Dari 2-3 menit jadi di bawah 30 detik per dokumen: rekonsiliasi harian tidak lagi molor sampai H+3

Setiap hari, 6 cabang PT Cipta Logistik Prima di Jakarta dan sekitarnya mengirim foto resi COD, invoice pengiriman, dan surat jalan lewat grup WhatsApp masing-masing cabang ke tim admin keuangan di kantor pusat. Volumenya 900 sampai 1.100 dokumen per hari. Staf harus membuka satu per satu foto atau PDF itu, membaca isinya, lalu mengetik ulang nomor resi, nama pengirim dan penerima, berat barang, nilai barang, serta nominal COD ke sistem internal.

Kualitas foto sangat bervariasi. Sebagian resi tercetak rapi dari printer thermal, sebagian surat jalan diisi tangan oleh kurir yang buru-buru di titik penjemputan, dan tidak sedikit foto yang buram atau miring karena diambil terburu-buru dengan pencahayaan seadanya. Di bawah tekanan mengejar target input harian, staf sering salah ketik, terutama tertukar digit pada nomor resi yang mirip dan kelebihan atau kekurangan angka nol pada nominal COD. Dari catatan internal, sekitar 7% dokumen baru ketahuan salah saat proses rekonsiliasi COD dengan mitra kurir, dan staf harus menelusuri ulang foto aslinya untuk mencari letak kesalahannya.

Karena antrean input menumpuk, rekonsiliasi harian yang idealnya tuntas hari itu juga baru selesai di H+2 atau H+3, terutama saat periode ramai seperti akhir tahun ketika volume naik sekitar 30% dari hari biasa. Tim admin yang berjumlah 6 orang rutin lembur 1 sampai 2 jam setiap hari, dan saat kewalahan perusahaan menambah staf harian yang butuh waktu lagi untuk terbiasa membaca format dokumen dari berbagai mitra kurir. Keterlambatan ini ikut menunda penerbitan invoice ke klien korporat dan penutupan laporan keuangan bulanan.

Pada tahap Discovery, tim prosesaja.ai turun langsung ke ruang admin keuangan PT Cipta Logistik Prima selama beberapa hari dan mengumpulkan sampel sekitar 300 dokumen resi, invoice, dan surat jalan dari 6 cabang dalam sebulan terakhir. Sampel ini dipetakan berdasarkan jenis dokumen, mitra kurir, dan kualitas foto, sekaligus dipakai untuk mewawancarai staf tentang field mana yang paling sering salah baca dan paling makan waktu.

Keputusan desain utama di tahap Audit & desain adalah membagi hasil ekstraksi jadi dua jalur berdasarkan tingkat keyakinan model: dokumen dengan hasil bacaan yang jelas (misalnya resi cetak thermal yang rapi) langsung terisi otomatis ke sistem, sementara dokumen dengan hasil yang meragukan (tulisan tangan, foto buram) ditandai dan field yang meragukan disorot untuk diperiksa staf, bukan diblokir seluruh dokumennya. Karena data yang diekstrak langsung menyangkut nominal COD, staf tetap jadi pemeriksa terakhir sebelum data masuk ke pembukuan, bukan digantikan sepenuhnya. Untuk pembacaan dokumennya sendiri, dipilih model vision-language open-weight Qwen2.5-VL yang dijalankan dan disesuaikan untuk mengenali format resi serta tulisan tangan dari berbagai mitra kurir yang dipakai perusahaan.

Selama Build dan UAT, alur intake dari WhatsApp Business API, ekstraksi dokumen, pencocokan nomor resi ke manifest pengiriman, dan deteksi selisih nominal COD dibangun bertahap, lalu diuji coba paralel dengan proses manual di 2 dari 6 cabang lebih dulu selama sekitar seminggu. Setiap kasus salah baca dicatat untuk memperbaiki ambang keyakinan dan aturan pencocokan sebelum sistem digulirkan ke seluruh cabang.