David Pinn, CEO ของ Brain Corp – ซีรีส์สัมภาษณ์

David Pinn เป็น CEO ของ Brain Corp ซึ่งเขาได้ใช้เวลาประมาณเก้าปีในการช่วยกำหนดกลยุทธ์ของบริษัท, การดำเนินงานด้านการเงิน, และการเปลี่ยนแปลงไปสู่ธุรกิจหุ่นยนต์ที่ขับเคลื่อนด้วยซอฟต์แวร์ เข้าร่วม Brain Corp ในปี 2017 ในตำแหน่งรองประธานฝ่ายกลยุทธ์และก้าวหน้าในบทบาทกลยุทธ์และการเงินระดับสูงก่อนจะขึ้นเป็น CEO ในปี 2022 ตลอดระยะเวลาที่ดำรงตำแหน่ง Pinn ได้ช่วยนำการระดมทุนหลักหลายครั้ง, การเปลี่ยนแปลงของบริษัทจากโมเดลที่เน้นฮาร์ดแวร์ไปสู่รายได้ซอฟต์แวร์ที่ต่อเนื่อง, การขยายไปสู่การเก็บข้อมูลและวิเคราะห์ด้วยหุ่นยนต์, และการเป็นพันธมิตรเชิงกลยุทธ์กับผู้ผลิตอุปกรณ์ต้นแบบระดับโลก (OEM) ก่อนหน้านี้เขาเคยดำรงตำแหน่งด้านการเงินและกลยุทธ์ที่ Qualcomm, ให้คำปรึกษาแก่สตาร์ทอัพเทคโนโลยีที่ได้รับการสนับสนุนจากนักลงทุน, ทำงานกับบริษัทในพอร์ตโฟลิโอของ L Catterton, และเริ่มต้นอาชีพที่ Teradyne ในด้านวิศวกรรมและการขายเชิงเทคนิค ทำให้เขามีพื้นฐานที่ครอบคลุมหุ่นยนต์, เซมิคอนดักเตอร์, การเงิน, การพัฒนาธุรกิจ, และการนำเทคโนโลยีสู่ตลาด

Brain Corp เป็นบริษัทด้านหุ่นยนต์และ AI ทางกายภาพที่พัฒนา BrainOS® ซึ่งเป็นแพลตฟอร์มอิสระระดับองค์กรออกแบบมาเพื่อให้ผู้ผลิตและธุรกิจสามารถปรับใช้และจัดการหุ่นยนต์เคลื่อนที่อิสระในระดับใหญ่ BrainOS ให้พลังงานกับหุ่นยนต์กว่า 50,000 ตัวทั่วหกทวีปและสะสมเวลาการทำงานจริงกว่า 25 ล้านชั่วโมง รองรับการใช้งานรวมถึงการทำความสะอาดพื้นอัตโนมัติ, การเก็บข้อมูลสินค้าคงคลังและชั้นวาง, และการเคลื่อนย้ายวัสดุในสภาพแวดล้อมเช่น ร้านค้าปลีก, คลังสินค้า, สนามบิน, สถานพยาบาล, และอาคารเชิงพาณิชย์ แพลตฟอร์มนี้รวมการนำทางด้วย AI, การทำแผนที่ 3 มิติเชิงความหมาย, ระบบความปลอดภัย, การจัดการฝูงคลาวด์, การวิเคราะห์, และการผสานกับระบบองค์กร พร้อมข้อมูลที่รวบรวมจากฝูงหุ่นยนต์ที่ปรับใช้ช่วยปรับปรุงการนำทางและความน่าเชื่อถือเมื่อเวลาผ่านไป การพัฒนาล่าสุดรวมถึง BrainOS Clean 2.0 และ SelfPath™ AI ซึ่งทำให้หุ่นยนต์ทำความสะอาดสามารถสร้างและปรับเส้นทางโดยอัตโนมัติโดยไม่ต้องพึ่งพาเส้นทางที่ฝึกด้วยมือ

อาชีพของคุณได้เปลี่ยนจากงานวิศวกรรมในระบบความถี่วิทยุและระบบไร้สายไปสู่การเงินเชิงกลยุทธ์, การเปลี่ยนแปลงสู่ SaaS, และปัจจุบันเป็นผู้นำระดับ CEO ที่ Brain Corp. การผสมผสานระหว่างเทคนิคและการเงินนี้ได้หล่อหลอมมุมมองของคุณอย่างไรที่ว่าธุรกิจไม่ได้ซื้อ “หุ่นยนต์” แต่เป็นผลลัพธ์การดำเนินงานที่วัดได้?

อาชีพแรกของฉันเริ่มจากการขายเชิงเทคนิค, ขายอุปกรณ์การผลิตเซมิคอนดักเตอร์ให้กับ Teradyne. ผ่านการลองและผิดพลาดหลายครั้ง, ฉันได้เรียนรู้บทเรียนสำคัญตั้งแต่ต้น: มีช่องว่างใหญ่ระหว่างสิ่งที่ฉันคิดว่ามีความสำคัญ—โดยส่วนใหญ่คือสเปคทางเทคนิค—กับสิ่งที่ผู้ซื้อจริงๆ ใส่ใจ ฉันเรียนรู้ว่าผู้ซื้อจริงๆ ใส่ใจผลลัพธ์ทางธุรกิจ, และว่าพวกเขาเชื่อใจฉันและทีมของฉันในการส่งมอบผลลัพธ์นั้น

เมื่อฉันเปลี่ยนเข้าสู่วงการหุ่นยนต์, บทเรียนนั้นยิ่งเด่นชัดขึ้น การลงทุนเทคโนโลยีทุกอย่างต้องแข่งขันเพื่อเงินทุน, และระบบไม่สามารถได้รับการยอมรับเพียงเพราะเป็นเทคนิคที่น่าประทับใจ ในหุ่นยนต์, เราง่ายต่อการหลงใหลในเครื่องเอง แต่ผู้ค้าปลีกไม่ได้ตื่นขึ้นมาต้องการหุ่นยนต์ พวกเขาต้องการพื้นที่สะอาด, สต็อกที่แม่นยำสูง, และเวลามากขึ้นสำหรับพนักงานให้บริการลูกค้า หุ่นยนต์เป็นเพียงยานพาหนะในการส่งมอบผลลัพธ์นั้น

ที่ Brain Corp, เราเริ่มจากปัญหาของลูกค้า, กำหนดผลลัพธ์ทางธุรกิจ, แล้วทำงานย้อนกลับไปยังชั้นอิสระและข้อมูลที่จำเป็นเพื่อให้ได้ผลลัพธ์นั้น พื้นฐานด้านวิศวกรรมของฉันช่วยให้ฉันเข้าใจว่าปัญหาทางเทคนิคที่ซับซ้อนแค่ไหน, แต่ประสบการณ์ด้านการขายและการเงินทำให้ฉันมุ่งเน้นว่าการแก้ปัญหานั้นจะสร้างธุรกิจที่สามารถขยายได้และมีความคุ้มค่าทางการค้า หรือไม่ คุณต้องการทั้งสองอย่าง หุ่นยนต์ที่ทำงานได้แต่ไม่ให้ผลตอบแทนทางเศรษฐกิจเป็นโครงการวิทยาศาสตร์, ไม่ใช่ผลิตภัณฑ์, และโมเดลการเงินที่สร้างบนเทคโนโลยีที่ไม่น่าเชื่อถือก็ไม่ใช่ธุรกิจ

เมื่อมีความสนใจมากมายที่มุ่งไปที่หุ่นยนต์รูปมนุษย์และหุ่นยนต์อเนกประสงค์, คุณคิดว่าตลาดเข้าใจผิดอย่างไรเกี่ยวกับสิ่งที่องค์กรจริงๆ ต้องการจากหุ่นยนต์ในวันนี้?

มุมมองที่ชัดเจน: การที่อุตสาหกรรมหมกมุ่นกับหุ่นยนต์รูปมนุษย์ในสภาพแวดล้อมเชิงพาณิชย์และอุตสาหกรรมเป็นสิ่งที่ทำให้เสียโฟกัส

ข้อโต้แย้งมาตรฐานที่คุณได้ยินจากผู้สนับสนุนหุ่นยนต์รูปมนุษย์คือ, “โลกถูกสร้างมาสำหรับมนุษย์, ดังนั้นหุ่นยนต์จึงต้องมีรูปร่างเหมือนมนุษย์” สิ่งนี้อาจเป็นจริงในสภาพแวดล้อมที่อยู่อาศัย, แต่สำหรับสภาพแวดล้อมขององค์กร, มันเป็นความจริงที่ผิดพื้นฐาน

มองที่คลังสินค้า มันไม่ได้ถูกสร้างมาสำหรับมนุษย์; มันถูกสร้างมาสำหรับรถยก, รถเข็นพาเลท, และเครื่องจักรหนัก. มองที่ร้านค้าปลีก, โรงเรียน, โรงแรม, โรงพยาบาล, และสนามบิน. ความต้องการการเข้าถึงด้วยรถเข็นทำให้พื้นที่เหล่านี้มีพื้นเรียบ, ทางลาด, ทางเดินกว้าง, และลิฟต์. อาคารเชิงพาณิชย์และอุตสาหกรรมถูกออกแบบมาสำหรับการเคลื่อนที่ด้วยล้อ

เมื่อคุณตระหนักถึงสิ่งนั้น, คุณจะเห็นได้อย่างรวดเร็วว่าการใส่ขาให้กับหุ่นยนต์เชิงพาณิชย์เป็นภาระที่ไม่จำเป็นและเป็นการเสียเงินอย่างมหาศาล ทำไมต้องออกแบบระบบสองขาที่แพงและเปราะบางเพื่อเคลื่อนที่ในพื้นที่ที่เหมาะกับล้ออยู่แล้ว? ล้อมีต้นทุนต่ำกว่า, มีความน่าเชื่อถือสูงกว่า, และรับน้ำหนักได้ดีกว่า

เช่นที่กล่าวไปก่อนหน้านี้, หุ่นยนต์ที่ไม่มีผลตอบแทนทางเศรษฐกิจเป็นเพียงโครงการวิทยาศาสตร์ การสร้างหุ่นยนต์รูปมนุษย์ที่ซับซ้อนเพื่อเดินบนพื้นเรียบที่เข้าถึงได้ด้วยรถเข็นเป็นโครงการวิทยาศาสตร์ขั้นสุดท้าย มันแก้ปัญหาการเคลื่อนที่ที่ไม่มีอยู่จริง องค์กรไม่ต้องการเครื่องจักรที่เลียนแบบมนุษย์; พวกเขาต้องการเครื่องมือที่ส่งมอบผลลัพธ์ทางธุรกิจที่เฉพาะเจาะจงอย่างเชื่อถือได้ และสำหรับการใช้งานเชิงพาณิชย์, ล้อชนะทุกครั้ง

Brain Corp ปฏิบัติงานในสภาพแวดล้อมที่ยุ่งเหยิง, สาธารณะ, มีคนเดินผ่านจำนวนมากเช่น ร้านค้า, สนามบิน, คลังสินค้า, โรงพยาบาล, และมหาวิทยาลัย. ปัญหาโลกจริงที่ยากที่สุดที่ไม่ปรากฏในการสาธิตหุ่นยนต์คืออะไร?

อุตสาหกรรมยานยนต์อัตโนมัติได้เรียนรู้อย่างยากลำบากว่าการสาธิตอาจหลอกลวง เราเห็นการสาธิตรถยนต์ขับเองเมื่อกว่าทศวรรษที่ผ่านมา, แต่ต้องใช้เวลาอีกสิบถึงสิบห้าปีของการวิศวกรรมอย่างเข้มข้นจึงจะเปิดตัวแท็กซี่ไร้คนขับเชิงพาณิชย์ ทำไม? เพราะอุตสาหกรรมเรียกปรากฏการณ์นี้ว่า “การเดินของเลข 9”

การทำให้ระบบมีความน่าเชื่อถือระดับ 90% ทำให้การสาธิตดูดี การทำให้ถึง 99% เป็นความสำเร็จด้านวิศวกรรมที่ใหญ่โต แต่เมื่อคุณดำเนินการฝูงหุ่นยนต์หลายหมื่นตัวในหลายพันสถานที่สาธารณะ, ความน่าเชื่อถือ 99% ยังไม่เพียงพอ

ในสภาพแวดล้อมเชิงพาณิชย์ที่ใช้งานจริง, ผู้คนเปลี่ยนทิศทางโดยไม่มีการแจ้งล่วงหน้า, รถเข็นช็อปปิ้งถูกทิ้งไว้ในทางเดิน, จอแสดงผลเคลื่อนย้ายในช่วงกลางคืน, พาเลทบังทาง, พื้นอาจเป็นเงา, เปียก, ไม่เรียบ, หรือเต็มไปด้วยเศษซาก, ประตูเปิดปิด, แสงสว่างเปลี่ยนแปลง, และพนักงานพัฒนาวิธีการโต้ตอบกับเครื่องเอง หุ่นยนต์อาจเจอเด็ก, ผู้ใช้อุปกรณ์ช่วยเคลื่อนที่, ลูกค้าหลงทาง, รถยก, หรือคนที่ตัดสินใจยืนนิ่งในเส้นทางของมัน

ปัญหาที่ยากที่สุดไม่ใช่การนำทางเมื่อทุกอย่างทำงานตามที่คาดหวัง แต่มันคือการปรับตัวอย่างสง่างามเมื่อมีสิ่งที่ไม่คาดคิดเกิดขึ้น หุ่นยนต์สามารถเข้าใจว่าทำไมเส้นทางของมันถูกบัง, หาทางเลือกที่ปลอดภัย, และทำภารกิจให้สำเร็จได้หรือไม่? มันทำได้โดยไม่สร้างงานเพิ่มให้พนักงานและในระดับที่ขยายได้ทั่วหลายล้านชั่วโมงหรือไม่?

ยังมีมิติทางสังคมที่การสาธิตมักมองข้าม ผู้คนต้องเข้าใจเจตนาของหุ่นยนต์ การเคลื่อนที่ของมันควรคาดเดาได้, สัญญาณควรชัดเจน, และควรเข้ากับกระบวนการทำงานของมนุษย์ที่มีอยู่แล้ว แทนที่จะบังคับให้ทุกคนปรับตัวให้เข้ากับมัน

สำหรับเรา AI ในโลกจริงหมายถึง “มันทำงานได้เลย”. กรณีขอบเขตไม่ได้อยู่ที่ขอบ, แต่เป็นสภาพแวดล้อม การสร้างสำหรับเงื่อนไขเหล่านั้นต้องอาศัยการเรียนรู้จากการปฏิบัติหลายปี, สถาปัตยกรรมความปลอดภัยที่ใส่ใจ, และการมุ่งเน้นรายละเอียดที่มองไม่เห็นในวิดีโอจำลอง

เมื่อบริษัทประเมิน ROI ของหุ่นยนต์, ตัวชี้วัดใดสำคัญที่สุด: ชั่วโมงแรงงานที่ประหยัด, ความสม่ำเสมอของงาน, เวลาทำงานต่อเนื่อง, การเก็บข้อมูล, ความปลอดภัย, ประสบการณ์ลูกค้า, หรืออย่างอื่น?

ทั้งหมดที่กล่าวมานั้นสำคัญ

การประหยัดชั่วโมงแรงงานเป็นประโยชน์, แต่ไม่สะท้อนภาพรวมทั้งหมด ในหลายอุตสาหกรรม, ปัญหาพื้นฐานไม่ได้เป็นแค่ค่าแรงงานที่สูง; การสรรหาบุคลากรที่มีคุณสมบัติเหมาะสมอาจเป็นเรื่องท้าทาย, การลาออกสูง, และงานสำคัญอาจทำได้ไม่สม่ำเสมอเพราะทีมทำงานหนักเกินไป ในสถานการณ์เช่นนั้น, การทำงานให้เสร็จ, ความถี่, และความสม่ำเสมออาจมีคุณค่ามากกว่าการลดจำนวนพนักงานในเชิงทฤษฎี

ชั้นต่อไปคือประสิทธิภาพการดำเนินงาน: เวลาทำงานต่อเนื่อง, การใช้หุ่นยนต์อย่างอิสระ, ความสำเร็จของการทำงาน, การครอบคลุม, และระดับการควบคุมที่ต้องการ หุ่นยนต์ที่ทำงานหลายชั่วโมงแต่ต้องบ่อยครั้งให้คนมาช่วยเหลือไม่ได้ให้ความอิสระที่มีความหมาย

การปรับปรุงด้านความปลอดภัยและการปฏิบัติตามกฎระเบียบไม่ควรถูกมองข้ามในโมเดล ROI อีกด้วย หุ่นยนต์ทำความสะอาดช่วยลดความเครียดและอาการบาดเจ็บในที่ทำงาน, ให้พนักงานมีเวลามุ่งเน้นที่ลูกค้าและงานที่มีมูลค่าสูงขึ้น หุ่นยนต์ตรวจนับสินค้าช่วยเพิ่มความพร้อมของสินค้าบนชั้น, ความแม่นยำของราคา, และความสม่ำเสมอของการดำเนินงาน หุ่นยนต์ยังสร้างชั้นการมองเห็นการดำเนินงานใหม่โดยการเก็บข้อมูลที่เชื่อถือได้และต่อเนื่องเกี่ยวกับสิ่งที่เกิดขึ้นทั่วสภาพแวดล้อมทางกายภาพ

กุญแจสำคัญคือการตั้งฐานข้อมูลจริงก่อนการใช้งานและวัดผลการทำงานตลอดวงจรชีวิตทั้งหมด, รวมถึงการนำไปใช้, การสนับสนุน, การบำรุงรักษา, การฝึกอบรม, และการผสานรวม

Brain Corp มีความเป็นเอกลักษณ์ในวงการหุ่นยนต์โดยดำเนินการเป็นแพลตฟอร์มหุ่นยนต์ SaaS ที่ต่อเนื่อง ทำไมซอฟต์แวร์, ข้อมูล, และการประสานงานฝูงจึงกลายเป็นสิ่งที่สำคัญกว่ารูปแบบของหุ่นยนต์เอง?

ฮาร์ดแวร์กำหนดว่าหุ่นยนต์สามารถทำอะไรได้ทางกายภาพ ซอฟต์แวร์กำหนดว่ามันทำได้อย่างน่าเชื่อถือแค่ไหน, สามารถปรับใช้ได้ง่ายแค่ไหน, สามารถผสานรวมกับระบบองค์กรได้อย่างปลอดภัยแค่ไหน, และจะมีประโยชน์เพิ่มขึ้นตามเวลาไหม

หากไม่มีซอฟต์แวร์และชั้นคลาวด์ที่เป็นหนึ่งเดียว, หุ่นยนต์จะเป็นเครื่องแยกส่วน มันอาจทำงานหนึ่งงานในสถานที่หนึ่ง, แต่ไม่สามารถตรวจสอบ, อัปเดต, ผสานรวมกับระบบองค์กร, หรือประสานงานกับฝูงหุ่นยนต์ที่กว้างขึ้นได้อย่างง่ายดาย สิ่งนี้ทำให้เกิดการกระจายเมื่อบริษัทเพิ่มประเภทหุ่นยนต์ต่างๆ, แต่ละประเภทมีอินเทอร์เฟซ, โมเดลการสนับสนุน, ข้อมูล, และขั้นตอนการดำเนินงานของตนเอง

แพลตฟอร์มเปลี่ยนสมการนั้น ด้วยแพลตฟอร์มอิสระของเรา, BrainOS®, เรามอบฐานอิสระ, ความปลอดภัย, ข้อมูล, และการจัดการฝูงที่สอดคล้องกันสำหรับเครื่องและการใช้งานที่หลากหลาย พันธมิตรของเราสามารถมุ่งเน้นที่ความเชี่ยวชาญด้านฮาร์ดแวร์และปัญหาที่ลูกค้าเข้าใจอย่างลึกซึ้ง, แทนการสร้างโครงสร้างอิสระและคลาวด์ใหม่สำหรับผลิตภัณฑ์แต่ละตัว

ซอฟต์แวร์ยังทำให้มูลค่าของเครื่องเพิ่มพูนได้ เราสามารถปรับใช้ความสามารถใหม่ผ่านการอัปเดตแบบ over‑the‑air, เรียนรู้จากพฤติกรรมของหุ่นยนต์ทั่วฝูง, ปรับปรุงประสิทธิภาพ, และตอบสนองต่อกรณีขอบใหม่โดยไม่ต้องเปลี่ยนฮาร์ดแวร์ อุปกรณ์อุตสาหกรรมแบบดั้งเดิมมักเสื่อมค่าตั้งแต่เริ่มใช้งาน ระบบอิสระที่เชื่อมต่อกันจะพัฒนาขึ้นตลอดอายุการใช้งาน

รูปแบบของเครื่องยังคงสำคัญ, เพราะการออกแบบทางกายภาพต้องเหมาะกับงาน แต่รูปแบบจะพัฒนาไป คุณค่าที่ทนทานที่สุดอยู่ที่ปัญญาประดิษฐ์, โครงสร้างการดำเนินงาน, และชั้นข้อมูลที่สามารถขยายไปยังการใช้งานใดก็ได้ นั่นคือเหตุผลที่เราอธิบาย BrainOS® ว่าเป็นแพลตฟอร์มอิสระสำหรับโลกจริง, ไม่ใช่ระบบปฏิบัติการสำหรับหุ่นยนต์หนึ่งเครื่องเฉพาะ

หุ่นยนต์ที่ใช้ BrainOS® ตอนนี้ไม่ได้ใช้แค่ทำความสะอาดเท่านั้น, แต่ยังใช้สำหรับการวิเคราะห์ชั้นวาง, การมองเห็นสินค้าคงคลัง, และการเคลื่อนย้ายวัสดุ. คุณมองว่าหุ่นยนต์จะพัฒนาอย่างไรจากเครื่องมืออัตโนมัติงานไปสู่แพลตฟอร์มข้อมูลเคลื่อนที่?

แพลตฟอร์ม BrainOS® ของเรามอบโครงสร้างพื้นฐานที่จำเป็นให้กับองค์กรเพื่อสร้าง, ปรับใช้, และสนับสนุนโซลูชันอิสระในระดับองค์กร เราให้ชั้นอิสระและปัญญาประดิษฐ์พื้นฐาน, ซึ่งทำให้พันธมิตรของเรามุ่งเน้นที่สิ่งที่ทำได้ดีที่สุด: การแก้ปัญหาธุรกิจจริงที่เฉพาะเจาะจง วิธีนี้เป็นแนวทางที่เป็นเอกลักษณ์ซึ่งทำให้เราสามารถขยายอย่างรวดเร็วและทำให้องค์กรสร้างไม่เพียงแค่หุ่นยนต์, แต่เป็นธุรกิจหุ่นยนต์

การทำความสะอาดพื้นด้วยหุ่นยนต์เป็นหนึ่งในแอปพลิเคชันเชิงพาณิชย์แรกที่บรรลุขนาดที่มีความหมาย เนื่องจากตอบสนองความต้องการการดำเนินงานที่ชัดเจนและซ้ำซาก; ทุกสภาพแวดล้อมเชิงพาณิชย์มีพื้นที่สกปรกและหลายแห่งเผชิญความท้าทายด้านแรงงาน เรบรรลุขนาดนี้ร่วมกับพันธมิตร Tennant Company, ผู้นำด้านการทำความสะอาดพื้นมานานกว่า 150 ปี ซึ่งตอนนี้ได้พัฒนาเป็นหนึ่งในผู้ผลิตหุ่นยนต์เชิงพาณิชย์ที่ใหญ่ที่สุดของโลก

ต่อมาผ่านงานของเรากับองค์กรขนาดใหญ่ในภาคค้าปลีกและโลจิสติกส์, เราตระหนักถึงความจริงพื้นฐาน: แม้ว่าการดำเนินงานเหล่านี้จะรู้ว่ามีสินค้าคงคลังเข้าและออกจากสถานที่ของตน, แต่พวกเขามักขาดการมองเห็นว่าจริงๆ แล้วเกิดอะไรขึ้นบนพื้นร้านค้าหรือคลังสินค้า หุ่นยนต์เคลื่อนที่เป็นหนึ่งในระบบไม่กี่ระบบที่เคลื่อนที่ผ่านสภาพแวดล้อมทางกายภาพอย่างต่อเนื่อง, ทำให้มันมีความสามารถพิเศษในการเก็บข้อมูลพื้นฐานนี้ในระดับขนาดใหญ่ เพื่อช่วยแก้ปัญหานี้, เราได้ร่วมมือกับ Driveline Retail, ผู้นำด้านการจัดสินค้า, และ Dane Technologies, ผู้นำด้านอุปกรณ์คลังสินค้า, เพื่อนำการติดตามสินค้าคงคลังและปัญญาประดิษฐ์ชั้นวางสู่ตลาดในระดับองค์กร

เมื่อคุณขยายไปสู่แอปพลิเคชันเหล่านี้ที่เกี่ยวกับการมองเห็นสินค้าคงคลัง, การเก็บข้อมูลเป็นเพียงส่วนหนึ่งของสมการ ส่วนใหญ่ของคลังสินค้าและร้านค้าปลีกต้องการมากกว่าภาพดิบหลายล้านภาพ; พวกเขาต้องการรู้ว่าผลิตภัณฑ์ใดขาดสต็อก, ราคาผิด, พาเลทหายไปที่ไหน, และพนักงานควรทำอะไรต่อไป Brain Corp ให้คอมพิวเตอร์วิชั่นและ AI ขั้นสูงที่จำเป็นเพื่อแปลงการสังเกตดิบเหล่านั้นให้เป็นการตัดสินใจทางธุรกิจที่แม่นยำและมีลำดับความสำคัญ

ไม่ว่ารูปแบบของหุ่นยนต์จะเป็นอย่างไร, ระบบเหล่านี้ยังเปิดโอกาสให้องค์กรสร้างดิจิทัลทวินของสถานที่ของตนอย่างต่อเนื่อง เนื่องจากหุ่นยนต์ของเรานำทางอย่างปลอดภัยและเชื่อถือได้ทั่วพื้นที่ทั้งหมด, พวกมันทำหน้าที่เป็นแพลตฟอร์มข้อมูลเคลื่อนที่, เก็บข้อมูลเชิงลึกของสถานที่อย่างละเอียด ซึ่งอาจหมายถึงการตรวจสอบตำแหน่งของถังดับเพลิง, การระบุตู้แช่แข็งที่เสีย, หรือการทำแผนที่พื้นที่ที่มีสัญญาณ Wi‑Fi แย่

อะไรที่ทำให้การใช้งานหุ่นยนต์ที่สำเร็จในสถานที่ทดลองหนึ่งแตกต่างจากการที่สามารถขยายไปยังหลายพันสถานที่ขององค์กรได้?

การทดลองให้รางวัลกับความเป็นไปได้ การขยายขนาดให้รางวัลกับความน่าเชื่อถือ

การทดลองอาจสำเร็จเพราะวิศวกรที่ดีที่สุดอยู่ใกล้เคียง, สภาพแวดล้อมได้รับการเตรียมอย่างระมัดระวัง, และมีคนคอยจัดการข้อยกเว้นเบื้องหลังอย่างเงียบๆ สิ่งเหล่านี้ไม่ทำงานเมื่อคุณทำการปรับใช้ในหลายร้อยหรือหลายพันสถานที่ ในจุดนั้น ทุกขั้นตอนที่ทำด้วยมือกลายเป็นแหล่งต้นทุนและความล้มเหลว

การปรับใช้ที่สามารถขยายได้ต้องการความสามารถทำซ้ำตั้งแต่แรก หุ่นยนต์ควรตั้งค่าได้อย่างง่ายดาย, ใช้งานได้โดยธรรมชาติสำหรับพนักงานหน้าโรงงาน, สามารถตรวจสอบจากระยะไกล, และรับการอัปเดตซอฟต์แวร์โดยไม่ต้องมีคนไปเยี่ยมชมทุกสถานที่ องค์กรต้องมีระบบที่สมบูรณ์สำหรับความปลอดภัยไซเบอร์, การรับรองความปลอดภัย, การสนับสนุน, การฝึกอบรม, การบำรุงรักษา, การวิเคราะห์, และการผสานรวมกับเทคโนโลยีที่ลูกค้ามีอยู่แล้ว

การจัดการการเปลี่ยนแปลงก็สำคัญไม่แพ้กัน ผู้ที่ทำงานร่วมกับหุ่นยนต์ต้องเข้าใจว่ามันทำอะไร, ข้อจำกัดของมันคืออะไร, และมันสอดคล้องกับหน้าที่ของพวกเขาอย่างไร การปรับใช้ล้มเหลวเมื่อเทคโนโลยีทำงานได้ดีแต่ความเป็นเจ้าของการดำเนินงานไม่ชัดเจน

สุดท้าย, เศรษฐศาสตร์ต้องทำงานได้สำหรับลูกค้าและผู้ให้บริการหุ่นยนต์ ซึ่งต้องการโครงสร้างพื้นฐานหุ่นยนต์ที่คุ้มค่าและทนทานมากขึ้นทุกครั้งที่มีการปรับใช้

ชุดของความท้าทายนั้นคือสิ่งที่เราเรียกว่า “ช่องว่างอิสระ” การสร้างต้นแบบที่ทำงานได้เป็นเพียงส่วนหนึ่งของการสร้างธุรกิจหุ่นยนต์ งานที่ยากกว่าคือการเปลี่ยนต้นแบบนั้นให้กลายเป็นผลิตภัณฑ์ที่ปลอดภัย, รองรับ, ทำซ้ำได้, และยังคงทำงานได้เมื่อผู้เชี่ยวชาญออกจากอาคาร

งานล่าสุดของ Brain Corp เกี่ยวกับการทำพื้นฐานเชิงบริบทและการทำแผนที่เชิงความหมายชี้ไปสู่ชั้นปัญญาประดิษฐ์ทางกายภาพที่ฉลาดขึ้น ทำไม “การเข้าใจสภาพแวดล้อม” ถึงเป็นแนวหน้าที่สำคัญต่อไปสำหรับหุ่นยนต์อิสระ?

การนำทางแบบดั้งเดิมส่วนใหญ่เป็นปัญหาเชิงเรขาคณิต: ฉันอยู่ที่ไหน, ฉันสามารถเคลื่อนที่ไปที่ไหน, และควรหลีกเลี่ยงอะไร? การทำพื้นฐานเชิงบริบทเพิ่มชุดคำถามที่หลากหลายมากขึ้น: มีอะไรเกิดขึ้นรอบตัวฉัน? สิ่งเหล่านี้คืออะไร? ผู้คนจะมีปฏิสัมพันธ์กับมันอย่างไร? พฤติกรรมที่เหมาะสมในสถานการณ์เฉพาะนี้คืออะไร?

ระบบนำทางพื้นฐานอาจเห็นว่ามีสิ่งของครอบคลุมพื้นที่ ระบบที่รับรู้เชิงบริบทควรเข้าใจว่าวัตถุนั้นคืออะไร, ทำไมมันถึงอยู่ที่นั่น, มันกำลังทำอะไร, และสุดท้าย, ควรปฏิบัติอย่างไรรอบๆ มัน ความแตกต่างเหล่านี้สำคัญเพราะการตอบสนองที่ถูกต้องจะแตกต่างกันในแต่ละกรณี

สิ่งนี้กลายเป็นสำคัญโดยเฉพาะเมื่อหุ่นยนต์เริ่มรวม AI สร้างสรรค์, โมเดลวิชั่น‑ภาษา, และระบบเชิงความน่าจะเป็นอื่นๆ โมเดลเหล่านี้สามารถนำความฉลาดและความยืดหยุ่นที่มหาศาลเข้ามา, แต่คำตอบที่ดูสมเหตุสมผลไม่เพียงพอเมื่อซอฟต์แวร์ควบคุมเครื่องจักรทางกายภาพ การกระทำต้องอิงกับเรขาคณิตจริง, สภาพแวดล้อม, ความต้องการความปลอดภัย, และบริบทสังคมของสภาพแวดล้อมนั้น

เรามีความเชื่อว่าคำตอบคือการผสาน AI ขั้นสูงกับการแสดงผลเชิงบริบทที่คงที่ของโลกทางกายภาพและการควบคุมความปลอดภัยแบบกำหนดล่วงหน้า ซึ่งทำให้หุ่นยนต์สามารถใช้ประโยชน์จากโมเดล AI ที่มีความสามารถเพิ่มขึ้นโดยไม่ให้ความฉลาดเชิงความน่าจะเป็นทำงานโดยไม่มีขอบเขต

ธุรกิจควรคิดอย่างไรเกี่ยวกับความเชื่อมั่นเมื่อปรับใช้หุ่นยนต์รอบพนักงาน, ลูกค้า, และสาธารณะทั่วไป?

แรกสุด, เราต้องยอมรับความจริงพื้นฐาน: หุ่นยนต์แตกต่างจากเทคโนโลยีองค์กรอื่นๆ บั๊กซอฟต์แวร์อาจทำให้แล็ปท็อปของคุณค้าง, แต่บั๊กในเครื่องจักรหนัก 1,000 ปอนด์ที่เคลื่อนที่ในทางเดินร้านค้าที่แออัดมีความเสี่ยงที่แตกต่างอย่างสิ้นเชิง ธุรกิจไม่สามารถมองหุ่นยนต์เหมือนอุปกรณ์ IT ที่เชื่อมต่ออื่นๆ ได้อย่างง่ายดาย

ความเชื่อมั่นในหุ่นยนต์ต้องสร้างขึ้นทุกวัน ในช่วงที่ FCC กำลังจำกัดการอนุมัติหุ่นยนต์ที่ผลิตจากต่างประเทศเนื่องจากความกังวลด้านความปลอดภัย, เกณฑ์ความเชื่อมั่นนั้นสูงกว่าที่เคยเป็นมา เมื่อ Physical AI ขยายเข้าสู่โรงพยาบาล, สนามบิน, คลังสินค้า, และซุปเปอร์มาร์เก็ต, ธุรกิจต้องประเมินความเชื่อมั่นในหลายระดับ: ความปลอดภัยทางกายภาพ, ความเป็นส่วนตัวของข้อมูล, และการบูรณาการกับมนุษย์

AI ขั้นสูงทำให้หุ่นยนต์ ‘ฉลาด’ เพียงพอที่จะนำทางในสภาพแวดล้อมซับซ้อน, แต่ความฉลาดและความปลอดภัยไม่ใช่สิ่งเดียวกัน หุ่นยนต์ที่เชื่อถือได้จะแยกสองสิ่งนี้ออกจากกัน ต้องมีการควบคุมฮาร์ดแวร์ความปลอดภัยที่แยกจากกันและสามารถยกเลิกระบบได้ ความปลอดภัยต้องถูกเขียนโค้ดไว้ล่วงหน้า, ไม่ได้เรียนรู้จากข้อมูล

นอกจากนี้, หุ่นยนต์ที่เคลื่อนที่ในพื้นที่สาธารณะเป็นแพลตฟอร์มข้อมูลเคลื่อนที่ พวกมันใช้กล้องและเซนเซอร์เพื่อมองเห็นโลก ธุรกิจต้องเรียกร้องความชัดเจนอย่างสุดขีดจากผู้จำหน่าย: หุ่นยนต์กำลังมองอะไร? ข้อมูลนั้นไปที่ไหน? ใครมีสิทธิ์เข้าถึง? ความเป็นส่วนตัวและความปลอดภัยไซเบอร์ไม่สามารถต่อเติมหลังการปรับใช้เป็นแค่มาตรการ PR; ต้องถูกสร้างเข้าไปในสถาปัตยกรรมของระบบตั้งแต่วันแรก

ความผิดพลาดที่ใหญ่ที่สุดที่บริษัททำคือการปล่อยหุ่นยนต์เข้าไปในสถานที่โดยไม่คิดถึงการจัดการการเปลี่ยนแปลง คุณไม่สามารถขอให้พนักงานหรือ ลูกค้ารับหุ่นยนต์โดยเชื่อฟังได้ พนักงานต้องได้รับการนำเข้าอย่างเร็ว, ฝึกอบรมอย่างเหมาะสม, และแสดงให้เห็นว่าหุ่นยนต์ทำให้งานประจำวันของพวกเขาง่ายและปลอดภัยขึ้นอย่างไร พวกเขาต้องรู้ว่าใครรับผิดชอบหากเกิดปัญหา, และวิธีแทรกแซงหากจำเป็น

ในที่สุด, การรับรอง, การตรวจสอบ, และการควบคุมความปลอดภัยเป็นเพียงหลักฐานพื้นฐาน ความเชื่อมั่นที่แท้จริงสร้างจากประสบการณ์ที่ทำซ้ำได้ เมื่อหุ่นยนต์ทำงานอย่างปลอดภัย, เคารพพื้นที่ส่วนตัวของลูกค้าอย่างต่อเนื่อง, และทำงานที่น่าเบื่อและสกปรกออกจากพนักงานวันต่อวัน, นั่นคือเวลาที่มันกลายเป็นส่วนหนึ่งของทีมอย่างแท้จริง

มองไปข้างหน้า, คุณคาดว่าหุ่นยนต์เชิงพาณิชย์จะสร้างคุณค่ามากที่สุดในห้าปีข้างหน้าในอุตสาหกรรมใด: ค้าปลีก, โลจิสติกส์, การดูแลสุขภาพ, การผลิต, สนามบิน, หรือภาคส่วนอื่นโดยสิ้นเชิง?

คุณค่ามากที่สุดมักมาจากสภาพแวดล้อมที่ใหญ่, กระจาย, และขาดแรงงาน มีงานซ้ำที่ทำยากให้ทำได้อย่างสม่ำเสมอ