AI Automasi Rantaian Bekalan: Pelajaran dari Uber

Uber baru sahaja mengingatkan pasaran tentang satu realiti yang ramai pemimpin perniagaan masih menafikan: anda boleh berkembang (trip naik 22%) dan tetap rasa “terhimpit” pada untung bila harga makin kompetitif dan cukai efektif meningkat.

Dalam laporan Reuters yang dipetik CNA (4 Feb 2026), Uber meneruskan komitmen besar pada strategi kenderaan autonomi/robotaxi walaupun keuntungan terjejas oleh dorongan “rides lebih murah” dan kadar cukai efektif 22% hingga 25% pada 2026. Yang menarik bukan sekadar robotaxi—tetapi cara Uber mengurus pertaruhan automasi: kunci bekalan awal, biar pembiayaan utama datang daripada bank/PE, dan fokus pada ekonomi platform (utilisasi tinggi, masa ambil penumpang lebih pendek).

Dalam siri “AI dalam Logistik dan Rantaian Bekalan”, berita ini berguna untuk syarikat di Singapore—bukan sebab anda perlu bina robotaxi, tetapi sebab anda boleh meniru corak fikir yang sama untuk AI tools dalam operasi, perancangan permintaan, pengoptimuman laluan, automasi gudang, dan customer experience.

Satu ayat yang patut ditampal di bilik mesyuarat: “Automasi bukan projek IT—ia strategi bekalan, kos, dan pengalaman pelanggan.”

Apa yang Uber buat (dan kenapa ia relevan untuk operasi anda)

Uber memilih untuk terus melabur dalam autonomi walaupun margin tertekan. Ini bukan “degil”; ini strategi bertahan dalam pasaran yang makin sensitif harga.

Daripada artikel asal:

• Uber komited modal kepada rakan kongsi kenderaan untuk jamin bekalan awal dan percepat deployment.
• Mereka merancang robotaxi di sehingga 15 bandar menjelang hujung 2026, termasuk Madrid, Hong Kong, Houston, Zurich—dengan Hong Kong sebagai pasaran autonomi pertama Uber di Asia.
• Uber juga menyatakan mereka bekerjasama dengan bank dan firma ekuiti persendirian untuk membiayai majoriti armada autonomi.
• Demand kekal kukuh: trip Q4 naik 22%, ramai pengguna memilih shared rides dan produk mobiliti kos rendah.

Apa kaitan dengan logistik dan rantaian bekalan?

Robotaxi = simbol automasi skala besar. Tetapi prinsip yang sama terpakai untuk rantaian bekalan:

• Anda tak boleh “menunggu sehingga sempurna” bila persaingan harga makin ketat.
• Anda perlu fikir bekalan kapasiti (fleet, driver, warehouse throughput, line haul) sebagai sesuatu yang boleh dikunci lebih awal.
• Anda perlu bina platform operasi yang menaikkan utilisasi aset dan menurunkan masa menunggu—dalam gudang itu bermaksud kurang idle time forklift, slotting lebih kemas, picking lebih laju.

Pelajaran #1: Automasi menang bila ia menaikkan utilisasi aset

Uber menekankan bahawa kenderaan di platform mereka mencapai utilisasi lebih tinggi dan pickup lebih cepat berbanding robotaxi standalone. Itu bahasa operasi yang sangat “supply chain”.

Terjemahan ke konteks gudang & penghantaran

Kalau anda mengurus fleet van, gudang, atau operasi last-mile, utilisasi ialah nombor yang menentukan margin.

Contoh aplikasi AI yang terus mempengaruhi utilisasi:

• AI route optimisation: kurangkan kilometer kosong, elak jam/zon larangan masa, susun stop ikut SLA.
• Dynamic dispatching: tugaskan job berdasarkan jarak sebenar, kapasiti, dan risiko lewat.
• Warehouse slotting berbantu AI: letak SKU fast-mover dekat packing line berdasarkan corak order sebenar, bukan “agak-agak”.
• Labour scheduling AI: jadual shift ikut ramalan volum harian/jam, bukan ikut “kebiasaan”.

Jika satu proses AI hanya “nampak canggih” tetapi tak mengubah tiga metrik ini—throughput, kos per order, on-time delivery—biasanya ia projek yang akan mati senyap.

Metrik yang patut anda jadikan KPI (bukan sekadar dashboard cantik)

Ambil gaya Uber yang fokus pada ekonomi:

• Kos per delivery / kos per trip
• Masa menunggu (pickup time) / masa cycle order
• Utilisasi aset (kenderaan, picker, dock door)
• Kadar kegagalan SLA / reattempt delivery

Pelajaran #2: “Bekalan dahulu” — kunci kapasiti sebelum semua orang berebut

Uber kata mereka “putting capital up” untuk jamin supply. Dalam rantaian bekalan, syarikat yang menang biasanya bukan yang paling hebat teknologinya, tetapi yang paling awal mengunci kapasiti dan data.

Untuk SME di Singapore, apa maksud “kunci bekalan”?

Anda mungkin tak beli 25,000 kenderaan seperti Uber-Waabi, tapi anda boleh:

1. Kunci data operasi anda

   • Satukan data order, stok, penghantaran, retur, dan aduan pelanggan.
   • Pilih sistem yang tak “mengurung” data (mudah eksport, API, audit trail).

2. Kunci rakan automasi yang boleh skala

   • 3PL, fleet partner, atau vendor WMS/TMS yang boleh integrasi AI.
   • Struktur kontrak yang bagi anda fleksibiliti volum.

3. Kunci use case yang beri pulangan cepat

   • Ramalan permintaan untuk reorder & safety stock.
   • Forecast tenaga kerja untuk gudang.
   • Optimasi laluan untuk last-mile.

Jika anda tunggu sampai pesaing sudah standardkan AI operations mereka, anda akan bersaing pada harga semata-mata. Itu perlumbaan yang memenatkan.

Pelajaran #3: Automasi perlu ada model pembiayaan yang masuk akal

Uber cuba memastikan pembiayaan armada autonomi banyaknya ditanggung bank/PE, bukan semuanya di balance sheet Uber. Ini pelajaran besar: AI dan automasi bukan wajib dibeli upfront.

Cara praktikal untuk “capex-light AI” dalam logistik

Beberapa pendekatan yang saya lihat berkesan untuk syarikat sederhana:

• SaaS dahulu, integrasi kemudian: mula dengan modul route optimisation atau demand forecasting yang siap pakai.
• Pilot berbayar dengan KPI keras: contoh 8 minggu, KPI = -8% kos last-mile atau +5 mata on-time rate.
• Outcome-based pricing (jika vendor berani): sebahagian bayaran berdasarkan savings yang diaudit.
• Hardware-as-a-service untuk automasi gudang ringan: scanner, vision camera untuk QC, IoT untuk suhu.

Kuncinya: bila kos berubah jadi “kos per order” atau “kos per stop”, CFO lebih senang sokong. Uber pun sedang cuba lindungi margin sambil bertaruh untuk masa depan.

Pelajaran #4: Harga turun? Jawapannya bukan potong service—jawapannya automasi pengalaman pelanggan

Uber nampak pengguna memilih shared rides dan produk murah. Dalam e-dagang dan logistik, coraknya sama: pelanggan mahukan kos rendah + ketelusan + kelajuan.

AI yang paling “invisible” biasanya paling memberi kesan

Bukan semua AI perlu kelihatan pada pelanggan. Yang penting, pelanggan rasa:

• ETA lebih tepat
• Kurang reschedule
• Refund/return lebih cepat
• Status order jelas

AI tools yang relevan:

• ETA prediction berdasarkan trafik, sejarah driver, jenis bangunan (kondo vs landed), masa puncak.
• Customer service AI untuk triage tiket: classify isu (lewat, rosak, salah item), cadang tindakan, ringkaskan SLA.
• Exception management: detect penghantaran berisiko gagal awal (contoh alamat tak lengkap, kawasan sering gagal) dan trigger verifikasi.

Ini cara “menaikkan reliability” yang Uber sebut—dan reliability biasanya menurunkan kos secara senyap (kurang reattempt, kurang call centre load).

Soalan lazim (yang patut dijawab sebelum beli AI tools)

“Patut saya mula dengan automasi gudang atau optimasi laluan?”

Jawapan paling jujur: mula di tempat kos terbesar dan data paling siap.

• Jika last-mile makan 30–50% kos fulfilment anda, route optimisation biasanya cepat nampak hasil.
• Jika gudang sering bottleneck (order backlog, salah pick, tenaga kerja tak cukup), WMS + slotting + labour forecasting lebih berbaloi.

“AI macam ni perlukan data banyak. SME boleh buat ke?”

Boleh, jika anda fokus. Anda perlukan:

• 6–12 bulan sejarah order (SKU, kuantiti, lokasi, masa)
• Data penghantaran (masa pickup, attempt, POD, gagal)
• Data inventori (stock on hand, stockout, lead time)

Tak perlu tunggu data “sempurna”. Yang perlu ialah data konsisten.

“Macam mana saya tahu vendor AI tu betul-betul bagus?”

Minta mereka commit pada:

• KPI operasi yang jelas (contoh: -10% km kosong, +3–5% on-time)
• Cara audit savings
• Pelan integrasi (API, export, siapa owner data)
• Pelan fallback bila model salah (manual override)

Rangka pelan 90 hari untuk AI dalam logistik (gaya ‘Uber’ tapi versi SME)

Berikut pelan ringkas yang saya cadangkan untuk ramai perniagaan di Singapore yang mahu hasil cepat tanpa drama:

1. Hari 1–14: Pilih 1 masalah, 3 KPI

   • Contoh masalah: kos last-mile tinggi.
   • KPI: kos per stop, on-time rate, reattempt rate.

2. Hari 15–30: Bereskan data minimum

   • Export data order + shipment.
   • Semak konsistensi postcode/unit number.

3. Hari 31–60: Pilot terhad, kawasan terpilih

   • 1 zon penghantaran atau 1 gudang.
   • Banding A/B: hari ganjil guna AI dispatch, hari genap cara biasa.

4. Hari 61–90: Scale atau bunuh projek

   • Jika KPI capai sasaran → scale.
   • Jika tidak → cari punca (data, proses, latihan) atau tukar use case.

Pendekatan ini meniru disiplin Uber: fokus ekonomi, bukan hype.

Apa maksud semua ini untuk Singapore pada 2026?

Kos operasi tak akan turun dengan sendirinya. Cukai, upah, sewa gudang, dan jangkaan pelanggan semuanya naik serentak. Uber sedang cuba mengimbangi pertumbuhan (trip +22%) dengan tekanan margin dan cukai—dan jawapan mereka ialah automasi skala besar, bukan sekadar promosi harga.

Untuk perniagaan dalam logistik dan rantaian bekalan, mesejnya jelas: AI bukan “nice to have”. Ia alat untuk kekal kompetitif bila pasaran memaksa harga turun. Mulakan dengan satu aliran kerja yang benar-benar memotong kos atau menaikkan reliability—kemudian barulah tambah yang lain.

Jika anda sedang menilai AI tools untuk operasi (forecasting, route optimisation, gudang, customer support), langkah seterusnya ialah buat penilaian use case yang berasaskan KPI dan data—bukan demo yang cantik.

Satu soalan untuk ditutup: jika pesaing anda boleh hantar lebih cepat dengan kos lebih rendah kerana automasi, apa strategi anda untuk kekal relevan 12 bulan dari sekarang?

Sumber rujukan artikel: https://www.channelnewsasia.com/business/uber-pushes-robotaxi-plans-even-cheaper-rides-higher-taxes-dent-profit-5907091