Brian Hartzband, President van de VS‑operaties, GMEX Robotics – Interviewserie

Brian Hartzband, President van de VS‑operaties, GMEX Robotics, leidt de VS‑uitbreiding van het bedrijf, met de focus op het opbouwen van haar commerciële aanwezigheid, het ontwikkelen van strategische partnerschappen en het inzetten van haar fysieke AI‑ en robotica‑platformen in real‑world implementaties. Voor hij bij GMEX Robotics kwam, heeft Hartzband bijna vier jaar bij TEKsystems gewerkt in technische wervings‑ en accountmanagementrollen voor overheids‑ en hogeronderwijsklanten. Hij was eerder medeoprichter en hielp Handcrafted 4 Home leiden, waar hij de VS‑marktuitbreiding en partnerschappen met grote detailhandelaars en e‑commerceplatforms heeft gestuwd. Eerder in zijn loopbaan werkte Hartzband in vermogensbeheer bij Merrill Lynch en UBS, waar hij vermogende en ultra‑vermogende cliënten adviseerde en hielp een omvangrijke internationale cliëntenportefeuille op te bouwen.

GMEX Robotics is een genoteerd aan de Nasdaq fysiek AI‑ en robotica‑bedrijf dat intelligente machines ontwikkelt voor commerciële omgevingen. Voorheen bekend als Fitell Corporation, volgt het bedrijf wat het een “Terminal + Brain” benadering noemt, waarbij speciaal ontworpen robotica‑hardware wordt gecombineerd met aanpasbare AI‑mogelijkheden in plaats van te vertrouwen op een volledig verticaal geïntegreerde technologische stack. De eerste grote commercialiseringsfocus is 2F Culinary AI, een commercieel keuken‑robotica‑platform dat de Bon Vivant 3.0 en Max‑systemen omvat, die sensoren, AI‑gestuurde besturingen en programmeerbare werkstromen gebruiken om voedselbereiding te automatiseren. GMEX heeft ook transport en logistiek, industriële automatisering en resource‑exploratie geïdentificeerd als langetermijn‑expansiegebieden. In maart 2026 kondigde het bedrijf een overeenkomst van AU$4,2 miljoen aan voor ten minste 50 intelligente keuken‑roboticasystemen voor een Australische hospitality‑groep, gevolgd door de eerste inzetorder in mei.

U heeft onlangs bij GMEX Robotics als President van de VS‑operaties gewerkt na een carrière die financiële dienstverlening, ondernemerschap, technologische werving en bedrijfsrelaties omvatte. Wat overtuigde u ervan dat fysieke AI en robotica de juiste volgende stap waren, en wat zijn uw prioriteiten bij het opbouwen van de aanwezigheid van GMEX in de VS?

Ik zag de waarde van AI en robots, met name op het gebied van sociale intelligentie, die nu plaatsvindt. Ik wilde hieraan bijdragen. Wat mij enthousiasmeert aan GMEX is het Terminal + Brain‑model. We proberen niet alles zelf te doen. We bouwen hardware die betrouwbaar en praktisch is, en we koppelen deze aan best‑in‑class AI. Dat is een volledig andere benadering dan de meeste robotica‑bedrijven. Op dit moment praat ik met investeerders over wat we echt bouwen en leg ik belangrijke partnerschappen in de VS vast. Dit is het juiste moment hiervoor.

GMEX beschrijft zijn strategie als een “Terminal + Brain” ecosysteem waarin robotica‑hardware de fysieke wereld verbindt met een AI‑intelligentielag. Kunt u uitleggen hoe deze architectuur werkt en wat u denkt dat het onderscheidt van meer verticaal geïntegreerde benaderingen van robotica?

De meeste robotica‑bedrijven proberen alles zelf te bouwen; de hardware, de software, de AI. Dat is duur en traag. Wij doen het anders. De Terminal is onze hardware. De Brain is onze AI‑orchestratielaag, die we bouwen met partnerschappen zoals 247meta. Het voordeel is flexibiliteit. Als betere AI beschikbaar komt, integreren we die zonder de robot opnieuw te bouwen. We zitten niet vast aan één gok. We focussen op waar we het beste in zijn; betrouwbare, praktische hardware, en we werken samen met best‑in‑class AI in plaats van te proberen iedereen technologisch te overtreffen. Dat betekent snellere iteratie, lagere kapitaalkosten, en we bewegen ons op het tempo van AI‑innovatie, niet van mechanische‑engineeringsschema’s.

GMEX is een overeenkomst aangegaan om een initiële deelneming te verwerven in MediaMeta.ai, wiens technologie zich richt op sociale intelligentie en menselijk gedragsmodellering. Wat betekent “sociale intelligentie” in de context van een robot, en welke nieuwe mogelijkheden zou het kunnen ontsluiten die de huidige multimodale AI‑modellen niet betrouwbaar kunnen leveren?

Sociale intelligentie betekent robots die aan mensen denken, niet alleen aan taken. De huidige AI is uitstekend in visie, taal en redeneren. Maar ze is zwak in het lezen van een persoon, hun emotionele toestand, wat ze echt nodig hebben, hoe met hen samen te werken in een echte omgeving. We hebben een definitieve overeenkomst getekend met MediaMeta omdat hun focus op menselijk gedragsmodellering precies dat gat opvult. Dat is waar de langetermijn‑roadmap van MediaMeta naartoe gaat, het ontwikkelen van sociale‑intelligentie‑AI en gedragsmodellering als een contextueel begrip‑laag die uiteindelijk ons Terminal + Brain‑ecosysteem kan aanvullen. Onder voorbehoud van ontwikkeling, integratie en testen, zouden deze mogelijkheden robots kunnen helpen context, communicatiestrategieën en menselijke intentie te interpreteren, wat het verschil is tussen een robot die een taak voltooit en een robot die werkelijk nuttig is.

Waar worstelen de meest geavanceerde robots van vandaag nog bij het interpreteren van mensen? Gaan de grootste beperkingen over het herkennen van emoties en intenties, het begrijpen van sociale context, het aanpassen aan culturele verschillen, of is er iets fundamenteelders?

Het bovenstaande allemaal. Maar het echte probleem is dat AI-ontwikkeling is geoptimaliseerd voor taakvoltooiing: kan de robot het object oppakken, de kamer navigeren? Dat is meetbaar. Mensen lezen is dat niet. Daarom krijgt het minder aandacht. Robots kunnen herkennen dat iemand er verdrietig uitziet, maar ze zijn zwak in het begrijpen waarom die persoon verdrietig is of wat echt zou helpen. Zelfs kleine fouten ondermijnen het vertrouwen. Een robot die 90 % van de sociale signalen goed interpreteert, klinkt goed in een testomgeving, maar in de echte wereld is die resterende 10 % cruciaal. Mensen besluiten dat ze niet met die machine willen werken. We moeten de prioriteit omdraaien. Dat is wat we bij GMEX bouwen.

Een robot die in een magazijn opereert, kan vaak functioneren binnen relatief gestructureerde regels, terwijl een robot in een ziekenhuis, hotel, school of thuis te maken krijgt met veel onvoorspelbaarder menselijk gedrag. Hoe moet de AI-stack veranderen nu robots zich verplaatsen naar deze sociaal complexere omgevingen?

Sociale intelligentie. In een magazijn kun je de regels coderen. De omgeving is voorspelbaar. Je brengt een robot in een ruimte met mensen, alles verandert. Mensen improviseren, ze veranderen van mening, ze hebben slechte dagen. De AI moet dat in realtime lezen en zich aanpassen. Het is niet langer regelgebaseerd. Het is contextueel. De robot moet het moment, de persoon, de omgeving begrijpen en beslissen wat logisch is. Dat vereist snelle connectiviteit en een volledig andere onderliggende architectuur. Daarnaast moet hij weten wanneer hij om hulp moet vragen in plaats van verkeerd te gokken.

Menselijk gedragsmodellering roept onvermijdelijk vragen op over privacy, toestemming, bias en het verkeerd interpreteren van menselijke intenties. Hoe moeten ontwikkelaars sociale intelligentie in robots bouwen zonder machines te creëren die te opdringerig worden of potentieel consequentiale aannames over mensen maken?

Uiteindelijk gaat het bij het inbouwen van sociale intelligentie in robots erom behulpzaam te zijn zonder raar over te komen. Robots mogen mensen niet psycho-analyseren of raden wat iemand \”bedoelde\”; dat leidt tot privacyproblemen en verkeerde aannames. Houd je aan wat observeerbaar is: hoe iemand beweegt, hoe dicht ze zijn, gebaren. Geef mensen controle met duidelijke privacy‑signalering en eenvoudige opt‑in‑interacties. Houd de data‑voetafdruk klein, verwerk lokaal wanneer mogelijk, en audit het gedrag zodat het iedereen gelijk behandelt. MediaMeta formaliseert een Data Protection and Responsible AI‑kader dat data‑minimalisatie, transparantie, bias‑review, menselijk toezicht en traceerbaarheid dekt. Dat is de zorgvuldige benadering die we in onze systemen willen integreren. Als de robot niet zeker weet wat iemand wil, moet hij vertragen, ruimte geven of pauzeren. Zo bouw je sociale bewustzijn op zonder grenzen te overschrijden.

Hoe evalueer je eigenlijk of een robot beter is geworden in het begrijpen van mensen? Welke soorten benchmarks, simulaties of real‑world‑tests zijn nodig om sociale intelligentie te meten in plaats van alleen of een robot een taak succesvol heeft voltooid?

Je kunt niet alleen kijken of hij een taak heeft voltooid. Je kijkt naar micro‑gedragingen: geeft de robot voldoende afstand, geeft hij voorrang wanneer iemand zijn pad kruist, beweegt hij met de juiste timing, aarzelt hij wanneer de intentie onduidelijk is? In simulatie test je onder hoge druk met dichte menigten, plotselinge stops, onduidelijke gebaren. In de echte wereld kijk je of de robot voorspelbaar en prettig aanvoelt voor de mensen om zich heen, en of hij consistent gedrag vertoont over verschillende groepen heen. Dat is de echte maatstaf, niet taakvoltooiing, maar of mensen het gevoel hebben dat de robot \”begrijpt\” hoe te bewegen en te coördineren in gedeelde ruimte.

GMEX is al begonnen met de commercialisering van zijn Bon Vivant kook‑robotica‑platform. Wat hebben deze vroege real‑world‑implementaties het bedrijf geleerd over de kloof tussen het demonstreren van een AI‑aangedreven robot en het betrouwbaar laten functioneren ervan in een commerciële omgeving?

Er is een echte kloof tussen aantonen dat een robot een taak kan uitvoeren en aantonen dat hij die taak betrouwbaar, dag na dag, in een commerciële omgeving kan uitvoeren. In een demo is alles gecontroleerd. Echt keukens zijn heet, hebben een hoog volume, onvoorspelbare apparatuur wordt geraakt, ingrediënten variëren, en mensen veranderen voortdurend het ritme. Bon Vivant is stationair, dus de uitdaging is niet navigatie; het gaat om herhaalbaarheid, duurzaamheid, foutherstel en integratie met bestaande workflows. We hebben geleerd dat betrouwbaarheid voortkomt uit het afhandelen van de \”saai\”‑zaken: hitte en vet verdragen, gekalibreerd blijven, gracieus herstellen wanneer iets buiten het script valt, en het tempo bijhouden zonder mensen te vertragen. Commerciële robotica gaat niet over bewijzen dat de robot kan koken. Het gaat over bewijzen dat hij consistent en veilig kan koken, zonder een last te worden voor een echt bedrijf.

GMEX ontwikkelt ook een multi‑agent AI‑platform dat is ontworpen om verschillende modellen en workflows te coördineren. Hoe zie je dat digitale AI‑agenten en fysieke robots uiteindelijk convergeren, en zou dezelfde intelligentielaag uiteindelijk zowel software‑agenten als vloten machines kunnen coördineren?

Digitale AI‑agenten en fysieke robots zullen steeds meer convergeren rond een gedeelde coördinatielaag. Software‑agenten kunnen verzoeken interpreteren en digitale workflows beheren. Robots voeren taken uit in de fysieke wereld. Een gedeelde intelligentielaag verbindt de twee door een bedrijfsdoelstelling om te zetten in taken, de juiste modellen en agenten te selecteren en de uitvoering te coördineren. Het belangrijkste onderscheid is coördinatie versus controle: de gedeelde laag bepaalt wat er moet gebeuren en wie het moet doen, terwijl robotspecifieke systemen de verantwoordelijkheid voor navigatie, bewegingsbesturing en veiligheid behouden. In een magazijn, bijvoorbeeld, verwerken software‑agenten een bestelling en controleren de voorraad, terwijl de coördinatielaag een geschikte robot vraagt om de goederen te verplaatsen. Die feedback wordt teruggekoppeld en informeert de volgende stap. Menselijk toezicht en veiligheidsmechanismen blijven essentieel. Daar richten we ons op met 247meta, een gefaseerd traject via interface‑integratie, simulatie en gecontroleerde pilots om gecoördineerde workflows tussen bedrijfssoftware en fysieke machines te ondersteunen.

Als sociale intelligentie een fundamentele laag van fysieke AI wordt, wat denkt u dat dit zal veranderen aan de robotica‑industrie? Zou begrip van menselijk gedrag uiteindelijk net zo belangrijk kunnen blijken voor brede robotacceptatie als vooruitgang in behendigheid, computervisie en redeneren?

Sociale intelligentie zal robotica fundamenteel hervormen. De industrie heeft zich gericht op hardware‑capaciteit, visionsystemen en prestaties – allemaal belangrijk, maar niets daarvan garandeert dat een robot soepel functioneert rond mensen in een keuken of op een productievloer. Sociale intelligentie is wat een robot voorspelbaar, gemakkelijk omheen te werken en afgestemd op de manier waarop mensen van nature bewegen en coördineren, maakt. Naarmate robots verschuiven van gecontroleerde demo’s naar echte commerciële omgevingen, wordt dat onderdeel van het systeem net zo belangrijk als de hardware en de besturingsstack. Begrip van menselijk gedrag zal net zo belangrijk zijn als vooruitgang in perceptie of betrouwbaarheid. Het is het verschil tussen een robot die de taak kan uitvoeren en een robot die past in de stroom van echte operaties.

Bedankt voor het geweldige interview, lezers die meer willen weten over dit robotica‑bedrijf kunnen terecht op GMEX Robotics.