Brian Hartzband, Yhdysvaltain operaatioiden presidentti, GMEX Robotics – Haastattelusarja

Brian Hartzband, Yhdysvaltain operaatioiden presidentti, GMEX Robotics, johtaa yrityksen Yhdysvaltain laajentumista keskittyen kaupallisen läsnäolon rakentamiseen, strategisten kumppanuuksien kehittämiseen sekä sen fyysisten AI- ja robotiikkaplatformien tuomiseen todellisiin käyttöönottoihin. Ennen GMEX Roboticsiin liittymistään Hartzband vietti lähes neljä vuotta TEKsystemsissä teknisen rekrytoinnin ja asiakkuuksien hallinnan tehtävissä palvellessaan hallituksen ja korkea‑asteen koulutusasiakkaita. Hän oli aiemmin Handcrafted 4 Home -yrityksen perustajajäsen ja auttoi johtamaan sitä, missä hän edisti Yhdysvaltain markkinoiden laajentumista sekä kumppanuuksia suurten jälleenmyyjien ja verkkokauppojen kanssa. Uraansa aikaisemmin Hartzband työskenteli varainhoidossa Merrill Lynchillä ja UBS:lla, jossa hän neuveli korkean ja erittäin korkean nettovarallisuuden omaavia asiakkaita ja auttoi rakentamaan merkittävän kansainvälisen asiakasportfolion.

GMEX Robotics on Nasdaq-listattu fyysinen AI- ja robotiikkayritys, joka kehittää älykkäitä koneita kaupallisiin ympäristöihin. Aikaisemmin tunnettu nimellä Fitell Corporation, yritys noudattaa sitä, mitä se kuvaa “Terminal + Brain” -lähestymistavakseen, yhdistäen tarkoitukseen suunnitellun robottilaitteiston mukautuviin AI-kyvykkyyksiin sen sijaan, että perustuisi täysin pystysuunnassa integroituneeseen teknologiakokonaisuuteen. Sen ensimmäinen merkittävä kaupallistamiskohde on 2F Culinary AI, kaupallinen keittiörobotiikka-alusta, joka sisältää Bon Vivant 3.0 – ja Max-järjestelmät, jotka hyödyntävät antureita, AI‑ohjattuja ohjausjärjestelmiä ja ohjelmoitavia työnkulkuja ruoanvalmistuksen automatisoimiseksi. GMEX on myös tunnistanut kuljetuksen ja logistiikan, teollisuusautomaation sekä resurssien etsinnän pitkän aikavälin laajentumisalueiksi. Maaliskuussa 2026 yritys ilmoitti AU$4.2 million -sopimuksesta, joka kattaa vähintään 50 älykästä keittiörobotiikkajärjestelmää australialaiselle ravintolaryhmälle, ja sen jälkeen toukokuussa ensimmäisen käyttöönotto‑tilauksen.

Liityit äskettäin GMEX Roboticsiin Yhdysvaltain operaatioiden presidenttinä pitkän uran jälkeen, joka on kattanut rahoituspalvelut, yrittäjyyden, teknologian rekrytoinnin ja yrityssuhteet. Mikä vakuutti sinut siitä, että fyysinen AI ja robotiikka edustavat oikeaa seuraavaa vaihetta, ja mitkä ovat prioriteettisi rakentaessasi GMEXin läsnäoloa Yhdysvalloissa?

Näin AI:n ja robottien arvon, erityisesti sosiaalisen älykkyyden osalta, joka tapahtuu juuri nyt. Halusin olla mukana sen kehittämisessä. Minua innostaa GMEXissä Terminal + Brain -malli. Emme yritä tehdä kaikkea itse. Rakennamme luotettavaa ja käytännöllistä laitteistoa ja liitämme sen huippuluokan AI:hin. Tämä on täysin erilainen lähestymistapa kuin useimpien robotiikkayritysten toiminta. Tällä hetkellä puhun sijoittajille siitä, mitä todella rakennamme, ja luon avainkumppanuuksia Yhdysvalloissa. Tämä on oikea hetki tähän.

GMEX kuvaa strategiansa “Terminal + Brain” -ekosysteemiksi, jossa robotiikkalaitteisto yhdistää fyysisen maailman AI‑älykerroksen kanssa. Voitko selittää, miten tämä arkkitehtuuri toimii ja mitä mielestäsi erottaa sen enemmän pystysuunnassa integroituihin robotiikkalähestymistapoihin?

Useimmat robotiikkayritykset yrittävät rakentaa kaiken itse; laitteiston, ohjelmiston ja AI:n. Se on kallista ja hidasta. Me teemme sen eri tavalla. Terminal on meidän laitteistomme. Brain on meidän AI‑orkestrointikerroksemme, jonka rakennamme kumppanuuksien, kuten 247meta, avulla. Etu on joustavuus. Jos parempi AI tulee saataville, integroidumme sen ilman robotin uudelleenrakentamista. Emme ole lukittuneet yhteen panokseen. Keskitymme siihen, missä olemme parhaita; luotettavaan, käytännölliseen laitteistoon, ja teemme yhteistyötä huippuluokan AI:n kanssa sen sijaan, että yrittäisimme voittaa kaikki teknologian osapuolet yksin. Tämä tarkoittaa nopeampaa iterointia, pienempiä pääomakustannuksia, ja liikumista AI‑innovaation nopeudella, ei mekaanisen insinöörityön aikatauluilla.

GMEX on tehnyt sopimuksen MediaMeta.ai:n alkuperäisen osuuden hankkimisesta, jonka teknologia keskittyy sosiaaliseen älykkyyteen ja ihmisen käyttäytymismallinnukseen. Mitä “sosiaalinen älykkyys” tarkoittaa robotin kontekstissa, ja mitä uusia kykyjä se voisi avata, joita nykyiset multimodaaliset AI-mallit eivät pysty luotettavasti tarjoamaan?

Sosiaalinen älykkyys tarkoittaa robotteja, jotka ajattelevat ihmisiä, eivät vain tehtäviä. Nykyinen AI on erinomainen näkökyvyssä, kielessä ja päättelyssä. Mutta se on heikko henkilön lukemisessa, hänen tunteiden tilassa, siitä, mitä hän todella tarvitsee, ja siitä, miten työskennellä hänen kanssaan todellisessa ympäristössä. Allekirjoitimme lopullisen sopimuksen MediaMetan kanssa, koska heidän keskittymisensä ihmisen käyttäytymismallinnukseen täyttää juuri tämän aukon. Tämä on MediaMetan pitkän aikavälin tiekartassa, jossa kehitetään sosiaalisen älykkyyden AI:ta ja käyttäytymismallinnusta kontekstuaalisena ymmärtämiskerroksena, joka voisi lopulta täydentää Terminal + Brain -ekosysteemiämme. Kehityksen, integraation ja testauksen alaisena nämä kyvyt voisivat auttaa robotteja tulkitsemaan kontekstia, viestintämalleja ja ihmisen aikomuksia, mikä on ero robotin ja sen välillä, joka suorittaa tehtävän, ja sellaisen, joka on aidosti hyödyllinen.

Missä nykypäivän kehittyneimmät robotit edelleen kamppailevat ihmisten tulkinnassa? Ovatko suurimmat rajoitteet tunteiden ja aikomusten tunnistamisessa, sosiaalisen kontekstin ymmärtämisessä, kulttuurieroihin sopeutumisessa vai jossain perustavammassa?

Kaikki yllä oleva. Mutta todellinen ongelma on, että tekoälyn kehitys on optimoitu tehtävän suorittamiseen – voiko robotti poimia esineen, navigoida huoneessa? Se on mitattavissa. Ihmisten lukeminen ei ole. Siksi se saa vähemmän huomiota. Robotit voivat tunnistaa, että joku näyttää ärtyneeltä, mutta ne ovat heikkoja ymmärtämään, miksi henkilö on ärtynyt tai mikä todella auttaisi. Jo pienetkin virheet heikentävät luottamusta. Robotti, joka saa 90 % sosiaalisista vihjeistä oikein, kuulostaa hyvältä testiympäristössä, mutta todellisessa maailmassa jäljelle jäävä 10 % on merkityksellinen. Ihmiset päättävät, etteivät he halua työskennellä sen koneen kanssa. Meidän on käännettävä prioriteetti. Sitä rakennamme GMEXissä.

Varastossa toimiva robotti voi usein toimia melko rakenteellisten sääntöjen puitteissa, kun taas sairaalassa, hotellissa, koulussa tai kodissa toimivan robotin on käsiteltävä paljon ennakoimattomampaa ihmiskäyttäytymistä. Miten tekoälypinon täytyy muuttua, kun robotit siirtyvät näihin sosiaalisesti monimutkaisempiin ympäristöihin?

Sosiaalinen älykkyys. Varastossa voit koodata säännöt. Ympäristö on ennustettavissa. Kun siirrät robotin ihmisten läsnäoloon, kaikki muuttuu. Ihmiset improvisoivat, muuttavat mielensä, heillä on huonoja päiviä. Tekoälyn on luettava tämä reaaliajassa ja sopeuduttava. Se ei enää perustu sääntöihin, vaan kontekstiin. Robotin on ymmärrettävä hetki, henkilö, ympäristö ja päätettävä, mikä on järkevää. Tämä vaatii nopeaa yhteydenpitoa ja täysin erilaista arkkitehtuuria pohjassa. Sen on myös osattava tietää, milloin pyytää apua sen sijaan, että arvaisi väärin.

Ihmisen käyttäytymisen mallintaminen herättää väistämättä kysymyksiä yksityisyydestä, suostumuksesta, puolueellisuudesta ja ihmisen aikomusten väärinymmärryksestä. Miten kehittäjien tulisi rakentaa sosiaalista älykkyyttä robotteihin luomatta koneita, jotka tulevat liian tunkeileviksi tai tekevät mahdollisesti merkittäviä oletuksia ihmisistä?

Päivän lopuksi sosiaalisen älykkyyden rakentaminen robotteihin tarkoittaa avuliaaksi olemista ilman outoutta. Robotin ei tulisi psykoanalysoida ihmisiä tai arvata, mitä joku “tarkoitti” – näin syntyvät yksityisyysongelmat ja virheelliset oletukset. Pysy havaittavassa: miten joku liikkuu, kuinka lähellä he ovat, eleet. Anna ihmisille hallinta selkeiden yksityisyysvihjeiden ja yksinkertaisten opt-in‑vuorovaikutusten avulla. Pidä datan jalanjälki pienenä, käsittele paikallisesti kun mahdollista, ja tarkasta toiminta niin, että se kohtelee kaikkia tasapuolisesti. MediaMeta virallistaa tietosuojan ja vastuullisen tekoälyn kehyksen, joka kattaa datan minimoinnin, läpinäkyvyyden, puolueellisuusarvion, ihmisen valvonnan ja jäljitettävyyden. Tämä on se harkittu lähestymistapa, jonka haluamme integroida järjestelmiimme. Jos robotti ei ole varma, mitä joku haluaa, sen tulisi hidastaa, antaa tilaa tai pysähtyä. Näin rakennetaan sosiaalista tietoisuutta ylittämättä rajoja.

Miten todella arvioidaan, onko robotti parantanut kykyään ymmärtää ihmisiä? Millaisia vertailuarvioita, simulaatioita tai todellisia testejä tarvitaan sosiaalisen älykkyyden mittaamiseen sen sijaan, että tarkasteltaisiin vain, onko robotti suorittanut tehtävän onnistuneesti?

Et voi tarkastella pelkästään, onko se suorittanut tehtävän. Tarkastelet mikrokäyttäytymistä: antaako robotti mukavan etäisyyden, väistyykö se, kun joku astuu sen tielle, liikkuuko se oikeassa ajoituksessa, epäröikö se, kun aikomus on epäselvä? Simulaatiossa stressitestaat tiheillä väkijoukoilla, äkillisillä pysähdyksillä, epäselvillä eleillä. Todellisessa maailmassa tarkkailet, onko robotti ennustettavissa ja mukava ihmisille sen ympärillä, ja käyttäytyykö se johdonmukaisesti eri ryhmissä. Tämä on todellinen vertailuarvio, ei tehtävän suorittaminen, vaan se, kokevatko ihmiset robotin “ymmärtävän” miten liikkua ja koordinoida jaetussa tilassa.

GMEX on jo aloittanut Bon Vivant -ruoanlaittorobotikka‑alustan kaupallistamisen. Mitä nämä varhaiset todelliset käyttöönotot ovat opettaneet yritykselle erosta tekoälyllä varustetun robotin demonstraation ja sen luotettavan toiminnan välillä kaupallisessa ympäristössä?

On todellinen ero sen välillä, että robotin pystyy suorittamaan tehtävän, ja sen välillä, että se pystyy suorittamaan tehtävän luotettavasti päivä toisensa jälkeen kaupallisessa ympäristössä. Demoissa kaikki on hallittua. Todelliset keittiöt ovat korkean lämmön, suuren volyymin, ennakoimattoman laitteiston tiloja, joissa laitteet törmäävät, ainesosat vaihtelevat ja ihmiset muuttavat jatkuvasti rytmiä. Bon Vivant on paikallaan, joten haaste ei ole navigointi; se on toistettavuus, kestävyys, virheiden korjaus ja pysyminen integroituna olemassa oleviin työnkulkuihin. Opimme, että luotettavuus syntyy “tylsän” asioiden hallinnasta: lämmön ja rasvan sietäminen, kalibroinnin ylläpitäminen, tyylikkäästi toipuminen, kun jokin poikkeaa suunnitelmasta, ja tahdin ylläpitäminen ilman, että ihmiset hidastuvat. Kaupallinen robotiikka ei ole robotin kyvyn todistamista ruoanlaitossa. Se on robotin kyvyn todistamista ruoanlaitossa johdonmukaisesti, turvallisesti, ilman että siitä tulee taakka todellisessa liiketoiminnassa.

GMEX kehittää myös monen agentin tekoälyalustaa, jonka tarkoitus on koordinoida erilaisia malleja ja työnkulkuja. Miten näet digitaalisten tekoälyagenttien ja fyysisten robottien lopulta lähestyvän toisiaan, ja voisiko sama älykkyyskerros lopulta koordinoida sekä ohjelmistagentteja että konekantoja?

Digitaaliset AI-agentit ja fyysiset robotit tulevat yhä enemmän konvergoimaan yhteisen koordinointikerroksen ympärille. Ohjelmistoyhteisöt voivat tulkita pyyntöjä ja hallita digitaalisia työnkulkuja. Robotit suorittavat tehtäviä fyysisessä maailmassa. Jaettu älykkyyskerros yhdistää ne kääntämällä liiketoimintatavoitteen tehtäviksi, valitsemalla oikeat mallit ja agentit sekä koordinoimalla toteutuksen. Keskeinen ero on koordinointi versus ohjaus: jaettu kerros päättää, mitä pitää tehdä ja kuka sen suorittaa, kun taas robottikohtaiset järjestelmät säilyttävät vastuun navigoinnista, liikkeenohjauksesta ja turvallisuudesta. Esimerkiksi varastossa ohjelmistoyhteisöt käsittelevät tilauksen ja tarkistavat varaston, kun koordinointikerros pyytää sopivaa robottia siirtämään tavarat. Tämä palaute kiertää takaisin ja ohjaa seuraavaa vaihetta. Ihmisen valvonta ja turvallisuusmekanismit pysyvät olennaisina. Tässä me keskitymme 247meta‑projektissa vaiheittaisella polulla käyttöliittymäintegraatioon, simulointiin ja hallittuihin pilotteihin tukemaan koordinoituja työnkulkuja yritysohjelmistojen ja fyysisten laitteiden välillä.

Jos sosiaalinen älykkyys muodostuu fyysisen AI:n peruskerrokseksi, mitä uskot sen muuttavan robotiikka-alalla? Voisiko ihmisen käyttäytymisen ymmärtäminen lopulta osoittautua yhtä tärkeäksi laajamittaisessa robottien käyttöönotossa kuin ketteryyden, tietokonevision ja päättelyn edistysaskeleet?

Sosiaalinen älykkyys muokkaa robotiikkaa perusteellisesti. Ala on keskittynyt laitteistokapasiteettiin, näköjärjestelmiin ja suorituskykyyn – kaikki tärkeää, mutta mikään näistä ei takaa, että robotti toimii sujuvasti ihmisten ympärillä keittiössä tai tuotantolattialla. Sosiaalinen älykkyys tekee robotista ennustettavan, helppokäyttöisen, ihmisten luonnollista liikkumista ja koordinointia vastaavan. Kun robotit siirtyvät hallituista demoista todellisiin kaupallisiin ympäristöihin, tämä järjestelmän osa on yhtä tärkeä kuin laitteisto ja ohjauspinnoite. Ihmiskäyttäytymisen ymmärtäminen on yhtä merkittävää kuin edistysaskeleet havainnoinnissa tai luotettavuudessa. Se on ero robotin ja sen välillä, joka pystyy suorittamaan työn, ja robotin välillä, joka sulautuu saumattomasti todellisten toimintojen virtaan.

Kiitos erinomaisesta haastattelusta, lukijat, jotka haluavat oppia lisää tästä robotiikkayrityksestä, kannattaa käydä osoitteessa GMEX Robotics.