Antes de que la IA pueda ayudar, los datos deben funcionar: Lecciones de un fabricante con 140.000 empleados

Puntos clave

• Jabil, fabricante global con más de 140.000 empleados y más de 100 ubicaciones en más de 30 países, está estandarizando en SAP Integration Suite, una plataforma que conecta sistemas de software separados para que compartan datos automáticamente.
• Alrededor de 25 años de herramientas desconectadas y específicas de cada sitio, además de soluciones manuales improvisadas, crearon brechas que ralentizaron la toma de decisiones y las respuestas ante disrupciones.
• El director de TI de Jabil plantea la regla central de manera sencilla: cualquier innovación sin simplificación añade más complejidad.
• Herramientas de IA como la previsión predictiva de la cadena de suministro están en el próximo paso del plan, una vez que la base de datos compartida sea estable.

Existe una tentación común en las grandes organizaciones: comprar una nueva tecnología para solucionar un problema y luego comprar otra cuando la primera crea sus propios problemas. Después de 60 años en el negocio y expansión a más de 100 fábricas en todo el mundo, Jabil, fabricante de contrata con sede en St. Petersburg, Florida, que produce productos para más de 400 marcas globales, se encontró atrapada en esa situación.

Cada sitio tenía sus propias herramientas, sus propias hojas de cálculo, sus propias formas de registrar lo que sucedía en la planta. Los datos vivían en bolsas separadas, invisibles para cualquiera fuera de esa ubicación. Cuando una disrupciónocurría en una parte de la cadena de suministro, el resto de la red no podía verla con la rapidez suficiente para responder.

"Teníamos una capacidad limitada para ver problemas con anticipación en diferentes plantas y regiones," dice Harish Manohar, director de TI de SAP en Jabil, hablando en el podcast Business Lab, producido por MIT Technology Review en asociación con SAP. "Esta complejidad creó silos de datos y, de alguna manera, retrasó la toma de decisiones."

¿Por qué Jabil no simplemente agregó herramientas más inteligentes?

Agregar nueva tecnología sobre una infraestructura deficiente empeora la infraestructura. Esa fue la lección que Jabil extrajo de su propia historia.

Manohar describe la respuesta de la empresa como una "mentalidad de simplificar primero, luego innovar". Estandarizar los procesos subyacentes antes de añadir algo nuevo a ellos. Jabil eligió SAP, la empresa alemana de software empresarial, como su plataforma digital central, e está utilizando SAP Integration Suite como la capa conectiva, canalizando la mayoría de procesos a través de un sistema consistente.

No todos los sitios están allí todavía. Algunos cuentan con software heredado que data de hace décadas, mientras que otros operan en industrias reguladas con sus propias reglas de cumplimiento normativo. La estandarización en todos ellos significa cambiar la forma en que trabajan las personas sin detener las fábricas que nunca cierran.

¿Qué tiene que ver esto con la IA?

Todo, en opinión de Manohar. Las herramientas de IA, ya sea que pronostiquen demanda o planifiquen lotes de producción, son solo tan buenas como los datos que leen. Si las alimentas con información inconsistente u obsoleta, sus respuestas son poco confiables en el mejor de los casos, costosas en el peor.

"La columna vertebral de cualquier organización moderna son los datos," dice Manohar. "Antes de que las organizaciones puedan optimizar o aplicar IA, los datos deben fluir entre sistemas sin brechas."

Nuestra noticia del 2 de septiembre sobre la asociación de IBM y Confluent para ejecutar predicciones de IA en flujos de datos en directo mostró la misma dependencia desde una perspectiva diferente: el motor de inferencia es solo la mitad del problema; la otra mitad es lo que le suministras.

Con una base más limpia tomando forma, Jabil ahora está explorando información predictiva de la cadena de suministro y herramientas de planificación impulsadas por IA. Esas vienen en segundo lugar. La infraestructura viene primero.

El punto más amplio va mucho más allá de la manufactura. Cualquier organización, desde una red hospitalaria hasta una cadena minorista, enfrenta la misma secuencia: los datos limpios y conectados son un requisito previo, no algo opcional. Saltárselo e ir directamente a la IA no acelera las cosas. Solo traslada el problema a un lugar más difícil de ver.

Atención a: Si en tu lugar de trabajo te están vendiendo una herramienta de IA como solución para reportes inconsistentes o datos faltantes, pregunta qué sucede primero con el problema de datos subyacente. Una buena respuesta va a los datos. Una mala respuesta va directamente a la demostración.