David Pinn, administrerende direktør i Brain Corp – Intervjuserie

David Pinn er administrerende direktør i Brain Corp, hvor han har tilbrakt nesten ni år med å forme selskapets strategi, finansielle operasjoner og overgangen til en programvaredrevet robotikkvirksomhet. Han ble med i Brain Corp i 2017 som VP for strategi og avanserte gjennom seniorroller innen strategi og finans før han ble administrerende direktør i 2022. I løpet av sin periode har Pinn bidratt til store kapitalinnhentinger, selskapets overgang fra en maskinvare‑sentral modell til tilbakevendende programvareinntekter, utvidelsen innen robotisk datainnsamling og analyse, samt strategiske partnerskap med globale originalutstyrsprodusenter (OEM‑er). Tidligere i sin karriere hadde han finans‑ og strategiposisjoner hos Qualcomm, ga råd til risikokapitalstøttede teknologiselskaper, arbeidet med porteføljeselskaper i L Catterton, og startet sin karriere hos Teradyne innen ingeniørarbeid og teknisk salg, noe som ga ham en bakgrunn som spenner over robotikk, halvledere, finans, bedriftsutvikling og kommersialisering av teknologi.

Brain Corp er et robotikk- og fysisk AI‑selskap som utvikler BrainOS®, en bedriftsautonomi‑plattform designet for å gjøre det mulig for produsenter og virksomheter å distribuere og administrere autonome mobile roboter i stor skala. BrainOS driver mer enn 50 000 roboter på seks kontinenter og har samlet over 25 millioner timer med virkelighetsbasert drift, og støtter applikasjoner som autonom gulvrengjøring, lager‑ og hylledata‑innsamling, samt materialbevegelse i miljøer som detaljhandelsbutikker, lager, flyplasser, helseinstitusjoner og kommersielle bygninger. Plattformen kombinerer AI‑drevet navigasjon, semantisk 3D‑kartlegging, sikkerhetssystemer, skybasert flåtestyring, analyse og integrasjoner med bedriftsystemer, hvor data samlet inn fra den distribuerte flåten bidrar til å forbedre navigasjon og pålitelighet over tid. Siste utviklinger inkluderer BrainOS Clean 2.0 og SelfPath™ AI, som gjør at rengjøringsroboter automatisk kan generere og tilpasse sine ruter i stedet for å stole på manuelt trente baner.

Karrieren din har gått fra ingeniørarbeid innen radiofrekvens og trådløse systemer til strategisk finans, SaaS‑transformasjon, og nå administrerende direktør‑ledelse i Brain Corp. Hvordan har denne kombinasjonen av teknisk og økonomisk disiplin formet ditt syn på at bedrifter ikke kjøper «roboter», men målbare driftsresultater?

Min tidlige karriere startet i teknisk salg, der jeg solgte produksjonsutstyr for halvledere for Teradyne. Gjennom mye prøving og feiling lærte jeg tidlig en viktig lekse: det var et stort gap mellom det jeg trodde var viktig – vanligvis de tekniske spesifikasjonene – og det kjøperen faktisk brydde seg om. Jeg lærte at kjøperen egentlig bryr seg om forretningsresultatet, og om de stoler på at jeg og teamet mitt kan levere det.

Da jeg senere gikk over til robotikk, ble den leksjonen forsterket. Hver teknologiinvestering konkurrerer om kapital, og et system får ikke anerkjennelse kun for å være teknisk imponerende. Innen robotikk er det så lett å bli fascinert av selve maskinen. Men en forhandler våkner ikke med ønsket om en robot. De vil ha renere gulv, svært nøyaktig lager, og mer tid for sine ansatte til å yte kundeservice. Robotene er kun leveringsmiddelet for dette resultatet.

I Brain Corp starter vi med kundens problem, definerer forretningsresultatet, og arbeider bakover inn i autonomilaget og dataene som kreves for å levere det. Min ingeniørbakgrunn hjelper meg å forstå hvor dypt kompleks det underliggende tekniske problemet er, men mine salgs‑ og finansdisipliner holder meg fokusert på om løsningen skaper en skalerbar, kommersielt levedyktig virksomhet. Du trenger begge. En robot som fungerer, men som ikke kan gi økonomisk avkastning, er et vitenskapsprosjekt, ikke et produkt, og en finansiell modell bygget rundt upålitelig teknologi er ikke en virksomhet.

Med så mye oppmerksomhet rettet mot humanoider og generelle roboter, hva tror du markedet misforstår om hva bedrifter faktisk trenger fra robotikk i dag?

Kald fakta: bransjens besettelse av humanoider i kommersielle og industrielle miljøer er en distraksjon.

Det vanlige argumentet du hører fra humanoid‑entusiaster er: «Verden er bygget for mennesker, derfor må roboter formes som mennesker». Det kan være sant i boligmiljøer, men i bedriftsmiljøer er det grunnleggende feil.

Se på et lager. Det er ikke bygget for mennesker; det er bygget for gaffeltrucker, palljekker og tungt maskineri. Se på butikker, skoler, hoteller, sykehus og flyplasser. Tilgjengelighetskrav for rullestol betyr at disse rommene har flate gulv, ramper, brede ganger og heiser. Kommersiell og industriell bygg er designet for hjulbasert bevegelse.

Når du innser det, ser du raskt at å gi en kommersiell robot ben er en unødvendig risiko og et enormt sløsing med penger. Hvorfor konstruere et dyrt, skjør, tobeint system for å navigere i et rom som allerede er tilpasset hjul? Hjul er billigere, mer pålitelige og håndterer belastninger bedre.

Som jeg nevnte tidligere, er en robot uten økonomisk avkastning kun et vitenskapsprosjekt. Å bygge en svært kompleks humanoid bare for å gå over et flatt, rullestoltilgjengelig gulv er det ultimate vitenskapsprosjektet. Det løser et bevegelsesproblem som ikke eksisterer. Bedrifter trenger ikke maskiner som etterligner mennesker; de trenger verktøy som pålitelig leverer et spesifikt forretningsresultat. Og for kommersielle bruksområder vinner hjul hver gang.

Brain Corp opererer i rotete, offentlige, høy‑trafikkerte miljøer som butikker, flyplasser, lager, sykehus og campusområder. Hva er de vanskeligste virkelige problemene som ikke dukker opp i robotikk‑demoer?

Den autonome kjøretøyindustrien lærte på den harde måten hvor villedende demoer kan være. Vi så selvkjørende bil‑demoer for over et tiår siden, men det tok ytterligere ti til femten år med intens ingeniørarbeid før kommersielle førerløse taxier ble lansert. Hvorfor? På grunn av det bransjen kaller «march of the nines».

Å få et system til å være 90 % pålitelig gir en god demo. Å nå 99 % er en enorm ingeniørprestasjon. Men når du opererer en flåte på titusener av roboter på tusenvis av offentlige steder, er 99 % pålitelighet utilstrekkelig.

I et levende kommersielt miljø endrer folk retning uten varsel. Handlekurver blir liggende i gangene. Skjermer flyttes over natten. Palletter blokkerer ruter. Gulv kan være reflekterende, våte, ujevne eller dekket av søppel. Dører åpnes og lukkes, belysning endres, og ansatte utvikler sine egne måter å samhandle med maskinen på. En robot kan også møte barn, personer som bruker mobilitetshjelpemidler, distraherte kunder, gaffeltrucker, eller noen som bare bestemmer seg for å stå i veien.

Det vanskeligste problemet er ikke å navigere når alt oppfører seg som forventet. Det er å tilpasse seg elegant når noe uventet skjer. Kan roboten forstå hvorfor ruten er blokkert, finne et trygt alternativ og fullføre oppgaven? Kan den gjøre det uten å skape mer arbeid for ansatte og i skala over millioner av timer?

Det finnes også en sosial dimensjon som demoer ofte overser. Folk må forstå robotens intensjon. Bevegelsene bør være forutsigbare, signalene klare, og den bør passe inn i eksisterende menneskelige arbeidsflyter i stedet for å tvinge alle rundt den til å tilpasse seg.

For oss betyr AI i den virkelige verden «det bare fungerer». Edge‑case‑ene er ikke i kanten, de er selve miljøet. Å bygge for disse forholdene krever år med operasjonell læring, gjennomtenkt sikkerhetsarkitektur og en utrettelig fokus på detaljer som er usynlige i en simulert video.

Når et selskap vurderer avkastning på investering i robotikk, hvilke måleparametere er viktigst: sparte arbeidstimer, oppgavekonsistens, oppetid, datainnsamling, sikkerhet, kundeopplevelse eller noe annet?

Det er alle de nevnte.

Sparte arbeidstimer er nyttig, men gir ikke hele bildet. I mange bransjer er det underliggende problemet ikke bare at arbeidskraft er dyrt; det er at rekruttering av kvalifiserte personer kan være utfordrende, turnover er høy, og viktige oppgaver blir utført inkonsekvent fordi teamene er overbelastet. I en slik situasjon kan oppgavefullføring, hyppighet og konsistens være mer verdifullt enn en teoretisk reduksjon i antall ansatte.

Det neste laget er operasjonell ytelse: oppetid, autonom utnyttelse, vellykket oppgavefullføring, dekning og mengden tilsyn som kreves. En robot som teknisk sett opererer i mange timer, men ofte må reddes, leverer ikke meningsfull autonomi.

Forbedringer i sikkerhet og overholdelse bør heller ikke overses i en ROI‑modell. En rengjøringsrobot reduserer belastning og skader på arbeidsplassen, og gir ansatte mer tid til å fokusere på kunder og arbeid med høyere verdi. En lagerrobot forbedrer tilgjengelighet på hyllen, prisnøyaktighet og gjennomføringskonsistens. Roboter skaper også et nytt lag av operasjonell synlighet ved å samle pålitelig, gjentakende data om hva som skjer i det fysiske miljøet.

Nøkkelen er å etablere et reelt grunnlag før utrulling og måle ytelse gjennom hele livssyklusen, inkludert implementering, støtte, vedlikehold, opplæring og integrasjon.

Brain Corp er unik innen robotikk fordi den opererer som en tilbakevendende SaaS‑robotikkplattform. Hvorfor blir programvare, data og flåtestyring viktigere enn selve robotens formfaktor?

Maskinvare definerer hva en robot fysisk kan gjøre. Programvare bestemmer hvor pålitelig den gjør det, hvor enkelt den kan distribueres, hvor sikkert den integreres i en bedrift, og om den blir mer nyttig over tid.

Uten et samlet programvare‑ og sky‑lag er en robot i hovedsak en isolert maskin. Den kan utføre én oppgave i én bygning, men den kan ikke enkelt overvåkes, oppdateres, integreres med bedriftsystemer eller koordineres med en bredere flåte. Dette skaper fragmentering når selskaper legger til ulike robottyper, hver med sin egen grensesnitt, støttemodell, data og driftsprosedyrer.

En plattform endrer denne ligningen. Med vår autonomiplattform, BrainOS®, gir vi et felles autonomi‑, sikkerhets‑, data‑ og flåtestyringsgrunnlag på tvers av ulike maskiner og applikasjoner. Våre partnere kan fokusere på sin maskinvareekspertise og kundens problem de forstår dypt, i stedet for å bygge opp hele autonomi‑ og sky‑infrastrukturen på nytt for hvert nytt produkt.

Programvare gjør også at maskinens verdi kan kumulere. Vi kan distribuere nye funksjoner via over‑the‑air‑oppdateringer, lære av hvordan roboter oppfører seg i flåten, forbedre ytelsen og håndtere nye edge‑case uten å erstatte maskinvaren. Tradisjonelt industrielt utstyr avskrives vanligvis fra det øyeblikket det tas i bruk. Et tilkoblet autonomt system blir mer kapabelt gjennom hele sin livssyklus.

Formfaktoren vil fortsatt være viktig, fordi den fysiske utformingen må passe oppgaven. Men formfaktorer vil utvikles. Den mest varige verdien ligger i intelligensen, den operative infrastrukturen og datalaget som kan brukes på tvers av enhver applikasjon. Derfor beskriver vi BrainOS® som autonomiplattformen for den virkelige verden, snarere enn et operativsystem for én bestemt robot.

BrainOS‑drevne roboter brukes nå ikke bare til rengjøring, men også til hylleanalyse, lager‑synlighet og materialbevegelse. Hvordan ser du at roboter utvikler seg fra verktøy for oppgaveautomatisering til mobile dataplattformer?

Vår BrainOS®‑plattform utruster bedrifter med infrastrukturen som kreves for å bygge, distribuere og støtte autonome løsninger i bedriftsomfang. Vi leverer det underliggende autonomi‑ og intelligenslaget, som gjør at våre partnere kan fokusere på det de gjør best: å løse spesifikke, virkelige forretningsproblemer. Dette er en unik tilnærming som har gjort det mulig for oss å raskt skalere og for bedrifter å bygge ikke bare roboter, men robotikkselskaper.

Robotisk gulvpleie var en av de første kommersielle applikasjonene som oppnådde betydelig skala fordi den adresserte et tydelig, repeterende operasjonelt behov; hvert kommersielt miljø har et skittent gulv og mange møter arbeidskraftutfordringer. Vi oppnådde denne skalaen sammen med vår partner Tennant Company, en leder innen gulvpleie i over 150 år, som nå har utviklet seg til en av verdens største produsenter av kommersielle roboter.

Gjennom vårt arbeid med store virksomheter innen detaljhandel og logistikk oppdaget vi en grunnleggende sannhet: selv om disse operasjonene vet nøyaktig hvilket lager som kommer inn og går ut av deres fasiliteter, mangler de ofte synlighet i hva som faktisk skjer på butikk- eller lagergulvet. En mobil robot er ett av få system som gjentatte ganger beveger seg gjennom det fysiske miljøet, og gjør den unikt i stand til å fange denne virkelige sannheten i stor skala. For å hjelpe med denne utfordringen har vi inngått partnerskap med Driveline Retail, en ledende vareleverandør, og Dane Technologies, en leder innen lagerutstyr, for å bringe lagersporing og hylleanalyse til markedet i bedriftsomfang.

Når du utvider til disse applikasjonene rundt lager‑synlighet, er datainnsamling bare en del av ligningen. De fleste lager og forhandlere vil ha mer enn bare millioner av råbilder; de trenger å vite nøyaktig hvilket produkt som er utsolgt, hvilken pris som er feil, hvor en manglende pall befinner seg, og hvilken spesifikk handling en ansatt bør ta neste. Brain Corp leverer avansert datamaskinsyn og AI som trengs for å oversette disse råobservasjonene til nøyaktige, prioriterte forretningsbeslutninger.

Uavhengig av robotens formfaktor, gjør disse systemene det også mulig for bedrifter å lage kontinuerlig oppdaterte digitale tvillinger av sine fasiliteter. Fordi våre roboter trygt og pålitelig navigerer gjennom hele arealet, fungerer de som mobile dataplattformer som samler inn svært detaljert fasilitetssinnsikt. Det kan for eksempel bety å verifisere plasseringen av en brannslukker, identifisere en defekt fryser, eller kartlegge områder med dårlig Wi‑Fi‑dekning.

Hva skiller en robotikk‑implementering som fungerer i ett pilotsted fra en som kan skaleres over tusenvis av bedriftslokasjoner?

Piloter belønner mulighet. Skala belønner pålitelighet.

En pilot kan lykkes fordi den beste ingeniøren står i nærheten, miljøet er nøye forberedt, og noen håndterer unntak stille i bakgrunnen. Ingenting av dette fungerer når du ruller ut på hundre eller tusenvis av steder. På dette tidspunktet blir hvert manuelt trinn en kilde til kostnad og feil.

En skalerbar utrulling krever repeterbarhet fra starten. Robotene skal være enkle å konfigurere, intuitive for frontlinje‑ansatte, fjernovervåkelige, og i stand til å motta programvareoppdateringer uten at noen må besøke hver lokasjon. Organisasjonen trenger også modne systemer for cybersikkerhet, sikkerhetssertifisering, support, opplæring, vedlikehold, analyse og integrasjon med kundens eksisterende teknologi.

Endringsledelse er like viktig. Personene som jobber sammen med roboten må forstå hva den gjør, hvilke begrensninger den har, og hvordan den passer inn i deres ansvarsområder. Implementeringer mislykkes når teknologien er teknisk solid, men det operative eierskapet er uklart.

Til slutt må økonomien fungere for både kunden og robotikkleverandøren. Dette krever en robotikk‑infrastruktur som blir mer økonomisk og mer robust med hver utrulling.

Den samlingen av utfordringer er det vi kaller Autonomi‑gapet. Å bygge en fungerende prototype er bare én del av å skape en robotikkvirksomhet. Det mye vanskeligere arbeidet er å omforme prototypen til et sikkert, støttet og repeterbart produkt som fortsetter å levere når spesialistene forlater bygningen.

Brain Corp sitt nylige arbeid med kontekstuell forankring og semantisk kartlegging peker mot et mer intelligent lag for fysisk AI. Hvorfor er «å forstå miljøet» den neste store fronten for autonome roboter?

Tradisjonell navigasjon er i stor grad et geometrisk problem: Hvor er jeg, hvor kan jeg bevege meg, og hva bør jeg unngå? Kontekstuell forankring tilfører et mye rikere sett med spørsmål: Hva skjer rundt meg? Hva er disse objektene? Hvordan vil folk sannsynligvis samhandle med dem? Hvilken atferd er passende i denne spesifikke situasjonen?

Et grunnleggende navigasjonssystem kan se at noe opptar plass. Et kontekstbevisst system bør forstå nøyaktig hva objektet er, hvorfor det er der, hva det gjør, og til slutt hvordan man skal oppføre seg rundt det. Disse nyansene er viktige fordi riktig respons er forskjellig i hvert tilfelle.

Dette blir spesielt viktig når robotikk begynner å integrere mer generativ AI, visjon‑språk‑modeller og andre probabilistiske systemer. Disse modellene kan tilføre enorm intelligens og fleksibilitet, men et plausibelt svar er ikke tilstrekkelig når programvare styrer en fysisk maskin. Handlingen må forankres i den faktiske geometrien, forholdene, sikkerhetskravene og den sosiale konteksten i miljøet.

Vi mener svaret er å kombinere avansert AI med en vedvarende kontekstuell representasjon av den fysiske verden og deterministiske sikkerhetskontroller. Dette gjør at roboten kan dra nytte av stadig mer kapable AI‑modeller uten at probabilistisk intelligens opererer uten grenser.

Hvordan bør bedrifter tenke på tillit når de distribuerer roboter rundt ansatte, kunder og allmennheten?

Først må vi erkjenne en grunnleggende sannhet: roboter er annerledes enn annen bedrifts‑teknologi. En programvarefeil kan krasje laptop‑en din, men en feil i en 1 000‑punds maskin som navigerer i en overfylt butikkgang har helt andre konsekvenser. Bedrifter kan ikke bare behandle en robot som en annen koblet IT‑enhet.

Tilliten til robotikk bygges opp hver eneste dag. I en tid hvor FCC begrenser godkjenning av utenlandsprodusert robotikk på grunn av sikkerhetsbekymringer, har kravene til denne tilliten aldri vært høyere. Når fysisk AI skaleres inn i våre sykehus, flyplasser, lager og dagligvarebutikker, må bedrifter vurdere tillit på flere ulike nivåer: fysisk sikkerhet, dataprivatliv og menneskelig integrasjon.

Avansert AI er fantastisk for å gjøre en robot «smart» nok til å navigere i komplekse miljøer, men intelligens og sikkerhet er ikke det samme. En pålitelig robot skiller de to. Den må ha dedikerte, redundante maskinvare‑sikkerhetskontroller som kan overstyre systemet. Sikkerhet må være hard