Bagaimana Solusi Berbasis AI Mil memenangkan hati Amazon dan Whole Foods

Apa yang dimulai sebagai inisiatif pengurangan limbah makanan yang berfokus pada konsumen telah berkembang menjadi kemitraan komersial yang signifikan. Mill, startup teknologi pengelolaan limbah makanan yang didirikan bersama oleh Matt Rogers, telah berhasil mengamankan kesepakatan bersejarah dengan Amazon dan Whole Foods untuk menerapkan sistem pengelolaan limbah tingkat komersial di seluruh lokasi grocery Whole Foods mulai tahun 2027.

Strategi Perluasan Komersial

Perjalanan dari konsumen rumah tangga ke pelanggan perusahaan dilakukan secara sengaja sejak awal. Rogers menekankan bahwa adopsi oleh konsumen berfungsi sebagai fondasi untuk membuktikan kelayakan produk dan membangun kredibilitas merek. “Memulai dari konsumen sangat disengaja karena Anda membangun poin bukti, data, merek, dan loyalitas,” jelas Rogers. Banyak anggota tim Whole Foods sudah pernah menggunakan tempat sampah konsumen Mill di rumah mereka, menciptakan buy-in alami saat diskusi kemitraan dimulai.

Pendekatan yang berorientasi pada konsumen ini menjadi bagian dari buku panduan penjualan perusahaan ke perusahaan. Saat menawarkan kepada calon mitra komersial, perusahaan mendorong pengambil keputusan untuk mencoba produk di rumah terlebih dahulu—sebuah strategi yang cukup efektif dan menghasilkan antusiasme dari pimpinan.

Apa yang Mengikat Kemitraan

Pengubah permainan yang sebenarnya bukan hanya efisiensi operasional; melainkan kemampuan berbasis AI dari Mill untuk mengidentifikasi limbah sebelum terjadi. Dengan menggunakan sensor canggih dan pembelajaran mesin, sistem Mill dapat menentukan apakah hasil panen yang masuk ke tempat sampah masih seharusnya ada di rak. Ini mengatasi titik nyeri penting bagi pengecer: “shrink”—istilah industri untuk pendapatan yang hilang akibat limbah atau pencurian. Dalam lingkungan ritel yang kompetitif saat ini, bahkan pengurangan kecil dalam kehilangan inventaris dapat memberikan margin yang signifikan.

Terobosan teknologi ini sebagian berasal dari kemajuan dalam model bahasa besar. Rogers menyoroti bahwa apa yang dulunya membutuhkan puluhan insinyur dan sumber daya besar di Nest kini dapat dicapai oleh tim kecil untuk hasil yang lebih unggul. “AI adalah penggerak besar,” kata Rogers, yang memungkinkan Mill mempercepat pengembangan penawaran komersialnya.

Lebih dari Sekadar Pengurangan Limbah

Penerapan di Whole Foods mencapai beberapa tujuan sekaligus. Tempat sampah komersial akan menggiling dan mengeringkan limbah dari departemen hasil, mengurangi biaya pembuangan ke tempat pembuangan akhir sekaligus menciptakan pakan berharga untuk produsen telur perusahaan. Sistem ini juga menghasilkan data berharga tentang pola limbah, membantu Whole Foods mengoptimalkan manajemen inventaris dan mengurangi limbah hulu.

Bagi pengecer yang mengelola operasi di berbagai lokasi—dan mempertimbangkan opsi untuk membeli produk Whole Foods secara online atau di toko—memahami pola limbah sangat penting untuk mengendalikan biaya operasional secara keseluruhan.

Membangun Bisnis yang Diversifikasi

Rogers menekankan pentingnya menghindari kerentanan bisnis melalui konsentrasi pelanggan. Mengambil pengalaman dari masa Apple saat era iPod, dia menjelaskan bagaimana ketergantungan berlebihan pada satu sumber pendapatan bisa berbahaya. Ketika iPod mendominasi pendapatan Apple, perusahaan menghadapi tekanan dari pesaing seperti Motorola untuk membangun mesin pertumbuhan baru—yang akhirnya melahirkan iPhone.

Mill menerapkan pelajaran ini secara strategis. Selain segmen konsumen dan kemitraan ritel dengan Whole Foods dan Amazon, perusahaan sedang mengembangkan solusi pengelolaan limbah kota. “Kami terus menambahkan lebih banyak kaki ke bangku dan menambah keberagaman ke bisnis,” kata Rogers.

Kemitraan ini lebih dari sekadar kontrak—ini menandakan bagaimana AI dan teknologi sensor sedang mengubah industri tradisional, dan bagaimana perusahaan yang membangun kepercayaan di tingkat konsumen dapat memanfaatkan fondasi tersebut untuk menangkap peluang perusahaan yang berharga.