Wywiady
Oana Jinga, współzałożycielka, dyrektor handlowy i produktowy w Dexory – seria wywiadów
Dodaj Unite.AI do preferowanych źródeł w Google
Oana Jinga, współzałożycielka, dyrektor handlowy i produktowy w Dexory, jest doświadczoną liderką technologiczną i handlową z doświadczeniem obejmującym robotykę, technologię detaliczną, partnerstwa strategiczne oraz rozwój produktów. W 2015 roku współzałożyła firmę pierwotnie znaną jako BotsAndUs, pełniąc funkcję dyrektora handlowego, zanim objęła obecną rolę przywódczą w Dexory. Równocześnie z budowaniem firmy, Jinga spędziła ponad sześć lat w Google, gdzie kierowała partnerstwami detalicznymi w Wielkiej Brytanii, a później nadzorowała partnerstwa strategiczne w sektorze detalicznym w regionie EMEA. Na wcześniejszym etapie kariery pełniła role w obszarach handlu, marketingu, lojalności i rozwoju biznesu w O2 (Telefónica UK), a także stanowiska w marketingu i public relations. Była także współprowadzącą w Wielkiej Brytanii Xoogler.co, wspierając społeczność absolwentów Google, założycieli, inwestorów i operatorów startupów.
Dexory to brytyjska firma zajmująca się robotyką i sztuczną inteligencją, koncentrująca się na dostarczaniu inteligencji w czasie rzeczywistym do operacji magazynowych i logistycznych. Platforma DexoryView łączy autonomiczne roboty, widzenie komputerowe, przestrzenną AI, zaawansowaną analizę oraz technologię cyfrowego bliźniaka, aby nieustannie rejestrować to, co dzieje się w magazynie, i porównywać fizyczny stan zapasów z istniejącymi systemami magazynowymi. Dexory twierdzi, że jej roboty mogą skanować ponad 10 000 lokalizacji na godzinę, tworząc bieżącą cyfrową reprezentację, która pomaga operatorom identyfikować niewłaściwie umieszczone lub uszkodzone towary, monitorować wykorzystanie przestrzeni, poprawiać dokładność inwentaryzacji oraz wykrywać nieefektywności operacyjne. Firma pozycjonuje swoją technologię jako warstwę inteligencji dla coraz bardziej autonomicznych magazynów, z wdrożeniami w Europie, Azji i Stanach Zjednoczonych oraz klientami obejmującymi wiodące globalne firmy logistyczne i przemysłowe.
Współzałożyłaś BotsAndUs w 2015 roku po budowaniu kariery w rozwoju handlowym i partnerstwach strategicznych w firmach takich jak O2 i Google. Co wy i współzałożyciele zauważyliście w operacjach magazynowych, co przekonało Was do skoncentrowania działalności na logistyce i ostatecznie przekształcenia jej w Dexory?
Zauważyliśmy, że magazyny stają się coraz bardziej skomplikowane i zautomatyzowane, jednak wielu operatorów wciąż nie ma dokładnego, bieżącego obrazu tego, co fizycznie dzieje się na podłodze magazynu. Kontrole inwentarza pozostawały bardzo ręczne, czasochłonne i często odłączone od systemów podejmujących kluczowe decyzje operacyjne. Zrozumieliśmy, że robotyka może wypełnić tę lukę, nieustannie zbierając dane ze świata fizycznego i przekształcając je w użyteczną inteligencję.
Dla operatora magazynu rozważającego Dexory, czy możesz przedstawić typowy przebieg wdrożenia, od mapowania obiektu i planowania autonomicznych skanów po przekształcenie zebranych danych w praktyczne wnioski za pomocą DexoryView?
Wdrożenie zostało zaprojektowane tak, aby było szybkie i minimalnie zakłócające – mówimy o 2‑5 dniach, podczas których 1‑2 członków naszego zespołu mapują obiekt i tworzą cyfrowego bliźniaka, aby nasze autonomiczne roboty mogły poruszać się po przestrzeni i zbierać dane bez konieczności wprowadzania dużych zmian w infrastrukturze. Następnie roboty rozpoczynają realizację zaplanowanych misji, zapewniając natychmiastowy zwrot z inwestycji, zbierając dane z całego obiektu, które są przetwarzane i wizualizowane w DexoryView. Operatorzy mogą szybko identyfikować niezgodności, badać problemy i podejmować decyzje na podstawie aktualnej cyfrowej reprezentacji swojego magazynu.
Autonomiczny mobilny robot Dexory może skanować regały magazynowe o pełnej wysokości do 18 metrów. Jakie wyzwania inżynieryjne, sensoryczne i związane ze sztuczną inteligencją trzeba było rozwiązać, aby działał dokładnie i bezpiecznie w takiej skali?
Wyzwanie nie polega jedynie na osiągnięciu 18 metrów, ale na rejestrowaniu dokładnych i spójnych danych podczas autonomicznego poruszania się w zatłoczonym środowisku magazynowym. Wymaga to połączenia solidnej inżynierii mechanicznej z lokalizacją, czujnikami i widzeniem komputerowym, które mogą działać niezawodnie w różnych warunkach oświetleniowych, konfiguracjach regałów i typach zapasów. Bezpieczeństwo jest podstawą, dlatego cały system jest zaprojektowany tak, aby przewidywalnie współpracował z ludźmi i istniejącym sprzętem magazynowym.
Roboty Dexory zeskanowały już ponad miliard lokalizacji magazynowych na całym świecie. Jak skala i różnorodność tych danych rzeczywistych wpływają na poprawę widzenia komputerowego platformy, wykrywania anomalii i możliwości predykcyjnych?
Rzeczywiście zgromadziliśmy największy zestaw danych fizycznych magazynów, co stawia nas w wyjątkowej pozycji, aby naprawdę się z nich uczyć i budować własne modele magazynowe. Skala ma znaczenie, ponieważ każdy magazyn wprowadza inne układy, produkty, opakowania i warunki operacyjne, tworząc niezwykle różnorodny zestaw danych rzeczywistych. Ta różnorodność pomaga nam nieustannie ulepszać sposób, w jaki platforma interpretuje środowiska magazynowe, identyfikuje anomalie i odróżnia istotne problemy operacyjne od szumu. Z czasem tworzy to podstawę coraz bardziej predyktywnej inteligencji, pomagając klientom zrozumieć nie tylko to, co się dzieje, ale także co prawdopodobnie wydarzy się w przyszłości.
Magazyny często opierają się na systemach zarządzania magazynem (WMS), platformach planowania zasobów przedsiębiorstwa (ERP) oraz ręcznych zapisach inwentarza. Jak Dexory rozwiązuje niezgodności między tym, co roboty fizycznie obserwują, a tym, co te istniejące systemy zgłaszają?
Dexory dostarcza niezależny widok rzeczywistości fizycznej i porównuje go z tym, co istniejące systemy magazynowe zakładają, że powinno się tam znajdować. Dzięki integracji z systemami takimi jak WMS i platformy ERP, DexoryView może ujawniać niezgodności między cyfrowymi zapisami a rzeczywistym stanem magazynu, co pozwala zespołom szybko je badać i rozwiązywać. Nie zastępujemy tych kluczowych systemów, lecz zapewniamy im znacznie dokładniejsze i szybsze źródło inteligencji z rzeczywistego świata, jednocześnie je koordynując.
Sztuczna inteligencja fizyczna jest często omawiana w kontekście robotów humanoidalnych, podczas gdy Dexory opracował wysoce wyspecjalizowany system do inteligencji magazynowej. Dlaczego roboty dedykowane konkretnym zadaniom są obecnie lepiej dopasowane do logistyki i gdzie przewidujesz największe postępy sztucznej inteligencji fizycznej w ciągu najbliższej dekady?
W logistyce niezawodność, bezpieczeństwo i wymierny zwrot z inwestycji są ważniejsze niż budowanie robota, który potrafi wszystko, dlatego systemy dedykowane konkretnym zadaniom są dziś tak skuteczne. Roboty zaprojektowane z myślą o określonym środowisku mogą być zoptymalizowane pod kątem konkretnych warunków, co czyni je bardziej odpornymi na wymagania rzeczywistych operacji magazynowych i lepiej zdolnymi do konsekwentnego działania w zmieniających się warunkach. Dostarczają wartość w skali, nie wymagając od magazynów przekształcania procesów wokół technologii. W ciągu najbliższej dekady spodziewam się, że sztuczna inteligencja fizyczna stanie się coraz bardziej autonomiczna i adaptacyjna, a maszyny przejdą od wykonywania z góry określonych zadań do rozumienia otoczenia i pomagania w określaniu najlepszych działań.
Poza przyspieszeniem liczenia zapasów, gdzie klienci dostrzegają największą wartość operacyjną płynącą z inteligencji magazynowej w czasie rzeczywistym, czy to w zakresie wykorzystania przestrzeni, uzupełniania, bezpieczeństwa, zgodności czy odporności łańcucha dostaw?
Największa wartość wynika z zapewnienia operatorom widoczności, której nie dało się osiągnąć za pomocą okresowych ręcznych kontroli. Inteligencja magazynowa w czasie rzeczywistym może ujawnić niewykorzystaną przestrzeń, niezgodności w inwentarzu, problemy z uzupełnianiem oraz wąskie gardła operacyjne znacznie wcześniej, co pozwala zespołom działać zanim staną się kosztownymi problemami. Ostatecznie umożliwia to magazynom większą efektywność i odporność, ponieważ decyzje opierają się na tym, co naprawdę dzieje się na podłodze.
Jak daleko może rozwijać się inteligencja magazynowa, od identyfikacji problemów takich jak niewłaściwie umieszczony inwentarz, uszkodzone towary lub niebezpieczne warunki przechowywania, po rekomendowanie lub autonomiczne inicjowanie działań naprawczych?
Widzimy, że inteligencja magazynowa rozwija się od widoczności, poprzez rekomendacje, aż po coraz bardziej autonomiczne podejmowanie decyzji. Pierwszym krokiem jest dokładne zrozumienie środowiska fizycznego, aby zidentyfikować problem, a następnie dodanie kontekstu z innych systemów w celu zalecenia najskuteczniejszej reakcji. W miarę rosnącego zaufania do tych systemów pojawią się możliwości automatycznego uruchamiania niektórych działań, przy jednoczesnym zachowaniu ludzi w roli kontrolujących decyzje o większym wpływie.
W miarę jak magazyny stają się coraz bardziej zautomatyzowane, które role pozostaną wyjątkowo dopasowane do ludzi i jak firmy powinny przygotować pracowników do efektywnej współpracy z robotami, cyfrowymi bliźniakami i systemami decyzyjnymi opartymi na sztucznej inteligencji?
Automatyzacja powinna wyeliminować powtarzalne, fizycznie wymagające zadania i dać ludziom więcej czasu na skupienie się na ocenie, rozwiązywaniu problemów i zarządzaniu wyjątkami. Najcenniejsze role będą coraz bardziej polegały na interpretacji informacji, podejmowaniu złożonych decyzji oraz usprawnianiu funkcjonowania operacji, zamiast ręcznego zbierania danych. Firmy powinny więc inwestować w umiejętności cyfrowe i pomagać pracownikom zrozumieć, jak wykorzystać AI i robotykę jako narzędzia wzmacniające ich kompetencje.
Wspominałaś o potrzebie uczynienia robotyki bardziej dostępną dla kobiet. Jakie praktyczne zmiany są potrzebne, aby przyciągnąć więcej kobiet do tej branży?
Musimy poszerzyć zarówno drogi wejścia do robotyki, jak i postrzeganie, jak wygląda kariera w tej branży. Sektor obejmuje dziś inżynierię, oprogramowanie, naukę o danych, projektowanie produktów, operacje, UX, strategię handlową, wdrożenia oraz obsługę klienta, a tę różnorodność trzeba komunikować wyraźniej. Większa widoczność kobiet i osób z różnorodnych środowisk poprzez studia przypadków, możliwości wystąpień i publiczne przykłady może pomóc przyszłym talentom zobaczyć liczne ścieżki kariery, a także wcześniejsze zapoznanie i jaśniejsze drogi wejścia do tej dziedziny. Jednak przyciąganie kobiet to tylko część wyzwania; firmy muszą także budować inkluzywne środowiska, w których kobiety mogą awansować na stanowiska wyższe i przywódcze, zapewniając, że uwaga nie skupia się wyłącznie na reprezentacji na poziomie początkowym, ale na umożliwieniu długoterminowych, zrównoważonych karier w robotyce.
Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej o tej firmie robotycznej, powinni odwiedzić Dexory.
