AI Contactless Store: Masa Depan Runcit Tanpa Kasir

Pada 2024, pelaburan global dalam teknologi kedai tanpa kasir dan contactless retail dianggarkan melebihi berbilion dolar, dipacu oleh gergasi seperti Amazon Go, 7‑Eleven dan Walmart. Terbaru, startup Portugal, Sensei, mengumumkan pembiayaan baharu sekitar $16 juta untuk mengembangkan platform kedai tanpa sentuhan di Eropah.

Ini bukan sekadar berita startup. Ini isyarat jelas: AI dalam runcit dan e-dagang sudah bergerak laju, dan pemain besar yang lambat akan ketinggalan.

Bagi rangkaian pasar raya, convenience store, dan marketplace besar di Asia Tenggara termasuk Malaysia, perkembangan seperti Sensei bukan cerita jauh di Eropah sahaja. Ia model yang boleh diadaptasi: bagaimana menggunakan AI untuk kedai tanpa kasir, pengurusan inventori masa nyata, dan pengalaman pelanggan yang lancar – dari stor fizikal ke platform e-dagang.

Artikel ini kupas:

• Bagaimana teknologi seperti Sensei berfungsi
• Kenapa pelaburan $16 juta itu penting untuk strategi runcit
• Apa yang peruncit besar Malaysia boleh belajar dan buat sekarang

1. Apa Sebenarnya Kedai Tanpa Kasir Dikuasakan AI?

Kedai tanpa kasir (contactless / cashierless store) ialah format kedai di mana pelanggan:

1. Masuk dengan mengimbas aplikasi / kad
2. Ambil barang dari rak seperti biasa
3. Terus keluar tanpa beratur di kaunter

Bayaran diproses secara automatik di belakang tabir menggunakan AI computer vision, sensor rak dan data transaksi.

Komponen asas teknologi macam Sensei

Platform seperti Sensei, Standard Cognition, Zippin, AiFi, Grabango dan Trigo biasanya menggabungkan:

• Kamera overhead

  • Mengesan pergerakan pelanggan dan barang di rak
  • Bezakan siapa ambil barang apa, di lorong mana

• Sensor rak (weight sensors / RFID)

  • Mengesan berat berkurang atau tag bergerak bila barang diambil atau dipulangkan

• Model AI computer vision

  • Mengenal pasti produk berdasarkan bentuk, warna, lokasi dan konteks
  • Melatih model untuk ratusan hingga ribuan SKU

• Sistem identiti pelanggan

  • App, QR code, kad ahli atau kad bank untuk “link” pergerakan di kedai dengan akaun

• Enjin pembayaran dan resit automatik

  • Kira jumlah, kenakan caj pada kad / e-wallet / akaun e-dagang
  • Hantar resit digital dengan butiran setiap item

Ringkasnya: AI menggantikan gabungan kasir, CCTV tradisional, dan sebahagian kerja inventori.

2. Kenapa Pelaburan $16M ke Sensei Patut Buat Peruncit Berfikir

Setiap kali syarikat seperti Sensei mendapat suntikan dana besar, ia isyarat kepada pasaran bahawa teknologi kedai tanpa kasir dah lepas fasa eksperimen kecil-kecilan.

Tiga mesej penting daripada pusingan dana Sensei

1. Keyakinan pelabur terhadap model kedai tanpa kasir
   BlueCrow Capital dan pelabur lain tak letak berjuta-juta dolar jika mereka tak nampak potensi skala. Ini petanda kuat bahawa:

   • Kos hardware & software makin turun
   • Model unit economics semakin masuk akal untuk rangkaian besar

2. Eropah jadi medan ujian global
   Dengan pengembangan di Eropah, Sensei perlu:

   • Mematuhi regulasi data dan privasi ketat (GDPR)
   • Menyokong pelbagai format kedai (supermarket, convenience store, kedai kecil bandar lama)

   Kalau teknologi boleh stabil di Eropah, ia lebih mudah diadapt untuk pasaran Asia Tenggara dengan penyesuaian lokal.

3. Teknologi jadi produk, bukan lagi ‘projek pilot’
   Startup seperti AiFi, Zippin, Trigo, dan Sensei sekarang menjual platform – bukan POC ad-hoc. Maksudnya:

   • API jelas untuk integrasi POS dan sistem inventori sedia ada
   • Dashboard operasi untuk memantau transaksi, heatmap pelanggan, shrinkage
   • Model langganan / revenue share yang boleh dirancang dalam bajet CAPEX/OPEX

Bagi peruncit besar, ini masa sesuai untuk beralih daripada “tengok dulu” kepada “uji di beberapa lokasi, dengan pelan 3 tahun”.

3. Manfaat Operasi: Lebih Dari Sekadar Tak Perlu Beratur

Kebanyakan orang hanya nampak satu manfaat: tak perlu beratur di kaunter. Sebenarnya, dari sudut operasi, AI contactless store bawa beberapa impak besar.

a) Pengurusan inventori masa nyata

Dalam model tradisional, stok dikira:

• Berdasarkan imbasan di kaunter
• Kadang-kadang hanya selepas audit berkala

Dalam kedai tanpa kasir:

• Setiap pengambilan barang direkodkan secara langsung
• Sistem tahu rak mana cepat habis, jam berapa, hari apa

Ini membolehkan:

• Perancangan stok lebih tepat (integrasi dengan AI peramalan permintaan)
• Pengurangan out-of-stock pada SKU kritikal
• Pengoptimuman ruang rak mengikut data sebenar, bukan sekadar “feeling” merchandiser

b) Produktiviti kakitangan

AI tak ganti semua staf, tapi ubah jenis kerja:

• Kurang masa di kaunter menerima bayaran
• Lebih masa:
  • Susun stok
  • Bantu pelanggan
  • Urus pesanan dalam talian / BOPIS (Buy Online, Pick-up In Store)

Untuk rangkaian besar, ini terus memberi kesan kepada:

• Kos operasi per kedai
• Keupayaan menggabungkan peranan offline & online dalam satu pasukan

c) Data tingkah laku pelanggan yang jauh lebih kaya

AI contactless store boleh merekod:

• Lorong mana paling banyak trafik mengikut masa
• Produk mana yang pelanggan selalu ambil, pegang, tapi letak semula
• Perjalanan pelanggan dari pintu masuk ke keluar

Data ini jauh lebih terperinci daripada sekadar transaksi resit. Ia boleh digunakan untuk:

• Uji susun atur kedai (planogram) secara data-driven
• Optimakan penempatan promosi dan gondola end-cap
• Sinkronkan cadangan produk di aplikasi e-dagang dengan corak belian di stor fizikal

4. Apa Startup Contactless Macam Sensei Boleh Ajar Gergasi Runcit

Startup macam Sensei, Standard Cognition, AiFi dan lain-lain ada satu kelebihan: mereka direka dari awal untuk automasi dan data.

Peruncit besar boleh belajar beberapa prinsip penting:

4.1 Automasi sebagai asas, bukan tambahan

Banyak rangkaian pasar raya mula dengan sistem POS lama, kemudian tampal modul loyalty, kemudian baru cuba tambah e-dagang. Hasilnya:

• Sistem bercantum-cantum, susah integrasi
• Data pelanggan berpecah antara offline dan online

Platform contactless direka sebaliknya:

• Satu lapisan identiti pelanggan untuk semua interaksi
• Satu sumber data transaksi (kedai + online) yang boleh dianalisis bersama

Bagi pemain seperti Lotus’s, Jaya Grocer, Aeon, atau rangkaian serantau, saya akan cadangkan projek transformasi IT jangka sederhana dengan objektif jelas: satu customer ID, satu inventory truth, satu data layer.

4.2 Uji, belajar, skala – bukan tunggu “perfect”

Startup AI runcit biasanya:

• Lancar MVP di satu atau dua kedai
• Terima error awal (mis-tag, shrinkage kecil)
• Perbaiki model AI berdasarkan data sebenar

Banyak peruncit tradisional pula:

• Tahan projek sampai semua orang “selesa”
• Akhirnya projek lambat, terlalu mahal, dan ketinggalan teknologi

Ada cara lebih bijak:

• Mulakan dengan 1-3 kedai konsep (contoh: kedai kampus universiti, stesen minyak, mini market 24 jam)
• Tetapkan KPI yang konkrit: masa purata lawatan, shrinkage, peningkatan bakul belian
• Jadikan projek sebagai makmal AI runcit untuk seluruh organisasi

4.3 Fikir omnichannel dari hari pertama

Sensei dan rakan seangkatannya membina solusi yang mudah dihubungkan dengan:

• Aplikasi mudah alih
• Platform e-dagang
• Program kesetiaan pelanggan

Untuk Malaysia dan Asia Tenggara, integrasi dengan Shopee, Lazada, Grab, Foodpanda, dan platform quick commerce adalah logik seterusnya:

• Data apa yang boleh dikongsi antara kedai fizikal dan marketplace?
• Bolehkan anda tawarkan promosi berasaskan tingkah laku di stor kepada pelanggan di aplikasi?

Omnichannel yang sebenar berlaku bila:

Data dari stor fizikal, e-dagang, dan aplikasi loyalty berkongsi satu “otak” AI yang sama.

5. Strategi Praktikal Untuk Peruncit Besar di Malaysia & Asia Tenggara

Kalau anda pengurus digital, CTO, atau pengarah operasi rangkaian runcit, ini cara praktikal untuk bergerak dalam 12–24 bulan akan datang.

Langkah 1: Tentukan visi AI runcit yang jelas

Contoh visi yang berkesan:

• “Kurangkan masa beratur maksimum kepada 2 minit di semua kedai menjelang 2027”
• “Gabungkan data stor dan e-dagang dalam satu profil pelanggan menjelang 2026”
• “Capai 30% transaksi stor melalui model contactless / self-checkout menjelang 2028”

Tanpa sasaran macam ini, projek AI mudah tersangkut sebagai POC yang tak pernah skala.

Langkah 2: Pilih satu atau dua format kedai pilot

Format yang sesuai untuk projek contactless awal:

• Kedai kecil di kawasan urban dengan trafik tinggi (contoh: dalam LRT, universiti, pejabat)
• Convenience store 24 jam
• Kedai tanpa tunai dalam kawasan tertutup (kampus, pejabat, kilang)

Kedai begini lebih terkawal, memudahkan:

• Pengujian teknologi kamera & sensor
• Pengurusan risiko shrinkage
• Pendidikan pelanggan

Langkah 3: Audit sistem sedia ada

Sebelum fikir AI hebat, audit dulu:

• Sistem POS: bolehkah keluarkan data masa nyata? Ada API?
• Sistem inventori: adakah satu sumber data stok atau banyak versi?
• Program loyalty: bolehkah link ID pelanggan dengan transaksi offline & online?

Kadang-kadang, naik taraf API dan data pipeline adalah langkah paling penting sebelum pasang kamera AI di siling.

Langkah 4: Bina pasukan kerja silang (IT + operasi + pemasaran)

Kedai tanpa kasir bukan projek IT semata-mata. Ia sentuh:

• SOP kedai
• Latihan kakitangan
• Komunikasi kepada pelanggan

Saya sangat menyarankan skuad projek yang merangkumi:

• IT / Data: integrasi, keselamatan, prestasi
• Operasi: jadual staf, proses backroom, replenishment
• Pemasaran / CX: reka journey pelanggan, edukasi, promosi

Langkah 5: Rancang pengembangan 3–5 tahun

Contactless store bukan projek 6 bulan. Sasarkan roadmap seperti:

1. Tahun 1: 1–3 kedai pilot, data & pelajaran awal
2. Tahun 2: 10–20 kedai, integrasi lebih dalam dengan e-dagang & loyalty
3. Tahun 3–5: Skalakan ke format kedai lain, mungkin termasuk francais

Di peringkat ini, anda boleh gabungkan AI retail lain:

• Dynamic pricing terhad (contoh: harga malam untuk produk hampir luput)
• Cadangan produk peribadi dalam aplikasi
• Automated warehousing untuk refill kedai contactless

6. Kenapa Ini Penting Untuk Siri “AI in Retail & E‑Commerce”

Dalam siri “AI in Retail & E-Commerce (Large Chains & Marketplaces)”, kita banyak bercakap tentang peramalan permintaan, dynamic pricing, dan personalisasi di platform digital.

Kedai contactless seperti yang dibangunkan Sensei ialah kepingan besar yang sambungkan semua ini ke dunia fizikal.

• Data tingkah laku di stor membantu AI ramal permintaan dengan lebih tepat
• Transaksi tanpa kasir memendekkan jarak antara niat dan pembelian
• Satu ekosistem AI boleh menservis marketplace, kedai fizikal dan gudang dalam satu logik yang konsisten

Bagi peruncit dan marketplace besar di Malaysia dan Asia Tenggara, momentum pelaburan seperti $16 juta ke Sensei hari ini adalah amaran awal: pasaran bergerak, sama ada anda ikut atau tidak.

Soalan sebenar untuk organisasi anda sekarang bukan lagi “perlu atau tidak teknologi AI kedai tanpa kasir?”, tetapi:

“Di kedai mana kita akan uji dahulu, dan apa metrik kejayaan yang kita nak capai menjelang 12 bulan akan datang?”

Jawapan kepada soalan itu akan menentukan siapa yang memimpin gelombang AI runcit seterusnya – dan siapa yang hanya menonton dari tepi.