Brian Hartzband, Presidente delle Operazioni USA, GMEX Robotics – Serie di Interviste

Brian Hartzband, Presidente delle Operazioni USA, GMEX Robotics, guida l’espansione negli Stati Uniti dell’azienda, concentrandosi sulla costruzione della sua presenza commerciale, sullo sviluppo di partnership strategiche e sull’introduzione delle sue piattaforme di IA fisica e robotica in implementazioni reali. Prima di entrare in GMEX Robotics, Hartzband ha trascorso quasi quattro anni presso TEKsystems in ruoli di reclutamento tecnico e gestione account al servizio di clienti governativi e del settore dell’istruzione superiore. In precedenza ha co‑fondato e contribuito a guidare Handcrafted 4 Home, dove ha promosso l’espansione del mercato statunitense e partnership con grandi rivenditori e piattaforme di e‑commerce. All’inizio della sua carriera, Hartzband ha lavorato nella gestione patrimoniale presso Merrill Lynch e UBS, dove ha consigliato clienti ad alto e ultra‑alto patrimonio netto e ha contribuito a costruire un consistente portafoglio clienti internazionale.

GMEX Robotics è una società quotata al Nasdaq che sviluppa macchine intelligenti per ambienti commerciali, specializzata in IA fisica e robotica. In precedenza conosciuta come Fitell Corporation, l’azienda segue quello che definisce un approccio \”Terminal + Brain\”, combinando hardware robotico progettato su misura con capacità di IA adattabili, invece di fare affidamento su una pila tecnologica completamente integrata verticalmente. Il suo primo grande focus di commercializzazione è 2F Culinary AI, una piattaforma robotica per cucine commerciali che comprende i sistemi Bon Vivant 3.0 e Max, i quali utilizzano sensori, controlli guidati dall’IA e flussi di lavoro programmabili per automatizzare la preparazione dei cibi. GMEX ha inoltre individuato trasporti e logistica, automazione industriale e esplorazione delle risorse come aree di espansione a lungo termine. Nel marzo 2026, l’azienda ha annunciato un accordo da AU$4,2 milioni che copre almeno 50 sistemi robotici da cucina intelligenti per un gruppo di ospitalità australiano, seguito dal primo ordine di distribuzione a maggio.

Hai recentemente aderito a GMEX Robotics come Presidente delle Operazioni USA dopo una carriera che ha spaziato tra servizi finanziari, imprenditorialità, reclutamento tecnologico e relazioni aziendali. Cosa ti ha convinto che l’IA fisica e la robotica rappresentassero il prossimo capitolo giusto, e quali sono le tue priorità mentre costruisci la presenza di GMEX negli USA?

Ho riconosciuto il valore dell’IA e dei robot, in particolare per quanto riguarda l’intelligenza sociale, che si sta realizzando proprio ora. Volevo contribuire a questo. Ciò che mi entusiasma di GMEX è il modello Terminal + Brain. Non cerchiamo di fare tutto da soli. Costruiamo hardware affidabile e pratico e lo colleghiamo a IA di classe mondiale. È un approccio completamente diverso da quello della maggior parte delle aziende robotiche. In questo momento sto parlando con gli investitori di ciò che stiamo realmente costruendo e sto stabilendo partnership chiave negli USA. Questo è il momento giusto per farlo.

GMEX descrive la sua strategia come un ecosistema \”Terminal + Brain\” in cui l’hardware robotico collega il mondo fisico a uno strato di intelligenza IA. Puoi spiegare come funziona questa architettura e cosa ritieni la differenzi dalle soluzioni più verticalmente integrate nel campo della robotica?

La maggior parte delle aziende robotiche cerca di costruire tutto da sé: hardware, software e IA. È costoso e lento. Noi lo facciamo diversamente. Il Terminal è il nostro hardware. Il Brain è il nostro strato di orchestrazione IA, che costruiamo in partnership con realtà come 247meta. Il vantaggio è la flessibilità. Se diventa disponibile un’IA migliore, la integriamo senza ricostruire il robot. Non siamo vincolati a un’unica scommessa. Ci concentriamo su ciò che facciamo meglio: hardware affidabile e pratico, e collaboriamo con IA di classe mondiale invece di cercare di superare tutti gli altri sul fronte tecnologico da soli. Questo comporta iterazioni più rapide, minori investimenti di capitale e ci muoviamo al ritmo dell’innovazione IA, non delle tempistiche dell’ingegneria meccanica.

GMEX ha stipulato un accordo per acquisire una partecipazione iniziale in MediaMeta.ai, la cui tecnologia si concentra sull’intelligenza sociale e sulla modellazione comportamentale umana. Cosa significa \”intelligenza sociale\” nel contesto di un robot e quali nuove capacità potrebbe sbloccare che i modelli di IA multimodale odierni non riescono a fornire in modo affidabile?

L’intelligenza sociale indica robot che pensano alle persone, non solo ai compiti. L’IA odierna eccelle nella visione, nel linguaggio e nel ragionamento. Tuttavia è debole nella lettura di una persona, del suo stato emotivo, di ciò di cui ha realmente bisogno e di come collaborare con lei in un ambiente reale. Abbiamo firmato un accordo definitivo con MediaMeta perché il loro focus sulla modellazione comportamentale umana colma esattamente questa lacuna. È verso questa direzione che punta la roadmap a lungo termine di MediaMeta, sviluppando IA di intelligenza sociale e modellazione comportamentale come strato di comprensione contestuale che potrebbe eventualmente completare il nostro ecosistema Terminal + Brain. Soggette a sviluppo, integrazione e test, queste capacità potrebbero aiutare i robot a interpretare il contesto, i modelli di comunicazione e l’intento umano, facendo la differenza tra un robot che esegue un compito e uno realmente utile.

Dove incontrano ancora difficoltà i robot più avanzati di oggi nell’interpretare le persone? Le principali limitazioni riguardano il riconoscimento di emozioni e intenzioni, la comprensione del contesto sociale, l’adattamento alle differenze culturali o qualcosa di più fondamentale?

Tutto quanto sopra. Ma il vero problema è che lo sviluppo dell’IA è stato ottimizzato per il completamento dei compiti: il robot può sollevare l’oggetto, navigare nella stanza? Questo è misurabile. Leggere le persone non lo è. Perciò riceve meno attenzione. I robot possono riconoscere che qualcuno sembra turbato, ma sono deboli nel capire perché lo è o cosa potrebbe davvero aiutare. Anche piccoli errori erodono la fiducia. Un robot che interpreta correttamente il 90 % dei segnali sociali sembra buono in un ambiente di test, ma nel mondo reale quel 10 % rimanente conta. Le persone decidono di non voler lavorare con quella macchina. Dobbiamo invertire le priorità. È questo che stiamo costruendo in GMEX.

Un robot che opera in un magazzino può spesso funzionare entro regole relativamente strutturate, mentre un robot in un ospedale, hotel, scuola o casa deve affrontare comportamenti umani molto più imprevedibili. Come deve cambiare lo stack di IA man mano che i robot si spostano verso questi ambienti socialmente più complessi?

Intelligenza sociale. In un magazzino, puoi codificare le regole. L’ambiente è prevedibile. Quando sposti un robot in uno spazio con persone, tutto cambia. Le persone improvvisano, cambiano idea, hanno giornate difficili. L’IA deve leggere tutto ciò in tempo reale e adattarsi. Non è più basata su regole, è contestuale. Il robot deve comprendere il momento, la persona, l’ambiente e decidere cosa ha senso. Ciò richiede connettività veloce e un’architettura completamente diversa alla base. Deve anche sapere quando chiedere aiuto invece di indovinare erroneamente.

La modellazione del comportamento umano solleva inevitabilmente questioni relative a privacy, consenso, bias e a fraintendimenti delle intenzioni umane. Come dovrebbero gli sviluppatori integrare l’intelligenza sociale nei robot senza creare macchine eccessivamente invasive o che formulino ipotesi potenzialmente conseguenziali sulle persone?

In fin dei conti, costruire l’intelligenza sociale nei robot significa essere utili senza risultare strani. I robot non dovrebbero fare psicoanalisi delle persone né indovinare cosa qualcuno “intendeva”; è così che nascono problemi di privacy e supposizioni errate. Attenersi a ciò che è osservabile: come si muove qualcuno, a che distanza è, i gesti. Dare alle persone il controllo con chiari segnali di privacy e semplici interazioni di opt‑in. Mantenere l’impronta dei dati ridotta, elaborare localmente quando possibile e verificare il comportamento affinché tratti tutti allo stesso modo. MediaMeta sta formalizzando un quadro di Data Protection e Responsible AI progettato per coprire la minimizzazione dei dati, la trasparenza, la revisione dei bias, la supervisione umana e la tracciabilità. È questo il tipo di approccio ponderato che vogliamo integrare nei nostri sistemi. Se il robot non è sicuro di ciò che qualcuno desidera, dovrebbe rallentare, concedere spazio o fermarsi. È così che si costruisce consapevolezza sociale senza oltrepassare i limiti.

Come si valuta realmente se un robot è migliorato nella comprensione degli esseri umani? Quali tipi di benchmark, simulazioni o test nel mondo reale sono necessari per misurare l’intelligenza sociale anziché semplicemente se un robot ha completato con successo un compito?

Non puoi limitarti a osservare se ha completato un compito. Devi analizzare i micro‑comportamenti: il robot mantiene una distanza confortevole, cede quando qualcuno entra nel suo percorso, si muove con il timing corretto, esita quando l’intento non è chiaro? In simulazione, si eseguono stress‑test con folle dense, arresti improvvisi, gesti ambigui. Nel mondo reale, si osserva se il robot appare prevedibile e confortevole per le persone intorno e se si comporta in modo coerente tra diversi gruppi. Questo è il vero benchmark, non il completamento del compito, ma se gli esseri umani percepiscono che il robot “capisce” come muoversi e coordinarsi nello spazio condiviso.

GMEX ha già iniziato a commercializzare la sua piattaforma robotica per la cucina Bon Vivant. Cosa hanno insegnato queste prime implementazioni nel mondo reale all’azienda riguardo al divario tra dimostrare un robot alimentato dall’IA e farlo operare in modo affidabile in un contesto commerciale?

Esiste un reale divario tra dimostrare che un robot può eseguire un compito e dimostrare che può farlo in modo affidabile, giorno dopo giorno, in un ambiente commerciale. In una demo tutto è controllato. Le cucine reali sono ad alta temperatura, ad alto volume, con attrezzature imprevedibili che vengono urtate, ingredienti variabili e persone che cambiano continuamente il ritmo. Bon Vivant è stazionario, quindi la sfida non è la navigazione; è la ripetibilità, la durabilità, il recupero dagli errori e il mantenimento dell’integrazione con i flussi di lavoro esistenti. Abbiamo imparato che l’affidabilità deriva dalla gestione delle cose “noiose”: tollerare calore e grasso, rimanere calibrati, riprendersi con eleganza quando qualcosa esce dal copione, mantenere il passo senza rallentare gli esseri umani. La robotica commerciale non riguarda la dimostrazione che il robot sappia cucinare. Riguarda dimostrare che sappia cucinare in modo costante, sicuro, senza diventare un peso per un’attività reale.

GMEX sta inoltre sviluppando una piattaforma IA multi‑agente progettata per coordinare diversi modelli e flussi di lavoro. Come vedi la convergenza futura tra agenti IA digitali e robot fisici, e la stessa layer di intelligenza potrebbe alla fine coordinare sia gli agenti software sia le flotte di macchine?

Gli agenti AI digitali e i robot fisici convergeranno sempre più attorno a uno strato condiviso di coordinamento. Gli agenti software possono interpretare le richieste e gestire i flussi di lavoro digitali. I robot eseguono compiti nel mondo fisico. Uno strato di intelligenza condivisa collega i due elementi traducendo un obiettivo di business in attività, selezionando i modelli e gli agenti appropriati e coordinando l’esecuzione. La distinzione chiave è tra coordinamento e controllo: lo strato condiviso decide cosa deve accadere e chi deve farlo, mentre i sistemi specifici del robot mantengono la responsabilità per la navigazione, il controllo del movimento e la sicurezza. In un magazzino, ad esempio, gli agenti software elaborano un ordine e verificano l’inventario, mentre lo strato di coordinamento richiede a un robot adatto di spostare la merce. Quel feedback ritorna e informa il passo successivo. La supervisione umana e i meccanismi di sicurezza rimangono essenziali. È qui che ci concentriamo con 247meta, un percorso a tappe attraverso l’integrazione delle interfacce, la simulazione e i piloti controllati per supportare flussi di lavoro coordinati tra software aziendale e macchine fisiche.

Se l’intelligenza sociale diventa uno strato fondamentale dell’AI fisica, cosa credi che cambierà nell’industria della robotica? Potrebbe la comprensione del comportamento umano rivelarsi, alla fine, tanto importante per l’adozione diffusa dei robot quanto i progressi nella destrezza, nella visione artificiale e nel ragionamento?

L’intelligenza sociale rimodellerà la robotica in modo fondamentale. L’industria si è concentrata sulla capacità hardware, sui sistemi di visione, sulle prestazioni, tutti importanti, ma nulla di ciò garantisce che un robot operi senza problemi intorno alle persone in una cucina o su un piano di produzione. L’intelligenza sociale è ciò che rende un robot prevedibile, facile da aggirare, allineato al modo in cui gli esseri umani si muovono e si coordinano naturalmente. Man mano che i robot passano da dimostrazioni controllate a contesti commerciali reali, quella parte del sistema diventa altrettanto importante quanto l’hardware e lo stack di controllo. Comprendere il comportamento umano sarà importante quanto i progressi nella percezione o nell’affidabilità. È la differenza tra un robot che può svolgere il lavoro e uno che si inserisce nel flusso delle operazioni reali.

Grazie per la splendida intervista, i lettori che desiderano saperne di più su questa azienda di robotica dovrebbero visitare GMEX Robotics.