David Pinn, Brain Corp CEO – インタビューシリーズ

David PinnはBrain CorpのCEOで、同社の戦略、財務運営、ソフトウェア主導のロボティクス事業への転換に約9年間関わってきました。彼は2017年に戦略担当VPとしてBrain Corpに入社し、上級戦略・財務の役職を経て2022年にCEOに就任しました。在任中、Pinnは大規模な資金調達のリード、ハードウェア中心モデルから継続的なソフトウェア収益へのシフト、ロボティックデータ取得・分析への拡大、グローバルなOEMとの戦略的パートナーシップを推進しました。キャリアの初期にはQualcommで財務・戦略職を務め、ベンチャー支援のテクノロジースタートアップに助言し、L Cattertonのポートフォリオ企業で働き、Teradyneでエンジニアリングと技術営業を担当するなど、ロボティクス、半導体、財務、企業開発、技術商業化にわたるバックグラウンドを持っています。

Brain CorpはロボティクスとフィジカルAIの企業で、BrainOS®というエンタープライズ自律プラットフォームを開発し、メーカーや事業者が大規模に自律移動ロボットを導入・管理できるよう支援しています。BrainOSは6大陸で5万台以上のロボットを稼働させ、2,500万時間以上の実稼働時間を蓄積しており、フロア清掃、在庫・棚データの収集、素材搬送など、店舗、倉庫、空港、医療施設、商業ビルといった環境で活用されています。このプラットフォームはAI駆動のナビゲーション、セマンティック3Dマッピング、安全システム、クラウドベースのフリート管理、分析、エンタープライズシステムとの統合を組み合わせ、展開されたフリートから得られるデータでナビゲーションと信頼性を継続的に向上させています。最近の開発には、清掃ロボットが手動で設定されたルートに依存せずに自動でルートを生成・適応できるBrainOS Clean 2.0とSelfPath™ AIがあります。

あなたのキャリアは、無線周波数やワイヤレスシステムのエンジニアリングから戦略的財務、SaaS変革、そして現在のBrain CorpのCEOリーダーシップへと移行していますが、技術と財務の両方のディシプリンが「ロボット」を購入するのではなく、測定可能な業務成果を求めるという考え方にどのように影響していますか？

私の初期キャリアはTeradyneで半導体製造装置の技術営業として始まりました。数々の試行錯誤を通じて、重要だと思っていたこと（通常は技術スペック）と、実際にバイヤーが関心を持つこととの間に大きなギャップがあることを早い段階で学びました。バイヤーが本当に重視しているのはビジネス成果であり、私たちがそれを実現できるかどうかという信頼です。

その後ロボティクスに転向したとき、この教訓はさらに拡大しました。すべての技術投資は資本を争奪しますが、システムは単に技術的に優れているだけでは評価されません。ロボティクスでは、機械自体に魅了されやすいですが、小売業者がロボットを欲しがるわけではありません。彼らが欲しいのは清掃されたフロア、正確な在庫、そして従業員が顧客対応に充てられる時間です。ロボットはその成果を届ける手段に過ぎません。

Brain Corpでは、顧客の課題から出発し、ビジネス成果を定義し、そこから逆算して自律層と必要なデータを設計します。エンジニアリングのバックグラウンドは基盤技術の複雑さを理解させてくれますが、営業と財務のディシプリンが、解決策がスケーラブルで商業的に妥当かどうかに焦点を当てさせてくれます。両方が必要です。稼働はするが経済的リターンを生まないロボットは科学実験であり、信頼性の低い技術に基づくビジネスモデルは事業になりません。

ヒューマノイドや汎用ロボットに注目が集まっていますが、企業が本当にロボティクスから求めているものを市場はどのように誤解していると思いますか？

熱い見解：商業・産業現場でのヒューマノイドへの執着はむしろ妨げになっています。

ヒューマノイド愛好家がよく言う「世界は人間のために作られているので、ロボットも人間の形をすべきだ」という議論があります。住宅環境ではある程度妥当かもしれませんが、エンタープライズ環境では根本的に間違いです。

倉庫を見てみてください。人間のために作られたのではなく、フォークリフトやパレットジャック、重機のために設計されています。小売店、学校、ホテル、病院、空港も同様です。車椅子のアクセシビリティ要件により、平坦な床、スロープ、広い通路、エレベーターが必須です。商業・産業ビルは車輪での移動を前提に設計されています。

このことに気付くと、商業ロボットに脚を付けるのは不必要なリスクであり、莫大な無駄になることがすぐに分かります。車輪は安価で信頼性が高く、ペイロードも扱いやすいのです。

前述したように、経済的リターンのないロボットは単なる科学実験です。平坦で車椅子対応のフロア上を歩くだけの高度なヒューマノイドを構築することは、存在しない歩行問題を解決しようとする究極の科学実験です。企業は人間を模倣した機械を必要としているわけではなく、特定のビジネス成果を確実に提供できるツールを必要としています。商業利用では、車輪が常に勝ります。

Brain Corpは店舗、空港、倉庫、病院、キャンパスといった混雑した公共空間で事業を展開しています。ロボティクスデモでは見えにくい、最も厳しい実世界の課題は何ですか？

自律走行車業界は、デモがどれほど欺瞞的になるかを痛感しました。10年以上前に自動運転車のデモは見られましたが、実際に商用タクシーを立ち上げるまでにさらに10〜15年の集中的なエンジニアリングが必要でした。その理由は業界が呼ぶ「ナインズの行進（march of the nines）」にあります。

システムを90%の信頼性にするだけでもデモとしては十分に見えますが、99%に到達するのは大規模なエンジニアリング成果です。しかし、何万台ものロボットを何千もの公共ロケーションで運用する場合、99%の信頼性は不十分です。

実際の商業環境では、人は予告なく方向を変えます。カートが通路に置かれ、ディスプレイが夜間に移動し、パレットがルートを塞ぎます。床は光を反射したり、濡れたり、不均一だったり、ゴミが散らばっていたりします。ドアが開閉し、照明が変わり、従業員は独自のロボットとのインタラクション方法を生み出します。ロボットは子どもや車椅子利用者、注意散漫な買い物客、フォークリフト、あるいは単に道を塞ぐ人にも遭遇します。

最も困難な問題は、すべてが期待通りに動作する時のナビゲーションではありません。予期せぬ事態が起きた時に、ロボットは上手く適応できるかという点です。ロボットはルートが塞がれた理由を理解し、安全な代替ルートを見つけ、タスクを完了できるでしょうか？それを従業員に余計な負担をかけず、何百万時間ものスケールで実現できるでしょうか？

デモが見落としがちな社会的側面もあります。人はロボットの意図を理解する必要があります。動きは予測可能で、シグナルは明確で、既存の人間のワークフローに自然に組み込まれるべきです。

私たちにとって、実世界のAIとは「単に動く」ことです。エッジケースは端にあるのではなく、環境そのものです。これらの条件で動作させるには、何年もの運用学習、慎重な安全アーキテクチャ、シミュレーション動画では見えないディテールへの執拗な注視が必要です。

企業がロボティクスのROIを評価する際、最も重要な指標は何ですか：労働時間削減、タスクの一貫性、稼働時間、データ取得、安全性、顧客体験、あるいは他の何かですか？

すべてが重要です。

労働時間削減は有用ですが、全体像を捉えることはできません。多くの産業で根本的な課題は単に労働コストが高いだけではなく、適格な人材の確保が困難で、離職率が高く、重要なタスクがチームの過負荷により一貫して実行できないことです。このような状況では、タスク完了率、頻度、一貫性が理論上の人数削減以上に価値があります。

次の層は運用パフォーマンスです：稼働時間、自律利用率、タスク完了率、カバレッジ、必要な監督量です。たとえロボットが技術的に長時間稼働しても、頻繁に救出が必要であれば実質的な自律性は提供できません。

安全性とコンプライアンスの向上もROIモデルで見落としてはなりません。清掃ロボットは職場の負担と怪我を減らし、従業員が顧客対応や付加価値業務に時間を割けるようにします。在庫ロボットは棚の在庫率、価格精度、実行の一貫性を向上させます。ロボットはまた、物理環境全体で起きていることを信頼できる継続的なデータとして取得し、運用可視性という新たな層を創出します。

重要なのは、導入前に実際のベースラインを確立し、実装、サポート、保守、トレーニング、統合を含むライフサイクル全体でパフォーマンスを測定することです。

Brain Corpはロボティクス分野で、サブスクリプション型SaaSロボティクスプラットフォームとして独自の位置づけを持っています。ソフトウェア、データ、フリートオーケストレーションがロボットの形状自体よりも重要になる理由は何ですか？

ハードウェアはロボットが物理的に何ができるかを定義します。ソフトウェアはそれをどれだけ信頼性高く、容易に展開でき、エンタープライズに安全に統合でき、時間とともに価値を高められるかを決定します。

統合されたソフトウェアとクラウド層がなければ、ロボットは実質的に孤立した機械です。単一の施設でタスクを実行できても、監視・アップデート・エンタープライズシステムとの統合、広範なフリートとの協調が容易ではありません。これにより、企業が異なるロボット種別を導入するたびに、インターフェース、サポートモデル、データ、運用手順がバラバラになるというフラグメンテーションが生まれます。

プラットフォームはこの方程式を変えます。当社の自律プラットフォームBrainOS®は、異なる機械やアプリケーション間で共通の自律性、安全性、データ、フリート管理基盤を提供します。パートナーはハードウェアの専門知識と深く理解した顧客課題に集中でき、すべての新製品に対して自律性とクラウドインフラをゼロから構築する必要がなくなります。

ソフトウェアは機械の価値を累積させることも可能にします。OTA（Over‑the‑Air）アップデートで新機能を展開し、フリート全体のロボットの挙動から学習し、性能を向上させ、ハードウェアを交換せずに新たなエッジケースに対応できます。従来の産業機器は導入と同時に減価償却が始まりますが、接続された自律システムはライフサイクルを通じて機能が向上します。

形状は依然として重要です。タスクに適した物理設計が必要だからです。しかし形状は進化します。真に価値があるのはインテリジェンス、運用インフラ、データ層であり、これらはあらゆるアプリケーションに跨って拡張できます。だからこそ、BrainOS®は「特定ロボット向けのOS」ではなく「実世界向けの自律プラットフォーム」と呼んでいます。

BrainOS搭載ロボットは現在、清掃だけでなく棚分析、在庫可視化、素材搬送にも活用されています。ロボットがタスク自動化ツールからモバイルデータプラットフォームへと進化する姿をどのように見ていますか？

当社のBrainOS®プラットフォームは、エンタープライズ規模で自律ソリューションを構築・展開・サポートするために必要なインフラを提供します。基盤となる自律性とインテリジェンス層を提供することで、パートナーは「何をするか」‑‑具体的な実世界のビジネス課題を解決すること‑‑に集中できます。このアプローチにより、当社は急速にスケールし、企業がロボットだけでなくロボティクス事業全体を構築できるようになりました。

ロボティックフロアケアは、明確で繰り返しの多い運用ニーズに応える最初の商業アプリケーションとして大規模に普及しました。すべての商業環境には汚れたフロアがあり、労働課題も多いからです。当社は150年以上の歴史を持ち、世界最大級の商業ロボットメーカーへと成長したTennant Companyと協力してこの規模を実現しました。

その後、小売・物流の大手企業と取り組む中で、根本的な真実に気付きました：これらの事業は入出庫される在庫は把握しているものの、店舗や倉庫のフロアで実際に何が起きているかの可視化が不足しています。モバイルロボットは物理環境を繰り返し移動できる数少ないシステムであり、スケールで「グラウンドトゥルース」を取得するのに最適です。この課題に応えるべく、Driveline Retail（大手マーチャンダイザー）とDane Technologies（倉庫機器リーダー）と提携し、エンタープライズ規模で在庫追跡と棚インテリジェンスを市場に提供しています。

在庫可視化に拡大すると、データ収集は方程式の一部に過ぎません。多くの倉庫や小売店は、単に何百万枚もの生画像が欲しいのではなく、どの商品が欠品しているか、価格が誤っているか、欠損パレットはどこにあるか、従業員が次に取るべき具体的なアクションは何かを知りたがります。Brain Corpは、これらの生画像を正確で優先度の高いビジネス意思決定に変換する高度なコンピュータビジョンとAIを提供します。

ロボットの形状に関わらず、これらのシステムはエンタープライズが施設全体のデジタルツインを継続的に更新できるようにしています。ロボットが安全かつ確実に施設全体をナビゲートすることで、モバイルデータプラットフォームとして機能し、詳細な施設インテリジェンスを取得します。たとえば、消火器の位置確認、故障した冷凍庫の特定、Wi‑Fi接続が不安定なエリアのマッピングなどが可能です。

ロボティクス導入がパイロット拠点でうまくいくケースと、何千ものエンタープライズ拠点にスケールできるケースの違いは何ですか？

パイロットは可能性を評価します。スケールは信頼性を評価します。

パイロットが成功するのは、最高のエンジニアが近くにいて、環境が綿密に準備され、誰かが裏で例外処理を静かに行っているからです。何百・何千の拠点に展開すると、これらはすべて通用しません。その時点で、手作業のステップはすべてコストと失敗の要因になります。

スケーラブルな導入には、最初から再現性が必要です。ロボットは設定が簡単で、現場従業員にとって直感的で、遠隔で観測可能で、現地に訪問せずにソフトウェア更新が受けられる必要があります。また、組織はサイバーセキュリティ、安全認証、サポート、トレーニング、保守、分析、顧客既存技術との統合といった成熟したシステムを備えていなければなりません。

変革マネジメントも同様に重要です。ロボットと共に働く人は、ロボットの機能、制約、業務上の位置付けを理解している必要があります。技術はサウンドでも、運用責任が不明確だと失敗します。

最終的に、経済性が顧客とロボティクスベンダーの両方にとって成り立たなければなりません。これは、導入が増えるほど経済的・技術的に優位になるロボティクスインフラストラクチャを必要とします。

この一連の課題を当社は「自律ギャップ（Autonomy Gap）」と呼んでいます。動作するプロトタイプを作ることはロボティクス事業創出の一部に過ぎません。真に困難なのは、専門家が離れた後でも安定的にサポートされ、繰り返し利用可能な製品へと変える作業です。

Brain Corpが最近取り組んでいるコンテクスチュアル・グラウンディングとセマンティック・マッピングは、フィジカルAIのよりインテリジェントな層を指し示しています。なぜ「環境の理解」が自律ロボットの次の大きなフロンティアなのでしょうか？

従来のナビゲーションは主に幾何学的問題です：自分はどこにいるか、どこへ移動できるか、何を避けるべきか。コンテクスチュアル・グラウンディングは、より豊かな質問を加えます：自分の周囲で何が起きているか、これらのオブジェクトは何か、人はそれらとどう関わるか、特定の状況で適切な行動は何か。

基本的なナビゲーションシステムは「空間が占有されている」ことは認識しますが、コンテクスチュアルに対応したシステムは「それが何で、なぜそこにあり、何をしているか」を正確に理解し、最終的にどう振る舞うべきかを判断します。状況に応じた正しい応答はケースバイケースで異なるため、これらの区別は重要です。

ロボティクスが生成AI、ビジョン‑ラングエッジモデル、その他確率的システムを組み込むにつれて、これは特に重要になります。これらのモデルは驚異的なインテリジェンスと柔軟性をもたらしますが、物理マシンを制御する際に「妥当な答え」だけでは不十分です。行動は実際のジオメトリ、環境条件、安全要件、社会的コンテキストに根拠を持たなければなりません。

当社は、先進的なAIと物理世界の永続的コンテクスト表現、決定的な安全制御を組み合わせることが答えだと考えています。これにより、ロボットはますます高度なAIモデルの恩恵を受けつつ、確率的インテリジェンスが境界なしに動作することを防げます。

ロボットを従業員、顧客、一般市民の周りに配置する際、企業はどのように「信頼」について考えるべきでしょうか？

まず、根本的な真実を認めなければなりません：ロボットは他のエンタープライズ技術とは本質的に異なります。ソフトウェアのバグはノートPCをクラッシュさせるかもしれませんが、千ポンド級の機械が混雑した小売通路を走行する際のバグは全く異なるリスクを伴います。企業はロボットを単なる接続IT機器として扱うことはできません。

ロボットへの信頼は日々積み重ねられます。米国連邦通信委員会（FCC）が安全上の懸念から外国製ロボットの承認を制限している今、信頼のハードルはかつてないほど高まっています。フィジカルAIが病院、空港、倉庫、食料品店に拡大するにつれ、企業は以下の層で信頼を評価する必要があります：物理的安全、データプライバシー、人間との統合。

高度なAIはロボットを「賢く」して複雑な環境を走行させますが、インテリジェンスと安全は同義ではありません。信頼できるロボットは両者を分離します。ハードウェアレベルで冗長な安全制御を備え、システムを上書きできるようにしなければなりません。安全は学習ではなくハードコードされるべきです。

さらに、公共空間を走行するロボットは実質的に移動データプラットフォームです。カメラやセンサーで世界を見ています。企業はベンダーに対し、ロボットが何を見ているか、データはどこへ行くか、誰がアクセスできるかを徹底的に明示させる必要があります。プライバシーとサイバーセキュリティは導入後のPR施策ではなく、最初からシステムアーキテクチャに組み込まれるべきです。

最大の失敗は、変革マネジメントを考慮せずにロボットを施設に投入することです。ロボットを信頼してもらうには、従業員や顧客に盲目的に任せることはできません。従業員は早期に関与させ、適切にトレーニングし、ロボットが日常業務をどのように楽に安全にするかを具体的に示す必要があります。問題が起きた際の責任者と介入手順も明確にしておくべきです。

最終的に、認証や監査、セキュリティ制御は最低限の証拠に過ぎません。真の信頼は繰り返しの体験から築かれます。ロボットが安全に動作し、顧客のパーソナルスペースを一貫して尊重し、単調で汚い作業を日々従業員の代わりに行うとき、ロボットは単なる機械からチームの一員へと変わります。

今後5年間で、商業ロボティクスはどの分野で最大の価値を創出すると予想しますか：小売、物流、医療、製造、空港、あるいは全く別のセクターですか？

最大の価値は、規模が大きく、分散していて、労働が制約されている環境から生まれます。これらの環境は、繰り返しのタスクがあり、かつ一貫して実行するのが難しいという特徴があります。

サプライチェーン（製造から物流、そして小売まで）は、まさにこれらの条件をすべて兼ね備えています。店舗は複雑な公共空間であり、労働力の確保は永続的な課題です。小さな運用上の問題（棚の欠品、価格ミス、清掃遅延）が顧客体験や財務パフォーマンスに直結します。物流と製造も、在庫可視化、素材搬送、ますます自律化する施設間の調整を通じて莫大な価値を創出します。

しかし、最大の価値は特定の業界だけで決まるわけではありません。企業がロボティクスを購入する方法自体が変化するからです。具体的には、今後5年間で「孤立したロボティクスプロジェクト」の終焉が訪れます。

現在、企業は断片化されたイニシアチブを走らせています。A社からはフロア清掃用ロボット、B社からは在庫スキャン用ロボット、C社からは素材搬送用ロボットをそれぞれ購入しています。各ロボットは独自のローカルな世界認識を持ち、相互に共有されません。これはスケールしないオペレーショナル・ナイトメアです。

今後5年間で価値創出は「共有されたコンテキストと実行」から生まれます。企業は断片的なロボットの購入をやめ、統合されたフィジカルAI基盤に投資するようになるでしょう。1つのソフトウェアプラットフォーム、1つの自律層、1つのデータパイプラインで多様な機械群を管理し、環境コンテキストを共有し、センターでオーケストレーションして、個別タスクではなく施設全体を自動化するのです。

これがAIが野望を超えて、実世界をより良く働かせる方法です。

素晴らしいインタビューに感謝します。詳細を知りたい読者はBrain Corpをご覧ください。