Una reflexión sobre el trabajo de David Simchi-Levi

Joannes Vermorel

Entre los profesionales de supply chain, a menudo se me pregunta cómo se relacionan mis puntos de vista con los de David Simchi-Levi, cuyos libros de texto e investigaciones han dado forma a gran parte del vocabulario moderno del campo. Es una pregunta natural: muchos profesionales aprendieron supply chain a través de sus modelos y estudios de caso mucho antes de encontrarse con mi propio trabajo. Nuestras conclusiones frecuentemente riman, pero los caminos que tomamos para alcanzarlas difieren en aspectos importantes, y esas diferencias —en la forma en que planteamos la disciplina, el futuro y el rol del software— tienen consecuencias prácticas en cómo las empresas diseñan y operan sus supply chain.

He expuesto mis puntos de vista con mayor extensión en otros lugares, más recientemente en mi libro Introduction to Supply Chain y en el ensayo Supply Chain as Economic Bets in a Market-Driven World, pero mi intención aquí es modesta: clarificar mi propia perspectiva al colocarla lado a lado con la de Simchi-Levi. Me centraré en su ampliamente leído libro de texto Designing and Managing the Supply Chain y en su libro de gestión Operations Rules, así como en su trabajo sobre riesgo de supply chain y digitalización.

¿Qué es lo que realmente estamos gestionando?

Si preguntas a un libro de texto típico de operaciones qué es la gestión de supply chain, es probable que leas alguna variación de lo siguiente: la integración de proveedores, fábricas, almacenes y tiendas para que el producto correcto se entregue en el lugar adecuado en el momento oportuno, al costo total mínimo, sujeto a requisitos de servicio. El libro de texto de Simchi‑Levi se mantiene cercano a este espíritu y hace un buen trabajo desarrollando modelos en torno a ello.

Esta definición no es incorrecta; simplemente es incompleta. Describe la fontanería, pero no el juego que se está jugando.

Para mí, supply chain es ante todo una actividad económica. Las empresas no se dedican a “minimizar los costos logísticos” o “maximizar los niveles de servicio” de manera abstracta. Se dedican a asignar recursos escasos que tienen usos alternativos – efectivo, capacidad, espacio en estanterías, e incluso la atención de los planificadores – con la esperanza de obtener más dinero de vuelta, más pronto que tarde. En ese sentido, supply chain es economía aplicada bajo incertidumbre, encarnada a través del software. Desarrollo esta visión de manera más sistemática – describiendo supply chain como una cartera de apuestas económicas bajo incertidumbre – en Supply Chain as Economic Bets in a Market-Driven World.

Una vez que ves supply chain de esta manera, el objeto central no es el camión o el almacén, sino la opción: la capacidad de hacer algo valioso cuando las circunstancias resultan de una forma en lugar de otra. El inventario es una opción para vender. La capacidad de producción excedente es una opción para reaccionar ante un repunte. Un segundo proveedor es una opción para evitar ser tomado como rehén. El punto de la disciplina es cultivar y ejercer esas opciones de maneras que generen retornos superiores.

Simchi‑Levi ciertamente reconoce la incertidumbre, y ha escrito extensamente sobre la agrupación de riesgos, la mitigación de efectos látigo y el diseño de redes flexibles. Donde diferimos es que, para él, la incertidumbre es algo que debe ser controlado; para mí, es la sustancia misma de la cual supply chain extrae valor.

Funciones objetivo: el dinero versus los proxies

Una segunda área en la que divergen nuestras perspectivas es la cuestión de lo que estamos tratando de optimizar.

En Designing and Managing the Supply Chain, la formulación estándar es minimizar el costo total del sistema – producción, transporte, inventario, instalaciones – sujeto a restricciones de nivel de servicio y capacidad. Este es el lenguaje en el que se han escrito muchos modelos de optimización en investigación de operaciones: una suma ponderada de costos aquí, una restricción de nivel de servicio allá.

En Operations Rules, Simchi‑Levi da un paso importante hacia adelante. Insiste en que la estrategia de operaciones debe estar anclada en la propuesta de valor de la empresa y argumenta que la flexibilidad es el habilitador clave que conecta las operaciones con el valor para el cliente. Este es un mensaje poderoso, y estoy completamente de acuerdo con la idea de que la flexibilidad es desproporcionadamente valiosa.

Lo que encuentro problemático es dejar la función objetivo al nivel de “costos y niveles de servicio” o “valor para el cliente” sin forzar todo a través de la estrecha traba del dinero y el tiempo. Si no reducimos nuestras muchas métricas a algo parecido a una tasa de retorno sobre el capital y el riesgo que desplegamos, estamos efectivamente optimizando proxies. Los proxies son convenientes, pero también son sutiles fuentes de desalineación. Es completamente posible mejorar los niveles de servicio y reducir los costos locales mientras se destruye el valor para los accionistas una vez que se contabiliza adecuadamente la intensidad de capital, el riesgo y el costo de oportunidad.

Esto no es una invitación a adorar un único KPI mágico. Es un llamado a reconocer que, al final del día, las decisiones de supply chain son decisiones de inversión. Deben ser planteadas y juzgadas como tales.

Planificar el futuro versus prepararse para él

Una tercera diferencia concierne a nuestra postura frente al futuro mismo.

El cuerpo de trabajo de Simchi‑Levi asume, con toda razón, que las empresas planificarán. Los forecast se refinan, los procesos push y pull se separan, se establecen objetivos de inventario y se asignan capacidades. Modelos mejores, la agrupación de riesgos y los contratos hacen que estos planes sean más robustos. La cosmovisión subyacente es que existe un plan “bueno” para la red, y que nuestro trabajo es aproximarlo a pesar de la incertidumbre.

Mi experiencia en la industria me ha hecho desconfiar de esta mentalidad de planificación. No porque la planificación sea inútil, sino porque la forma en que se practica tiende a confundir la predicción con el control. Los forecast se tratan como una especie de verdad frágil sobre el futuro. Una vez acordados, se convierten en una restricción a la que todos deben conformarse. Las desviaciones se ven como fallas en la ejecución más que como señales de la realidad.

En mi opinión, el futuro no es una especificación de ingeniería que podamos cumplir si tan solo trabajamos lo suficiente en nuestras hojas de cálculo de planificación. Es un entorno disputado, dependiente del camino y profundamente incierto, moldeado por competidores, reguladores, clientes y eventos aleatorios. Contra este telón de fondo, la pregunta clave no es “¿Cuál es el plan correcto?” sino “¿Qué cartera de opciones necesitamos para que, cuando el futuro nos sorprenda, seamos más ayudados que perjudicados?”

El trabajo de Simchi‑Levi sobre la exposición al riesgo trata en gran medida sobre esta cartera, incluso si utiliza un lenguaje diferente. Su Índice de Exposición al Riesgo, basado en las nociones de tiempo de recuperación y tiempo de supervivencia, proporciona una manera cuantitativa de identificar qué instalaciones o proveedores representan el mayor riesgo de interrupción y de priorizar la mitigación. Aplaudo esto. Mi crítica no es hacia la herramienta, sino hacia la creencia residual de que, una vez que hemos ajustado nuestra red y realizado nuestras pruebas de estrés, estamos “de nuevo en camino” hacia un plan.

Desde mi lado, abogo por un estilo de toma de decisiones que se centre menos en converger hacia un único forecast y más en valorar y revaluar continuamente las opciones a medida que llega nueva información. En la práctica, eso significa adoptar visiones probabilísticas de la demanda y la oferta, e inyectarlas directamente en la lógica de las decisiones en lugar de tratarlas como una actividad de forecasting separada que alimenta las reuniones de planificación. Por primera vez expuse esta crítica a los forecast de un solo número y a la planificación por consenso en la sección “Forecasts, plans, and the illusion of certainty” de Supply Chain as Economic Bets in a Market-Driven World.

El rol del software: de los registros a las decisiones

Aquí, el contraste no es tanto entre Simchi‑Levi y yo, sino entre dos eras.

Simchi‑Levi escribe en la tradición de la investigación de operaciones. Sus libros presentan modelos – para el diseño de redes, inventario, contratos, flexibilidad – y estudios de caso que muestran cómo las empresas pueden utilizar estos modelos para mejorar el rendimiento. La tecnología de la información aparece como un habilitador: una forma de implementar una mejor planificación, recopilar mejores datos y, más recientemente, aplicar analytics y machine learning a escala. Su trabajo más reciente combina explícitamente la digitalización, analytics y automatización como los tres pilares de una modern supply chain.

Comparto este entusiasmo por los datos y analytics, pero coloco mucho más énfasis en la arquitectura de software en sí. Durante las últimas dos décadas, la mayoría de las grandes empresas han terminado con una pila de “systems of records” – ERP, WMS, TMS y similares – para capturar transacciones. Sobre estos, han construido o adquirido herramientas de reporting y planning que analizan la historia y ayudan a coordinar las decisiones humanas. Lo que aún falta en gran medida es una capa dedicada cuyo único propósito sea tomar y ejecutar decisiones de forma automática, a escala, bajo incertidumbre.

Estos sistemas de decisión no son solo “clever reports”. Codifican una lógica económica real: cuál es el trade‑off aceptable entre el riesgo de faltante de stock y el costo de oportunidad del capital; cuándo es racional pagar por una segunda fuente; cómo reasignar la capacidad escasa cuando la demanda se dispara en una región y colapsa en otra. Funcionan diariamente, o cada hora, con una intervención humana mínima. Su rendimiento se mide no por los ahorros proyectados en un caso de negocio, sino por los flujos de caja realizados.

Nada en los escritos de Simchi‑Levi contradice esta visión. Al contrario, su insistencia en que las empresas deben usar analytics y machine learning para impulsar mejores precios, promociones y operaciones está totalmente alineada con ella. Donde insisto con más firmeza es en argumentar que, a menos que las empresas traten la ingeniería de estos sistemas de decisión como un problema de software de primera clase, nunca se beneficiarán completamente de los modelos y conocimientos que académicos como él han estado produciendo durante décadas.

Incentivos y el sistema humano alrededor de los modelos

Los modelos y el software no viven en un vacío. Se sitúan dentro de organizaciones pobladas por personas con incentivos, miedos y planes de carrera. Aquí nuevamente, mi enfoque es ligeramente diferente al de Simchi‑Levi.

Sus libros de texto reconocen los objetivos desalineados en adquisiciones, manufactura, logística y ventas, y discute mecanismos contractuales y esquemas de coordinación para alinear a los socios de supply chain. Este es un tema importante, y su trabajo sobre contratos, flexibilidad y reparto de riesgos es ampliamente citado.

Mi experiencia con grandes implementaciones me ha hecho ser más pesimista acerca de lo fácilmente que estos desalineamientos pueden solucionarse únicamente con buena voluntad y contratos ingeniosos. Algunos conflictos de intereses son estructurales. Un proveedor de software que cobra por usuario tiene poco incentivo para automatizar el trabajo de los planificadores. Un consultor que factura por día es poco probable que recomiende la solución más simple que haría innecesaria su presencia. Una función cuyo prestigio depende del número de empleados instintivamente resistirá la automatización.

Estos no son fallas morales; son simplemente comportamientos previsibles bajo ciertas estructuras de incentivos. Para los líderes de supply chain, la implicación es que la arquitectura del sistema de decisión incluye la arquitectura del sistema humano que lo rodea: quién posee qué decisiones, quién es recompensado por qué, quién tiene la autoridad para cambiar de modos manuales a automatizados. Sin esto, incluso los mejores marcos analíticos se verán domados en algo políticamente aceptable pero económicamente mediocre.

Convergencias que vale la pena preservar

Hasta ahora he enfatizado las diferencias, porque son las que aclaran mi propia posición. Es igualmente importante reconocer dónde convergen Simchi‑Levi y yo, pues esas convergencias nos dicen algo sobre la dirección en la que el campo se está moviendo casi independientemente del punto de partida filosófico.

Ambos tratamos a supply chain como sistemas y rechazamos la optimización local y en silos. Ambos consideramos que la incertidumbre y la variabilidad son aspectos centrales, no molestias periféricas. Ambos pensamos que la flexibilidad – ya sea que la llames flexibilidad u optionality – es desproporcionadamente valiosa, y que las empresas deberían estar dispuestas a pagar por ella. Ambos vemos los datos, analytics y la automatización como esenciales para cualquier intento serio de mejora.

Estas convicciones compartidas no son triviales. Hace veinte años, la narrativa dominante en muchas salas de juntas todavía era sobre lean, just‑in‑time y single‑sourcing – la eficiencia como un fin en sí mismo. Hoy, después de confinamientos, guerras y crisis financieras, la conversación se está desplazando lentamente hacia la resiliencia, optionality y las capacidades digitales. El trabajo de exposición al riesgo de Simchi‑Levi ha ayudado a impulsar este cambio en las salas de juntas e incluso en los círculos de políticas públicas. Veo mi propio trabajo como parte del mismo movimiento, aunque con un énfasis y un vocabulario diferente.

Por qué importan los detalles filosóficos

Uno podría preguntar: si las prescripciones a menudo riman – más flexibilidad, mejores analytics, un diseño más holístico – ¿por qué molestarse con disputas filosóficas sobre los objetivos y la naturaleza del futuro?

Porque, en la práctica, estos detalles filosóficos se filtran en las decisiones de diseño.

Si piensas en términos de “minimizar el costo para un nivel de servicio dado,” te sentirás tentado a tratar los objetivos de servicio como exógenos y a solidificarlos en restricciones. Si piensas en términos de “maximizar el retorno económico bajo incertidumbre,” es más probable que cuestiones si los propios objetivos de servicio están justificados económicamente, y a ajustarlos de forma dinámica a medida que las condiciones cambian.

Si ves el futuro como algo que puede ser aproximado por un único plan, invertirás fuertemente en ciclos de planificación, reuniones y construcción de consensos. Si ves el futuro como una fuente de sorpresas que se pueden explotar, invertirás más en data pipelines, motores de decisión automatizados y opciones que te den margen para maniobrar cuando los planes inevitablemente se rompan.

Si consideras la TI principalmente como una función de soporte para implementar una mejor planificación, comprarás otro módulo para tu ERP. Si la consideras como el medio en el que vive tu lógica económica, te preocuparás por la separación entre systems of record y systems of decision, por la versioning de los modelos, por la experimentación y por el safe rollback.

El trabajo de Simchi‑Levi incita a las empresas en las direcciones correctas en muchos de estos frentes. Mi propia contribución es argumentar que debemos ir más allá: tratar el supply chain como una disciplina de ingeniería de decisiones económicas cuyo hogar natural es el software; medir nuestro éxito en última instancia en money y tiempo; y construir organizaciones y sistemas que traten la incertidumbre no como un enemigo que debe ser reprimido sino como la materia prima del beneficio.

En esos puntos, el contraste no es personal. Es una decisión que cada líder de supply chain debe tomar.