Keputusan Kroger memotong pusat fulfillment automasi beri amaran jelas: AI gudang tanpa strategi omnichannel dan ekonomi kukuh boleh membakar ratusan juta.
Most syarikat besar suka bercerita tentang kejayaan automasi dan AI. Jarang ada yang berani mengaku projek ratus juta tak menjadi seperti dirancang.
Keputusan Kroger membatalkan pusat pemenuhan (fulfillment center) automasi baharu di Charlotte dan menutup beberapa fasiliti lain buat ramai tertanya: adakah pelaburan besar dalam AI dan robotik gudang sebenarnya berbaloi? Untuk peruncit besar dan marketplace di Asia Tenggara, termasuk Malaysia, ini bukan sekadar berita dari Amerika – ini manual rujukan senyap tentang apa yang perlu dibuat (dan dielak) bila melabur dalam AI fulfillment.
Artikel ini bedah apa yang berlaku di Kroger, kenapa mereka “brek” projek automasi, dan apa pengurus rantaian bekalan, e-dagang dan IT di rantau kita boleh belajar bila merancang pelaburan AI dalam retail dan e-commerce.
Ringkas Kes Kroger–Ocado: Apa Sebenarnya Berlaku?
Inti kes Kroger cukup jelas: automasi besar-besaran tak menjamin ekonomi e-dagang yang sihat.
Sejak 2018, Kroger bekerjasama dengan Ocado untuk membina rangkaian customer fulfillment centers (CFC) berautomasi tinggi. Robot bergerak di atas grid, AI susun stok, dan pesanan diproses dalam skala besar. Model ini direka untuk menyokong penghantaran runcit dalam talian merentas beberapa negeri.
Beberapa minggu kebelakangan ini, beberapa langkah besar diumumkan:
- Kroger membatalkan rancangan membuka CFC automasi baharu di Charlotte, North Carolina.
- Mereka akan membayar Ocado kira-kira US$350 juta sebagai pampasan untuk tidak meneruskan CFC Charlotte dan menutup tiga CFC lain.
- Satu fasiliti spoke di Nashville, Tennessee – yang fungsi utamanya memindahkan pesanan dari CFC ke trak penghantaran – akan ditutup awal 2026, melibatkan pemberhentian lebih 100 pekerja.
- Sebelum ini, Kroger telah umum untuk menutup CFC di Wisconsin, Maryland dan Florida serta beberapa pusat spoke lain.
Pada masa yang sama, mereka tidak membuang automasi terus. Kroger masih mengekalkan beberapa CFC utama (Ohio, Texas, Colorado, Michigan, Georgia) dan meneruskan pemasangan teknologi Ocado seperti AutoFreezer dan peningkatan kapasiti di Detroit.
Mesej tersirat Kroger sangat kuat:
Automasi berskala besar hanya masuk akal jika ekonomik, fleksibel dan sejajar dengan strategi omnichannel – bukan semata-mata kerana ia nampak canggih.
Kenapa Projek Automasi Besar Boleh Tersasar
Bagi peruncit dan marketplace besar, automasi fulfillment berasaskan AI nampak seperti jawapan kepada semua masalah: gaji naik, kekurangan pekerja gudang, pelanggan mahukan penghantaran sama hari.
Realitinya lebih kasar.
1. Unit economics e-dagang tak sama dengan hypermarket
Margin runcit makanan sudah pun nipis. Bila ditambah:
- kos pemprosesan pesanan di gudang automasi,
- kos penghantaran ke rumah pelanggan,
- potongan promosi dan diskaun online,
… keuntungan boleh hilang kalau volum tak cukup tinggi atau jarak pelanggan terlalu jauh.
Kroger sedar mereka perlu lebih banyak pesanan dikutip dari kedai fizikal untuk capai keuntungan online. CFC mega yang jauh dari bandar tak selalu menang berbanding store-picking yang dioptimumkan dengan AI.
2. Automasi berat = CAPEX berat
CFC Ocado bukan projek murah:
- pelaburan awal ratusan juta dolar,
- kontrak jangka panjang,
- kos pampasan besar bila ditamatkan (US$350 juta hanya untuk beberapa fasiliti).
Bila pola permintaan berubah – contohnya, pelanggan beralih kepada pick-up in store atau kos penghantaran naik – model automasi berat jadi sukar dilaras.
3. AI logistik tanpa strategi omnichannel hanya separuh jalan
Kroger semakin bergantung kepada:
- rangkaian kedai mereka sendiri untuk susun dan serah pesanan,
- rakan penghantaran seperti Instacart, DoorDash dan Uber.
Mereka sedar, AI bukan hanya tentang robot gudang. AI juga perlu hidup di:
- perancangan inventori kedai (store-level demand forecasting),
- peruntukan rider dan slot penghantaran,
- pemilihan saluran fulfillment paling murah untuk setiap pesanan.
Automasi gudang tanpa otak omnichannel yang pandai memilih laluan kos terendah akan menekan margin, bukan menyelamatkan.
Pengajaran Untuk Peruncit & Marketplace di Malaysia/ASEAN
Bagi pemain seperti Lotus’s, AEON, Giant, Lazada, Shopee, TikTok Shop atau pasar raya besar tempatan, kes Kroger ini datang tepat pada masanya. Tahun 2026 bakal jadi fasa di mana pelaburan AI fulfillment dinilai semula: mana yang beri pulangan, mana yang hanya membakar tunai.
Berikut tiga pengajaran utama yang saya rasa tak patut diabaikan.
1. Mulakan dengan model hibrid, bukan automasi total
Ramai syarikat teruja nak bina “gudang generasi baharu” serba robotik. Masalahnya, demand e-dagang runcit di Asia Tenggara sangat tidak sekata mengikut bandar, musim dan kategori.
Pendekatan lebih sihat:
-
Fasa 1 – Store-picking + AI
Optimumkan picking dalam kedai sedia ada menggunakan:- algoritma rute picking yang pintar,
- penjadualan rider berdasarkan ramalan permintaan,
- aplikasi picker dengan cadangan laluan dan pengganti produk automatik.
-
Fasa 2 – Micro-fulfillment center (MFC)
Untuk kawasan bandar padat (KL, Penang, Jakarta, Bangkok), bina MFC kecil berdekatan pelanggan. Automasi separa (conveyor + sortation + AI slotting) sudah cukup untuk lonjak produktiviti tanpa CAPEX menggunung. -
Fasa 3 – CFC besar hanya bila volum terbukti stabil
Bila volum kawasan tertentu konsisten tinggi beberapa tahun, barulah masuk akal untuk automasi lebih agresif.
Automasi perlu mengejar volum, bukan volum dipaksa mengejar automasi.
2. Jadikan AI sebagai “otak pemilihan saluran”
Dalam e-dagang moden, satu pesanan boleh dipenuhi melalui beberapa pilihan:
- pick-up di kedai (BOPIS),
- penghantaran dari kedai paling hampir,
- penghantaran dari gudang pusat/MFC,
- penghantaran oleh 3PL / crowdshipping.
Kroger bergerak ke arah ini dengan lebih banyak gunakan kedai dan rakan penghantaran pihak ketiga. Pengajaran untuk kita:
AI fulfillment yang betul bukan hanya laju memproses pesanan, tapi pandai memilih cara paling untung untuk setiap pesanan.
Sistem anda sepatutnya boleh menjawab secara automatik:
- Dari lokasi mana pesanan ini patut diproses?
- Patut guna rider sendiri, 3PL, atau partner on-demand?
- Perlukah kita pecahkan pesanan kepada beberapa shipment untuk jimat kos?
Semua ini boleh dimodelkan dengan kombinasi AI peramalan (forecasting), optimization engine dan rule-based orchestration.
3. Ukur kejayaan AI pada P&L, bukan pada “wow factor” teknologi
Kroger secara terbuka menyasar untuk menjadikan operasi online untung pada 2026. Itu metrik sebenar, bukan bilangan robot di gudang.
Sebelum anda meluluskan projek AI/automasi besar, tanya tiga soalan tegas:
-
Berapa kos pemprosesan setiap pesanan (cost per order) hari ini, dan sasaran selepas projek?
Tanpa sasaran numerik, projek mudah tersasar. -
Berapa volum minimum untuk capai pulang modal?
Kalau perlu volum 3x daripada sekarang, adakah rancangan pemasaran menyokong sasaran itu? -
Berapa cepat kita boleh “pusing balik” kalau model ini tak menjadi?
Bolehkan aset automasi digunakan semula sebagai MFC? Bolehkan robot dialih ke fasiliti lain?
Kalau jawapan tak jelas, lebih baik mulakan dengan projek AI kecil yang mempengaruhi keputusan harian (seperti peramalan dan peruntukan stok) berbanding hardware berat.
Di Mana AI Paling Cepat Beri Pulangan Dalam Fulfillment
Kroger mengurangkan bilangan pusat automasi mega, tetapi mereka gandakan usaha untuk memasang teknologi AI Ocado bagi meningkatkan produktiviti CFC sedia ada.
Ini selari dengan apa yang banyak pemain Asia Tenggara sedang lakukan: fokus pada AI yang menaikkan throughput dan ketepatan, bukannya hanya tambah robot.
Beberapa kawasan AI yang biasanya beri pulangan paling cepat:
1. Peramalan permintaan granular
AI boleh meramal permintaan mengikut:
- kedai,
- hari minggu dan jam,
- cuaca,
- promosi dan musim (contohnya Ramadan, Raya, 11.11, 12.12).
Hasilnya:
- stok lebih tepat di kedai yang digunakan untuk store-picking atau pick-up,
- kurang kehabisan stok untuk item fast-moving,
- kurang lebihan stok untuk barangan segar yang mudah rosak.
2. Slotting dan pengurusan ruang gudang
Dalam CFC atau MFC, AI boleh cadangkan di mana produk perlu diletak untuk memendekkan jarak picking. Bila digabungkan dengan automasi sederhana (conveyor, shuttle system), anda boleh dapat peningkatan produktiviti 20–40% tanpa perlu robot penuh.
3. Pengurusan tenaga kerja dan jadual rider
AI scheduling boleh:
- meramal keperluan picker dan rider mengikut slot masa,
- mengurangkan OT yang tak perlu,
- mengelak kekurangan rider pada waktu puncak.
Untuk pasar raya yang bergantung kepada penghantaran segera (contohnya 2 jam), ini selalunya “quick win” yang lebih besar daripada beli robot baharu.
4. Network design dan simulasi
Sebelum bina gudang baharu, gunakan AI untuk mensimulasikan:
- lokasi optimum MFC/CFC,
- impak jarak terhadap kos penghantaran,
- pilihan “what-if” seperti kenaikan harga bahan api atau perubahan polisi rider.
Kalau Kroger buat simulasi agresif di awal, mungkin beberapa CFC yang kini ditutup boleh direka dengan skala dan lokasi berbeza.
Cara Praktikal Merangka Pelaburan AI Fulfillment 2026
Untuk pasukan pengurusan di peruncit besar dan marketplace, berikut rangka kerja praktikal berlandaskan pengajaran Kroger.
Langkah 1: Peta semula strategi omnichannel
Tanya soalan asas:
- Peranan utama kedai fizikal dalam fulfillment – stor, hub pickup, atau mini-MFC?
- Nisbah sasaran antara penghantaran rumah, pick-up di kedai, dan penghantaran ke loker?
- Di bandar utama mana kita mahu tawarkan same-day atau next-day secara konsisten?
Tanpa jawapan ini, pelaburan AI akan berselerak.
Langkah 2: Audit kos dan proses sedia ada
Kumpulkan data:
- kos per pesanan mengikut kaedah fulfillment,
- masa pemprosesan purata di kedai vs gudang,
- kadar ralat pesanan, pemulangan (returns) dan aduan pelanggan.
Di sinilah AI boleh disasarkan: pilih titik sakit paling mahal, bukan paling glamor.
Langkah 3: Mulakan dengan “AI first, hardware second”
Contohnya:
- guna AI untuk mengoptimumkan rute dan slot penghantaran dahulu,
- automasi picking dengan sistem pandu picker (pick-to-light, pick-by-voice),
- hanya tambah robot dan automasi fizikal bila data tunjuk had kapasiti manusia sudah dicapai.
Langkah 4: Bangunkan metrik kejayaan yang jelas
Beberapa metrik kritikal:
- kos fulfillment per pesanan,
- pesanan per picker per jam,
- kadar on-time delivery,
- margin pesanan online.
Pastikan setiap projek AI atau automasi diikat secara langsung kepada sekurang-kurangnya satu metrik P&L.
Penutup: AI Fulfillment Bukan Perlumbaan Robot, Tapi Perlumbaan Ekonomi
Keputusan Kroger membatalkan pusat fulfillment automasi baharu dan menstruktur semula rangkaian Ocado mereka mungkin nampak seperti langkah ke belakang. Sebenarnya, ini contoh matang bagaimana peruncit besar menilai semula pelaburan AI berasaskan data, bukan ego teknologi.
Untuk peruncit besar dan marketplace di Malaysia dan Asia Tenggara, pelajaran utamanya jelas:
- jangan kejar automasi besar-besaran sebelum unit economics jelas,
- gunakan AI sebagai otak rangkaian fulfillment, bukan sekadar robot di lantai gudang,
- biar strategi omnichannel memimpin, teknologi mengikut.
Sesiapa yang boleh gabungkan AI pintar, automasi yang berskala masuk akal dan rangkaian kedai/rakan penghantaran dengan cekap akan menang dalam e-dagang runcit 3–5 tahun akan datang. Bukan yang paling banyak robot, tetapi yang paling bijak mengira.
Jika syarikat anda sedang mempertimbangkan CFC, MFC atau projek AI fulfillment baharu untuk 2026, ini masa terbaik untuk menilai semula pelan. Tanya: adakah kita bina robot untuk tunjuk canggih, atau untuk betul-betul menambah nilai kepada P&L? Jawapan jujur di sini akan membezakan siapa yang kekal dan siapa yang terpaksa “membayar balik” seperti Kroger beberapa tahun lagi.