennem vores ZenaDrone-droneplatforme og vores Drone as a Service-forretning. Vores mål er at gøre det muligt for organisationer over hele verden at håndtere komplette arbejdsgange mere effektivt, så fagfolk kan føre tilsyn med driften og træffe beslutninger på grundlag af avancerede data og fokusere på opgaver med større værdi.

Tak for et godt interview. Læsere, der gerne vil vide mere om AI-drevne droner, autonome operationer og Drone as a Service, kan besøge ZenaTech.

Antoine er en visionær leder og stiftende partner i Unite.AI, drevet af en urokkelig passion for at forme og fremme fremtiden for AI og robotteknologi. Som serieiværksætter mener han, at AI vil forandre samfundet lige så grundlæggende som elektriciteten, og han taler ofte begejstret om potentialet i banebrydende teknologier og kunstig generel intelligens (AGI).

Som fremtidsforsker er han optaget af at undersøge, hvordan disse innovationer vil forme vores verden. Han er desuden grundlægger af Securities.io, en platform med fokus på investering i avancerede teknologier, der omdefinerer fremtiden og omformer hele brancher.