Estupidez Natural vs. Inteligencia Artificial
Transcripción de la charla impartida por Joannes Vermorel en SCTech 2024 el 9 de octubre (2024). Tema del simposio: ‘Supply Chain Intelligence - Artificial or Not’. El evento fue organizado por la Interational Supply Chain Education Alliance (ISCEA).

La IA ha sido la palabra de moda para 2024. Proveedores, compañías de software y consultores por igual están haciendo afirmaciones grandilocuentes sobre todos los beneficios que se pueden esperar de artificial intelligence. Lokad, mi compañía, es uno de esos proveedores, un proveedor de software que se especializa en la optimización predictiva de supply chain. Sin embargo, mi objetivo hoy será demostrar que la casi totalidad de esas iniciativas de IA fracasarán y resultarán en pérdidas netas para las compañías. Esta postura contraria es esencial: ¿por qué? Porque, bueno, tu iniciativa de IA fracasará, sí, lo hará a pesar de lo que mis competidores te estén vendiendo, y cuando suceda, recordarás que hubo un tipo con un divertido acento francés que te lo dijo; y tal vez, la próxima vez, prestarás atención a lo que su compañía, Lokad, realmente está defendiendo en lo que respecta a supply chain e IA.
En esta era de la emergente inteligencia artificial, echemos un vistazo a su némesis, la estupidez natural. Einstein dijo famosamente: “Dos cosas son infinitas, el universo y la estupidez humana, y no estoy aún completamente seguro sobre el universo.” Einstein tenía razón: la importancia de la estupidez natural no puede sobreestimarse, y a diferencia de la IA, ha existido prácticamente desde siempre. Por lo tanto, se puede asumir con seguridad que aún estará con nosotros dentro de unas décadas.
Mi propuesta hoy será tan simple como ofensiva: la estupidez natural es el principal obstáculo que te impedirá tener éxito con tu iniciativa de supply chain impulsada por IA.
Ahora, es muy probable que esta propuesta sea percibida como increíblemente arrogante. En mi defensa, diré que eso no la hace menos cierta, y que la arrogancia es también el segundo deporte nacional más grande en Francia, justo después de la burocracia. Más en serio, seré el primero en admitir que es una pastilla amarga de tragar, siendo dolorosamente consciente de mis propias limitaciones, pero permanecer en negación del problema no resolverá nada.
Primero, aclaremos una distinción importante entre dos clases de software empresarial: los sistemas de registros y los sistemas de inteligencia. Cuando se trata de supply chain, los sistemas de registros son los contables del flujo de bienes físicos. Esos sistemas registran los productos, las órdenes de compra, las órdenes de fabricación, las órdenes de venta, los stock levels, etc. Los sistemas de registros se encargan de todas las entradas de datos mundanos y automatizan todas las tareas administrativas, como el totalizado de inventarios. No son más que versiones más económicas y confiables de los antiguos rastros en papel. ERP, CRM, PIM, PLM, WMS … todos esos acrónimos, tan opacos como máximo, se refieren a sistemas de registros. Los sistemas de registros son categóricamente no inteligentes. Tampoco son estúpidos: la inteligencia ni siquiera se aplica a ellos. Por lo tanto, los sistemas de registros quedarán totalmente fuera de la presente discusión.
Hoy, me centraré exclusivamente en los sistemas de inteligencia. Un sistema de inteligencia es una clase de enterprise software que está destinado a mecanizar un proceso de decision-making. Cuanto más inteligente sea el software, mejores serán las decisiones. Por ejemplo, los filtros antispam han sido sistemas de inteligencia discretos pero ubicuos que, durante las últimas dos décadas, han decidido, en tu lugar, qué mensajes merecían tu atención.
En supply chain, las decisiones de interés son: ¿Cuándo comprar? ¿Cuánto comprar? ¿Cuánto producir? ¿Cuánto asignar? Etc. Optimizar el flujo de bienes físicos requiere, aproximadamente, una docena de clases principales de decisiones que deben tomarse a diario. La inteligencia se demuestra generando decisiones rentables. Por el contrario, la estupidez se demuestra al no generar decisiones rentables. Así, cada vez que se mencione la inteligencia artificial, debe entenderse como un componente de un sistema de inteligencia.
Mi propuesta es que los sistemas de inteligencia dedicados a supply chain, que se han vendido a empresas desde finales de los años 70, han sido una corriente ininterrumpida de fracasos desalentadores. Lokad, mi compañía, puso fin a esta corriente ininterrumpida de fracasos a principios de la década de 2010. A nivel mundial, existen algunas otras excepciones similares, sin embargo, Lokad, al igual que esas excepciones, están fuera del alcance de esta charla. Invito al público a echar un vistazo al sitio web de Lokad.com y al canal de YouTube de Lokad TV si desean saber más. Volviendo al tema en cuestión, el hecho de que la inteligencia artificial, entregada en forma de Large Language Models (LLMs), esté disponible no hará nada para cambiar esta tendencia de fracasos en supply chain. De hecho, como veremos, esos fracasos no fueron causados por la falta de instrumentos tecnológicos, y por lo tanto, agregar más instrumentos a la pila no cambiará nada, a menos que aborde primero el problema subyacente. Desafortunadamente, no es una tarea fácil, ya que el problema subyacente resulta ser la estupidez natural.
Primero, permítanme demostrar la validez de mi diagnóstico. En 1979, Russell Ackoff, un pionero estadounidense de la investigación de operaciones, publicó “The Future of Operational Research is Past”. Este fascinante artículo explica, con gran claridad, por qué todas las técnicas que surgieron de la investigación de operaciones, que incluyen prácticamente todo lo considerado como el “núcleo” de supply chain en la actualidad, están fracasando, por qué todo el dominio es defectuoso y por qué seguirá fracasando mientras la comunidad, tanto académicos como profesionales, no acepte este paradigma defectuoso. Este es un artículo visionario, y probablemente el único artículo que desearía haber leído cuando comencé Lokad en 2008. Desafortunadamente, solo redescubrí este artículo una década después, cuando esencialmente había llegado a las mismas conclusiones, casi 4 décadas después del trabajo de Russell Ackoff. ¿Cómo sabemos que esos sistemas de inteligencia para supply chains están fracasando? ¿Que lo que se considera software empresarial dedicado a supply chain optimization está fracasando? Bueno, después de haber tenido la oportunidad, a lo largo de mi carrera, de hablar con más de doscientas directoras y directores de supply chain a ambos lados del Atlántico, puedo afirmar lo siguiente: todos esos productos de software empresarial han resultado invariablemente en que los equipos de supply chain vuelvan a las hojas de cálculo de Excel.
No hay faltante de stock de software empresarial que prometa automatizar los procesos de toma de decisiones en supply chain. Esa ha sido la promesa central de todos los proveedores de software que se ocupan de la optimización de supply chain desde finales de los años 70, y sin embargo, después de cada despliegue, los equipos de supply chain volvieron a utilizar hojas de cálculo. No necesitas creerme. Si trabajas en una empresa de gran tamaño, digamos, de medio billón de euros de facturación en adelante, puedo garantizar que ha habido al menos un intento fallido de implementar tal solución cada década desde los años 90. Sin embargo, estimados profesionales de supply chain, aún están utilizando hojas de cálculo, y no es porque su empresa sea inmadura o porque sus colegas sean vagos. Siguen utilizando hojas de cálculo porque esos proveedores de software empresarial fracasaron, porque sus sistemas de inteligencia fallaron. Mi propuesta -y no voy a hacer muchos amigos hoy- es que esos fracasos deben atribuirse a la estupidez natural, de hecho, al mismo tipo de estupidez que Russell Ackoff identificó con tan gran claridad en 1979, después de décadas de contribución en el campo de la investigación de operaciones.
Para demostrar esta propuesta, estaré examinando 4 objetos que, en el contexto de supply chain, son demostrablemente estúpidos. Esos 4 objetos son: RFPs (solicitud de propuestas), time-series, safety stocks, y service levels. Cualquier compañía que utilice alguno de esos 4 objetos se está preparando para el fracaso. No importa cuánta “IA” se aplique al caso. La estupidez natural no puede ser vencida por la inteligencia artificial.
Comencemos con las solicitudes de propuestas. Seleccionar al proveedor adecuado es obviamente crucial, ya que claramente no falta proveedor de software absolutamente incompetente que esté más que dispuesto a cobrar millones de euros en honorarios por tecnologías desalentadoras. Por lo tanto, a menos que tu empresa tenga un proceso de selección de proveedores muy robusto, casi seguramente terminarás con un proveedor incompetente. Sin embargo, los RFP no son el camino.
Como proveedor de software en el lado receptor - recibimos varios RFPs por semana - puedo dar fe de que esos documentos no solo son invariablemente estúpidos, sino que también son francamente insanos. Como regla general, un RFP incluye cientos de preguntas. Cada pregunta parece competir por el premio a la pregunta más irrelevante de todos los tiempos. Por ejemplo, la semana pasada, una de las preguntas fue: ¿cuáles son las capacidades de resistencia al fuego disponibles para la sala de almacenamiento dedicada a tu archivo de fax? Estamos en 2024; no he usado un fax en dos décadas. De hecho, algunas de las personas más jóvenes en esta audiencia quizás ni siquiera sepan lo que es un fax.
Sin embargo, incluso las preguntas de supply chain son estúpidas. ¿Por qué? Porque la casi totalidad de las preguntas no son preguntas en absoluto, sino requisitos estrictos. La mayoría de las “preguntas” se parecen a: ¿Es tu software capaz de permitir a los usuarios actualizar perfiles de seasonality hasta 36 meses adelante? Hay tantas cosas mal con esta pregunta, que ni siquiera sé por dónde empezar.
Retrocedamos e imagina escribir un RFP para comprar un smartphone. Intuitivamente sientes que el iPhone es el mejor smartphone que existe. Sin embargo, comienzas a enumerar requisitos en tu RFP, como el tamaño de la batería, el material de la pantalla, la configuración exacta que debería o no estar disponible para el usuario final. ¿Cuáles son las probabilidades de que tu lista de requisitos termine excluyendo el iPhone del RFP? Suponiendo 100 preguntas o más, las probabilidades son del 100%. Invariablemente terminarás excluyendo a todos los proveedores decentes. Los únicos proveedores que jugarán este juego estúpido son aquellos tan desesperados, porque su tecnología es tan deficiente, que no tienen otra opción que decir SÍ a cada requisito mal orientado planteado por el cliente.
Así, los RFPs son la primera manifestación de la estupidez natural que debe desaparecer.
Después, tenemos las series de tiempo. Oh, no niego que las series de tiempo son buenas para propósitos de visualización, pero para propósitos de optimización de supply chain, esto es estúpido. Como resultado, cualquier solución, marco o tecnología que coloque las series de tiempo al frente está garantizado que fallará; excepto que este fracaso recaerá sobre ti, porque deberías haberte dado cuenta de que usar series de tiempo fue una idea estúpida desde un principio.
De hecho, las series de tiempo, como modelo matemático, simplemente no son capaces de transmitir la información que necesitamos. Las series de tiempo son unidimensionales, y para supply chain, esto simplemente no es suficiente. Por ejemplo, consideremos una compañía que ha estado vendiendo 100 unidades, más o menos, cada semana durante años. La demanda parece extremadamente estable. Ahora, consideremos dos variantes de esta situación. En la primera situación, la compañía tiene 1000 clientes, donde cada cliente compra 1 unidad cada 10 semanas. En la segunda situación, la compañía tiene 1 cliente único que compra 100 unidades a la semana. ¿Cuáles son las probabilidades de que las ventas puedan caer a cero la próxima semana y mantenerse en cero para siempre? Bueno, en la primera situación, esas probabilidades son muy bajas. Después de todo, son 1000 clientes. Perderlos a todos tomará, muy probablemente, tiempo. Sin embargo, en la segunda situación, solo se necesita que 1 cliente cambie de opinión para perder el 100% de las ventas. Esas dos situaciones no se parecen en nada, y sin embargo, tienen las mismas series de tiempo.
Este ejemplo demuestra por qué las series de tiempo no son adecuadas para representar el pasado. Se pueden encontrar docenas de otros ejemplos. Dejo eso como un ejercicio para la audiencia.
Sin embargo, las series de tiempo no mejoran si estamos mirando hacia el futuro. Tu serie de tiempo está diciendo “esto es lo que pasará”, “este es el único futuro”. Sin embargo, el futuro depende de decisiones que aún no se han tomado. Las series de tiempo son completamente ajenas a esto, tratan el futuro como si fuera completamente simétrico al pasado. Sin embargo, los supply chain no son física. No podemos mirar al future demand de un producto como si fuera el movimiento del planeta Marte. El futuro es radicalmente distinto del pasado porque podemos cambiar el futuro.
Sin embargo, solo podemos cambiar el futuro si estamos dispuestos a cambiarlo, es decir, si estamos dispuestos a dejar de usar series de tiempo. De nuevo, en supply chain, ninguna cantidad de inteligencia artificial puede deshacer la estupidez natural asociada a las series de tiempo.
Ahora, volvamos nuestra atención a los safety stocks. Este es uno de los pilares de la teoría moderna de supply chain. Casi ningún libro de texto de Supply Chain Quantitativa de la variedad cuantitativa deja de cubrir los safety stocks. Los safety stocks también son el tipo de características básicas que se espera que cualquier software de optimización de supply chain decente tenga. Sin embargo, mi propuesta es –y no debería ser una gran sorpresa en este punto– que los safety stocks son estúpidos. La razón es extremadamente simple: las fórmulas de safety stock son la respuesta correcta a la pregunta equivocada. Consideremos un supply chain que involucra invariablemente miles de SKUs (unidades de mantenimiento de inventario). Si tienes €1 para invertir en inventario, entonces la pregunta es “¿cuál es la unidad de inventario entre todos los SKUs que maximizará mis ganancias?”. No tiene sentido plantear la pregunta como “¿Debería este SKU en particular recibir 1 unidad extra en stock?”. Todos los SKUs compiten por el mismo recurso escaso: el efectivo de la compañía. Tratar a todos los SKUs de forma aislada es como asumir que la cantidad de efectivo disponible para la compañía es infinita.
Además, la propia definición de economía es la ciencia que estudia la asignación de recursos escasos que tienen usos alternativos. El propio concepto de existencias de seguridad contradice la economía elemental, de hecho, contradice la propia definición de economía.
Así, considerando la magnitud del error que representan las existencias de seguridad, es totalmente inadecuado calificar este error de equivocado, ahora tenemos una expresión mucho mejor para esta clase de errores: ser tonto.
Finalmente, consideremos los niveles de servicio. Si pudiera ganar 1€ cada vez que una empresa estuviera aprovechando un nivel de servicio para infligirse daños económicos, ya sería multimillonario. En supply chain, el nivel de servicio es la probabilidad de que un SKU dado no enfrente un faltante de stock durante el próximo ciclo de inventario. Como una pieza de estadística descriptiva, los niveles de servicio están bien, no son ni inteligentes ni tontos, como cualquier otro simple indicador.
La estupidez solo se manifiesta cuando la gente empieza a asumir que el nivel de servicio -este porcentaje- está de alguna forma correlacionado con la satisfacción del cliente o la rentabilidad de la empresa. No es así. Consideremos la moda: para dar espacio a la próxima colección, la empresa debe liquidar la colección anterior. Bajar los niveles de servicio a cero es necesario para traer novedad y mantener a los clientes satisfechos.
Por el contrario, consideremos la aviación. Un avión comercial típico involucra alrededor de 300.000 piezas distintas. Decenas de miles de piezas deben ser inspeccionadas y reemplazadas rutinariamente. Si resulta que una sola pieza NO-GO no está disponible, entonces la aeronave queda inoperativa, causando cientos de miles de euros en daños económicos por día. Tener niveles de servicio del 99% en todos tus SKUs no significa nada: solo importa la probabilidad de que la aeronave no quede inoperativa. Es el eslabón más débil el que define el número de incidentes AOG (aircraft on ground) que tendrás. El nivel de servicio promedio es totalmente irrelevante.
Problemas similares en cada vertical, no solo en la moda y la aviación. Una vez más, dejo esto como ejercicio para esta audiencia. La lógica elemental dicta que solo los tontos perseguirían los niveles de servicio, y sin embargo, aquí estamos, con la mayoría de las empresas haciendo exactamente eso, y sus gerentes preguntándose si deberían invertir en algunas tecnologías de optimización de niveles de servicio potenciadas por IA.
En conclusión, la inteligencia artificial no te salvará de las teorías falsas de supply chain. No te salvará de los consultores cuya única competencia es el espectáculo y su capacidad para infundir confianza. No te salvará de los proveedores de software que están más que dispuestos a venderte la locura que sea moda hoy en día.
Para tener éxito con la inteligencia artificial, la estupidez natural debe ser vencida primero. En el gran esquema de las cosas, mi empresa, Lokad, no tendrá éxito; pero, si podemos hacer una mella en el problema, señalando las ideas más populares y tontas de supply chain, como lo hice hoy, entonces ya es un paso hacia la victoria.