Sasaran AI Ritel pada tahun 2026

Setiap bulan Januari, National Retail Federation Big Show (NRF) mempertemukan pengecer dan vendor teknologi di New York. Ini adalah pameran dagang ritel terbesar tahun ini yang menarik sekitar 40.000 peserta dan merupakan tempat yang bagus untuk melihat gelombang inovasi teknologi ritel berikutnya.

Pada Big Show terakhir pada bulan Januari 2025, topik utamanya adalah kecerdasan buatan dan ini adalah pertama kalinya banyak pengecer mempelajari tentang perdagangan keagenan. Sudah menjadi hal yang lumrah sehingga sepanjang tahun 2025, saya sering mendengar retailer bercanda tentang betapa bahagianya mereka jika tidak perlu membicarakan AI dan agen AI.

Namun perdagangan agen tidak akan hilang.

(Jika Anda memerlukan penyegaran, agen AI adalah perangkat lunak yang dapat menafsirkan situasi, memutuskan apa yang harus dilakukan berdasarkan tujuan dan instruksi yang Anda tetapkan, dan mengambil tindakan secara mandiri — beradaptasi terhadap banyak perubahan termasuk perubahan permintaan, kondisi rantai pasokan, dan preferensi pengguna. Di ritel, hal ini kini sering ditemukan dalam penetapan harga, pengisian ulang rak, dan manajemen inventaris.)

Pada acara NRF, Innovation Showcase menampilkan 50 startup yang patut disaksikan. Pada bulan Januari, sorotan terhadap AI dan agen AI akan semakin intens dan fokus.

Hampir setiap perusahaan yang mengadakan pameran menawarkan semacam kemampuan berbasis kecerdasan buatan. Namun tahun ini, alih-alih menawarkan segalanya kepada semua orang, mereka beralih dari kasus penggunaan umum ke fungsi spesifik seperti merchandising, penetapan harga, pencarian, dan operasional toko.

Semua perusahaan memetakan ke empat kategori:

– Analisis Bisnis dan Tren

– Fasilitasi E-commerce dan Pengalaman Pengguna

– Berbelanja di Toko (bata dan mortir).

– Logistik (seperti rantai pasokan dan pengiriman)

Beberapa contoh perusahaan Innovation Showcase yang pernah saya lihat adalah:

Birdzi (diucapkan Mata Burung) membantu pedagang grosir menafsirkan dan memprediksi perilaku pembeli untuk melibatkan pelanggan dengan pengalaman dan penawaran di dalam toko yang lebih relevan. Birdzi mengatakan klien melihat peningkatan ukuran keranjang sebesar 30%, sekitar dua kali lipat frekuensi kunjungan toko dan retensi pelanggan 2,5x lebih tinggi. Kesimpulan yang lebih luas adalah bahwa personalisasi di NRF beralih dari janji AI yang luas ke dampak yang terukur pada tingkat perjalanan.

7Belajar menggunakan penetapan harga berbasis pembelajaran mesin untuk memperkirakan permintaan pada titik harga yang berbeda, membantu pengecer mengoptimalkan penetapan harga dinamis dan pemasaran kinerja sebelum perubahan diterapkan. 7Learnings menggabungkan data klien dengan sinyal eksternal seperti cuaca, tarif, musiman, dan aktivitas pesaing untuk mengantisipasi hasil. Perusahaan mengatakan perangkat lunaknya telah meningkatkan profitabilitas sebanyak 10% dan mengurangi pekerjaan manual terkait sebesar 80% dengan menyinkronkan pemasaran dan harga dengan lebih baik.

Ruang. Dalam pekerjaan pertama saya sebagai bankir investasi, saya diberitahu, “Lihatlah perusahaan spesifik ini, temukan metrik kinerja yang relevan, temukan masalah yang jelas dan apa yang perlu diperbaiki. Tulis ringkasan satu halaman yang dapat dibaca oleh CEO dalam tiga menit.” Terkadang pekerjaan memakan waktu sehari, terkadang membutuhkan waktu seminggu. Lumi mengatakan sistem ini mempersingkat alur kerja bagi pengecer menjadi sekitar 30 detik, menghemat waktu berjam-jam sambil memunculkan wawasan baru menggunakan perintah bahasa alami. Perusahaan tersebut mengatakan Kroger adalah klien dan memiliki kemitraan pemasaran dengan Deloitte. Saya berharap saya memiliki ini sebagai alat rahasia saya pada pekerjaan pertama itu.

brij bekerja dengan lebih dari 150 merek seperti Skullcandy, Momofuku, Gozney Pizza Oven, Feastables, dan Black Diamond untuk mengubah data dari pendaftaran garansi, pendaftaran email, undian, dan rabat (“data pihak pertama”) menjadi konten dan penawaran yang dipersonalisasi. Sinyal pada tahun 2026 adalah bahwa Brij menjadikan personalisasi sebelum dan sesudah pembelian yang digerakkan oleh AI menjadi praktis dalam skala besar. Ini dapat mengotomatiskan halaman arahan yang disesuaikan, rekomendasi konten, dan alur kerja pengiriman dalam batasan yang ditentukan merek tanpa menghabiskan waktu manajer.

Masing-masing perusahaan ini menawarkan “solusi langsung” dibandingkan solusi AI raksasa yang menangani berbagai aspek penerapan AI di berbagai departemen di pengecer atau merek. Ada dua alasan untuk ini:

– Pengembangan AI sulit dilakukan dan berubah dengan sangat cepat. Memiliki solusi AI yang menangani banyak departemen merupakan tugas yang terlalu berat bagi sebagian besar startup.

– Alasan yang lebih penting adalah bahwa AI mewakili perubahan besar dalam cara manusia bekerja sehingga menerapkan lebih dari satu solusi sekaligus sangatlah menantang karena gangguan organisasi yang ditimbulkannya.

Satu perusahaan yang saya pratinjau merupakan pengecualian terhadap pendekatan solusi titik:

milik rasa iri perangkat lunak ini adalah platform “otak merchandising” yang dirancang untuk meningkatkan efisiensi konversi, pendapatan, personalisasi, pencarian, dan akuisisi pelanggan. Namun bahkan Envive, yang memiliki solusi AI komprehensif untuk meningkatkan keterampilan inti suatu merek atau pengecer, memulai hanya dengan satu poin dan menggunakan strategi “mendarat dan memperluas”.

Waktu

Ini akan memakan waktu yang sangat lama. Berbeda dengan penerapan teknologi baru lainnya, penerapan teknologi baru ini akan mengubah cara kerja setiap orang.

Sudah menjadi sifat manusia untuk menolak perubahan seperti itu. Namun mewujudkan hal ini adalah suatu keharusan karena ketika satu pengecer melakukan lompatan, pengecer lain akan merasa terpaksa untuk mengikuti.

Perubahan budaya yang diperlukan untuk mencapai peningkatan kinerja ini memerlukan komitmen, kepemimpinan, dan partisipasi tingkat CEO dan dewan direksi, jika tidak maka perubahan tidak akan terjadi.

Ini bahkan bisa memakan waktu puluhan tahun. Bagan di bagian atas artikel ini, dari Publicis Sapient, secara ringkas menyatakan: AI akan digunakan di mana saja. Banyak orang yang mengambil keputusan sekarang akan mendapati diri mereka mengelola perangkat lunak yang semakin banyak mengambil keputusan tersebut.

Menakutkan, mengasyikkan, keduanya sekaligus.

Kombinasi Bisnis

Kekuatan lain yang membentuk teknologi ritel akan mencapai puncaknya: konsolidasi.

Saya hampir belum pernah melihat sektor bisnis yang siap melakukan konsolidasi seperti teknologi ritel saat ini. Ada beberapa alasan mengapa hal ini benar:

– Ada begitu banyak penawaran teknologi ritel AI yang sedang dikembangkan sehingga tidak ada satu pun pengecer yang memiliki sumber daya untuk mengevaluasi semuanya. Jika vendor AI tidak ikut serta, mereka mungkin tidak akan pernah terlihat oleh calon pelanggan mereka.

– Jumlah modal yang perlu dikumpulkan agar vendor AI dapat memasarkannya sangat tidak efisien. Sebagian besar modal itu diinvestasikan dalam pemasaran karena pasarnya sangat ramai. Jika pesaing lebih sedikit karena kombinasi, pemasaran akan jauh lebih efisien.

– Meningkatnya jumlah solusi titik menciptakan risiko integrasi yang nyata. Semua vendor menjanjikan kompatibilitas, namun sistem ritel yang sudah berusia puluhan tahun membuat integrasi sulit diprediksi. Konsolidasi akan memungkinkan penyedia untuk mengurangi risiko bahwa perangkat lunak mereka akan menyebabkan gangguan yang tidak terduga.

Jadi Itu Saja

AI tidak akan hilang, namun akan semakin mengakar karena peluang yang dihadirkannya tidak dapat diabaikan.

Perubahan budaya akan terjadi di ritel. Perusahaan mana pun yang tidak melakukan perubahan akan semakin sulit bersaing.

Ini akan memakan waktu, waktu yang lama, namun mereka yang beradaptasi dengan baik dan tercepat akan menang.

Ini sulit. Mengadopsi teknologi baru dan mengubah budaya adalah beberapa hal tersulit yang harus dilakukan di tempat kerja.

Semoga beruntung.