Pseudo-ciencia en las cadenas de suministro

00:00:07 El cientificismo y su prevalencia en las cadenas de suministro.
00:00:34 Explicación del cientificismo y sus consecuencias en varios campos.
00:02:16 Ejemplos del mundo real de una dependencia excesiva en resultados científicos y atajos.
00:04:07 La previsión de la demanda en la cadena de suministro como ejemplo de cientificismo.
00:06:50 Alternativas al cientificismo en la gestión de la cadena de suministro y considerando sistemas complejos.
00:08:01 La simplificación excesiva y su impacto en los profesionales de la cadena de suministro.
00:09:45 Abordando el problema del racionalismo ingenuo en la gestión de la cadena de suministro.
00:12:38 La importancia del juicio humano en las cadenas de suministro y las limitaciones de los modelos cuantitativos.
00:14:48 Equilibrar las ideas respaldadas por datos con el juicio de alto nivel en la toma de decisiones.
00:15:38 Asegurar la comprensión del cliente y evitar el racionalismo ingenuo en Lokad.
00:17:06 La necesidad de considerar factores significativos como el Año Nuevo Chino en la planificación de la cadena de suministro.
00:18:30 Ser escéptico de las organizaciones racionales y la importancia de combinar la ciencia con el sentido común.
00:19:51 Los ingenieros altamente educados pueden no tener idea de las aplicaciones del mundo real.
00:21:02 La necesidad de conocimientos expertos, sentido común y evitar tonterías a escala industrial.

Resumen

El fundador de Lokad, Joannes Vermorel, analiza el concepto de cientificismo en la optimización de la cadena de suministro en una entrevista con Kieran Chandler. El cientificismo se define como una dependencia excesiva de la ciencia, asumiendo que todos los problemas se pueden resolver a través de un enfoque científico. Vermorel advierte contra una excesiva énfasis en enfoques algorítmicos para la previsión de la demanda, ya que estos modelos pueden ser demasiado simplistas y llevar a profecías autocumplidas. Él enfatiza la importancia del juicio humano de alto nivel en la gestión de la cadena de suministro, así como la necesidad de considerar efectos de segundo orden y reconocer la complejidad de los sistemas y las personas involucradas. Vermorel aconseja a los clientes que confíen en conocimientos expertos y sentido común al implementar soluciones de optimización de la cadena de suministro.

Resumen Extendido

En esta entrevista, el presentador Kieran Chandler y Joannes Vermorel, el fundador de Lokad, discuten el concepto de cientificismo y cómo afecta la optimización de la cadena de suministro. El cientificismo se describe como una creencia extrema en la ciencia, asumiendo que todos los problemas se pueden resolver a través de un enfoque científico. En el contexto de la gestión de la cadena de suministro, este término es sinónimo de racionalismo ingenuo, sugiriendo que una sola receta, algoritmo o tecnología puede resolver todos los problemas de la cadena de suministro.

Vermorel señala que las grandes organizaciones a menudo imitan el método científico en su gestión de la cadena de suministro, centrándose en números, fórmulas y contratando personas con doctorados. Sin embargo, estas características por sí solas no hacen necesariamente que su enfoque sea científico. Él compara este fenómeno con una fachada, creando una ilusión de rigor científico sin adherirse verdaderamente al método científico.

Como ejemplo de cientificismo mal aplicado, Vermorel habla sobre la controversia que rodea a los valores p en las ciencias sociales. Los valores p se utilizan para medir la confianza en una hipótesis, pero cuando se prueban millones de hipótesis, algunas inevitablemente mostrarán resultados significativos debido a la aleatoriedad. Este problema ilustra cómo la dependencia excesiva en resultados aparentemente científicos puede llevar a conclusiones engañosas.

Aplicando este concepto a la gestión de la cadena de suministro, Vermorel identifica la previsión de la demanda como un área donde el cientificismo puede ser problemático. Hay numerosos libros y modelos sobre la previsión de la demanda, lo que puede dar la impresión de un enfoque racional bien establecido. Sin embargo, cuando se examinan estos modelos más de cerca, su racionalidad se vuelve cuestionable.

Discuten las limitaciones de ciertos enfoques algorítmicos para la previsión de la demanda y la necesidad de un juicio humano de alto nivel en la gestión de la cadena de suministro.

Vermorel explica que muchos algoritmos de previsión pueden ser demasiado simplistas y pueden llevar a profecías autocumplidas. Por ejemplo, si una previsión predice una demanda cero para un producto, es posible que el producto no se almacene y, por lo tanto, no se realicen ventas, reforzando la previsión inicial. También menciona que para las marcas de moda, el número de unidades producidas a menudo es igual al número de unidades vendidas, debido a los grandes descuentos en los artículos no vendidos. Estos ejemplos ilustran el problema de las profecías autocumplidas en los modelos de previsión ingenuos.

Para superar las limitaciones de estos modelos, Vermorel sugiere que los profesionales de la cadena de suministro deben reconocer la complejidad de los sistemas con los que están trabajando y las personas involucradas. También deben considerar los efectos de segundo orden, como cómo ofrecer descuentos puede crear expectativas de futuros descuentos por parte de los clientes. Él argumenta que los métodos científicos que se centran en los efectos de primer orden y las simplificaciones pueden ser fáciles de medir y comparar, pero no necesariamente son relevantes para el negocio.

Vermorel enfatiza la importancia del juicio humano en la gestión de la cadena de suministro. Él cree que se necesita inteligencia humana de alto nivel para determinar si un modelo matemático es útil o si está simplificando demasiado el problema. Si bien es posible abordar los problemas de la cadena de suministro científicamente, se requiere sutileza y no se puede reducir a simples medidas.

Señala que los profesionales de la cadena de suministro suelen ser conscientes de estos problemas, pero la atracción del cientificismo y el racionalismo puede ser tentadora, especialmente para personas altamente educadas. Estos profesionales pueden haber sido expuestos al éxito de los modelos cuantitativos en otros campos, como la termodinámica, y pueden esperar lograr la misma capacidad predictiva en la gestión de la cadena de suministro. Sin embargo, Vermorel advierte que los seres humanos no son partículas y su comportamiento es más complejo, lo que requiere un enfoque más matizado en la gestión de la cadena de suministro.

Un ejemplo de racionalismo ingenuo en la gestión de la cadena de suministro es el proceso de Planificación de Ventas y Operaciones (S&OP, por sus siglas en inglés). Vermorel señala que las divisiones dentro de una empresa pueden simplemente devolver pronósticos para cumplir con sus propios incentivos, en lugar de producir pronósticos precisos de la demanda.

Abordan la tendencia humana a ser adverso al riesgo, la importancia de respaldar los pronósticos con datos y el papel del juicio de alto nivel en la optimización de la cadena de suministro.

Vermorel reconoce que las personas son naturalmente adversas al riesgo y a menudo se basan en datos para respaldar sus afirmaciones y pronósticos. Él está de acuerdo en que es esencial utilizar datos para respaldar las ideas, pero advierte que hay que tener cuidado al tratar con estadísticas, especialmente cuando intervienen múltiples variables en problemas altamente complejos y de alta dimensionalidad.

Vermorel enfatiza la importancia del juicio de alto nivel en la supervisión de los cálculos y modelos utilizados en la optimización de la cadena de suministro, argumentando que es crucial asegurarse de que haya una perspectiva adecuada en el núcleo del análisis. Él cree que el verdadero racionalismo implica este juicio de alto nivel para evitar posibles obstáculos en el análisis que podrían surgir al pasar por alto aspectos importantes.

La conversación luego se centra en el concepto de racionalismo ingenuo, con Chandler señalando que el enfoque de Lokad podría tener algunos elementos de ello. Menciona que muchos de sus clientes pueden no entender completamente la “magia negra” detrás de las técnicas de optimización de la cadena de suministro de la empresa. Vermorel responde diciendo que no son las cuestiones técnicas las más importantes, sino más bien la comprensión de alto nivel de los procesos de la cadena de suministro.

Según Vermorel, muchas de las cuestiones técnicas que los clientes no entienden a menudo son inconsecuentes en el esquema general de las cosas. Argumenta que es más importante para Lokad centrarse en obtener los aspectos más amplios de la cadena de suministro correctos, como tener en cuenta eventos como el Año Nuevo Chino, que pueden tener un impacto significativo en los tiempos de entrega.

Vermorel comienza admitiendo que el campo de la optimización de la cadena de suministro todavía está en pañales. Si bien ha habido mejoras significativas en comparación con los métodos anteriores, la industria apenas ha rascado la superficie. Él enfatiza la importancia de combinar enfoques científicos con sentido común para lograr los mejores resultados.

Luego advierte contra la creencia en una organización perfectamente racional y bien definida, que consiste en equipos separados para pronósticos, planificación y compras, cada uno optimizando métricas específicas. Vermorel argumenta que dichos sistemas pueden parecer racionales y científicos, pero a menudo no son más que un espejismo. Destaca la necesidad de ser escéptico al encontrarse con tales organizaciones, ya que es posible que no sean tan racionales o efectivas como parecen.

Mirando hacia atrás, Vermorel reconoce estos fracasos como las consecuencias obvias del racionalismo ingenuo. Aconseja a los clientes que confíen en los conocimientos expertos y el sentido común al implementar soluciones de optimización de la cadena de suministro. No importa cuántas palabras de moda o jerga técnica se utilicen para abordar un problema, sin una comprensión fundamentada y un enfoque práctico, el resultado no será más que un sinsentido a escala industrial.

Transcripción completa

Kieran Chandler: Hoy en Lokad TV, vamos a entender por qué es tan fácil caer en este agujero y discutir si algo que parece inteligente en la superficie realmente lo es en realidad. Entonces, Joannes, hoy estamos hablando de cientismo. Suena un poco teórico, pero ¿qué es exactamente?

Joannes Vermorel: El cientismo es, diría yo, una creencia extrema en la ciencia. Es la idea de que puedes resolver literalmente todos tus problemas en la vida y la sociedad con un enfoque científico, lo cual suena bien pero en realidad es un poco ingenuo. En el caso específico de la cadena de suministro, sería sinónimo de racionalismo ingenuo, un enfoque en el que tenemos una receta, algoritmos y un poco de tecnología para resolver el problema con un método definitivo. He observado que, especialmente en la cadena de suministro, las grandes organizaciones tienden a imitar los métodos científicos. Hacen cosas que comparten los atributos de la ciencia, como involucrar muchos números, fórmulas, personas con doctorados, métricas, mediciones y algún tipo de proceso. Pero a veces, o en realidad muy frecuentemente, no tienes nada que realmente calificaría como científico a mis ojos. Así que tienes los atributos, pero es como una fachada, una ilusión.

Kieran Chandler: Antes de pasar al lado de la cadena de suministro, ¿tienes algún ejemplo del mundo real de cómo las personas se han vuelto excesivamente dependientes de los resultados científicos y se han dejado llevar demasiado? ¿Dónde hemos visto que se toman atajos?

Joannes Vermorel: Hay una gran controversia hoy en día en las ciencias sociales porque la mayoría de los artículos publicados durante las últimas cinco décadas en ciencias sociales simplemente no se reproducen, lo cual es un problema masivo. Una de las causas fundamentales son los valores p, una forma de establecer cuánta confianza puedes tener en una hipótesis. Por ejemplo, digamos que postulo que comer fresas es bueno para tu salud. Hago una medición y valido esta hipótesis. El problema es que si pruebas miles o millones de hipótesis, generarás toneladas de hipótesis que exhiben valores p agradables, cosas que parecen muy confiables. Pero el problema es que has probado tantas hipótesis que, según los datos limitados, algunas de ellas resultan ser verdaderas casi completamente por pura casualidad. En la cadena de suministro, hay muchas similitudes donde los métodos tienen la apariencia de algo muy racional, pero cuando rascas un poco más, es profundamente irracional.

Kieran Chandler: Veamos ejemplos de la cadena de suministro. ¿Cuáles son esas cosas que parecen fáciles en la superficie pero que en realidad, una vez que profundizas en ellas, no lo son en absoluto y son mucho menos racionales?

Joannes Vermorel: Probablemente el pronóstico de la demanda. Hay libros enteros escritos sobre cómo se pueden construir modelos de pronóstico de la demanda. Tenemos toda una literatura sobre eso, desde los antiguos modelos de suavización exponencial, Holt-Winters, y demás. Uno pensaría que el pronóstico estadístico de la demanda es algo muy establecido. Tienes un pronóstico, puedes hacer un benchmark, puedes hacer backtesting. Pruebas, parece el arquetipo de algo que es súper científico, y mi punto es que frecuentemente, no lo es. No es científico en absoluto. En realidad, es muy ingenuo. Fue uno de los primeros errores que cometí en Lokad hace una década, pensar que este tipo de enfoque algorítmico para el pronóstico de la demanda realmente funcionaba. No lo hace, por varias razones. Una de las razones es que terminas con un efecto autocumplido. Sabes, si pronosticas que no vas a tener ninguna demanda de un producto en una tienda, entonces tal vez ni siquiera vayas a poner el producto en la tienda, y así terminarás con las profecías autocumplidas. Si pronosticas una demanda cero, entonces no pones ningún stock, y luego no vendes nada, y luego tu pronóstico es 100% correcto. Y luego supongo que tendrías más confianza en el pronóstico. Está estadísticamente probado, y sin embargo, cuando lo piensas, es algo bastante tonto desde el punto de vista empresarial, y de hecho, lo es. Así que ese es un ejemplo extremo. Un ejemplo un poco más avanzado pero aún bastante tonto es cuando quieres hacer un pronóstico para una marca de moda. Si quieres pronosticar cuántas unidades se van a vender de un determinado producto, bueno, solo tienes que mirar cuántas unidades se produjeron en primer lugar. Si produces 1,000 camisas, pues adivina qué, vas a vender 1,000 camisas, menos el encogimiento. Pero, ¿cómo sucede? Bueno, sucede porque si no vendes todas esas 1,000 camisas, vas a hacer grandes descuentos en tus productos, los pondrás en oferta y, en última instancia, se venderán. Así que tienes esta ingenua profecía autocumplida donde lo que sea que produzcas es básicamente lo que terminas vendiendo, sin importar qué.

Kieran Chandler: Entonces, ¿cuál es la alternativa entonces? Porque parece que tienes un método, el método funciona más o menos, está en el rango correcto.

Joannes Vermorel: La alternativa es primero, reconocer que la situación es compleja, que hay humanos involucrados, que tienes un sistema complejo con bucles de retroalimentación por todas partes, que tienes efectos de segundo orden. Los efectos de segundo orden son, por ejemplo, cuando le das un descuento a un cliente. ¿Qué creas? Obviamente, este descuento te cuesta. Son euros o dólares de margen que no obtienes. Ese es el efecto de primer orden del descuento. Otra parte del efecto de primer orden es que probablemente tengas algún tipo de impulso en la demanda. Pones un producto en oferta con muchos descuentos, las ventas suelen aumentar. Pero el efecto de segundo orden es que creas una expectativa en tu base de clientes de comprar productos con descuento.

Entonces, nuevamente, el nacionalismo o el cientificismo es una especie de método en el que te enfocas principalmente en los efectos de primer orden, donde tomas atajos, simplificas la situación, y terminas con algo donde es fácil hacer mediciones, es fácil producir métricas, y es fácil hacer benchmarks y probar hipótesis. Pero el hecho de que sea fácil no significa que sea relevante. No porque algo sea fácil significa que sea bueno para tu negocio.

Kieran Chandler: Entonces, ¿cómo puede la simplificación excesiva de este tipo afectar a los profesionales de la cadena de suministro? ¿Cuál es el resultado de ello? Tengo una pregunta sobre modelos matemáticos y modernización cuantitativa. ¿Qué tan importante es el juicio humano en este proceso, especialmente al considerar sistemas complejos?

Joannes Vermorel: El juicio humano es crucial. Se necesita una inteligencia humana de alto nivel para evaluar si un modelo es la forma correcta de analizar un problema. Esto es parte de la ciencia, pero no es solo una cuestión de medición simple y prueba de hipótesis. Requiere un juicio de alto nivel para asegurarse de que el modelo esté alineado con la realidad.

Al abordar un cierto dominio, necesitas la perspectiva correcta. Por ejemplo, al intentar abordar problemas de la cadena de suministro, necesitas una perspectiva que tenga sentido para grandes grupos de personas y sociedades. Esto no se puede demostrar de manera científica, sino a través de una discusión difícil entre personas de buena fe que intentan acercarse a la verdad. No se trata de tener una medición ingenua para demostrar que alguien tiene razón o está equivocado, sino que hay más sutileza involucrada.

Kieran Chandler: ¿Los profesionales de la cadena de suministro han notado las deficiencias de estos modelos?

Joannes Vermorel: De hecho, los profesionales de la cadena de suministro están altamente educados e interesados en su campo. El problema con los modelos científicos y racionales no es que ocurran entre personas sin educación, sino que ocurren entre individuos altamente educados. Alguien con una formación educativa limitada puede no impresionarse con fórmulas o protocolos y ser escéptico de cosas complicadas que no entiende. Por el contrario, las personas altamente educadas son más propensas a enfrentarse a estos problemas porque han sido testigos de la efectividad de ciertos modelos científicos, como las leyes de la termodinámica.

El problema surge cuando las personas intentan aplicar el mismo enfoque a las cadenas de suministro, esperando el mismo nivel de poder predictivo que en otros dominios científicos. Sin embargo, los seres humanos no son partículas, piensan y reaccionan de manera diferente. Por ejemplo, los clientes se adaptarán a los descuentos y anticiparán acciones futuras, jugando efectivamente con el sistema. Esto sucede repetidamente en la gestión de la cadena de suministro.

Kieran Chandler: El problema que tengo con esto es que los seres humanos son naturalmente adversos al riesgo. Si hay pruebas que respalden sus afirmaciones y pronósticos, las utilizarán. Entonces, ¿qué piensas sobre el papel de la ciencia en este contexto? ¿Realmente hay una alternativa al uso de datos en la optimización de la cadena de suministro?

Joannes Vermorel: En principio, tiendo a estar de acuerdo con el sentimiento de que es mejor respaldar tus afirmaciones con datos. Sin embargo, debes tener mucho cuidado, especialmente al lidiar con problemas complejos y de alta dimensionalidad que involucran múltiples variables y agentes como humanos o empresas que pueden reaccionar a lo que hagas. Estos problemas pueden volverse bastante complicados. Por supuesto, quieres respaldar tus ideas con la mayor cantidad de datos posible, pero hay una diferencia entre el racionalismo verdadero y el racionalismo ingenuo. Aún necesitas tener un juicio de alto nivel supervisando todos tus cálculos y modelos para asegurarte de que haya una perspectiva adecuada para el análisis y que no haya ángulos sueltos extremos que deshagan todo lo que acabas de hacer.

Kieran Chandler: Hablemos de ese juicio de alto nivel. Algunos podrían argumentar que lo que hacemos en Lokad implica una cantidad considerable de racionalismo ingenuo, y muchos de nuestros clientes no comprenden completamente toda la “magia negra” que utilizan nuestros Supply Chain Scientists. ¿Cómo te aseguras de que nuestros clientes entiendan lo que está sucediendo?

Joannes Vermorel: Lo que realmente me importa es la comprensión a alto nivel, en lugar de las cuestiones técnicas. Las cuestiones técnicas son en su mayoría inconsecuentes. Por ejemplo, sé que cuando uso una función específica, el cálculo que obtengo es una aproximación que puede estar desviada en una parte por millón, pero cuando estoy lidiando con una cadena de suministro donde la incertidumbre es del 40%, este nivel de aproximación es inconsecuente. Para nuestros clientes que utilizan Lokad, las cosas que no entienden suelen ser muy técnicas pero en gran medida inconsecuentes. Es mucho más importante asegurarse de que Lokad lo haga bien cuando se trata de factores como los tiempos de entrega y tener en cuenta eventos como el Año Nuevo Chino, que agrega cuatro semanas de tiempo de entrega cada año.

Kieran Chandler: Las semanas de tiempo de entrega adicional se sumarán directamente a tus tiempos de entrega. No es sutil, y ese es el tipo de situación en la que este juicio de alto nivel te permite decidir que, no, necesito tener eso en cuenta. Literalmente puedo, a través de una observación ingenua, juzgar si estás teniendo eso en cuenta. No necesitas un microscopio; el efecto es fuerte. Potencialmente, dentro de un siglo, habremos refinado los métodos de tal manera que las personas comenzarán a analizar el efecto que tiene la mitad de su tiempo terrenal en una configuración específica y podrán ser realmente científicos al respecto. Pero en este momento, todavía estamos rascando la superficie y lograr que el sistema esté aproximadamente correcto es una mejora fantástica en comparación con lo que teníamos antes. Entonces, si comenzamos a resumir las cosas hoy, ¿cuál es la lección clave que debemos aprender? Es bueno tener estos enfoques científicos, pero deben combinarse con mucho sentido común.

Joannes Vermorel: Bueno, sí. Quiero decir, en primer lugar, ser muy escéptico acerca de tener una organización racional donde se pueda decir: “Oh, tenemos un equipo de pronóstico, un equipo de planificación y un equipo de compras”. Todos ellos tienen sus fórmulas y están optimizando métricas simples. Parece perfectamente definido, racional y orientado al cliente o lo que sea. Pero cuando me enfrento a este tipo de situación, mi observación inmediata es que este sistema no es racional. Solo muestra los atributos de la racionalidad y la ciencia. Es algo que parece muy científico, pero en absoluto lo es.

Otra lección sería no subestimar el hecho de que los ingenieros altamente dedicados aún pueden ser increíblemente ignorantes sobre el mundo real. Cuando digo ingenieros altamente dedicados, me incluyo en esta categoría. Comencé Lokad justo después de la universidad, muy orgulloso de mi formación matemática y emocionado con la idea de aplicar todas esas hermosas estadísticas de alta dimensión a situaciones del mundo real. Resultó que no funcionaba maravillosamente. De hecho, explotaba sistemáticamente de formas sorprendentemente imposibles. Mirando hacia atrás, fue la consecuencia obvia del racionalismo ingenuo en juego.

Entonces, mi sugerencia para resumir es que necesitas conocimientos expertos en lo que estás haciendo y necesitas tener este sentido común de “¿Esto tiene sentido en líneas generales?” Si no es así, no importa cuántas palabras de moda y palabras clave arrojes al problema, lo que obtendrás es un sinsentido a escala industrial.

Kieran Chandler: Nunca pensé que te escucharíamos decir que la ciencia y las matemáticas a veces no son todo lo que necesitas.

Joannes Vermorel: Eso es cierto.

Kieran Chandler: Bueno, eso es todo por esta semana. Muchas gracias por sintonizar y nos vemos la próxima vez. Gracias por ver.