Bagi perusahaan freight forwarding, keterlambatan mengirim penawaran harga bisa membuat calon pelanggan beralih ke kompetitor sebelum pembicaraan berlanjut. Persoalannya, satu kuotasi pengiriman internasional bukan sekadar mencari tarif dan menambahkan margin. Tim pricing harus mencocokkan kebutuhan muatan, tarif pengangkut, biaya terminal, pilihan rute, dan ketentuan pelanggan. Sebagian informasi bahkan datang dari sumber yang berbeda dan terus berubah.
C.H. Robinson, perusahaan logistik pihak ketiga global, melaporkan bahwa penggunaan agentic AI telah memangkas waktu pembuatan kuotasi kargo laut dari 2-3 hari menjadi sekitar 2-3 menit. Untuk kargo udara, proses yang sebelumnya membutuhkan satu hari juga kini dapat diselesaikan dalam hitungan menit.
Dalam pengumuman pada 26 Oktober 2026, perusahaan menyatakan sistemnya telah menghasilkan lebih dari 80.000 kuotasi untuk lebih dari 3.600 pelanggan. Penerapannya mencakup kargo laut, udara, dan pekerjaan kepabeanan. Hasil tersebut merupakan angka yang dilaporkan C.H. Robinson, bukan tolok ukur yang otomatis berlaku bagi setiap perusahaan ekspedisi. (The Loadstar; rilis resmi C.H. Robinson)
Pelajaran bagi perusahaan ekspedisi bukan bahwa semua kuotasi harus selesai dalam tiga menit. Yang lebih penting adalah memahami bagaimana AI dapat mengerjakan rangkaian tugas yang selama ini membuat proses penawaran lambat, dan apa yang harus disiapkan agar otomatisasi tersebut tidak menghasilkan harga yang keliru.
Bukan chatbot, melainkan sistem yang menjalankan pekerjaan
Chatbot dapat membantu staf mencari informasi atau menyusun jawaban kepada pelanggan. Agentic AI melangkah lebih jauh: agen diberi tujuan, akses ke alat atau sistem tertentu, serta aturan untuk menjalankan beberapa tahapan pekerjaan. Hasil satu tahap dapat digunakan oleh agen berikutnya sampai tugas mencapai titik penyelesaian atau membutuhkan campur tangan manusia.
Dalam proses kuotasi, pekerjaan itu dapat mencakup membaca permintaan pelanggan, mengambil data tarif, membandingkan rute, menghitung biaya, dan menyusun penawaran. C.H. Robinson menyebut bahwa satu tugas pengiriman yang kompleks dapat melibatkan lebih dari selusin agen AI yang bekerja bersama.
Mengapa pendekatan ini penting? Karena hambatan utama bukan selalu rumitnya perhitungan matematis. Sering kali, waktu habis untuk mengumpulkan data, memastikan informasi sesuai, menelusuri biaya tambahan, dan memindahkan hasil dari satu sistem ke sistem lain.
Mengapa menghitung ongkir bisa memakan waktu berhari-hari?
Bayangkan pelanggan meminta tarif pengiriman barang dari pabrik di Jerman ke tujuan di Chicago. Jika pelanggan belum menentukan pelabuhan, forwarder perlu mempertimbangkan lokasi pengambilan, pilihan pelabuhan asal, frekuensi pelayaran, biaya transportasi darat, pelabuhan tujuan, dan kemungkinan konsolidasi.
Harga yang paling rendah pada satu komponen belum tentu menghasilkan biaya keseluruhan yang paling kompetitif. Pelabuhan yang lebih jauh mungkin membutuhkan biaya angkut darat lebih tinggi. Rute dengan jadwal lebih sering bisa menawarkan fleksibilitas yang berbeda. Biaya terminal di asal dan tujuan juga harus diperhitungkan sesuai ketentuan yang berlaku.
C.H. Robinson menjelaskan bahwa agen AI-nya memantau situs terminal dan email pemberitahuan biaya. Informasi tersebut digunakan untuk membantu perhitungan kuotasi tanpa mengharuskan staf menghubungi setiap terminal secara manual untuk setiap permintaan. Agen lain dapat merekomendasikan pelabuhan alternatif serta pilihan pengiriman melalui truk, kereta, atau tongkang ketika rute belum ditentukan pelanggan.
Di sinilah keunggulan agentic AI lebih jelas dibandingkan otomatisasi yang hanya memindahkan data dari satu formulir ke formulir lain. Sistem tidak berhenti setelah membaca permintaan. Sistem juga membantu menghubungkan informasi yang diperlukan untuk menghasilkan penawaran.
Mengapa otomatisasi booking sebelumnya sulit berkembang?
C.H. Robinson mengungkapkan bahwa formulir booking digital dan pertukaran data dengan pelanggan selama sekitar sepuluh tahun hanya menghasilkan otomatisasi sekitar 5% untuk permintaan booking kargo laut dan udara.
Salah satu penyebabnya adalah struktur hubungan dalam pengiriman. Forwarder berkomunikasi dengan pelanggan, tetapi permintaan booking dapat datang dari pemasok-pemasok milik pelanggan tersebut. Satu pelanggan mungkin memiliki puluhan pemasok dengan format dokumen dan prosedur yang berbeda.
Formulir digital tidak otomatis menyelesaikan variasi ini. Data masih bisa tidak lengkap, instruksi pelanggan berbeda, dan staf tetap perlu memeriksa informasi sebelum memproses booking.
Agen AI berpotensi menangani variasi tersebut dengan membaca permintaan, menggunakan konteks pelanggan, dan meneruskan informasi ke proses berikutnya. Namun, perusahaan juga mengakui bahwa masih ada tahapan booking yang perlu diotomatisasi. Dengan kata lain, keberadaan agen AI bukan berarti seluruh proses telah berjalan tanpa intervensi manusia.
Apa artinya bagi perusahaan ekspedisi Indonesia?
Perusahaan ekspedisi lokal tidak perlu meniru seluruh infrastruktur teknologi C.H. Robinson untuk mulai memperoleh manfaat. Titik masuk yang lebih realistis adalah proses kuotasi yang berulang, memakan waktu, dan memiliki aturan yang cukup jelas.
Langkah pertama adalah mengurangi pekerjaan manual dalam menerima permintaan harga. Sistem dapat membaca email atau dokumen pelanggan, mengambil informasi muatan dan rute, lalu menandai data yang belum lengkap. Staf tidak perlu mengetik ulang semua informasi sebelum mulai menghitung biaya.
Langkah berikutnya adalah menyatukan sumber tarif dan aturan harga. Tarif pengangkut, biaya tambahan, masa berlaku, mata uang, serta batas margin perlu dikelola dalam struktur yang dapat diperiksa. Agen AI baru bisa membantu menghasilkan kuotasi yang konsisten jika sumber datanya dapat dipercaya.
Setelah itu, proses penawaran perlu terhubung dengan sistem operasional. Ketika pelanggan menyetujui kuotasi, data yang sama idealnya dapat diteruskan ke booking dan tahap pengiriman tanpa dimasukkan ulang. Integrasi dengan Transportation Management System (TMS) dapat menjadi bagian dari rancangan ini, bergantung pada kemampuan sistem yang digunakan perusahaan.
Perusahaan dapat mempelajari fungsi TMS lebih lanjut melalui artikel Kargoku tentang Transportation Management System dan perbedaannya dengan Delivery Planning System.
Kecepatan tidak ada artinya jika harga yang dikirim salah
Kuotasi yang dikirim dalam tiga menit bukan hasil yang baik jika tarif sumber sudah kedaluwarsa, biaya terminal terlewat, atau margin tidak sesuai kebijakan perusahaan. Karena itu, otomatisasi harus dibangun bersama kontrol operasional.
Pada tahap awal, agen AI sebaiknya menyiapkan draf kuotasi untuk diperiksa staf. Setiap komponen harga perlu dapat ditelusuri kembali ke sumber tarif dan aturan yang digunakan. Penawaran dengan data tidak lengkap, margin di luar batas, atau ketentuan khusus harus dialihkan untuk pemeriksaan manusia.
Setelah akurasi terbukti melalui pengujian dan penggunaan nyata, perusahaan dapat memberikan kewenangan lebih besar untuk kasus rutin yang sudah memenuhi kriteria. Aktivitas sistem juga perlu tercatat agar tim dapat mengetahui data apa yang digunakan dan mengapa suatu harga dihasilkan.
Pendekatan serupa berlaku untuk pekerjaan kepabeanan. C.H. Robinson melaporkan bahwa AI dan otomatisasi mengurangi waktu kerja pada proses dokumen kepabeanan yang ditangani sebesar 23%. Sistem membantu mengklasifikasikan dokumen, mengekstrak data, serta mendeteksi dokumen yang belum tersedia, sementara broker tetap menangani validasi dan kepatuhan. Angka tersebut merupakan hasil yang diklaim perusahaan untuk pekerjaan terkait, bukan bukti bahwa seluruh proses kepabeanan dapat dilepas dari pengawasan manusia.
Ukur hasil dari operasional, bukan hanya kecepatan
Sebelum menerapkan aplikasi ekspedisi otomatis, perusahaan perlu mengukur berapa lama kuotasi diproses saat ini, seberapa sering penawaran harus direvisi, dan berapa banyak permintaan yang akhirnya menjadi booking.
Pengukuran itu membantu membedakan kecepatan yang benar-benar meningkatkan bisnis dari sekadar percepatan aktivitas administratif. Waktu respons yang lebih singkat dapat memberi tim kesempatan melayani lebih banyak permintaan, tetapi dampaknya terhadap penjualan dan margin tetap harus dibuktikan dengan data.
Perusahaan juga perlu menghitung biaya implementasi, integrasi, pemeliharaan data, serta pemeriksaan manusia yang masih diperlukan. Bagi forwarder dengan volume permintaan yang belum besar, memperbaiki basis tarif dan mengotomatisasi tahap tertentu mungkin lebih masuk akal daripada langsung membangun sistem multiagen yang kompleks.
Kasus C.H. Robinson menunjukkan bahwa agentic AI dapat menjadi alat operasional yang nyata ketika terhubung dengan data logistik, konteks pelanggan, dan proses bisnis. Keunggulan kompetitifnya bukan semata-mata menghasilkan kuotasi lebih cepat, melainkan mengurangi waktu yang terbuang untuk mengumpulkan informasi dan mengoordinasikan pekerjaan.
Bagi perusahaan ekspedisi Indonesia, prioritasnya adalah membangun fondasi tarif yang andal, aturan harga yang jelas, serta alur kerja yang dapat diaudit. Setelah fondasi tersebut siap, otomatisasi kuotasi dapat membantu tim merespons pelanggan lebih cepat tanpa mempertaruhkan akurasi dan margin.
