Jabil на 100+ заводах доказал: интеграция нейросетей без упрощения данных множит хаос

Megan: And so you mentioned a "simplify-first" approach. Can you walk us through what that means in practice?

Harish: Absolutely. So our approach has always been: simplify first, then innovate. Any innovation without simplification is going to add more complexity. And that's the last thing you want in a global organization. So the first step is to standardize processes, consolidate where possible, and establish a more consistent data backbone across the organization.

Any modernization or transformation should add measurable business value. We're focused on connecting processes end-to-end across our supply chain and creating a foundation that can scale consistently across regions. The backbone of any contemporary or modern organization is data. Before organizations can optimize, automate, or apply AI, data needs to flow seamlessly across systems.

Megan: That makes a lot of sense. And given your scale, more than 100 sites across 30-plus countries, what are the biggest challenges you've encountered in trying to standardize?

Harish: So, our more than 100 sites operate with different levels of process maturity, legacy systems, and localized workflows. And regulated businesses bring additional compliance requirements. Standardizing across different regions and business environments means changing processes and governance without disrupting the operations already in place.

The value of that work extends beyond the technology to the people using it. Integrated workflows offer employees shared visibility into data, reduce manual data reconciliation, and help them move from chasing information to acting on insights. The aim is also to improve real-time visibility into supply chain events, which enables faster responses to disruptions and reduces operational risk.

Megan: And looking ahead, how does this foundation support AI and automation?

Harish: With trusted data and integrated systems in place, we're exploring predictive supply chain insights, intelligent exception handling, and AI-driven planning and forecasting. Simplicity at scale is a very competitive advantage. Technology investments must ultimately connect to business value and operational resilience.

Megan: Great points. Thank you so much, Harish.

Harish: Thank you, Megan.

---

Jabil, глобальный производственный подрядчик с более чем 100 площадками в 30 с лишним странах, рассказал на подкасте MIT Technology Review Business Lab о своём подходе к интеграции нейросетей и ИИ-инструментов в корпоративную среду: сначала упрощение, потом инновации.

Компания Jabil (штаб-квартира в Сент-Питерсберге, Флорида) обслуживает более 400 мировых брендов, имеет свыше 140 000 сотрудников и 60-летний опыт в контрактном производстве. О подходе компании к модернизации ИТ рассказал Хариш Манохар, директор по SAP IT в Jabil, в партнёрском выпуске подкаста MIT Technology Review, подготовленном совместно с SAP.

Почему Jabil начал не с ИИ, а с уборки?

Ключевой принцип Jabil формулируется как «сначала упрости, потом внедряй новое». По словам Манохара, за 25 лет работы на площадках накопился технический долг: локальные инструменты, таблицы, ручные обходные решения и устаревшие приложения.

Каждый сайт работал по-своему, данные хранились в изолированных «колодцах» (так называемые дата-сайлоусы, data silos, когда информация из одного подразделения недоступна другому). Это мешало:

• Видеть проблемы на ранних стадиях по всем заводам и регионам
• Координировать ответные действия единообразно
• Принимать решения быстро и на основе полных данных

«Любая инновация без упрощения лишь добавит сложности» : Хариш Манохар, директор по SAP IT, Jabil

Что именно делает Jabil?

• Стандартизация процессов по всем 100+ площадкам, замена локальных инструментов на единую платформу (SAP Integration Suite)
• Консолидация данных в единый «каркас», чтобы информация текла между системами без ручных пересылок
• Сквозное соединение процессов цепочки поставок от начала до конца
• Переход сотрудников от ручной сверки данных к работе с готовыми выводами и аналитикой
• Улучшение видимости в реальном времени событий в цепочке поставок для быстрого реагирования на сбои

По словам Манохара, «основа любой современной организации, это данные», и пока данные не перемещаются между системами без потерь, оптимизация, автоматизация и применение ИИ невозможны.

Какие сложности возникают при масштабировании?

Стандартизация на глобальном уровне сталкивается с тремя барьерами:

• Разный уровень зрелости процессов на площадках
• Устаревшие системы и локальные рабочие потоки, которые нельзя просто отключить
• Требования регуляторов в разных странах, особенно в регулируемых отраслях

Менять процессы и систему управления приходится так, чтобы не ломать уже работающие операции.

Куда ведёт этот фундамент?

На подготовленной базе Jabil начинает исследовать три направления с участием ИИ:

1. Предиктивная аналитика цепочки поставок (predictive supply chain insights), прогнозирование сбоев до их наступления
2. Интеллектуальная обработка исключений (intelligent exception handling), когда система сама определяет нештатные ситуации и предлагает действия
3. ИИ-планирование и прогнозирование (AI-driven planning and forecasting)

«Простота в масштабе, это серьёзное конкурентное преимущество» : Хариш Манохар, директор по SAP IT, Jabil

Что нового?

• Jabil публично описал стратегию интеграции нейросетей в корпоративную среду: главный тезис, ИИ бесполезен без чистых, связанных данных
• Компания отказалась от подхода «внедрим ИИ, потом разберёмся» в пользу последовательного упрощения инфраструктуры
• Интеграция нейросетей и автоматизации рассматривается только после того, как данные начинают перемещаться между системами без ручных операций
• SAP Integration Suite используется как «скелет» для соединения более чем 100 площадок

Как попробовать этот подход?

1. Проведите аудит инструментов. Составьте список всех таблиц, локальных программ и ручных обходных решений в вашей компании. Без этого списка интеграция нейросетей не даст результата.
2. Определите, где данные «застревают». Найдите места, где информация передаётся вручную, копируется из одной системы в другую или хранится только у одного сотрудника.
3. Стандартизируйте процессы до внедрения ИИ. Приведите хотя бы основные процессы (закупки, отгрузки, отчётность) к единому виду по всем филиалам.
4. Только после этого подключайте ИИ-инструменты. Когда данные чистые и доступные, прогнозирование, автоматическое обнаружение сбоев и планирование начинают работать.

Чем российские компании могут воспользоваться уже сейчас?

Jabil использует SAP, в России после 2022 года SAP для новых внедрений практически недоступен. Но сам подход, «упрости, потом автоматизируй», от платформы не зависит.

Принцип один: пока данные между филиалами передаются через почту и таблицы, никакой YandexGPT или GigaChat не даст предиктивной аналитики.

Что с этого вам, по ролям?

Автору на Дзене. Тема «ИИ без фундамента бесполезен» отлично работает как контент: покажите своей аудитории конкретный путь от хаоса таблиц к автоматизации. Это цепляет производственников и предпринимателей.

Маркетологу. Если в компании CRM не связана с аналитикой, а данные о клиентах хранятся в трёх разных системах, любая «нейросеть для персонализации» будет работать на мусоре. Начните с интеграции данных.

Предпринимателю в РФ и СНГ. Опыт Jabil переносится напрямую: у вас несколько филиалов, разные учётные системы, таблицы в почте. Интеграция нейросетей в такой среде, пустая трата бюджета. Сначала выстройте единый поток данных, хотя бы на 1С или Kafka, потом подключайте ИИ-прогнозирование.

Частые вопросы

Обязательно ли использовать SAP для такого подхода?

Нет. Jabil выбрал SAP Integration Suite, но сам принцип «упрости, потом автоматизируй» работает на любой платформе. В России можно строить на 1С:ERP, открытых шинах данных (Kafka, RabbitMQ) или отечественных ERP-системах. SAP здесь не обязательное условие, а конкретный выбор конкретной компании.

Какие результаты Jabil уже получил от интеграции?

Компания не привела конкретных цифр экономии или роста эффективности в этом подкасте. Манохар говорил о направлениях: улучшение видимости событий в цепочке поставок, сокращение ручной сверки данных, более быстрое реагирование на сбои. Точных метрик источник не раскрыл.

Подходит ли этот опыт малому бизнесу?

Принцип подходит. Масштаб Jabil (100+ площадок, 140 000+ сотрудников) делает их кейс экстремальным, но проблема одна и та же: если данные разрозненны, ИИ не поможет. Даже компания с пятью сотрудниками выиграет, если перед подключением нейросетей наведёт порядок в данных и процессах.