인터뷰
Oana Jinga, Dexory 공동 설립자 겸 최고 상업 및 제품 책임자 – 인터뷰 시리즈
Unite.AI를 Google의 선호 소스에 추가
Oana Jinga, Dexory 공동 설립자 겸 최고 상업 및 제품 책임자는 로봇공학, 소매 기술, 전략적 파트너십 및 제품 개발에 걸친 배경을 가진 경험 풍부한 기술 및 상업 리더입니다. 그녀는 2015년에 원래 BotsAndUs로 알려졌던 회사를 공동 설립했으며, 최고 상업 책임자를 역임한 후 현재 Dexory에서 리더십 역할을 맡고 있습니다. 회사를 구축하는 동시에 Jinga는 Google에서 6년 이상 근무하면서 영국 소매 파트너십을 이끌었고 이후 EMEA 지역 소매 부문의 전략적 파트너십을 총괄했습니다. 초기 경력에서는 O2(텔레포니카 영국)에서 상업, 마케팅, 로열티 및 사업 개발 역할을 수행했으며, 마케팅 및 홍보 직책도 맡았습니다. 또한 Google 동문, 창업자, 투자자 및 스타트업 운영자를 지원하는 커뮤니티인 Xoogler.co의 영국 공동 리더로 활동했습니다.
Dexory는 영국에 기반을 둔 로봇 및 AI 기업으로, 창고와 물류 작업에 실시간 인텔리전스를 제공하는 데 주력하고 있습니다. DexoryView 플랫폼은 자율 로봇, 컴퓨터 비전, 공간 AI, 고급 분석 및 디지털 트윈 기술을 결합해 창고 내부에서 일어나는 상황을 지속적으로 포착하고 물리적 재고를 기존 창고 시스템과 비교합니다. Dexory에 따르면 자사의 로봇은 시간당 10,000개 이상의 위치를 스캔할 수 있어, 실시간 디지털 표현을 생성함으로써 운영자가 잘못 배치되거나 손상된 재고를 식별하고, 공간 활용도를 모니터링하며, 재고 정확성을 향상시키고, 운영 비효율성을 발견할 수 있다고 합니다. 이 기술은 점점 더 자율화되는 창고를 위한 인텔리전스 레이어로 자리매김하고 있으며, 유럽, 아시아, 미국 전역에 배치된 고객사(글로벌 물류 및 산업 조직 포함)에게 제공되고 있습니다.
당신은 O2와 Google 등에서 상업 개발 및 전략적 파트너십을 구축한 후 2015년에 BotsAndUs를 공동 설립했습니다. 창고 운영에서 어떤 점을 관찰하고 물류에 집중하게 되었으며, 궁극적으로 Dexory로 진화하게 된 계기가 무엇이었나요?
우리는 창고가 점점 복잡하고 자동화되고 있음에도 불구하고, 많은 운영자들이 실제 현장에서 일어나고 있는 일을 정확하고 실시간으로 파악하지 못한다는 점을 발견했습니다. 재고 검사는 여전히 매우 수동적이며 시간이 많이 소요되고, 중요한 운영 의사결정을 내리는 시스템과는 종종 연결되지 않았습니다. 우리는 로봇이 물리적 데이터를 지속적으로 포착하고 이를 실행 가능한 인텔리전스로 전환함으로써 그 격차를 메울 수 있다고 깨달았습니다.
Dexory를 고려 중인 창고 운영자를 위해, 시설 매핑 및 자율 스캔 일정 수립부터 DexoryView를 통해 수집된 데이터를 실행 가능한 인사이트로 전환하는 전형적인 배포 과정을 설명해 주시겠어요?
배포는 빠르고 최소한의 방해만으로 진행됩니다—보통 2~5일이 소요되며, 우리 팀 1~2명이 현장 매핑과 디지털 트윈 구축을 담당해 자율 로봇이 공간을 탐색하고 인프라 변경 없이 데이터를 수집할 수 있도록 합니다. 이후 로봇은 일정에 따라 미션을 수행하며 즉각적인 ROI를 제공하고, 시설 전역의 데이터를 캡처해 DexoryView에 처리·시각화됩니다. 운영자는 디지털 창고 모델을 통해 차이를 신속히 식별하고, 문제를 조사하며, 최신 정보를 기반으로 의사결정을 내릴 수 있습니다.
Dexory의 자율 이동 로봇은 최대 18미터 높이의 전고 창고 랙을 스캔할 수 있습니다. 그 규모에서 정확하고 안전하게 작동하기 위해 해결해야 했던 엔지니어링, 센싱 및 인공지능 과제는 무엇이었나요?
문제는 단순히 18미터에 도달하는 것이 아니라, 바쁜 창고 환경을 자율적으로 이동하면서 정확하고 일관된 데이터를 확보하는 것입니다. 이를 위해 견고한 기계공학과 함께 다양한 조명 조건, 랙 구성 및 재고 유형에 대해 신뢰성 있게 작동할 수 있는 위치추정, 센싱 및 컴퓨터 비전을 결합해야 했습니다. 안전은 기본 원칙이므로, 전체 시스템은 사람 및 기존 창고 설비와 함께 예측 가능하게 작동하도록 설계되었습니다.
Dexory의 로봇은 현재 전 세계에서 10억 개 이상의 창고 위치를 스캔했습니다. 이러한 방대한 실세계 데이터의 규모와 다양성이 플랫폼의 컴퓨터 비전, 이상 탐지 및 예측 능력을 어떻게 향상시키나요?
우리는 실제 창고 물리 데이터를 가장 크게 수집한 데이터셋을 보유하고 있어, 이를 통해 고유한 모델을 구축하고 학습할 수 있는 매우 독특한 위치에 있습니다. 규모가 중요한 이유는 각 창고마다 레이아웃, 제품, 포장 및 운영 조건이 다르기 때문에 매우 다양한 실세계 데이터셋이 형성됩니다. 이러한 다양성은 플랫폼이 창고 환경을 해석하고, 이상을 식별하며, 의미 있는 운영 이슈와 잡음을 구분하는 능력을 지속적으로 개선하는 데 도움이 됩니다. 시간이 지나면서 이러한 기반은 더욱 예측적인 인텔리전스를 제공하게 되며, 고객이 현재 상황뿐 아니라 향후 발생할 가능성이 높은 상황까지 파악할 수 있게 합니다.
창고는 종종 창고 관리 시스템(WMS), 전사적 자원 관리(ERP) 플랫폼 및 수동 재고 기록에 의존합니다. Dexory는 로봇이 물리적으로 관찰한 내용과 기존 시스템이 보고하는 내용 사이의 불일치를 어떻게 조정하나요?
Dexory는 물리적 현실에 대한 독립적인 시각을 제공하고, 기존 창고 시스템이 기대하는 내용과 비교합니다. WMS 및 ERP와 같은 시스템과 통합함으로써 DexoryView는 디지털 기록과 물리적 창고 사이의 불일치를 드러내어 팀이 신속히 조사하고 해결할 수 있도록 합니다. 우리는 핵심 시스템을 대체하는 것이 아니라, 보다 정확하고 시의적절한 실세계 인텔리전스 소스를 제공하면서 기존 시스템과 협업하도록 돕고 있습니다.
Physical AI는 종종 인간형 로봇과 연관되어 논의되지만, Dexory는 창고 인텔리전스를 위한 고도로 특화된 시스템을 개발했습니다. 왜 작업에 특화된 로봇이 현재 물류에 더 적합하며, 앞으로 10년 동안 가장 큰 Physical AI 발전은 어디에 있을 것으로 예상하나요?
물류에서는 신뢰성, 안전성 및 측정 가능한 ROI가 모든 기능을 갖춘 로봇을 만드는 것보다 더 중요합니다. 따라서 작업에 특화된 시스템이 오늘날 강력한 이유가 바로 여기에 있습니다. 목적에 맞게 설계된 로봇은 특정 환경에 최적화되어 실제 창고 운영의 요구에 더 견고하게 대응하고, 변화하는 조건에서도 일관된 성능을 유지합니다. 또한 창고가 기술에 맞춰 운영 방식을 재설계할 필요 없이 규모에 맞는 가치를 제공할 수 있습니다. 향후 10년 동안 Physical AI는 점점 더 자율적이고 적응력 있게 발전할 것이며, 기계가 사전 정의된 작업을 수행하는 수준을 넘어 환경을 이해하고 최적의 행동을 결정하도록 지원하게 될 것입니다.
재고 집계 속도를 높이는 것 외에도, 고객이 실시간 창고 인텔리전스를 통해 공간 활용, 재보충, 안전, 규정 준수 또는 공급망 회복력 등 어떤 영역에서 가장 큰 운영 가치를 보고 있나요?
가장 큰 가치는 운영자가 주기적인 수동 점검만으로는 얻을 수 없었던 가시성을 확보한다는 점에 있습니다. 실시간 창고 인텔리전스는 활용되지 않은 공간, 재고 불일치, 재보충 문제 및 운영 병목 현상을 훨씬 조기에 드러내어, 팀이 비용이 많이 드는 문제로 발전하기 전에 조치를 취할 수 있게 합니다. 궁극적으로 이는 현장의 실제 상황을 기반으로 의사결정을 내리게 함으로써 창고를 보다 효율적이고 회복력 있게 만들습니다.
창고 인텔리전스가 잘못 배치된 재고, 손상된 상품 또는 위험한 보관 조건과 같은 문제를 식별하는 단계에서부터 권고안을 제시하거나 자동으로 교정 조치를 시작하는 단계까지 얼마나 발전할 수 있을까요?
우리는 창고 인텔리전스가 가시성 → 권고 → 점점 더 자율적인 의사결정 순으로 진화하고 있다고 보고 있습니다. 첫 번째 단계는 물리적 환경을 충분히 정확하게 파악해 문제를 식별하는 것이며, 이후 다른 시스템의 컨텍스트를 결합해 가장 효과적인 대응을 권고합니다. 이러한 시스템에 대한 신뢰도가 높아지면 특정 조치를 자동으로 시작할 수 있는 기회가 생기지만, 중요한 결정은 여전히 사람의 통제 하에 유지됩니다.
창고가 점점 더 자동화됨에 따라, 사람에게만 적합한 역할은 무엇이며, 기업은 로봇, 디지털 트윈 및 AI 기반 의사결정 시스템과 효율적으로 협업할 수 있도록 직원들을 어떻게 준비시켜야 할까요?
자동화는 반복적이고 신체적으로 힘든 작업을 제거하고, 직원이 판단, 문제 해결 및 예외 관리에 더 많은 시간을 할애하도록 해야 합니다. 가장 가치 있는 역할은 정보를 해석하고 복잡한 결정을 내리며 운영 방식을 개선하는 것이며, 데이터 수집을 직접 수행하는 것이 아니라 그 역할을 수행하게 됩니다. 따라서 기업은 디지털 역량에 투자하고, 직원이 AI와 로봇을 자신의 전문성을 보강하는 도구로 활용하는 방법을 이해하도록 지원해야 합니다.
여성 인재에게 로봇공학을 더 접근 가능하게 만들기 위해 어떤 실질적인 변화가 필요하다고 보시나요?
우리는 로봇공학 진입 경로와 이 분야에서의 커리어 이미지 모두를 확대해야 합니다. 현재 로봇공학은 엔지니어링, 소프트웨어, 데이터 사이언스, 제품 디자인, 운영, UX, 상업 전략, 배포 및 고객 성공 등 다양한 영역을 포괄하고 있으며, 이러한 폭넓은 분야를 보다 명확히 알리는 것이 필요합니다. 여성 및 다양한 배경을 가진 인재들의 사례 연구, 발표 기회 및 공개 사례를 통해 가시성을 높이고, 조기 노출과 명확한 진입 경로를 제공하면 미래 인재가 다양한 커리어 경로를 인식하게 됩니다. 그러나 여성 유치를 위한 노력은 부분적인 과제가 아니라, 기업이 여성들이 고위 및 리더십 역할로 성장할 수 있는 포용적 환경을 구축해야 한다는 점을 강조합니다. 이는 단순히 진입 단계의 대표성에 머무르지 않고, 로봇공학 분야에서 장기적이고 지속 가능한 경력을 가능하게 하는 데 초점을 맞춰야 합니다.
훌륭한 인터뷰에 감사드립니다. 이 로봇공학 회사를 더 알고 싶으신 독자분들은 Dexory를 방문해 주세요.
