Mencegah Guncangan Rantai Pasok dengan AI: Peluang Senilai 82 triliun won ($62 miliar)

• Pandemi COVID-19 menunjukkan betapa rapuhnya rantai pasok global
• Di industri furnitur, penjualan sempat mencetak rekor pada awal pandemi, tetapi belakangan banyak perusahaan bangkrut akibat kekurangan kontainer, kelangkaan bahan baku, dan keterlambatan penerimaan komponen penting
• Krisis rantai pasok terbesar memang telah berlalu, tetapi kini tingkat gangguan dan kekacauan tertentu telah menjadi hal yang biasa
• Gangguan rantai pasok diperkirakan telah menyebabkan kerugian sekitar $1,6 triliun selama beberapa tahun terakhir
• Berdasarkan data gangguan rantai pasok selama 10 tahun, rata-rata perusahaan dapat kehilangan sekitar setengah dari laba satu tahunnya

3 faktor penyebab kekacauan rantai pasok

1. Alat komunikasi yang bergantung pada data tidak terstruktur

   • Data tidak terstruktur seperti email, pesan teks, dan dokumen hasil pindai memang memuat informasi penting, tetapi sulit diekstrak dan dianalisis secara sistematis, sehingga komunikasi dengan pemasok menjadi rumit
   • Contoh: Tesla mengalami keterlambatan produksi karena informasi soal kekurangan chip terlewat di email, yang menyebabkan gangguan produksi 190 ribu unit pada kuartal III 2021

2. Sistem EDI yang usang dan diadopsi secara tidak merata

   • EDI adalah sistem pertukaran file untuk dokumen bisnis yang diperkenalkan pada 1960-an dan banyak diadopsi oleh produsen besar pada 1990-an
   • Contoh: Perusahaan besar seperti La-Z-Boy menggunakan EDI untuk meminta pemasok luar negeri memesan 50 ribu sofa kulit, lalu tim pengadaan membandingkan harga penawaran
   • Sebaliknya, usaha kecil dan menengah kesulitan mengadopsi EDI, sehingga harus bernegosiasi dengan pemasok luar negeri selama berhari-hari lewat berbagai kanal dan platform

3. Data silo akibat penggunaan banyak sistem perangkat lunak manajemen

   • Penggunaan berbagai perangkat lunak seperti ERP, WMS, dan TMS menciptakan data silo yang menghambat visibilitas rantai pasok end-to-end
   • Contoh: Unilever mengalami ketidaksesuaian inventaris karena kurangnya komunikasi antara ERP dan WMS, sehingga secara global pada 2022 kehabisan stok meningkat 23% dan kelebihan stok naik 17%

Peluang pasar $62 miliar yang bisa dicapai dengan AI

• Menurut Gartner, pengeluaran tahunan untuk perangkat lunak manajemen rantai pasok diproyeksikan tumbuh dari $29 miliar pada 2023 menjadi $62 miliar pada 2028, dengan CAGR 16,3%
• Startup AI yang inovatif, bergerak cepat, dan punya posisi yang tepat berpeluang merebut pasar ini
• AI mampu mengklasifikasikan data visual, numerik, dan teks serta memodelkan skenario kompleks dengan akurasi tinggi
• Contoh: Sistem computer vision dapat memeriksa produk di lini perakitan dan mengidentifikasi cacat secara lebih konsisten daripada manusia
• Algoritma machine learning dapat menganalisis segalanya, mulai dari pola pembelian historis hingga gejolak politik, kondisi tenaga kerja, dan cuaca, untuk memprediksi permintaan dengan akurasi yang belum pernah ada sebelumnya

3 area paling menjanjikan untuk adopsi AI

1. Pengadaan (Procurement): mencari dan mengamankan produk yang dibutuhkan untuk operasional perusahaan
2. Intelijen pemasok (Supplier Intelligence): mengumpulkan data untuk mengevaluasi dan mengoptimalkan hubungan dengan pemasok
3. Perencanaan permintaan (Demand Planning): memprediksi permintaan pelanggan di masa depan demi pasokan yang optimal

Mengapa pengadaan paling cocok untuk otomatisasi

• Pengadaan penting untuk menjaga pasokan bahan baku yang stabil, mempertahankan hubungan dengan pemasok, dan meningkatkan margin
• Startup seperti Tonkean mengotomatiskan sebagian besar proses pengadaan, seperti pembaruan kontrak atau pemrosesan invoice
• RPA dapat mengotomatiskan proses input berbasis aturan, tetapi tidak mampu menangani data tidak terstruktur
• Startup AI seperti Didero, Lighthouz AI, dan Soff mengekstrak insight yang tersembunyi di email dan PDF
• Pulse AI sedang membangun mesin pencari yang menelusuri data tidak terstruktur untuk menjawab pertanyaan terkait rantai pasok
• Mandel AI mengembangkan agen rantai pasok yang secara otomatis memperbarui ERP saat lead time pemasok dan harga berubah

Cara memperkuat intelijen pemasok dengan AI

• Untuk menemukan pemasok terbaik, perusahaan harus mempertimbangkan semuanya sekaligus, mulai dari persyaratan kepatuhan, penawaran harga, hingga perubahan pasar
• Selain itu, memiliki banyak pemasok memperkuat ketahanan rantai pasok terhadap guncangan seperti COVID-19 atau perang Rusia-Ukraina
• Berbeda dari kotak pencarian sederhana, AI memungkinkan pemetaan dan pencocokan pemasok yang cerdas
• Altana adalah pemimpin di bidang ini; perusahaan tersebut membangun value chain cerdas lintas berbagai lapisan rantai pasok dan menyediakan asisten LLM untuk kueri tentang pemasok tertentu
• Keelvar, Fairmarkit, dan lainnya juga menyediakan platform berbasis AI yang memudahkan tim pengadaan mencari pemasok
• Baru-baru ini, pemain baru seperti Kipo AI dan Terra juga membangun platform untuk mencocokkan perusahaan dan pemasok

Perencanaan permintaan melampaui data historis

• Jika perubahan pasokan dan permintaan dapat diprediksi, dampak gangguan rantai pasok terhadap konsumen bisa dicegah
• Perangkat lunak perencanaan tradisional umumnya bergantung pada data historis untuk membuat prediksi, tetapi itu bisa tidak memadai dalam pasar dan situasi geopolitik yang berubah cepat
• AI dapat meningkatkan kemampuan perencanaan dengan mempertimbangkan data historis sekaligus tren pasar saat ini
• Menurut penelitian, AI dapat mengidentifikasi outlier dan mengklasifikasikannya sebagai sesuatu yang relevan, sehingga dapat mendeteksi kasus "panic buying" seperti penimbunan tisu toilet selama pandemi
• Menurut McKinsey, perencanaan rantai pasok otonom dapat meningkatkan pendapatan hingga 4% dan menurunkan biaya hingga 10%
• Ikigai menggunakan model grafis berskala besar yang dipatenkan untuk menghubungkan sumber data yang terpisah dan menghasilkan prediksi serta skenario
• Perusahaan rintisan seperti Spherecast juga masuk ke area perencanaan dengan membangun engine yang mengelola banyak kanal dan menghasilkan prediksi permintaan terperinci pada berbagai tingkat granularitas

Mentransformasi rantai pasok dengan AI

• Ada dua faktor yang membuat bidang rantai pasok menarik bagi startup AI: sistem perangkat lunak manajemen yang tersilo dan data tidak terstruktur dalam jumlah besar
• Baik di pengadaan, intelijen pemasok, maupun perencanaan permintaan, AI tampaknya akan terus mengguncang sekaligus memperkuat rantai pasok dalam beberapa tahun ke depan

Pendapat GN⁺

• Banyak startup mulai bermunculan dengan memadukan teknologi AI ke dalam perangkat lunak manajemen rantai pasok. Seiring perkembangan AI, hal ini membuka peluang baru untuk merevolusi pendekatan manajemen rantai pasok lama yang terputus-putus dan tidak efisien
• Khususnya di area pengadaan, intelijen pemasok, dan perencanaan permintaan, teknologi AI diperkirakan akan sangat berkontribusi dalam mengotomatiskan dan mengoptimalkan proses yang ada. Ini karena pemrosesan data tidak terstruktur dan pemodelan skenario kompleks merupakan kekuatan utama AI
• Namun, karena rantai pasok adalah bidang yang sangat kompleks dan melibatkan banyak pemangku kepentingan, penerapan AI juga menuntut pertimbangan hati-hati terkait pengelolaan kualitas data, pencegahan bias algoritma, serta pembangunan sistem kolaborasi manusia-AI
• Yang terpenting, AI hanyalah alat bantu pengambilan keputusan, dan tanggung jawab akhir tetap berada pada manusia. Alih-alih mengikuti insight dari AI secara membabi buta, penting untuk membuat keputusan yang seimbang berdasarkan pengalaman dan wawasan para ahli
• Singkatnya, teknologi AI berpotensi menjadi game changer yang menyelesaikan inefisiensi dalam manajemen rantai pasok dan memungkinkan optimasi, tetapi yang dibutuhkan adalah pemanfaatan strategis yang selaras dengan tujuan bisnis, bukan kepercayaan berlebihan pada teknologinya

[colus001]

Bagaimana tepatnya hal ini akan diwujudkan dengan AI? Hmm... saya kurang bisa memahami dan kurang setuju. Rantai pasok itu persoalan yang bersifat fisik, nyata, dan juga politis, jadi agak membingungkan jika dikatakan bisa diperbaiki dengan perangkat lunak.