Interviews
Oana Jinga, medeoprichter, Chief Commercial and Product Officer van Dexory – Interviewreeks
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Oana Jinga, medeoprichter, Chief Commercial and Product Officer van Dexory, is een ervaren technologie- en commercieel leider met een achtergrond in robotica, retailtechnologie, strategische partnerschappen en productontwikkeling. Ze richtte in 2015 het bedrijf op, oorspronkelijk bekend als BotsAndUs, en was Chief Commercial Officer voordat ze haar huidige leiderschapsrol bij Dexory op zich nam. Naast het opbouwen van het bedrijf heeft Jinga meer dan zes jaar bij Google gewerkt, waar ze retailpartnerschappen in het VK leidde en later strategische partnerschappen in de retailsector in EMEA overziet. Vroeger in haar loopbaan bekleedde ze commerciële, marketing-, loyaliteits- en business development-functies bij O2 (Telefónica UK), evenals posities in marketing en public relations. Ze was ook UK Co-Lead van Xoogler.co, ter ondersteuning van een gemeenschap van Google‑alumni, oprichters, investeerders en startup‑operators.
Dexory is een in het VK gevestigd robotica‑ en AI‑bedrijf dat zich richt op het leveren van realtime‑intelligentie voor magazijn‑ en logistieke operaties. Het DexoryView‑platform combineert autonome robots, computer vision, spatial AI, geavanceerde analytics en digital‑twin‑technologie om continu vast te leggen wat er in een magazijn gebeurt en de fysieke voorraad te vergelijken met bestaande magazijnsystemen. Dexory stelt dat haar robots meer dan 10.000 locaties per uur kunnen scannen, waardoor een live digitale weergave ontstaat die operators helpt om verkeerd geplaatste of beschadigde voorraad te identificeren, ruimte‑gebruik te monitoren, de nauwkeurigheid van de voorraad te verbeteren en operationele inefficiënties bloot te leggen. Het bedrijf positioneert haar technologie als een intelligentielaag voor steeds autonomere magazijnen, met implementaties in Europa, Azië en de Verenigde Staten en klanten waaronder grote wereldwijde logistieke en industriële organisaties.
U heeft BotsAndUs in 2015 medeopgericht nadat u uw loopbaan had opgebouwd in commerciële ontwikkeling en strategische partnerschappen bij bedrijven waaronder O2 en Google. Wat hebben u en uw mede‑oprichters opgemerkt in magazijnoperaties dat u overtuigde om de focus van het bedrijf op logistiek te leggen en uiteindelijk te evolueren naar Dexory?
We zagen dat magazijnen steeds complexer en geautomatiseerder werden, maar dat veel operators nog steeds geen nauwkeurig, realtime overzicht hadden van wat er fysiek op de magazijnvloer gebeurde. Voorraadtellingen bleven sterk handmatig, tijdrovend en vaak losgekoppeld van de systemen die kritische operationele beslissingen nemen. We realiseerden ons dat robotica die kloof kon overbruggen door continu data uit de fysieke wereld te verzamelen en om te zetten in bruikbare intelligentie.
Voor een magazijnoperator die Dexory overweegt, kunt u ons door een typische implementatie leiden, van het in kaart brengen van de faciliteit en het plannen van autonome scans tot het omzetten van de verzamelde data in bruikbare inzichten via DexoryView?
De implementatie is ontworpen om snel en minimaal storend te zijn – we hebben het over 2‑5 dagen met 1‑2 teamleden die de locatie in kaart brengen en de digital twin bouwen, zodat onze autonome robots de ruimte kunnen navigeren en data kunnen verzamelen zonder grote infrastructuurwijzigingen. De robots starten vervolgens met geplande missies, waardoor er direct rendement op de investering ontstaat, en verzamelen data over de hele faciliteit, die wordt verwerkt en weergegeven in DexoryView. Operators kunnen snel afwijkingen identificeren, problemen onderzoeken en beslissingen nemen op basis van een up‑to‑date digitale weergave van hun magazijn.
Dexory’s autonome mobiele robot kan volledige magazijnstellingen scannen tot hoogtes van wel 18 meter. Welke technische, sensor‑ en kunstmatige‑intelligentie‑uitdagingen moesten worden opgelost om nauwkeurig en veilig op die schaal te opereren?
De uitdaging is niet alleen om 18 meter te bereiken, maar om nauwkeurige, consistente data te verzamelen terwijl de robot autonoom beweegt in een druk magazijn. Dat vereist een combinatie van robuuste mechanische engineering met lokalisatie, sensortechniek en computer vision die betrouwbaar presteert onder verschillende lichtomstandigheden, rekconfiguraties en soorten voorraad. Veiligheid is fundamenteel, dus het gehele systeem is ontworpen om voorspelbaar te opereren naast mensen en bestaande magazijnapparatuur.
Dexory’s robots hebben nu meer dan één miljard magazijnlocaties wereldwijd gescand. Hoe verbeteren de schaal en diversiteit van die real‑world data de computer vision, anomaliedetectie en voorspellende mogelijkheden van het platform?
We hebben inderdaad de grootste dataset van fysieke magazijndata verzameld, waardoor we in een unieke positie verkeren om er echt van te leren en onze eigen magazijnmodellen te bouwen. Schaal is belangrijk omdat elk magazijn verschillende indelingen, producten, verpakkingen en bedrijfsomstandigheden introduceert, wat een ongelooflijk divers real‑world dataset oplevert. Die breedte helpt ons continu te verbeteren hoe het platform magazijnomgevingen interpreteert, anomalieën identificeert en betekenisvolle operationele problemen van ruis onderscheidt. In de loop der tijd vormt dit de basis voor steeds meer voorspellende intelligentie, waardoor klanten niet alleen begrijpen wat er gebeurt, maar ook wat waarschijnlijk daarna zal gebeuren.
Magazijnen vertrouwen vaak op warehouse‑managementsystemen, enterprise‑resource‑planning‑platformen en handmatige voorraadregistraties. Hoe verzoent Dexory de discrepanties tussen wat haar robots fysiek waarnemen en wat die bestaande systemen rapporteren?
Dexory biedt een onafhankelijk beeld van de fysieke realiteit en vergelijkt dat met wat bestaande magazijnsystemen denken dat er zou moeten zijn. Door te integreren met systemen zoals WMS‑ en ERP‑platformen kan DexoryView discrepanties tussen digitale records en het fysieke magazijn zichtbaar maken, zodat teams deze snel kunnen onderzoeken en oplossen. We vervangen die kernsystemen niet, maar geven ze een veel nauwkeurigere en tijdigere bron van real‑world intelligentie, terwijl we ze ook coördineren.
Physical AI wordt vaak besproken in verband met humanoïde robots, terwijl Dexory een sterk gespecialiseerde oplossing voor magazijnintelligentie heeft ontwikkeld. Waarom zijn taak‑specifieke robots momenteel beter geschikt voor logistiek, en waar verwacht u de grootste vooruitgang in fysieke AI in het komende decennium?
In de logistiek zijn betrouwbaarheid, veiligheid en meetbaar rendement belangrijker dan het bouwen van een robot die alles kan, waardoor taak‑specifieke systemen vandaag de dag zo krachtig zijn. Op maat gebouwde robots kunnen geoptimaliseerd worden voor een specifieke omgeving, waardoor ze robuuster zijn voor de eisen van real‑world magazijnoperaties en beter consistent presteren onder veranderende omstandigheden. Ze kunnen waarde leveren op schaal zonder dat magazijnen hun processen moeten herontwerpen rond de technologie. In het komende decennium verwacht ik dat fysieke AI steeds autonomer en adaptiever wordt, waarbij machines evolueren van het uitvoeren van vooraf gedefinieerde taken naar het begrijpen van omgevingen en het helpen bepalen van de beste te nemen actie.
Naast het sneller tellen van voorraden, waar zien klanten de grootste operationele waarde van realtime magazijnintelligentie, bijvoorbeeld via ruimte‑gebruik, aanvulling, veiligheid, compliance of veerkracht van de supply chain?
De grootste waarde ontstaat door operators zichtbaarheid te geven die ze simpelweg niet konden behalen via periodieke handmatige controles. Realtime magazijnintelligentie kan onderbenut ruimte, voorraadverschillen, aanvulproblemen en operationele knelpunten veel eerder aan het licht brengen, zodat teams kunnen ingrijpen voordat ze kostbare problemen worden. Uiteindelijk maakt dit magazijnen efficiënter en veerkrachtiger, omdat beslissingen gebaseerd zijn op wat er daadwerkelijk op de vloer gebeurt.
Hoe ver kan magazijnintelligentie zich ontwikkelen, van het identificeren van problemen zoals verkeerd geplaatste voorraad, beschadigde goederen of onveilige opslagcondities, tot het aanbevelen of autonoom initiëren van corrigerende acties?
We zien dat magazijnintelligentie evolueert van zichtbaarheid, naar aanbeveling, en uiteindelijk naar steeds autonomere besluitvorming. De eerste stap is het nauwkeurig begrijpen van de fysieke omgeving om een probleem te identificeren, vervolgens context uit andere systemen toevoegen om de meest effectieve reactie aan te bevelen. Naarmate het vertrouwen in deze systemen groeit, zullen er mogelijkheden ontstaan om bepaalde acties automatisch te initiëren, terwijl mensen de controle behouden over beslissingen met een grotere impact.
Naarmate magazijnen steeds meer geautomatiseerd worden, welke rollen blijven dan uniek geschikt voor mensen, en hoe moeten bedrijven werknemers voorbereiden om effectief samen te werken met robots, digital twins en AI‑gedreven beslissingssystemen?
Automatisering moet repetitieve, fysiek belastende taken wegnemen en mensen meer tijd geven om zich te richten op oordeel, probleemoplossing en het beheren van uitzonderingen. De meest waardevolle rollen zullen steeds meer bestaan uit het interpreteren van informatie, het nemen van complexe beslissingen en het verbeteren van de manier waarop operaties verlopen, in plaats van handmatig data te verzamelen. Bedrijven moeten daarom investeren in digitale vaardigheden en werknemers helpen begrijpen hoe ze AI en robotica kunnen gebruiken als hulpmiddelen die hun expertise versterken.
U heeft gepleit voor het toegankelijker maken van robotica voor vrouwelijk talent. Welke praktische veranderingen zijn nodig om meer vrouwen naar de sector te trekken?
We moeten zowel de toegangswegen tot robotica als de perceptie van een loopbaan in de sector verbreden. De sector omvat nu engineering, software, data‑science, productdesign, operaties, UX, commerciële strategie, implementatie en klantensucces, en deze breedte moet duidelijker gecommuniceerd worden. Meer zichtbaarheid van vrouwen en mensen met diverse achtergronden via case‑studies, spreek‑mogelijkheden en publieke voorbeelden kan toekomstige talenten laten zien welke verschillende loopbaanpaden er zijn, naast vroegere blootstelling en duidelijkere instroomroutes in het vakgebied. Het aantrekken van vrouwen is echter slechts een deel van de uitdaging; bedrijven moeten ook inclusieve omgevingen creëren waarin vrouwen kunnen doorgroeien naar senior‑ en leiderschapsrollen, zodat de focus niet alleen op instap‑representatie ligt maar op het mogelijk maken van langdurige, duurzame carrières in robotica.
Bedankt voor het geweldige interview, lezers die meer over dit robotica‑bedrijf willen weten, kunnen een bezoek brengen aan Dexory.
