David Pinn, CEO Brain Corp – Seri Wawancara

David Pinn adalah CEO Brain Corp, di mana ia telah menghabiskan hampir sembilan tahun membantu membentuk strategi perusahaan, operasi keuangan, dan transisi menjadi bisnis robotika berbasis perangkat lunak. Ia bergabung dengan Brain Corp pada 2017 sebagai VP Strategi dan naik melalui peran senior di bidang strategi dan keuangan sebelum menjadi CEO pada 2022. Selama masa jabatannya, Pinn membantu memimpin penggalangan modal besar, pergeseran perusahaan dari model berfokus pada perangkat keras menuju pendapatan perangkat lunak berulang, ekspansi ke penangkapan data robotik dan analitik, serta kemitraan strategis dengan produsen peralatan asli (OEM) global. Sebelumnya dalam kariernya, ia memegang posisi keuangan dan strategi di Qualcomm, memberi nasihat kepada startup teknologi yang didukung ventura, bekerja dengan perusahaan portofolio L Catterton, dan memulai kariernya di Teradyne dalam bidang teknik dan penjualan teknis, memberikan latar belakang yang mencakup robotika, semikonduktor, keuangan, pengembangan korporat, dan komersialisasi teknologi.

Brain Corp adalah perusahaan robotika dan AI fisik yang mengembangkan BrainOS®, sebuah platform otonomi perusahaan yang dirancang untuk memungkinkan produsen dan bisnis menyebarkan serta mengelola robot mobile otonom secara skala besar. BrainOS menggerakkan lebih dari 50.000 robot di enam benua dan telah mengumpulkan lebih dari 25 juta jam operasi dunia nyata, mendukung aplikasi termasuk pembersihan lantai otomatis, pengumpulan data inventaris dan rak, serta pergerakan material di lingkungan seperti toko ritel, gudang, bandara, fasilitas kesehatan, dan bangunan komersial. Platform ini menggabungkan navigasi berbasis AI, pemetaan 3D semantik, sistem keamanan, manajemen armada berbasis cloud, analitik, dan integrasi dengan sistem perusahaan, dengan data yang dikumpulkan dari armada yang tersebar membantu meningkatkan navigasi dan keandalan seiring waktu. Pengembangan terbaru mencakup BrainOS Clean 2.0 dan SelfPath™ AI, yang memungkinkan robot pembersih secara otomatis menghasilkan dan menyesuaikan rutenya alih‑alih bergantung pada jalur yang dilatih secara manual.

Karier Anda telah berpindah dari pekerjaan teknik di bidang frekuensi radio dan sistem nirkabel ke keuangan strategis, transformasi SaaS, dan kini kepemimpinan sebagai CEO di Brain Corp. Bagaimana kombinasi disiplin teknis dan keuangan tersebut membentuk pandangan Anda bahwa perusahaan tidak membeli “robot,” melainkan hasil operasional yang dapat diukur?

Karier awal saya dimulai di penjualan teknis, menjual peralatan manufaktur semikonduktor untuk Teradyne. Melalui banyak coba‑coba, saya belajar pelajaran penting sejak dini: ada kesenjangan besar antara apa yang saya anggap penting—biasanya spesifikasi teknis—dan apa yang sebenarnya menjadi perhatian pembeli. Saya menyadari bahwa pembeli benar‑benar peduli pada hasil bisnis, serta apakah mereka mempercayai saya dan tim saya untuk mewujudkannya.

Ketika saya kemudian beralih ke robotika, pelajaran itu menjadi lebih jelas. Setiap investasi teknologi bersaing untuk modal, dan sebuah sistem tidak mendapatkan pujian hanya karena mengesankan secara teknis. Dalam robotika, sangat mudah terpesona oleh mesin itu sendiri. Namun, seorang retailer tidak bangun dengan keinginan memiliki robot. Mereka menginginkan lantai yang lebih bersih, inventaris yang sangat akurat, dan lebih banyak waktu bagi staf mereka untuk melayani pelanggan. Robot hanyalah kendaraan pengantar untuk hasil tersebut.

Di Brain Corp, kami memulai dengan masalah pelanggan, mendefinisikan hasil bisnis, dan bekerja mundur ke lapisan otonomi serta data yang diperlukan untuk mencapainya. Latar belakang teknik saya membantu saya menghargai betapa kompleksnya masalah teknis yang mendasari, namun disiplin penjualan dan keuangan saya menjaga fokus pada apakah penyelesaiannya menciptakan bisnis yang dapat diskalakan dan menguntungkan secara komersial. Kedua hal itu diperlukan. Robot yang berfungsi namun tidak menghasilkan pengembalian ekonomi hanyalah proyek ilmiah, bukan produk, dan model keuangan yang dibangun di atas teknologi yang tidak dapat diandalkan bukanlah sebuah bisnis.

Dengan begitu banyak perhatian yang diarahkan pada humanoid dan robot serbaguna, apa yang Anda pikir pasar salah paham tentang apa yang sebenarnya dibutuhkan perusahaan dari robotika saat ini?

Pendapat tajam: obsesi industri terhadap humanoid di lingkungan komersial dan industri merupakan gangguan.

Argumen standar yang Anda dengar dari para penggemar humanoid adalah, ‘Dunia dibangun untuk manusia, sehingga robot harus berbentuk manusia.’ Itu mungkin benar di lingkungan residensial, tetapi untuk lingkungan perusahaan, hal itu secara fundamental salah.

Lihatlah sebuah gudang. Itu tidak dibangun untuk manusia; ia dibangun untuk forklift, pallet jack, dan mesin berat. Lihat toko ritel, sekolah, hotel, rumah sakit, dan bandara. Persyaratan aksesibilitas kursi roda berarti ruang‑ruang ini memiliki lantai datar, ramp, lorong lebar, dan lift. Bangunan komersial dan industri dirancang untuk pergerakan beroda.

Ketika Anda menyadari hal itu, Anda segera melihat bahwa menambahkan kaki pada robot komersial adalah beban yang tidak perlu dan pemborosan uang yang besar. Mengapa merancang sistem bipedal yang mahal dan rapuh untuk menavigasi ruang yang sudah cocok untuk roda? Roda lebih murah, lebih dapat diandalkan, dan menangani beban lebih baik.

Seperti yang saya sebutkan sebelumnya, robot tanpa pengembalian ekonomi hanyalah proyek ilmiah. Membangun humanoid yang sangat kompleks hanya untuk berjalan di atas lantai datar yang dapat diakses kursi roda adalah proyek ilmiah paling akhir. Itu menyelesaikan masalah lokomosi yang tidak ada. Perusahaan tidak membutuhkan mesin yang meniru manusia; mereka membutuhkan alat yang secara andal memberikan hasil bisnis tertentu. Dan untuk kasus penggunaan komersial, roda selalu menang.

Brain Corp beroperasi di lingkungan yang berantakan, publik, dan dengan lalu lintas tinggi seperti toko, bandara, gudang, rumah sakit, dan kampus. Apa saja masalah dunia nyata yang paling sulit dan tidak muncul dalam demo robotika?

Industri kendaraan otonom belajar dengan cara yang sulit betapa menipisnya demo. Kami melihat demo mobil self‑driving lebih dari satu dekade lalu, namun diperlukan tambahan sepuluh hingga lima belas tahun rekayasa intensif untuk benar‑benar meluncurkan taksi tanpa pengemudi secara komersial. Mengapa? Karena apa yang disebut industri sebagai “march of the nines”.

Mendapatkan sistem dengan keandalan 90% menghasilkan demo yang mengesankan. Mencapai 99% adalah pencapaian rekayasa yang besar. Namun ketika Anda mengoperasikan armada puluhan ribu robot di ribuan lokasi publik, keandalan 99% masih tidak cukup.

Dalam lingkungan komersial yang nyata, orang berubah arah tanpa peringatan. Troli belanja ditinggalkan di lorong. Display dipindahkan semalaman. Palet menghalangi rute. Lantai dapat memantulkan, basah, tidak rata, atau tertutup puing. Pintu terbuka dan tertutup, pencahayaan berubah, dan karyawan mengembangkan cara mereka sendiri berinteraksi dengan mesin. Robot juga dapat menemui anak‑anak, orang dengan alat bantu mobilitas, pembeli yang tidak fokus, forklift, atau seseorang yang memutuskan berdiri di jalurnya.

Masalah tersulit bukanlah navigasi ketika semuanya berperilaku seperti yang diharapkan. Itu adalah beradaptasi dengan anggun ketika sesuatu yang tidak terduga terjadi. Bisakah robot memahami mengapa rutenya terblokir, menemukan alternatif yang aman, dan menyelesaikan tugas? Bisakah ia melakukan itu tanpa menambah beban kerja bagi karyawan dan dalam skala jutaan jam?

Ada juga dimensi sosial yang sering terlewatkan dalam demo. Orang perlu memahami niat robot. Gerakannya harus dapat diprediksi, sinyalnya jelas, dan harus cocok dengan alur kerja manusia yang ada, bukan memaksa semua orang di sekitarnya beradaptasi.

Bagi kami, AI dunia nyata berarti “hanya berfungsi”. Kasus tepi tidak berada di pinggiran, melainkan di lingkungan itu sendiri. Membangun untuk kondisi tersebut memerlukan bertahun‑tahun pembelajaran operasional, arsitektur keamanan yang matang, dan fokus tanpa henti pada detail yang tak terlihat dalam video simulasi.

Ketika sebuah perusahaan mengevaluasi ROI robotika, metrik apa yang paling penting: jam kerja yang dihemat, konsistensi tugas, waktu aktif, penangkapan data, keselamatan, pengalaman pelanggan, atau hal lain?

Semua hal di atas.

Jam kerja yang dihemat berguna, tetapi tidak mencakup gambaran lengkap. Di banyak industri, masalah dasarnya bukan sekadar bahwa tenaga kerja mahal; melainkan bahwa merekrut orang yang berkualitas dapat menjadi tantangan, turnover tinggi, dan tugas penting diselesaikan tidak konsisten karena tim tertekan. Dalam situasi itu, penyelesaian tugas, frekuensi, dan konsistensi mungkin lebih berharga daripada pengurangan headcount teoritis.

Lapisan berikutnya adalah kinerja operasional: waktu aktif, pemanfaatan otonom, penyelesaian tugas yang berhasil, cakupan, dan tingkat pengawasan yang diperlukan. Robot yang secara teknis beroperasi berjam‑jam tetapi sering harus diselamatkan tidak memberikan otonomi yang berarti.

Peningkatan keselamatan dan kepatuhan juga tidak boleh diabaikan dalam model ROI. Robot pembersih mengurangi ketegangan dan cedera di tempat kerja, serta memberi karyawan lebih banyak waktu untuk melayani pelanggan dan pekerjaan bernilai tinggi. Robot inventaris meningkatkan ketersediaan di rak, akurasi harga, dan konsistensi pelaksanaan. Robot juga menciptakan lapisan visibilitas operasional baru dengan menangkap data yang dapat diandalkan dan berulang tentang apa yang terjadi di seluruh lingkungan fisik.

Kuncinya adalah menetapkan baseline yang nyata sebelum penerapan dan mengukur kinerja sepanjang siklus hidup penuh, termasuk implementasi, dukungan, pemeliharaan, pelatihan, dan integrasi.

Brain Corp unik di ruang robotika karena beroperasi sebagai platform robotika SaaS berulang. Mengapa perangkat lunak, data, dan orkestrasi armada menjadi lebih penting daripada bentuk fisik robot itu sendiri?

Perangkat keras menentukan apa yang secara fisik dapat dilakukan robot. Perangkat lunak menentukan seberapa andal ia melakukannya, seberapa mudah ia dapat disebarkan, seberapa aman integrasinya ke dalam perusahaan, dan apakah ia menjadi lebih berguna seiring waktu.

Tanpa lapisan perangkat lunak dan cloud yang terintegrasi, robot pada dasarnya menjadi mesin terisolasi. Ia dapat melakukan satu tugas di satu fasilitas, tetapi tidak dapat dengan mudah dipantau, diperbarui, diintegrasikan dengan sistem perusahaan, atau dikoordinasikan dengan armada yang lebih luas. Hal ini menimbulkan fragmentasi ketika perusahaan menambahkan berbagai jenis robot, masing‑masing dengan antarmuka, model dukungan, data, dan prosedur operasi sendiri.

Sebuah platform mengubah persamaan itu. Dengan platform otonomi kami, BrainOS®, kami menyediakan fondasi otonomi, keselamatan, data, dan manajemen armada yang umum di seluruh mesin dan aplikasi yang berbeda. Mitra kami dapat fokus pada keahlian perangkat keras mereka dan masalah pelanggan yang mereka pahami secara mendalam, alih‑alih membangun ulang seluruh infrastruktur otonomi dan cloud untuk setiap produk baru.

Perangkat lunak juga memungkinkan nilai mesin berkembang. Kami dapat menyebarkan kemampuan baru melalui pembaruan over‑the‑air, belajar dari cara robot berperilaku di seluruh armada, meningkatkan kinerja, dan merespons kasus tepi baru tanpa mengganti perangkat keras. Peralatan industri tradisional umumnya menyusut sejak pertama kali disebarkan. Sistem otonom yang terhubung menjadi lebih mampu sepanjang siklus hidupnya.

Bentuk fisik tetap penting, karena desain fisik harus cocok dengan tugas. Namun bentuk fisik akan berkembang. Nilai yang lebih tahan lama terletak pada kecerdasan, infrastruktur operasional, dan lapisan data yang dapat meluas ke aplikasi apa pun. Itulah mengapa kami menyebut BrainOS® sebagai platform otonomi untuk dunia nyata, bukan sistem operasi untuk satu robot tertentu.

Robot yang didukung BrainOS kini tidak hanya digunakan untuk pembersihan, tetapi juga untuk analitik rak, visibilitas inventaris, dan pergerakan material. Bagaimana Anda melihat robot berkembang dari alat otomatisasi tugas menjadi platform data mobile?

Platform BrainOS® kami membekali perusahaan dengan infrastruktur yang diperlukan untuk membangun, menyebarkan, dan mendukung solusi otonom pada skala perusahaan. Kami menyediakan lapisan otonomi dan kecerdasan yang mendasari, yang memungkinkan mitra kami fokus pada apa yang mereka kuasai: menyelesaikan masalah bisnis dunia nyata yang spesifik. Pendekatan unik ini memungkinkan kami berkembang cepat dan memungkinkan perusahaan membangun bukan hanya robot, tetapi bisnis robotika.

Perawatan lantai robotik adalah salah satu aplikasi komersial pertama yang mencapai skala signifikan karena memenuhi kebutuhan operasional yang jelas dan berulang; setiap lingkungan komersial memiliki lantai yang kotor dan banyak menghadapi tantangan tenaga kerja. Kami mencapai skala ini bersama mitra kami Tennant Company, pemimpin dalam perawatan lantai selama lebih dari 150 tahun yang kini telah berkembang menjadi salah satu produsen robot komersial terbesar di dunia.

Kemudian melalui kerja kami dengan perusahaan besar di sektor ritel dan logistik, kami menyadari kebenaran mendasar: meskipun operasi ini mengetahui secara tepat apa yang masuk dan keluar dari fasilitas mereka, mereka sering kekurangan visibilitas tentang apa yang sebenarnya terjadi di lantai toko atau gudang. Robot mobile adalah salah satu sistem sedikit yang berulang kali bergerak melalui lingkungan fisik, menjadikannya unik dalam menangkap kebenaran lapangan pada skala besar. Untuk mengatasi tantangan ini, kami bermitra dengan Driveline Retail, peritel terkemuka, dan Dane Technologies, pemimpin peralatan gudang, untuk membawa pelacakan inventaris dan intelijen rak ke pasar pada skala perusahaan.

Ketika Anda memperluas ke aplikasi visibilitas inventaris ini, pengumpulan data hanyalah sebagian dari persamaan. Sebagian besar gudang dan retailer menginginkan lebih dari sekadar jutaan gambar mentah; mereka perlu mengetahui secara tepat produk mana yang kehabisan stok, harga mana yang salah, di mana pallet yang hilang, dan tindakan spesifik apa yang harus diambil oleh staf selanjutnya. Brain Corp menyediakan visi komputer lanjutan dan AI yang diperlukan untuk menerjemahkan pengamatan mentah tersebut menjadi keputusan bisnis yang akurat dan diprioritaskan.

Terlepas dari bentuk fisik robot, sistem ini juga membuka kemampuan bagi perusahaan untuk menciptakan digital twin fasilitas mereka yang terus diperbarui. Karena robot kami menavigasi seluruh jejak secara aman dan andal, mereka berfungsi sebagai platform data mobile, menangkap intelijen fasilitas yang sangat detail. Itu dapat berarti, misalnya, memverifikasi lokasi pemadam kebakaran, mengidentifikasi freezer yang rusak, atau memetakan area dengan konektivitas Wi‑Fi yang buruk.

Apa yang membedakan penerapan robotika yang berhasil di satu lokasi pilot dari yang dapat diskalakan ke ribuan situs perusahaan?

Pilot memberi penghargaan pada kemungkinan. Skala memberi penghargaan pada keandalan.

Sebuah pilot dapat berhasil karena insinyur terbaik berada di dekatnya, lingkungan telah dipersiapkan dengan cermat, dan seseorang secara diam‑diam menangani pengecualian di belakang layar. Semua itu tidak bekerja ketika Anda menyebarkan ke ratusan atau ribuan situs. Pada titik itu, setiap langkah manual menjadi sumber biaya dan kegagalan.

Penerapan yang dapat diskalakan membutuhkan keterulangan sejak awal. Robot harus mudah dikonfigurasi, intuitif bagi karyawan lini depan, dapat diamati dari jarak jauh, dan mampu menerima pembaruan perangkat lunak tanpa seseorang harus mengunjungi setiap situs. Organisasi juga memerlukan sistem matang untuk keamanan siber, sertifikasi keselamatan, dukungan, pelatihan, pemeliharaan, analitik, dan integrasi dengan teknologi yang sudah dimiliki pelanggan.

Manajemen perubahan sama pentingnya. Orang yang bekerja bersama robot perlu memahami apa yang dilakukan robot, apa batasannya, dan bagaimana robot masuk ke dalam tanggung jawab mereka. Penerapan gagal ketika teknologi secara teknis solid tetapi kepemilikan operasional tidak jelas.

Akhirnya, ekonomi harus menguntungkan bagi pelanggan dan vendor robotika. Ini memerlukan infrastruktur robotika yang menjadi lebih ekonomis dan lebih kuat dengan setiap penerapan.

Koleksi tantangan itu kami sebut Autonomy Gap. Membangun prototipe yang berfungsi hanyalah satu bagian dari menciptakan bisnis robotika. Pekerjaan yang jauh lebih sulit adalah mengubah prototipe itu menjadi produk yang aman, didukung, dapat diulang, dan terus berfungsi ketika para spesialis meninggalkan gedung.

Kerja terbaru Brain Corp dalam grounding kontekstual dan pemetaan semantik mengarah pada lapisan yang lebih cerdas untuk AI Fisik. Mengapa “memahami lingkungan” menjadi frontier utama berikutnya bagi robot otonom?

Navigasi tradisional sebagian besar merupakan masalah geometris: Di mana saya, ke mana saya dapat bergerak, dan apa yang harus dihindari? Grounding kontekstual menambahkan serangkaian pertanyaan yang jauh lebih kaya: Apa yang terjadi di sekitar saya? Apa objek‑objek ini? Bagaimana orang kemungkinan berinteraksi dengan mereka? Perilaku apa yang tepat dalam situasi tertentu ini?

Sistem navigasi dasar mungkin melihat bahwa ada sesuatu yang menempati ruang. Sistem yang sadar konteks harus memahami tepat apa objek itu, mengapa ia berada di sana, apa yang dilakukannya, dan pada akhirnya, bagaimana berperilaku di sekitarnya. Perbedaan ini penting karena respons yang tepat berbeda dalam setiap kasus.

Hal ini menjadi sangat penting ketika robotika mulai mengintegrasikan lebih banyak AI generatif, model visi‑bahasa, dan sistem probabilistik lainnya. Model‑model ini dapat membawa kecerdasan dan fleksibilitas yang luar biasa, namun jawaban yang tampak masuk akal tidak cukup ketika perangkat lunak mengendalikan mesin fisik. Tindakan harus berlandaskan pada geometri aktual, kondisi, persyaratan keselamatan, dan konteks sosial lingkungan.

Kami percaya solusinya adalah menggabungkan AI canggih dengan representasi kontekstual yang persisten tentang dunia fisik serta kontrol keselamatan deterministik. Itu memungkinkan robot memanfaatkan model AI yang semakin mampu tanpa membiarkan kecerdasan probabilistik beroperasi tanpa batas.

Bagaimana perusahaan harus memikirkan kepercayaan saat menerapkan robot di sekitar karyawan, pelanggan, dan publik umum?

Pertama, kita harus mengakui kebenaran mendasar: robot berbeda dari teknologi perusahaan lainnya. Bug perangkat lunak mungkin membuat laptop Anda crash, tetapi bug pada mesin seberat 1.000 pon yang menavigasi lorong ritel yang ramai memiliki konsekuensi yang sangat berbeda. Perusahaan tidak dapat memperlakukan robot seperti perangkat IT terhubung lainnya.

Kepercayaan pada robotika diperoleh setiap hari. Pada saat FCC membatasi persetujuan robotik buatan luar negeri karena kekhawatiran keamanan, standar kepercayaan itu tidak pernah setinggi ini. Saat AI Fisik berkembang ke rumah sakit, bandara, gudang, dan toko kelontong, perusahaan perlu mengevaluasi kepercayaan pada beberapa lapisan: keselamatan fisik, privasi data, dan integrasi manusia.

AI canggih luar biasa untuk membuat robot ‘cerdas’ cukup untuk menavigasi lingkungan kompleks, tetapi kecerdasan dan keselamatan bukan hal yang sama. Robot yang dapat dipercaya memisahkan keduanya. Ia harus memiliki kontrol keamanan perangkat keras yang berdedikasi dan redundan yang dapat mengesampingkan sistem. Keselamatan harus dikodekan, bukan dipelajari.

Selain itu, robot yang menavigasi ruang publik pada dasarnya adalah platform data yang berkeliling. Mereka menggunakan kamera dan sensor untuk melihat dunia. Perusahaan harus menuntut kejelasan ekstrem dari vendor mereka: Apa yang dilihat robot? Ke mana data itu pergi? Siapa yang memiliki akses? Privasi dan keamanan siber tidak dapat dipasang setelah penerapan sebagai latihan PR; mereka harus dibangun ke dalam arsitektur sistem sejak hari pertama.

Kesalahan terbesar yang dilakukan perusahaan adalah menempatkan robot di fasilitas tanpa mempertimbangkan manajemen perubahan. Anda tidak dapat meminta karyawan atau pelanggan mempercayai robot begitu saja. Karyawan harus dilibatkan sejak awal, dilatih dengan tepat, dan ditunjukkan secara jelas bagaimana mesin mempermudah dan mengamankan pekerjaan mereka sehari‑hari. Mereka harus tahu siapa yang bertanggung jawab jika sesuatu berjalan salah, dan bagaimana cara mengintervensi bila diperlukan.

Pada akhirnya, sertifikasi, audit, dan kontrol keamanan hanyalah bukti dasar. Kepercayaan sejati dibangun melalui pengalaman berulang. Ketika robot berperilaku aman, secara konsisten menghormati ruang pribadi pelanggan, dan mengambil pekerjaan yang membosankan serta kotor dari pundak karyawan hari demi hari, itulah saat robot menjadi bagian dari tim.

Ke depan, di mana Anda memperkirakan robotika komersial akan menciptakan nilai paling besar dalam lima tahun ke depan: ritel, logistik, kesehatan, manufaktur, bandara, atau sektor lain sama sekali?

Nilai terbesar biasanya berasal dari lingkungan yang besar, tersebar, dan terbatas tenaga kerja. Mereka memiliki tugas berulang yang sulit diselesaikan secara konsisten.

Rantai pasokan: dari manufaktur hingga logistik hingga ritel menggabungkan semua kondisi tersebut. Toko adalah ruang publik yang kompleks, ketersediaan tenaga kerja merupakan tantangan terus‑menerus, dan masalah operasional kecil (rak kosong, harga salah, tugas pembersihan tertunda) dapat langsung memengaruhi pengalaman pelanggan dan kinerja keuangan. Logistik dan manufaktur juga akan menciptakan nilai luar biasa, melalui visibilitas inventaris, pergerakan material, dan koordinasi di fasilitas yang semakin otomatis.

Tetapi nilai terbesar tidak akan didefinisikan oleh satu industri tertentu. Itu akan menjadi pergeseran dalam cara perusahaan membeli robotika. Secara khusus, lima tahun ke depan akan menandai kematian proyek robotika terisolasi.

Saat ini, perusahaan menjalankan inisiatif yang sangat terfragmentasi. Mereka membeli satu robot dari perusahaan A untuk membersihkan lantai, satu lagi dari perusahaan B untuk memindai inventaris, dan satu lagi dari perusahaan C untuk memindahkan material. Masing‑masing memiliki pemahaman lokal tentang dunia yang tidak dibagikan dengan yang lain. Itu adalah mimpi buruk operasional yang tidak dapat diskalakan.

Dalam lima tahun ke depan, penciptaan nilai akan datang dari konteks dan eksekusi bersama. Perusahaan akan berhenti membeli robot terfragmentasi dan mulai berinvestasi dalam fondasi AI Fisik yang terpadu. Mereka menginginkan satu platform perangkat lunak, satu lapisan otonomi, dan satu alur data yang mengelola armada mesin yang beragam, berbagi konteks tentang lingkungan, dan mengorkestrasi secara terpusat untuk mengotomatisasi seluruh fasilitas daripada tugas individu.

Itulah cara AI melampaui ambisi untuk membuat dunia nyata bekerja lebih baik.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Brain Corp.