Để tích hợp AI ở quy mô lớn, doanh nghiệp cần đơn giản hóa hệ thống và chuẩn hóa quy trình. Doanh nghiệp cũng phải tạo luồng dữ liệu đáng tin cậy trước khi mở rộng mô hình hoặc tự động hóa. Kinh nghiệm của Jabil cho thấy AI chỉ tạo ra giá trị đo lường được khi truy cập được dữ liệu nhất quán. AI cũng cần có khả năng thực hiện hành động trên các hệ thống đã được kết nối.
Khi doanh nghiệp mở rộng, công nghệ có thể chuyển từ công cụ hỗ trợ thành gánh nặng vận hành. Hệ thống rời rạc, công cụ riêng tại từng cơ sở, bảng tính và quy trình thủ công tạo ra các kho dữ liệu biệt lập. Vì vậy, tổ chức khó phát hiện vấn đề sớm và phối hợp phản ứng. Theo bài viết của MIT Technology Review, Jabil ưu tiên đơn giản hóa và tích hợp. Công ty thực hiện hai việc này trước khi mở rộng ứng dụng AI.
“Đơn giản hóa trước, đổi mới sau.”
Kinh nghiệm này có ý nghĩa với doanh nghiệp Việt Nam đang số hóa hoạt động sản xuất hoặc chuỗi cung ứng. Việc mua thêm công cụ không tự động tạo ra năng lực mới. Nếu dữ liệu vẫn phân tán và mỗi đơn vị làm việc theo một quy trình khác nhau, AI sẽ được đặt trên một nền móng thiếu ổn định.
Quy mô càng lớn, hệ thống rời rạc càng trở thành rủi ro
Ở quy mô toàn cầu, công cụ riêng tại từng cơ sở và dữ liệu không đồng nhất làm giảm khả năng phát hiện sớm gián đoạn. Jabil xem sự phân mảnh này là rủi ro kinh doanh vì nó cản trở việc phối hợp giữa các nhà máy, làm chậm phản ứng và tạo ra nhiều phiên bản dữ liệu.
Harish Manohar cho biết Jabil là một nhà sản xuất toàn cầu có trụ sở tại St. Petersburg, bang Florida, Mỹ. Theo số liệu ông chia sẻ với MIT Technology Review, Jabil có khoảng 60 năm kinh nghiệm, hơn 100 cơ sở tại hơn 30 quốc gia, hơn 140.000 nhân viên và là đối tác của hơn 400 thương hiệu hàng đầu thế giới.
Quy mô đó đi kèm một hệ thống công nghệ phức tạp. Trong nhiều năm, các cơ sở tự sử dụng công cụ riêng cho quy trình của mình. Theo Manohar, Jabil đã tích lũy một khối nợ kỹ thuật trong 25 năm, gồm ứng dụng cũ, bảng tính, cách xử lý thủ công và các công cụ chỉ phục vụ một địa điểm.
Sự phân mảnh làm giảm khả năng nhìn thấy vấn đề sớm giữa các nhà máy và khu vực. Các nhóm khó phối hợp phản ứng nhất quán, còn dữ liệu bị chia thành nhiều phiên bản. Trong ngành sản xuất, nơi khả năng ứng phó với gián đoạn ảnh hưởng trực tiếp đến hoạt động, việc không có dữ liệu đúng vào đúng thời điểm trở thành một rủi ro kinh doanh.
Đơn giản hóa trước, đổi mới sau
Jabil ưu tiên chuẩn hóa quy trình, hợp nhất công cụ và xây dựng nền dữ liệu nhất quán trước khi triển khai thêm sáng kiến. Theo Manohar, đổi mới trên một hệ thống chưa được đơn giản hóa có thể tạo thêm phức tạp thay vì cải thiện hiệu quả vận hành.
Nội dung cần chuẩn hóa trong hệ thống
SAP giữ vai trò nền tảng số cốt lõi của Jabil. Công ty đang từng bước đưa nhiều quy trình hơn vào SAP. Tuy nhiên, không phải toàn bộ hoạt động đều có thể nằm trong một hệ thống. SAP BTP và SAP Integration Suite được sử dụng làm trọng tâm cho hoạt động tích hợp. Jabil chưa hoàn tất quá trình này. Định hướng của công ty là hạn chế số lượng nền tảng tích hợp và chỉ giữ các công cụ nhỏ hơn khi chúng tạo ra giá trị riêng.
Kiến trúc tích hợp chủ yếu dựa trên giao diện lập trình ứng dụng và sự kiện. Cách tiếp cận này giúp Jabil tránh việc liên tục sao chép dữ liệu từ hệ thống này sang hệ thống khác. Đối với doanh nghiệp đang xây dựng hạ tầng AI, đây là điểm cần xử lý trước khi bàn đến mô hình, khả năng tính toán hay tự động hóa.
Jabil cũng ưu tiên tái sử dụng giải pháp đã có thay vì mua một công cụ riêng cho từng nhu cầu cục bộ. Nếu một cơ sở cần một chức năng cụ thể, công ty xem xét liệu giải pháp tại địa điểm hoặc khu vực khác có thể được dùng lại hay không. Điều này đôi khi đòi hỏi thay đổi nhỏ trong quy trình kinh doanh, nhưng giúp giảm sự phân mảnh về lâu dài.
Giảm tùy chỉnh để tạo nền tảng có thể mở rộng
Giảm tùy chỉnh giúp doanh nghiệp duy trì một lõi công nghệ dễ quản trị và mở rộng hơn. Jabil đang kết hợp cách tiếp cận lõi sạch với tiêu chí quản trị, quy trình rà soát và chuẩn hóa có chọn lọc, thay vì áp dụng một cấu hình giống hệt tại mọi cơ sở.
Quản trị tùy chỉnh trong quá trình chuyển đổi
Theo Manohar, hệ thống SAP của Jabil đã được tùy chỉnh nhiều trong 25 năm. Các tùy chỉnh này nhằm đáp ứng yêu cầu của khách hàng trên toàn cầu. Khi chuyển hệ thống sang RISE, công ty bắt đầu theo đuổi hướng tiếp cận lõi sạch. Jabil đồng thời thiết lập tiêu chí quản trị và quy trình rà soát để hạn chế tùy chỉnh nặng.
Đây không phải thay đổi có thể hoàn thành ngay. Các cơ sở của Jabil có mức độ trưởng thành quy trình khác nhau, sử dụng nhiều hệ thống cũ và chịu các yêu cầu pháp lý riêng. Một số hoạt động còn thuộc lĩnh vực được quản lý chặt chẽ, kéo theo yêu cầu về thẩm định và tuân thủ.
Chuẩn hóa vì thế không có nghĩa là áp đặt một cấu hình giống hệt ở mọi nơi. Mục tiêu là tạo ra luồng công việc, luồng dữ liệu và cơ chế quản trị nhất quán hơn mà không làm gián đoạn hoạt động hiện tại. Jabil sử dụng SAP Signavio để hỗ trợ quản lý và chuẩn hóa quy trình kinh doanh toàn cầu.
Manohar cho biết mục tiêu ban đầu là đưa các quy trình dùng chung, nhất quán giữa các khu vực tới hơn 40 nhà máy. Công ty muốn chuyển từ cách vận hành riêng theo từng cơ sở sang cách tiếp cận dựa trên năng lực chung của toàn doanh nghiệp. Số liệu này phản ánh mục tiêu mà Jabil đang hướng tới, không phải mức độ hoàn thành hiện tại.
Vì sao tích hợp phải đi trước AI
Tích hợp phải đi trước AI vì mô hình và tác nhân cần dữ liệu đúng, có ngữ cảnh và lưu chuyển ổn định giữa các hệ thống. Nếu dữ liệu còn phân tán hoặc quy trình chưa liên thông, AI khó đưa ra quyết định đáng tin cậy và khó tạo ra kết quả kinh doanh có thể đo lường.
Jabil không xem hiện đại hóa đơn thuần là nâng cấp hệ thống. Theo Manohar, mọi chương trình chuyển đổi hoặc hiện đại hóa phải tạo ra giá trị kinh doanh có thể đo lường. Các khoản đầu tư cần có luận chứng kinh doanh được bộ phận nghiệp vụ phê duyệt, thay vì chỉ xuất phát từ mong muốn triển khai công nghệ của bộ phận công nghệ thông tin.
Nguồn dữ liệu phải lưu chuyển ổn định
Trọng tâm của công ty là kết nối xuyên suốt các quy trình trong chuỗi cung ứng. Tích hợp được đặt lên trước vì dữ liệu là nền tảng của một tổ chức hiện đại. Dữ liệu phải lưu chuyển ổn định giữa các hệ thống. Sau đó, doanh nghiệp mới có thể tối ưu hóa, tự động hóa hoặc triển khai các trường hợp sử dụng AI.
Một nguồn dữ liệu đáng tin cậy không nhất thiết đồng nghĩa với việc mọi dữ liệu phải nằm trong SAP. Với Jabil, điều đó còn bao gồm khả năng xây dựng các luồng dữ liệu giữa những hệ thống ghi nhận hoạt động chuỗi cung ứng, lập kế hoạch và quản lý tồn kho.
Cách tiếp cận này cũng phù hợp với nguyên tắc vận hành các hệ thống như tác nhân lập trình AI. Một tác nhân chỉ có thể đưa ra hành động đáng tin cậy khi được cấp quyền truy cập vào dữ liệu đúng, có ngữ cảnh và nhất quán giữa các công cụ liên quan.
Thay đổi công việc hằng ngày của nhân viên
Quy trình tích hợp giúp nhân viên giảm thời gian đối chiếu dữ liệu và chuyển trọng tâm sang hành động. Thay vì xác định phiên bản thông tin nào là đúng, các nhóm có thể làm việc trên luồng liên thông, chia sẻ khả năng quan sát và phối hợp xử lý sự cố giữa nhiều hệ thống.
Trước chương trình chuyển đổi, người mua hàng, chuyên viên lập kế hoạch tồn kho và chuyên viên phân tích tài chính tại Jabil phải xử lý nhiều công cụ, phối hợp thủ công và đối chiếu dữ liệu giữa các khu vực. Thời gian dành cho việc xác định phiên bản dữ liệu nào là đúng làm chậm quá trình ra quyết định.
Khi các quy trình được tích hợp, người dùng có thể làm việc trên luồng công việc liên thông giữa nhiều hệ thống. Các nhóm cũng có thể chia sẻ khả năng quan sát dữ liệu. Mục tiêu là giảm công sức đối chiếu thủ công và xử lý sự cố nhanh hơn. Nhân viên nhờ đó chuyển từ việc truy tìm thông tin sang hành động dựa trên thông tin đã có.
Trong mô hình này, công nghệ không còn là phần việc phát sinh mà trở thành phương tiện hỗ trợ quyết định. Đây cũng là điều kiện để AI tham gia vào hoạt động thực tế, thay vì tồn tại như một thử nghiệm tách biệt khỏi quy trình kinh doanh.
Khả năng quan sát phải dẫn đến hành động
Khả năng quan sát chỉ tạo ra giá trị khi giúp doanh nghiệp phát hiện ngoại lệ sớm và phản ứng kịp thời. Jabil hướng tới việc sử dụng dữ liệu theo thời gian thực để xử lý gián đoạn, mô phỏng kịch bản và điều chỉnh chuỗi cung ứng mà không phải chờ đối chiếu thủ công.
Lợi ích lớn mà Jabil theo đuổi là khả năng quan sát theo thời gian thực đối với các sự kiện trong chuỗi cung ứng. Theo Manohar, điều này giúp công ty phản ứng nhanh hơn với gián đoạn và ngoại lệ, đồng thời giảm rủi ro vận hành.
Một ví dụ là luồng công việc hợp nhất giúp phát hiện vật liệu còn thiếu sớm hơn và đẩy nhanh việc xử lý giữa các cơ sở. Với một nhà sản xuất toàn cầu, vật liệu là thành phần nền tảng của chuỗi cung ứng. Phát hiện thiếu hụt sớm giúp đội ngũ vận hành có thêm thời gian để phối hợp phản ứng.
Jabil cũng đang xây dựng năng lực phân tích trên phạm vi toàn cầu. Năng lực này giúp điều chỉnh chuỗi cung ứng mà không phải chờ đối chiếu dữ liệu thủ công. Tuy nhiên, khả năng quan sát không chỉ là báo cáo những gì đang có trong hệ thống. Công ty muốn dùng dữ liệu để mô phỏng kịch bản và hỗ trợ điều chỉnh chiến lược. Dữ liệu cũng phục vụ việc chủ động ra quyết định và duy trì tính liên tục của hoạt động.
Nền dữ liệu tích hợp mở đường cho AI
Một nền dữ liệu tích hợp cho phép AI sử dụng thông tin đáng tin cậy, phản ứng với sự kiện và thực hiện hành động trên nhiều hệ thống. Tại Jabil, nền tảng này hỗ trợ định hướng tự động hóa ở quy mô lớn, xử lý ngoại lệ thông minh, lập kế hoạch và dự báo có AI hỗ trợ.
Khi nền tảng tích hợp đủ vững, Jabil có thể phát triển quy trình theo thời gian thực dựa trên sự kiện. Công ty cũng có thể tự động hóa ở quy mô lớn và áp dụng AI dễ dàng hơn. Các lĩnh vực trọng tâm gồm thông tin dự báo cho chuỗi cung ứng và xử lý ngoại lệ thông minh. Jabil còn hướng tới lập kế hoạch và dự báo có AI hỗ trợ.
Manohar nhấn mạnh rằng AI phải tăng cường chất lượng quyết định và tạo ra giá trị đo lường được. Mục tiêu không phải thử nghiệm AI chỉ để chứng minh rằng công nghệ có thể hoạt động. Tích hợp bảo đảm AI được truy cập dữ liệu đáng tin cậy và có thể thực hiện hành động trên nhiều hệ thống trong một doanh nghiệp toàn cầu.
Điều đó cũng cho thấy vì sao các vấn đề như tối ưu cơ chế triển khai mô hình AI chỉ là một phần của bài toán. Nếu dữ liệu đầu vào không nhất quán hoặc quy trình phía sau chưa liên thông, việc cải thiện hiệu suất mô hình không tự giải quyết được điểm nghẽn vận hành.
Bài học cho doanh nghiệp đang xử lý quá nhiều công cụ
Doanh nghiệp muốn tích hợp AI nên bắt đầu bằng ba việc: giảm số công cụ trùng lặp, kết nối các nguồn dữ liệu quan trọng và gắn đầu tư công nghệ với kết quả kinh doanh. Kiến trúc tích hợp cần đáp ứng nhu cầu dài hạn thay vì chỉ xử lý yêu cầu vận hành trước mắt.
Thông điệp đầu tiên từ kinh nghiệm của Jabil là coi tích hợp như nền móng, không phải phần bổ sung sau cùng. Doanh nghiệp nên đơn giản hóa trước khi nâng cấp, ưu tiên chuẩn hóa thay vì tối ưu riêng cho từng đơn vị và giúp các chuyên gia nghiệp vụ hiểu giá trị của quy trình dùng chung.
Tiếp theo, tổ chức cần tiến gần nhất có thể tới một nguồn dữ liệu đáng tin cậy. Một doanh nghiệp lớn vẫn có thể vận hành nhiều hệ thống, nhưng các nguồn dữ liệu cục bộ không nên tiếp tục tồn tại như những kho riêng không thể đối chiếu.
Thiết kế kiến trúc cho nhu cầu dài hạn
Kiến trúc tích hợp cũng phải phục vụ nhu cầu dài hơn hiện trạng trước mắt. Theo Manohar, Jabil đánh giá một mẫu kiến trúc mới dựa trên quy mô dự kiến trong 2 năm hoặc 3 năm tới. Ông khuyến nghị doanh nghiệp xây dựng kiến trúc có thể phục vụ trong 3 năm đến 5 năm. Kiến trúc không nên chỉ giải quyết yêu cầu của 6 tháng đến 1 năm.
Cuối cùng, thước đo cần tập trung vào tốc độ, khả năng quan sát, sức chống chịu và giá trị kinh doanh, không chỉ là số công nghệ đã triển khai. Theo cách nhìn của Jabil, sự đơn giản ở quy mô lớn là một lợi thế cạnh tranh, còn đầu tư công nghệ phải gắn trực tiếp với giá trị và khả năng duy trì hoạt động.
Bài viết này được viết lại cho độc giả Việt Nam từ nội dung Business Lab. Insights, bộ phận nội dung đặt hàng của MIT Technology Review, thực hiện chương trình với sự hợp tác của SAP. Nội dung gốc là cuộc trao đổi giữa Megan Tatum và Harish Manohar. Ông Manohar là Giám đốc công nghệ thông tin phụ trách SAP tại Jabil. Giro Studios sản xuất cuộc trao đổi này. Đây không phải nội dung do ban biên tập MIT Technology Review thực hiện.
Nếu doanh nghiệp đang chuẩn bị tích hợp AI, bước đầu tiên là xác định hệ thống nào cần hợp nhất, dữ liệu nào phải trở thành nguồn tin cậy và kết quả kinh doanh nào cần được đo lường.
