访谈
Oana Jinga，Dexory 联合创始人、首席商务与产品官——访谈系列
将 Unite.AI 添加到您在 Google 上的首选来源
Oana Jinga，Dexory 联合创始人、首席商务与产品官，是一位拥有机器人、零售技术、战略合作伙伴关系和产品开发等背景的资深技术与商务领袖。她于 2015 年共同创立了最初名为 BotsAndUs 的公司，担任首席商务官，随后在 Dexory 担任现任领导职务。在创建公司期间，Jinga 曾在 Google 工作超过六年，负责英国的零售合作伙伴关系，随后监管 EMEA 区域零售行业的战略合作伙伴。她职业早期曾在 O2（Telefónica UK）担任商务、营销、忠诚度及业务发展等职务，并从事市场营销和公共关系工作。她还曾担任 Xoogler.co 的英国联合负责人，支持 Google 校友、创始人、投资人和创业者社区。
Dexory 是一家总部位于英国的机器人与 AI 公司，致力于为仓储和物流运营提供实时智能。其 DexoryView 平台融合了自主机器人、计算机视觉、空间 AI、先进分析和数字孪生技术，持续捕捉仓库内部的实际情况，并将实物库存与现有仓库系统进行对比。Dexory 表示，其机器人每小时可扫描超过 10,000 个位置，生成实时数字化映射，帮助运营者识别错位或受损的库存、监控空间利用率、提升库存准确性并发现运营低效。公司将其技术定位为日益自主化仓库的智能层，已在欧洲、亚洲和美国部署，客户包括全球主要物流和工业组织。
您在 2015 年共同创立 BotsAndUs，之前在 O2 和 Google 等公司从事商务发展和战略合作伙伴工作。您和联合创始人在仓库运营中观察到哪些现象，让您决定将业务聚焦于物流，并最终演变为 Dexory？
我们看到仓库正变得日益复杂和自动化，但许多运营者仍缺乏对仓库现场实际情况的准确实时视图。库存检查仍然高度手工、耗时，并且常常与用于关键运营决策的系统脱节。我们意识到机器人可以通过持续捕获物理世界数据并将其转化为可操作的情报，弥合这一鸿沟。
对于考虑使用 Dexory 的仓库运营者，您能否介绍一下典型的部署流程——从对设施进行映射、安排自主扫描，到通过 DexoryView 将收集的数据转化为可操作的洞见？
部署设计为快速且对业务干扰最小——通常在 2-5 天内完成，1-2 名团队成员负责现场测绘并构建数字孪生，使我们的自主机器人能够在无需大规模基础设施改造的情况下导航并采集数据。随后机器人开始执行预定任务，立即产生投资回报，采集全仓数据并在 DexoryView 中进行处理和可视化。运营者可以快速识别差异、调查问题，并基于最新的数字化仓库模型做出决策。
Dexory 的自主移动机器人能够在高达 18 米的全高仓储货架上进行扫描。为实现如此规模的精准安全运行，需要解决哪些工程、感知和人工智能挑战？
挑战不仅在于达到 18 米的高度，更在于在繁忙的仓库环境中自主移动时仍能捕获准确、一致的数据。这需要将坚固的机械工程与定位、感知和计算机视觉相结合，以在不同光照条件、货架布局和库存类型下保持可靠。安全是根本，整个系统被设计为能够与人员和现有仓库设备可预测地协同工作。
Dexory 的机器人已在全球扫描超过十亿个仓库位置。如此规模和多样性的真实数据如何提升平台的计算机视觉、异常检测和预测能力？
我们确实捕获了规模最大的仓库物理数据集，这使我们能够真正从中学习并构建自己的仓库模型。规模重要，因为每个仓库都有不同的布局、产品、包装和运营条件，形成了极其多样的真实世界数据集。这种广度帮助我们持续改进平台对仓库环境的解读、异常识别，并将有意义的运营问题与噪声区分开来。随着时间推移，这为日益预测性的智能奠定基础，帮助客户不仅了解当前发生了什么，还能预判下一步可能发生的情况。
仓库通常依赖仓库管理系统（WMS）、企业资源规划平台（ERP）和手工库存记录。Dexory 如何调和机器人实际观察到的情况与这些系统报告之间的差异？
Dexory 提供了对物理现实的独立视图，并将其与现有仓库系统的预期进行比较。通过与 WMS、ERP 等系统集成，DexoryView 能够展示数字记录与实际仓库之间的差异，帮助团队快速调查并解决问题。我们并非取代这些核心系统，而是为其提供更准确、更及时的真实世界情报，并实现协同。
Physical AI 常被讨论于类人机器人领域，而 Dexory 则开发了高度专用的仓库智能系统。为何面向特定任务的机器人目前更适合物流领域？您预计在未来十年中，Physical AI 将在哪些方面取得最大突破？
在物流领域，可靠性、安全性和可衡量的投资回报比打造全能机器人更为关键，这也是面向特定任务系统如今如此强大的原因。专为特定环境打造的机器人可以针对性地优化，因而在真实仓库运营的苛刻需求下更具韧性，并能在不断变化的条件下保持一致表现。它们能够在不要求仓库围绕技术重新设计的前提下实现规模化价值。未来十年，我预计 Physical AI 将变得更加自主和自适应，机器将从执行预定义任务转向理解环境并帮助决定最佳行动方案。
除了加快库存盘点之外，客户在实时仓库智能方面看到的最大运营价值体现在哪些方面——空间利用、补货、安全、合规或供应链韧性？
最大的价值在于为运营者提供了通过周期性手工检查根本无法获得的可视性。实时仓库智能能够更早发现未充分利用的空间、库存差异、补货问题和运营瓶颈，使团队能够在问题变得代价高昂之前采取行动。最终，这使仓库在决策基于实际现场情况的前提下变得更高效、更具韧性。
仓库智能从识别错位库存、受损货物或不安全存储等问题，能够发展到提供建议或自主启动纠正行动的程度有多大？
我们看到仓库智能正从可视化，进而提供建议，最终走向日益自主的决策。第一步是足够准确地了解物理环境并识别问题，然后结合其他系统的上下文提供最有效的响应建议。随着对这些系统的信任度提升，某些操作将有机会实现自动化启动，同时仍保留人为对高影响决策的控制。
随着仓库日益自动化，哪些角色仍然是人类独有的优势？企业应如何准备员工，以便他们能够有效地与机器人、数字孪生和 AI 驱动的决策系统协同工作？
自动化应当消除重复、体力要求高的工作，让人们有更多时间专注于判断、问题解决和异常管理。最有价值的岗位将越来越侧重于信息解读、复杂决策以及提升运营方式，而不是手动收集数据。因此，公司需要投资数字技能培训，帮助员工了解如何将 AI 和机器人作为增强其专业能力的工具。
您一直倡导让机器人技术对女性人才更具可及性。要吸引更多女性进入该行业，需要哪些实际改变？
我们需要拓宽进入机器人领域的渠道，并改变人们对该行业职业的认知。如今该行业涵盖工程、软件、数据科学、产品设计、运营、用户体验、商业策略、部署和客户成功等多个方向，需要更清晰地传达这些广度。通过案例研究、演讲机会和公开示例提升女性及多元背景人士的可见度，帮助潜在人才看到丰富的职业路径，同时提供更早的接触和更明确的入行渠道。然而，吸引女性只是挑战的一部分，企业还必须构建包容的环境，使女性能够晋升至高级和领导岗位，确保关注点不仅是入门层面的代表性，而是实现长期、可持续的机器人职业生涯。
感谢这次精彩的访谈，想进一步了解这家机器人公司的读者请访问 Dexory。
