Jika Anda menjalankan bisnis produksi makanan, saat ini Anda sedang berjuang di dua front. Di satu sisi, Anda menghadapi pelanggan yang semakin sensitif terhadap harga seiring dengan meningkatnya tagihan belanja harian mereka. Di sisi lain, Anda menghadapi rantai pasokan global yang terasa seolah-olah hanya disatukan oleh selotip dan doa. Bagi produsen kecil, area tengah—margin Anda—kian menyusut setiap harinya.
Saya telah menghabiskan satu dekade terakhir mengamati laporan laba rugi (P&L) bisnis di sektor ini, dan polanya selalu sama: mereka sangat kreatif dengan resep mereka, tetapi sangat manual dalam perhitungan matematika mereka. Sebagian besar produsen kecil mencari bahan baku berdasarkan 'cara yang selalu kami lakukan' atau dengan bereaksi terhadap peringatan stok rendah pada lembar kerja (spreadsheet). Di era volatilitas tinggi, hal itu tidak lagi hanya tidak efisien; itu adalah ancaman bagi kelangsungan bisnis Anda.
Baru-baru ini, saya bekerja dengan produsen granola dan camilan butik—sebut saja 'Field & Flour'—yang berhasil melakukan sesuatu yang menurut sebagian besar konsultan tidak mungkin dilakukan oleh perusahaan seukuran mereka. Mereka memotong Harga Pokok Penjualan (COGS) sebesar 12% hanya dalam 90 hari. Mereka tidak melakukannya dengan beralih ke bahan yang lebih murah dan berkualitas rendah atau dengan memberhentikan staf dapur mereka. Mereka melakukannya dengan menerapkan pendekatan yang ramping dan sangat spesifik terhadap AI untuk bisnis kecil yang berfokus sepenuhnya pada 'Pengadaan Prediktif'.
Jebakan Ilusi 'Just-in-Time'
💡 Ingin Penny menganalisis bisnis Anda? Dia memetakan peran mana yang dapat digantikan oleh AI dan membuat rencana bertahap. Mulai uji coba gratis Anda →
Selama bertahun-tahun, bisnis kecil diperintahkan untuk meniru model pengiriman 'Just-in-Time' (JIT) milik raksasa seperti Toyota atau Nestlé. Idenya sederhana: jangan mengikat uang tunai dalam inventaris; beli apa yang Anda butuhkan tepat saat Anda membutuhkannya.
Namun bagi produsen kecil, JIT sering kali menjadi jebakan. Anda tidak memiliki volume untuk mendapatkan prioritas dari pemasok, jadi ketika terjadi kelangkaan atau lonjakan harga, Anda adalah pihak pertama yang terjepit. Field & Flour kehilangan ribuan poundsterling setiap bulan karena mereka membeli gandum dan madu pada harga puncak pasar hanya karena saat itulah wadah stok mereka kosong.
Saya menyebut ini sebagai Kelambatan Pengadaan. Ini adalah biaya tersembunyi dari sikap reaktif daripada prediktif. Ketika Anda kekurangan data untuk melihat lonjakan harga yang akan datang, Anda membayar 'pajak volatilitas' yang memakan keuntungan Anda bahkan sebelum Anda menyalakan oven.
Langkah 1: Menyelesaikan Masalah Fragmentasi Data
Sebelum kita dapat memasang alat AI apa pun, kita harus menangani kekacauan yang ada. Field & Flour memiliki data di empat tempat berbeda: sistem akuntansi Sage lama, tiga portal pemasok yang berbeda, log produksi manual, dan tumpukan faktur kertas.
AI bukanlah sihir; AI adalah mesin pengenal pola. Jika polanya terkubur dalam kertas, mesin tidak dapat menyala. Kami menggunakan alat OCR (Optical Character Recognition) sederhana untuk mendigitalisasi faktur historis selama tiga tahun. Ini memberikan basis data bagi AI: Berapa harga yang kami bayar untuk madu pada Juni 2022 dibandingkan Juni 2023? Pemasok mana yang secara konsisten terlambat melakukan pengiriman?
Jika Anda mencari peta jalan serupa untuk fasilitas Anda sendiri, panduan penghematan industri untuk produksi makanan dan minuman kami merinci dengan tepat bagaimana melakukan audit terhadap silo data ini tanpa harus mempekerjakan seorang ilmuwan data.
Langkah 2: Mengimplementasikan 'Arbitrase Volatilitas'
Di sinilah AI yang sebenarnya untuk bisnis kecil berperan. Kami tidak membangun model kustom—itu adalah pemborosan uang untuk bisnis skala ini. Sebaliknya, kami menggunakan kombinasi analitik prediktif siap pakai dan pemantauan pasar otomatis.
Kami menyiapkan sistem yang mereferensikan penggunaan historis Field & Flour dengan umpan harga komoditas global dan pola cuaca di wilayah pertumbuhan utama. AI tidak hanya melihat apa yang mereka gunakan; AI melihat apa yang sedang dilakukan oleh pasar.
Di bulan kedua, sistem menandai probabilitas tinggi kenaikan harga sebesar 15% pada almon organik karena kondisi kekeringan di California. Biasanya, Field & Flour akan menunggu hingga stok mereka menipis untuk memesan kembali. Sebaliknya, wawasan yang didorong oleh AI memungkinkan mereka untuk mengunci pembelian massal tiga minggu lebih awal pada harga saat itu. Langkah tunggal tersebut menghemat £4,200—lebih besar dari biaya implementasi AI itu sendiri.
Ini adalah Arbitrase Volatilitas: menggunakan kecepatan informasi untuk mengompensasi kurangnya daya beli. Ketika Anda tidak bisa membeli sebanyak perusahaan besar, Anda harus membeli dengan lebih cerdas daripada mereka.
Langkah 3: Aturan 90/10 dalam Penjadwalan Produksi
Salah satu penguras margin yang paling signifikan dalam bisnis makanan bukan hanya biaya bahan baku; melainkan biaya limbah dan ketidakefisienan selama produksi.
Kami menerapkan apa yang saya sebut sebagai Aturan 90/10. Kami menemukan bahwa 90% dari penjadwalan produksi Field & Flour adalah entri data yang berulang—memeriksa stok, memeriksa pesanan, dan menetapkan sif. Hanya 10% yang memerlukan 'firasat' pendiri untuk kualitas dan merek.
Dengan mengotomatiskan 90% tersebut, AI mampu mengoptimalkan ukuran batch berdasarkan tanggal kedatangan bahan baku. Jika pengiriman benih tertunda 48 jam, AI tidak hanya menandainya; AI secara otomatis mengatur ulang kalender produksi untuk memprioritaskan produk yang menggunakan inventaris yang ada, menjaga staf tetap produktif alih-alih hanya berdiam diri.
Kami juga melihat biaya sekunder. Meskipun pengadaan bahan baku adalah kemenangan besar, kami bahkan menerapkan penjadwalan berbasis AI pada pemeliharaan fasilitas mereka. Misalnya, dengan menganalisis penggunaan utilitas dan jadwal pembersihan, kami mengidentifikasi bahwa mereka menghabiskan terlalu banyak uang untuk sanitasi pihak luar. Jika Anda pernah bertanya-tanya apakah biaya overhead Anda membengkak, lihat rincian kami tentang biaya AI vs layanan pembersihan tradisional untuk melihat bagaimana otomatisasi mengubah ekonomi manajemen fasilitas.
Hasil: Melampaui Lembar Kerja
Pada akhir 90 hari, angka-angka tersebut berbicara sendiri:
- Biaya Bahan Baku: Berkurang 7% melalui penentuan waktu yang lebih baik dan 'Arbitrase Volatilitas.'
- Pengurangan Limbah: Turun sebesar 18% melalui pencocokan produksi-ke-permintaan yang lebih ketat.
- Efisiensi Tenaga Kerja: Keuntungan 5% karena staf tidak pernah 'menunggu bahan baku.'
Total pengurangan COGS: 12,2%.
Namun kemenangan sebenarnya bukan hanya 12% tersebut. Itu adalah pengurangan stres bagi sang pendiri. Dia berhenti menjadi 'pemadam kebakaran' yang bereaksi terhadap setiap hambatan rantai pasokan dan mulai menjadi CEO. AI tidak menggantikannya; AI memberinya kejelasan untuk membuat keputusan yang lebih baik.
Cara Memulai untuk Bisnis Anda Sendiri
Jika Anda adalah produsen kecil yang merasa terjepit, jangan mulai dengan mencari 'Alat AI Terbaik.' Mulailah dengan melihat titik-titik hambatan Anda.
- Identifikasi 3 bahan baku Anda yang paling volatil. Mana yang harganya paling sering berfluktuasi?
- Digitalisasikan riwayat Anda. Anda tidak bisa memprediksi masa depan jika Anda tidak tahu masa lalu Anda.
- Cari 'Pajak Agensi'. Apakah Anda membayar perantara atau konsultan untuk melakukan pekerjaan yang bisa ditangani oleh skrip prediktif sederhana?
AI untuk bisnis kecil bukan tentang masa depan robotika. Ini tentang keuntungan saat ini. Setiap hari Anda menunda untuk menerapkan pengadaan prediktif dasar adalah hari di mana Anda membayar 'pajak manual' kepada pesaing Anda.
Jika Anda ingin melihat bagaimana kerangka kerja ini berlaku untuk sektor spesifik Anda, temui saya di aiaccelerating.com. Kami tidak berbicara teori; kami melakukan transformasi. Jendela untuk keunggulan kompetitif ini sedang terbuka saat ini, tetapi tidak akan terbuka selamanya. Bergeraklah lebih dulu, atau tersingkir dari jalan.