Choco mengotomatiskan distribusi pangan dengan agen AI
Dengan API OpenAI, Choco memproses jutaan pesanan, mengurangi pekerjaan manual, dan memungkinkan operasi tanpa henti di seluruh rantai pasok pangan global.

Hasil
8,8 juta+
Pesanan diproses setiap tahun
Hasil
200 miliar+
Token AI diproses di lingkungan produksi
Hasil
↑50%
Pengurangan input pesanan manual
Hasil
2x
Produktivitas tim penjualan tanpa penambahan staf
Choco(terbuka di jendela baru) adalah platform berbasis AI yang memodernisasi distribusi makanan dan minuman, melayani lebih dari 21.000 distributor dan 100.000 pembeli di AS, Inggris, Eropa, serta negara-negara Dewan Kerja Sama Teluk (GCC). Dengan menghubungkan restoran, pemasok, dan distributor dalam satu sistem terpadu, Choco menyederhanakan pemesanan, penjualan, dan pengelolaan pelanggan di seluruh rantai pasok pangan.
Seiring bertambahnya volume pesanan, Choco menghadapi hambatan besar: pesanan masih masuk melalui email, pesan teks, pesan suara, gambar, bahkan catatan tulisan tangan. Tim secara manual mengubah input tersebut menjadi pesanan terstruktur dalam ERP—proses yang lambat dan rawan kesalahan, membatasi kapasitas, serta terus menimbulkan kendala operasional.
“Memproses input tersebut adalah hambatan pertama, tetapi bukan yang paling sulit. Masalah sesungguhnya adalah konteks tersirat: pemetaan SKU khusus pelanggan, preferensi satuan, dan pola pengiriman. Pengetahuan itu tersimpan di benak staf penerima pesanan, dan kami perlu menuangkannya ke dalam lapisan inferensi yang mengatasi ambiguitas saat pesanan dicatat.”
Dengan hadirnya LLM yang siap digunakan di lingkungan produksi, Choco melihat peluang untuk melampaui perangkat lunak alur kerja dan membangun sistem AI yang mampu menjalankan pekerjaan secara langsung. API OpenAI menjadi inti transformasi tersebut.
Choco menanamkan API OpenAI di inti platformnya untuk mendukung generasi baru produk yang dibangun dengan AI sebagai fondasinya. Perusahaan ini memperkenalkan OrderAgent(terbuka di jendela baru), yang memproses input multimodal—termasuk email, SMS, gambar, dan dokumen—lalu mengubahnya menjadi pesanan terstruktur yang siap dimasukkan ke ERP.
“Kemampuan transkripsi dan ekstraksi memberi kami fondasi yang kuat. Tantangan teknis yang sesungguhnya adalah membangun infrastruktur pembelajaran dalam konteks yang dinamis, agar sistem dapat mengatasi ambiguitas dengan mengacu pada riwayat pesanan dan katalog setiap pelanggan. Itulah yang membedakan otomatisasi dari kecerdasan.”
Choco juga membangun VoiceAgent(terbuka di jendela baru), yang didukung oleh Realtime API dari OpenAI. Pelanggan dapat memesan melalui percakapan alami lewat telepon dengan latensi di bawah satu detik—bahkan di luar jam kerja.

OpenAI dipilih karena performa model, kemampuan multimodal, output terstruktur, serta keandalannya di lingkungan produksi berskala besar. Kemampuan menangani teks, visual, dan audio dalam satu ekosistem memungkinkan Choco menyatukan alur kerja yang sebelumnya terpisah menjadi satu sistem cerdas.
Implementasinya cepat dan mudah diperluas. Dengan SDK dan API OpenAI, Choco dengan cepat mengintegrasikan kemampuan seperti konversi ucapan ke teks, embedding, dan pemanggilan fungsi ke dalam infrastrukturnya. Tim juga membangun kerangka evaluasi yang ketat dengan kumpulan data acuan terverifikasi, pemantauan berkelanjutan, dan pengujian A/B untuk memastikan akurasi dan performa di lingkungan produksi.
Adopsi didorong oleh integrasi yang mulus di seluruh alur pemesanan. Pelanggan tidak perlu mengubah cara mereka memesan—baik melalui telepon, pesan teks, maupun email, sistemlah yang menyesuaikan diri.
“Begitu pelanggan melihat sistem ini menangani pesanan mereka sendiri, kepercayaan pun cepat tumbuh. Saat itulah adopsi benar-benar melaju.”
Dengan mode opsional “Pilot Otomatis”, distributor dapat mengotomatiskan pemrosesan pesanan ketika ambang keyakinan terpenuhi, sambil tetap mempertahankan peninjauan manusia untuk kasus khusus. Seiring waktu, sistem terus belajar dari koreksi sehingga akurasi dan keandalannya meningkat.
Memproses lebih dari 8,8 juta pesanan setiap tahun, meniadakan jutaan alur kerja manual
Mengurangi input pesanan manual hingga 50%, sehingga tim dapat berfokus pada pekerjaan bernilai lebih tinggi
Meningkatkan produktivitas hingga 2x, sehingga tim dapat menangani lebih banyak pekerjaan tanpa penambahan staf
Menjaga tingkat kesalahan di bawah 1–5% dengan ambang otomatisasi yang dapat dikonfigurasi
Mendukung penerimaan pesanan 24/7, meniadakan penundaan akibat malam hari dan akhir pekan
Mulai evaluasi sejak hari pertama: Bahkan kumpulan data acuan terverifikasi yang kecil (10–20 contoh) memungkinkan tim mengukur kemajuan, memvalidasi perbaikan, dan melakukan iterasi dengan yakin.
Investasikan sumber daya pada observabilitas khusus AI: Proses debugging sistem AI membutuhkan lebih dari sekadar log tradisional—pencatatan input, output, dan jejak penalaran model sangat penting untuk memahami dan meningkatkan performa.
Tetapkan ekspektasi yang tepat sejak awal: Berbeda dengan perangkat lunak deterministik, LLM bersifat probabilistik. Mengedukasi tim dan pengguna tentang perbedaan ini adalah kunci untuk membangun kepercayaan dan menghindari kendala selama proses adopsi.
Choco terus memperluas kemampuan AI di seluruh ekosistem distribusi pangan, memperkuat peran agen dalam menjalankan alur kerja operasional yang kompleks. Seiring bertambahnya tanggung jawab yang diemban sistem AI, perusahaan ini memberdayakan kelompok pengguna baru—orang-orang tanpa latar belakang teknik yang berperan sebagai “orkestrator agen”, merancang dan mengelola sistem cerdas yang mendorong hasil bisnis.
“Kami beralih dari perangkat lunak yang mendukung pekerjaan ke sistem yang benar-benar mengerjakannya. Peralihan itu memungkinkan pelanggan kami beroperasi lebih cepat, lebih efisien, dan jauh lebih tangguh.”
Ke depan, Choco berencana memperluas penggunaan API OpenAI untuk mendukung sistem yang lebih otonom dan memahami konteks di bidang penjualan, perdagangan, serta operasi rantai pasok—melanjutkan peralihannya dari perangkat lunak alur kerja ke infrastruktur pelaksanaan kerja berbasis AI.


