สัมภาษณ์
Oana Jinga, ผู้ร่วมก่อตั้ง, ประธานเจ้าหน้าที่ด้านการค้าและผลิตภัณฑ์ของ Dexory – ซีรีส์สัมภาษณ์
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Oana Jinga, ผู้ร่วมก่อตั้ง, ประธานเจ้าหน้าที่ด้านการค้าและผลิตภัณฑ์ของ Dexory, เป็นผู้นำด้านเทคโนโลยีและการค้า ที่มีประสบการณ์หลากหลายตั้งแต่หุ่นยนต์ เทคโนโลยีค้าปลีก ความร่วมมือเชิงกลยุทธ์ และการพัฒนาผลิตภัณฑ์ เธอร่วมก่อตั้งธุรกิจที่เดิมชื่อ BotsAndUs ในปี 2015 โดยดำรงตำแหน่งประธานเจ้าหน้าที่การค้า ก่อนจะรับตำแหน่งผู้นำปัจจุบันที่ Dexory นอกจากการสร้างบริษัทแล้ว Jinga ยังทำงานที่ Google มากกว่าหกปี โดยเป็นหัวหน้าความร่วมมือด้านค้าปลีกในสหราชอาณาจักรและต่อมาดูแลความร่วมมือเชิงกลยุทธ์ทั่วภาคค้าปลีกใน EMEA ในช่วงต้นอาชีพ เธอเคยดำรงตำแหน่งด้านการค้า การตลาด ความภักดีของลูกค้า และการพัฒนาธุรกิจที่ O2 (Telefónica UK) รวมถึงตำแหน่งในด้านการตลาดและประชาสัมพันธ์ เธอยังเป็นผู้ร่วมหัวหน้าฝ่ายสหราชอาณาจักรของ Xoogler.co เพื่อสนับสนุนชุมชนศิษย์เก่า Google ผู้ก่อตั้ง นักลงทุน และผู้ดำเนินสตาร์ทอัพ
Dexory เป็นบริษัทหุ่นยนต์และ AI สัญชาติอังกฤษที่มุ่งเน้นการนำปัญญาแบบเรียลไทม์สู่การดำเนินงานคลังสินค้าและโลจิสติกส์ แพลตฟอร์ม DexoryView ของบริษัทรวมหุ่นยนต์อัตโนมัติ คอมพิวเตอร์วิทัศน์ AI เชิงพื้นที่ การวิเคราะห์ขั้นสูง และเทคโนโลยีดิจิทัลทวิน เพื่อจับภาพเหตุการณ์ภายในคลังสินค้าอย่างต่อเนื่องและเปรียบเทียบสินค้าจริงกับระบบคลังสินค้าที่มีอยู่ Dexory ระบุว่าหุ่นยนต์ของตนสามารถสแกนได้มากกว่า 10,000 จุดต่อชั่วโมง สร้างการแสดงผลดิจิทัลแบบสดที่ช่วยให้ผู้ปฏิบัติงานระบุสินค้าที่วางผิดตำแหน่งหรือเสียหาย ตรวจสอบการใช้พื้นที่ ปรับปรุงความแม่นยำของสินค้าคงคลัง และค้นพบความไม่ 효율ในการดำเนินงาน บริษัทวางเทคโนโลยีของตนเป็นชั้นปัญญาสำหรับคลังสินค้าที่กำลังเป็นอัตโนมัติมากขึ้น โดยมีการติดตั้งในยุโรป เอเชีย และสหรัฐอเมริกา พร้อมลูกค้าที่เป็นองค์กรโลจิสติกส์และอุตสาหกรรมระดับโลกหลายแห่ง
คุณได้ร่วมก่อตั้ง BotsAndUs ในปี 2015 หลังจากสร้างอาชีพในด้านการพัฒนาการค้าและความร่วมมือเชิงกลยุทธ์ที่บริษัทต่าง ๆ รวมถึง O2 และ Google สิ่งใดที่คุณและผู้ร่วมก่อตั้งสังเกตเห็นในกระบวนการคลังสินค้าที่ทำให้คุณตัดสินใจมุ่งธุรกิจไปที่โลจิสติกส์และต่อมาพัฒนาเป็น Dexory?
เราพบว่าคลังสินค้ากำลังซับซ้อนและอัตโนมัติมากขึ้น แต่ผู้ปฏิบัติงานหลายคนยังขาดมุมมองที่แม่นยำและเป็นเรียลไทม์ของสิ่งที่เกิดขึ้นจริงบนพื้นคลัง การตรวจนับสินค้ายังคงทำด้วยมืออย่างหนัก ใช้เวลามากและมักไม่สอดคล้องกับระบบที่ทำการตัดสินใจเชิงปฏิบัติการที่สำคัญ เราตระหนักว่าหุ่นยนต์สามารถเติมช่องว่างนี้ได้โดยการจับข้อมูลโลกจริงอย่างต่อเนื่องและแปลงเป็นข้อมูลเชิงปฏิบัติที่ใช้ได้
สำหรับผู้ปฏิบัติงานคลังสินค้าที่กำลังพิจารณา Dexory คุณช่วยอธิบายขั้นตอนการติดตั้งแบบทั่วไป ตั้งแต่การทำแผนที่สถานที่และกำหนดเวลาการสแกนอัตโนมัติจนถึงการแปลงข้อมูลที่เก็บได้เป็นข้อมูลเชิงปฏิบัติผ่าน DexoryView ได้ไหม?
การติดตั้งถูกออกแบบให้รวดเร็วและไม่ก่อให้เกิดความรบกวนมากนัก — ใช้เวลาประมาณ 2‑5 วัน โดยทีมของเราประมาณ 1‑2 คนทำการทำแผนที่สถานที่และสร้างดิจิทัลทวิน เพื่อให้หุ่นยนต์อัตโนมัติของเรานำทางในพื้นที่และจับข้อมูลโดยไม่ต้องเปลี่ยนแปลงโครงสร้างพื้นฐานอย่างใหญ่โต จากนั้นหุ่นยนต์จะเริ่มทำภารกิจตามกำหนดเวลา พร้อมผลตอบแทนการลงทุน (ROI) ทันทีของโซลูชัน โดยจับข้อมูลทั่วทั้งสถานที่ ซึ่งข้อมูลเหล่านั้นจะถูกประมวลผลและแสดงผลใน DexoryView ผู้ปฏิบัติงานสามารถระบุความแตกต่างได้อย่างรวดเร็ว ตรวจสอบปัญหาและตัดสินใจบนพื้นฐานของการแสดงผลดิจิทัลที่อัปเดตของคลังสินค้าของพวกเขา
หุ่นยนต์เคลื่อนที่อัตโนมัติของ Dexory สามารถสแกนชั้นวางของคลังสินค้าตั้งแต่พื้นถึงความสูงสูงสุด 18 เมตรได้ อะไรคือความท้าทายด้านวิศวกรรม การตรวจจับ และปัญญาประดิษฐ์ที่ต้องแก้ไขเพื่อให้ทำงานได้อย่างแม่นยำและปลอดภัยในระดับนั้น?
ความท้าทายไม่ได้อยู่ที่การถึงความสูง 18 เมตรเท่านั้น แต่เป็นการจับข้อมูลที่แม่นยำและสม่ำเสมอขณะเคลื่อนที่อัตโนมัติผ่านสภาพแวดล้อมคลังสินค้าที่คับคั่ง ซึ่งต้องผสานวิศวกรรมเครื่องกลที่แข็งแรงกับระบบ定位 การตรวจจับและคอมพิวเตอร์วิทัศน์ที่สามารถทำงานได้อย่างเชื่อถือได้ในสภาพแสงที่แตกต่าง การจัดเรียงชั้นวางที่หลากหลาย และประเภทสินค้าต่าง ๆ ความปลอดภัยเป็นพื้นฐาน ดังนั้นระบบทั้งหมดจึงออกแบบให้ทำงานอย่างคาดการณ์ได้ร่วมกับคนและอุปกรณ์คลังสินค้าที่มีอยู่
หุ่นยนต์ของ Dexory ตอนนี้ได้สแกนตำแหน่งคลังสินค้ามากกว่าหนึ่งพันล้านจุดทั่วโลกแล้ว ความหลากหลายและขนาดของข้อมูลจริงเหล่านี้ช่วยปรับปรุงการมองเห็นด้วยคอมพิวเตอร์ การตรวจจับความผิดปกติ และความสามารถในการทำนายของแพลตฟอร์มอย่างไร?
เราจริง ๆ แล้วได้รวบรวมชุดข้อมูลทางกายภาพของคลังสินค้าที่ใหญ่ที่สุด ซึ่งทำให้เรามีตำแหน่งที่ไม่เหมือนใครในการเรียนรู้จากข้อมูลเหล่านั้นและสร้างโมเดลคลังสินค้าของเราเอง ขนาดมีความสำคัญเพราะคลังสินค้าทุกแห่งมีการจัดวาง ผลิตภัณฑ์ บรรจุภัณฑ์ และเงื่อนไขการดำเนินงานที่แตกต่างกัน สร้างชุดข้อมูลจริงที่หลากหลายอย่างมหาศาล ความกว้างนี้ช่วยให้เราปรับปรุงการทำงานของแพลตฟอร์มในการตีความสภาพแวดล้อมคลังสินค้า การระบุความผิดปกติ และการแยกแยะปัญหาการดำเนินงานที่มีความหมายออกจากสัญญาณรบกวนได้อย่างต่อเนื่อง เมื่อเวลาผ่านไป สิ่งนี้จะเป็นพื้นฐานสำหรับปัญญาที่คาดการณ์ได้เพิ่มขึ้น ช่วยให้ลูกค้าเข้าใจไม่เพียงแค่สิ่งที่เกิดขึ้น แต่ยังคาดการณ์ได้ว่าอะไรอาจเกิดขึ้นต่อไป
คลังสินค้าบ่อยครั้งพึ่งพาระบบการจัดการคลังสินค้า (WMS) แพลตฟอร์มการวางแผนทรัพยากรองค์กร (ERP) และบันทึกสินค้าด้วยมือ Dexory จะทำอย่างไรเพื่อปรับความแตกต่างระหว่างสิ่งที่หุ่นยนต์ของมันสังเกตเห็นจริงกับข้อมูลที่ระบบเหล่านั้นรายงาน?
Dexory ให้มุมมองอิสระของความเป็นจริงทางกายภาพและเปรียบเทียบกับสิ่งที่ระบบคลังสินค้าที่มีอยู่เชื่อว่าควรเป็นอยู่ โดยการเชื่อมต่อกับระบบเช่น WMS และ ERP, DexoryView สามารถแสดงความแตกต่างระหว่างบันทึกดิจิทัลกับคลังสินค้าจริง ทำให้ทีมสามารถตรวจสอบและแก้ไขได้อย่างรวดเร็ว เราไม่ได้แทนที่ระบบหลักเหล่านั้น แต่ให้แหล่งข้อมูลเชิงปัญญาจากโลกจริงที่แม่นยำและทันเวลามากขึ้น พร้อมกับประสานงานกับระบบเหล่านั้น
AI ทางกายภาพมักถูกพูดถึงในบริบทของหุ่นยนต์มนุษย์รูปแบบ แต่ Dexory ได้พัฒนาระบบที่เชี่ยวชาญอย่างสูงสำหรับปัญญาคลังสินค้า ทำไมหุ่นยนต์ที่ออกแบบเฉพาะงานจึงเหมาะกับโลจิสติกส์ในปัจจุบันมากกว่า และคุณคาดว่าความก้าวหน้าที่ใหญ่ที่สุดของ AI ทางกายภาพในทศวรรษถัดไปจะอยู่ที่ไหน?
ในโลจิสติกส์ ความน่าเชื่อถือ ความปลอดภัย และ ROI ที่วัดได้มีความสำคัญมากกว่าการสร้างหุ่นยนต์ที่ทำได้ทุกอย่าง ซึ่งเป็นเหตุผลที่ระบบที่ออกแบบเฉพาะงานมีประสิทธิภาพสูงในปัจจุบัน หุ่นยนต์ที่สร้างขึ้นเพื่อจุดประสงค์เฉพาะสามารถปรับให้เหมาะกับสภาพแวดล้อมเฉพาะ ทำให้ทนทานต่อความต้องการของการดำเนินงานคลังสินค้าจริงและทำงานได้อย่างสม่ำเสมอภายใต้สภาวะที่เปลี่ยนแปลง พวกมันสามารถสร้างคุณค่าในระดับใหญ่โดยไม่ต้องให้คลังสินค้าปรับโครงสร้างการดำเนินงานให้สอดคล้องกับเทคโนโลยี ในทศวรรษถัดไป ฉันคาดว่า AI ทางกายภาพจะพัฒนาไปสู่ความอัตโนมัติและการปรับตัวที่เพิ่มขึ้น โดยเครื่องจักรจะย้ายจากการทำงานตามภารกิจที่กำหนดไว้ล่วงหน้า ไปสู่การเข้าใจสภาพแวดล้อมและช่วยกำหนดการกระทำที่ดีที่สุด
นอกเหนือจากการทำให้การนับสินค้ารวดเร็วขึ้น ลูกค้าเห็นคุณค่าการดำเนินงานที่ยิ่งใหญ่ที่สุดจากปัญญาคลังสินค้าแบบเรียลไทม์ในด้านใดบ้าง ไม่ว่าจะเป็นการใช้พื้นที่ การเติมสินค้า ความปลอดภัย การปฏิบัติตามกฎระเบียบ หรือความยืดหยุ่นของห่วงโซ่อุปทาน?
คุณค่าที่ใหญ่ที่สุดมาจากการมอบมุมมองให้กับผู้ปฏิบัติงานที่ไม่สามารถทำได้จากการตรวจสอบด้วยมือเป็นระยะ ๆ ปัญญาคลังสินค้าแบบเรียลไทม์สามารถเปิดเผยพื้นที่ที่ไม่ได้ใช้เต็มที่ ความแตกต่างของสินค้าคงคลัง ปัญหาการเติมสินค้า และคอขวดในการดำเนินงานได้เร็วขึ้น ทำให้ทีมสามารถดำเนินการก่อนที่ปัญหาจะกลายเป็นค่าใช้จ่ายสูง ในที่สุดมันทำให้คลังสินค้าทำงานได้อย่างมีประสิทธิภาพและยืดหยุ่นมากขึ้น เนื่องจากการตัดสินใจอิงจากสิ่งที่เกิดขึ้นจริงบนพื้นคลัง
ปัญญาคลังสินค้าจะก้าวหน้าได้ไกลแค่ไหนจากการระบุปัญหาเช่นสินค้าวางผิดตำแหน่ง สินค้าเสียหาย หรือสภาพการจัดเก็บที่ไม่ปลอดภัย ไปสู่การแนะนำหรือการเริ่มดำเนินการแก้ไขโดยอัตโนมัติ?
เราเห็นว่าปัญญาคลังสินค้ากำลังพัฒนา จากการมองเห็น ไปสู่การแนะนำ และในที่สุดสู่การตัดสินใจที่อัตโนมัติมากขึ้น ขั้นตอนแรกคือการเข้าใจสภาพแวดล้อมทางกายภาพอย่างแม่นยำพอที่จะระบุปัญหา จากนั้นเพิ่มข้อมูลจากระบบอื่น ๆ เพื่อแนะนำการตอบสนองที่มีประสิทธิภาพที่สุด เมื่อความเชื่อมั่นในระบบเหลนี้เพิ่มขึ้น จะมีโอกาสให้การกระทำบางอย่างเริ่มทำโดยอัตโนมัติ โดยยังคงให้คนควบคุมการตัดสินใจที่มีผลกระทบสูง
เมื่อคลังสินค้ากลายเป็นอัตโนมัติมากขึ้น บทบาทใดจะยังคงเหมาะกับคนโดยเฉพาะ และบริษัทควรเตรียมพนักงานอย่างไรเพื่อทำงานร่วมกับหุ่นยนต์ ดิจิทัลทวิน และระบบการตัดสินใจที่ขับเคลื่อนด้วย AI อย่างมีประสิทธิภาพ?
การอัตโนมัติควรขจัดงานที่ทำซ้ำ ๆ และต้องใช้แรงกายหนักออกไป เพื่อให้คนมีเวลามากขึ้นในการใช้วิจารณญาณ การแก้ปัญหา และการจัดการข้อยกเว้น บทบาทที่มีคุณค่าที่สุดจะย้ายไปสู่การตีความข้อมูล การตัดสินใจที่ซับซ้อน และการปรับปรุงการดำเนินงาน มากกว่าการเก็บข้อมูลด้วยมือ ดังนั้นบริษัทจึงต้องลงทุนในทักษะดิจิทัลและช่วยให้พนักงานเข้าใจวิธีใช้ AI และหุ่นยนต์เป็นเครื่องมือเสริมความเชี่ยวชาญของตน
คุณได้สนับสนุนให้หุ่นยนต์เข้าถึงผู้หญิงได้ง่ายขึ้น มีการเปลี่ยนแปลงเชิงปฏิบัติใดที่จำเป็นเพื่อดึงดูดผู้หญิงเข้าสู่ภาคนี้มากขึ้น?
เราต้องขยายเส้นทางเข้าสู่หุ่นยนต์และเปลี่ยนแปลงภาพลักษณ์ของอาชีพในอุตสาหกรรมนี้ให้กว้างขึ้น ภาคนี้ตอนนี้ครอบคลุมวิศวกรรม ซอฟต์แวร์ วิทยาศาสตร์ข้อมูล การออกแบบผลิตภัณฑ์ การดำเนินงาน UX กลยุทธ์การค้า การติดตั้งและความสำเร็จของลูกค้า และความหลากหลายนี้ต้องถูกสื่อสารให้ชัดเจนยิ่งขึ้น การมองเห็นผู้หญิงและบุคคลจากพื้นฐานที่หลากหลายผ่านกรณีศึกษา โอกาสการพูดและตัวอย่างสาธารณะ สามารถช่วยให้ผู้มีศักยภาพในอนาคตเห็นเส้นทางอาชีพที่หลากหลายพร้อมกับการเปิดโอกาสและเส้นทางเข้าสู่สาขานี้ตั้งแต่เนิ่น ๆ อย่างชัดเจน อย่างไรก็ตาม การดึงดูดผู้หญิงเป็นเพียงส่วนหนึ่งของความท้าทาย เนื่องจากบริษัทต้องสร้างสภาพแวดล้อมที่ครอบคลุม ซึ่งผู้หญิงสามารถก้าวหน้าไปสู่ตำแหน่งระดับอาวุโสและผู้นำได้ โดยไม่ให้ความสนใจเพียงแค่ระดับเริ่มต้น แต่ต้องมุ่งเน้นการเปิดโอกาสให้มีอาชีพที่ยั่งยืนและยาวนานในด้านหุ่นยนต์
ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับบริษัทหุ่นยนต์นี้ควรเยี่ยมชม Dexory.
