Havedev
Robot Generalist Menarik, Tetapi Pabrik Tetap Butuh Alur Kerja yang Jelas
The Core Update
Theker, startup AI robotics asal Barcelona, baru saja mengumpulkan pendanaan Series A sebesar $85 juta. Perusahaan ini menyebutnya sebagai Series A robotics terbesar di Eropa.
Yang membuat Theker menarik bukan hanya jumlah pendanaannya, tetapi arah produknya. Mereka tidak ingin membangun robot yang hanya ahli mengerjakan satu tugas sempit. Theker ingin membuat robot yang bisa dikonfigurasi ulang: tangan, lengan, ukuran, dan bentuknya bisa disesuaikan dengan kebutuhan kerja.
Idenya sederhana tetapi ambisius. Banyak proses di gudang dan pabrik tidak selalu seragam. Barang bisa berbeda bentuk. Urutan kerja bisa berubah. Permintaan bisa naik turun. Dalam kondisi seperti ini, robot yang hanya bagus untuk satu tugas sering kurang fleksibel.
Theker ingin masuk ke ruang yang lebih berantakan itu.
Contohnya, robot bisa dipakai untuk menyortir paket, mengemas pakaian, atau menangani botol dan kaleng. Inditex, perusahaan induk Zara, sudah menjadi salah satu pendukung awal. Investor lain termasuk CRV, Samsung, dan Aglaé Ventures yang terkait dengan Bernard Arnault dari LVMH.
Theker juga mengambil posisi yang cukup tegas. Mereka tidak ingin hanya menjadi proyek pilot di departemen inovasi. Menurut pendirinya, mereka langsung mendekati tim logistics atau operations, karena di sana kebutuhan lebih nyata dan keputusan lebih dekat ke pekerjaan harian.
Ini sinyal yang penting. Dunia robotics dan automation mulai bergerak dari demo yang terlihat menarik menuju pertanyaan yang lebih keras: apakah teknologi ini bisa benar-benar masuk ke alur kerja operasional?
The Reality Check
Robot generalist terdengar seperti jawaban besar untuk masalah kekurangan tenaga kerja. Dan dalam banyak industri, masalah itu memang nyata.
Pabrik, gudang, dan pusat distribusi membutuhkan proses yang lebih cepat, lebih stabil, dan lebih mudah diskalakan. Jika robot bisa membantu pekerjaan manual yang repetitif atau sulit diprediksi, nilai bisnisnya bisa besar.
Tetapi ada hal yang sering terlupakan: robot yang fleksibel tetap membutuhkan proses yang jelas.
Robot tidak masuk ke ruang kosong. Ia masuk ke gudang yang sudah punya kebiasaan kerja, layout, prioritas, pengecualian, kualitas data, dan cara tim mengambil keputusan. Kalau alur kerja masih bergantung pada ingatan operator tertentu, instruksi lisan, atau pengecualian yang tidak pernah ditulis, automation akan lebih sulit berhasil.
Masalahnya bukan hanya apakah robot bisa memegang botol, melipat pakaian, atau memindahkan paket. Pertanyaan yang lebih praktis adalah:
- kapan pekerjaan dianggap siap diambil robot?
- siapa yang menangani kondisi di luar aturan?
- bagaimana sistem tahu barang mana yang prioritas?
- apa yang terjadi jika kualitas barang tidak sesuai?
- kapan manusia harus mengambil alih?
- data apa yang harus masuk kembali ke sistem?
Tanpa jawaban ini, robot paling canggih pun bisa berubah menjadi alat mahal yang harus terus diawasi.
Ini bukan kritik terhadap Theker. Justru pendekatan mereka yang langsung ke operations terdengar lebih sehat dibanding sekadar menjual visi futuristik ke tim inovasi. Tetapi bagi perusahaan yang ingin mengadopsi robotics, pelajarannya jelas: jangan mulai dari kekaguman pada robot. Mulai dari pekerjaan yang ingin diperbaiki.
Banyak automation gagal bukan karena teknologinya buruk, tetapi karena proses bisnisnya belum cukup terbaca.
Di pabrik dan gudang, detail kecil bisa menentukan hasil. Posisi barang. Label. urutan picking. standar kualitas. ketersediaan ruang. integrasi dengan warehouse management system. definisi pekerjaan selesai. semua itu perlu cukup jelas sebelum robot bisa bekerja konsisten.
Humanoid atau robot modular mungkin terlihat seperti masa depan. Tetapi masa depan itu tetap harus melewati hal yang sangat biasa: SOP, data, status, integrasi, dan ownership.
The Havedev Way
Dari sudut pandang Havedev, berita Theker menarik karena menunjukkan arah yang lebih matang dalam automation: teknologi tidak hanya dibuat untuk demo, tetapi untuk masuk ke pekerjaan operasional yang nyata.
Namun untuk bisnis, terutama yang sedang mempertimbangkan automation, pelajaran utamanya bukan “segera beli robot”. Pelajaran yang lebih penting adalah: rapikan dulu pekerjaan yang ingin diautomasi.
Sebelum bicara robot, AI agent, dashboard, atau sistem internal, bisnis perlu bisa menjawab beberapa hal dasar.
Apa pekerjaan yang paling sering bottleneck? Bagian mana yang paling banyak menghabiskan waktu manual? Kesalahan apa yang paling sering terjadi? Status apa yang paling sering tidak jelas? Data apa yang sudah ada, dan data apa yang masih tercecer di chat, spreadsheet, atau kepala orang tertentu?
Jika pertanyaan ini belum jelas, automation akan bergerak di atas fondasi yang rapuh.
Untuk bisnis digital, bentuknya mungkin bukan robot fisik. Tetapi prinsipnya sama. Lead dari website, order dari marketplace, request dari WhatsApp, ticket support, invoice, stok, dan follow-up sales semuanya membutuhkan alur kerja yang bisa dibaca.
Automation yang sehat biasanya dimulai dari tiga hal:
- alur kerja yang dipetakan dari awal sampai selesai
- status yang jelas untuk setiap tahap pekerjaan
- data yang cukup rapi agar sistem bisa mengambil keputusan sederhana
Setelah itu, baru teknologi dipilih. Bisa berupa form yang lebih cerdas, CRM ringan, dashboard operasional, integrasi WhatsApp, automation follow-up, internal tool, atau AI assistant untuk membantu tim.
Theker mungkin sedang membangun robot yang tidak terlalu terspesialisasi. Tetapi perusahaan yang ingin memakainya tetap harus sangat spesifik tentang masalah operasional yang ingin diselesaikan.
Itulah paradoks automation: semakin fleksibel teknologinya, semakin penting bisnis memahami prosesnya sendiri.
Jika tidak, perusahaan hanya memindahkan kekacauan lama ke mesin yang lebih mahal.
Bagi banyak bisnis, langkah pertama bukan mencari teknologi paling baru. Langkah pertama adalah memilih satu alur yang paling dekat dengan uang atau pengalaman pelanggan, lalu membuatnya terlihat.
Di mana pekerjaan masuk. Siapa pemiliknya. Kapan status berubah. Kapan perlu eskalasi. Data apa yang wajib ada. Kapan dianggap selesai.
Setelah itu jelas, automation menjadi jauh lebih masuk akal.
Robot generalist seperti Theker bisa menjadi bagian penting dari masa depan manufaktur dan logistik. Tetapi untuk sebagian besar bisnis, kesiapan automation tetap dimulai dari hal yang lebih sederhana: proses yang jelas, data yang bisa dipercaya, dan keputusan operasional yang tidak bergantung pada tebak-tebakan.
Dapatkan Audit Teknis Gratis untuk meninjau alur website, lead, data, dan proses operasional yang bisa dirapikan sebelum bisnis Anda menambah automation baru.
Sumber referensi berita: TechCrunch