Девід Пінн, генеральний директор Brain Corp — Серія інтерв’ю

David Pinn є генеральним директором Brain Corp, де він провів майже дев’ять років, формуючи стратегію компанії, фінансові операції та переходячи до робототехнічного бізнесу, орієнтованого на програмне забезпечення. Він приєднався до Brain Corp у 2017 році як віце‑президент зі стратегії та просувався через старші ролі у стратегії та фінансах, перш ніж стати CEO у 2022 році. За час свого керівництва Пінн допоміг здійснити великі залучення капіталу, перехід компанії від апаратно‑центричної моделі до регулярного програмного доходу, розширення в галузі роботизованого збору даних та аналітики, а також стратегічні партнерства з глобальними виробниками обладнання (OEM). Раніше у своїй кар’єрі він займав фінансові та стратегічні посади у Qualcomm, консультував технологічні стартапи, працював з портфельними компаніями L Catterton і розпочав кар’єру у Teradyne у інженерії та технічних продажах, що дало йому досвід у галузях робототехніки, напівпровідників, фінансів, корпоративного розвитку та комерціалізації технологій.

Brain Corp є компанією, що займається робототехнікою та фізичним ШІ, яка розробляє BrainOS®, корпоративну платформу автономії, призначену для того, щоб дозволити виробникам та бізнесу впроваджувати та керувати автономними мобільними роботами у великому масштабі. BrainOS живить понад 50 000 роботів на шести континентах і накопичив понад 25 мільйонів годин реальної експлуатації, підтримуючи такі застосування, як автономне прибирання підлоги, збір даних про інвентар і полиці, а також переміщення матеріалів у середовищах, таких як роздрібні магазини, склади, аеропорти, медичні заклади та комерційні будівлі. Платформа поєднує навігацію, керовану ШІ, семантичне 3D‑картографування, системи безпеки, хмарне управління флотом, аналітику та інтеграції з корпоративними системами; дані, зібрані з розгорнутого флоту, допомагають з часом покращувати навігацію та надійність. Останні розробки включають BrainOS Clean 2.0 та SelfPath™ AI, які дозволяють роботам‑прибиральникам автоматично генерувати та адаптувати свої маршрути замість того, щоб покладатися на вручну навчені шляхи.

Ваша кар’єра пройшла шлях від інженерної роботи у галузі радіочастотних та бездротових систем до стратегічних фінансів, трансформації SaaS і тепер до керівництва Brain Corp як CEO. Як поєднання технічної та фінансової дисципліни сформувало ваш погляд на те, що компанії не купують «роботів», а вимірювані операційні результати?

Моя рання кар’єра почалася в технічних продажах, коли я продавав обладнання для виробництва напівпровідників у Teradyne. Через безліч спроб і помилок я рано зрозумів важливий урок: існує великий розрив між тим, що я вважав важливим — зазвичай технічними характеристиками — і тим, що дійсно важливо покупцю. Я навчився, що покупець дійсно піклується про бізнес‑результат і про те, чи довіряє він мені та моїй команді у його досягненні.

Коли я пізніше перейшов у робототехніку, цей урок лише підсилився. Кожна інвестиція в технології змагається за капітал, і система не отримує визнання лише за те, що вона технічно вражає. У робототехніці дуже легко захопитися самим пристроєм. Але роздрібний торговець не прокидається з бажанням купити робота. Він хоче чисті підлоги, надзвичайно точний інвентар і більше часу для своїх співробітників, щоб вони могли обслуговувати клієнтів. Робот — лише засіб доставки цього результату.

У Brain Corp ми починаємо з проблеми клієнта, визначаємо бізнес‑результат і працюємо у зворотному напрямку, створюючи шар автономії та даних, необхідних для його досягнення. Мій інженерний бекграунд допомагає мені оцінювати, наскільки складна технічна проблема, але мої навички у продажах і фінансах тримають мене зосередженим на тому, чи створює її вирішення масштабований, комерційно життєздатний бізнес. Потрібно і те, і інше. Робот, який працює, але не приносить економічної віддачі, — це науковий проєкт, а не продукт; фінансова модель, побудована навколо ненадійної технології, не є бізнесом.

Зважаючи на великий інтерес до гуманоїдів і універсальних роботів, що, на вашу думку, ринок неправильно розуміє щодо того, що підприємства насправді потребують від робототехніки сьогодні?

Гаряче слово: одержимість індустрії гуманоїдами в комерційних і промислових умовах — це відволікання.

Стандартний аргумент від прихильників гуманоїдів звучить так: «Світ створений для людей, отже роботи повинні мати людську форму». Це може бути правдою в житлових умовах, але для корпоративних середовищ це фундаментально хибно.

Подивіться на склад. Він не створений для людей; він створений для підйомників, підйомних візків і важкої техніки. Подивіться на роздрібні магазини, школи, готелі, лікарні та аеропорти. Вимоги доступності для інвалідних візків означають, що ці простори мають рівні підлоги, підйоми, широкі коридори та ліфти. Комерційні та промислові будівлі спроектовані для руху на колесах.

Коли ви це розумієте, швидко бачите, що встановлення ніг на комерційного робота — це зайва відповідальність і величезна марна трата грошей. Навіщо інженерити дорогий, крихкий двоногий пристрій, щоб пересуватися у просторі, який вже підходить для коліс? Колеса дешевші, надійніші і краще справляються з вантажами.

Як я вже зазначав, робот без економічної віддачі — це лише науковий проєкт. Створення надскладного гуманоїда лише для ходіння по рівній, доступній для інвалідних візків підлозі — це остаточний науковий проєкт. Це вирішення проблеми локомоції, якої не існує. Підприємства не потребують машин, що імітують людей; їм потрібні інструменти, які надійно доставляють конкретний бізнес‑результат. І для комерційних випадків колеса виграють щоразу.

Brain Corp працює в брудних, публічних, високонавантажених середовищах, таких як магазини, аеропорти, склади, лікарні та кампуси. Які найскладніші реальні проблеми не з’являються у демонстраціях робототехніки?

Індустрія автономних транспортних засобів на власному досвіді зрозуміла, наскільки оманливими можуть бути демо‑версії. Ми бачили демонстрації самокерованих автомобілів понад десять років тому, але ще десять‑п’ятнадцять років інтенсивної інженерної роботи знадобилося, щоб запустити комерційні безпілотні таксі. Чому? Через те, що індустрія називає це «маршем дев’яток».

Досягти 90 % надійності — це гарна демонстрація. Досягти 99 % — це величезне інженерне досягнення. Але коли ви керуєте флотом десятків тисяч роботів у тисячах публічних локацій, 99 % надійності недостатньо.

У живому комерційному середовищі люди змінюють напрямок без попередження. Кошики залишають у коридорах. Вивіски переміщуються вночі. Паліти блокують маршрути. Підлоги можуть бути відбивними, вологими, нерівними або покритими сміттям. Двері відкриваються і закриваються, освітлення змінюється, а співробітники розробляють власні способи взаємодії з машиною. Робот може також зустріти дітей, людей, що користуються засобами пересування, розпорошених покупців, підйомники або когось, хто просто вирішив стати на його шлях.

Найскладніша проблема — не навігація, коли все поводиться як очікується. Це адаптація, коли трапляється щось неочікуване. Чи може робот зрозуміти, чому його маршрут заблоковано, знайти безпечну альтернативу і виконати завдання? Чи може він зробити це без створення додаткової роботи для співробітників і в масштабі мільйонів годин?

Є також соціальний вимір, який часто пропускають демо. Людям потрібно розуміти намір робота. Його рухи мають бути передбачуваними, сигнали — чіткими, і він має вписуватись у вже існуючі людські робочі процеси, а не змушувати всіх навколо адаптуватись.

Для нас реальний ШІ означає «просто працює». Крайові випадки не на краю, вони — це середовище. Побудова для таких умов вимагає років експлуатаційного навчання, продуманої архітектури безпеки та безперервної уваги до деталей, які невидимі у змодельованому відео.

Коли компанія оцінює ROI робототехніки, які метрики мають найбільше значення: зекономлені робочі години, послідовність виконання завдань, час безвідмовної роботи, збір даних, безпека, досвід клієнтів чи щось інше?

Все це разом.

Зекономлені робочі години корисні, але вони не охоплюють повну картину. У багатьох галузях проблема не лише в тому, що праця дорога; проблема в тому, що знайти кваліфікованих людей складно, плинність кадрів висока, а важливі завдання виконуються непослідовно, бо команди перевантажені. У такій ситуації завершення завдань, їх частота та послідовність можуть мати більшу цінність, ніж теоретичне скорочення штатного розміру.

Наступний рівень — операційна ефективність: час безвідмовної роботи, автономне використання, успішне завершення завдань, охоплення та обсяг необхідного контролю. Робот, який технічно працює багато годин, але часто потребує порятунку, не забезпечує значущої автономії.

Покращення безпеки та відповідності також не слід ігнорувати в моделі ROI. Робот‑прибиральник знижує навантаження та травми на робочому місці і дає співробітникам більше часу для обслуговування клієнтів і виконання більш цінних завдань. Робот‑інвентаризації підвищує наявність товару на полицях, точність ціноутворення та послідовність виконання. Роботи також створюють новий рівень операційної видимості, збираючи надійні, повторювані дані про те, що відбувається у фізичному середовищі.

Ключове — встановити реальну базову лінію перед впровадженням і вимірювати продуктивність протягом усього життєвого циклу, включаючи впровадження, підтримку, технічне обслуговування, навчання та інтеграцію.

Brain Corp унікальна в галузі робототехніки тим, що працює як SaaS‑платформа з повторюваним доходом. Чому програмне забезпечення, дані та оркестрація флоту стають важливішими за саму форму робота?

Апаратура визначає, що робот фізично може робити. Програмне забезпечення визначає, наскільки надійно це виконується, наскільки легко його розгортати, наскільки безпечно воно інтегрується в підприємство і чи стає воно кориснішим з часом.

Без єдиного програмного та хмарного шару робот — це по суті ізольована машина. Він може виконувати одне завдання в одному об’єкті, але його важко моніторити, оновлювати, інтегрувати з корпоративними системами або координувати з ширшим флотом. Це створює фрагментацію, коли компанії додають різні типи роботів, кожен зі своїм інтерфейсом, моделлю підтримки, даними та процедурами.

Платформа змінює цю рівняння. Завдяки нашій платформі автономії BrainOS® ми надаємо спільну основу автономії, безпеки, даних та управління флотом для різних машин і застосувань. Наші партнери можуть зосередитися на своїй експертизі в апаратному забезпеченні та на проблемі клієнта, яку вони добре розуміють, замість того, щоб будувати всю інфраструктуру автономії та хмари навколо кожного нового продукту.

Програмне забезпечення також дозволяє вартості машини наростати. Ми можемо розгортати нові можливості через оновлення «повітряно», вчитися на тому, як роботи поводяться у флоті, підвищувати продуктивність і реагувати на нові крайові випадки без заміни апаратури. Традиційне промислове обладнання, як правило, амортизується з моменту впровадження. Підключена автономна система стає більш здатною протягом усього свого життєвого циклу.

Форма робота залишатиметься важливою, бо фізичний дизайн має відповідати завданню. Але форми будуть еволюціонувати. Справжня цінність лежить у інтелекті, операційній інфраструктурі та шарі даних, які можуть охоплювати будь‑яке застосування. Ось чому ми описуємо BrainOS® як платформу автономії для реального світу, а не як операційну систему для одного конкретного робота.

Роботи, що працюють на базі BrainOS, зараз використовуються не лише для прибирання, а й для аналітики полиць, видимості інвентарю та переміщення матеріалів. Як ви бачите еволюцію роботів від інструментів автоматизації завдань до мобільних платформ даних?

Наша платформа BrainOS® забезпечує підприємства інфраструктурою, необхідною для створення, розгортання та підтримки автономних рішень у корпоративному масштабі. Ми надаємо базовий шар автономії та інтелекту, що дозволяє нашим партнерам зосередитися на тому, у чому вони найкращі: вирішенні конкретних, реальних бізнес‑проблем. Це унікальний підхід, який дозволив нам швидко масштабуватись і дав можливість підприємствам будувати не лише роботів, а й цілі робототехнічні бізнеси.

Роботизоване прибирання підлоги було однією з перших комерційних застосувань, які досягли значного масштабу, бо вона вирішувала чітку, повторювану операційну потребу; у кожному комерційному середовищі є брудна підлога, і багато хто стикається з проблемами праці. Ми досягли цього масштабу разом із нашим партнером Tennant Company, лідером у сфері прибирання підлоги протягом понад 150 років, який зараз став одним із найбільших у світі виробників комерційних роботів.

Потім, працюючи з великими підприємствами у роздрібі та логістиці, ми виявили фундаментальну істину: хоча ці операції точно знають, який інвентар входить і виходить з їхніх об’єктів, вони часто не мають уявлення про те, що дійсно відбувається на підлозі магазину чи складу. Мобільний робот — один із небагатьох систем, який постійно переміщується у фізичному середовищі, що робить його унікально здатним захоплювати цю «правду на місці» у масштабах. Щоб допомогти з цим викликом, ми співпрацювали з Driveline Retail, провідним мерчандайзером, та Dane Technologies, лідером у сфері складського обладнання, щоб вивести на ринок відстеження інвентарю та інтелекту полиць у корпоративному масштабі.

Коли ви розширюєтеся до цих застосувань, пов’язаних з видимістю інвентарю, збір даних — лише частина рівняння. Більшість складів і роздрібних мереж хочуть більше, ніж мільйони необроблених зображень; їм потрібно точно знати, який товар відсутній, яка ціна неправильна, де загублена палета і яку конкретну дію має виконати співробітник далі. Brain Corp надає передову комп’ютерну зору та ШІ, необхідні для перетворення цих необроблених спостережень у точні, пріоритетні бізнес‑рішення.

Незалежно від форми робота, ці системи також відкривають можливість для підприємств створювати постійно оновлювані цифрові двійники своїх об’єктів. Оскільки наші роботи безпечно та надійно навігують по всій площі, вони діють як мобільні платформи даних, збираючи надзвичайно детальну інформацію про об’єкт. Це може означати, наприклад, перевірку місцезнаходження вогнегасника, виявлення несправного морозильника або картографування зон зі слабким Wi‑Fi сигналом.

Що відрізняє впровадження робототехніки, яке працює в одному пілотному місці, від того, що може масштабуватись на тисячі корпоративних об’єктів?

Пілоти винагороджують можливість. Масштаб — надійність.

Пілот може успішно працювати, бо найкращий інженер стоїть поруч, середовище ретельно підготовлене, і хтось тихо вирішує винятки за лаштунками. Жодне з цього не працює, коли ви розгортаєте рішення у сотнях чи тисячах об’єктів. У такому випадку кожен ручний крок стає джерелом витрат і відмов.

Масштабоване впровадження потребує повторюваності з самого початку. Робот має бути простим у налаштуванні, інтуїтивно зрозумілим для працівників першої лінії, дистанційно спостережуваним і здатним отримувати оновлення програмного забезпечення без візиту до кожного об’єкта. Організація також потребує зрілих систем кібербезпеки, сертифікації безпеки, підтримки, навчання, технічного обслуговування, аналітики та інтеграції з існуючими технологіями замовника.

Управління змінами також важливе. Люди, які працюють поруч з роботом, мають розуміти, що він робить, які його обмеження і як він вписується у їхні обов’язки. Впровадження провалюються, коли технологія технічно бездоганна, а операційна відповідальність неясна.

Нарешті, економіка має працювати як для клієнта, так і для постачальника робототехнічних рішень. Це вимагає інфраструктури робототехніки, яка стає більш економічною та більш надійною з кожним новим розгортанням.

Цей набір викликів ми називаємо «пробіл автономії». Створення працюючого прототипу — лише частина створення робототехнічного бізнесу. Насправді складніше — перетворити цей прототип у безпечний, підтримуваний, повторюваний продукт, який продовжує працювати, коли спеціалісти залишають будівлю.

Останні роботи Brain Corp у сфері контекстуального закріплення та семантичного картографування вказують на більш інтелектуальний шар для фізичного ШІ. Чому «розуміння середовища» — наступний великий рубіж для автономних роботів?

Традиційна навігація в основному є геометричною задачею: «Де я, куди можу рухатися і чого уникати?». Контекстуальне закріплення додає набагато багатший набір питань: «Що відбувається навколо мене? Які це об’єкти? Як люди, ймовірно, взаємодіятимуть з ними? Яка поведінка доречна в цій конкретній ситуації?»

Базова система навігації може бачити, що щось займає простір. Контекстуально‑обізнана система повинна точно розуміти, що це за об’єкт, чому він там, що він робить і, зрештою, як поводитися навколо нього. Ці розрізнення важливі, бо правильна реакція різна в кожному випадку.

Це стає особливо важливим, коли робототехніка починає впроваджувати генеративний ШІ, моделі «зірка‑мова» та інші ймовірнісні системи. Ці моделі можуть принести величезний інтелект і гнучкість, але правдоподібна відповідь недостатня, коли програмне забезпечення керує фізичною машиною. Дія має бути закріплена в реальній геометрії, умовах, вимогах безпеки та соціальному контексті середовища.

Ми вважаємо, що рішення полягає у поєднанні передового ШІ з постійним контекстуальним представленням фізичного світу та детерміністичними контролями безпеки. Це дозволяє роботу скористатися все більш потужними моделями ШІ, не дозволяючи ймовірному інтелекту працювати без меж.

Як бізнеси мають думати про довіру під час впровадження роботів серед співробітників, клієнтів та широкої публіки?

По‑перше, треба визнати фундаментальну істину: роботи відрізняються від іншої корпоративної технології. Програмна помилка може зламати ваш ноутбук, а помилка в 1 000‑фунтовій машині, що рухається по переповненому роздрібному коридору, має зовсім інші наслідки. Бізнеси не можуть просто ставитися до робота як до ще одного підключеного ІТ‑пристрою.

Довіра до робототехніки заробляється щодня. У час, коли FCC обмежує схвалення іноземної робототехніки через проблеми безпеки, планка довіри ніколи не була вищою. Коли фізичний ШІ масштабується у наших лікарнях, аеропортах, складах і продуктових магазинах, бізнеси повинні оцінювати довіру за кількома окремими вимірами: фізична безпека, конфіденційність даних та інтеграція з людьми.

Сучасний ШІ вражає, роблячи робот «розумним» для навігації у складних середовищах, проте інтелект і безпека — це не одне й те саме. Надійний робот розділяє їх. Він повинен мати спеціалізовані, надлишкові апаратні контролі безпеки, які можуть перебити систему. Безпека має бути закодована, а не навчена.

Крім того, роботи, що пересуваються у публічних просторах, фактично є мобільними платформами даних. Вони використовують камери та датчики, щоб «бачити» світ. Бізнеси повинні вимагати надзвичайної прозорості від постачальників: що саме робот бачить? Куди йдуть ці дані? Хто має до них доступ? Конфіденційність та кібербезпека не можуть бути додані після впровадження як PR‑акція; вони мають бути вбудовані в архітектуру системи з першого дня.

Найбільша помилка компаній — це впровадження робота в об’єкт без будь‑якого плану управління змінами. Ви не можете просити співробітників чи клієнтів довіряти робототехніці на сліпу. Співробітники мають бути залучені заздалегідь, належно навчені і чітко розуміти, як машина полегшує їхню щоденну роботу та підвищує безпеку. Вони повинні знати, хто несе відповідальність у випадку проблеми, і як втрутитися за потреби.

Зрештою, сертифікації, аудити та контроль безпеки — це лише базові докази. Справжня довіра будується через повторюваний досвід. Коли робот діє безпечно, послідовно поважає особистий простір клієнта і щодня бере на себе нудну, брудну роботу, він просто стає частиною команди.

Дивлячись у майбутнє, де ви очікуєте, що комерційна робототехніка створить найбільшу цінність протягом наступних п’яти років: у роздрібі, логістиці, охороні здоров’я, виробництві, аеропортах чи в якомусь іншому секторі?

Найбільша цінність, як правило, приходить із середовищ, які великі, розподілені і мають дефіцит робочої сили. У них є повторювані завдання, які важко виконувати послідовно.

Ланцюг постачання — від виробництва до логістики та роздрібної торгівлі — поєднує всі ці умови. Магазини — складні публічні простори, доступність робочої сили постійно викликає проблеми, а малі операційні питання (порожня полиця, неправильна ціна, затримка прибирання) безпосередньо впливають на досвід клієнта та фінансові показники. Логістика та виробництво також створять величезну цінність через видимість інвентарю, переміщення матеріалів та координацію у все більш автоматизованих об’єктах.

Проте найбільша цінність не буде визначена однією конкретною галуззю. Це буде зміна у тому, як підприємства купують робототехніку. Зокрема, наступні п’ять років принесе кінець ізольованим робототехнічним проєктам.

Зараз підприємства працюють над сильно фрагментованими ініціативами. Вони купують один робот у компанії А для прибирання підлоги, інший у компанії Б для сканування інвентарю і третій у компанії С для переміщення матеріалів. Кожен має власне локальне розуміння світу, яке не ділиться з іншими. Це операційний кошмар, який не масштабується.

Протягом наступних п’яти років створення цінності буде базуватись на спільному контексті та виконанні. Підприємства перестануть купувати фрагментованих роботів і почнуть інвестувати в уніфіковану фізичну AI‑платформу. Вони хочуть одну програмну платформу, один шар автономії і один конвеєр даних, який керуватиме різноманітним флотом машин, ділитиметься контекстом про середовище і централізовано оркеструватиме автоматизацію всіх об’єктів, а не окремих завдань.

Саме так ШІ переходить від амбіцій до реального поліпшення світу.

Дякуємо за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати Brain Corp.