Adam Sadilek. Pendiri dan CEO AIM – Seri Wawancara

Adam Sadilek adalah Pendiri dan CEO AIM. Sebagai seorang anak, ia terobsesi dengan robotika dan otomatisasi—dorongan oleh keinginan untuk membangun sistem yang belajar sendiri dan membuat pekerjaan fisik lebih cerdas, lebih cepat, dan lebih aman. Obsesi awal itu membawanya ke Google, di mana ia berkontribusi pada pekerjaan yang sangat penting tentang AI skala planet dan kendaraan otonom, yang kemudian berkembang menjadi Waymo. Mengenali peluang yang belum dimanfaatkan, ia mendirikan AIM untuk membawa otonomi ke penggalian tanah — sektor yang menjadi dasar hampir semua infrastruktur manusia namun telah melihat sedikit otomatisasi sejak diperkenalkannya mesin hidrolik.

AIM adalah pelopor platform AI-powered pertama di dunia untuk peralatan berat, mengubah cara tanah digali dalam skala besar. Dengan menggabungkan sistem persepsi, perencanaan, dan kontrol yang canggih, AIM mengotomatisasi penggalian, grading, dan pergerakan material di seluruh proyek konstruksi, pertambangan, dan ketahanan iklim. Teknologi perusahaan ini menangani tantangan global yang kritis seperti kekurangan tenaga kerja, modernisasi infrastruktur, dan kesiapsiagaan bencana—membuat fondasi untuk masa depan di mana mesin otonom dapat membangun baik di Bumi dan di luar.

Anda menghabiskan lebih dari satu dekade di Google[x], bekerja pada inisiatif AI utama termasuk yang menjadi Waymo. Pengalaman spesifik apa selama periode itu yang meyakinkan Anda bahwa mengotomatisasi dunia fisik — bukan hanya lingkungan digital — adalah frontier yang tepat?

Saya memiliki kehormatan untuk bergabung dengan Google langsung setelah mendapatkan PhD di AI. Bekerja di Google[x] dan Alphabet memberi saya pengalaman tangan pertama untuk melihat potensi AI dalam lingkungan dunia nyata. Namun, tidak sampai saya bergeser ke pembangunan proyek infrastruktur fisik bahwa saya benar-benar menyadari seberapa besar perubahan yang dapat dibawa oleh otomatisasi dalam dunia yang dibangun.

Melihat betapa sulitnya menggerakkan tanah, tanah, dan material setiap hari – bahkan bagi pembangun berpengalaman – membawa saya ke momen pencerahan: tidak ada yang menangani masalah esensial ini dengan cara yang skalabel. Penggalian tanah otonom tidak hanya akan meningkatkan keselamatan staf di lapangan dan mempercepat industri besar seperti pertambangan, konstruksi, dan pekerjaan sipil, tetapi juga dapat menyelesaikan beberapa tantangan terbesar planet kita, seperti terraforming dan membalikkan kerusakan yang telah dilakukan pada planet kita.

Jadi, selama pandemi, saya mulai mengubah mesin manual menjadi otonom di garasi saya, dan itulah tempat AIM lahir.

Dengan AIM Intelligent Machines, Anda telah memilih sektor yang telah melihat sedikit robotika atau otonomi sejak diperkenalkannya mesin hidrolik. Bisakah Anda menjelaskan momen atau wawasan kunci yang membuat Anda memutuskan untuk meluncurkan AIM?

Segala yang kita bangun, yang kita andalkan setiap hari, dimulai dengan tanah. Dari perangkat yang Anda baca sekarang hingga bangunan, jalan, dan mesin yang kita gunakan setiap hari, semuanya Either ditambang atau ditanam, dan kemampuan kita untuk menggerakkan tanah adalah kunci untuk semuanya.

Saya menyadari secara langsung bekerja di konstruksi bahwa industri penggalian tanah seperti pertambangan dan konstruksi telah melihat sedikit teknologi dan otomatisasi yang telah mengubah industri lain. Sementara gudang memiliki sistem konveyor, pabrik memiliki jalur perakitan yang diotomatisasi, dan sistem pelacakan kontainer pengiriman – metode yang kita gunakan untuk menggerakkan sejumlah besar tanah belum banyak berubah dalam waktu lama.

Saya juga mulai memahami permintaan besar untuk meningkatkan penggalian tanah. Mengoperasikan mesin berat adalah salah satu pekerjaan paling berbahaya di dunia, menyebabkan kekurangan tenaga kerja akut dan kronis untuk pekerja terampil (industri konstruksi harus menambahkan hampir 1 juta pekerja dalam dua tahun ke depan untuk memenuhi permintaan proyek). Ada juga kebutuhan luar biasa di seluruh dunia untuk penggalian tanah otonom untuk meningkatkan semua, dari rantai pasokan material hingga pembangunan infrastruktur yang lebih baik, remediasi area limbah berbahaya, dan membalikkan dampak negatif perubahan iklim pada planet.

Semua ini membawa saya ke pencerahan bahwa peradaban kita membutuhkan penggalian tanah otonom. Kita membutuhkan visi, kecepatan, dan kecerdasan untuk membentuk kembali planet dengan presisi dan skala untuk menangani tantangan dan peluang terbesar planet kita. Itulah yang membuat saya meluncurkan AIM dan apa yang kita selesaikan.

Otonomi untuk peralatan pertambangan atau konstruksi menyajikan kompleksitas luar biasa: medan kasar, kondisi tak terduga, mesin berat yang dibangun selama dekade. Apa saja terobosan teknis kunci yang membuat platform Anda memungkinkan — dalam penginderaan, pemetaan, pembelajaran mesin, atau integrasi?

Merancang AI yang tersemat untuk menggerakkan tanah, di beberapa kondisi terberat di planet kita, tidaklah mudah. Tidak hanya kita perlu merancang untuk lingkungan di mana tidak ada jalan, lajur jalan, atau struktur aturan lain untuk AI ikuti – kita juga harus mengembangkan sistem yang mampu melakukan ini di tempat dengan suhu ekstrem dan kegelapan, koneksi internet yang buruk atau tidak ada, dan peristiwa cuaca seperti salju, hujan es, atau badai pasir.

Salah satu terobosan teknis kunci untuk AIM adalah menangani tantangan penginderaan dan pemetaan di lingkungan kasar. Teknologi sensor dapat rentan rusak ketika dipasang pada mesin yang mengalami getaran dan dampak yang banyak. Jadi, apa yang kita lakukan adalah menghilangkan bagian-bagian yang rapuh dan menyematkan semua komponen komputasi dan kritis AIM ke dalam struktur pelindung proprietary, yang juga disegel untuk mencegah debris dan pasir masuk. Kemudian, kita juga menyolder sensor ke dalam kerangka mesin itu sendiri untuk memberikan ketahanan lebih.

Kekuatan ini, dikombinasikan dengan pembelajaran ujung-ke-ujung yang kuat di atas kapal, memungkinkan AIM untuk mengotomatisasi tugas penggalian tanah di beberapa lingkungan paling ekstrem, di tempat kerja produksi nyata di seluruh dunia. Ada perbedaan besar antara prototipe dan sistem yang diterapkan secara komersial dengan beberapa penambang, pembangun, dan cabang pemerintah AS terbesar, yang mengandalkannya setiap hari di seluruh situs mereka.

Strategi AIM adalah untuk memasang kembali mesin berat yang ada dengan sensor, LiDAR, dan kamera. Mengapa Anda memilih untuk menggunakan peralatan legacy daripada mengembangkan mesin otonom sepenuhnya dari awal?

Jawaban sederhananya adalah kita ingin otomatisasi menjadi dapat diakses oleh semua operasi penggalian tanah hari ini. Manajer situs dan aset telah berinvestasi jutaan hingga miliaran dalam armada mesin berat. Hanya satu dari mesin ini sering kali berharga lebih dari $1 juta dan memiliki umur operasional yang panjang. Jadi, tidaklah memungkinkan atau berkelanjutan untuk menggantikan armada mesin sepenuhnya dengan mesin baru untuk menjadi otonom.

Pendekatan retrofit-terlebih-dulu kami menangani ratusan ribu mesin legacy yang beroperasi di seluruh dunia. AIM memungkinkan organisasi, besar atau kecil, untuk segera meningkatkan kemampuan mereka untuk meningkatkan rantai pasokan material, membangun infrastruktur, melindungi dan memulihkan area yang terancam atau rusak oleh bencana alam, dan lain-lain. Ini membuka kunci kekuatan otomatisasi untuk operator dengan kecepatan dan skala yang dibutuhkan untuk hari ini, bukan 10 tahun ke depan.

Secara paralel, kami sering menerapkan perangkat keras, perangkat lunak, dan AI yang sama dalam kemitraan dengan saluran, distributor, dan bahkan OEM yang membuat mesin hidrolik luar biasa yang kita tingkatkan dengan platform otonomi AIM yang berjalan di atas armada ini. Jadi, ini tentang keselamatan maksimum, penciptaan nilai, keberhasilan pelanggan bersama, dan opsi untuk ekosistem yang sangat penting.

Platform Anda menggunakan pembelajaran ujung-ke-ujung sehingga mesin dapat “belajar sendiri” untuk menggali lebih cepat dan lebih efisien. Bagaimana persisnya loop umpan balik itu berfungsi di lapangan, dan apa saja perbaikan operasional yang telah Anda amati sejauh ini?

Pendekatan kami adalah meletakkan semua komputasi AI di atas kapal. Dalam kombinasi dengan platform yang diperkuat yang beroperasi bahkan tanpa GPS atau internet, kami menyampaikan otonomi canggih melalui pembelajaran ujung-ke-ujung yang dilakukan di tepi. Ini memungkinkan mesin untuk menjadi lebih pintar dan lebih cepat ketika mereka melakukan pekerjaan. Bahkan, dalam waktu kurang dari satu jam, mesin yang dilengkapi AIM belajar menggali dengan sangat baik! Kontrol robotik AI menjadi sangat presisi ketika belajar, misalnya, berjalan dengan akurasi dua sentimeter bahkan tanpa GPS.

Pembelajaran ujung-ke-ujung adalah kunci untuk mesin AIM mencapai tingkat otonomi komersial untuk melakukan tugas penggalian tanah di tempat kerja produksi di seluruh dunia. Ini juga berarti bahwa semua data, analitik, dan pemantauan kinerja ada di atas kapal untuk mengurangi keausan, memotong waktu henti, dan memperpanjang umur kerja mesin lebih jauh.

Selain itu, ketika sistem belajar, AIM dapat menyampaikan nilai operasional dan CapEx baru di seluruh penghematan bahan bakar, siklus tugas, utilitas armada, perencanaan situs AI yang optimal, dan menghilangkan pekerjaan ulang. Rata-rata di pertambangan, AIM menghasilkan tambahan $13 juta worth bijih per mesin setiap tahun untuk garis atas, sementara juga menghemat $633k per mesin per tahun untuk perbaikan garis bawah (penghematan OpEx langsung). Menghilangkan semua potensi bahaya bagi manusia, karena tidak ada yang berada di atau dekat mesin lagi, tentu saja membawa tingkat keselamatan yang luar biasa yang sangat penting dan melampaui angka dolar. Kami terus memperluas manfaat operasional tambahan yang disediakan oleh sistem.

Anda berargumen bahwa penerapan AI di sini sangat penting untuk infrastruktur, ketahanan iklim, bahkan pertahanan. Apa saja contoh kasus nyata yang paling mencolok yang Anda kerjakan sekarang — dan bagaimana Anda melihat dampak sosialnya?

Saat ini, satu miliar orang tinggal kurang dari 10 meter di atas permukaan laut yang naik, satu dari enam tinggal di area dengan risiko kebakaran hutan yang signifikan, dan lebih dari 3 miliar terkena dampak lahan yang rusak yang membutuhkan restorasi. Tidak ada keraguan bahwa kekurangan tenaga kerja secara serius mempengaruhi laju pembangunan infrastruktur kritis, perbaikan, dan seberapa cepat proyek dapat diselesaikan. Kekurangan tenaga kerja ini membuatnya lebih sulit untuk membalikkan dampak negatif perubahan iklim dan mencegah tantangan di masa depan.

Satu-satunya cara kita dapat menangani tantangan ini adalah dengan membawa lebih banyak kekuatan dan otonomi ke situs kerja – sehingga operasi tidak terbatas oleh keterbatasan tenaga kerja, kondisi cuaca, atau lingkungan kerja berbahaya.

Misalnya, kebakaran hutan meningkat karena dampak negatif perubahan iklim. Daripada bereaksi terhadap kerusakan yang ditimbulkan oleh kebakaran ini, AIM menghentikannya sebelum terjadi. Mesin dozer yang dilengkapi AIM dapat diterjunkan langsung ke hutan dalam untuk menciptakan pemecah kebakaran yang mencegah kebakaran hutan menyebar, semua sambil dioperasikan secara remote. Serupa dengan cara Anda membangun tanggul atau tembok laut adalah dengan sangat sengaja menumpuk material di sepanjang garis pantai untuk mengangkatnya. Ini analog dengan pekerjaan tanah yang kita lakukan sudah.

AI akan mengubah cara kita bereaksi dan mencegah bencana alam dan tantangan iklim ini terjadi.

Industri pertambangan dan konstruksi sering memiliki praktik yang mapan, regulasi yang ketat, dan toleransi risiko yang tinggi tetapi adopsi otomatisasi yang rendah. Apa saja hambatan non-teknis (budaya, regulasi, operasional) yang dihadapi AIM dalam menskala solusi?

Selalu ada tantangan ketika teknologi transformasional memasuki ruang di mana praktik telah mapan selama dekade. Teknologi AI-powered selalu membawa sedikit skeptisisme ke industri non-teknis. Namun, dengan AIM, kami telah dapat mengatasi tantangan ini dengan menunjukkan secara fisik kepada operator bagaimana AIM bekerja, bagaimana itu memberikan mereka kekuatan, dan bagaimana mereka bergerak ke karir yang lebih aman, lebih memuaskan, dan lebih berkelanjutan.

Industri ini merasakan dampak kekurangan tenaga kerja dan permintaan yang meningkat secara langsung, dan ketika mereka dapat melihat bagaimana mesin yang dilengkapi AIM dapat menyelesaikan shift penuh secara otonom dengan presisi, atau beroperasi di lokasi yang terlalu berbahaya bagi awak, kekhawatiran ini menghilang. Alih-alih terjebak di dalam mesin, operator bersemangat untuk belajar bahwa mereka dapat mengoperasikan armada otonom dari jarak aman (dan dengan AC atau pemanas) untuk meningkatkan baik output dan waktu kerja.

Kebutuhan yang meningkat untuk efisiensi operasional mengalahkan hambatan yang secara tradisional mencegah adopsi.

Anda mendirikan AIM pada saat ketika sedikit yang melihat untuk menerapkan AI dalam peralatan berat dan penggalian tanah. Bagaimana Anda mengkristalkan visi jangka panjang untuk AIM — dan bagaimana Anda mengimbangkan eksperimen awal dengan narasi industri yang lebih besar tentang otomatisasi di pertambangan dan konstruksi?

Ketika saya meninggalkan Google, saya mulai membangun proyek infrastruktur fisik yang membutuhkan latensi rendah dan kecepatan ekstrem – ini adalah saat saya tahu bahwa kita perlu membawa operasi otonom ke dunia fisik.

Otomatisasi selalu lebih seperti mimpi bagi industri pertambangan dan konstruksi; semua orang berharap bahwa solusi akan muncul, tetapi tidak ada yang membuatnya. Dengan latar belakang teknis dan industri, visi untuk AIM sudah jelas. Saya memahami kesenjangan operasional yang perlu diselesaikan dan bagaimana AI dapat diterapkan dalam dunia fisik, dan saya tahu pasar untuk optimasi ini ada.

Mengingat pekerjaan Anda pada AI skala planet (di Google/Waymo) dan sekarang otonomi penggalian tanah, bagaimana Anda membandingkan dampak potensial AI dalam dunia fisik versus apa yang telah kita lihat di domain digital?

AI telah mengubah cara kita beroperasi di dunia digital, dan kita melihat nilai proposition yang serupa dalam dunia fisik – tetapi dengan skala yang lebih besar. Sama seperti AI mengubah cara manusia melakukan penelitian, mengelola tugas, dan mengurangi pengawasan manusia, AIM mengubah cara mesin fisik beroperasi, belajar dari pengalaman, dan beradaptasi dengan lingkungan yang berubah.

Kita memungkinkan operator manusia untuk melakukan pekerjaan mereka lebih baik dengan mengequip mereka dengan mesin otonom yang dapat bekerja di lokasi yang tidak dapat diakses secara fisik, beroperasi dalam kondisi cuaca yang biasanya akan menutup situs kerja, dan mempertahankan produktivitas terus-menerus. Tidak ada aplikasi AI digital atau fisik yang dimaksudkan untuk menggantikan manusia sepenuhnya – ini tentang meningkatkan cara manusia bekerja.

Anda telah menyarankan bahwa visi AIM meluas melampaui Bumi — ke konstruksi off-planet dan terraforming. Seberapa realistis cakrawala itu dalam pandangan Anda, dan apa peran yang Anda lihat AIM memainkan dalam masa depan itu?

Membawa otomatisasi ini ke semua sudut Bumi adalah langkah pertama – tetapi ketika konstruksi off-planet dan pemanfaatan sumber daya menjadi kenyataan, kebutuhan akan mesin berat otonom yang kuat akan menjadi lebih kritis. Kita tidak bisa mengirim awak konstruksi manusia ke Mars, tetapi kita bisa mengirim mesin yang dilengkapi AIM yang dapat beroperasi dalam kondisi cuaca ekstrem, semua sambil belajar dari pengalaman mereka sendiri tentang bagaimana beroperasi lebih baik untuk lanskap itu. Kita membutuhkan mesin yang tidak hanya beroperasi melalui kontrol jarak jauh; kita membutuhkan mesin yang dapat beroperasi sepenuhnya otonom di lokasi di mana manusia tidak bisa.