David Pinn, CEO de Brain Corp – Serie de entrevistas

David Pinn es el CEO de Brain Corp, donde ha pasado casi nueve años ayudando a definir la estrategia de la empresa, sus operaciones financieras y su transición hacia un negocio de robótica impulsado por software. Se incorporó a Brain Corp en 2017 como vicepresidente de Estrategia y avanzó a través de cargos senior en estrategia y finanzas antes de convertirse en CEO en 2022. Durante su mandato, Pinn ha liderado importantes rondas de financiación, el cambio de la compañía de un modelo centrado en hardware a ingresos recurrentes por software, su expansión hacia la captura y análisis de datos robóticos, y asociaciones estratégicas con fabricantes de equipos originales (OEM) a nivel global. En etapas anteriores de su carrera, ocupó puestos de finanzas y estrategia en Qualcomm, asesoró a startups tecnológicas respaldadas por capital de riesgo, trabajó con compañías del portafolio de L Catterton y comenzó su trayectoria en Teradyne en ingeniería y ventas técnicas, lo que le brinda una experiencia que abarca robótica, semiconductores, finanzas, desarrollo corporativo y comercialización de tecnología.

Brain Corp es una empresa de robótica e IA física que desarrolla BrainOS®, una plataforma de autonomía empresarial diseñada para permitir a fabricantes y negocios desplegar y gestionar robots móviles autónomos a gran escala. BrainOS impulsa a más de 50 000 robots en seis continentes y ha acumulado más de 25 millones de horas de operación en el mundo real, respaldando aplicaciones como limpieza autónoma de suelos, recolección de datos de inventario y estanterías, y movimiento de materiales en entornos como tiendas minoristas, almacenes, aeropuertos, centros de salud y edificios comerciales. La plataforma combina navegación impulsada por IA, mapeo semántico 3D, sistemas de seguridad, gestión de flotas basada en la nube, análisis e integraciones con sistemas empresariales; los datos recopilados de toda la flota desplegada ayudan a mejorar la navegación y la fiabilidad con el tiempo. Los desarrollos recientes incluyen BrainOS Clean 2.0 y SelfPath™ AI, que permiten a los robots de limpieza generar y adaptar automáticamente sus rutas en lugar de depender de trayectorias entrenadas manualmente.

Su carrera pasó de trabajar en ingeniería de radiofrecuencia y sistemas inalámbricos a finanzas estratégicas, transformación SaaS y ahora liderazgo como CEO en Brain Corp. ¿Cómo ha influido esa combinación de disciplina técnica y financiera en su visión de que las empresas no compran “robots”, sino resultados operacionales medibles?

Mi carrera temprana comenzó en ventas técnicas, vendiendo equipos de fabricación de semiconductores para Teradyne. A través de mucho ensayo y error, aprendí una lección importante desde el principio: había una gran brecha entre lo que yo consideraba importante —generalmente las especificaciones técnicas— y lo que realmente le importaba al comprador. Aprendí que al comprador realmente le importan los resultados del negocio y si confía en mí y en mi equipo para entregarlos.

Cuando más tarde me trasladé a la robótica, esa lección se amplificó. Cada inversión tecnológica compite por capital, y un sistema no recibe crédito solo por ser técnicamente impresionante. En robótica es muy fácil dejarse cautivar por la máquina en sí. Pero un minorista no se levanta queriendo un robot. Quiere suelos más limpios, inventario altamente preciso y más tiempo para que sus asociados brinden servicio al cliente. El robot es solo el vehículo de entrega de ese resultado.

En Brain Corp empezamos con el problema del cliente, definimos el resultado de negocio y trabajamos a la inversa hacia la capa de autonomía y los datos necesarios para entregarlo. Mi formación en ingeniería me ayuda a apreciar cuán compleja es la problemática técnica subyacente, pero mis disciplinas de ventas y finanzas me mantienen enfocado en si resolverla crea un negocio escalable y comercialmente viable. Se necesita ambos. Un robot que funciona pero no produce un retorno económico es un proyecto científico, no un producto, y un modelo financiero construido sobre tecnología poco fiable no es un negocio.

Con tanta atención dirigida a humanoides y robots de propósito general, ¿qué cree que el mercado malinterpreta sobre lo que las empresas realmente necesitan de la robótica hoy?

Opinión directa: la obsesión de la industria con los humanoides en entornos comerciales e industriales es una distracción.

El argumento estándar que escuchas de los entusiastas de los humanoides es: “El mundo fue creado para humanos, por lo tanto los robots deben tener forma humana”. Eso podría ser cierto en entornos residenciales, pero para entornos empresariales es fundamentalmente falso.

Mira un almacén. No está construido para humanos; está construido para montacargas, transpaletas y maquinaria pesada. Observa tiendas minoristas, escuelas, hoteles, hospitales y aeropuertos. Los requisitos de accesibilidad para sillas de ruedas hacen que estos espacios tengan suelos planos, rampas, pasillos anchos y ascensores. Los edificios comerciales e industriales están diseñados para el movimiento con ruedas.

Cuando te das cuenta de eso, ves rápidamente que colocar piernas a un robot comercial es una responsabilidad innecesaria y un enorme despilfarro de dinero. ¿Por qué diseñar un costoso y frágil sistema bípedo para navegar en un espacio que ya está adaptado a ruedas? Las ruedas son más baratas, más fiables y manejan mejor las cargas.

Como mencioné antes, un robot sin retorno económico es solo un proyecto científico. Construir un humanoide altamente complejo solo para caminar sobre un suelo plano y accesible para sillas de ruedas es el proyecto científico por excelencia. Es resolver un problema de locomoción que no existe. Las empresas no necesitan máquinas que imiten a los humanos; necesitan herramientas que entreguen de forma fiable un resultado de negocio específico. Y para casos de uso comercial, las ruedas ganan siempre.

Brain Corp opera en entornos desordenados, públicos y de alto tráfico como tiendas, aeropuertos, almacenes, hospitales y campus. ¿Cuáles son los problemas del mundo real más duros que no aparecen en las demostraciones de robótica?

La industria de vehículos autónomos aprendió por las malas cuán engañosas pueden ser las demostraciones. Vimos demostraciones de autos autónomos hace más de una década, pero tomó otros diez a quince años de intensa ingeniería para lanzar realmente taxis sin conductor. ¿Por qué? Por lo que la industria llama “la marcha de los noves”.

Lograr que un sistema sea 90 % fiable hace una gran demostración. Alcanzar el 99 % es un logro de ingeniería masivo. Pero cuando operas una flota de decenas de miles de robots en miles de ubicaciones públicas, el 99 % de fiabilidad es insuficiente.

En un entorno comercial en vivo, las personas cambian de dirección sin aviso. Los carritos de compra quedan en los pasillos. Los displays se mueven durante la noche. Los pallets bloquean rutas. Los suelos pueden ser reflectantes, húmedos, irregulares o estar cubiertos de escombros. Las puertas se abren y cierran, la iluminación varía y los empleados desarrollan sus propias formas de interactuar con la máquina. Un robot también puede encontrarse con niños, personas que usan ayudas de movilidad, compradores distraídos, montacargas o alguien que simplemente decide ponerse en su camino.

El problema más difícil no es navegar cuando todo se comporta como se espera. Es adaptarse con gracia cuando ocurre algo inesperado. ¿Puede el robot entender por qué su ruta está bloqueada, encontrar una alternativa segura y completar la tarea? ¿Puede hacerlo sin crear más trabajo para los empleados y a escala durante millones de horas?

También existe una dimensión social que las demostraciones suelen pasar por alto. Las personas necesitan entender la intención del robot. Sus movimientos deben ser predecibles, sus señales claras y debe encajar en los flujos de trabajo humanos existentes en lugar de obligar a todos a adaptarse a él.

Para nosotros, la IA del mundo real significa “simplemente funciona”. Los casos límite no están en el borde, están en el entorno. Construir para esas condiciones requiere años de aprendizaje operativo, una arquitectura de seguridad reflexiva y un enfoque implacable en los detalles que son invisibles en un video simulado.

Cuando una empresa evalúa el ROI de la robótica, ¿qué métricas importan más: horas de trabajo ahorradas, consistencia de tareas, tiempo activo, captura de datos, seguridad, experiencia del cliente u otra cosa?

Todas las anteriores.

Las horas de trabajo ahorradas son útiles, pero no capturan la imagen completa. En muchas industrias, el problema subyacente no es simplemente que la mano de obra sea cara; es que reclutar personal calificado puede resultar desafiante, la rotación es alta y las tareas importantes se completan de forma inconsistente porque los equipos están sobrecargados. En esa situación, la finalización de tareas, su frecuencia y consistencia pueden ser más valiosas que una reducción teórica del número de empleados.

La siguiente capa es el rendimiento operativo: tiempo activo, utilización autónoma, finalización exitosa de tareas, cobertura y la cantidad de supervisión requerida. Un robot que técnicamente opera durante muchas horas pero que frecuentemente necesita ser rescatado no está entregando una autonomía significativa.

Las mejoras en seguridad y cumplimiento tampoco deben pasarse por alto en un modelo de ROI. Un robot de limpieza reduce el esfuerzo y las lesiones en el lugar de trabajo, y brinda a los empleados más tiempo para enfocarse en clientes y trabajos de mayor valor. Un robot de inventario mejora la disponibilidad en estantería, la precisión de precios y la consistencia de la ejecución. Los robots también crean una nueva capa de visibilidad operativa al capturar datos fiables y recurrentes sobre lo que ocurre en el entorno físico.

La clave es establecer una línea base real antes del despliegue y medir el rendimiento a lo largo de todo el ciclo de vida, incluyendo implementación, soporte, mantenimiento, capacitación e integración.

Brain Corp es única en el espacio de la robótica porque opera como una plataforma SaaS de robótica recurrente. ¿Por qué el software, los datos y la orquestación de flotas están tomando mayor importancia que el factor de forma del robot?

El hardware define lo que un robot puede hacer físicamente. El software determina cuán fiable lo hace, cuán fácil puede desplegarse, cuán seguro se integra en una empresa y si se vuelve más útil con el tiempo.

Sin una capa unificada de software y nube, un robot es esencialmente una máquina aislada. Puede ejecutar una tarea en una instalación, pero no puede ser monitoreado, actualizado, integrado con sistemas empresariales o coordinado con una flota más amplia de forma sencilla. Eso genera fragmentación a medida que las compañías añaden diferentes tipos de robots, cada uno con su propia interfaz, modelo de soporte, datos y procedimientos operativos.

Una plataforma cambia esa ecuación. Con nuestra plataforma de autonomía, BrainOS®, ofrecemos una base común de autonomía, seguridad, datos y gestión de flotas que abarca distintas máquinas y aplicaciones. Nuestros socios pueden centrarse en su experiencia de hardware y en el problema del cliente que conocen profundamente, en lugar de reconstruir toda la infraestructura de autonomía y nube alrededor de cada nuevo producto.

El software también permite que el valor de la máquina se componga. Podemos desplegar nuevas capacidades mediante actualizaciones over‑the‑air, aprender de cómo se comportan los robots en la flota, mejorar el rendimiento y responder a nuevos casos límite sin reemplazar el hardware. El equipamiento industrial tradicional generalmente se deprecia desde el momento en que se despliega. Un sistema autónomo conectado se vuelve más capaz a lo largo de su ciclo de vida.

El factor de forma seguirá importando, porque el diseño físico debe adaptarse a la tarea. Pero los factores de forma evolucionarán. El valor más duradero reside en la inteligencia, la infraestructura operativa y la capa de datos que pueden extenderse a cualquier aplicación. Por eso describimos a BrainOS® como la plataforma de autonomía para el mundo real, más que como un sistema operativo para un robot en particular.

Los robots impulsados por BrainOS ahora se usan no solo para limpieza, sino también para análisis de estanterías, visibilidad de inventario y movimiento de materiales. ¿Cómo ve que los robots evolucionen de herramientas de automatización de tareas a plataformas móviles de datos?

Nuestra plataforma BrainOS® brinda a las empresas la infraestructura necesaria para crear, desplegar y soportar soluciones autónomas a escala empresarial. Proveemos la capa subyacente de autonomía e inteligencia, lo que permite a nuestros socios enfocarse en lo que mejor hacen: resolver problemas empresariales específicos y del mundo real. Este enfoque único nos ha permitido escalar rápidamente y permite a las empresas construir no solo robots, sino negocios de robótica.

El cuidado de suelos robótico fue una de las primeras aplicaciones comerciales en alcanzar una escala significativa porque abordó una necesidad operativa clara y repetitiva; cada entorno comercial tiene suelos sucios y muchos enfrentan desafíos laborales. Logramos esta escala junto a nuestro socio Tennant Company, líder en cuidado de suelos durante más de 150 años, que ahora se ha convertido en uno de los mayores fabricantes de robots comerciales del mundo.

Luego, a través de nuestro trabajo con grandes empresas en retail y logística, reconocimos una verdad fundamental: mientras estas operaciones saben exactamente qué inventario entra y sale de sus instalaciones, a menudo carecen de visibilidad sobre lo que realmente ocurre en el suelo de la tienda o el almacén. Un robot móvil es uno de los pocos sistemas que se desplaza repetidamente por el entorno físico, lo que lo hace singularmente capaz de capturar esa verdad de base a escala. Para ayudar con este desafío, nos hemos asociado con Driveline Retail, un líder en merchandising, y Dane Technologies, líder en equipos de almacén, para llevar el seguimiento de inventario y la inteligencia de estanterías al mercado a escala empresarial.

Cuando se expande a estas aplicaciones de visibilidad de inventario, la captura de datos es solo una parte de la ecuación. La mayoría de los almacenes y minoristas quieren más que millones de imágenes crudas; necesitan saber exactamente qué producto está agotado, qué precio es incorrecto, dónde está un pallet faltante y qué acción específica debe tomar un asociado a continuación. Brain Corp proporciona la visión por computadora avanzada y la IA necesarias para traducir esas observaciones crudas en decisiones empresariales precisas y priorizadas.

Independientemente del factor de forma del robot, estos sistemas también están desbloqueando la capacidad de las empresas para crear gemelos digitales continuamente actualizados de sus instalaciones. Debido a que nuestros robots navegan de forma segura y fiable por todo el espacio, actúan como plataformas móviles de datos, capturando inteligencia de instalación altamente detallada. Eso puede significar, por ejemplo, verificar la ubicación de un extintor, identificar un congelador defectuoso o mapear áreas con poca conectividad Wi‑Fi.

¿Qué separa una implementación de robótica que funciona en una ubicación piloto de una que puede escalar a miles de sitios empresariales?

Los pilotos recompensan la posibilidad. La escala recompensa la fiabilidad.

Un piloto puede triunfar porque el mejor ingeniero está cerca, el entorno ha sido preparado cuidadosamente y alguien maneja silenciosamente las excepciones tras bastidores. Nada de eso funciona cuando se despliega en cientos o miles de sitios. En ese punto, cada paso manual se convierte en una fuente de costo y falla.

Una implementación escalable necesita repetibilidad desde el principio. El robot debe ser fácil de configurar, intuitivo para los empleados de primera línea, observable de forma remota y capaz de recibir actualizaciones de software sin que alguien visite cada sitio. La organización también necesita sistemas maduros de ciberseguridad, certificación de seguridad, soporte, capacitación, mantenimiento, análisis e integración con la tecnología existente del cliente.

La gestión del cambio es igualmente importante. Las personas que trabajan junto al robot deben entender qué hace, cuáles son sus limitaciones y cómo encaja en sus responsabilidades. Las implementaciones fallan cuando la tecnología es técnicamente sólida pero la propiedad operativa es poco clara.

Finalmente, la economía debe funcionar tanto para el cliente como para el proveedor de robótica. Eso requiere una infraestructura robótica que se vuelva más económica y más robusta con cada despliegue.

Esa colección de desafíos es lo que llamamos la Brecha de Autonomía. Construir un prototipo funcional es solo una parte de crear un negocio de robótica. El trabajo mucho más difícil es convertir ese prototipo en un producto seguro, soportado, repetible que continúe funcionando cuando los especialistas abandonen el edificio.

El trabajo reciente de Brain Corp en la contextualización y el mapeo semántico apunta a una capa más inteligente para la IA física. ¿Por qué “entender el entorno” es la próxima gran frontera para los robots autónomos?

La navegación tradicional es mayormente un problema geométrico: ¿Dónde estoy?, ¿a dónde puedo moverme? y ¿qué debo evitar? La contextualización agrega un conjunto mucho más rico de preguntas: ¿Qué está sucediendo a mi alrededor?, ¿Qué son esos objetos?, ¿Cómo es probable que las personas interactúen con ellos? ¿Qué comportamiento es apropiado en esta situación particular?

Un sistema de navegación básico puede ver que algo ocupa espacio. Un sistema con conciencia contextual debe entender exactamente qué es el objeto, por qué está allí, qué está haciendo y, en última instancia, cómo comportarse alrededor de él. Estas distinciones importan porque la respuesta correcta varía en cada caso.

Esto se vuelve particularmente importante a medida que la robótica comienza a incorporar más IA generativa, modelos visión‑lenguaje y otros sistemas probabilísticos. Estos modelos pueden aportar una enorme inteligencia y flexibilidad, pero una respuesta plausible no es suficiente cuando el software controla una máquina física. La acción debe estar anclada en la geometría real, las condiciones, los requisitos de seguridad y el contexto social del entorno.

Creemos que la solución es combinar IA avanzada con una representación contextual persistente del mundo físico y controles de seguridad deterministas. Eso permite que el robot se beneficie de modelos de IA cada vez más capaces sin permitir que la inteligencia probabilística opere sin límites.

¿Cómo deben las empresas pensar en la confianza al desplegar robots alrededor de empleados, clientes y el público en general?

Primero, debemos reconocer una verdad fundamental: los robots son diferentes de otras tecnologías empresariales. Un error de software puede bloquear tu portátil, pero un error en una máquina de 1 000 lb que navega por un pasillo minorista lleno de gente tiene unas implicaciones totalmente distintas. Las empresas no pueden tratar a un robot como otro equipo de TI conectado.

La confianza en la robótica se gana día a día. En un momento en que la FCC está limitando la aprobación de robótica producida en el extranjero por motivos de seguridad, el umbral de esa confianza nunca ha sido tan alto. A medida que la IA física se expande a hospitales, aeropuertos, almacenes y supermercados, las empresas deben evaluar la confianza en varias capas distintas: seguridad física, privacidad de datos e integración humana.

La IA avanzada es increíble para hacer que un robot sea “inteligente” suficiente para navegar entornos complejos, pero la inteligencia y la seguridad no son lo mismo. Un robot confiable separa ambas cosas. Debe contar con controles de seguridad de hardware dedicados y redundantes que puedan sobrescribir el sistema. La seguridad debe estar codificada, no aprendida.

Además, los robots que navegan en espacios públicos son esencialmente plataformas de datos itinerantes. Utilizan cámaras y sensores para ver el mundo. Las empresas deben exigir una claridad extrema a sus proveedores: ¿Qué está viendo el robot? ¿A dónde van esos datos? ¿Quién tiene acceso a ellos? La privacidad y la ciberseguridad no pueden añadirse después del despliegue como una campaña de relaciones públicas; deben incorporarse a la arquitectura del sistema desde el primer día.

El error más grande que cometen las compañías es colocar un robot en una instalación sin pensar en la gestión del cambio. No puedes pedir a tus empleados o clientes que acepten la robótica por fe. Los empleados deben ser involucrados temprano, capacitados adecuadamente y mostrarles exactamente cómo la máquina facilita y hace más seguro su trabajo diario. Necesitan saber quién es responsable si algo sale mal y cómo intervenir si es necesario.

En última instancia, las certificaciones, auditorías y controles de seguridad son solo la evidencia mínima. La verdadera confianza se construye mediante la experiencia repetida. Cuando un robot se comporta de forma segura, respeta consistentemente el espacio personal del cliente y asume el trabajo sucio y aburrido del empleado día tras día, entonces simplemente pasa a ser parte del equipo.

Mirando hacia el futuro, ¿dónde espera que la robótica comercial genere más valor en los próximos cinco años: retail, logística, salud, manufactura, aeropuertos u otro sector?

El mayor valor tiende a provenir de entornos que son grandes, distribuidos y con escasez de mano de obra. Tienen tareas repetitivas que son difíciles de completar de forma consistente.

La cadena de suministro: desde la manufactura hasta la logística y el retail combina todas esas condiciones. Las tiendas son espacios públicos complejos, la disponibilidad de mano de obra es un desafío persistente y los pequeños problemas operativos (una estantería vacía, un precio incorrecto, una tarea de limpieza retrasada) pueden afectar directamente la experiencia del cliente y el desempeño financiero. La logística y la manufactura también crearán un valor enorme, mediante la visibilidad del inventario, el movimiento de materiales y la coordinación en instalaciones cada vez más automatizadas.

Pero el mayor valor no será definido por una industria específica. Será un cambio en cómo las empresas adquieren robótica. Específicamente, los próximos cinco años marcarán la muerte del proyecto de robótica aislado.

Actualmente, las empresas ejecutan iniciativas altamente fragmentadas. Compran un robot de la compañía A para limpiar suelos, otro de la compañía B para escanear inventario y un tercero de la compañía C para mover materiales. Cada uno tiene su propia comprensión local del mundo que no se comparte con los demás. Es una pesadilla operativa que no escala.

En los próximos cinco años, la creación de valor provendrá del contexto y la ejecución compartidos. Las empresas dejarán de comprar robots fragmentados y empezarán a invertir en una base unificada de IA física. Quieren una única plataforma de software, una capa de autonomía y una tubería de datos que gestione una flota diversa de máquinas, comparta contexto sobre el entorno y orqueste de forma centralizada la automatización de instalaciones completas en lugar de tareas individuales.

Así es como la IA pasa de la ambición a hacer que el mundo real funcione mejor.

Gracias por la excelente entrevista; los lectores que deseen obtener más información deben visitar Brain Corp.