AI Commerce untuk B2B Procurement: Dari Catalog ke Capability

Di procurement meeting, jarang ada orang berkata, “Saya butuh vendor dengan halaman produk paling estetik.”

Yang terdengar justru begini:

“Bisa kirim ke tiga lokasi?”

“Lead time berapa?”

“Ada SLA?”

“Minimum order?”

“Bisa custom spec?”

“Compliance document-nya ada?”

“Kalau volume naik dua kali lipat, capacity-nya cukup?”

Itulah alasan AI commerce untuk B2B tidak bisa berhenti pada catalog.

Catalog tetap penting. SKU, spesifikasi, harga, availability, dan product identity membantu mesin memahami apa yang dijual. Tetapi procurement B2B membeli lebih dari produk. Mereka membeli capability: kemampuan memenuhi requirement, volume, dokumentasi, delivery, integration, support, governance, dan risiko.

Kalau perusahaan hanya membuat datanya machine-readable pada level “kami menjual produk X”, AI mungkin bisa menemukan produk. Belum tentu AI bisa menilai apakah perusahaan layak masuk shortlist procurement.

Catalog menjawab “apa”.
Capability menjawab “bisa melakukan apa, dalam kondisi apa, untuk siapa, dan dengan batas apa”.

B2B buyer tidak mencari barang saja

Ambil contoh produsen kemasan.

Dua vendor sama-sama menjual flexible packaging. Dari sisi katalog, keduanya terlihat mirip.

Tetapi procurement perusahaan FMCG mungkin membutuhkan:
material tertentu,
kapasitas bulanan tertentu,
sertifikasi tertentu,
toleransi ukuran,
kemampuan printing,
minimum order,
sample process,
quality assurance,
lead time,
lokasi pabrik,
after-sales handling,
serta kesiapan memenuhi perubahan demand.

Kalau website vendor pertama hanya menulis “solusi kemasan berkualitas tinggi untuk berbagai industri”, informasi itu terlalu umum.

Vendor kedua menjelaskan jenis material, proses, range capability, QA, dokumentasi, industry served, production constraints, dan bagaimana proses RFQ berjalan.

Untuk AI yang diminta membantu research vendor, vendor kedua memberi lebih banyak decision evidence.

Bukan berarti AI otomatis akan merekomendasikannya. Banyak faktor lain masuk. Tapi secara information architecture, vendor kedua jauh lebih procurement-ready.

Agentic commerce membuat pertanyaan capability makin relevan

OpenAI melalui Agentic Commerce Protocol menggambarkan commerce sebagai alur yang dapat mencakup product data, checkout, fulfillment, payment, dan order state. Untuk retail consumer goods, product feed dapat menjadi fondasi yang sangat kuat.

B2B lebih rumit.

Banyak transaksi tidak selesai melalui “add to cart”.

Ada request for quotation.
Ada negotiable pricing.
Ada account-specific contract.
Ada approval.
Ada procurement policy.
Ada tax documentation.
Ada custom configuration.
Ada credit term.
Ada legal review.
Ada onboarding vendor.
Ada human confirmation.

Karena itu, jangan menyalin mental model D2C mentah-mentah.

AI commerce B2B mungkin lebih sering membantu discovery, pre-qualification, comparison, document gathering, requirement mapping, dan routing sebelum transaksi benar-benar dieksekusi oleh manusia atau sistem procurement.

Di sinilah capability layer menjadi penting.

Capability harus bisa diverifikasi

Kata “capability” mudah berubah jadi jargon marketing.

“Kami mampu melayani kebutuhan enterprise.”
“Kami punya kapasitas besar.”
“Kami berpengalaman.”
“Kami fleksibel.”
“Kami end-to-end.”

Kalimat seperti itu tidak banyak membantu kalau tidak ada batas dan bukti.

Capability yang berguna untuk AI maupun manusia biasanya lebih spesifik.

Apa jenis pekerjaan yang bisa dilakukan?
Di wilayah mana?
Dengan teknologi apa?
Untuk volume seperti apa?
Sertifikasi apa yang dimiliki?
Apa yang termasuk dan tidak termasuk?
Dokumen apa yang tersedia?
Bagaimana proses onboarding?
Berapa typical lead time jika memang bisa dipublikasikan?
Apa dependency-nya?
Apakah custom request tersedia?
Siapa yang menangani support?
Bagaimana escalation-nya?

Jangan mengarang angka hanya supaya terlihat konkret. Jika kapasitas bersifat rahasia, jelaskan secara aman atau sediakan process untuk verification.

B2B trust bukan hasil satu halaman “About Us”.

Trust tersebar di capability pages, case studies, policy, certification, technical documentation, contact identity, legal entity, procurement FAQ, dan sumber pihak ketiga.

Dari PIM ke capability graph

Banyak organisasi sudah punya Product Information Management atau master catalog.

Itu bagus, tetapi B2B AI readiness membutuhkan relasi yang lebih luas.

Produk A diproduksi oleh entitas mana?
Dipakai untuk use case apa?
Cocok untuk industri apa?
Memiliki certification apa?
Tersedia di region mana?
Bisa dikirim lewat fulfillment model apa?
Bisa dikustomisasi sejauh mana?
Mempunyai dependency pada service apa?
Support-nya siapa?
Dokumen teknisnya di mana?
Kasus penggunaan yang bisa diverifikasi apa?

Kumpulan relasi ini bisa dipandang sebagai capability graph.

Tidak harus langsung membangun knowledge graph kompleks dengan proyek delapan bulan. Mulai dari inventory informasi yang sudah ada.

Masalah yang sering ditemukan bukan ketiadaan data, tetapi data tersebar.

Sales deck punya kapasitas.
PDF tender punya sertifikasi.
Website punya product line.
Tim QA punya standard.
Legal punya company document.
Salesperson senior punya knowledge tentang custom request.
Customer service tahu limitation.

Buat AI, knowledge yang hanya hidup di kepala sales tidak tersedia.

Buat procurement baru, knowledge yang hanya ada di PDF lama juga sulit ditemukan.

Human handoff tetap penting

Ada fantasy bahwa agentic commerce akan menghapus semua friksi procurement. Untuk high-value B2B, friksi tertentu justru berfungsi sebagai kontrol.

Misalnya seorang AI agent menemukan supplier, membaca capability, lalu ingin langsung memesan proyek custom bernilai besar tanpa approval manusia. Itu bukan efisiensi, itu governance problem.

Karena itu, sistem yang matang harus tahu kapan otomasi berhenti.

Discovery dapat otomatis.
Requirement matching dapat dibantu AI.
Document collection bisa dipercepat.
Comparison bisa dibantu.
RFQ bisa diprefill.
Tetapi approval, commercial commitment, regulated decision, contract acceptance, atau high-risk purchase mungkin tetap membutuhkan human confirmation.

OpenAI sendiri pada agentic checkout menempatkan merchant sebagai merchant of record dan merchant tetap melakukan validasi, risk analysis, acceptance atau decline, serta payment processing di sistemnya.

Pelajarannya relevan untuk B2B: agent boleh membantu, tapi ownership transaksi dan risk tidak hilang.

Buat jalur untuk machine dan manusia

Website B2B biasanya punya dua ekstrem.

Ekstrem pertama: semua informasi disembunyikan di balik “Contact Sales”.

Ekstrem kedua: semua PDF dilempar ke resource center tanpa struktur.

Keduanya menyulitkan.

Lebih baik buat progressive disclosure.

Informasi publik yang aman dan penting untuk qualification tampil jelas.

Detail sensitif atau account-specific tersedia melalui request.

RFQ flow meminta requirement yang relevan.

Capability page memiliki route ke technical document.

Certification mempunyai status dan scope.

Contact point dibedakan antara sales, support, procurement, dan compliance bila memang diperlukan.

Dengan begitu, AI dan manusia sama-sama punya jalur.

Contoh sederhana: perusahaan data center.

Jangan hanya menulis “enterprise-grade data center solution”.

Jelaskan kategori layanan, lokasi, redundancy model yang dapat dipublikasikan, compliance certification, connectivity options, support model, onboarding flow, dan batas informasi yang memang tidak boleh diekspos.

Jika detail keamanan tertentu rahasia, jangan mempublikasikannya hanya demi entity completeness. AI readiness tidak boleh mengalahkan security.

B2B procurement query map

Cara praktis untuk memulai adalah membangun query map dari bahasa procurement.

Bukan hanya:
“vendor terbaik X”
“supplier X Indonesia”

Tetapi:
“supplier X untuk volume Y”
“vendor X dengan sertifikasi Z”
“produsen X yang bisa custom”
“supplier X untuk Jakarta dan Surabaya”
“vendor X dengan after-sales”
“alternatif vendor X”
“bandingkan supplier A dan B”
“siapa distributor resmi brand X”
“supplier yang bisa invoice corporate”
“vendor dengan SLA tertentu”

Lalu audit apakah website bisa menjawab pertanyaan-pertanyaan itu secara faktual.

Jika tidak, tentukan lokasi informasi yang tepat.

Jangan otomatis membuat artikel SEO untuk setiap query. Buyer-intent information sering lebih tepat ditempatkan di capability page, product page, service page, specification, procurement FAQ, atau case study.

Measurement untuk B2B AI commerce

Satu mention di ChatGPT tidak cukup.

Tim perlu mengukur apakah AI memahami capability secara benar.

Buat scenario testing.

Scenario 1: discovery.
Apakah brand ditemukan untuk kategori yang memang relevan?

Scenario 2: qualification.
Apakah AI memahami industry served, region, certification, atau product range dengan benar?

Scenario 3: comparison.
Apakah AI menjelaskan differentiator tanpa mengarang?

Scenario 4: risk.
Apakah AI menciptakan SLA, kapasitas, harga, atau sertifikasi yang sebenarnya tidak ada?

Scenario 5: action.
Apakah route ke RFQ, contact, demo, atau procurement information benar?

Catat evidence dan source.

Jika AI salah menyebut kemampuan custom manufacturing, jangan hanya memperbaiki prompt pengujian. Cari sumber konflik.

Mungkin halaman lama masih hidup.
Mungkin distributor menulis klaim berbeda.
Mungkin PDF lama terindeks.
Mungkin entity lain dengan nama mirip tercampur.
Mungkin capability memang tidak pernah dijelaskan secara publik.

Capability page bukan brosur perusahaan

Ada jebakan lain: ketika perusahaan sadar capability penting, mereka membuat satu halaman panjang berisi semua kemampuan. Hasilnya tetap sulit dipakai.

Capability sebaiknya mengikuti cara buyer menyaring vendor.

Untuk manufacturer, mungkin dimensinya process, material, tolerance, production range, QA, certification, location, dan fulfillment. Untuk software vendor, dimensinya bisa deployment model, integration, security, data residency, support, admin control, procurement route, dan contract model. Untuk professional services, dimensinya dapat berupa scope, industry familiarity, jurisdiction, methodology, team qualification, deliverable, limitation, dan escalation.

Setiap claim harus punya owner internal.

Kalau marketing menulis “24/7 support”, siapa yang memastikan operasi benar-benar menyediakan 24/7? Kalau sales deck menulis “nationwide coverage”, apakah coverage berarti punya kantor, partner, teknisi, atau sekadar bisa mengirim barang?

AI tidak memahami politik organisasi. Ia hanya melihat representasi yang tersedia.

Karena itu, capability governance perlu review berkala. Saat sertifikasi habis, scope berubah, pabrik baru dibuka, produk dihentikan, SLA diperbarui, atau wilayah layanan berubah, representasi publik ikut berubah.

Untuk buyer, ini mengurangi due-diligence friction.

Untuk brand, ini mengurangi risiko AI mengulang capability yang sebenarnya sudah tidak berlaku.

Dari catalog ke capability berarti organisasi ikut berubah

Pada akhirnya, AI commerce B2B bukan proyek feed saja.

Feed penting untuk produk yang memang structured dan transaksional.

Tetapi procurement membutuhkan information system yang merepresentasikan bisnis secara lebih utuh.

Catalog.
Capability.
Evidence.
Policy.
Identity.
Availability.
Fulfillment.
Compliance.
Human escalation.
Commercial route.

Semua perlu sinkron.

Kalau tim sales berkata “kami bisa”, website berkata “kami mungkin bisa”, dan dokumen teknis tidak menyebut apa pun, AI tidak punya dasar yang stabil.

Sebaliknya, kalau capability dijelaskan secara presisi, batasnya jelas, evidence tersedia, dan route ke manusia mudah ditemukan, AI dapat berfungsi sebagai lapisan discovery dan qualification yang lebih berguna.

Tujuannya bukan membuat AI menandatangani kontrak sendiri.

Tujuannya membuat calon buyer yang memakai AI tidak kehilangan konteks penting sebelum percakapan bisnis dimulai.

Di B2B, itu sudah bernilai besar.

Karena shortlist procurement jarang dimenangkan oleh catalog paling ramai.

Ia lebih sering dimenangkan oleh vendor yang paling mudah dipahami, diverifikasi, dan dipercaya untuk requirement yang nyata.