Bayangkan seorang pelanggan memesan lewat aplikasi, memilih ambil di toko, lalu tiba di gerai dan mendapati pesanannya dibatalkan. Sistem mengatakan barang tersedia. Rak mengatakan sebaliknya. Kejadian sepele ini, yang dulu hanya merugikan satu transaksi, kini merembet ke reputasi layanan omnichannel secara keseluruhan — dan itulah alasan on-shelf availability (OSA) berubah dari urusan operasional toko menjadi agenda strategis yang diperebutkan penyedia teknologi.
Selama dua dekade, rak kosong diperlakukan sebagai risiko kehilangan satu penjualan. Pelanggan datang, tidak menemukan barang, lalu pulang atau membeli merek lain. Kerugiannya nyata tetapi terlokalisasi. Yang berubah pada 2026 adalah konsekuensinya melebar: ketika toko merangkap gudang mini untuk pesanan online, ketidakakuratan di level rak langsung berubah menjadi pembatalan pesanan, substitusi yang tidak diinginkan, dan kegagalan pemenuhan yang tercatat di kanal digital.
Angka yang menjelaskan urgensinya
Dua set data membantu memahami skala persoalan ini.
Pertama, dari sisi kerugian. IHL Group mencatat inventory distortion global — gabungan biaya out-of-stock dan overstock — turun dari 10,4% penjualan ritel pada 2021 menjadi 6,2% pada 2026. Tren membaik lima tahun berturut-turut. Namun dalam nilai absolut, angkanya masih USD 1,7 triliun per tahun. Investasi teknologi satu dekade terakhir jelas membuahkan hasil, tetapi menyisakan ruang yang sangat besar.
Kedua, dari sisi belanja teknologi. Future Market Insights dalam rilis 10 September 2026 memproyeksikan pasar solusi OSA tumbuh dari USD 6,2 miliar pada 2025 menjadi sekitar USD 17,87 miliar pada 2036, dengan laju pertumbuhan majemuk 10,1%. Perlu dicatat, angka proyeksi dari firma riset komersial seperti ini sebaiknya dibaca sebagai indikasi arah, bukan kepastian — metodologi antarfirma berbeda jauh dan hasilnya kerap tidak sebanding. Yang lebih informatif justru rincian di baliknya.
Segmen enterprise besar diperkirakan menguasai 63% dari deployment pada 2026, mencerminkan kebutuhan jaringan grocery multi-toko, FMCG, farmasi, dan general merchandise yang kompleksitas rak-nya paling tinggi. Model berlangganan juga menguat: vendor mengurus lingkungan software, kapabilitas analitik, pembaruan sistem, dan dukungan operasional, sementara peritel berfokus pada eksekusi replenishment dan kinerja toko. Pembagian peran ini menurunkan hambatan masuk bagi peritel yang tidak ingin membangun tim data sendiri.
Pendorong sesungguhnya: pemenuhan omnichannel
Dari semua faktor pendorong, yang paling menentukan adalah kebutuhan omnichannel. Operasi buy-online-pickup-in-store dan ship-from-store menuntut informasi ketersediaan produk yang akurat untuk menekan pembatalan, substitusi, dan kegagalan pemenuhan.
Ini pergeseran mendasar. Dulu, toleransi terhadap ketidakakuratan stok cukup longgar karena pelanggan bisa memilih alternatif di tempat. Kini, ketika janji ketersediaan dibuat lewat layar sebelum pelanggan berangkat, selisih antara data dan realitas rak langsung menjadi janji yang diingkari. Biaya reputasinya jauh melampaui nilai barang yang gagal terjual.
Konsekuensinya, OSA tidak lagi cukup diukur lewat audit berkala. Yang dibutuhkan adalah visibilitas berkelanjutan, dan di sinilah teknologi masuk.
Dari audit bulanan ke tindakan per jam
Laporan industri SG Analytics edisi September 2026 memberi gambaran konkret tentang seperti apa bentuk kematangan OSA hari ini. Salah satu peritel mass merchant besar di Amerika Serikat memakai AI untuk menandai item berstatus low-stock agar dapat ditindaklanjuti tim toko dalam hitungan jam, bukan hari. Peritel yang sama juga memperluas penggunaan agen AI ke fungsi merchandising, inventori, dan pemasaran digital.
Detail “per jam” itu penting. Ia menunjukkan pergeseran dari OSA sebagai laporan menjadi OSA sebagai antrean tugas. Nilai sistem tidak terletak pada kemampuannya mendeteksi rak kosong, melainkan pada kemampuannya mengubah deteksi itu menjadi instruksi spesifik — produk apa, di lorong mana, prioritas keberapa — yang sampai ke karyawan toko selagi masih relevan.
Perbedaan ini kerap luput dalam evaluasi vendor. Akurasi deteksi memang penting, tetapi sistem dengan akurasi 95% yang menghasilkan tugas terprioritas biasanya memberi dampak lebih besar ketimbang sistem berakurasi 99% yang hanya menghasilkan dashboard. Dalam pengamatan airetail.id sebagai media insight penerapan AI di industri ritel, titik kegagalan proyek OSA paling sering bukan pada teknologi deteksinya, melainkan pada mata rantai terakhir: apakah temuan itu benar-benar sampai ke tangan orang yang bisa bertindak.
Hambatan yang jujur diakui
Riset pasar yang sama tidak menutupi sisi beratnya. Infrastruktur computer vision, pemasangan sensor, integrasi sistem, dan kebutuhan analitik berkelanjutan menaikkan investasi awal secara signifikan.
Ini bukan proyek software biasa. Ada perangkat keras yang harus dipasang di setiap lorong, dirawat, diganti bila rusak, dan dipastikan tetap terkalibrasi ketika tata letak toko berubah. Ada pula integrasi ke sistem inventori dan manajemen tugas yang sering kali lebih rumit dari perkiraan. Biaya ini menjelaskan mengapa adopsi terkonsentrasi di enterprise besar dan mengapa model berlangganan menjadi jalan tengah yang populer.
Satu catatan dari pemantauan berita dua pekan terakhir: tidak ada pengumuman deployment kamera atau robot rak berskala besar dari peritel mana pun dalam periode ini. Aktivitas yang terlihat lebih banyak berupa riset pasar, penghargaan industri, dan pembaruan produk. Jeda semacam ini wajar dalam siklus adopsi teknologi bermodal besar, tetapi layak dicatat agar ekspektasi tetap proporsional.
Asia sebagai koridor pertumbuhan
Bagian yang paling relevan bagi pembaca di kawasan ini: India dan Tiongkok disebut sebagai koridor pertumbuhan tertinggi, seiring cepatnya penskalaan infrastruktur ritel terorganisasi di kedua negara.
Logikanya masuk akal dan berlaku pula untuk Indonesia. Pasar dengan ritel modern yang sedang tumbuh cepat punya keuntungan struktural: mereka dapat merancang proses dan sistem dengan kesadaran OSA sejak awal, alih-alih menambalnya ke sistem warisan puluhan tahun. Ekspansi model quick commerce juga mempercepat kebutuhan, karena janji pengiriman cepat mustahil dipenuhi tanpa data ketersediaan yang dapat dipercaya.
Tantangannya juga khas. Format toko di Indonesia sangat beragam, dari minimarket di gang sempit hingga hipermarket, sehingga solusi berbasis kamera tetap yang dirancang untuk lorong lebar tidak otomatis cocok. Kepadatan SKU per meter rak sering kali lebih tinggi. Dan perputaran karyawan toko yang cepat membuat proses berbasis disiplin manual sulit dipertahankan konsisten — justru faktor ini yang memperkuat argumen otomatisasi.
Langkah masuk yang realistis
Bagi peritel yang mempertimbangkan OSA, beberapa prinsip berikut membantu menahan risiko:
- Ukur baseline sebelum membeli apa pun. Lakukan audit rak manual di sejumlah toko sampel dan bandingkan dengan catatan sistem. Selisihnya menentukan seberapa besar masalah sebenarnya.
- Mulai dari kategori bernilai tinggi. Tidak semua rak layak dipantau berkelanjutan. Kategori dengan margin dan perputaran tinggi memberi pengembalian tercepat.
- Pastikan ada jalur tindakan. Sistem deteksi tanpa mekanisme penugasan ke karyawan toko hanya menghasilkan laporan yang tidak dibaca.
- Hitung total biaya kepemilikan. Termasuk perawatan perangkat, kalibrasi ulang saat planogram berubah, dan integrasi — bukan hanya biaya lisensi.
- Ikat ke metrik pemenuhan. Tingkat pembatalan pesanan online dan rasio substitusi adalah ukuran yang lebih jujur ketimbang skor akurasi deteksi.
Penutup
OSA sedang berpindah kategori. Ia bukan lagi soal kerapian merchandising, melainkan fondasi yang menopang janji ketersediaan di seluruh kanal penjualan. Angka USD 1,7 triliun yang masih hilang setiap tahun menunjukkan bahwa masalah ini belum terselesaikan, sementara pertumbuhan pasar solusinya menunjukkan bahwa industri sudah sepakat ke mana anggaran harus diarahkan.
airetail.id akan terus mengikuti bagaimana teknologi pemantauan rak ini diterjemahkan ke konteks ritel Asia Tenggara, dengan format toko dan struktur biaya yang berbeda dari pasar asalnya. Yang pasti, pertanyaan bagi peritel kini bukan lagi apakah rak mereka pernah kosong, melainkan berapa lama kekosongan itu berlangsung sebelum ada yang mengetahuinya.