Zalando Investasi Rp94 Miliar di Robot Gudang Sereact: Ini Dia Mesin yang Tangani Retur Belanjaanmu

Pada Juli 2026, raksasa e-commerce Eropa, Zalando, mengambil langkah strategis dengan berinvestasi di Sereact, sebuah startup robotika gudang asal Stuttgart, Jerman . Investasi ini mendorong total pendanaan Seri B Sereact menjadi US$116 juta. Langkah ini bukan sekadar taruhan finansial—ini adalah solusi operasional langsung untuk salah satu hambatan logistik paling mahal di bisnis fashion e-commerce: retur barang. Hampir setengah dari semua pesanan di Zalando dikembalikan pelanggan. Memproses retur secara manual itu lambat, padat karya, dan sangat mahal . Platform kecerdasan fisik Sereact, yang dibangun di atas 'otak' Cortex dan armada lebih dari 200 sistem yang sudah aktif di seluruh Eropa, dirancang untuk mengotomatiskan alur kerja tersebut .

Mengapa Zalando Berinvestasi: Retur Itu Masalah US$6 Juta yang Layak Dipecahkan

Zalando menyuntikkan dana sekitar US$6 juta sebagai investor strategis, menambah putaran yang awalnya mencapai US$110 juta yang dipimpin oleh Headline pada April 2026 . Signifikansinya ada dua. Pertama, investasi ini memecahkan masalah akut Zalando sendiri: setiap barang yang diretur harus dibuka, diperiksa, dilipat, dan dikembalikan ke stok—sebuah proses yang dirancang untuk ditangani secara menyeluruh oleh stasiun lengan ganda (dual-arm) Sereact . Kedua, partisipasi Zalando menjadi sinyal validasi yang kuat. Zalando bukan sekadar investor pasif; ia adalah pelanggan sekaligus investor strategis yang menaruh bobot operasionalnya sendiri di belakang tesis kecerdasan fisik .

Otak Cortex: Satu Inti AI untuk Robot Apa Pun

Inti dari platform Sereact adalah Cortex, model vision-language-action (VLA) yang berfungsi sebagai sistem operasi AI universal untuk robotika . Cortex dapat berjalan di berbagai perangkat keras—sel pengambilan lengan tunggal, stasiun retur lengan ganda, robot humanoid, hingga sel tetap—tanpa perlu dilatih ulang untuk setiap bentuk robot . Karena ia merencanakan dalam ruang visual laten, bukan perintah sendi robot yang spesifik, sebuah keterampilan yang dipelajari pada satu jenis robot dapat langsung ditransfer ke jenis robot lainnya .

Otomatisasi Retur Lengan Ganda: Solusi untuk Sakit Kepala Terbesar di Industri Fashion

Stasiun lengan ganda Sereact dirancang khusus untuk alur kerja retur . Secara otonom, robot ini dapat membuka paket dan kotak sepatu, mengeluarkan barang, memeriksa kerusakan atau anomali, melipat pakaian (termasuk celana jeans), memindai barcode dan label, serta mengarahkan barang kembali ke inventaris, ke perbaikan, atau ke pembuangan . Sistem ini meniru penilaian seorang pekerja gudang terampil, tetapi beroperasi secara konsisten di setiap shift dan untuk setiap merek . Ini secara langsung menargetkan hambatan logistik paling membandel di industri fashion: sifat tidak terduga dan intensitas tenaga kerja dalam memproses retur .

Roda Gila Data (Data Flywheel): Lebih dari 1 Miliar Pengambilan Nyata

Keunggulan struktural utama Sereact adalah roda gila data yang bersifat siklus tertutup (closed-loop data flywheel) . Lebih dari 200 sistem Sereact telah aktif di seluruh Eropa dengan pelanggan termasuk Daimler Truck, Mercedes-Benz, BMW, PepsiCo, Austrian Post, dan Rohlik Group . Sistem-sistem ini telah menyelesaikan lebih dari satu miliar pengambilan (picks) produksi nyata—bukan data simulasi atau laboratorium, melainkan pengambilan aktual dari operasi langsung . Setiap pengambilan, baik yang berhasil, gagal, maupun yang dipulihkan, ditangkap dengan pengamatan yang sinkron, status robot, dan umpan balik gaya (force feedback), lalu diumpankan kembali ke model terpusat yang terus menerus dilatih ulang dan digunakan kembali di seluruh armada . Armada ini telah mencapai rasio keandalan sekitar satu intervensi per 53.000 pengambilan yang membutuhkan bantuan manusia jarak jauh .

Cortex 2.0: Dari 'Coba dan Lihat' Menjadi 'Rencanakan dan Coba'

Cortex 2.0, model generasi berikutnya yang pendanaan Seri B dialokasikan secara khusus untuk dikembangkan, melengkapi model VLA saat ini dengan model dunia (world model) yang telah dipelajari untuk mensimulasikan fisika dan perilaku objek . Alih-alih bertindak dan kemudian mengoreksi kesalahan secara reaktif, robot sekarang menghasilkan beberapa kemungkinan lintasan masa depan dari keadaannya saat ini, menilai setiap lintasan terhadap model dunia untuk stabilitas, risiko, dan efisiensi, lalu hanya berkomitmen pada cabang dengan skor terbaik—yang diperbarui secara real-time seiring perubahan pemandangan . Pergeseran paradigma dari "coba dan lihat" menjadi "rencanakan dan coba" ini sangat penting untuk tugas-tugas berisiko tinggi seperti merakit komponen di bawah tekanan, menempatkan barang rapuh, dan penyusunan kit (kitting), bukan hanya sekadar mengambil barang . Komputasi perencanaan dapat disesuaikan per tugas, mengeluarkan lebih banyak antisipasi di mana kegagalan itu mahal dan lebih sedikit di mana pemulihan itu murah . Modal Seri B juga mendanai ekspansi internasional Sereact, termasuk pembukaan kantor baru di Boston, AS .