00:00:07 Introducción al concepto de supply chain biónica y al historial de Stefan Gstettner.
00:01:58 Explicación de la supply chain biónica y su importancia en la industria.
00:03:39 El enfoque de Lokad hacia la supply chain biónica y el rol de los Supply Chain Scientist.
00:05:36 Desafíos en la colaboración humano-máquina y la necesidad de un modelo operativo biónico.
00:07:50 Los cuatro elementos de un modelo operativo biónico: orientación, modelo operativo, habilidades y plataforma tecnológica.
00:08:29 Trampas al transformar supply chain en la industria.
00:10:47 Ejecutivos enfocándose en aumentar el valor y prepararse para el futuro.
00:12:41 Enfrentando las complejidades en supply chain y adoptando la tecnología.
00:15:50 El concepto de digital twin y su papel en una supply chain biónica.
00:17:18 Utilizando herramientas para aumentar la inteligencia humana en supply chain.
00:19:31 El desafío de acceder al talento y el tiempo que toma formarlo.
00:20:22 El rol de la interacción humana en las supply chain del futuro.
00:21:28 La importancia de cambiar el contexto para impulsar el cambio de comportamiento en supply chain.

Resumen

La supply chain biónica, un concepto centrado en la colaboración humano-máquina, es crucial para el futuro de supply chain management. Stefan Gstettner y Joannes Vermorel discuten su importancia y desafíos, resaltando la necesidad de perspectivas de extremo a extremo y modelos operativos centrados en el ser humano. Gstettner propone un modelo operativo biónico con cuatro elementos: orientación, modelo operativo, habilidades y plataforma tecnológica. Vermorel enfatiza los métodos de forecasting methods “aproximadamente verdaderos” y mejores herramientas para aumentar la inteligencia humana. Ambos expertos reconocen las dificultades en transformar supply chain, pero coinciden en que equilibrar la intuición humana y la tecnología es esencial para adaptarse al panorama cambiante de la industria.

Resumen Extendido

Discuten el concepto de supply chain biónica y sus implicaciones para el futuro del supply chain management.

Stefan Gstettner ofrece una visión general de su trayectoria, indicando que tiene 25 años de experiencia en supply chain management. Ha desempeñado diversos roles en consultoría y también dirigió las operaciones de una empresa de retail omni-channel en Alemania durante siete años. Además, enseña supply chain management en MIT para ayudar a abordar el cuello de botella de talento en la industria.

La supply chain biónica, según Gstettner, no pretende ser otra palabra de moda, sino un concepto serio. Surgió del trabajo del grupo de reflexión de BCG sobre la empresa del futuro. La empresa biónica se centra en la colaboración entre máquinas, artificial intelligence, y humanos, enfocándose en cómo aprovechar mejor esta combinación. Este concepto es particularmente relevante para supply chain management, ya que depende en gran medida de la tecnología, el análisis y la inteligencia artificial, además de la colaboración entre humanos y máquinas.

Joannes Vermorel comparte sus ideas sobre la supply chain biónica, coincidiendo en que es un concepto muy relevante. Explica que Lokad, una empresa de software especializada en la optimización de supply chain, ha estado trabajando en la idea de una supply chain biónica, aunque de forma accidental. Inicialmente se centraron en desarrollar herramientas de software para la optimización predictiva de supply chain, pero rápidamente se dieron cuenta de la complejidad de los problemas que enfrentaban. La idea de contar con un algoritmo de machine learning que pudiera resolver de manera autónoma problemas como la asignación de tiendas resultó demasiado difícil debido a la gran cantidad de casos límite.

La discusión resalta la importancia creciente del concepto de supply chain biónica en supply chain management. La idea gira en torno a aprovechar de manera efectiva la colaboración entre humanos, máquinas e inteligencia artificial para optimizar y mejorar las operaciones de supply chain. Tanto Gstettner como Vermorel enfatizan la importancia de este concepto para el futuro de supply chain management, reconociendo las complejidades y desafíos que conlleva su implementación.

Exploran los desafíos de la interacción humano-máquina y la importancia de un modelo operativo biónico para supply chain management.

Vermorel comparte el enfoque de su empresa, que se centra en el rol de un “Supply Chain Scientist”. Esta persona es responsable de generar decisiones e insights, al mismo tiempo que es el primer punto de contacto para quienes cuestionan el sistema. Señala que este rol aún no se considera “biónico”, pero que se está encaminando en esa dirección.

Gstettner enfatiza que, aunque se ha invertido significativamente en digital supply chain management, aún no se ha realizado todo su valor. Cree que el enfoque en funciones subindividuales ha llevado a la pérdida de la perspectiva de extremo a extremo, lo cual es crucial para un supply chain management efectivo. Para abordar esto, Gstettner aboga por un modelo operativo biónico que conste de cuatro elementos: orientación, modelo operativo, habilidades y plataforma tecnológica.

Tanto Gstettner como Vermorel reconocen las dificultades en transformar supply chain. Vermorel destaca el problema del desplazamiento de problemas, donde las mejoras en un área pueden causar inconvenientes en otra. También enfatiza el desafío de gestionar la complejidad en soluciones de software de extremo a extremo. En contraste, Gstettner señala que los ejecutivos están principalmente interesados en aumentar el valor para sus empresas y prepararse para el futuro. Están enfocados en cambios organizacionales y en el soporte IT fundamental para impulsar el cambio y hacer que sus empresas estén listas para el futuro.

Vermorel aborda la importancia de ser “aproximadamente verdaderos” en supply chain management, en contraposición a ser “exactamente equivocados”. Señala que los humanos son buenos en ello, pero las máquinas a menudo tienen dificultades. Lokad ha avanzado en esta área mediante forecast probabilístico, que proporciona una representación más precisa del futuro que los métodos clásicos de forecast. Sin embargo, adoptar este enfoque ha sido un desafío para quienes trabajan en la industria de supply chain debido a sus diferencias con los métodos tradicionales.

En la actualidad, Gstettner observa que los executives de supply chain están enfocados en mirar hacia adelante para prepararse para el futuro. Están interesados en comprender los potenciales cambios tecnológicos y organizacionales que darán forma a sus industrias en los próximos años. Los executives de supply chain se enfrentan a las numerosas oportunidades tecnológicas disponibles y tratan de identificar las mejores formas de impulsar el cambio en sus organizaciones.

Esta entrevista resalta la necesidad de un modelo operativo biónico en supply chain management, que enfatiza las perspectivas de extremo a extremo y la colaboración humano-máquina. Tanto Vermorel como Gstettner discuten los desafíos de transformar supply chain y la importancia de encontrar un equilibrio entre la intuición humana y los avances tecnológicos. Los executives de supply chain deben mirar hacia el futuro y considerar cómo sus organizaciones pueden adaptarse al panorama cambiante de sus industrias.

Vermorel expresa su entusiasmo por el concepto de supply chain biónica, pero también reconoce las frustraciones y complejidades involucradas en tratar con las realidades de supply chain. Explica que, debido al desorden del mundo real, el supply chain management implica lidiar con una amplia variedad de modelos estadísticos y complicaciones, como warehouses inundados y fechas de caducidad para los alimentos frescos. Además, Vermorel señala que cuando las personas se enfrentan a KPIs, puede ser desafiante para ellas aceptar y adaptarse a cambios que afectan sus intereses personales.

Chandler introduce la palabra de moda “digital twin”, y Gstettner admite que es un concepto difícil de definir. Sin embargo, sugiere que un digital twin representa un supply chain de extremo a extremo, incluso si no es 100% preciso. Al lograr una representación 80% precisa, los gerentes de supply chain pueden comprender mejor la dinámica del sistema y tomar decisiones más inteligentes basadas en análisis de escenarios.

Vermorel argumenta que para hacer supply chain más biónicas, se necesitan mejores herramientas para aumentar la inteligencia humana. Cita Excel como un ejemplo de una herramienta que ha permitido a los humanos realizar análisis cuantitativos a una escala inhumana, aunque reconoce que no es una solución suficiente para modelar sistemas complejos. Vermorel cree que los enfoques de programación han sido los más exitosos para convertir los insights humanos en algo más automatizado, aunque reconoce que futuros avances tecnológicos podrían demostrar lo contrario.

Gstettner está de acuerdo en que la mayor automatización y tecnología jugarán un rol más importante en el toma de decisiones en supply chain, pero insiste en que la interacción humana siempre será necesaria. Enfatiza la importancia de diseñar un modelo operativo centrado en el ser humano para el supply chain del futuro, lo que requeriría cambiar el contexto en el que se comportan los humanos. Gstettner cree que la clave para cambiar el comportamiento humano es alterar el contexto, como crear conjuntos de objetivos balanceados y bien sincronizados para abordar metas conflictivas como el control de inventario y la disponibilidad de productos.

Transcripción Completa

Kieran Chandler: Hola, la convergencia de una serie de tecnologías en evolución, como la inteligencia artificial, blockchain y el Internet de las Cosas, ha llevado a la evolución de un nuevo concepto conocido como la supply chain biónica. Hoy en Lokad TV, estamos encantados de contar con la presencia de Stefan Gstettner, un partner en BCG, quien nos contará un poco más sobre este concepto y cómo se compara con algunas de las técnicas existentes en el mercado. Así que Stefan, muchas gracias por acompañarnos hoy.

Stefan Gstettner: Gracias por invitarme.

Kieran Chandler: Quizás, como primera pregunta, podrías contarnos un poco más sobre tu experiencia y también qué estás haciendo en BCG.

Stefan Gstettner: Absolutamente. Como dijiste, soy partner en BCG, centrándome en el supply chain management de extremo a extremo y en las cuestiones logísticas asociadas. En este rol, estoy ayudando a nuestros clientes globales en industrias clave a aprovechar las nuevas oportunidades en tecnologías digitales y transformar gradualmente sus supply chain en digital supply chains. Para poder hacer esto, tengo una trayectoria de 25 años en supply chain management. Comencé con un doctorado en una época en que ni siquiera se llamaba supply chain management. He tenido diversos roles en consultoría, pero también dirigí las operaciones de una empresa de retail omni-channel en Alemania durante siete años. Además, soy profesor adjunto en MIT, enseñando a jóvenes talentos en supply chain management en su programa global, lo cual disfruto muchísimo.

Kieran Chandler: Brillante, y hoy nuestro tema es esta idea de una supply chain biónica. Ciertamente suena muy futurista, pero quizás podrías darnos una visión inicial.

Stefan Gstettner: No estamos intentando introducir otra palabra de moda al juego, ya que ya hay muchas palabras de moda. Mis colegas del grupo de reflexión de BCG, el Bruce Henderson Institute, han desarrollado una visión de cómo será la empresa del futuro. Se trata en gran medida de la colaboración entre máquinas, inteligencia artificial y humanos, y de cómo la empresa debería organizarse para hacer el mejor uso de esta combinación. Lo llamaron la empresa biónica. Ahora, para el supply chain management, es especialmente relevante porque el supply chain se trata de tecnología, análisis, inteligencia artificial, pero tal vez aún más importante, se trata de la colaboración entre humanos y máquinas. Así que lo llamamos supply chain biónica, sin intentar introducir una nueva palabra de moda, sino como un tema razonable y un buen titular para lo que queremos lograr.

Kieran Chandler: Nos encanta una palabra de moda. Joannes, hemos hablado en el pasado sobre la relación entre humanos y máquinas cuando analizamos interfaces de usuario. ¿Cuáles son tus primeras impresiones sobre esta idea de una supply chain biónica?

Joannes Vermorel: Creo que es muy relevante, y en realidad se alinea bastante con lo que Lokad ha estado haciendo, aunque de manera algo accidental. No teníamos un gran plan maestro o visión. La forma en que abordamos la resolución de problemas de supply chain fue desarrollando herramientas de software para la optimización predictiva de supply chain. Rápidamente nos dimos cuenta de que había tanta complejidad que teníamos que hacerle frente. La idea de contar con un algoritmo de machine learning que descubriera por sí solo cómo resolver un problema, tan simple como la asignación de tiendas, fue simplemente demasiado difícil porque había demasiados casos límite. Así que necesitábamos tener algo…

Kieran Chandler: Entonces, Joannes, ¿puedes contarnos más sobre Lokad y qué hacen?

Joannes Vermorel: Comenzamos con la idea de optimización de supply chain, partiendo del insight humano para moldear el problema en algo que la máquina pudiera usar para ampliar los insights a la escala de una gran red de retail. Esa fue la idea detrás de lo que hicimos, y finalmente se convirtió en lo que en Lokad llamamos el “Supply Chain Scientist”, que es literalmente alguien quien se encarga directamente de procesar los datos y generar decisiones e insights, siendo el primer punto de contacto para las personas que pueden cuestionar lo que esté ocurriendo en este sistema. Así que, sí, creo que tal vez aún no podemos calificarnos como biónicos, pero es un camino en esta dirección. Aunque no tuve algo tan claro como “binding supply chain” para guiar nuestro camino cuando trabajábamos para el mundo.

Kieran Chandler: Históricamente, ¿por qué dirías que ha sido tan difícil para los humanos interactuar con las máquinas?

Stefan Gstettner: Ni siquiera diría que es histórico. Probablemente todos ya hayamos codificado algoritmos hace 20 años, así que no es algo nuevo. Pero, en los últimos años, se han realizado muchas inversiones en lo digital, tomemos el forecast de demanda, por ejemplo. Hay una enorme cantidad de inteligencia fluyendo en el forecast de demanda, y además existe, obviamente, la colaboración entre humanos y algoritmos. Sin embargo, los ejecutivos con los que hablé aún no ven que se haya extraído todo el valor de la supply chain. Según mi perspectiva, es porque los humanos estaban muy ocupados tratando de entender cómo pueden colaborar con una máquina. Es mucho más exigente hacerlo con algoritmos que con Excel, por ejemplo. Al estar tan ocupados haciendo eso, creo que lo que se ha perdido es que la gestión end-to-end de la supply chain se trata de ser end-to-end. Sorprendentemente, no se trata de centrarse en una subfunción, sino de alinear y sincronizar la supply chain end-to-end, y eso, a mis ojos, ha perdido un poco el enfoque. Entonces, ahora tenemos que entrar en el modelo Bionic para enfatizar de nuevo que los humanos deben colaborar, obviamente con la ayuda de máquinas, y eso es lo que aún no ha sucedido. Y es por eso que algunos ejecutivos están frustrados porque las inversiones no han dado resultados. Por lo tanto, decimos que se necesita un modelo operativo Bionic que consiste esencialmente en cuatro elementos: en primer lugar, la orientación en la supply chain, es decir, los buenos KPIs, ¿qué queremos lograr con nuestra supply chain? ¿Es velocidad, es fiabilidad, es enfoque en costos? ¿Y cómo segmentamos la supply chain, y cómo le asignamos valores objetivos? La buena y vieja gestión de la supply chain, nada digital sin ella o en ella. Luego, el modelo operativo, que en nuestra opinión es un modelo fuertemente impulsado por plataformas para reunir a las personas que están sincronizando la supply chain, incluso físicamente juntas a veces. En segundo lugar, las habilidades, por supuesto, es decir, un conjunto totalmente diferente de personas que son capaces de diseñar toda la supply chain. Y luego, la plataforma tecnológica, quizás no como el primer elemento, sino como la base, por supuesto, la necesitamos. Y eso, en muy pocas empresas, se ha establecido hasta ahora. Por lo tanto, creo que históricamente, esa es una parte de la decepción sobre la digital supply chain.

Kieran Chandler: Entonces, Joannes, como proveedor de software, ¿cuáles crees que son las trampas que enfrentan las empresas al tratar de optimizar su supply chain?

Joannes Vermorel: Bueno, como proveedor, si no logras capturar ese enfoque end-to-end, lo que realmente entregas es simplemente un desplazamiento del problema. Trasladas un problema de una ubicación a otra, y tal vez tus KPIs en el silo que estás asumiendo se vean bien, pero en realidad, has creado problemas en otras áreas. De hecho, no has entregado mucho valor; has destruido valores, lo cual es muy, muy malo. Desafortunadamente, a algunas grandes empresas se les da bastante bien hacer eso. Y el desafío es que, tan pronto como quieres hacer algo como software end-to-end, se convierte en un reto increíble porque tu software se vuelve increíblemente complicado. Y creo que la mayoría estaría de acuerdo en que el ERP promedio consta de miles de tablas, cientos de pantallas. Es como, ¡vaya!, tanta complejidad, y apenas estamos rascando la superficie. Realmente tenemos un problema de gestión de la complejidad. La pregunta es, ¿cómo puedes lograr lo que la gente hace en Excel? Ellos realizan algo muy humano, pero eso es muy, muy difícil de replicar con máquinas. Es estar aproximadamente correcto en lugar de estar exactamente equivocado. Las máquinas son muy, muy buenas en estar exactamente equivocadas a gran escala. Entonces, en Lokad, tuvimos algunos mini avances, como el forecast probabilístico, para acercarnos a esta idea de un estado de operación aproximadamente correcto. Pero es un cambio permanente. Y lo que ocurre es que, aunque creo que es una respuesta tecnológicamente muy relevante, también es una respuesta muy sorprendente para las personas que gestionan la supply chain, porque no se parece en nada a lo que hacían antes, especialmente en comparación con el forecast clásico. Así que, el forecast probabilístico es forecast. Se trata de conocer cosas sobre el futuro, pero es tan bizarro en comparación con la forma clásica que, en términos de adopción, es una cadena importante por sí sola.

Kieran Chandler: Bien, Stefan, ¿cómo están los ejecutivos de la supply chain abordando estos problemas e intentando implementar nuevas tecnologías?

Stefan Gstettner: Bueno, a los ejecutivos no les interesa primordialmente implementar tecnologías. Se interesan en aumentar el valor para la empresa y en prepararse para el futuro. Lo que cada vez más observan y sobre lo que reciben aportes externos constantemente es que, por supuesto, dentro de diez años todo se verá radicalmente diferente. Así que, mi dicho favorito —creo que fue Gates quien lo dijo— es que siempre sobrestimamos el cambio en los próximos dos años y subestimamos el cambio en los próximos diez años. Y el rol de los ejecutivos es mirar a diez años en el futuro y no solo a dos. Esto es lo que ahora están exigiendo a sus organizaciones. El futuro se verá totalmente diferente. Seamos realistas. No lo vemos ahora, pero será así. Entonces, ¿cómo podemos cambiar, no primordialmente en términos de tecnología, sino también organizacionalmente? Por eso estamos enfatizando más el modelo operativo. Y, por supuesto, también están preguntando cuál será la plataforma fundamental o el soporte básico en el lado de sistemas, datos y analítica para impulsar este cambio. Y todavía se cuestionan por qué mi organización no impulsa el cambio que yo quiero que suceda. Existen algunos inhibidores que aún no hacen que la empresa esté preparada para el futuro. Eso es lo que está en la mente de los ejecutivos.

Kieran Chandler: Hablemos de una supply chain bionic. Suena como algo sacado de Ironman: muy genial y futurista. ¿Cómo se ve realmente en la práctica?

Joannes Vermorel: La realidad de una supply chain bionic es tanto frustrante como fascinante. La parte frustrante es que, cuando intentas lidiar con la realidad de la supply chain, terminas enfrentándote a cientos de tablas que representan una contraparte digital del mundo. El mundo es muy desordenado, y si deseas ser preciso, necesitas enfrentar esa complejidad. Terminas teniendo que recurrir a modelos estadísticos para abordar temas como almacenes inundados, problemas de compatibilidad extraños en piezas aeroespaciales o fechas de caducidad a nivel de lote en alimentos frescos. Así que, hay muchas complejidades que deben ser asumidas, y se requiere un gran esfuerzo. En lo tecnológico, no terminas con algo tan puro o limpio como la mayoría de los buenos productos de software.

También hay otro aspecto. En teoría, nos gustaría tener un enfoque súper racional para la optimización de la supply chain, en el que todos estuvieran de acuerdo en que, si mejora el resultado final, es bueno para la empresa. Si existen externalidades, como los impactos ambientales, las incluiríamos para optimizar adecuadamente, externalidades incluidas. Pero, de manera muy mundana, cuando la gente se enfrenta a KPIs, les resulta difícil.

Por ejemplo, tuvimos una experiencia con una gran red minorista en la que diagnosticamos que el inventario en las tiendas cumplía dos funciones. Una era servir a los clientes, de modo que se contaba con cierto inventario para asegurar que, cuando las personas entran a la tienda, puedan ser atendidas adecuadamente. Luego se descubre que una porción significativa del inventario no está destinada a ese fin, sino a fines de merchandising, para hacer que la tienda resulte atractiva. Podrías concluir que deberías trasladar el presupuesto para el inventario destinado a fines de merchandising a marketing en lugar de a la supply chain. Sin embargo, esto puede llevar a intensas luchas políticas dentro de los departamentos que, de repente, se encuentran con una cantidad masiva de inventario asignada a su presupuesto. Esto a veces puede afectar las bonificaciones y generar resistencia al cambio.

Kieran Chandler: Ya que nos encantan las palabras de moda, introduzcamos una más: el concepto de digital twin. ¿Cómo encaja eso con la idea de una supply chain bionic, y en qué parte entra en juego?

Stefan Gstettner: En mi experiencia, el término “digital twin” puede ser complicado porque cada quien lo entiende de manera diferente. Ya es un reto entender la supply chain, pero al agregar la palabra “digital” se vuelve aún más confuso. Cuando tienes un digital twin, parece que nadie sabe de qué se trata. No intentaré definir un digital twin, pero la idea es tener una representación de toda la supply chain. Estoy completamente de acuerdo en que nunca será 100% precisa, pero en este momento solo contamos con una representación end-to-end con un 10% de precisión. Si logramos algo como una representación end-to-end con un 80% de precisión, podemos comenzar a aprender sobre la dinámica del sistema. Podríamos entender las implicaciones de un incremento en el demand forecast, cómo ajustar el inventario objetivo, cómo modificar las secuencias de producción y lo que eso significa para el lado de la oferta. También podemos explorar diferentes escenarios. En ese sentido, un digital twin puede ser el vehículo que permita a las personas pensar de esta manera.

Kieran Chandler: ¿Quiénes están gestionando la supply chain end-to-end para experimentar con escenarios y tomar decisiones inteligentes, y si eso se supone que se hace en un entorno día a día, ¿estás de acuerdo con esto como uno de los habilitadores clave?

Stefan Gstettner: Sí, creo que este es uno de los habilitadores clave para una toma de decisiones más inteligente en las supply chains.

Kieran Chandler: Joannes, si miramos hacia el futuro y lo que hacemos a nuestras supply chains para hacerlas un poco más bionic, ¿necesitamos mejores tipos de herramientas para potenciar la inteligencia humana?

Joannes Vermorel: Sí, potenciar la inteligencia humana es crucial para las supply chains. Aunque es un término amplio, puede referirse a algo simple. Por ejemplo, Excel permite que una persona con capacidades matemáticas promedio maneje una gran cantidad de números. En el siglo XIX, habría sido imposible que un simple empleado realizara miles de operaciones básicas por día, incluso si fuera brillante. De alguna manera, herramientas como Excel brindan a las personas insights cuantitativos a una escala relativamente inhumana.

Sin embargo, Excel tiene sus limitaciones cuando se trata de modelar sistemas complejos, por lo que no puede ser la solución definitiva. En mi opinión, los enfoques más exitosos hasta ahora han sido los basados en programación, ya que ayudan a desacoplar los insights humanos y convertirlos en algo más automatizado. Creo que esta tendencia continuará al menos durante los próximos años, pero es posible que esté subestimando algún cambio de paradigma que pueda ocurrir más adelante.

También sé que algunas personas en el MIT están trabajando arduamente para proporcionar smart talents al campo de la supply chain. Sin embargo, creo que acceder a todo el talento necesario será un cuello de botella significativo durante varias décadas. Se necesita mucho tiempo para formar a personas que, a su vez, puedan formar a otras. Esa es una de las razones por las que Silicon Valley sigue siendo tan exitoso; han tenido generaciones de talentosos ingenieros de software que pueden formar a más ingenieros de software y producir empresas más innovadoras. Lo mismo ocurre con el MIT: muchas universidades están intentando replicar su éxito, pero llevará décadas lograrlo.

Kieran Chandler: Stefan, en tu opinión, ¿cómo se vería una iniciativa exitosa de una supply chain bionic?

Stefan Gstettner: Estoy de acuerdo en que habrá un grado mucho mayor de automatización y que la tecnología se hará cargo de un gran porcentaje de la toma de decisiones en la supply chain. Sin embargo, creo que siempre habrá necesidad de interacción humana. Necesitamos diseñar un modelo operativo centrado en el ser humano para las supply chains del futuro, que incluya los elementos que describí anteriormente.

Un aspecto a considerar es el comportamiento humano. Si queremos cambiar el comportamiento, necesitamos entender cómo hacerlo, ya que el comportamiento en silos histórico no ha sido particularmente exitoso. Creemos que el contexto en el que actúan los humanos es la fuerza impulsora más importante del comportamiento. Si no cambiamos el contexto, por ejemplo, estableciendo objetivos equilibrados y sincronizados, entonces los humanos nunca cambiarán su comportamiento, y nunca impulsaremos el éxito y el rendimiento.

Creo que la combinación inteligente de lo que empresas como Lokad están haciendo y de lo que las empresas necesitan adquirir en el aspecto humano es la clave. Esta conexión entre ambos, a la que podríamos llamar la supply chain bionic, es el futuro.

Kieran Chandler: Brillante. Vamos a concluir aquí. Gracias por su tiempo, a ambos.

Joannes Vermorel: Gracias.

Stefan Gstettner: Gracias.

Kieran Chandler: Gracias por sintonizar esta semana, y nos veremos nuevamente la próxima vez. Hasta luego.