インタビュー
Oana Jinga、Dexory共同創業者兼チーフ・コマーシャル＆プロダクトオフィサー – インタビューシリーズ
Unite.AI を Google の優先ソースに追加
Oana Jinga、Dexoryの共同創業者兼チーフ・コマーシャル＆プロダクトオフィサーで、ロボティクス、リテールテクノロジー、戦略的パートナーシップ、製品開発にわたる経験を持つテクノロジー・商業リーダーです。彼女は2015年に当初BotsAndUsとして知られていた事業を共同創業し、チーフ・コマーシャル・オフィサーを務めた後、現在のDexoryでのリーダーシップ役割を担っています。会社の立ち上げと並行して、JingaはGoogleで6年以上勤務し、英国で小売パートナーシップを主導し、その後EMEA地域の小売部門全体の戦略的パートナーシップを監督しました。キャリア初期には、O2（Telefónica UK）で商業、マーケティング、ロイヤリティ、事業開発の役割を務め、マーケティングや広報のポジションも経験しています。また、Google卒業生、創業者、投資家、スタートアップオペレーターのコミュニティを支援するXoogler.coの英国共同リーダーも務めました。
Dexoryは、英国拠点のロボティクスとAIの企業で、倉庫および物流業務にリアルタイムインテリジェンスを提供することに注力しています。そのDexoryViewプラットフォームは、自律ロボット、コンピュータビジョン、空間AI、先進分析、デジタルツイン技術を組み合わせ、倉庫内で何が起きているかを継続的にキャプチャし、実在在庫と既存の倉庫システムを比較します。Dexoryによれば、同社のロボットは1時間に10,000箇所以上をスキャンでき、リアルタイムのデジタル表現を作成して、オペレーターが誤配置や損傷した在庫を特定し、スペース利用率を監視し、在庫精度を向上させ、運用上の非効率を明らかにするのに役立ちます。同社はこの技術を、ますます自律化が進む倉庫向けのインテリジェンス層として位置付けており、欧州、アジア、米国に展開し、主要なグローバル物流・産業組織を顧客に持っています。
2015年にBotsAndUsを共同設立した背景には、O2やGoogleなどで商業開発や戦略的パートナーシップのキャリアを築いたことがありますが、倉庫運営でどのような点に気づき、事業を物流に特化させ、最終的にDexoryへと進化させる決断をされたのでしょうか？
私たちは、倉庫がますます複雑かつ自動化されている一方で、多くのオペレーターは倉庫フロアで実際に何が起きているかを正確にリアルタイムで把握できていないことに気づきました。在庫チェックは依然として手作業で時間がかかり、重要な運用判断を行うシステムと乖離していることが多いです。ロボティクスは、物理的なデータを継続的に取得し、実用的なインテリジェンスに変換することで、このギャップを埋められると考えました。
Dexoryの導入を検討している倉庫オペレーター向けに、施設のマッピングから自律スキャンのスケジューリング、そして収集したデータをDexoryViewで実用的なインサイトに変換するまでの典型的な導入プロセスを教えていただけますか？
導入は迅速かつ最小限の中断で完了するよう設計されており、チーム1〜2名が現場のマッピングとデジタルツインの構築に2〜5日で取り組みます。これにより自律ロボットがスペースをナビゲートし、主要なインフラ変更なしでデータを取得できます。その後、ロボットはスケジュールされたミッションを実行し、ソリューションの即時ROIを提供します。施設全体のデータはDexoryViewで処理・可視化され、オペレーターは最新のデジタル表現を基に不一致を迅速に特定し、問題を調査し、意思決定を行うことができます。
Dexoryの自律移動ロボットは、最大18メートルの高さまでのフルハイト倉庫ラックをスキャンできます。この規模で正確かつ安全に動作させるために、どのようなエンジニアリング、センシング、人工知能の課題を解決しなければなりませんでしたか？
課題は単に18メートルに到達することだけではなく、忙しい倉庫環境で自律的に移動しながら正確で一貫したデータを取得することです。そのためには、堅牢な機械工学と、さまざまな照明条件、ラック構成、在庫タイプに対応できるローカリゼーション、センシング、コンピュータビジョンを組み合わせる必要があります。安全性は根本的に重要であり、システム全体が人や既存の倉庫機器と予測可能に共存できるよう設計されています。
Dexoryのロボットは現在、世界中で10億箇所以上の倉庫ロケーションをスキャンしています。この実世界データの規模と多様性は、プラットフォームのコンピュータビジョン、異常検知、予測機能をどのように向上させていますか？
私たちは実際に倉庫の物理データとして最大規模のデータセットを取得しており、これにより真に学習し独自の倉庫モデルを構築できる非常にユニークな立場にあります。規模が重要なのは、各倉庫が異なるレイアウト、製品、包装、運用条件を持ち、極めて多様な実世界データセットを生み出すからです。この幅広さが、プラットフォームが倉庫環境を解釈し、異常を特定し、ノイズから実質的な運用課題を区別する能力を継続的に向上させます。時間とともに、これが予測的インテリジェンスの基盤となり、顧客は単に何が起きているかだけでなく、次に何が起きる可能性があるかを理解できるようになります。
倉庫はしばしば倉庫管理システム（WMS）やエンタープライズリソースプランニング（ERP）プラットフォーム、手動在庫記録に依存していますが、Dexoryはロボットが実際に観測した内容と既存システムが報告する内容の不一致をどのように調整していますか？
Dexoryは物理的現実の独立したビューを提供し、既存の倉庫システムが想定する内容と比較します。WMSやERPプラットフォームなどのシステムと統合することで、DexoryViewはデジタル記録と実際の倉庫との間の不一致を可視化し、チームが迅速に調査・解決できるようにします。私たちはこれらのコアシステムを置き換えるのではなく、より正確でタイムリーな実世界インテリジェンスの情報源を提供し、同時にそれらと連携させています。
Physical AIはしばしばヒューマノイドロボットと関連付けて議論されますが、Dexoryは倉庫インテリジェンス向けに高度に特化したシステムを開発しています。なぜタスク特化型ロボットが現在の物流に適しているのでしょうか、そして今後10年で最も大きなPhysical AIの進展はどこにあると予想しますか？
物流においては、信頼性・安全性・測定可能なROIが、何でもできるロボットを作ることよりも重要であるため、タスク特化型システムが現在非常に有力です。目的に合わせて設計されたロボットは特定の環境に最適化され、実際の倉庫運用の要求に対してより堅牢で、変化する条件下でも一貫して動作できます。また、倉庫がテクノロジーに合わせて運用を再設計する必要がなく、規模で価値を提供できます。今後10年で、Physical AIはますます自律的かつ適応的になり、機械が事前に定義されたタスクの実行から環境を理解し、最適な行動を決定する支援へと移行すると期待しています。
在庫カウントを高速化する以外で、リアルタイム倉庫インテリジェンスから顧客が最大の運用価値を見出している領域はどこですか？（スペース利用率、補充、安全性、コンプライアンス、サプライチェーンのレジリエンスなど）
最大の価値は、オペレーターにこれまで定期的な手作業チェックでは得られなかった可視性を提供することにあります。リアルタイムの倉庫インテリジェンスは、未使用スペース、在庫の不一致、補充の問題、運用上のボトルネックをはるかに早く明らかにし、チームがコストがかかる問題になる前に対処できるようにします。結果として、意思決定が実際の現場の状況に基づくため、倉庫はより効率的かつレジリエントになります。
倉庫インテリジェンスは、誤配置在庫、損傷品、危険な保管状態といった問題の特定から、推奨や自律的な是正措置の開始まで、どの程度まで進化できると考えますか？
私たちは、倉庫インテリジェンスが可視化から推奨へ、最終的にはますます自律的な意思決定へと進化すると見ています。第一段階は、物理環境を十分に正確に把握し問題を特定することです。その後、他システムからのコンテキストを加えて最適な対応を提案します。システムへの信頼が高まるにつれ、特定のアクションを自動的に開始する機会が生まれますが、重要度の高い意思決定は人がコントロールし続ける形になります。
倉庫がますます自動化される中で、人にしか適さない役割は何でしょうか、また企業はロボット、デジタルツイン、AI駆動の意思決定システムと効果的に協働できるよう従業員をどのように準備すべきでしょうか？
自動化は、反復的で肉体的に負担の大きい作業を排除し、従業員が判断、問題解決、例外管理により多くの時間を割けるようにすべきです。最も価値のある役割は、情報の解釈や複雑な意思決定、業務プロセスの改善に関わるものとなり、データ収集の手作業は減ります。そのため、企業はデジタルスキルへの投資を行い、AIやロボティクスを専門知識を補完するツールとして活用する方法を従業員に理解させる必要があります。
ロボティクスを女性人材にとってよりアクセスしやすくすることを提唱されていますが、業界に女性を惹きつけるために必要な実務的な変化は何ですか？
ロボティクスへの入り口と、業界でのキャリア像の両方を広げる必要があります。現在、同分野はエンジニアリング、ソフトウェア、データサイエンス、製品設計、オペレーション、UX、商業戦略、導入、カスタマーサクセスと多岐にわたり、この幅広さをより明確に伝えることが重要です。ケーススタディや講演機会、公共のロールモデルを通じて女性や多様なバックグラウンドを持つ人々の可視性を高めることで、将来の人材がさまざまなキャリアパスを認識できるようになります。また、早期の露出と明確な参入ルートの提供も必要です。しかし、女性を惹きつけるだけでなく、企業は女性がシニアやリーダーシップの役割へと進むことができる包括的な環境を構築し、単にエントリーレベルの代表性に留まらず、ロボティクスでの長期的かつ持続可能なキャリアを実現できるようにしなければなりません。
素晴らしいインタビューをありがとうございました。このロボティクス企業について詳しく知りたい読者は、Dexoryをご覧ください。
