Дэвид Пинн, генеральный директор Brain Corp — серия интервью

Дэвид Пинн является генеральным директором Brain Corp, где он провёл почти девять лет, формируя стратегию компании, финансовые операции и переход к бизнесу робототехники, управляемой программным обеспечением. Он присоединился к Brain Corp в 2017 году в качестве вице‑президента по стратегии и продвигался по старшим ролям в стратегии и финансах, прежде чем стать CEO в 2022 году. За время своего руководства Пинн помог провести крупные привлечения капитала, перейти от модели, ориентированной на оборудование, к регулярному программному доходу, расширить деятельность в области захвата и аналитики роботизированных данных, а также установить стратегические партнёрства с глобальными производителями оригинального оборудования (OEM). Ранее в своей карьере он занимал позиции в финансах и стратегии в Qualcomm, консультировал технологические стартапы с венчурным финансированием, работал с компаниями портфеля L Catterton и начал карьеру в Teradyne в инженерии и технических продажах, получив опыт в робототехнике, полупроводниках, финансах, корпоративном развитии и коммерциализации технологий.

Brain Corp — компания, занимающаяся робототехникой и физическим ИИ, разрабатывающая BrainOS® — корпоративную платформу автономии, предназначенную для масштабного развертывания и управления автономными мобильными роботами производителями и предприятиями. BrainOS управляет более чем 50 000 роботами на шести континентах и накопил более 25 миллионов часов реальной эксплуатации, поддерживая такие применения, как автономная уборка полов, сбор данных о запасах и полках, а также перемещение материалов в магазинах розничной торговли, складах, аэропортах, медицинских учреждениях и коммерческих зданиях. Платформа объединяет навигацию на основе ИИ, семантическое 3D‑картирование, системы безопасности, облачное управление флотом, аналитику и интеграцию с корпоративными системами; собранные данные с развернутого флота помогают со временем улучшать навигацию и надёжность. Последние разработки включают BrainOS Clean 2.0 и SelfPath™ AI, позволяющие роботам‑уборщикам автоматически генерировать и адаптировать маршруты без необходимости ручного обучения путей.

Ваша карьера перешла от инженерной работы в области радиочастотных и беспроводных систем к стратегическим финансам, трансформации SaaS и теперь к роли генерального директора Brain Corp. Как сочетание технической и финансовой дисциплины сформировало ваш взгляд на то, что компании покупают не «роботов», а измеримые операционные результаты?

Моя ранняя карьера началась в технических продажах, когда я продавал оборудование для производства полупроводников от Teradyne. Через множество проб и ошибок я усвоил важный урок: существует большой разрыв между тем, что я считал важным — обычно техническими характеристиками, — и тем, что действительно волнует покупателя. Я понял, что покупателя интересует бизнес‑результат и то, доверяет ли он мне и моей команде его достижение.

Позже, когда я перешёл в робототехнику, этот урок усилился. Каждая технологическая инвестиция конкурирует за капитал, и система не получает признания лишь за свою техническую впечатляющесть. В робототехнике легко увлечься самой машиной. Однако розничный продавец не просыпается с желанием купить робота. Он хочет более чистые полы, высокоточное учёт товаров и больше времени для сотрудников, чтобы они могли обслуживать клиентов. Робот — лишь средство доставки этого результата.

В Brain Corp мы начинаем с проблемы клиента, определяем бизнес‑результат и от него отходим назад к уровню автономии и необходимым данным. Мой инженерный опыт помогает понять, насколько сложна фундаментальная техническая задача, но мои навыки в продажах и финансах удерживают меня от сосредоточения лишь на решении, проверяя, создаёт ли оно масштабируемый, коммерчески жизнеспособный бизнес. Нужно и то, и другое. Робот, который работает, но не приносит экономической отдачи, — это научный проект, а не продукт, а финансовая модель, построенная на ненадёжной технологии, не является бизнесом.

При большом внимании к гуманоидным и универсальным роботам, что, по вашему мнению, рынок недооценивает в том, что предприятия действительно нуждаются от робототехники сегодня?

Острый взгляд: одержимость отрасли гуманоидными роботами в коммерческих и промышленных условиях — это отвлечение.

Стандартный аргумент, который слышат от сторонников гуманоидов: «Мир построен для людей, поэтому роботы должны быть похожи на людей». Это может быть верно в жилых условиях, но для корпоративных сред это фундаментально неверно.

Посмотрите на склад. Он построен не для людей, а для погрузчиков, подъемников и тяжёлой техники. Посмотрите на розничные магазины, школы, отели, больницы и аэропорты. Требования доступности для инвалидных колясок означают, что эти помещения имеют ровные полы, пандусы, широкие проходы и лифты. Коммерческие и промышленные здания спроектированы для передвижения на колесах.

Понимая это, быстро становится ясно, что установка ног на коммерческий робот — ненужный риск и огромная трата средств. Зачем разрабатывать дорогую, хрупкую двухногую систему для перемещения в пространстве, уже приспособленном к колесам? Колёса дешевле, надёжнее и лучше справляются с нагрузкой.

Как я уже упоминал, робот без экономической отдачи — лишь научный проект. Создание высоко‑сложного гуманоидного робота лишь для того, чтобы пройти по ровному, доступному для инвалидных колясок полу, — это высший научный проект. Это решение проблемы передвижения, которой нет. Предприятиям не нужны машины, имитирующие человека; им нужны инструменты, надёжно обеспечивающие конкретный бизнес‑результат. И в коммерческих сценариях колёса выигрывают каждый раз.

Brain Corp работает в грязных, публичных, высоко проходимых средах, таких как магазины, аэропорты, склады, больницы и кампусы. Какие самые сложные реальные проблемы не появляются в демонстрациях робототехники?

Индустрия автономных транспортных средств на собственном опыте убедилась, насколько вводящие в заблуждение могут быть демонстрации. Мы видели демонстрации самоуправляемых автомобилей более десяти лет назад, но потребовалось ещё десять‑пятнадцать лет интенсивной инженерной работы, чтобы действительно вывести на рынок коммерческие такси без водителя. Почему? Из‑за того, что отрасль называет «марш девяток».

Достичь 90 % надёжности системы — это отличная демонстрация. Достичь 99 % — огромное инженерное достижение. Но когда вы управляете флотом в десятки тысяч роботов в тысячах публичных мест, 99 % надёжности недостаточно.

В реальной коммерческой среде люди меняют направление без предупреждения. Тележки оставляют в проходах. Витрины перемещаются за ночь. Поддоны блокируют маршруты. Полы могут быть отражающими, мокрыми, неровными или покрытыми мусором. Двери открываются и закрываются, меняется освещение, а сотрудники находят собственные способы взаимодействия с машиной. Робот также может столкнуться с детьми, людьми, использующими вспомогательные средства передвижения, рассеянными покупателями, погрузчиками или кем‑то, кто просто решает встать ему на путь.

Самая сложная задача — не навигация, когда всё работает как ожидалось, а плавная адаптация к неожиданным ситуациям. Может ли робот понять, почему его путь заблокирован, найти безопасную альтернативу и выполнить задачу? Может ли он сделать это без создания дополнительной нагрузки для сотрудников и в масштабе миллионов часов?

Существует также социальный аспект, который часто упускают демонстрации. Людям необходимо понимать намерения робота. Его движения должны быть предсказуемыми, сигналы — ясными, а он должен вписываться в существующие человеческие рабочие процессы, а не заставлять всех вокруг приспосабливаться.

Для нас ИИ в реальном мире означает «просто работает». Пограничные случаи находятся не на краю, а в самой среде. Создание под такие условия требует лет эксплуатационного обучения, продуманной архитектуры безопасности и неустанного внимания к деталям, невидимым в смоделированном видео.

Когда компания оценивает окупаемость инвестиций в робототехнику, какие метрики имеют наибольшее значение: сэкономленные часы труда, согласованность задач, время безотказной работы, сбор данных, безопасность, опыт клиентов или что‑то ещё?

Все перечисленное.

Сэкономленные часы труда полезны, но не дают полной картины. Во многих отраслях проблема не только в высокой стоимости труда; проблема в том, что привлечение квалифицированных сотрудников сложно, текучка высока, а важные задачи выполняются непоследовательно из‑за перегруженных команд. В такой ситуации завершение задач, их частота и согласованность могут быть ценнее, чем теоретическое сокращение численности персонала.

Следующий уровень — оперативная эффективность: время безотказной работы, автономное использование, успешное выполнение задач, покрытие и степень необходимого надзора. Робот, который технически работает многие часы, но часто требует спасения, не обеспечивает значимую автономию.

Улучшения в области безопасности и соблюдения нормативов также не следует упускать из расчётов ROI. Робот‑уборщик снижает нагрузку и травмы на рабочем месте, предоставляя сотрудникам больше времени для обслуживания клиентов и выполнения более ценных задач. Робот‑инвентаризатор повышает наличие товаров на полках, точность ценообразования и согласованность исполнения. Роботы также создают новый уровень оперативной видимости, собирая надёжные, повторяющиеся данные о происходящем в физической среде.

Ключевой момент — установить реальную базовую линию перед внедрением и измерять эффективность на протяжении всего жизненного цикла, включая внедрение, поддержку, обслуживание, обучение и интеграцию.

Brain Corp уникальна в сфере робототехники тем, что работает как SaaS‑платформа с повторяющейся подпиской. Почему программное обеспечение, данные и оркестрация флота становятся важнее, чем сама форма робота?

Аппаратное обеспечение определяет, что робот физически способен делать. Программное обеспечение определяет, насколько надёжно он это делает, насколько легко его развернуть, насколько безопасно интегрировать в предприятие и будет ли он становиться более полезным со временем.

Без единого программного и облачного уровня робот представляет собой изолированную машину. Он может выполнять одну задачу в одном объекте, но его трудно мониторить, обновлять, интегрировать с корпоративными системами или координировать с более широким флотом. Это приводит к фрагментации, когда компании добавляют разные типы роботов, каждый со своим интерфейсом, моделью поддержки, данными и процедурами эксплуатации.

Платформа меняет эту ситуацию. С нашей платформой автономии BrainOS® мы предоставляем общую основу автономии, безопасности, данных и управления флотом для различных машин и приложений. Наши партнёры могут сосредоточиться на своей экспертизе в области аппаратного обеспечения и глубоком понимании проблемы клиента, вместо того чтобы каждый раз воссоздавать всю инфраструктуру автономии и облака для нового продукта.

Программное обеспечение также позволяет ценность машины нарастать. Мы можем внедрять новые возможности через OTA‑обновления, учиться на поведении роботов во всём флоте, улучшать эффективность и реагировать на новые пограничные случаи без замены аппаратуры. Традиционное промышленное оборудование обычно обесценивается с момента установки. Подключённая автономная система становится более способной в течение всего жизненного цикла.

Форма будет по‑прежнему важна, поскольку физический дизайн должен соответствовать задаче. Но формы будут эволюционировать. Более стойкая ценность заключается в интеллекте, операционной инфраструктуре и слое данных, которые могут применяться в любой задаче. Поэтому мы описываем BrainOS® как платформу автономии для реального мира, а не как операционную систему для одного конкретного робота.

Роботы на базе BrainOS теперь применяются не только для уборки, но и для аналитики полок, видимости запасов и перемещения материалов. Как вы видите эволюцию роботов от инструментов автоматизации задач к мобильным платформам данных?

Наша платформа BrainOS® обеспечивает предприятия инфраструктурой, необходимой для создания, развертывания и поддержки автономных решений в масштабе предприятия. Мы предоставляем базовый слой автономии и интеллекта, позволяя нашим партнёрам сосредоточиться на том, что они делают лучше всего: решении конкретных реальных бизнес‑проблем. Такой уникальный подход позволил нам быстро масштабироваться и дал возможность предприятиям создавать не только роботов, но и целый бизнес в области робототехники.

Роботизированный уход за полом стал одним из первых коммерческих применений, достигших значительного масштаба, поскольку решал очевидную, повторяющуюся операционную задачу; в любой коммерческой среде есть грязный пол, а многие сталкиваются с проблемами труда. Мы достигли этого масштаба совместно с нашим партнёром Tennant Company, лидером в области ухода за полами более 150 лет, который теперь превратился в одного из крупнейших в мире производителей коммерческих роботов.

Затем, благодаря работе с крупными предприятиями в сфере розничной торговли и логистики, мы обнаружили фундаментальную истину: хотя эти операции точно знают, какие товары поступают и выходят из их объектов, им часто не хватает видимости того, что происходит на полу магазина или склада. Мобильный робот — один из немногих систем, который постоянно перемещается по физической среде, что делает его уникально способным захватывать эту реальную информацию в масштабе. Чтобы решить эту задачу, мы сотрудничали с Driveline Retail, ведущим мерчендайзером, и Dane Technologies, лидером в области складского оборудования, чтобы вывести на рынок отслеживание запасов и интеллектуальную аналитику полок в масштабе предприятия.

Когда вы расширяете применение в области видимости запасов, сбор данных — лишь часть уравнения. Большинство складов и розничных продавцов хотят не просто миллионы сырых изображений; им необходимо точно знать, какой товар отсутствует, какая цена неверна, где находится потерянный поддон и какое конкретное действие должен выполнить сотрудник дальше. Brain Corp предоставляет передовое компьютерное зрение и ИИ, необходимые для преобразования этих сырых наблюдений в точные, приоритетные бизнес‑решения.

Независимо от формы робота, эти системы также открывают возможность предприятиям создавать постоянно обновляемые цифровые двойники своих объектов. Поскольку наши роботы безопасно и надёжно перемещаются по всей площади, они выступают в роли мобильных платформ данных, фиксируя детализированную информацию о объекте. Это может означать, например, проверку местоположения огнетушителя, выявление неисправного морозильника или картирование зон с плохим покрытием Wi‑Fi.

Что отличает развертывание робототехники, успешно работающее в одной пилотной локации, от того, которое может масштабироваться на тысячи корпоративных площадок?

Пилотные проекты вознаграждают возможность. Масштабирование вознаграждает надёжность.

Пилот может быть успешным, потому что рядом стоит лучший инженер, среда тщательно подготовлена, и кто‑то тихо решает исключения за кулисами. Всё это не работает при развертывании на сотнях или тысячах площадок. В такой момент каждый ручной шаг становится источником затрат и отказов.

Масштабируемое развертывание требует повторяемости с самого начала. Робот должен быть прост в настройке, интуитивен для сотрудников первой линии, доступен для удалённого наблюдения и способен получать программные обновления без посещения каждой площадки. Организация также нуждается в зрелых системах кибербезопасности, сертификации безопасности, поддержке, обучении, обслуживании, аналитике и интеграции с существующими технологиями заказчика.

Управление изменениями столь же важно. Люди, работающие рядом с роботом, должны понимать, что он делает, какие у него ограничения и как он вписывается в их обязанности. Развертывания терпят неудачу, когда технология технически исправна, но ответственность за её эксплуатацию неясна.

Наконец, экономика должна работать как для клиента, так и для поставщика робототехники. Это требует инфраструктуры робототехники, которая с каждым развертыванием становится более экономичной и надёжной.

Эту совокупность проблем мы называем «пробелом автономии». Создание работающего прототипа — лишь часть создания бизнеса в области робототехники. Гораздо более сложная работа — превратить прототип в безопасный, поддерживаемый, повторяемый продукт, который продолжает работать, когда специалисты покидают здание.

Недавняя работа Brain Corp по контекстуальному заземлению и семантическому картированию указывает на более интеллектуальный слой физического ИИ. Почему «понимание среды» — следующая крупная граница для автономных роботов?

Традиционная навигация в основном является геометрической задачей: Где я нахожусь, куда могу переместиться и чего следует избегать? Контекстуальное заземление добавляет гораздо более широкий набор вопросов: Что происходит вокруг меня? Что это за объекты? Как люди, вероятно, будут взаимодействовать с ними? Какое поведение уместно в данной конкретной ситуации?

Базовая система навигации может увидеть, что что‑то занимает пространство. Система, учитывающая контекст, должна точно понимать, что это за объект, почему он находится здесь, что он делает и, в конечном итоге, как вести себя рядом с ним. Эти различия важны, поскольку правильный ответ различается в каждом случае.

Это становится особенно важным, когда робототехника начинает включать более генеративный ИИ, модели «зрение‑язык» и другие вероятностные системы. Такие модели могут привнести огромный интеллект и гибкость, но правдоподобный ответ недостаточен, когда программное обеспечение управляет физической машиной. Действие должно быть основано на реальной геометрии, условиях, требованиях безопасности и социальном контексте среды.

Мы считаем, что решение состоит в сочетании передового ИИ с постоянным контекстуальным представлением физического мира и детерминированными средствами безопасности. Это позволяет роботу использовать всё более мощные модели ИИ, не позволяя вероятностному интеллекту работать без ограничений.

Как бизнесу следует рассматривать доверие при развертывании роботов рядом с сотрудниками, клиентами и широкой общественностью?

Во‑первых, необходимо признать фундаментальную истину: роботы отличаются от прочих корпоративных технологий. Ошибка в программном обеспечении может привести к сбою ноутбука, но ошибка в машине весом в 1 000 фунтов, перемещающейся по переполненному торговому проходу, имеет совершенно иные последствия. Бизнесы не могут просто рассматривать робота как ещё один элемент подключённого ИТ‑оборудования.

Доверие к робототехнике заслуживается каждый день. В то время как FCC ограничивает одобрение импортных роботов из‑за проблем безопасности, планка доверия никогда не была выше. По мере масштабирования физического ИИ в наших больницах, аэропортах, складах и продуктовых магазинах, бизнесу необходимо оценивать доверие по нескольким отдельным уровням: физическая безопасность, конфиденциальность данных и интеграция с людьми.

Продвинутый ИИ удивителен тем, что делает робота «умным» для навигации в сложных средах, но интеллект и безопасность — это не одно и то же. Доверенный робот разделяет их. Он должен иметь выделенные, резервные аппаратные средства безопасности, способные переопределять систему. Безопасность должна быть жёстко закодирована, а не обучаема.

Кроме того, роботы, передвигающиеся в публичных пространствах, по сути являются передвижными платформами данных. Они используют камеры и датчики для восприятия мира. Бизнесы должны требовать от поставщиков полной прозрачности: Что видит робот? Куда идут эти данные? Кто имеет к ним доступ? Конфиденциальность и кибербезопасность не могут быть «добавлены» после развертывания в виде PR‑мероприятия; они должны быть встроены в архитектуру системы с первого дня.

Самая большая ошибка компаний — внедрять робота в объект без учёта управления изменениями. Нельзя требовать от сотрудников или клиентов принимать робототехнику на веру. Сотрудники должны быть вовлечены заранее, пройти надлежащую подготовку и увидеть, как машина облегчает их ежедневные задачи и повышает безопасность. Они должны знать, кто отвечает в случае проблем и как при необходимости вмешаться.

В конечном итоге, сертификаты, аудиты и меры безопасности — лишь базовые доказательства. Настоящее доверие строится через повторяющийся опыт. Когда робот работает безопасно, постоянно уважает личное пространство клиента и ежедневно освобождает сотрудника от скучной, грязной работы, он просто становится частью команды.

Смотрим в будущее: где, по вашему мнению, коммерческая робототехника создаст наибольшую ценность в течение следующих пяти лет — в розничной торговле, логистике, здравоохранении, производстве, аэропортах или в совершенно другом секторе?

Наибольшая ценность, как правило, возникает в крупных, распределённых и ограниченных в трудовых ресурсах средах. Они имеют повторяющиеся задачи, которые сложно выполнять последовательно.

Цепочка поставок: от производства до логистики и розничной торговли объединяет все эти условия. Магазины — сложные публичные пространства, доступность рабочей силы постоянно проблематична, а небольшие операционные проблемы (пустая полка, неверная цена, задержка уборки) могут напрямую влиять на опыт клиентов и финансовые показатели. Логистика и производство также создадут огромную ценность благодаря видимости запасов, перемещению материалов и координации в всё более автоматизированных объектах.

Однако наибольшая ценность не будет определяться одной отраслью. Это будет сдвиг в том, как предприятия приобретают робототехнику. В частности, в ближайшие пять лет произойдёт «смерть» изолированных проектов робототехники.

Сейчас предприятия реализуют сильно фрагментированные инициативы. Они покупают один робот у компании A для уборки полов, другой у компании B для сканирования запасов и третий у компании C для перемещения материалов. Каждый из них имеет собственное локальное представление о мире, не совместимое с другими. Это операционный кошмар, который не масштабируется.

В течение следующих пяти лет создание ценности будет происходить за счёт общего контекста и выполнения. Предприятия перестанут покупать фрагментированные роботы и начнут инвестировать в единый фундамент физического ИИ. Они захотят одну программную платформу, один слой автономии и один поток данных, который управляет разнообразным флотом машин, делится контекстом среды и централизованно оркестрирует автоматизацию целых объектов, а не отдельных задач.

Так ИИ выходит за рамки амбиций, делая реальный мир более эффективным.

Спасибо за отличное интервью; читатели, желающие узнать больше, могут посетить Brain Corp.