Humanos en las cadenas de suministro modernas

Joannes Vermorel

Las cadenas de suministro son sistemas complejos, posiblemente entre los más complejos jamás diseñados por el ser humano, que abarcan personas (muchas), máquinas (diversas) y software (enormes cantidades). La perspectiva que recientemente publiqué sobre DDMRP generó una animada discusión. Esto me llevó a reflexionar aún más sobre las diferencias fundamentales entre la Gestión Cuantitativa de la Cadena de Suministro (QSCM) y DDMRP. En su esencia, estas dos visiones discrepan profundamente sobre el papel de los seres humanos dentro de las cadenas de suministro.

QSCM está firmemente arraigada en la visión clásica de IBM:

las máquinas deben trabajar; las personas deben pensar;

En contraste, DDMRP adopta una postura de educación masiva, resumida de la mejor manera por su lema:

diseñado para las personas, no para la perfección;

Si bien la postura filosófica hacia los seres humanos en las cadenas de suministro no explica todas las diferencias entre QSCM y DDMRP, arroja luz sobre por qué estas dos perspectivas son irreconciliables hasta cierto punto.

Escasez vs abundancia de profesionales de la cadena de suministro

Tanto DDMRP como QSCM reconocen a los profesionales de la cadena de suministro como un recurso valioso para la empresa. Sin embargo, los dos enfoques difieren bastante en cómo se tiene en cuenta este aspecto en su metodología respectiva.

QSCM parte de la hipótesis de que cada decisión de la cadena de suministro mundana debe ser automatizada¹. Esta perspectiva enfatiza que los profesionales competentes de la cadena de suministro se consideran demasiado escasos y costosos como para gastar su tiempo en generar decisiones de almacenamiento, compra o fijación de precios. Todas esas decisiones pueden y deben ser automatizadas, para que los profesionales puedan centrarse en mejorar la receta numérica en sí misma. Desde una perspectiva financiera, QSCM convierte esos salarios de OPEX, donde se consumen días de trabajo para mantener el sistema en funcionamiento, en CAPEX, donde se invierten días de trabajo en la mejora continua del sistema.

El enfoque de DDMRP parte de la hipótesis de que los profesionales competentes de la cadena de suministro pueden ser capacitados en masa², lo que reduce tanto el costo para el empleador como el factor de riesgo asociado con la partida de cualquier empleado. Además, al adoptar recetas numéricas específicamente adaptadas para el procesamiento humano, las inversiones de OPEX en sí mismas pueden reducirse. DDMRP establece un proceso para generar decisiones mundanas de la cadena de suministro, pero lograr la automatización completa es en su mayoría un objetivo no prioritario³, aunque DDMRP no se opone a la automatización siempre que surja la oportunidad.

Curiosamente, se puede observar en cierta medida si la industria se inclina hacia la perspectiva de QSCM o hacia DDMRP. Si la perspectiva de QSCM se adopta de manera más amplia, los equipos de gestión de la cadena de suministro evolucionarán para convertirse en industrias de “talento” similares a otras, como las finanzas con sus traders cuantitativos, donde unos pocos individuos excepcionalmente talentosos impulsan el rendimiento de grandes empresas. Por otro lado, si la perspectiva de DDMRP se adopta de manera más amplia, los equipos de gestión de la cadena de suministro evolucionarán para convertirse en franquicias exitosas, como los gerentes de tiendas de Starbucks, donde los individuos excepcionales tienen poco efecto en el sistema, pero donde una cultura superior marca la diferencia entre las empresas.

Transparencia local vs global

Tanto QSCM como DDMRP se esfuerzan por evitar el efecto de la caja negra, que es inherente a cualquier intento de optimizar un sistema complejo. Ambos enfoques valoran la idea de lograr un grado de transparencia en la cadena de suministro; sin embargo, debido a suposiciones iniciales divergentes, ambos enfoques terminan con perspectivas muy diferentes sobre lo que implica la transparencia.

Desde la perspectiva de QSCM, la transparencia debe lograrse en primer lugar a nivel de gestión a través de drivers económicos cuantificados explícitamente⁴. Cada decisión producida por el sistema debe respaldarse con una serie de drivers, medidos en cantidades monetarias (por ejemplo, dólares), que motivan por qué se presenta esta decisión. Por ejemplo, una decisión de compra está motivada por el margen adicional que se generará al tener un inventario adicional (en lugar de no tenerlo), pero también se ve negativamente afectada por los costos de mantenimiento y un mayor riesgo de cancelación de inventario. La gestión tiene el control de los drivers económicos y, a nivel del sistema, QSCM es altamente transparente: el sistema simplemente implementa a gran escala las complejas pero mundanas implicaciones de esos drivers. Sin embargo, el inconveniente de una optimización a nivel de todo el sistema es que descifrar los detalles de cualquier decisión dada es complicado, precisamente porque cada decisión es un equilibrio complejo de muchos drivers evaluados en función de muchos futuros posibles[^possible futures].

Desde la perspectiva de DDMRP, la transparencia está destinada y se logra a nivel operativo. La simplicidad de las recetas numéricas asegura que cada decisión pueda evaluarse fácilmente como correcta simplemente “estimando” cuál debería ser el resultado. Además, siempre es posible replicar los cálculos en una hoja de cálculo. Además, a través de listas de prioridades, DDMRP mitiga la complejidad inherente de las cadenas de suministro al proporcionar un mecanismo de atención a los profesionales de la cadena de suministro, para que no tengan que revisar manualmente todos los SKU todo el tiempo. Sin embargo, el inconveniente de una estrategia de optimización local como la ofrecida por DDMRP es que los resultados a nivel del sistema, medidos en cantidades monetarias, son opacos. Por ejemplo, DDMRP no ofrece control a la gestión para ajustar una compensación sistémica como la resiliencia frente al crecimiento⁵ al considerar el riesgo de una pérdida abrupta de un cliente grande y en crecimiento que hasta ahora había estado ordenando productos diversos en cantidades diversas.

No es posible tener tanto transparencia local como global: o bien las decisiones están optimizadas localmente (como en DDMRP) con recetas numéricas simples, en cuyo caso no hay control ni transparencia sobre lo que sucede a nivel del sistema; o bien las decisiones están optimizadas globalmente, en cuyo caso todas las decisiones tienden a estar numéricamente entrelazadas, como sucede con QSCM, complicando cualquier intento de lograr transparencia al elegir una decisión de forma aislada.