David Pinn, CEO di Brain Corp – Serie di Interviste

David Pinn è CEO di Brain Corp, dove ha trascorso quasi nove anni contribuendo a definire la strategia aziendale, le operazioni finanziarie e la transizione verso un business di robotica guidato dal software. È entrato in Brain Corp nel 2017 come VP Strategy e ha ricoperto ruoli senior in strategia e finanza prima di diventare CEO nel 2022. Durante il suo mandato, Pinn ha guidato importanti aumenti di capitale, il passaggio dell’azienda da un modello incentrato sull’hardware a ricavi ricorrenti da software, l’espansione nella cattura e analisi dei dati robotici, e partnership strategiche con produttori di apparecchiature originali (OEM) a livello globale. All’inizio della sua carriera ha ricoperto posizioni in finanza e strategia presso Qualcomm, ha consigliato startup tecnologiche sostenute da venture capital, ha collaborato con società del portafoglio L Catterton, e ha iniziato la sua carriera in Teradyne nella ingegneria e nelle vendite tecniche, acquisendo un background che spazia dalla robotica ai semiconduttori, finanza, sviluppo aziendale e commercializzazione tecnologica.

Brain Corp è un’azienda di robotica e IA fisica che sviluppa BrainOS®, una piattaforma di autonomia aziendale progettata per consentire a produttori e imprese di distribuire e gestire robot mobili autonomi su larga scala. BrainOS alimenta più di 50.000 robot su sei continenti e ha accumulato oltre 25 milioni di ore di operatività reale, supportando applicazioni tra cui pulizia autonoma dei pavimenti, raccolta di dati su inventario e scaffali, e movimentazione di materiali in ambienti quali negozi al dettaglio, magazzini, aeroporti, strutture sanitarie e edifici commerciali. La piattaforma combina navigazione guidata dall’IA, mappatura 3D semantica, sistemi di sicurezza, gestione della flotta basata su cloud, analisi e integrazioni con sistemi aziendali; i dati raccolti dalla flotta distribuita contribuiscono a migliorare la navigazione e l’affidabilità nel tempo. Gli ultimi sviluppi includono BrainOS Clean 2.0 e SelfPath™ AI, che consentono ai robot di pulizia di generare e adattare automaticamente i percorsi invece di affidarsi a percorsi pre‑addestrati manualmente.

La tua carriera è passata dal lavoro di ingegneria in radiofrequenza e sistemi wireless alla finanza strategica, alla trasformazione SaaS, fino alla leadership come CEO di Brain Corp. In che modo questa combinazione di disciplina tecnica e finanziaria ha plasmato la tua visione secondo cui le aziende non acquistano “robot”, ma risultati operativi misurabili?

La mia prima esperienza è iniziata nelle vendite tecniche, vendendo apparecchiature per la produzione di semiconduttori per Teradyne. Attraverso molti tentativi ed errori, ho imparato presto una lezione fondamentale: c’era un grande divario tra ciò che pensavo fosse importante – di solito le specifiche tecniche – e ciò a cui il compratore realmente teneva. Ho capito che il cliente si preoccupa del risultato di business e se si fida di me e del mio team per realizzarlo.

Quando più tardi sono passato alla robotica, quella lezione si è amplificata. Ogni investimento tecnologico compete per capitale, e un sistema non ottiene credito solo per essere tecnicamente impressionante. Nella robotica è facile rimanere affascinati dalla macchina stessa. Ma un rivenditore non si sveglia desiderando un robot; vuole pavimenti più puliti, inventario estremamente preciso e più tempo per i dipendenti per offrire un servizio clienti. Il robot è solo il veicolo di consegna di quel risultato.

In Brain Corp partiamo dal problema del cliente, definiamo il risultato di business e torniamo indietro verso lo strato di autonomia e i dati necessari per realizzarlo. Il mio background ingegneristico mi aiuta ad apprezzare la complessità del problema tecnico sottostante, ma le mie discipline di vendita e finanza mi mantengono concentrato su se la sua risoluzione crea un business scalabile e commercialmente valido. Servono entrambi. Un robot che funziona ma non genera ritorno economico è un progetto scientifico, non un prodotto, e un modello finanziario basato su una tecnologia inaffidabile non è un business.

Con così tanta attenzione rivolta a umanoidi e robot a scopo generale, cosa pensi che il mercato fraintenda riguardo a ciò di cui le imprese hanno realmente bisogno dalla robotica oggi?

Opinione forte: l’ossessione dell’industria per gli umanoidi in contesti commerciali e industriali è una distrazione.

L’argomento standard che sentiamo dagli entusiasti degli umanoidi è: “Il mondo è stato costruito per gli esseri umani, quindi i robot devono avere forma umana”. Questo può valere in ambienti residenziali, ma per i contesti aziendali è fondamentalmente falso.

Guarda un magazzino. Non è costruito per gli esseri umani; è costruito per carrelli elevatori, transpallet e macchinari pesanti. Guarda i negozi al dettaglio, le scuole, gli hotel, gli ospedali e gli aeroporti. I requisiti di accessibilità per le sedie a rotelle impongono spazi con pavimenti piatti, rampe, corsie ampie e ascensori. Gli edifici commerciali e industriali sono progettati per il movimento su ruote.

Quando ti rendi conto di questo, vedi rapidamente che mettere le gambe su un robot commerciale è una responsabilità inutile e uno spreco enorme di denaro. Perché progettare un costoso e fragile sistema bipede per navigare in uno spazio già adatto alle ruote? Le ruote sono più economiche, più affidabili e gestiscono meglio i carichi.

Come ho già detto, un robot senza ritorno economico è solo un progetto scientifico. Costruire un umanoide altamente complesso solo per camminare su un pavimento piatto e accessibile alle sedie a rotelle è il progetto scientifico per eccellenza. È risolvere un problema di locomozione che non esiste. Le imprese non hanno bisogno di macchine che imitano gli esseri umani; hanno bisogno di strumenti che consegnano in modo affidabile un risultato di business specifico. E per gli usi commerciali, le ruote vincono sempre.

Brain Corp opera in ambienti caotici, pubblici e ad alto traffico come negozi, aeroporti, magazzini, ospedali e campus. Quali sono i problemi reali più difficili che non compaiono nelle dimostrazioni robotiche?

L’industria dei veicoli autonomi ha imparato a proprie spese quanto possano essere ingannevoli le demo. Abbiamo visto dimostrazioni di auto a guida autonoma più di un decennio fa, ma ci sono voluti altri dieci‑quindici anni di ingegneria intensa per lanciare realmente taxi senza conducente. Perché? Per via di quello che l’industria chiama “la marcia dei nove”.

Raggiungere il 90 % di affidabilità rende una demo impressionante. Arrivare al 99 % è un’impresa ingegneristica enorme. Ma quando si gestisce una flotta di decine di migliaia di robot in migliaia di luoghi pubblici, il 99 % di affidabilità è insufficiente.

In un ambiente commerciale reale, le persone cambiano direzione senza preavviso. I carrelli della spesa vengono lasciati nei corridoi. Gli espositori si spostano durante la notte. I pallet bloccano i percorsi. I pavimenti possono essere riflettenti, bagnati, irregolari o coperti di detriti. Le porte si aprono e chiudono, l’illuminazione varia e i dipendenti sviluppano modi propri di interagire con la macchina. Un robot può anche incontrare bambini, persone con ausili per la mobilità, clienti distratti, carrelli elevatori o qualcuno che decide semplicemente di stare in mezzo al suo percorso.

Il problema più difficile non è navigare quando tutto si comporta come previsto. È adattarsi con eleganza quando accade qualcosa di inaspettato. Il robot può capire perché il suo percorso è bloccato, trovare un’alternativa sicura e completare il compito? Può farlo senza creare più lavoro per i dipendenti e a scala su milioni di ore?

C’è anche una dimensione sociale che le demo spesso trascurano. Le persone hanno bisogno di comprendere l’intento del robot. I suoi movimenti devono essere prevedibili, i suoi segnali chiari, e deve integrarsi nei flussi di lavoro umani esistenti anziché costringere tutti a doversi adattare.

Per noi, l’IA nel mondo reale significa “funziona semplicemente”. I casi limite non sono ai margini, sono l’ambiente. Costruire per quelle condizioni richiede anni di apprendimento operativo, un’architettura di sicurezza ponderata e un focus incessante sui dettagli invisibili in un video simulato.

Quando un’azienda valuta il ROI della robotica, quali metriche contano di più: ore di lavoro risparmiate, coerenza del compito, uptime, cattura dati, sicurezza, esperienza cliente o altro?

Tutto quanto sopra.

Le ore di lavoro risparmiate sono utili, ma non catturano l’intero quadro. In molti settori il problema di base non è semplicemente che la manodopera è costosa; è che reclutare persone qualificate può risultare difficile, il turnover è alto e i compiti importanti vengono eseguiti in modo incoerente perché i team sono sovraccarichi. In tale contesto, il completamento del compito, la frequenza e la coerenza possono valere più di una riduzione teorica del personale.

Il livello successivo è la performance operativa: uptime, utilizzo autonomo, completamento con successo dei compiti, copertura e quantità di supervisione richiesta. Un robot che tecnicamente opera per molte ore ma che deve essere frequentemente soccorso non fornisce autonomia significativa.

Miglioramenti in termini di sicurezza e conformità non devono essere trascurati in un modello ROI. Un robot di pulizia riduce lo sforzo e gli infortuni sul posto di lavoro, e consente ai dipendenti di dedicare più tempo ai clienti e a compiti a maggior valore. Un robot di inventario migliora la disponibilità sugli scaffali, la precisione dei prezzi e la coerenza dell’esecuzione. I robot creano anche un nuovo livello di visibilità operativa catturando dati affidabili e ricorrenti su ciò che accade nell’ambiente fisico.

La chiave è stabilire una baseline reale prima del deployment e misurare le prestazioni lungo l’intero ciclo di vita, includendo implementazione, supporto, manutenzione, formazione e integrazione.

Brain Corp è unica nello spazio robotico perché opera come una piattaforma SaaS robotica ricorrente. Perché software, dati e orchestrazione della flotta stanno diventando più importanti del fattore forma del robot?

L’hardware definisce ciò che un robot è fisicamente capace di fare. Il software determina quanto affidabilmente lo fa, quanto facilmente può essere distribuito, quanto in modo sicuro si integra in un’impresa e se diventa più utile nel tempo.

Senza un livello software e cloud unificato, un robot è essenzialmente una macchina isolata. Può svolgere un compito in una struttura, ma non può essere facilmente monitorato, aggiornato, integrato con i sistemi aziendali o coordinato con una flotta più ampia. Ciò genera frammentazione quando le aziende aggiungono diversi tipi di robot, ognuno con la propria interfaccia, modello di supporto, dati e procedure operative.

Una piattaforma cambia questa equazione. Con la nostra piattaforma di autonomia, BrainOS®, forniamo una base comune di autonomia, sicurezza, dati e gestione della flotta per macchine e applicazioni diverse. I nostri partner possono concentrarsi sulla loro competenza hardware e sul problema cliente che conoscono a fondo, invece di ricostruire l’intera infrastruttura di autonomia e cloud per ogni nuovo prodotto.

Il software consente anche al valore della macchina di comporre. Possiamo distribuire nuove funzionalità tramite aggiornamenti over‑the‑air, apprendere dal comportamento dei robot nella flotta, migliorare le prestazioni e rispondere a nuovi casi limite senza sostituire l’hardware. L’attrezzatura industriale tradizionale si deprezza dal momento in cui viene messa in servizio. Un sistema autonomo connesso diventa più capace lungo tutto il suo ciclo di vita.

Il fattore forma continuerà a importare, perché il design fisico deve adattarsi al compito. Ma i fattori forma evolveranno. Il valore più durevole risiede nell’intelligenza, nell’infrastruttura operativa e nello strato dati che può estendersi a qualsiasi applicazione. È per questo che descriviamo BrainOS® come la piattaforma di autonomia per il mondo reale, piuttosto che come un sistema operativo per un robot specifico.

I robot alimentati da BrainOS sono ora usati non solo per la pulizia, ma anche per l’analisi degli scaffali, la visibilità dell’inventario e la movimentazione dei materiali. Come vedi l’evoluzione dei robot da strumenti di automazione di compiti a piattaforme mobili di dati?

La nostra piattaforma BrainOS® fornisce alle imprese l’infrastruttura necessaria per costruire, distribuire e supportare soluzioni autonome su scala aziendale. Forniamo lo strato di autonomia e intelligenza sottostante, che permette ai nostri partner di concentrarsi su ciò che sanno fare meglio: risolvere problemi di business concreti e reali. Questo approccio unico ci ha permesso di scalare rapidamente e di consentire alle imprese di costruire non solo robot, ma interi business robotici.

La cura dei pavimenti robotizzata è stata una delle prime applicazioni commerciali a raggiungere una scala significativa perché rispondeva a un’esigenza operativa chiara e ripetitiva; ogni ambiente commerciale ha pavimenti sporchi e molte sfide legate alla manodopera. Abbiamo raggiunto questa scala insieme al nostro partner Tennant Company, leader nella cura dei pavimenti da oltre 150 anni, ora evoluto in uno dei più grandi produttori mondiali di robot commerciali.

Successivamente, grazie al nostro lavoro con grandi imprese nei settori retail e logistica, abbiamo riconosciuto una verità fondamentale: mentre queste operazioni conoscono esattamente quali prodotti entrano ed escono dai loro stabilimenti, spesso mancano di visibilità su ciò che avviene realmente sul pavimento del negozio o del magazzino. Un robot mobile è uno dei pochi sistemi che si muove ripetutamente nell’ambiente fisico, rendendolo unico nella capacità di catturare questa “verità di base” su larga scala. Per affrontare questa sfida, abbiamo collaborato con Driveline Retail, un importante merchandiser, e con Dane Technologies, leader nelle attrezzature per magazzini, per portare il tracciamento dell’inventario e l’intelligenza degli scaffali al mercato su scala aziendale.

Quando si estendono queste applicazioni alla visibilità dell’inventario, la raccolta dei dati è solo una parte dell’equazione. La maggior parte di magazzini e retailer vuole più di semplici milioni di immagini grezze; hanno bisogno di sapere esattamente quale prodotto è esaurito, quale prezzo è errato, dove si trova un pallet mancante e quale azione specifica un dipendente dovrebbe compiere. Brain Corp fornisce la visione artificiale avanzata e l’IA necessarie per tradurre queste osservazioni grezze in decisioni di business accurate e prioritarie.

Indipendentemente dal fattore forma del robot, questi sistemi stanno anche sbloccando la capacità per le imprese di creare gemelli digitali continuamente aggiornati dei propri stabilimenti. Poiché i nostri robot navigano in modo sicuro e affidabile l’intera superficie, agiscono come piattaforme mobili di dati, catturando un’intelligenza dettagliata delle strutture. Questo può significare, ad esempio, verificare la posizione di un estintore, identificare un congelatore guasto o mappare aree con scarsa connettività Wi‑Fi.

Cosa distingue un’implementazione robotica che funziona in un sito pilota da una che può scalare su migliaia di sedi aziendali?

I piloti premiano la possibilità. La scala premia l’affidabilità.

Un pilota può avere successo perché il miglior ingegnere è a portata di mano, l’ambiente è stato curato nei minimi dettagli e qualcuno gestisce silenziosamente le eccezioni dietro le quinte. Nulla di ciò funziona quando si distribuisce su centinaia o migliaia di sedi. A quel punto, ogni passaggio manuale diventa una fonte di costo e di fallimento.

Una distribuzione scalabile richiede ripetibilità fin dall’inizio. Il robot dovrebbe essere semplice da configurare, intuitivo per i dipendenti in prima linea, osservabile da remoto e capace di ricevere aggiornamenti software senza che qualcuno debba visitare ogni sito. L’organizzazione ha anche bisogno di sistemi maturi per la cybersicurezza, la certificazione di sicurezza, il supporto, la formazione, la manutenzione, l’analisi e l’integrazione con la tecnologia esistente del cliente.

La gestione del cambiamento è altrettanto importante. Le persone che lavorano accanto al robot devono capire cosa fa, quali sono i suoi limiti e come si inserisce nelle loro responsabilità. Le implementazioni falliscono quando la tecnologia è tecnicamente solida ma la proprietà operativa è poco chiara.

Infine, l’economia deve funzionare sia per il cliente sia per il fornitore di robotica. Ciò richiede un’infrastruttura robotica che diventa più economica e più robusta con ogni deployment.

Questa raccolta di sfide è ciò che chiamiamo il “Divario di Autonomia”. Costruire un prototipo funzionante è solo una parte della creazione di un business robotico. Il lavoro molto più difficile è trasformare quel prototipo in un prodotto sicuro, supportato, ripetibile, che continui a funzionare quando gli specialisti lasciano l’edificio.

Il recente lavoro di Brain Corp su grounding contestuale e mappatura semantica punta a uno strato più intelligente per l’IA fisica. Perché “comprendere l’ambiente” è la prossima grande frontiera per i robot autonomi?

La navigazione tradizionale è in gran parte un problema geometrico: dove sono, dove posso muovermi e cosa devo evitare? Il grounding contestuale aggiunge un insieme di domande molto più ricco: cosa sta succedendo intorno a me? Cosa sono questi oggetti? Come è probabile che le persone interagiscano con essi? Quale comportamento è appropriato in questa situazione specifica?

Un sistema di navigazione di base può vedere che qualcosa occupa spazio. Un sistema contestualmente consapevole dovrebbe capire esattamente cosa è l’oggetto, perché è lì, cosa sta facendo e, in definitiva, come comportarsi intorno ad esso. Queste distinzioni sono importanti perché la risposta corretta varia a seconda del caso.

Questo diventa particolarmente rilevante man mano che la robotica inizia a incorporare più IA generativa, modelli visione‑lingua e altri sistemi probabilistici. Questi modelli possono portare enorme intelligenza e flessibilità, ma una risposta plausibile non è sufficiente quando il software controlla una macchina fisica. L’azione deve essere ancorata alla geometria reale, alle condizioni, ai requisiti di sicurezza e al contesto sociale dell’ambiente.

Crediamo che la risposta sia combinare IA avanzata con una rappresentazione contestuale persistente del mondo fisico e controlli di sicurezza deterministici. Questo permette al robot di beneficiare di modelli IA sempre più capaci senza consentire all’intelligenza probabilistica di operare senza limiti.

Come dovrebbero le imprese pensare alla fiducia quando distribuiscono robot accanto a dipendenti, clienti e pubblico generale?

Innanzitutto, dobbiamo riconoscere una verità fondamentale: i robot sono diversi dalle altre tecnologie aziendali. Un bug software può bloccare il tuo laptop, ma un errore in una macchina da 1 000 libbre che naviga in un corridoio affollato di un negozio ha implicazioni completamente diverse. Le imprese non possono trattare un robot come un altro dispositivo IT connesso.

La fiducia nella robotica si guadagna ogni singolo giorno. In un momento in cui la FCC sta limitando l’approvazione di robot prodotti all’estero per motivi di sicurezza, il livello di fiducia richiesto non è mai stato così alto. Man mano che l’IA fisica si diffonde nei nostri ospedali, aeroporti, magazzini e supermercati, le imprese devono valutare la fiducia su più livelli distinti: sicurezza fisica, privacy dei dati e integrazione umana.

L’IA avanzata è straordinaria per rendere un robot “intelligente” abbastanza da navigare ambienti complessi, ma intelligenza e sicurezza non sono la stessa cosa. Un robot affidabile separa le due cose. Deve disporre di controlli hardware di sicurezza dedicati e ridondanti che possano sovrascrivere il sistema. La sicurezza deve essere codificata, non appresa.

Inoltre, i robot che si muovono in spazi pubblici sono essenzialmente piattaforme di dati itineranti. Usano telecamere e sensori per vedere il mondo. Le imprese devono esigere chiarezza estrema dai fornitori: cosa sta osservando il robot? Dove vanno questi dati? Chi vi ha accesso? Privacy e cybersicurezza non possono essere aggiunte dopo il deployment come esercizio di PR; devono essere integrate nell’architettura del sistema fin dal primo giorno.

L’errore più grande che le aziende commettono è inserire un robot in una struttura senza alcuna gestione del cambiamento. Non puoi chiedere ai dipendenti o ai clienti di accettare la robotica sulla base della fede. I dipendenti devono essere coinvolti fin dall’inizio, formati adeguatamente e mostrati esattamente come la macchina renda più facile e sicura la loro attività quotidiana. Devono sapere chi è responsabile se qualcosa va storto e come intervenire, se necessario.

In definitiva, certificazioni, audit e controlli di sicurezza sono solo la prova di base. La vera fiducia si costruisce attraverso esperienze ripetute. Quando un robot si comporta in modo sicuro, rispetta costantemente lo spazio personale del cliente e libera i dipendenti da compiti noiosi e sporchi giorno dopo giorno, allora diventa semplicemente parte del team.

Guardando al futuro, dove prevedi che la robotica commerciale crei più valore nei prossimi cinque anni: retail, logistica, sanità, manifattura, aeroporti o un altro settore?

Il valore più elevato tende a provenire da ambienti grandi, distribuiti e con carenza di manodopera. Hanno compiti ripetitivi difficili da completare in modo coerente.

La catena di approvvigionamento – dalla manifattura alla logistica al retail – combina tutte queste condizioni. I negozi sono spazi pubblici complessi, la disponibilità di manodopera è una sfida persistente e piccoli problemi operativi (uno scaffale vuoto, un prezzo errato, un compito di pulizia ritardato) possono influire direttamente sull’esperienza del cliente e sulle performance finanziarie. Logistica e manifattura creeranno anch’essi un valore enorme, grazie alla visibilità dell’inventario, alla movimentazione dei materiali e al coordinamento di strutture sempre più automatizzate.

Tuttavia, il valore più grande non sarà definito da un singolo settore. Sarà un cambiamento nel modo in cui le imprese acquistano robotica. In particolare, i prossimi cinque anni porteranno alla scomparsa del progetto robotico isolato.

Attualmente, le imprese gestiscono iniziative fortemente frammentate. Comprano un robot dalla società A per pulire i pavimenti, un altro dalla società B per scansionare l’inventario e un terzo dalla società C per spostare materiali. Ognuno ha la propria comprensione locale del mondo che non è condivisa con gli altri. È un incubo operativo che non scala.

Nei prossimi cinque anni, la creazione di valore arriverà dal contesto e dall’esecuzione condivisi. Le imprese smetteranno di acquistare robot frammentati e inizieranno a investire in una base unificata di IA fisica. Vogliono una piattaforma software, un unico strato di autonomia e un unico flusso di dati che gestisca una flotta diversificata di macchine, condivida il contesto sull’ambiente e orchestri centralmente l’automazione dell’intera struttura anziché di singoli compiti.

È così che l’IA supera l’ambizione per far funzionare meglio il mondo reale.

Grazie per la splendida intervista; i lettori che desiderano approfondire dovrebbero visitare Brain Corp.