Dr. Noor Faezah Juhari¹, Dr. Nurul Izzaty Ismail¹
¹Fakulti Ekonomi dan Pengurusan, Universiti Kebangsaan Malaysia
* Penulis Koresponden: faizura17@ukm.edu.my
Kata Kunci: kecerdasan buatan, rantaian bekalan, logistik pintar, automasi, Malaysia
AI di Sebalik Pergerakan Barangan
Kecerdasan buatan (artificial intelligence, AI) sedang mengubah cara barangan bergerak dalam rantaian bekalan Malaysia. Daripada meramalkan permintaan dan mengurus inventori hingga menyusun laluan penghantaran, AI membantu organisasi membuat keputusan dengan lebih cepat berdasarkan data. Perubahan ini semakin penting apabila e-dagang berkembang dan pelanggan mengharapkan penghantaran yang pantas, tepat serta mudah dijejaki.
Dalam rantaian bekalan, AI merangkumi pembelajaran mesin (machine learning), analitik data dan automasi pada pelbagai peringkat, daripada pembekal hingga pengguna akhir. Berbanding proses manual, sistem AI dapat mengenal pasti corak permintaan, mengesan ketidakcekapan dan mencadangkan tindakan. Namun, AI tidak menggantikan keseluruhan peranan manusia. Keputusan penting masih memerlukan pertimbangan pekerja yang memahami operasi sebenar.
Malaysia mempunyai kedudukan strategik dalam perdagangan serantau, disokong oleh pelabuhan, lapangan terbang dan jalan raya. Industri logistik pula berdepan kos operasi yang meningkat, kekurangan tenaga mahir, permintaan penghantaran segera, keperluan penjejakan masa nyata dan persaingan e-dagang. AI boleh membantu menangani sebahagian cabaran ini, tetapi keberkesanannya bergantung pada kualiti data dan kesediaan organisasi.
Rajah 1: AI menukar data operasi kepada keputusan rantaian bekalan
Di Mana AI Digunakan
Dalam operasi penghantaran, AI boleh mengoptimumkan laluan, meramalkan jumlah bungkusan, merancang kapasiti gudang dan menambah baik anggaran waktu ketibaan. Sistem pengoptimuman laluan menilai lokasi, trafik dan kapasiti kenderaan sebelum mencadangkan perjalanan yang sesuai. Ramalan permintaan pula membantu organisasi menentukan ruang gudang dan tenaga kerja ketika musim jualan puncak.
Di dalam gudang, AI boleh menyusun keutamaan pesanan dan mengenal pasti bahagian operasi yang sering mengalami kelewatan. Kamera dan teknologi visi komputer (computer vision) boleh membaca label, memeriksa bungkusan serta mengesan item yang tersalah lokasi. Maklumat ini membolehkan penyelia bertindak sebelum masalah kecil menjejaskan keseluruhan aliran penghantaran. Organisasi juga berpotensi menjimatkan masa, mengurangkan kos dan meningkatkan kebolehpercayaan perkhidmatan.
AI turut memberi kesan kepada pengeluar dan peruncit. Sistem inventori berasaskan pembelajaran mesin boleh menganggarkan keperluan stok berdasarkan rekod jualan, musim dan promosi. Pengenalan frekuensi radio (radio-frequency identification, RFID) dan Internet Benda (Internet of Things, IoT) bukan AI dengan sendirinya. Namun, data daripada tag serta sensor boleh dianalisis untuk mengemas kini inventori, memantau kargo dan mengesan perubahan luar biasa.
PIP dan Wajah Baharu Logistik Utara
Contoh yang menarik dapat dilihat di Perlis Inland Port (PIP), Chuping. Hab logistik ini menghubungkan pergerakan kargo antara Malaysia dan Thailand melalui rangkaian rel serta jalan raya. Dalam tempoh empat bulan setengah operasi penuh, PIP telah mengendalikan 100,000 unit bersamaan dua puluh kaki (TEU). Pencapaian tersebut menunjukkan bagaimana kemudahan logistik moden boleh membuka ruang kepada penggunaan analitik data, automasi dan sistem penjejakan digital.
Rajah 2: PIP dalam ekosistem logistik pintar dan multimodal. Rajah dihasilkan menggunakan bantuan AI (2026)
Teknologi Canggih Tetap Memerlukan Manusia
Transformasi AI memerlukan lebih daripada pembelian perisian. Organisasi perlu membina data berkualiti, melatih pekerja, mengintegrasikan sistem lama dan melindungi maklumat. Kos permulaan juga boleh membebankan perusahaan kecil dan sederhana jika pelaksanaan dibuat tanpa tujuan operasi yang jelas. Kerajaan dan industri boleh membantu melalui latihan, perkongsian infrastruktur digital dan projek rintis yang memberi tumpuan kepada masalah sebenar.
Organisasi juga perlu mengelakkan kebergantungan melampau pada algoritma. Cadangan AI boleh tersasar apabila data tidak lengkap, berat sebelah atau tidak menggambarkan keadaan lapangan. Laluan paling singkat belum tentu paling selamat, manakala pengurangan stok yang terlalu agresif boleh menyebabkan kehabisan bekalan. Oleh itu, prestasi AI mesti dipantau dan disemak oleh manusia secara berterusan.
Penutup
AI bukan lagi sekadar teknologi masa depan dalam rantaian bekalan Malaysia. Teknologi ini sudah membantu mempercepat keputusan, mengurangkan pembaziran dan meningkatkan kebolehlihatan operasi. Namun, nilainya tidak terletak pada kecanggihan algoritma semata-mata. Kejayaan bergantung pada cara organisasi menggabungkan teknologi, data dan kepakaran manusia. Jika dilaksanakan secara bertanggungjawab, AI boleh membantu Malaysia membangunkan rantaian bekalan yang lebih cekap, tangkas dan berdaya tahan.