Karyawan AI untuk Picking dan Packing Pesanan: Cegah Salah Barang Sebelum Diserahkan ke Kurir

Ditulis oleh Nugraha Labib Mujaddid, pembuat AgentBuff.

Jawaban singkat: karyawan AI dapat membantu online seller mengendalikan proses picking dan packing dengan mengubah data pesanan menjadi daftar ambil yang terstruktur, meminta verifikasi SKU–varian–jumlah, menahan kasus yang tidak cocok, memeriksa kelengkapan bukti, lalu mencocokkan paket dengan manifest serah-terima. AI tidak mengambil barang dari rak atau menilai kondisi fisiknya sendiri. Manusia tetap memegang, memindai, memeriksa, mengemas, dan menyerahkan paket; karyawan AI menjaga agar tahapan penting tidak dilewati dan hasilnya tercatat.

Salah kirim jarang terjadi karena satu orang tidak tahu cara membungkus kardus. Masalah biasanya muncul karena identitas pesanan berubah di tengah proses, warna atau ukuran tampak mirip, dua order terbuka di meja yang sama, label ditempel sebelum isi lolos pemeriksaan, atau paket sudah diberikan kepada kurir tetapi belum tercatat di manifest. Artinya, perbaikannya bukan sekadar “lebih teliti”. Seller membutuhkan kontrol proses dari order yang siap dipenuhi sampai paket berpindah tangan.

Artikel ini menawarkan workflow yang bisa dipakai toko online kecil, brand lokal, reseller, dan Solo Player. Ini adalah rancangan operasional, bukan klaim bahwa semua kanal penjualan atau kurir memiliki fitur yang sama.

Picking dan packing adalah dua kontrol yang berbeda

Picking adalah proses memilih barang yang benar dari lokasi penyimpanan berdasarkan pesanan yang sudah disetujui untuk dipenuhi. Packing adalah proses memverifikasi isi, melindungi barang, menghubungkannya dengan identitas paket, lalu menyiapkannya untuk diserahkan kepada pengangkut. Satu proses menjawab “apakah barang yang diambil benar?”; proses lain menjawab “apakah paket yang ditutup benar, aman, dan terhubung ke penerima yang tepat?”

Pemisahan ini penting. Sebuah item dapat diambil dengan benar tetapi masuk ke paket orang lain. Sebaliknya, label dapat ditempel ke paket yang rapi, tetapi isi paket salah varian atau kurang satu unit. Karena itu, satu tanda centang “siap kirim” terlalu kasar untuk menjadi kontrol tunggal.

Standar GS1 General Specifications versi 26.0, Januari 2026 memberi landasan yang berguna: GTIN dipakai untuk mengidentifikasi trade item, sedangkan unit logistik—seperti karton atau parcel yang dikelola untuk penyimpanan atau transportasi—dapat memiliki identitas tersendiri melalui SSCC. Seller UMKM tidak wajib mengadopsi seluruh sistem GS1 untuk memperoleh pelajarannya. Prinsip yang bisa diambil adalah: identitas barang dan identitas paket jangan dicampur.

Dokumentasi resmi Shopify juga memisahkan artefak kerja. Pick list memuat antara lain nomor order, judul produk, varian, kuantitas, SKU, dan lokasi bin; fungsi “scan to verify” dapat menandai item salah atau pemindaian berlebih sebelum proses berlanjut. Itu contoh implementasi pada satu platform, bukan aturan universal. Namun logikanya kuat untuk workflow apa pun: daftar ambil mengarahkan pekerjaan, sedangkan verifikasi menguji hasil fisiknya.

Batas pekerjaan karyawan AI harus dibuat eksplisit

Karyawan AI dapat membaca data yang diizinkan, menyusun urutan kerja, menghubungkan informasi antar-aplikasi, memeriksa aturan, membuat daftar pengecualian, dan mengembalikan laporan. Ia tidak memiliki bukti bahwa blus biru benar-benar berada di meja hanya karena database menuliskan “blus biru”. Jembatan antara catatan digital dan dunia fisik harus berasal dari operator: pemindaian barcode, input terstruktur, foto yang memang dibutuhkan, penimbangan, atau persetujuan manusia.

Pembagian yang sehat adalah:

• Karyawan AI: membekukan versi order untuk proses, membuat pick list, menampilkan aturan, membandingkan hasil scan dengan pesanan, menahan pengecualian, memeriksa field wajib, membuat ringkasan batch, dan merekonsiliasi manifest.
• Manusia: mengambil barang, memastikan kondisi dan atribut fisik, memindai atau memasukkan kode, memilih material kemasan, membungkus, mengukur, menempel label, menyegel, dan menyerahkan paket.
• Supervisor atau pemilik: memutuskan substitusi, menangani stok yang tidak cocok, menyetujui barang rusak, menilai kiriman berisiko, dan membuka kembali paket yang gagal pemeriksaan.

Ini juga alasan workflow tidak boleh menyuruh AI “anggap selesai” ketika data hilang. Ketiadaan scan bukan bukti barang benar. Foto buram bukan bukti isi lengkap. Status kanal yang terlambat sinkron bukan izin untuk membuat paket kedua.

Data minimum sebelum satu barang diambil

Jangan memulai dari prompt panjang. Mulailah dari kontrak data kecil yang konsisten. Setiap order yang masuk ke antrean picking setidaknya membawa:

1. ID order dan kanal asal;
2. versi atau waktu terakhir order dikunci untuk fulfillment;
3. SKU internal, nama produk, varian, dan jumlah;
4. lokasi rak atau bin jika digunakan;
5. aturan substitusi—idealnya “tidak boleh” kecuali ada persetujuan;
6. catatan khusus yang memang memengaruhi fulfillment;
7. nama dan data tujuan yang diperlukan untuk label;
8. kelas kemasan atau aturan penanganan barang;
9. jumlah parcel yang direncanakan;
10. status pembayaran, pembatalan, atau hold yang relevan;
11. siapa yang mengambil, memeriksa, dan menutup paket;
12. cap waktu serta bukti untuk setiap checkpoint.

Kunci versi order sebelum picking. Jika pembeli mengubah ukuran, alamat, atau jumlah setelah daftar ambil dibuat, order lama harus berhenti dan diganti dengan versi baru—bukan diperbaiki diam-diam di kertas. Ini rekomendasi desain proses: satu operator harus bisa menjawab versi pesanan mana yang sedang ia kerjakan.

Workflow 10 tahap dari order hingga serah-terima

1. Bentuk antrean “siap dipenuhi”, bukan sekadar “order masuk”

Karyawan AI mengambil hanya order yang memenuhi kriteria bisnis: misalnya pembayaran terkonfirmasi, tidak dibatalkan, tidak berada dalam hold, data tujuan cukup, dan stok dialokasikan. Aturan harus berasal dari kebijakan toko dan kemampuan kanal, bukan diasumsikan oleh AI.

Output tahap ini adalah daftar order eligible beserta alasan. Order yang gagal tidak dihapus; ia masuk antrean pengecualian dengan alasan seperti “alamat belum lengkap” atau “status pembayaran belum final”.

2. Buat pick list yang tidak ambigu

Susun daftar berdasarkan lokasi rak, SKU, varian, dan jumlah. Jika batch melibatkan banyak order, pertahankan hubungan setiap unit dengan order atau tote yang dituju. Produk yang namanya mirip tidak boleh hanya dibedakan lewat foto; tampilkan atribut pembeda seperti ukuran, warna, model, atau kode internal.

Pick list adalah instruksi, bukan bukti bahwa barang sudah diambil.

3. Rekam pengambilan fisik

Operator mengambil barang dan memindai barcode jika tersedia. Bila barang belum berbarcode, gunakan fallback terstruktur: pilih SKU dari daftar terkunci, cocokkan varian, masukkan jumlah, lalu minta pemeriksaan kedua untuk kategori yang rawan tertukar. Jangan mengganti scan dengan jawaban bebas “sudah benar”.

Pemindaian membantu menghubungkan barang fisik dengan catatan. Shopify mendokumentasikan penggunaan barcode untuk merampingkan picking dan packing, tetapi kualitas kontrol tetap bergantung pada barcode yang benar, master data yang bersih, dan disiplin operator.

4. Pisahkan pengecualian dari alur normal

Barang tidak ditemukan, barcode tidak cocok, jumlah kurang, segel produk rusak, atau varian meragukan harus menghasilkan status hold. Jangan izinkan substitusi otomatis hanya karena harga sama atau tampilannya mirip. Karyawan AI dapat menyiapkan pilihan dan dampaknya; manusia yang berwenang memutuskan, dan keputusan itu dicatat.

Sediakan area fisik terpisah untuk order bermasalah. Kalau paket hold tetap berada di jalur packing normal, status digital yang rapi tidak mencegah operator lain menutupnya.

5. Lakukan pemeriksaan pra-packing

Sebelum barang masuk kemasan, cocokkan kembali:

• ID order atau tote;
• SKU dan varian;
• jumlah;
• kondisi fisik;
• aksesori atau bonus yang memang dijanjikan;
• instruksi khusus yang terverifikasi.

Untuk batch padat, pemeriksaan ini sebaiknya dilakukan satu order pada satu zona meja. Tutup tampilan order lain agar label dan isi tidak silang. Jika usaha sangat kecil, pemeriksaan kedua dapat berbentuk scan ulang dengan checkpoint berbeda, bukan harus selalu orang kedua.

6. Pilih kemasan berdasarkan barang, bukan kebiasaan

Karyawan AI dapat memetakan kategori barang ke aturan kemasan yang sudah ditetapkan pemilik, lalu meminta operator mengonfirmasi material yang dipakai. Namun keputusan akhir tetap fisik: kardus yang lembek, botol bocor, sudut tajam, atau ruang kosong tidak dapat dinilai dari SKU saja.

Panduan UPS merekomendasikan kotak kaku yang tidak melebihi batas beratnya, bahan bantalan yang sesuai, penutupan sambungan dengan pita pengiriman, dan penghilangan atau penutupan label lama. Angka atau material spesifik harus disesuaikan dengan barang serta ketentuan kurir yang benar-benar dipakai; jangan menyalin satu panduan ke semua jenis kiriman.

Dalam konteks Indonesia, syarat pengiriman JNE menyatakan bahwa pengirim bertanggung jawab atas keamanan kemasan dan informasi pengirim/penerima yang lengkap serta benar; JNE juga dapat memeriksa kesesuaian isi dengan keterangan dan menolak kemasan yang dinilai tidak layak. Ini membuat pemeriksaan isi, kemasan, dan data tujuan relevan sebelum serah-terima—bukan setelah paket bermasalah.

7. Tempel label setelah isi lolos, bukan sebelumnya

Label yang sudah tercetak sering terasa seperti tanda bahwa paket “hampir selesai”, padahal dapat menjadi sumber silang order. Terapkan urutan tegas: isi lolos verifikasi → identitas parcel dibuat → label dicocokkan → label ditempel → paket disegel.

Sebelum menempel, operator harus melihat minimal ID order, nama penerima, tujuan, layanan, dan nomor parcel jika satu order terdiri dari beberapa paket. Karyawan AI dapat memblokir label jika order masih hold atau jumlah parcel tidak cocok.

8. Catat berat, dimensi, dan jumlah parcel

Masukkan hasil ukur aktual setelah packing. Sistem dapat membandingkannya dengan rentang wajar berdasarkan histori atau master data, tetapi selisih bukan otomatis penipuan atau kesalahan. Ia adalah sinyal untuk pemeriksaan.

Contoh: paket kaus satu helai yang biasanya 350–500 gram terbaca 1,2 kilogram. Karyawan AI menahan paket dan meminta timbang ulang atau buka kembali; manusia menentukan penyebabnya. Rentang contoh tersebut harus dihitung dari data usaha sendiri, bukan dipakai sebagai standar industri.

9. Tutup paket dengan jejak kerja yang proporsional

Catat siapa yang memeriksa, waktu, hasil scan, berat, jumlah parcel, dan alasan bila ada override. Foto dapat digunakan untuk barang bernilai tinggi atau sengketa yang lazim, tetapi jangan mengumpulkan foto tanpa tujuan, masa simpan, dan pembatasan akses. Bukti harus membantu investigasi, bukan menjadi gudang data pribadi baru.

Status “packed” baru diberikan setelah seluruh checkpoint wajib lulus. Bila paket dibuka kembali, statusnya mundur dan label lama dinonaktifkan atau ditandai agar tidak digunakan.

10. Rekonsiliasi manifest saat kurir menerima paket

Serah-terima bukan sekadar memindahkan tumpukan ke kendaraan. Bandingkan parcel yang dipindai atau dicatat di meja keluar dengan manifest pickup: mana yang diterima, ditolak, tertinggal, atau memiliki nomor resi ganda. Tutup batch hanya setelah selisih menjadi nol atau memiliki pemilik tindak lanjut.

Prinsip GS1 tentang identitas unit logistik membantu menjelaskan tahap ini: paket adalah objek yang perlu dihubungkan dengan aliran informasi dan pergerakan fisiknya. Seller kecil dapat menerapkan prinsip serupa dengan ID parcel internal serta nomor resi tanpa mengklaim menggunakan SSCC jika memang belum menerapkannya.

Contoh: seller fesyen dengan 60 order sehari

Bayangkan brand rumahan menjual kaus dalam empat warna dan lima ukuran. Tiga warna gelap tampak hampir sama di ruang stok. Order datang dari dua kanal, lalu dua orang bergantian mengambil dan mengemas.

Workflow lama mencetak semua label di pagi hari, menaruh barang dan label di satu meja, lalu menandai order selesai di akhir batch. Ketika komplain muncul, tim tidak tahu apakah kesalahan terjadi saat mengambil, mengemas, atau menempel label.

Workflow baru dapat dibuat seperti ini:

1. karyawan AI menggabungkan order eligible dan mengunci versi pukul 09.00;
2. pick list diurutkan per rak, tetapi unit masuk ke tote ber-ID order;
3. operator memindai SKU dan memilih varian; item salah langsung ditolak;
4. tote kurang lengkap dipindahkan ke area hold;
5. di meja packing, operator kedua memindai ulang isi tote;
6. label baru ditampilkan setelah seluruh unit cocok;
7. berat aktual dan ID parcel dicatat;
8. saat pickup, setiap parcel dicocokkan ke manifest.

Karyawan AI tidak pernah menyatakan warna berdasarkan kamera tanpa aturan yang telah diuji. Ia mengoordinasikan data dan meminta checkpoint. Nilai utamanya ada pada pencegahan, isolasi masalah, dan kemampuan melacak titik kegagalan.

Metrik yang menunjukkan apakah workflow benar-benar membaik

Jangan menilai sistem dari jumlah checklist. Ukur hasil per 100 atau 1.000 order agar bisa dibandingkan antarperiode:

• salah SKU atau varian yang ditemukan sebelum paket ditutup;
• kekurangan atau kelebihan jumlah yang ditemukan saat verifikasi;
• paket yang harus dibuka ulang;
• label yang dibatalkan atau dicetak ulang;
• paket yang tidak cocok dengan manifest;
• retur yang setelah investigasi terkait kesalahan fulfillment;
• waktu median dari eligible sampai handover;
• persentase override dan alasan terbanyak;
• jumlah bukti yang tidak lengkap;
• masalah berulang per SKU, rak, shift, atau kanal.

Jangan menjadikan “nol pengecualian” sebagai target. Sistem yang tidak pernah menemukan pengecualian mungkin tidak memeriksa apa pun. Target yang lebih sehat adalah menangkap kesalahan sebelum serah-terima, menyelesaikan hold dengan cepat, dan menurunkan masalah yang mencapai pelanggan.

Prompt siap pakai untuk merancang alur

Gunakan prompt ini sebagai awal, lalu sesuaikan dengan kanal, gudang, produk, dan kewenangan Anda:

Anda bertugas mengendalikan batch picking dan packing, bukan menangani barang secara fisik. Ambil hanya order yang berstatus eligible menurut aturan yang saya berikan. Kunci versi order, buat pick list berisi ID order, lokasi, SKU, varian, dan jumlah. Untuk setiap item, minta hasil scan atau fallback terstruktur. Jika tidak cocok, kurang, rusak, atau datanya berubah, ubah order menjadi hold dan jangan membuat keputusan substitusi. Setelah isi diverifikasi manusia, periksa field kemasan, berat, jumlah parcel, identitas label, dan bukti wajib. Sebelum menutup batch, cocokkan semua parcel dengan manifest kurir. Keluarkan tiga daftar: siap diserahkan, hold beserta alasan dan pemilik tindak lanjut, serta selisih manifest. Jangan menganggap data kosong sebagai lulus.

Dalam AgentBuff, pendekatan ini relevan karena karyawan AI dikelola lewat chat, diberi peran, skills, dan tools, dapat terhubung ke aplikasi atau data kerja, menjalankan workflow, lalu mengembalikan hasil. Implementasi tetap bergantung pada koneksi, data, dan alat yang benar-benar diaktifkan pengguna. Mulailah dengan satu batch kecil dan checkpoint manual sebelum memperluas otomatisasi.

Mulai dari satu batch yang bisa diaudit

Pilih satu kanal dan satu kategori produk selama satu minggu. Catat versi order, scan atau verifikasi item, status hold, berat, label, dan manifest. Setelah pola kesalahan terlihat, baru tambahkan aturan atau koneksi. Tujuannya bukan menghapus manusia dari meja packing, melainkan memberi manusia alur yang tidak bergantung pada ingatan.

Jika Anda ingin menguji cara kerja ini, buat akun AgentBuff dan mulai dari workflow picking–packing kecil dengan persetujuan manusia di setiap perubahan status penting.

Sumber dan bacaan utama

• GS1 General Specifications, Release 26.0, Januari 2026
• GS1: Global Trade Item Number (GTIN)
• GS1: Serial Shipping Container Code (SSCC)
• Shopify Help Center: Fulfilling your orders in batches
• Shopify Help Center: Shipments and packages
• UPS: How to Pack Your Shipments
• JNE: Syarat dan Ketentuan Pengiriman

Nugraha Labib Mujaddid membangun AgentBuff untuk membantu individu dan bisnis Indonesia bekerja dengan karyawan AI.