Proyek yang Gagal Bangkit Kembali, mengapa a16z memberikan cek sebesar 35 juta dolar kepada perusahaan "penagihan" ini?

Ditulis oleh: Leo

Bayangkan skenario ini: Anda adalah CFO dari sebuah merek konsumen ternama, dan produk perusahaan Anda dijual di retailer besar seperti Target, Walmart, Amazon, dan lainnya. Di atas kertas, semuanya terlihat normal. Namun setiap kali bulan berakhir dan dilakukan penagihan, Anda menemukan fenomena aneh: jumlah yang dibayarkan oleh retailer itu selalu sekitar 20% lebih sedikit daripada nilai di tagihan. Bukan hanya sekali atau dua kali—setiap bulan. Anda ingin membuktikan bahwa mereka kurang bayar, tapi untuk melakukannya, tim Anda harus menelusuri ratusan halaman catatan pengiriman, masuk ke puluhan portal retailer yang berbeda, dan mencocokkan ribuan detail faktur. Seberapa besar pekerjaannya? Tim keuangan Anda sama sekali tidak mampu menangani semuanya, dan akhirnya hanya bisa menyerah untuk mengejar kembali potongan yang nilainya lebih kecil, sambil menyaksikan ratusan juta dolar menguap begitu saja dari sela-sela jari.

Ini bukan cerita rekaan, melainkan kisah nyata yang terjadi setiap hari di industri barang konsumen. Saya baru-baru ini mendalami sebuah perusahaan bernama Glimpse, yang baru saja mengamankan pendanaan putaran Seri A senilai 35 juta dolar AS yang dipimpin oleh Andreessen Horowitz. Perusahaan yang dipelopori Y Combinator ini sedang memakai AI untuk memecahkan masalah yang menyentuh industri bernilai lebih dari seribu miliar dolar: sengketa pemotongan (deduction) di ritel. Ketika saya melihat data mereka, saya benar-benar terkejut: sebuah perusahaan barang konsumen dengan skala 1 miliar dolar, agent AI Glimpse meninjau 17.000 catatan potongan dalam waktu kurang dari 24 jam, menemukan pendapatan yang bisa ditagih senilai jutaan dolar. Namun jika dikerjakan secara manual, pekerjaan itu membutuhkan hampir dua tahun.

Biaya tersembunyi paling mahal di industri ritel

Sebelum membahas solusi Glimpse, saya ingin menjelaskan seberapa serius masalah deduction di ritel ini. Banyak orang mungkin tidak tahu bahwa transaksi antara merek konsumen dan retailer tidak sesederhana yang dibayangkan kebanyakan orang. Merek mengirim invoice ke retailer, retailer membayar—tampak jelas dan langsung—tetapi kenyataannya, retailer hampir selalu akan memotong sebagian jumlah saat melakukan pembayaran, lalu memberikan alasan—misalnya barang rusak, kekurangan stok pengiriman, kemasan tidak sesuai spesifikasi, dan lain sebagainya.

Sebagian potongan ini memang wajar, dan memang benar masalahnya ada pada pihak merek. Tetapi ada juga sebagian yang tidak valid—artinya merek sebenarnya tidak berbuat salah, namun retailer tetap memotong uang. Masalahnya adalah, untuk membuktikan bahwa potongan itu tidak valid, dibutuhkan proses yang sangat rumit. Tim keuangan harus masuk ke beberapa sistem retailer, mengambil dokumen yang tersebar, meninjau detail per baris, mencocokkan dengan catatan internal, lalu mengelola seluruh alur proses sengketa. Proses ini begitu kompleks dan memakan waktu sehingga kebanyakan merek hanya bisa secara selektif menangani potongan bernilai besar, sementara yang lain dianggap sebagai kerugian biaya.

Saya menemukan data yang membuat saya terkesan: analis industri memperkirakan perusahaan barang konsumen setiap tahun memiliki total 8 miliar dolar AS dalam sengketa yang valid namun tidak ditagih karena kurangnya kemampuan operasional. Ini bukan angka kecil. Untuk perusahaan barang konsumen berukuran menengah, potongan yang tidak valid bisa mencapai 5% dari pendapatan ritel atau bahkan lebih. Bayangkan jika pendapatan ritel Anda per tahun adalah 100 juta dolar, maka 5 juta dolar menguap dalam proses ini, dan Anda tidak bisa memulihkannya karena tidak ada cukup orang dan sistem untuk menanganinya.

Lebih buruk lagi, kompleksitas masalah ini terus meningkat. Misalnya, Amazon Vendor Central memiliki lebih dari 30 kategori pemotongan yang berbeda, mulai dari keterlambatan pengiriman hingga pelanggaran kemasan, dan setiap kategori memiliki aturan serta alur sengketa yang berbeda. Tim keuangan perusahaan barang konsumen ukuran menengah biasanya hanya terdiri dari beberapa orang, sehingga mereka sama sekali tidak punya tenaga untuk menangani bahkan setengah dari sengketa potongan. Itulah mengapa masalah ini sudah lama ada, sampai kematangan teknologi AI membuat penyelesaiannya menjadi mungkin.

Seberapa kuat solusi AI Glimpse

Ketika saya memahami cara kerja Glimpse, saya menyadari mereka menemukan titik masuk yang sangat cerdas. Mereka tidak mencoba membangun perangkat lunak keuangan yang serba guna, melainkan fokus pada satu masalah spesifik namun berdampak besar: mengotomatisasi proses tinjauan dan sengketa atas pemotongan ritel. Platform mereka menggunakan AI agents untuk menjalankan seluruh alur, dari pengumpulan data hingga penyelesaian sengketa, semuanya otomatis.

Secara spesifik, sistem Glimpse pertama-tama akan otomatis masuk ke portal masing-masing retailer, menemukan semua dokumen terkait, lalu mengumpulkannya di satu tempat. Kedengarannya sederhana, tetapi sebenarnya sangat kompleks, karena sistem setiap retailer berbeda dan format datanya benar-benar tidak sama. Ada yang berbasis EDI (Electronic Data Interchange), ada yang berupa dokumen PDF, ada yang berupa email, dan ada juga yang tersembunyi di kedalaman halaman web. AI Glimpse perlu memahami semua sumber data yang beragam ini, lalu mengintegrasikannya menjadi satu tampilan terpadu.

Selanjutnya, sistem akan mengklasifikasikan setiap potongan. Tahap ini tampaknya mudah, tetapi sebenarnya membutuhkan pemahaman yang mendalam tentang logika bisnis. AI perlu tahu potongan itu termasuk jenis apa, produk mana yang terlibat, terjadi pada waktu kapan, serta terkait dengan order yang mana. Lalu, ia memverifikasi potongan tersebut dengan data internal merek—misalnya catatan rantai pasok, kalender promosi, daftar pengiriman, dan lain-lain. Melalui verifikasi silang seperti ini, AI dapat menentukan potongan mana yang masuk akal dan mana yang tidak valid.

Yang paling penting adalah, ketika sistem mengidentifikasi potongan yang tidak valid, ia tidak berhenti di situ. Sistem itu akan otomatis mengajukan permohonan sengketa, menindaklanjuti seluruh proses, melacak progres pemulihan kas, lalu menyinkronkan semua informasi ke sistem ERP merek. Dari awal sampai akhir, seluruh proses otomatis dan tidak memerlukan intervensi manusia. Tentu saja, Glimpse juga menyisakan keterlibatan manusia pada beberapa tahap, terutama untuk memastikan kualitas hasil—misalnya menindaklanjuti sengketa untuk mendorong penyelesaian dan pemulihan kas, serta melakukan quality assurance pada langkah-langkah kunci seperti klasifikasi dan ekstraksi data.

Menurut saya, bagian paling hebat adalah sistem ini akan semakin pintar seiring pemakaian. Setiap kali menangani satu potongan, ia belajar dan meningkatkan kemampuan untuk mengoptimalkan klasifikasi, validasi, dan penyelesaian. Seiring waktu, ini menciptakan keunggulan data komposit: setiap integrasi baru, setiap pelanggan baru, membuat seluruh jaringan semakin cerdas dan efektif. Itulah sebabnya Glimpse mampu mencapai tingkat kemenangan sengketa 91%, sekaligus mengurangi hingga 80% waktu kerja manual.

Saya melihat sebuah contoh dari klien yang sangat menjelaskan. Evermark adalah perusahaan induk merek Suave dan Chapstick. Direktur Senior FP&A mereka, Sean Quinn, mengatakan: “Seperti kebanyakan merek konsumen utama, Evermark sebelumnya harus menetapkan ambang batas jumlah minimum untuk potongan yang bisa ditinjau, karena sama sekali tidak ada cukup waktu atau tenaga untuk meninjau setiap potongan. Dengan menggunakan otomatisasi peninjauan dan rekonsiliasi AI dari Glimpse, kami bukan hanya menghapus ambang batas tersebut, tetapi juga membuka sumber arus kas baru—yang akan menghasilkan pendapatan jutaan dolar, uang yang sebelumnya dianggap sebagai ‘write-off’ atau biaya menjalankan bisnis.” Poin kuncinya ada pada “menghapus ambang batas”—dulu mereka hanya bisa menangani potongan di atas angka tertentu, sekarang setiap potongan ditinjau. Artinya, banyak potongan bernilai kecil yang sebelumnya diabaikan kini bisa dipulihkan.

Dari kegagalan ke kesuksesan: kisah transformasi tiga teman Universitas Purdue

Kisah pendiri Glimpse sendiri sudah menarik, karena menunjukkan satu hal paling penting dalam berwirausaha: kemampuan melakukan iterasi cepat dan beralih dengan tegas (pivot). Para pendiri, Akash Raju, Anuj Mehta, dan Kushal Negi, adalah teman sekelas di Universitas Purdue. Proyek awal mereka benar-benar berbeda dari sekarang: sebuah perusahaan yang melakukan penyisipan produk untuk Airbnb. Proyek itu dimulai pada 2020, tapi pada 2024, para pendiri menyadari kecocokan produk-pasar (product-market fit) tidak cukup, lalu memutuskan untuk benar-benar melakukan pivot.

Dengan kata-kata Akash Raju sendiri: “Pada akhirnya, kami merasa kurang memiliki kecocokan produk-pasar, jadi kami memutuskan untuk melakukan hard pivot. Dalam proses itu, kami bersentuhan dengan kantor belakang merek, serta kekacauan situasi saat produk dijual di ritel—dan pada akhirnya mendorong kami untuk menciptakan Glimpse seperti yang ada hari ini.” Pivot seperti ini membutuhkan keberanian yang luar biasa, karena itu berarti meninggalkan semua pekerjaan sebelumnya dan memulai dari nol. Namun justru keputusan itulah yang membawa mereka menemukan masalah yang benar-benar bernilai.

Yang makin membuat saya kagum adalah, selama masa pivot, tim pendiri bahkan kadang-kadang tidak membayar gaji. Mereka sepenuhnya didukung oleh antusiasme dan keyakinan terhadap produk. Semangat “tidak berhenti sampai tercapai” seperti ini mewarnai setiap hal yang mereka lakukan. Dan semangat itu juga mendapat pengakuan dari para investor. Mereka memperkenalkan investor Andreessen Horowitz melalui seorang teman sesama pendiri, lalu membangun hubungan yang kuat seiring ekspansi bisnis, yang akhirnya mengarah pada pendanaan 35 juta dolar AS kali ini.

Menariknya, penamaan putaran pendanaan ini juga memiliki cerita. Glimpse memperoleh pendanaan 10 juta dolar AS pada tahun lalu setelah pivot bisnis, yang dipimpin oleh 8 VC, saat itu disebut putaran A. Sekarang, pendanaan 35 juta dolar AS ini juga disebut putaran A, sedangkan 10 juta dolar AS sebelumnya didefinisikan ulang sebagai seed round. Jika ditambahkan, total pendanaan sebelum pivot adalah 52 juta dolar AS. Penamaan putaran pendanaan yang fleksibel seperti ini tidak jarang terjadi di lingkaran startup, terutama bagi perusahaan yang mengalami transformasi besar.

Kemampuan eksekusi tim bisa dilihat dari performa mereka pada 2025. Saat memasuki 2025, mereka sudah menetapkan strategi yang jelas: merekrut talenta yang bagus dan bekerja bersama, menanamkan diri secara mendalam ke alur kerja klien, serta menggunakan strategi go-to-market tatap muka. Slogan internal mereka adalah “ada di mana-mana”—membangun kepercayaan melalui kemunculan yang konsisten dan pemberian bantuan. Strategi ini berhasil. Pada 2025, mereka mencapai pertumbuhan pendapatan 10x. Pendapatan yang dipulihkan untuk klien meningkat 10x, volume faktur yang diproses naik 5x hingga mencapai 1 miliar dolar, ukuran tim bertambah 5x menjadi lebih dari 25 orang, dan jumlah klien naik 3x menjadi lebih dari 150 merek konsumen.

Nilai nyata AI Agent dalam otomatisasi keuangan

Kisah Glimpse membuat saya memahami nilai AI agent dalam aplikasi bisnis secara lebih dalam. Tahun lalu, semua orang membicarakan AI agent, tetapi sering kali masih berada pada level konsep atau tahap demo. Glimpse justru menunjukkan nilai aktual yang dapat diciptakan AI agent dalam skenario bisnis nyata: secara langsung memengaruhi margin keuntungan perusahaan.

Saya pikir kunci keberhasilan Glimpse adalah mereka memilih titik masuk yang benar-benar tepat. Masalah sengketa potongan memiliki beberapa karakteristik yang membuatnya sangat cocok diselesaikan oleh AI. Ini adalah tugas yang sangat repetitif—setiap bulan terjadi ribuan kali. Pekerjaan ini melibatkan pemrosesan sejumlah besar data tidak terstruktur, mulai dari dokumen PDF, data dari halaman web, hingga email. Ia perlu memvalidasi dan mencocokkan data lintas berbagai sistem. Ada kriteria keberhasilan yang jelas: apakah sengketa berhasil atau uang bisa dipulihkan. Semua karakteristik ini jika digabungkan membuat AI agent bisa memaksimalkan keunggulannya.

Lebih penting lagi, masalah ini menghasilkan ROI yang terlihat cepat. Salah satu investor Glimpse pernah mengatakan bahwa mereka mencari “perangkat lunak yang bisa menutup biaya pada kuartal pertama”—dan alat untuk memulihkan potongan sepenuhnya memenuhi standar itu. Ketika sebuah merek bisa memulihkan beberapa juta dolar setahun melalui Glimpse, biaya langganan perangkat lunaknya jadi tidak sebanding. Kejelasan proposisi nilai ini membuat Glimpse bisa memperoleh klien dengan cepat dan mempertahankan tingkat retensi pelanggan yang sangat tinggi.

Saya juga memperhatikan bahwa Glimpse tidak berhenti di sengketa potongan. Mereka sudah meluncurkan beberapa perluasan kapabilitas platform penting pada 2025. Selain KeHE dan UNFI yang awalnya mereka dukung, kini mereka mendukung banyak retailer termasuk Target, Walmart, Amazon, Sam’s Club, dan lainnya. Mereka meluncurkan end-to-end AI revenue recovery agents yang bisa menangani seluruh proses mulai dari pencarian potongan, pengkodean, validasi, hingga pengajuan klaim. Mereka juga mengembangkan fitur otomatisasi penerapan kas (cash application) yang mengotomatisasi salah satu alur kerja paling menyakitkan bagi tim keuangan saat penutupan buku akhir bulan.

Yang patut dicatat khususnya adalah fitur AI untuk perincian item potongan (deduction detail). Setiap potongan dilengkapi dokumen pendukung, yang biasanya lebih dari 100 halaman, penuh dengan rincian campur aduk dari retailer, SKU, perantara (broker), serta detail tidak terstruktur. Sebagian besar merek tidak menggunakan data ini bukan karena tidak bernilai, melainkan karena pemrosesan manual skala besar terhadap data seperti itu tidak mungkin dilakukan. AI Glimpse bisa mengekstrak setiap detail yang relevan ke dalam format tabel terstruktur—yang membuka lapisan kecerdasan baru: perhitungan komisi broker secara akurat, analisis profitabilitas per retailer, analisis perdagangan (trade), penilaian performa promosi, strategi perbaikan margin, dan seterusnya.

Ini membuat saya memikirkan persoalan yang lebih mendalam: sebenarnya Glimpse sedang membangun apa? Secara permukaan, mereka adalah alat otomatisasi sengketa potongan. Tetapi sebenarnya, yang mereka bangun adalah infrastruktur AI untuk merek CPG. CEO Glimpse, Akash Raju, mengatakan: “Visi kami adalah menjadi infrastruktur AI untuk CPG dan merek ritel.” Penetapan posisi ini sangat cerdas. Sengketa potongan hanyalah titik masuk, sebuah baji yang mampu membuktikan nilai dengan cepat. Namun dengan memecahkan masalah ini, Glimpse memperoleh akses mendalam ke data operasional ritel merek, yang memungkinkan mereka memperluas ke ranah otomasi kepatuhan ritel yang lebih luas.

Menurut laporan, peta jalan mereka mencakup modul-modul seperti rekonsiliasi promosi, optimasi pengeluaran trade, dan analisis prediksi perilaku pembayaran retailer, serta lainnya. Seorang investor yang dekat dengan transaksi tersebut mengatakan bahwa pada akhirnya perusahaan mungkin akan membangun platform “operasi keuangan ritel” yang lengkap, yang berada di antara sistem ERP dan portal retailer—untuk mengotomatisasi seluruh siklus order-to-cash bagi merek CPG. Jika visi ini terwujud, Glimpse tidak hanya akan menjadi sekadar alat, tetapi menjadi infrastruktur inti bagi operasional merek CPG.

Artinya bagi seluruh industri

Kenaikan cepat Glimpse dan pendanaan yang berhasil saya rasa menandai masuknya aplikasi AI perusahaan ke tahap baru. Pada 2025, aplikasi AI untuk konsumen mendominasi semua headline, tetapi sekarang para investor mulai memasang taruhan besar pada alat AI yang dapat memecahkan masalah bisnis yang tampak sepele namun mahal. Pelacakan potongan, rekonsiliasi faktur, pemantauan kepatuhan—semuanya tidak menghasilkan demo yang menarik, tetapi langsung memengaruhi EBITDA. Inilah tipe proposisi nilai yang bisa bertahan saat ekonomi melemah, dan inilah alasan Andreessen Horowitz bersedia membayar kelipatan SaaS perusahaan yang tinggi untuk itu.

Saya juga mengamati tren yang menarik: peta persaingan sedang memanas dengan cepat. Claimify tahun lalu menghimpun pendanaan Seri A sebesar 12 juta dolar AS untuk otomatisasi sengketa ritel yang mirip, sementara pemain tradisional seperti HighRadius dan Billtrust menambahkan modul AI ke platform piutang (accounts receivable) mereka. Namun latar belakang Y Combinator Glimpse dan tarikan awal mereka di pasar menengah untuk merek CPG memberikan keunggulan selama proses pendanaan. Menurut laporan, pendapatan perusahaan tumbuh 14x dari tahun ke tahun, meskipun angka ARR spesifik belum diungkapkan.

Keterlibatan berkelanjutan dari 8 VC juga sangat berarti. Perusahaan ini memimpin putaran seed Glimpse pada 2024 dan terus ikut pada putaran A ini. 8 VC punya rekam jejak dalam berinvestasi di vertical SaaS yang mengotomatisasi proses keuangan manual. Mitra perusahaan tersebut, Alex Kolicich, sebelumnya menyampaikan kepada Forbes bahwa 8 VC mencari “perangkat lunak yang bisa menutup biaya pada kuartal pertama”—dan ketika sebuah merek bisa memulihkan pendapatan enam atau tujuh digit per tahun, alat pemulihan sengketa benar-benar cocok dengan pola ROI seperti itu.

Secara lebih makro, keberhasilan Glimpse memvalidasi sebuah argumen sederhana: mengotomatisasi pekerjaan back-office yang tidak mencolok namun setiap tahun membuat merek CPG kehilangan jutaan dolar itu adalah bisnis besar. Dengan dukungan Andreessen Horowitz dan produk yang sejak hari pertama mampu memberikan ROI yang terukur, perusahaan berada di posisi yang menguntungkan untuk memimpin kategori penyelesaian sengketa ritel ini.

Uji sesungguhnya akan datang dalam 12 bulan ke depan: apakah Glimpse bisa melampaui basis pelanggan awalnya untuk melakukan skalasi, serta membuktikan bahwa platform itu mampu menangani kompleksitas operasional merek CPG skala perusahaan, dengan ribuan SKU dan puluhan mitra ritel. Jika produk bisa memenuhi janji pemulihan margin keuntungannya, putaran A ini bisa terlihat seperti tawar-menawar besar saat perusahaan menjalani putaran berikutnya.

Saya sangat sejalan dengan pandangan mitra Andreessen Horowitz Joe Schmidt: “Selama puluhan tahun, operasi back-office ritel bergantung pada spreadsheet dan alur kerja yang terpecah-pecah. Yang membuat kami terkesan adalah rujukan dari pelanggan—Glimpse sedang memberikan ROI yang jelas dan terukur. Dengan menanamkan AI langsung ke inti alur kerja keuangan dan operasional, mereka sedang mengubah pasar dari sekadar alat peningkatan menjadi infrastruktur untuk merek modern.” Pernyataan ini merangkum dengan tepat mengapa Glimpse penting: mereka bukan sekadar memperbaiki proses yang ada di pinggirannya, melainkan mendefinisikan ulang cara proses-proses tersebut seharusnya berjalan dengan AI.

Refleksi saya tentang bagaimana AI mengubah industri tradisional

Kisah Glimpse membuat saya lebih memahami bagaimana AI bisa mengubah industri tradisional. Industri barang konsumen adalah salah satu pasar terbesar di dunia, tetapi hampir tidak tersentuh oleh perangkat lunak modern. Saat merek menjual ke retailer utama, mereka biasanya harus menangani data yang terfragmentasi dan tidak terstruktur yang tersebar di puluhan portal retailer serta sistem warisan. Analis menghabiskan tak terhitung jam untuk menarik data dari portal, mengekstrak baris item dari dokumen, dan bekerja di spreadsheet untuk menjalankan alur seperti rekonsiliasi potongan, biaya sengketa yang tidak valid, dan penerapan kas secara manual—pekerjaan-kerja ini langsung memengaruhi margin, tetapi hampir tidak memiliki tuas strategis.

Seluruh industri setiap tahun menghabiskan lebih dari 100 miliar dolar AS untuk tenaga kerja back-office, dan peningkatan produktivitas dari gelombang perangkat lunak perusahaan sebelumnya sangat terbatas. AI untuk pertama kalinya membuat otomasi end-to-end dari kompleksitas seperti ini menjadi mungkin. Saya pikir wawasan paling penting adalah: tidak semua masalah bisa diselesaikan dengan perangkat lunak tradisional; ada masalah yang perlu menunggu perkembangan teknologi sampai titik ambang tertentu sebelum bisa benar-benar ditangani secara efektif.

Saya juga memikirkan mengapa sekarang adalah waktu terbaik bagi AI untuk mengubah industri tradisional tersebut. Secara teknis, model bahasa besar sudah cukup kuat untuk memahami dan memproses data tidak terstruktur. Secara bisnis, perusahaan menghadapi tekanan laba, perlu melindungi margin keuntungan, terutama ketika kekuatan konsolidasi retailer meningkat dan persyaratan kepatuhan menjadi lebih ketat. Hanya Amazon Vendor Central saja memiliki lebih dari 30 kategori potongan yang berbeda, dari keterlambatan pengiriman hingga pelanggaran kemasan. Tim keuangan perusahaan CPG menengah sering kali tidak punya tenaga untuk mempersengketakan setengah dari kategori tersebut. Itulah mengapa platform yang digerakkan AI seperti Glimpse menjadi infrastruktur kunci, bukan alat yang opsional.

Saya yakin kita akan melihat semakin banyak perusahaan seperti Glimpse muncul, dengan fokus pada penggunaan AI untuk menyelesaikan pain point spesifik di industri tertentu. Perusahaan-perusahaan ini tidak akan mencoba membangun AI yang serba guna; mereka akan mendalami satu bidang vertikal, benar-benar memahami alur bisnis, lalu mendesain ulang alur tersebut dengan AI. Pendekatan ini lebih sulit daripada membangun alat umum, karena perlu pengetahuan industri yang mendalam. Namun jika berhasil, penghalangnya akan lebih tinggi dan nilainya akan lebih besar.

Pendanaan Seri A 35 juta dolar AS Glimpse hanyalah permulaan. Saya memperkirakan dalam beberapa tahun ke depan, akan ada arus modal besar masuk ke bidang ini, mendorong penerapan AI pada operasional back-office di industri tradisional. Perusahaan yang bisa—seperti Glimpse—menemukan titik masuk bernilai tinggi, membuktikan ROI dengan cepat, lalu memperluas kapabilitas platform, akan memiliki peluang menjadi pemain level infrastruktur di bidang masing-masing. Bagi merek CPG, mengadopsi alat AI ini bukan lagi pilihan, melainkan kebutuhan untuk bertahan. Mereka yang mengadopsi lebih awal dan memanfaatkan AI untuk mengoptimalkan operasional dengan lebih baik akan memperoleh keunggulan signifikan dalam persaingan.