AI Automasi Permintaan Kadar: Jimat Kos Logistik

Menjelang hujung tahun, banyak pasukan logistik masuk “mode tutup buku”: audit invois, semak prestasi pembawa, dan paling memeningkan—renewal kontrak kadar pengangkutan untuk tahun berikutnya. Dalam tempoh sibuk seperti Disember, satu perkara jadi jelas: kos pengangkutan bukan semata-mata isu kadar, tapi isu proses—berapa cepat anda boleh minta kadar, bandingkan, berunding, menguatkuasakan kontrak, dan mengesan perbelanjaan yang “terlepas”.

Intel bagi contoh yang susah untuk diabaikan. Mereka membangunkan program Rate Request Automation (RRA) yang mengautomasi proses permintaan kadar, pembidaan, kontrak elektronik, dan audit berasaskan AI. Hasilnya bukan setakat kemas dari sudut operasi—Intel melaporkan penjimatan USD20 juta pada kadar berkontrak, USD4 juta pada kadar tidak berkontrak, >50% pemendekan masa kitaran bida kompleks, dan 10× lebih pantas untuk berunding kadar kontrak baharu. Lebih “pedas”: mereka mengecilkan pasukan pengurus komoditi (commodity managers) daripada 10 orang kepada 2 orang supaya tenaga kerja boleh fokus pada kerja strategik.

Bagi siri “AI dalam Logistik dan Rantaian Bekalan”, kes ini penting kerana ia tunjukkan realiti: AI memberi pulangan paling cepat bila ia membetulkan aliran kerja yang sebelum ini bergantung pada manusia, e-mel, Excel, dan ‘follow-up’ tanpa henti.

Kenapa proses permintaan kadar selalu jadi punca kebocoran kos

Jawapan ringkasnya: permintaan kadar yang manual mencipta kelewatan, ketidaktelusan, dan ruang untuk pembelian ad hoc yang mahal. Bila proses lambat, operasi akan memilih jalan pintas—guna kadar spot, expedite, atau pembawa yang “senang dapat”, walaupun bukan yang paling optimum.

Dalam banyak organisasi, permintaan kadar biasanya melibatkan:

• Mengumpul maklumat penghantaran (lorong/lane, volum, berat, SLA, Incoterms)
• Hantar permintaan melalui e-mel atau portal pembidaan yang diisi manual
• Tunggu respons pembawa, kemudian bandingkan satu per satu
• Susun semula data untuk dimuat naik ke sistem rekod (TMS/ERP)
• Ulang kitaran apabila kontrak perlu diperbaharui

Masalahnya bukan sekadar “banyak kerja”. Masalahnya ialah kualiti keputusan merosot bila keputusan dibuat dalam keadaan terkejar-kejar. Dan bila kadar berkontrak tidak mudah dicapai atau tidak dikemas kini, perbelanjaan tidak berkontrak akan meningkat—biasanya pada lorong yang sama, pelanggan yang sama, dan corak yang sama. Itu bukan kecemasan; itu tanda proses anda tak sempat mengejar operasi.

Apa yang Intel buat: RRA sebagai ‘jalan terus’ dari permintaan ke kontrak

Intel memusatkan logistik global dan perolehan strategik mereka untuk urus kontrak pembawa dan kadar. Namun, proses permintaan kadar terlalu bergantung pada kerja manual—daripada mengumpul data hingga memuat naik ke alat bida.

Jawapan Intel: Rate Request Automation (RRA)—satu program yang menggabungkan automasi aliran kerja, analitik lanjutan, serta AI dan pembelajaran mesin.

1) Satu antaramuka biasa untuk semua permintaan kadar

RRA memperkenalkan antaramuka aliran kerja separa automatik untuk permintaan kadar. Pengurus komoditi boleh terima atau tolak permintaan bida dalam sistem yang sama, dan pembawa menggunakan borang serta tandatangan elektronik.

Kesan praktikalnya:

• Permintaan kadar tak “hilang” dalam e-mel
• Status bida telus (siapa buat apa, bila)
• Kadar baharu boleh dikuatkuasakan lebih cepat

Kalau anda pernah kejar pembawa untuk “confirm rate card”, anda faham nilai kelajuan ini.

2) Lebih kerap rebid, lebih ramai pembawa—tanpa menambah beban kerja

Intel menggunakan RRA untuk memudahkan pembidaan, sekali gus meningkatkan kekerapan rebid. Ini penting kerana pasaran pengangkutan berubah—kapasiti, surcharge, musim puncak, dan isu geopolitik boleh ubah harga dalam masa singkat.

Prinsip yang saya pegang: kontrak yang jarang disegarkan akan jadi “kontrak muzium”—cantik untuk fail, tapi tak membantu keputusan harian.

Bila proses rebid senang, anda boleh:

• Buka bida kepada lebih ramai pembawa
• Uji semula lorong utama beberapa kali setahun
• Dapatkan kontrak elektronik lebih cepat

3) “Megabid” yang dulu makan bulan, sekarang boleh jadi rutin

Intel menyebut kitaran “megabid”—bida besar merentas beberapa kadar dan perkhidmatan—sebelum ini ambil masa berbulan kerana kerja penyediaan data manual.

Dengan automasi yang disokong AI/ML dan analitik lanjutan, Intel boleh menjalankan megabid beberapa kali setahun jika diperlukan. Ini bukan sekadar “cepat”; ini bermakna:

• Kadar kontrak lebih segar
• Lorong yang tidak kompetitif cepat dikesan
• Penjimatan menjadi berterusan, bukan sekali-sekala

Untuk syarikat di Malaysia yang banyak bergantung pada gabungan forwarder, 3PL, dan pembawa domestik, idea ini sangat relevan: rebid kecil tapi kerap selalunya lebih sihat daripada “projek tender besar” yang berlaku setahun sekali.

Bahagian paling kuat: AI mengesan perbelanjaan tidak berkontrak sebelum ia jadi tabiat

Jawapan terus: AI membantu mengesan corak penghantaran tidak berkontrak, kemudian mencetuskan permintaan kadar baharu secara automatik.

Intel menggunakan AI/ML untuk mengenal pasti penghantaran yang dibuat tanpa kadar kontrak (oleh Intel atau pihak yang bertindak bagi pihak Intel). Sistem kemudian auto-submit permintaan tersebut untuk dijadikan permintaan kadar baharu—dengan kelulusan pengurus komoditi sebagai kawalan.

Ini cara berfikir yang betul. Banyak organisasi mengaudit selepas duit keluar. Intel cuba mencegah kebocoran dengan memaksa lorong-lorong “spot yang berulang” masuk semula ke dunia kontrak.

“Control tower” yang benar-benar boleh bertindak

RRA memberi keterlihatan seperti menara kawalan (control tower): apa yang dihantar, kepada siapa, lorong mana yang optimum, dan mana yang tidak optimum.

Bezanya, ini bukan dashboard untuk tatapan. Ini dashboard yang boleh:

• mencetuskan bida
• memulakan proses kontrak
• cadangkan pembawa/laluan alternatif

Di sinilah AI dalam rantaian bekalan jadi praktikal: bukan sekadar ramal—tapi menggerakkan tindakan.

Audit maya dan pematuhan: bila AI jadi “agen semak bil” yang tak penat

Intel menggabungkan RRA dengan keupayaan audit berasaskan AI yang mereka panggil Virtual Audit Agents (VAA).

Jawapan ringkas: AI audit membantu menyemak pematuhan pembawa dan memadankan perbelanjaan sebenar vs perbelanjaan berkontrak pada skala besar.

Dalam dunia sebenar, perbezaan kecil di invois (aksesori, waiting time, fuel surcharge, volumetrik, zon) boleh bergulung jadi angka besar. Audit manual biasanya dibuat secara sampling—yang bermaksud banyak “keciciran kecil” tak pernah disentuh.

Dengan audit yang dibantu AI, organisasi boleh:

• mengesan kadar yang dikenakan tidak selari dengan kontrak
• menandai pola caj tambahan yang luar biasa
• mempercepat proses dispute invois

Kalau objektif anda mengawal kos pengangkutan dan bukan sekadar “mengetahui kos”, audit automatik ialah komponen wajib.

Bagaimana syarikat di Malaysia boleh meniru pendekatan ini (tanpa jadi Intel)

Jawapan terus: mulakan dengan 3 kes guna—automasi permintaan kadar, pengesanan tidak berkontrak, dan audit pematuhan—sebelum anda fikir projek AI yang besar.

Ramai syarikat berhenti di tahap “kita perlukan TMS/ERP dulu”. Ya, data asas penting. Tapi banyak organisasi sudah ada data—cuma data itu bersepah dan tidak mengalir dalam satu proses.

Langkah 1: Standarkan data “lane” dan peraturan bida

Mulakan dengan kamus data yang ringkas tetapi tegas:

• asal/destinasi (zon atau kod lokasi)
• jenis servis (FTL/LTL/air/sea/parcel)
• volum dan kekerapan
• SLA (hari, cut-off, keperluan suhu)
• struktur caj (base + surcharge)

Tanpa standard ini, AI hanya akan “belajar” kekeliruan.

Langkah 2: Bina aliran kerja kelulusan yang cepat

Kelewatan paling mahal biasanya berlaku pada kelulusan.

Saya cadangkan tetapkan:

• siapa boleh minta kadar (operasi, perolehan, perancang)
• siapa mesti luluskan (commodity manager / procurement)
• SLA kelulusan (contoh 24–48 jam)
• aturan eskalasi automatik

Langkah 3: Jadikan “spot yang berulang” sebagai musuh utama

Kenal pasti 20 lorong yang kerap guna spot rate.

Objektif 30 hari:

1. kesan corak spot
2. auto-cetus permintaan kadar
3. rebid minimum 3 pembawa
4. tetapkan kadar kontrak untuk lorong itu

Ini cara paling cepat untuk menunjukkan ROI dalam program AI logistik.

Langkah 4: Audit berfasa—mulakan dengan 3 jenis caj

Tak perlu audit semua sekali gus. Pilih tiga yang paling kerap jadi isu:

• fuel surcharge (mengikut formula/indeks)
• volumetrik (dimensi vs berat)
• caj aksesori (waiting, redelivery, tailgate)

Bila audit ini stabil, barulah kembangkan.

Soalan lazim yang selalu muncul bila nak automasikan permintaan kadar

“Adakah ini hanya automasi, bukan AI?”

Automasi ialah asas; AI menambah nilai apabila sistem:

• mengesan corak (contoh non-kontrak yang berulang)
• mencadangkan tindakan (contoh lorong yang perlu rebid)
• mengaudit skala besar (contoh perbezaan invois)

Intel gabungkan kedua-duanya. Itulah sebab angka penjimatan mereka besar.

“AI akan gantikan peranan procurement?”

Realitinya: AI mengurangkan kerja pentadbiran, bukan menghapuskan tanggungjawab rundingan dan strategi. Intel sendiri memindahkan fokus pasukan kepada kerja strategik selepas automasi mengurangkan beban operasi.

“Apa KPI paling sesuai untuk ukur kejayaan?”

KPI yang jelas dan mudah diekstrak:

• % perbelanjaan berkontrak vs tidak berkontrak
• masa kitaran dari permintaan → kadar berkuat kuasa
• bilangan rebid per lorong per tahun
• kadar pematuhan invois kepada kontrak
• penjimatan (kontrak + non-kontrak) dan punca penjimatan

Apa yang patut anda buat minggu ini

Intel membuktikan satu perkara: mengawal kos pengangkutan bukan soal tekan pembawa untuk murah—ia soal membina sistem yang membuat pembelian patuh kontrak menjadi pilihan paling mudah. Bila proses permintaan kadar laju, telus, dan boleh diaudit, perbelanjaan ad hoc akan turun dengan sendirinya.

Jika anda sedang merancang 2026 untuk pasukan logistik atau rantaian bekalan, saya akan mulakan begini:

1. Senaraikan 10 lorong paling banyak belanja dan paling kerap guna spot
2. Ukur masa kitaran bida semasa (berapa hari dari minta hingga kadar aktif)
3. Pilih satu projek 60 hari: automasi permintaan kadar + rebid + audit ringkas

Siri “AI dalam Logistik dan Rantaian Bekalan” sering bercakap tentang ramalan permintaan, automasi gudang, dan pengoptimuman laluan. Kes Intel ini mengingatkan kita: kalau kadar dan kontrak masih manual, pengoptimuman laluan pun akan ‘lari’ atas data kos yang tak tepat.

Apa satu proses kos logistik yang paling banyak membazir masa pasukan anda sekarang—permintaan kadar, rebid, atau audit invois?