00:00:08 Análisis y comparación de escenarios con pronóstico probabilístico.
00:01:02 Planificación de escenarios y su simplicidad.
00:02:56 Limitaciones de la planificación de escenarios con software y manejo de la incertidumbre.
00:05:57 La alternativa: pronóstico probabilístico y sus beneficios.
00:06:48 Dificultades para implementar múltiples escenarios en la planificación de la cadena de suministro.
00:08:00 Las limitaciones de la planificación de escenarios en la gestión de la cadena de suministro.
00:09:52 Pronóstico probabilístico como alternativa a la planificación de escenarios.
00:10:38 Comparación del pronóstico probabilístico con la imagen de alta resolución.
00:13:22 Ilusión de simplicidad en la planificación de escenarios y desafíos en la toma de decisiones.
00:15:00 Ejemplo que ilustra la inadecuación de promediar decisiones entre escenarios.
00:16:01 Las limitaciones de la planificación de escenarios tradicional.
00:17:27 Desafíos de implementación del pronóstico probabilístico.
00:19:00 Los beneficios de la planificación de escenarios y su futuro.
00:20:58 Automatización de la conciliación entre futuros posibles.
00:23:19 La importancia de herramientas adecuadas para la toma de decisiones probabilísticas.
Resumen
Kieran Chandler entrevista a Joannes Vermorel, fundador de la empresa de software de optimización de gestión de la cadena de suministro Lokad, para discutir la efectividad del análisis de escenarios y su comparación con el pronóstico probabilístico. Vermorel cree que si bien la planificación de escenarios tiene limitaciones, como consumir mucho tiempo y requerir una entrada significativa, el pronóstico probabilístico es un enfoque más eficiente y efectivo para lidiar con la incertidumbre en la cadena de suministro. Señala que explorar las herramientas inusuales necesarias para operar en todos los futuros a la vez es esencial para su adopción, y Lokad ha desarrollado un álgebra de variables aleatorias, una herramienta matemática y estadística para lidiar con futuros probabilísticos. La reciente imprevisibilidad de las cadenas de suministro destaca la necesidad de mejores herramientas para lidiar con escenarios imprevistos.
Resumen Extendido
En esta entrevista, el presentador Kieran Chandler y Joannes Vermorel, fundador de Lokad, una empresa de software de optimización de la cadena de suministro, discuten la efectividad del análisis de escenarios y su comparación con el pronóstico probabilístico. El análisis de escenarios fue desarrollado por primera vez por Shell en la década de 1970 y es un experimento mental en el que se hacen suposiciones sobre el futuro y se exploran para ver cómo resultan las cosas, especialmente en lo que respecta a asuntos de la cadena de suministro. El propósito de la planificación de escenarios es explorar varios futuros alternativos para tomar mejores decisiones y crear un rendimiento más sólido frente a variaciones impredecibles. Aunque las cadenas de suministro son complejas, la planificación de escenarios puede simplificar el proceso y puede ser respaldada por herramientas de software. Por otro lado, el pronóstico probabilístico es diferente en su enfoque y no se basa en suposiciones. Trata con probabilidades estadísticas y la incertidumbre del futuro. Si bien ambos métodos tratan con futuros inciertos, difieren en su enfoque, siendo el análisis de escenarios un enfoque más elegante y sencillo, y el pronóstico probabilístico se basa más en probabilidades estadísticas.
La discusión se centra en la planificación de escenarios y el pronóstico en la gestión de la cadena de suministro.
Vermorel explica que la planificación de escenarios implica pronosticar diferentes escenarios basados en diversas entradas y suposiciones. Estos escenarios pueden ayudar a los tomadores de decisiones a planificar futuros alternativos y ajustar sus estrategias en consecuencia. Sin embargo, la planificación de escenarios también tiene limitaciones. Por ejemplo, puede llevar mucho tiempo y requiere una importante entrada manual de expertos.
Vermorel sugiere que un enfoque más eficiente y efectivo es utilizar el pronóstico probabilístico, que se basa en métodos computacionales en lugar de la experiencia humana. Este enfoque es particularmente útil en situaciones donde hay muchas variables que considerar y el número de posibles escenarios es abrumador.
Vermorel señala que aunque hay muchos consultores y proveedores que defienden la planificación basada en escenarios, es raro ver que estos escenarios se utilicen en la producción. Sugiere que esto se debe a que la planificación de escenarios requiere una inversión significativa de tiempo y recursos, y puede que no siempre sea práctico para las empresas implementarla.
En general, Vermorel enfatiza la importancia de considerar diferentes escenarios y planificar la incertidumbre en la gestión de la cadena de suministro. Si bien existen limitaciones en la planificación de escenarios tradicional, el pronóstico probabilístico ofrece un enfoque más eficiente y efectivo para este desafío.
La conversación se centró en el papel de los escenarios en la cadena de suministro. Vermorel cree que los escenarios desempeñan un papel importante en las tareas diarias del equipo de cadena de suministro, pero son demasiado costosos. Él cree que la idea principal de lidiar con futuros inciertos es correcta, pero la perspectiva clásica de la cadena de suministro de hacer un pronóstico está profundamente equivocada. Vermorel argumenta que las empresas utilizan escenarios porque carecen de mejores alternativas para lidiar con futuros inciertos.
El pronóstico probabilístico es una nueva alternativa para lidiar con futuros inciertos. Vermorel explica que el pronóstico probabilístico es diferente de los escenarios porque adopta una perspectiva completamente diferente aprovechando grandes cantidades de potencia de procesamiento que están disponibles a bajo costo en la actualidad. La idea clave detrás del pronóstico probabilístico es analizar todos los futuros posibles, incluso si hay una probabilidad muy baja de que ocurran. Vermorel cree que el pronóstico probabilístico es una mejor alternativa para lidiar con futuros inciertos que los escenarios porque aprovecha las grandes cantidades de potencia de procesamiento disponibles hoy en día.
Vermorel explicó el concepto de pronóstico probabilístico, que es una forma mecánica de asignar probabilidades a eventos futuros posibles. Con esto, Vermorel cree que ya no es necesario utilizar escenarios, ya que se pueden analizar todos los futuros posibles. Utilizó la analogía de tener una imagen de alta resolución de todo el futuro en lugar de una de baja resolución con solo unos pocos píxeles.
Chandler preguntó a Vermorel sobre las diferencias en la perspectiva del usuario final entre la planificación de escenarios y el pronóstico probabilístico. Vermorel señaló que la planificación de escenarios proporciona una ilusión de simplicidad, pero puede ser problemática al tomar decisiones para múltiples escenarios que pueden ser inconsistentes. Vermorel dio un ejemplo de una tienda que vende libros donde la mayoría de los clientes son padres que solo quieren una copia de un libro, pero ocasionalmente, un maestro entra y quiere 30 copias del mismo libro.
Vermorel enfatizó la importancia del pronóstico probabilístico como herramienta para la optimización de la cadena de suministro y la toma de decisiones, ya que proporciona una imagen de alta resolución de todos los futuros posibles en lugar de solo unos pocos escenarios.
La discusión se centra en los desafíos de la optimización de la cadena de suministro. Vermorel es el fundador de Lokad, una empresa de software especializada en esta área. La conversación comienza con una discusión sobre la cantidad adecuada de stock que se debe mantener en una tienda para un determinado libro. Vermorel argumenta que promediar la cantidad de stock necesaria no tiene sentido y que el enfoque tradicional de dedicar más mano de obra al problema empeora la situación. Explica que la planificación de escenarios ofrece una solución potencial al permitir la gestión de múltiples futuros, pero requiere más que simplemente copiar y pegar lógica. Implementar un enfoque de pronóstico probabilístico es mucho más desafiante, pero para proveedores de software de cadena de suministro como Lokad, ofrece una oportunidad significativa para mejorar sus sistemas. Vermorel concluye señalando que conciliar los resultados que surgen de la planificación de escenarios es un desafío crítico que debe abordarse.
Discuten el análisis de escenarios y sus limitaciones en la gestión de la cadena de suministro. Vermorel explica que las empresas a menudo no se dan cuenta de que tienen un problema hasta que implementan un sistema y se encuentran con casos extremos que lo hacen inviable. A pesar de esto, los proveedores tienen incentivos para vender características que parecen geniales y funcionan durante las demostraciones, y mientras las personas no puedan imaginar una alternativa, el análisis de escenarios parece ser la mejor opción. Vermorel cree que el pronóstico probabilístico, que asigna probabilidades a los escenarios, es una extensión natural del análisis de escenarios, pero el verdadero problema radica en automatizar por completo la conciliación entre todos los futuros posibles. Para resolver este problema, Lokad ha desarrollado un álgebra de variables aleatorias, una herramienta matemática y estadística específica para tratar con futuros probabilísticos. Vermorel enfatiza que explorar las herramientas inusuales necesarias para operar sobre todos los futuros a la vez es esencial para su adopción, ya que no es suficiente darse cuenta de que es posible mirar todos los futuros posibles con probabilidades. Finalmente, discuten eventos recientes que han demostrado la imprevisibilidad de las cadenas de suministro y la necesidad de mejores herramientas para lidiar con escenarios imprevistos.
Transcripción completa
Kieran Chandler: Hoy en Lokad TV, vamos a discutir su efectividad y si puede ser reemplazado por métodos alternativos como el pronóstico probabilístico.
Joannes Vermorel: Entonces, estos dos métodos son similares en el sentido de que quieres lidiar con futuros inciertos. Debido a que no sabes con certeza cómo será el futuro, quieres explorar opciones. Sin embargo, la forma en que haces esta exploración es muy diferente.
Kieran Chandler: Hoy vamos a analizar la planificación de escenarios con más detalle. Tal vez un buen lugar para comenzar sea explicando cómo funciona y qué es.
Joannes Vermorel: La planificación de escenarios es conceptualmente muy simple. Solo estás haciendo un experimento mental de qué pasaría si, diciendo que el futuro será así. Supongamos que el futuro es exactamente así, y en función de esta suposición inicial, veamos cómo resultan las cosas en términos de perspectivas de la cadena de suministro si este futuro resulta ser el correcto. De alguna manera, es muy elegante y simple, y puedes repetir el ejercicio. La idea detrás de la planificación de escenarios es que en lugar de tener solo un pronóstico verdadero, vamos a explorar varias alternativas. Al explorar varias alternativas, puedes hacer que tus decisiones y rendimiento sean más robustos frente a variaciones que no puedes predecir, pero esperas.
Kieran Chandler: Es interesante porque sabemos que en la cadena de suministro, la demanda puede ser una variación, pero también puede haber otras variaciones relacionadas, como el tiempo de entrega. ¿Puede este método combinar esas múltiples variaciones?
Joannes Vermorel: La idea clave de la planificación de escenarios es que simplifica las cosas al adherirse mentalmente a algo que es muy similar al pasado. Literalmente está diciendo que la demanda será numéricamente esto y aquello. Debido a esta simplicidad, resulta que desde un punto de vista de software, necesitas herramientas para respaldar estas líneas de pensamiento, especialmente cuando se trata de la complejidad de miles de productos, toneladas de ubicaciones, etc. Lo interesante es que, desde una perspectiva de software, la planificación de escenarios es como un ejercicio de cortar y pegar con tu configuración y lógica que maneja el pronóstico clásico.
Kieran Chandler: ¿Puedes explicar qué es el análisis de escenarios y cómo se utiliza en la optimización de la cadena de suministro?
Joannes Vermorel: Claro, el análisis de escenarios se basa en pronósticos numéricos que representan posibles escenarios futuros. Basándose en esos pronósticos, se pueden inferir decisiones. Si quieres tener un escenario alternativo, es simplemente un pronóstico diferente con tal vez un sesgo. Por ejemplo, una tendencia a la baja. Luego puedes inferir todas las decisiones y compararlas con el primer conjunto de decisiones que hiciste para el escenario mediano, que representa tu pronóstico clásico habitual.
El hecho de que sea muy fácil implementar este tipo de proceso con software donde puedes simplemente multiplicar escenarios no significa necesariamente que hará todo lo que deseas. En particular, dependes de expertos y ajustes manuales para ajustar los escenarios. Tiendes a ajustar los escenarios según variables simplistas como inflar o desinflar la demanda futura. Pero hay muchas otras áreas que también son inciertas, como los tiempos de entrega.
El problema con ajustar los escenarios es que tienes toneladas de combinaciones y se vuelve abrumador. Fundamentalmente, la elección de los escenarios es un asunto muy impulsado por los humanos. Se supone que los humanos deben seleccionar esos escenarios.
El enfoque alternativo es adoptar un enfoque más computacional, y ahí es donde encaja el pronóstico probabilístico.
Kieran Chandler: Entonces, ¿es por eso que es mejor dejarlo en manos de una máquina en lugar de un ser humano?
Joannes Vermorel: Sí, el análisis de escenarios es una forma interesante de abordar el hecho de que no conoces el futuro perfectamente, pero sufre del problema de que seleccionas solo unos pocos escenarios. La realidad es que el enfoque clásico para el pronóstico y la planificación de la cadena de suministro ya es muy consumidor de tiempo, incluso solo para el escenario principal. Para las grandes empresas, ya lleva equipos enteros de planificadores y pronosticadores completar el trabajo. Si quieres agregar más escenarios, te enfrentas a una situación en la que necesitas un aumento casi lineal en la mano de obra para alimentar el proceso. Es por eso que, en mi experiencia, aunque hay toneladas de consultores y proveedores que defienden la planificación basada en escenarios, rara vez he visto que esos escenarios se utilicen realmente en producción. Es más bien la excepción que la norma. Si observamos las operaciones diarias, en realidad es bastante raro que se utilicen.
Kieran Chandler: Es raro ver empresas donde los escenarios desempeñen un papel importante en la tarea diaria del equipo de la cadena de suministro, y creo que la razón de eso es que es demasiado costoso. Pero esta es una técnica que existe desde la década de 1970. Entonces, ¿por qué los consultores y proveedores siguen promoviéndola y por qué es algo que las empresas evidentemente siguen utilizando?
Joannes Vermorel: En primer lugar, creo que la idea principal, que es la necesidad de lidiar con futuros inciertos, es profundamente correcta. Por lo tanto, la perspectiva clásica de la cadena de suministro, donde simplemente haces un pronóstico y dices “esto es, este es el futuro”, como la próxima semana venderemos 155 unidades de este producto, es fundamentalmente incorrecta. Intuitivamente, ves que hay algo profundamente equivocado con este enfoque; necesitas lidiar con el hecho de que el futuro no se conoce. Los escenarios son una respuesta, aunque pobre, a este problema, y ante la falta de mejores alternativas, es muy tentador usarlos. Hay un lema que dice que cuando todo lo que tienes en la mano es un martillo, todo lo demás es un clavo. Entonces, si no tienes ninguna herramienta mejor, usarás lo que tienes, que es un martillo, incluso si en realidad estás tratando de lidiar con un tornillo.
Ahora, han surgido alternativas que se basan en cosas que no existían hace cuatro o cinco décadas, como grandes cantidades de capacidad de procesamiento barata. Esa es la esencia del pronóstico probabilístico. Básicamente, se trata de adoptar una perspectiva completamente diferente del problema aprovechando las grandes cantidades de capacidad de procesamiento disponibles en la actualidad.
Kieran Chandler: Entonces, ¿por qué el pronóstico probabilístico puede ser tan diferente? Porque aún estás mirando un futuro alternativo. Supongo que con el pronóstico probabilístico estás asignando una probabilidad de que pueda ocurrir, pero a primera vista, no parecen ser realmente tan diferentes porque solo estás mirando posibles alternativas.
Joannes Vermorel: La idea clave del pronóstico probabilístico es que tendrás futuros generados por máquinas. Mirarás todos los futuros posibles, o al menos todos los futuros numéricamente relevantes. Incluso si tienes enormes recursos informáticos a tu disposición, no tiene sentido evaluar las consecuencias de algo que solo tiene una posibilidad entre un billón de suceder. Simplemente no es una buena inversión de la capacidad de procesamiento que tienes. Pero si solo consideramos cosas que tienen al menos una posibilidad de suceder, digamos al menos una posibilidad entre un millón cada año de suceder, aún es muy improbable, pero no es desaparecidamente improbable. Entonces, hay mucha capacidad de procesamiento bruto para lidiar con ese tipo de eventos a través de las computadoras modernas.
Kieran Chandler: Décadas después, con las computadoras mundanas que tienes en casa o incluso en tu teléfono inteligente, el pronóstico probabilístico es literalmente una forma mecánica de asignar probabilidades a toneladas de posibles eventos futuros. Tan pronto como tienes eso, te das cuenta de que ya no necesitas escenarios. Puedes reemplazar todos esos escenarios que fueron seleccionados entre todos los futuros posibles con algo que analiza brutalmente todos los futuros posibles. Es como pasar de una cámara de video con solo cuatro píxeles en tu imagen, a una imagen completa de alta resolución de todo el futuro donde ves todos los píxeles.
Joannes Vermorel: ¿Qué diferencia hace? Solo pregúntate, si tienes un paisaje y solo tienes cinco píxeles, es muy difícil inferir cómo se ve. Si te esfuerzas mucho, es posible que tengas 20 píxeles en tu imagen, y eso será muy tedioso. Pero cuando pasas de 20 píxeles a 4 millones, pasas de algo que apenas tiene sentido a una imagen de alta calidad que tiene todo el sentido. En la práctica, aunque es un proceso gradual en teoría, es completamente diferente.
Kieran Chandler: Hablemos desde la perspectiva del usuario final. Con la planificación de escenarios, tal vez con solo tus cuatro píxeles, tienes una idea de lo que está sucediendo al principio y al final, y es muy lógico. Pero esta idea de mirar un pronóstico probabilístico y todos los futuros posibles es mucho menos lógica y más difícil de entender. ¿Es más fácil para el usuario final?
Joannes Vermorel: Con la planificación de escenarios, tienes una ilusión de simplicidad. Elijes un escenario y tienes un conjunto de decisiones que tienen sentido para ese escenario en particular. Es relativamente sencillo. Pero el problema es que si miras otro escenario, obtienes otro conjunto de decisiones. Si miras un tercer escenario, obtienes otro conjunto de decisiones. ¿Qué vas a hacer con todas esas decisiones que pueden ser y son, en la práctica, completamente inconsistentes? La respuesta ingenua sería hacer algún tipo de promedio, pero ¿por qué el promedio sería relevante?
Solo para darte un ejemplo, imagina que tienes una tienda que vende libros para escuelas. La mayoría de tus clientes son padres que tienen un hijo y solo quieren una copia del libro. En la misma tienda, de vez en cuando, entra un maestro de escuela y quiere 30 copias del libro.
Kieran Chandler: La pregunta es, ¿tiene sentido tener un stock de cinco copias de un libro en una tienda?
Joannes Vermorel: Si solo quieres atender a los padres que de vez en cuando vienen a la tienda, entonces sí, cinco copias podrían ser suficientes. Sin embargo, si quieres atender a los maestros, entonces probablemente necesitas 35 copias del libro. Necesitarás 30 para atender a los maestros y luego cinco más para atender a los padres. Pero si haces un promedio y dices: “Oh, 25 deberían ser suficientes”, no, 25 es un poco malo porque es mucho más de lo que necesitas para los padres y aún no es suficiente para el maestro. Entonces, como ves, hacer un promedio generalmente no tiene mucho sentido. Y si tienes no linealidades como MOQs, cantidad mínima de pedido, no funciona. Entonces, básicamente, tienes una apariencia de simplicidad cuando miras esos escenarios donde eliges un escenario y dices: “Bueno, aquí hay una solución simple”. Eliges otro escenario y tienes otra solución simple. Pero luego te encuentras con el problema de cómo conciliar todos esos escenarios. La realidad es que el enfoque tradicional es simplemente agregar aún más mano de obra al problema. Entonces, como ves, ya tenías algo que era súper intensivo en términos de mano de obra. Para cada escenario, necesitas más planificadores, más pronosticadores. Pero luego estás creando otro problema, que es, ya sabes, ahora necesitas otro equipo solo para conciliar todo. Entonces, como ves, es aún peor que tener un aumento lineal en la cantidad de personal que tienes. Es como un aumento hiperlineal en la cantidad de cosas que necesitas para lidiar con una gran cantidad de escenarios. Y eso es muy, muy malo.
Kieran Chandler: Creo que tal vez uno de los beneficios de la planificación de escenarios es simplemente copiar y pegar un poco de lógica y desde una perspectiva de implementación, se trata simplemente de asignar más recursos. ¿Significa eso que la implementación de un enfoque de pronóstico probabilístico es mucho más desafiante y por eso las empresas no están tan interesadas en ello?
Joannes Vermorel: Quiero decir, como proveedor de software, absolutamente sí. Literalmente, imagina que eres un proveedor de software de cadena de suministro y lo que haces es diseñar algún tipo de sistema de pronóstico y planificación de cadena de suministro. Esto significa que, al menos desde una perspectiva clásica, tu sistema es capaz de gestionar un pronóstico clásico. Es decir, asignar una cantidad diaria, semanal o mensual para un período X en el futuro para cualquier producto o referencia individual. Esto es lo que parece un producto de pronóstico clásico. Tienes todo en su lugar para gestionar un futuro y decir: “Esto es. Así es como sucederán las cosas”. Ahora, si quieres pasar a la planificación de escenarios, solo tienes que decir básicamente: “Bueno, voy a gestionar una segunda instancia de este futuro y me referiré a eso como un segundo escenario”. En términos de lógica, en términos de código, es literalmente el mismo código donde solo necesitas agregar una dimensión adicional, que es la dimensión del escenario, y eso es todo. Ya tienes tu sistema de planificación de escenarios en su lugar. Pero hay un problema. El problema es que no has hecho nada para conciliar los resultados que surgen de ellos.
Kieran Chandler: Escenarios, pero la realidad es que las empresas generalmente no se dan cuenta de que realmente enfrentan este problema hasta que implementan el sistema y se encuentran con todos los casos límite donde no se pueden promediar los resultados dados por varios escenarios, donde en realidad no tiene sentido promediar los resultados.
Joannes Vermorel: Si haces tres ejemplos y el proveedor es bastante bueno, sabes, quiero decir, en primer lugar, el interés del proveedor es muy barato de implementar, ¿por qué no implementar una función que sea barata y se vea bien durante las demostraciones? Además, cuando haces un piloto muy simple, es probable que no te encuentres con los casos límite que acabo de describir, por lo que promediar los escenarios probablemente funcione para ti. Pero tan pronto como te enfrentes a una situación más compleja, te darás cuenta de que surgen casos límite infinitos y eso hace que todo el asunto no sea viable. Pero en este punto, el proveedor ya está contento porque ya ha sido pagado. Sabes, hay todos los incentivos equivocados en cómo pagas a tu proveedor de software de cadena de suministro, de los que hablamos en el episodio anterior. Además, una vez que las personas no pueden imaginar una alternativa, todavía parece ser lo mejor que hay por falta de algo mejor.
Kieran Chandler: Bueno, entonces empecemos a juntar las cosas un poco. Dices que las personas no pueden imaginar una alternativa y ahora estamos en una posición en la que hay una alternativa con la potencia informática que tenemos. Existe un método alternativo, ¿puedes ver algo como el análisis de escenarios desapareciendo en algún momento?
Joannes Vermorel: Sí, quiero decir, aunque francamente, todavía queda un largo camino por recorrer para que Lokad evangelice literalmente al resto del mundo en eso. El problema no es el pronóstico probabilístico en sí, porque la idea de que vas a tener muchos escenarios con probabilidades es relativamente sencilla y parece una extensión muy natural del enfoque de escenario, simplemente con muchos escenarios, como agregar píxeles a una imagen, donde la cantidad sería la probabilidad.
Kieran Chandler: Entonces, en lugar del color, podrías pensar en esto como mi escenario y se le asigna una probabilidad a este escenario. Pero el problema es que una vez que tienes todos esos futuros posibles, necesitas pensar en formas de automatizar completamente la conciliación entre todos esos futuros posibles. Y ahí es donde las cosas comienzan a volverse realmente complicadas y extrañas desde la perspectiva de Lokad.
Joannes Vermorel: Sabes, la solución que hemos diseñado se llama álgebra de variables aleatorias. Entonces, necesitas algún tipo de herramienta matemática y estadística muy específica para lidiar con ese tipo de conceptos, no solo en el lado del pronóstico, sino también en el lado de la toma de decisiones. De hecho, si observas más detenidamente la pila tecnológica de Lokad, verás que el pronóstico es solo una parte relativamente pequeña de la imagen en la actualidad. La mayor parte de la complejidad, técnicas, herramientas, prácticas, algoritmos y demás radica en cómo optimizar realmente tus decisiones mientras te enfrentas a todos esos futuros inciertos y probabilísticos.
Y ese es el problema, creo, para fomentar aún más la adopción. Las personas no solo tienen que darse cuenta de que es posible mirar todos esos futuros posibles con probabilidades, sino que también tienen que explorar cosas que son, diría yo, muy inusuales: el tipo de herramientas que necesitas para operar sobre todos los futuros a la vez. Porque sin esas herramientas, básicamente vuelves al punto de partida, donde lleva una enorme cantidad de tiempo para que las personas resuelvan todas esas posibilidades. El truco es que, en Lokad, no resolvemos todas esas posibilidades; mantenemos todas esas posibilidades durante todo el proceso. Entonces, no es exactamente fácil, pero en realidad es bastante sencillo si tienes las herramientas adecuadas.
Kieran Chandler: Bueno, tendremos que terminar aquí. Pero supongo que, según los eventos recientes, sabemos que hay tantos escenarios imprevistos que pueden ocurrir que los humanos probablemente nunca podrían predecir. Así que eso es todo por esta semana. Muchas gracias por sintonizar y nos vemos en el próximo episodio. Gracias por ver.