AI & Dron: Apa Walmart Buat untuk Last Mile Pantas

Musim hujung tahun selalunya mendedahkan satu hakikat yang ramai pengurus logistik dah lama tahu: last mile delivery bukan sekadar “hantar barang ke rumah pelanggan”. Ia bahagian paling mahal, paling tak stabil, dan paling mudah rosak reputasi—sebab pelanggan nampak dan rasa terus.

Pada 11/12/2025, Walmart mengumumkan pelancaran penghantaran dron di kawasan metro Atlanta melalui kerjasama dengan Wing, melibatkan enam cawangan. Operasi ini bermula 03/12/2025 dan menyasarkan barang harian seperti barangan runcit, keperluan rumah, mainan, serta ubat tanpa preskripsi, dengan masa penerbangan dianggarkan 5 minit atau kurang. Ini bukan sekadar aksi PR; ini ialah isyarat jelas bahawa automasi + AI dalam logistik sedang bergerak daripada eksperimen kepada operasi sebenar.

Dalam siri “AI dalam Logistik dan Rantaian Bekalan”, saya melihat berita ini sebagai contoh praktikal: dron bukan “pengganti rider”, tetapi alat baharu yang memerlukan AI untuk benar-benar berbaloi dari segi kos, ketepatan, dan pengalaman pelanggan.

Mengapa Atlanta? Jawapannya: data, kepadatan, dan permintaan

Atlanta dipilih kerana ia sesuai untuk skalakan operasi dron. Dalam kenyataan Wing, faktor utama ialah kepadatan populasi dan permintaan pelanggan yang tinggi. Itu terjemahan mudahnya: jika anda nak buktikan dron boleh jadi rutin, anda perlukan kawasan yang boleh beri volume pesanan konsisten.

Kepadatan bandar mengurangkan “kos per penghantaran”

Dalam last mile, kos bukan hanya minyak dan gaji pemandu. Kos besar datang daripada:

• Masa pemandu tersekat (trafik, parkir, lift, kondominium)
• Penghantaran gagal (pelanggan tiada, alamat tak jelas)
• Variasi jarak untuk setiap pesanan

Dron memotong beberapa isu itu, tetapi hanya berbaloi bila jarak dan permintaan cukup rapat. Bandar padat memudahkan perancangan kawasan liputan (coverage area) setiap cawangan.

Permintaan tinggi = latihan model AI lebih cepat

Ini bahagian yang ramai terlepas. Bila volume transaksi tinggi, sistem boleh mengumpul data dengan pantas:

• Corak waktu puncak pesanan
• Jenis item yang sesuai dihantar dron
• Kadar pembatalan dan perubahan alamat
• Zon “no-fly” atau kawasan bermasalah

Lebih banyak data, lebih cepat AI boleh menapis pesanan yang sesuai, menyusun giliran, dan mengurangkan kesilapan operasi.

Dron bukan isu “terbang”—ia isu “keputusan” (dan AI yang buat keputusan itu)

Dron delivery yang berjaya bergantung pada AI yang memutuskan bila, apa, dan bagaimana sesuatu pesanan dihantar. Terbang itu bahagian yang nampak. Bahagian paling penting ialah orkestrasi.

1) Pemilihan pesanan automatik (order eligibility)

Tidak semua pesanan sesuai untuk dron. Sistem perlu menilai secara automatik:

• Berat & saiz item (contoh: ubat OTC dan barangan kecil lebih sesuai)
• Nilai barangan dan risiko keselamatan
• Lokasi pelanggan (kawasan rumah bertanah vs pangsapuri tinggi)
• Keperluan suhu (cold chain ringkas vs tiada)
• Cuaca semasa dan ramalan jangka pendek

Dalam operasi berskala, keputusan ini tak boleh dibuat manual. AI/ML biasanya digunakan untuk mengklasifikasikan pesanan dan meramalkan kebarangkalian penghantaran berjaya.

2) Penjadualan dinamik (dynamic dispatch)

Bila ada dua pilihan—van/rider atau dron—anda sedang mengurus fleet hibrid. AI diperlukan untuk:

• Mengagihkan pesanan ikut SLA (contoh: “dalam 30 minit”)
• Mengimbangkan beban kerja antara mod penghantaran
• Mengelakkan “bottleneck” di titik pelepasan dron

Saya tegas di sini: tanpa penjadualan dinamik, dron akan jadi mainan mahal—banyak masa idle, banyak pembatalan, dan kos operasi yang susah ditekan.

3) Laluan & keselamatan penerbangan (route planning dan geo-fencing)

Dalam konteks bandar, dron perlu patuh laluan tertentu, altitud tertentu, dan zon larangan. AI membantu mengira laluan yang:

• Meminimumkan risiko (zon sensitif)
• Meminimumkan masa (angin, halangan)
• Memaksimumkan kadar penghantaran berjaya

Ini selari dengan tema besar rantaian bekalan: pengoptimuman laluan pengangkutan—bezanya, medium sekarang di udara.

Pelajaran besar daripada langkah Walmart: fokus pada kos, bukan gimik

Walmart dan Wing sudah menguji dron di Dallas-Fort Worth sejak lewat 2023. Mereka juga pernah mengembangkan program ke beberapa negeri seperti Arkansas, Virginia, Utah, Arizona, dan Florida. Kemudian, setahun selepas itu, Walmart menghentikan program di Utah, Arizona dan Florida untuk memberi tumpuan pada kos dan memperbaiki perkhidmatan di pasaran yang lebih kecil.

Ini strategi yang matang: potong kawasan yang tak menguntungkan, kumpulkan pembelajaran, dan bina semula dengan disiplin.

Tiga kos tersembunyi yang menentukan hidup mati dron delivery

1. Kos operasi per penerbangan
   • Penyelenggaraan, bateri, staf operasi, dan pemantauan.
2. Kos pematuhan & proses
   • SOP keselamatan, audit, latihan, dan dokumentasi.
3. Kos integrasi sistem
   • Sambungan antara aplikasi pelanggan, OMS, WMS, inventori cawangan, dan sistem dron.

AI membantu menekan kos ini dengan automasi keputusan dan pengurangan kerja manual, tetapi ia hanya berkesan bila proses asas kemas.

“Dron delivery bukan tentang terbang laju. Ia tentang membuat keputusan yang betul beribu kali sehari.”

Apa maknanya untuk pemain logistik dan peruncit di Malaysia

Malaysia belum memerlukan dron untuk semua penghantaran, tetapi kita sudah perlukan AI untuk memilih penghantaran yang betul. Itu dua perkara berbeza.

Musim cuti sekolah dan hujung tahun (seperti sekarang, 21/12/2025) biasanya meningkatkan permintaan e-dagang, hadiah, barangan runcit, dan “top-up” last minute. Dalam situasi ini, organisasi yang menang ialah yang pandai mengurus kapasiti last mile—bukan yang paling banyak promosi.

Gunakan prinsip yang sama, walaupun tanpa dron

Anda boleh meniru pendekatan Walmart melalui tiga langkah praktikal:

1. Segmentasi pesanan (AI-assisted)
   • Klasifikasikan pesanan: ekspres, standard, fragile, high-value, cold.
2. Pengoptimuman laluan (AI route optimization)
   • Kurangkan masa berhenti, gabungkan zon, elak jam puncak.
3. Ramalan permintaan yang boleh digunakan operasi
   • Ramal volume harian mengikut kawasan, bukan sekadar total negara.

Bila organisasi sudah stabil dengan tiga asas ini, barulah masuk akal untuk menilai automasi tahap seterusnya (micro-fulfillment, robot gudang, atau dron di kawasan tertentu).

Senario realistik untuk “dron” di rantau kita

Kalau saya perlu pilih kes penggunaan paling masuk akal (bukan paling glamour), saya akan letak ini di depan:

• Penghantaran ubat OTC atau barangan kesihatan segera dalam radius pendek
• Penghantaran barang kecil bernilai rendah ke kawasan perumahan bertanah
• Penghantaran “store-to-home” dari cawangan runcit padat bandar

Dron bukan jawapan untuk kawasan berjarak jauh, alamat kompleks, atau item besar. Last mile masih perlukan kombinasi mod—dan AI ialah “otak” yang menyelaraskannya.

Soal jawab ringkas yang biasanya ditanya bila orang dengar dron delivery

Adakah dron lebih murah daripada rider?

Tidak semestinya. Ia boleh jadi lebih murah untuk subset pesanan tertentu, pada kepadatan dan volume tertentu. Tanpa volume, kos per penghantaran jadi tinggi.

Kenapa perlu AI? Tak boleh guna peraturan mudah?

Peraturan mudah cepat rosak bila volume naik. AI lebih sesuai bila anda perlu membuat keputusan berdasarkan banyak pemboleh ubah: cuaca, permintaan, kapasiti, zon, dan SLA.

Adakah dron akan gantikan pekerjaan penghantar?

Lebih tepat: dron ubah struktur kerja. Ia mengurangkan beberapa tugasan penghantaran ringkas, tetapi mewujudkan kerja baharu: operasi, pemantauan, penyelenggaraan, dan perancangan kapasiti.

Langkah seterusnya untuk organisasi yang nak serius dengan AI dalam last mile

Mulakan dengan data yang betul, bukan alat yang paling mahal. Jika anda mahu meniru pelajaran daripada Walmart-Wing, susun roadmap begini:

1. Audit data penghantaran 90 hari: masa pickup, masa sampai, kegagalan, sebab kegagalan
2. Tetapkan KPI last mile yang jelas: kos per penghantaran, on-time rate, first-attempt success
3. Bina model “order eligibility”: pesanan mana patut ekspres, mana patut standard
4. Laksanakan pengoptimuman laluan untuk kurangkan pembaziran masa
5. Uji automasi secara terhad (pilot) di satu zon padat—kemudian barulah skala

Saya suka pendekatan ini kerana ia “membumi”. Ia selari dengan tema siri ini: AI mengoptimumkan laluan, automasi proses, dan meningkatkan ketelusan rantaian bekalan—tanpa bergantung pada gimik.

Walmart menyasarkan pengembangan ke lima bandar menjelang pertengahan 2026, dengan Houston, Orlando, Tampa dan Charlotte disebut sebagai lokasi seterusnya. Itu menandakan mereka percaya satu perkara: bila proses dan kos terkawal, dron boleh jadi sebahagian rutin.

Kalau organisasi anda sedang menilai AI untuk logistik, soalan yang patut bermain di kepala bukan “bila kita nak guna dron?”. Soalannya: “Keputusan last mile mana yang kita masih buat dengan tekaan, sedangkan data dah ada?”