Mengapa Implementasi Teknologi Logistik Gagal—dan Cara Mengatasinya
Adopsi teknologi modern oleh penyedia logistik adalah kasus penerapan solusi digital ke dunia analog.
Diriwayaatnya, logistik sangat fisik: truk, truk trailer, kapal, kereta api dan gudang. Tidak ada yang “virtual” padanya — satu-satunya hal yang beroperasi “di cloud” adalah pesawat — namun penyedia bergegas untuk menerima sistem yang terdiri dari nol dan satu.
Impuls mereka dapat dipahami. Di era internet of things ini, otomatisasi adalah kunci untuk menghadapi aliran data yang tak pernah henti, yang semuanya bertujuan untuk memenuhi permintaan pelanggan yang meningkat untuk pengiriman yang cepat dan tepat. Untuk itu, kemajuan seperti machine learning dan kecerdasan buatan memungkinkan tingkat pengambilan keputusan “cerdas” yang jauh di luar jangkauan manajer daging dan darah.
Teknologi untuk logistik sangat masuk akal. Jadi mengapa begitu banyak implementasi gagal untuk memenuhi janji mereka?
Ali Hasan Raza berasal dari dunia fisik. Ia memulai di operasi, termasuk truk 18 roda. Sekitar satu dekade ke dalam karirnya, ia mulai bermigrasi ke teknologi, termasuk sistem untuk pelacakan dan pemantauan pergerakan truk. Saat ini ia adalah pendiri dan chief executive officer di ThroughPut Inc., vendor perangkat lunak yang menggunakan AI untuk membantu mengatasi bottleneck operasional.
Sebagai pemimpin perusahaan teknologi, Raza melihat nilai otomatisasi bagi penyedia logistik. Namun ia juga sangat menyadari ketidaksejajaran yang menyertai implementasinya di dunia nyata. Sederhananya, katanya, sifat dan nilai teknologi digital “bergantung pada siapa pengguna akhir.” Sopir truk mencari solusi berbasis titik yang mengatasi operasi sehari-hari. Perantara tertarik pada pasar elektronik yang menghubungkan pengirim dengan penyedia layanan fisik. Ritailer besar seperti Walmart Inc. dan Amazon.com Inc. mendukung sistem yang memungkinkan aliran pasokan ujung ke ujung.
Jadi sementara kata “digital” menyeluruh, itu juga bisa sangat menimbulkan kebingungan, menggambarkan berbagai macam “solusi” untuk pengguna yang dikelompokkan di bawah istilah yang samar “logistik.”
Sistem enterprise besar dimulai dengan sejumlah asumsi kunci, kata Raza. Mereka dirancang untuk memodelkan dunia nyata, termasuk waktu tunggu yang diharapkan, kapasitas kendaraan, persyaratan kemasan, peralatan penanganan bahan dan campuran produk. Namun sistem perencanaan berbasis digital paling nyaman saat bekerja dengan keadaan stabil, bukan model transien. Dan dunia logistik secara pasti transien.
“Jika Anda bekerja di logistik dan rantai pasok, setiap hari berubah,” kata Raza. “Anda tidak memiliki waktu tunggu dan kapasitas yang tetap. Bottleneck selalu berubah, terutama selama COVID-19, di mana gudang dan pabrik ditutup, yang memerlukan perubahan optimasi rute seluruhnya.”
Di lingkungan yang kacau, bahkan sistem yang paling hati-hati dipikirkan akhirnya tidak mencerminkan aliran operasional sebenarnya. “Itulah mengapa kita melihat transformasi digital ini gagal,” kata Raza. “Satu-satunya cara untuk membangun sesuatu adalah dengan membuat asumsi. Seperti dalam matematika, Anda memulai dengan persamaan dasar. Namun semakin sedikit asumsi yang Anda buat, semakin banyak kebebasan yang Anda miliki.”
Bukankah AI dan machine learning dirancang secara khusus untuk menghadapi ketidakpastian seperti itu? Raza setuju bahwa AI dapat digunakan untuk merasakan permintaan dan campuran produk sebenarnya, dan merencanakan mundur dari sana. “Itu dapat memberikan rekomendasi secara real-time,” katanya, “tapi seseorang masih harus mengeksekusinya.” Itulah kenyataan saat ini yang melancarkan rencana terencana dari mesin “cerdas.”
Otomatisasi total dari operasi logistik jarang terjadi, terbatas pada gudang “lights-out” aneh yang menangani produk sangat spesialisasi. Pengaturan seperti itu mengundang kemungkinan efek bullwhip, di mana kesalahan perhitungan kecil yang tidak dikoreksi di sepanjang rantai pasok dapat memuncak dan mengakibatkan kegagalan layanan yang merusak di aliran bawah.
Ironi teknologi adalah keberhasilannya di dalam organisasi tergantung, pada analisis terakhir, pada manusia. Masalahnya, kata Raza, seringkali adalah tentang budaya perusahaan.
“Teknologi hanya dapat membuat hal yang Anda lakukan sudah berjalan lebih cepat,” katanya. “Jika Anda tidak memiliki budaya berbasis data dari awal, dan belum pernah melakukan apa pun dengan data Anda, Anda tidak akan menambahkan nilai apa pun.”
Pelatihan — dari orang, bukan mesin — sama pentingnya. Setiap organisasi yang mencoba mencabut proses lama tanpa secara memadai melatih staf dalam yang baru tentu akan melihat inisiatif teknologi mahal mereka gagal. Para eksekutif utama, sambil menghadapi tekanan dari investor untuk menunjukkan keuntungan kuartalan yang semakin tinggi, perlu realistis tentang return on investment mereka. Dalam skenario seperti itu, adopsi penawaran perangkat lunak sebagai layanan dapat membantu mengurangi biaya awal.
Tidak ada rahasia bahwa dunia fisik logistik memerlukan kemampuan virtual, dalam bentuk sistem otomatis dan prediktif, untuk mendapatkan hasil terbaik dari pengeluaran modal yang besar. Namun cara penerapan “solusi” tersebut dapat menentukan perbedaan antara keberhasilan dan kegagalan. Seperti yang dikatakan Raza: “Teknologi adalah penggerak — bukan solusi.”
