Apabila Automasi Gudang Tersilap Langkah

AI dalam Runcit & E-Dagang (Rangkaian Besar & Pasaran)••By 3L3C

Kisah Kroger membuktikan automasi gudang besar bukan sentiasa menguntungkan. AI runcit perlu strategi hybrid yang fokus pada ROI, stor fizikal dan pelanggan.

AI dalam runcitautomasi gudange-dagang pasar rayarantaian bekalanomnichannelstrategi peruncit besar
Share:

Apabila Automasi Gudang Tersilap Langkah

Pada 10/12/2025, Kroger sanggup membayar sekitar US$350 juta hanya untuk tidak meneruskan satu pusat pemenuhan e-dagang automatik di Charlotte dan menutup beberapa fasiliti lain. Untuk sebuah gergasi runcit, itu bukan keputusan kecil – itu isyarat jelas bahawa model automasi gudang mereka perlu dirombak.

Ini relevan terus kepada rangkaian runcit besar di Asia Tenggara – daripada pasar raya hingga marketplace seperti Lazada, Shopee atau pemain fizikal seperti Lotus’s. Semua orang bercakap tentang AI, robot gudang dan “dark store”. Tapi kisah Kroger menunjukkan satu perkara penting: AI dan automasi gudang bukan penyelesaian satu saiz untuk semua. Silap strategi, kosnya bukan sekadar juta, tapi juga masa, tenaga, dan reputasi.

Dalam artikel ini, saya akan kupas apa sebenarnya yang berlaku di Kroger, kenapa projek automasi besar boleh tersilap langkah, dan bagaimana peruncit di Malaysia dan Asia Tenggara boleh membina strategi AI runcit yang lebih bijak, fleksibel dan menguntungkan.

Apa Yang Sebenarnya Berlaku Dengan Kroger & Ocado?

Inti kisahnya mudah: Kroger mengundur sebahagian pelaburan automasi e-dagang, bukan kerana anti‑teknologi, tetapi kerana matematik keuntungan tidak lagi menyebelahi model lama.

Beberapa poin utama keputusan mereka:

  • Membatalkan pusat pemenuhan pelanggan (CFC) automatik di Charlotte, North Carolina.
  • Menutup beberapa CFC lain di Wisconsin, Maryland dan Florida.
  • Menutup beberapa pusat spoke (hub lebih kecil) termasuk di Nashville, Tennessee.
  • Bayaran pampasan kepada Ocado sekitar US$350 juta kerana tidak meneruskan sebahagian rangkaian automasi.
  • Beralih untuk gunakan lebih banyak stor fizikal sebagai tempat memproses pesanan online.
  • Menggandakan kerjasama dengan pemain penghantaran pihak ketiga seperti Instacart, DoorDash dan Uber.

Pada masa yang sama, Kroger tidak memutuskan hubungan dengan Ocado sepenuhnya. Mereka masih kekalkan beberapa CFC strategik (contoh di Ohio, Texas, Colorado, Michigan, Georgia) dan terus memasang teknologi baharu seperti AutoFreezer di fasiliti Phoenix.

Maknanya apa? Kroger bukan tarik plug dari AI. Mereka cuma ubah bentuk pelaksanaannya – daripada rangkaian automasi besar yang mahal, kepada kombinasi pusat automatik terpilih + stor fizikal + rakan penghantaran.

Pelajaran #1: Automasi Gudang Berskala Besar Tidak Semestinya Menang

Untuk bertahun-tahun, naratif dalam runcit ialah: lagi banyak automasi, lagi besar gudang, lagi hebat. Realitinya lebih kasar. Automasi berskala besar hanya masuk akal bila volum, geografi dan margin menyokongnya.

Kenapa model CFC besar boleh gagal dari sudut bisnes

Beberapa sebab biasa yang saya nampak dalam projek seperti ini:

  1. Kos tetap terlalu tinggi
    CFC automatik melibatkan:

    • pelaburan ratusan juta dolar,
    • kontrak jangka panjang dengan vendor teknologi,
    • penyelenggaraan robotik dan IT yang kompleks.

    Jika volum pesanan tidak sampai tahap yang dirancang, kos per pesanan akan kekal tinggi.

  2. Jarak pelanggan & SLA penghantaran
    CFC selalunya terletak di pinggir bandar atau bandar lain. Untuk pasaran yang padat dan trafik tidak menentu (bayangkan Lembah Klang pada petang Jumaat), jarak dari CFC ke pelanggan menghakis kelebihan masa dan kos.

  3. Permintaan e‑dagang tak sekata
    Pesanan naik mendadak musim perayaan (Aidilfitri, Tahun Baru Cina, 11.11, 12.12) tetapi lebih perlahan di bulan-bulan lain. Automasi berat sukar dikurangkan kapasiti; ia mahu volum tinggi yang konsisten.

  4. Ekspektasi pelanggan berubah cepat
    Pelanggan kini mahukan penghantaran hari yang sama atau dua jam. Kadang-kadang, stor kejiranan dengan proses store picking + rakan penghantaran last‑mile lebih fleksibel berbanding rangkaian CFC besar.

Bila semua faktor ini digabungkan, tak pelik kalau Kroger menyimpulkan: "Untuk kawasan tertentu, stor sebagai mini-fulfillment center jauh lebih ekonomikal daripada satu CFC mega."

Pelajaran #2: AI Dalam Runcit Perlu Strategi ‘Hybrid’, Bukan Satu Model Sahaja

Inilah hakikat tentang AI dalam runcit dan e-dagang: AI paling berkesan bila menyokong beberapa model operasi serentak, bukannya mengunci syarikat kepada satu reka bentuk rangkaian sahaja.

Apa maksud strategi ‘hybrid’ dalam AI runcit?

Untuk rangkaian besar, strategi yang lebih sihat biasanya gabungkan:

  • CFC automatik terpilih
    Untuk kawasan volum ultra tinggi dan padat, CFC automatik masuk akal. Di sini, AI digunakan untuk:

    • pengoptimuman laluan robot,
    • susun atur stok dalam gudang (slotting),
    • ramalan permintaan mikro mengikut zon penghantaran.

  • Stor fizikal sebagai pusat pemenuhan tempatan
    Banyak peruncit kini guna stor hypermarket dan supermarket sebagai micro-fulfillment. AI membantu:

    • mengira stok optimum di rak vs stok untuk pesanan online,
    • menjadualkan picker dalam stor,
    • menggabungkan pesanan (order batching) untuk kurangkan masa picking.

  • Rakan penghantaran pihak ketiga dan fleet dalaman
    AI digunakan untuk memutuskan bila guna rider sendiri, bila lebih masuk akal guna rakan luar, berdasarkan:

    • kos per penghantaran,
    • SLA yang dijanjikan,
    • jarak dan keadaan trafik masa nyata.

Kroger bergerak ke arah model sebegini. Di Asia Tenggara, banyak pemain besar sebenarnya sudah berada di landasan yang sama – cuma selalunya AI belum dimanfaatkan sepenuhnya untuk mengkoordinasi semua komponen.

Pelajaran #3: ROI AI Bukan Tentang Robot Sahaja, Tetapi Model Untung Rugi Menyeluruh

Kroger menjangkakan operasi online mereka akan mula menjana keuntungan tahun depan. Itu bukan kebetulan; itu hasil daripada:

  • menutup fasiliti yang tidak menguntungkan,
  • mengalih pelaburan kepada teknologi yang memberi impak terus kepada produktiviti,
  • mengoptimumkan mix antara store picking, CFC, dan rakan penghantaran.

Untuk peruncit besar di Malaysia atau rantau ini, soalan pentingnya: bagaimana nak mengukur ROI AI runcit dengan betul?

Metrik yang patut diberi perhatian

Beberapa metrik yang saya selalu nampak membezakan projek AI yang berjaya dan yang "cantik di kertas, rugi di akaun":

  1. Kos pemenuhan per pesanan (fulfillment cost per order)
    Bukan sekadar kos penghantaran. Termasuk:

    • picking,
    • pembungkusan,
    • storage,
    • overhead sistem dan automasi.

  2. Margin pesanan e‑dagang selepas semua kos
    Ramai hanya tengok GM% (margin kasar). Yang lebih penting ialah contribution margin selepas kos pemenuhan, pemasaran digital, diskaun dan komisen rakan.

  1. Produktiviti picker / robot

    • Pesanan/jam per picker, atau
    • unit/jam per robot.

    Di sinilah AI untuk perancangan laluan picking dan penjadualan tenaga kerja memberi impak ketara.

  2. Peratus pesanan penghantaran hari sama / next-day yang dipenuhi mengikut janji
    SLA yang konsisten membina kepercayaan. AI routing dan peramalan volum penting di sini.

  3. Kadar penggunaan kapasiti (capacity utilisation)
    Kalau CFC sentiasa beroperasi 40–50% kapasiti, sukar untuk capai ROI yang diharap. AI demand forecasting dan simulasi rangkaian boleh bantu sebelum anda membina lagi satu fasiliti besar.

Tanpa metrik seperti ini, projek AI mudah menjadi "projek imej" – nampak canggih, tapi tak jelas bila ia sebenarnya mula menjana pulangan.

Pelajaran #4: Gagal Awal Lebih Baik Daripada Terperangkap Dalam Reka Bentuk Yang Salah

Ada satu sisi positif yang ramai terlepas bila melihat berita seperti Kroger: keberanian untuk mengundur langkah bila data menunjukkan strategi lama tidak berbaloi.

Ramai peruncit besar di rantau ini terlalu takut untuk mengaku pelan automasi mereka tidak menjadi, lalu meneruskan projek yang membakar wang setiap bulan. Sebenarnya, langkah seperti Kroger ialah contoh fail fast, correct course pada skala besar.

Apa yang peruncit lain boleh tiru (tanpa perlu bayar ratusan juta dulu)

Beberapa amalan yang lebih selamat untuk konteks Asia Tenggara:

  1. Mulakan dengan projek perintis (pilot) yang jelas skopnya

    • Satu stor, satu bandar atau satu kategori produk dahulu.
    • Uji AI untuk peramalan stok, slotting, atau automasi picking skala kecil.

  2. Rancang “exit criteria” sejak awal
    Tetapkan ambang: jika selepas 12–18 bulan metrik X, Y, Z tak tercapai, rangkaian atau pendekatan ini akan dihentikan atau diubah.

  3. Utamakan integrasi data sebelum robot
    Ramai melompat terus kepada robot gudang dan AGV, tetapi data asas seperti:

    • ketepatan inventori,
    • data pesanan sejarah,
    • data kedatangan barang (inbound),
      masih berantakan.
      AI hanya berkesan jika asas ini kukuh.

  4. Bangunkan pusat kecekapan AI runcit dalaman
    Jangan serah 100% nasib automasi kepada vendor. Bentuk pasukan kecil data/ops yang faham operasi sendiri, boleh:

    • menyemak ROI vendor,
    • buat simulasi “what‑if”,
    • cadangkan konfigurasi rangkaian yang lebih realistik.

Pelajaran #5: AI Paling Berkuasa Bila Dekat Dengan Pelanggan, Bukan Hanya Di Gudang

Satu mesej besar dari strategi baharu Kroger: stor fizikal kembali ke tengah pentas, disokong oleh AI.

Untuk peruncit dan marketplace di sini, itu selari dengan realiti pasaran Asia Tenggara:

  • Rangkaian kedai padat di bandar dan pekan kecil.
  • Pelanggan biasa buat omnichannel: beli online, ambil di stor; atau survey online, beli di stor.
  • Trafik dan jarak sangat berbeza antara bandar.

Di mana AI patut diberi tumpuan dalam konteks kita

  1. AI peramalan permintaan mikro (micro-forecasting)

    • Peramal permintaan mengikut stor, slot masa dan cuaca/tempoh perayaan.
    • Bantu elak kehabisan stok barang penting (beras, minyak, susu bayi) semasa puncak.

  2. AI untuk pengurusan inventori omni-saluran
    Satu sistem stok yang faham bahawa:

    • stok di stor A boleh digunakan untuk pesanan online kawasan X,
    • stok di gudang pusat pula untuk marketplace nasional.

  3. AI untuk perancangan tenaga kerja (workforce planning)

    • Ramal berapa ramai picker, packer dan rider diperlukan hari tertentu.
    • Elak overstaffing atau understaffing.

  4. Personalisation & promosi pintar
    Bila anda sudah jimat kos pemenuhan melalui AI, ada lebih ruang untuk:

    • baucar yang lebih tepat sasaran,
    • cadangan produk relevan untuk pelanggan setia,
    • program loyalti yang menggabungkan pembelian online + offline.

Fokus sebegini selalunya memberi ROI lebih cepat daripada melabur terus dalam satu mega-gudang automatik baharu.

Apa Langkah Praktikal Untuk Peruncit Di Malaysia & Asia Tenggara Sekarang?

Jika anda mengurus rangkaian runcit besar atau marketplace, kisah Kroger sepatutnya jadi penggera mesra: semak balik pelan AI & automasi anda sebelum pasaran dan kos operasi memaksa anda.

Beberapa langkah praktikal yang boleh diambil dalam 6–12 bulan akan datang:

  1. Audit rangkaian pemenuhan sedia ada dengan data AI

    • Peta semua stor, gudang, rakan penghantaran.
    • Guna analitik untuk kira kos pemenuhan sebenar per zon dan per kaedah (CFC vs stor vs vendor luar).

  2. Kenal pasti 2–3 bandar untuk model ‘hybrid’ penuh

    • Contoh: Lembah Klang, Pulau Pinang, Johor Bahru.
    • Uji kombinasi: stor sebagai micro‑fulfillment + pickup di stor + penghantaran last‑mile rakan luar.

  3. Bentangkan pelan teknologi berlapis, bukan sekaligus

    • Fasa 1: ketepatan data & integrasi asas.
    • Fasa 2: AI peramalan & perancangan rangkaian.
    • Fasa 3: automasi fizikal terpilih (mengikut bukti ROI).

  4. Cipta ‘business case’ yang jujur untuk setiap projek AI

    • Tunjukkan kos penuh (termasuk integrasi, latihan, penyelenggaraan).
    • Letak sasaran terukur, contohnya: "turunkan kos fulfillment 15% dalam 18 bulan" atau "naikkan pesanan per picker 30%".

  5. Pilih rakan teknologi yang fleksibel, bukan hanya yang paling canggih
    Anda mahu:

    • modul yang boleh berkembang ikut masa,
    • struktur harga yang sejajar dengan volum,
    • pasukan yang faham konteks pasaran tempatan.

Penutup: AI Bukan Salah – Strategi Yang Tersilap Itu Masalahnya

Kisah Kroger dan Ocado mengingatkan satu perkara: AI dalam runcit dan e‑dagang ialah alat kuasa tinggi, tetapi ia perlu disuap dengan model operasi yang betul. Automasi gudang besar bukan sentiasa jawapan, terutama bila pelanggan mahukan kelajuan, fleksibiliti dan harga yang ketat.

Bagi rangkaian besar dan marketplace di Malaysia serta Asia Tenggara, masa sekarang – hujung 2025 menuju 2026 – sangat sesuai untuk menyusun semula pelan AI runcit anda: kurang fokus pada imej futuristik, lebih fokus pada keuntungan, fleksibiliti rangkaian dan pengalaman pelanggan.

Satu soalan ringkas yang patut ditanya di setiap mesyuarat strategi tahun depan:
“Jika kita melabur X juta dalam AI dan automasi, adakah ia benar-benar mengurangkan kos per pesanan dan meningkatkan pengalaman pelanggan… atau hanya menambah satu lagi pusat kos yang sukar berundur?”

Jika jawapannya belum jelas, mungkin sudah tiba masa untuk menilai semula – sebelum anda sendiri terpaksa membayar harga pembetulan seperti Kroger.

🇲🇾 Apabila Automasi Gudang Tersilap Langkah - Malaysia | 3L3C