Strategi AI untuk Riset Supplier dan Manajemen Restock UMKM

Eno Haryz       AI Automation    Komentar   

Urusan supplier dan stock termasuk pekerjaan yang paling sering ikut terbawa sampai malam.

Sebagai pemilik UMKM, saya pernah merasakan bagaimana satu keputusan pembelian yang kelihatannya sederhana bisa merembet ke banyak hal. Supplier yang kualitasnya tidak konsisten bisa berakhir pada komplain pelanggan. Restock yang terlalu cepat membuat barang terlalu lama diam di gudang. Terlambat sedikit, stock justru habis ketika permintaan sedang ada.

Masalahnya, keputusan seperti ini sering harus dibuat di tengah pekerjaan lain yang juga belum selesai.

Kita mengecek harga, membandingkan beberapa supplier, membaca catatan pembelian sebelumnya, melihat stock yang tersisa, lalu mencoba memperkirakan kapan harus pesan lagi. Kalau datanya masih sedikit mungkin terasa mudah. Tetapi ketika produk, transaksi, dan pilihan supplier mulai bertambah, mengandalkan ingatan dan intuisi saja semakin sulit.

Di titik itu saya mulai melihat AI bukan sebagai alat yang harus mengambil keputusan untuk bisnis.

Saya justru menggunakannya untuk pekerjaan yang lebih sederhana: membantu merapikan informasi, membandingkan data supplier, membaca pola, dan menandai hal-hal yang perlu saya periksa sebelum mengambil keputusan.

Misalnya, daripada membuka beberapa quotation satu per satu, AI bisa membantu merangkum perbedaan harga, minimum order, lead time, atau syarat pembayaran. Dari sisi stock, data penjualan dan catatan pembelian juga bisa digunakan untuk membantu melihat kapan sebuah produk mulai mendekati titik yang perlu diperhatikan.

Tetapi hasil AI tetap bukan keputusan final.

Harga termurah belum tentu menjadi supplier terbaik. Pola penjualan sebelumnya juga tidak selalu bisa memprediksi permintaan berikutnya. Ada kualitas barang, hubungan dengan supplier, kondisi pasar, arus kas, sampai situasi operasional yang tetap perlu kita nilai sendiri.

Dalam artikel ini, saya ingin membagikan pendekatan yang saya gunakan untuk memanfaatkan AI pada dua pekerjaan tersebut: riset supplier dan manajemen restock, dengan cara yang tetap sederhana, terukur, dan realistis untuk UMKM dengan waktu serta tim yang terbatas.

Mulai dari Data yang Sudah Ada, Bukan Tools Baru

Saat pekerjaan mulai terasa rumit, godaan pertama biasanya mencari aplikasi baru.

Padahal untuk riset supplier dan restock, saya lebih memilih melihat dulu data apa yang sebenarnya sudah dimiliki.

Di sisi supplier, datanya bisa berasal dari quotation, daftar harga, minimum order atau MOQ, lead time, payment terms, catatan purchase sebelumnya, sampai informasi pengiriman.

Di sisi stock, kita mungkin sudah memiliki data transaksi, jumlah barang saat ini, purchase yang masih berjalan, atau catatan penjualan dari spreadsheet, marketplace, dan aplikasi kasir.

Tidak semuanya harus lengkap sejak awal.

Yang penting adalah memisahkan tiga kondisi:

• data yang memang tersedia;
• data yang belum tersedia;
• informasi yang masih perlu dikonfirmasi.

AI bisa membantu merapikan bagian pertama dan menunjukkan bagian kedua. Yang tidak boleh dilakukan adalah meminta AI mengisi kekosongan tersebut dengan asumsi.

Prinsip ini sama dengan pendekatan yang saya gunakan ketika memilih tools AI: mulai dari pekerjaan dan masalah yang ingin diselesaikan, bukan dari aplikasi yang sedang ramai digunakan.

Jika data dasarnya belum jelas, menambah tools baru biasanya hanya memindahkan kekacauan ke tempat yang berbeda.

Riset Supplier dengan AI: Bandingkan Data, Bukan Sekadar Harga

Ketika beberapa supplier menawarkan barang yang serupa, harga memang menjadi salah satu faktor yang paling mudah dibandingkan.

Tetapi keputusan purchase biasanya tidak berhenti di sana.

Satu supplier bisa menawarkan harga lebih rendah tetapi minimum order lebih besar. Supplier lain mungkin sedikit lebih mahal tetapi memiliki lead time lebih pendek atau payment terms yang lebih sesuai dengan kondisi bisnis.

Karena itu, saya lebih nyaman meminta AI membantu membuat comparison matrix daripada langsung bertanya, “Supplier mana yang terbaik?”

Pendekatan evaluasi supplier dengan beberapa kelompok informasi juga digunakan pada sistem procurement yang lebih formal. Dokumentasi Oracle Supplier Qualification, misalnya, menggunakan beberapa qualification areas dan pertanyaan untuk mengevaluasi aspek tertentu dari supplier, bukan hanya satu angka. [Sumber: Oracle]

Untuk kebutuhan UMKM, pendekatannya tentu tidak harus serumit sistem procurement perusahaan besar.

Informasi yang bisa mulai dibandingkan

• harga atau price quotation;
• minimum order atau MOQ;
• lead time;
• payment terms;
• masa berlaku quotation;
• ketentuan atau biaya pengiriman jika tersedia;
• catatan kualitas berdasarkan pengalaman transaksi yang memang sudah dimiliki;
• informasi lain yang masih belum tersedia dan perlu dikonfirmasi.

Daftar tersebut bukan standar wajib. Sesuaikan dengan jenis produk dan cara bisnis Anda melakukan purchase.

Hal yang paling penting adalah jangan mengubah informasi yang tidak tersedia menjadi fakta baru.

Prompt untuk membandingkan quotation supplier

Jika quotation masih berupa beberapa dokumen atau catatan terpisah, prompt berikut dapat digunakan sebagai titik awal. Polanya tetap mengikuti panduan prompt AI Enoharyz: context, task, boundaries, lalu output.

Prompt:

Context:

Saya sedang membandingkan beberapa supplier untuk kebutuhan bisnis [JENIS USAHA / PRODUK].

Saya akan memberikan quotation atau informasi dari beberapa supplier.

Task:

Bantu saya merapikan dan membandingkan informasi tersebut agar lebih mudah diperiksa sebelum saya mengambil keputusan purchase.

Bandingkan jika datanya tersedia:

• nama supplier;
• harga;
• MOQ atau minimum order;
• lead time;
• payment terms;
• masa berlaku quotation;
• ketentuan atau biaya pengiriman;
• informasi kualitas atau spesifikasi yang tercantum;
• catatan lain yang relevan.

Boundaries:

• Gunakan hanya informasi yang saya berikan.
• Jangan mengarang harga, MOQ, lead time, kualitas, kapasitas supplier, payment terms, atau informasi lain yang tidak tercantum.
• Jika data tidak tersedia, tulis “Perlu Verifikasi”.
• Jangan menyimpulkan supplier terbaik hanya berdasarkan harga.
• Jangan mengambil keputusan purchase atas nama saya.
• Pisahkan fakta dari data, perbandingan, dan hal yang masih perlu dikonfirmasi.

Output:

1. Buat comparison matrix antar-supplier.
2. Tunjukkan perbedaan utama dan trade-off masing-masing supplier.
3. Buat daftar data yang masih “Perlu Verifikasi”.
4. Buat daftar pertanyaan yang perlu saya konfirmasi kepada supplier sebelum mengambil keputusan.

Berikut quotation atau data supplier:

[TEMPEL DATA / QUOTATION DI SINI]

Output seperti ini membantu mempercepat proses membaca dokumen. Tetapi comparison matrix tetap harus diperiksa kembali terhadap quotation aslinya sebelum digunakan untuk purchase.

Harga Termurah Belum Tentu Supplier yang Paling Sesuai

Ini bagian yang menurut saya penting karena AI sangat mudah diminta membuat ranking.

Kalau kita hanya memberi satu instruksi seperti “pilih supplier terbaik”, model bisa menyederhanakan persoalan yang sebenarnya jauh lebih kompleks.

Harga yang lebih rendah bisa terlihat menarik, tetapi kita masih perlu mempertimbangkan apakah MOQ sesuai dengan kemampuan purchase, berapa lama lead time, bagaimana payment terms-nya, apakah spesifikasi barang sama, dan bagaimana pengalaman transaksi sebelumnya jika memang tersedia.

Video dari Kasisolusi berikut tidak membahas penggunaan AI secara langsung. Namun pembahasannya tetap relevan dengan konteks artikel ini karena menyinggung hubungan dengan supplier, tempo pembayaran, dan pengelolaan cashflow dalam bisnis.

Perspektif tersebut membantu menunjukkan bahwa keputusan memilih supplier tidak berhenti pada harga, tetapi juga perlu mempertimbangkan kondisi pembayaran dan kemampuan arus kas sebelum melakukan purchase.

Sumber video : Kasisolusi

Di sinilah AI lebih berguna sebagai alat untuk menunjukkan trade-off.

Misalnya:

• supplier A lebih murah tetapi MOQ lebih besar;
• supplier B memiliki lead time lebih pendek;
• supplier C memberikan payment terms berbeda;
• informasi kualitas salah satu supplier masih belum tersedia.

Contoh tersebut hanya ilustrasi cara membaca perbandingan, bukan aturan bahwa satu faktor harus selalu lebih penting daripada faktor lain.

Prioritasnya tetap bergantung pada kondisi bisnis: arus kas, kebutuhan pelanggan, karakter produk, pengalaman terhadap kualitas barang, dan tingkat urgensi purchase.

Dengan begitu, AI tidak memilih supplier untuk kita. AI membantu membuat informasi yang tersebar menjadi lebih mudah diperiksa.

Dari Data Penjualan ke Sinyal Restock

Setelah supplier mulai lebih mudah dibandingkan, masalah berikutnya adalah menentukan kapan kita perlu memperhatikan stock.

Saya sengaja menggunakan kata sinyal, bukan keputusan.

Data penjualan sebelumnya memang bisa membantu melihat pola, tetapi kondisi minggu atau bulan berikutnya tidak selalu sama. Promo, musim tertentu, perubahan harga, keterlambatan supplier, sampai periode ketika barang pernah kosong dapat memengaruhi cara kita membaca data tersebut.

Karena itu, langkah pertama bukan meminta AI “prediksi berapa barang yang harus dibeli”.

Mulailah dari data yang lebih sederhana:

• SKU atau nama produk;
• jumlah stock saat ini;
• penjualan per periode;
• purchase yang masih berjalan jika ada;
• lead time supplier;
• pesanan pelanggan yang belum terpenuhi jika datanya tersedia;
• informasi promo atau seasonality yang memang sudah diketahui.

Jika transaksi masih tersebar di banyak tempat, langkah pada artikel analisis data penjualan dengan AI bisa digunakan terlebih dahulu untuk merapikan pertanyaan dan kualitas datanya.

Untuk bisnis yang sudah menggunakan POS, data transaksi dari aplikasi kasir juga bisa menjadi salah satu sumber data, selama informasi yang dibutuhkan memang tersedia.

OpenAI mendokumentasikan bahwa ChatGPT dapat menganalisis file terstruktur seperti spreadsheet dan CSV, termasuk membantu membuat tabel, menghitung, dan membaca pola pada data yang diunggah. OpenAI juga menyarankan data disusun dengan nama kolom yang jelas dan pengguna tetap meninjau hasil analisisnya. [Sumber: OpenAI]

Prompt untuk membuat restock watchlist

Prompt:

Context:

Saya memiliki data penjualan dan stock produk UMKM.

Data yang saya berikan mungkin berisi SKU, tanggal transaksi, jumlah terjual, stock saat ini, open purchase, lead time supplier, dan informasi lain yang tersedia.

Task:

Bantu saya membaca data tersebut untuk membuat restock watchlist. Tujuannya bukan melakukan purchase otomatis, tetapi menunjukkan produk mana yang perlu saya periksa lebih lanjut.

Boundaries:

• Gunakan hanya data yang saya berikan.
• Jangan mengarang angka penjualan, stock, lead time, safety stock, purchase, atau permintaan pelanggan yang tidak tersedia.
• Jika data belum cukup untuk melakukan perhitungan, tulis “Perlu Verifikasi”.
• Jangan menganggap tren historis pasti berulang di masa depan.
• Tandai jika data mungkin terpengaruh promo, seasonality, periode stockout, atau data yang tidak lengkap apabila informasi tersebut tersedia.
• Jangan menentukan jumlah purchase final atau membuat keputusan pembelian atas nama saya.

Output:

1. Buat tabel berisi SKU, stock saat ini, pola penjualan yang dapat dihitung, lead time, open purchase, dan status perhatian.
2. Kelompokkan status menjadi “Perlu Dipantau”, “Perlu Diperiksa untuk Restock”, atau “Data Belum Cukup”.
3. Jelaskan alasan setiap status berdasarkan data.
4. Tandai semua data yang masih “Perlu Verifikasi”.
5. Buat daftar pertanyaan yang harus saya periksa sebelum melakukan purchase.

Berikut data saya:

[TEMPEL DATA PENJUALAN DAN STOCK DI SINI]

Prompt seperti ini sengaja tidak meminta AI menentukan purchase final. Tujuannya hanya mempersempit daftar produk yang perlu mendapatkan perhatian kita.

Reorder Point Itu Sinyal, Bukan Perintah Otomatis

Ketika membahas restock, kita juga akan bertemu dengan istilah reorder point.

Secara sederhana, reorder point adalah titik ketika stock perlu mulai diperhatikan untuk pemesanan kembali.

Dalam dokumentasi NetSuite, salah satu perhitungan dasarnya menggunakan:

Reorder Point = Safety Stock + (Average Lead Time × Average Daily Demand)

NetSuite juga menjelaskan bahwa perhitungan inventory seperti ini memiliki asumsi tertentu. Hasilnya dapat menjadi kurang representatif ketika permintaan bersifat intermittent, promotional, sangat seasonal, atau memiliki distribusi yang tidak sesuai dengan asumsi perhitungan. [Sumber: Oracle NetSuite]

Karena itu, saya tidak melihat rumus tersebut sebagai tombol otomatis untuk melakukan purchase.

Untuk UMKM, ia lebih berguna sebagai baseline untuk bertanya:

• apakah stock mulai mendekati titik yang perlu diperiksa;
• berapa lama supplier membutuhkan waktu;
• apakah ada purchase yang sedang berjalan;
• apakah permintaan saat ini normal atau sedang dipengaruhi promo dan musim;
• apakah data historis yang kita gunakan memang cukup representatif.

Kalau safety stock, lead time, atau pola permintaan belum cukup jelas, jangan meminta AI mengarang angka agar rumus terlihat lengkap.

Lebih aman memberi status Perlu Verifikasi dan memperbaiki datanya terlebih dahulu.

Satukan Supplier dan Restock dalam Workflow yang Sederhana

Riset supplier dan manajemen restock sebenarnya tidak harus menjadi dua pekerjaan yang berdiri sendiri.

Keduanya bertemu pada satu pertanyaan sederhana: apa yang perlu dibeli, kapan dibutuhkan, dan informasi apa yang harus diperiksa sebelum purchase?

Alurnya bisa dibuat seperti ini:

Quotation supplier → rapikan data → comparison matrix → data penjualan dan stock → restock watchlist → human review → konfirmasi supplier → purchase → barang diterima → update data aktual.

Pada tahap awal, workflow seperti ini tidak membutuhkan automation rumit.

Kita bisa menggunakan spreadsheet, file quotation, data transaksi, dan AI sebagai lapisan analisis di tengah proses.

Jika Anda ingin menyusun prosesnya secara lebih sistematis, pendekatan pada artikel Workflow AI UMKM dapat digunakan untuk memetakan input, proses AI, human review, action, dan evaluasi.

Menurut saya, bagian human review tidak boleh dilewati.

Purchase berkaitan langsung dengan uang, komitmen kepada supplier, ruang penyimpanan, kebutuhan pelanggan, dan kondisi operasional. AI bisa membantu menyiapkan data, tetapi tidak memiliki seluruh konteks bisnis yang kita miliki.

Ketika Spreadsheet Mulai Tidak Cukup

Semakin besar transaksi, semakin mudah data supplier, purchase, penjualan, dan stock tersebar di banyak tempat.

Spreadsheet masih sangat berguna, tetapi akan muncul titik ketika masalah utama bukan lagi bagaimana membuat prompt yang lebih baik.

Masalahnya mulai bergeser menjadi bagaimana data dari beberapa fungsi bisnis saling terhubung.

Misalnya, purchase perlu berhubungan dengan penerimaan barang, stock, penjualan, dan laporan lainnya.

Jika kebutuhan sudah sampai pada tahap tersebut, kita mulai berbicara tentang sistem yang lebih terintegrasi. Saya membahas tahap lanjut ini secara terpisah dalam artikel tentang aplikasi dan sistem ERP dengan AI.

Tidak semua UMKM harus langsung sampai ke sana.

Kalau spreadsheet dan workflow sederhana masih mampu memberikan data yang cukup untuk mengambil keputusan, tidak ada alasan untuk membuat sistem yang lebih kompleks hanya karena teknologinya tersedia.

Jaga Data Supplier dan Bisnis Sebelum Diupload ke AI

Quotation, purchase history, data transaksi, dan dokumen supplier bisa mengandung informasi bisnis yang tidak semuanya perlu diberikan kepada layanan AI.

Sebelum mengunggah file, periksa kembali apakah ada informasi yang sebenarnya tidak dibutuhkan untuk analisis.

Misalnya, jika tujuan kita hanya membandingkan harga, MOQ, lead time, dan payment terms, jangan otomatis memasukkan data lain yang tidak relevan hanya karena berada dalam file yang sama.

Prinsipnya sederhana: gunakan data seminimal mungkin sesuai kebutuhan tugas.

Saya membahas batas ini lebih lengkap dalam panduan privasi data untuk UMKM, termasuk pentingnya memilah informasi sebelum diberikan kepada AI.

Hal yang sama berlaku ketika menghapus identitas supplier. Jika nama supplier tidak diperlukan untuk analisis, kita dapat menggunakan label seperti Supplier A, Supplier B, dan Supplier C selama identitas aslinya tidak dibutuhkan untuk pekerjaan tersebut.

AI Menyiapkan Data, Pemilik Usaha Tetap Memutuskan

Kalau saya kembali ke masalah yang sering ikut terbawa sampai malam, ternyata bagian paling melelahkan bukan hanya memilih supplier atau melihat stock.

Yang menguras waktu adalah banyaknya informasi kecil yang harus kita periksa sebelum berani mengambil keputusan.

Di situ AI terasa paling berguna bagi saya.

Bukan karena AI tahu supplier mana yang harus dipilih atau berapa jumlah purchase yang harus dibuat, tetapi karena ia bisa membantu merapikan, membandingkan, menghitung, menandai data yang kurang, dan menyiapkan pertanyaan yang perlu kita periksa.

Setelah itu, keputusan tetap kembali kepada kita sebagai pemilik usaha.

Kita yang mengetahui kondisi arus kas, pengalaman terhadap supplier, kebutuhan pelanggan, kapasitas penyimpanan, perubahan pasar, dan risiko yang bersedia kita ambil.

AI membantu membuat pekerjaan mekanis menjadi lebih terstruktur. Tetapi untuk supplier, restock, dan purchase, human review bukan langkah tambahan. Ia memang bagian dari prosesnya.

Di bisnis Anda, bagian mana yang lebih sering membuat keputusan menjadi lambat: membandingkan supplier atau menentukan kapan harus restock? Ceritakan kendalanya di kolom komentar.

FAQ Riset Supplier dan Restock dengan AI

Bisakah AI membantu mencari dan membandingkan supplier UMKM?

Bisa membantu merapikan serta membandingkan informasi supplier yang tersedia, misalnya harga, MOQ, lead time, payment terms, dan informasi lain dari quotation. Namun AI tidak sebaiknya menentukan supplier final tanpa pemeriksaan manusia terhadap kualitas, kondisi bisnis, dan informasi yang belum tersedia.

Data apa yang diperlukan untuk membandingkan supplier dengan AI?

Gunakan data yang relevan dengan keputusan Anda. Contohnya quotation, harga, MOQ, lead time, payment terms, ketentuan pengiriman, spesifikasi, dan catatan transaksi sebelumnya jika tersedia. Jika suatu informasi tidak ada, lebih baik tandai sebagai “Perlu Verifikasi” daripada meminta AI menebaknya.

Bagaimana AI membantu menentukan waktu restock?

AI dapat membantu membaca data penjualan, stock saat ini, lead time, open purchase, dan informasi pendukung lain untuk membuat restock watchlist. Hasilnya sebaiknya diperlakukan sebagai sinyal untuk diperiksa, bukan purchase order otomatis.

Apakah reorder point sama untuk setiap produk?

Tidak harus. Reorder point bergantung pada data seperti demand, lead time, dan safety stock yang digunakan. Kondisi promo, seasonality, permintaan yang tidak teratur, atau data yang belum lengkap juga dapat membuat perhitungan historis kurang representatif sehingga tetap memerlukan verifikasi manusia.

Sumber & Referensi

• OpenAI Help Center. Analisis data dengan ChatGPT. Referensi kemampuan analisis spreadsheet/CSV dan praktik menyiapkan data terstruktur.
• Oracle Fusion Cloud Procurement. Qualification Areas. Referensi mengenai evaluasi supplier melalui beberapa area dan pertanyaan kualifikasi.
• Oracle NetSuite. Inventory Optimization Calculations. Referensi reorder point, safety stock, lead time, demand, dan keterbatasan perhitungan ketika pola permintaan tidak stabil.