00:00:00 Introducción a los recursos computacionales en la cadena de suministro
00:02:21 Importancia de los recursos computacionales en la cadena de suministro
00:07:04 Empatía mecánica en el contexto de la cadena de suministro
00:09:38 Toma de decisiones con hardware de computación
00:12:42 Ilusión de experiencia sin profundidad
00:13:59 Dependencia moderna de la cadena de suministro en la computación
00:18:32 Impacto de la velocidad del hardware en las decisiones
00:21:40 Ineficiencias del software aumentan los costos
00:24:42 Propiedades y limitaciones de las bases de datos transaccionales
00:27:59 Aumento de los costos en la nube debido a la ineficiencia
00:30:09 Recetas de software más simples y económicas
00:32:40 Desperdicio extremo en los recursos computacionales
00:36:14 Avances en hardware vs. rezago en software
00:40:48 Importancia del conocimiento en la selección de proveedores
00:45:15 Conocimiento teórico vs. conocimiento práctico
00:50:00 Órdenes de magnitud en la eficiencia informática
00:54:33 Consideraciones de rendimiento en el reabastecimiento de inventario
00:56:18 Proceso iterativo para la calidad de los resultados
00:58:50 La interrupción requiere la reingeniería
01:00:18 Próximos pasos para los profesionales
01:02:17 Pagar por las ineficiencias del proveedor
01:05:04 Impacto financiero de las decisiones
01:07:16 Falta de comprensión de los competidores
01:08:40 Conclusiones
Resumen
En un episodio reciente de LokadTV, Conor Doherty, Jefe de Comunicación en Lokad, conversó con Joannes Vermorel, CEO de Lokad, sobre el papel crítico de los recursos computacionales en la optimización de la cadena de suministro. Vermorel enfatizó la necesidad de comprender tanto el hardware como el software para tomar decisiones informadas en la cadena de suministro. Comparó este conocimiento fundamental con la conciencia geográfica básica, esencial para prevenir problemas y garantizar una toma de decisiones efectiva. Vermorel destacó que si bien las computadoras son herramientas para mecanizar decisiones, es crucial comprender sus capacidades y limitaciones. Esta comprensión se extiende a los paradigmas de programación, asegurando que los profesionales puedan optimizar los recursos y obtener mejores resultados.
Resumen Extendido
En un episodio reciente de LokadTV, Conor Doherty, Jefe de Comunicación en Lokad, participó en una discusión reflexiva con Joannes Vermorel, CEO y fundador de Lokad, una empresa francesa de software especializada en la optimización predictiva de la cadena de suministro. La conversación profundizó en el intrincado mundo de los recursos computacionales dentro de la cadena de suministro, un tema que va mucho más allá del simple uso de computadoras. Requiere una comprensión matizada de cómo operan óptimamente estas máquinas, un concepto al que Vermorel se refiere como “simpatía mecánica”.
Doherty abrió la discusión destacando el amplio alcance de los recursos computacionales, que abarcan tanto el hardware como el software. Buscó una definición de trabajo por parte de Vermorel, quien explicó que los recursos computacionales incluyen todas las clases de hardware que constituyen una computadora moderna. Esta clasificación, aunque algo arbitraria, ha evolucionado en los últimos 70 años, dando lugar a categorías distintas como CPUs y memoria, cada una con propósitos específicos en el ecosistema computacional.
Vermorel enfatizó la importancia de estos recursos en el contexto de la gestión de la cadena de suministro. Argumentó que si aceptamos la premisa de que las decisiones en la cadena de suministro se toman mejor con la ayuda de computadoras, entonces comprender el hardware que facilita estos cálculos se vuelve crucial. Esta comprensión no se trata solo de conocer los componentes físicos, sino también de comprender las clases más amplias de dispositivos y sus capacidades computacionales.
Doherty luego buscó destilar esta información para los profesionales de la cadena de suministro, preguntando cómo deberían integrar este conocimiento en sus operaciones diarias. Vermorel aclaró que las computadoras no son inherentemente buenas tomando decisiones; simplemente son las mejores herramientas disponibles para mecanizar los procesos de toma de decisiones. Esta mecanización, que ha impulsado el progreso durante siglos, ahora se está extendiendo a los trabajos de cuello blanco a través del uso de computadoras.
Vermorel comparó el conocimiento fundamental de los recursos computacionales con el conocimiento geográfico básico. Así como conocer la ubicación de los países en un mapa se considera esencial, comprender los conceptos básicos del hardware informático es fundamental para los profesionales de la cadena de suministro. Este conocimiento ayuda a prevenir una serie de problemas potenciales y garantiza que las decisiones se tomen con una comprensión clara de la infraestructura computacional subyacente.
Doherty profundizó aún más en el alcance de este conocimiento fundamental, preguntando si implicaba conocer cosas simples como la ubicación de un puerto USB o conceptos más complejos como el funcionamiento de una unidad SSD. Vermorel respondió que se trata más de comprender las abstracciones y las clases estables de preocupaciones que han persistido en la informática durante décadas. Estas incluyen la memoria, el almacenamiento, el ancho de banda, el cálculo aritmético y los procesos de entrada/salida.
La conversación luego se centró en cómo este conocimiento fundamental se traduce en una mejor toma de decisiones. Vermorel explicó que sin una comprensión básica del hardware, los procesos de toma de decisiones pueden parecer mágicos, lo que dificulta evaluar si un método es adecuado para el hardware disponible. Utilizó la analogía de seleccionar un automóvil para ilustrar este punto. Al igual que elegir un automóvil requiere comprender su uso previsto, seleccionar recursos informáticos requiere conocimiento de sus capacidades y limitaciones.
Vermorel también mencionó la importancia de los paradigmas de programación y cómo encajan en el proceso de toma de decisiones. Señaló que si bien los casos de uso específicos no siempre son evidentes, tener una comprensión fundamental de conceptos como el análisis estático, la programación de matrices y el control de versiones es crucial. Este conocimiento ayuda a los profesionales a evitar “tropezar en la oscuridad” y garantiza que puedan tomar decisiones informadas sobre las herramientas computacionales que utilizan.
En conclusión, Vermorel enfatizó que las prácticas modernas de la cadena de suministro dependen en gran medida del hardware informático. Incluso las empresas que se consideran de baja tecnología dependen ampliamente de las computadoras, ya sea para algoritmos complejos o herramientas simples como Excel. Por lo tanto, tener una comprensión fundamental de los recursos computacionales no solo es beneficioso, sino esencial para una gestión efectiva de la cadena de suministro. Este conocimiento permite a los profesionales tomar decisiones informadas, optimizar sus recursos computacionales y, en última instancia, obtener mejores resultados para sus organizaciones.
Transcripción completa
Conor Doherty: Bienvenidos de nuevo a LokadTV. Hoy, Joannes y yo discutiremos los recursos computacionales en la cadena de suministro. Como escucharán, esto va mucho más allá de simplemente saber cómo usar una computadora. Más bien, requiere una comprensión adecuada de cómo funciona mejor. Esto se llama simpatía mecánica y, como discutiremos, una buena simpatía mecánica puede traducirse en un mejor uso de los recursos computacionales y, en última instancia, en mejores decisiones. Ahora, como siempre, si les gusta lo que escuchan, consideren suscribirse a nuestro canal de YouTube y seguirnos en LinkedIn. Y con eso, les presento la conversación de hoy.
Entonces, Joannes, recursos computacionales en la cadena de suministro, eso es un concepto muy amplio. Cubre tanto el hardware como el software. Entonces, para los fines de la conversación de hoy, y teniendo en cuenta que es una audiencia de la cadena de suministro, ¿cuál es una buena definición de trabajo de los recursos computacionales?
Joannes Vermorel: Los recursos computacionales es un término general que abarca todas las clases de hardware que componen una computadora moderna. Hoy en día, la separación entre estas clases es un poco arbitraria, pero solo un poco. No hay nada en la naturaleza que diga que hay una clase de cosas que debemos llamar CPU (unidad central de procesamiento) y otra clase de dispositivos que debemos llamar memoria y demás. Es una coevolución del diseño de computadoras y el papel del mercado lo que ha dado forma a ciertos nichos para que las empresas tengan dispositivos realmente competitivos para fines específicos. Así es como se produjo esta evolución. Ahora, 70 años después de la introducción de las computadoras, tenemos clases muy claras de dispositivos informáticos que no hacen todo de principio a fin. Son como componentes en el cálculo.
Ahora, ¿por qué es importante tener eso? Cuando me refiero a los recursos computacionales, me refiero ampliamente al hardware, pero también implícitamente a la clase de dispositivos y lo que te ofrecen para realizar cálculos. ¿Por qué importa para la cadena de suministro? Porque si consideramos la cadena de suministro como un ejercicio de toma de decisiones y si procedemos con el acto de fe de que estos cálculos se harán mejor con computadoras, entonces esta es literalmente la capa física que llevará a cabo esos cálculos. Este acto de fe es solo uno modesto después de todo. Las computadoras son relativamente capaces hoy en día. Pero aún así, parte de esta visión es que todas estas decisiones, esas millones de decisiones que una cadena de suministro considerable necesita tomar, en última instancia se harán con una computadora de una forma u otra.
Por lo tanto, si comenzamos a pensar en eso, deberíamos prestar un poco de atención a esta capa de hardware. La situación se ha vuelto mucho más compleja en las últimas cuatro décadas. Las computadoras siguen progresando, pero de formas mucho más complejas y no tan intuitivas en comparación con lo que estaba sucediendo hasta finales de los años 90.
Conor Doherty: Bueno, nuevamente para resumir eso, las computadoras son buenas para tomar decisiones. Pero ¿cómo encaja un profesional de la cadena de suministro que escucha esto en la conversación de hoy? ¿Cuál es la idea principal para ellos?
Joannes Vermorel: En primer lugar, diría que las computadoras no son especialmente buenas para tomar decisiones. Son simplemente las herramientas que tenemos, y en este momento no tenemos ninguna opción viable para mecanizar los procesos de toma de decisiones. Esto es una especie de acto de fe. ¿Por qué queremos mecanizar? Porque la mecanización ha impulsado el progreso durante los últimos dos, tal vez incluso tres siglos. En el siglo XX, fue la mecanización de los trabajos de cuello azul con mejoras de productividad que fueron absolutamente asombrosas, como 100 veces más. Ahora, en el siglo XXI, estamos viendo exactamente lo mismo pero para los trabajos de cuello blanco, y esto está sucediendo gracias a las computadoras. Podríamos pensar en un universo paralelo donde estaría sucediendo con otras cosas, pero por ahora, la mejor opción que tenemos son las computadoras.
Ahora, ¿por qué importa? Yo diría que tenemos que tratar los recursos computacionales y el hardware de computación como parte del conocimiento fundamental. ¿Cuándo fue la última vez que te fue útil saber dónde se encuentra Canadá en el mapa mundial? ¿Cuándo fue la última vez que fue útil saber que Rusia no tiene ninguna frontera con Brasil? Estos son los tipos de cosas donde no está muy claro en tu vida diaria que, por ejemplo, tener conocimientos básicos de geografía mundial sea de algún uso práctico. Sin embargo, si le preguntaras a la gran mayoría de las personas en esta audiencia, dirían que es importante. ¿Qué pensarías de alguien que no pudiera ubicar ni a China, ni a Canadá, ni a Rusia en un mapa mundial? Eso sonaría muy extraño y probablemente no confiarías en esa persona para muchos roles en tu organización.
Entonces, puedes pensar en ello como un poco de trivialidad hasta cierto punto, pero también es conocimiento fundamental. Si no sabes nada al respecto, eso creará problemas. ¿Qué tipo de problemas? Depende mucho de los detalles de la situación, la empresa y el sector. Pero puedes esperar toda una serie de problemas. Creo que el conocimiento sobre el hardware de computación y los recursos computacionales está muy dentro de esta clase de conocimiento fundamental que los profesionales de la cadena de suministro deben conocer. Deben tener una especie de simpatía mecánica, un término tomado de la Fórmula Uno, sobre estas cosas.
Conor Doherty: Bueno, me gusta la analogía que usas, y voy a tratar de usar eso para analizar este punto. Si dices que el conocimiento fundamental es saber que Brasil y Rusia no comparten una frontera, eso es una granularidad del conocimiento geográfico. Otra es saber cuántas capitales tiene Sudáfrica. Estas son capas o granularidades cualitativamente diferentes de conciencia geográfica. Para tomar esa diferencia y aplicarla al hardware o los recursos computacionales, cuando dices conocimiento básico, ¿te refieres a saber dónde está el puerto USB de mi mouse, o te refieres a saber cómo funciona una unidad de estado sólido (SSD)? ¿Cuál es el orden de magnitud del conocimiento aquí?
Joannes Vermorel: Estoy hablando más sobre las abstracciones. Hay una cantidad interminable de trivialidades sobre el hardware de computación. No se trata de conocer cada dispositivo individual y sus puntos de precio. Si eres un geek, puedes disfrutar leyendo sobre eso, y yo lo hago. Pero fundamentalmente, se trata más de esas clases muy grandes y muy establecidas de recursos. Esto depende un poco de la arquitectura, pero estas arquitecturas han sido muy estables durante al menos cinco décadas, por lo que puedes esperar que eso continúe.
¿De qué estamos hablando? Estamos hablando de cosas como memoria, memoria volátil, almacenamiento persistente, ancho de banda, cálculo aritmético, entrada y salida (E/S), rendimiento, latencia. Todos estos tipos de cosas han sido preocupaciones y han tenido clases de preocupaciones que han sido estables durante muchas décadas. Eso es a lo que me refiero con tener este conocimiento básico para ver cuáles son las clases de preocupaciones y el hardware de computación correspondiente. ¿Cómo se ajusta todo para hacer algo con una computadora moderna?
Si retrocedemos en términos de capas, en última instancia, quieres que tus procesos de toma de decisiones se calculen gracias a este hardware de computación. Si no tienes ningún conocimiento sobre lo que está sucediendo a nivel de hardware, es completamente mágico. ¿Cuáles son las probabilidades de que puedas siquiera comprender si un método es adecuado para el hardware que tienes o no? No estoy hablando de una comprensión detallada súper granular, solo una comprensión básica súper básica de si funcionará en absoluto.
Conor Doherty: Por ejemplo, usas la frase… Perdón, déjame retroceder un paso. Nombraste algunos paradigmas de programación. Creo que fue en una de tus conferencias. Hablaste sobre paradigmas de programación, análisis estático, programación RA, programación diferencial, control de versiones, persistencia, todos estos conceptos. Mi pregunta es, ¿cómo encajan todos estos conceptos para tomar mejores decisiones de las que estás hablando?
Joannes Vermorel: Este es un conocimiento fundamental, así que no esperes casos de uso muy específicos de mi parte, al igual que la geografía básica. ¿Cuándo fue la última vez que realmente necesitaste saber eso? Probablemente nunca. Es algo ambiental. El problema es que si te faltan capas de conocimiento fundamental, estás dando palos de ciego. Ni siquiera ves que estás en la oscuridad. Ni siquiera te das cuenta de que hay tanto que no comprendes. Ese es realmente mi punto.
Retrocedamos. Quieres generar esas decisiones con una computadora. Eso significa que vas a seleccionar proveedores, probablemente varios. Comprarás o alquilarás recursos informáticos en la nube. Puedes delegar completamente la tarea a tu departamento de TI, pero ¿por qué el departamento de TI sería muy bueno eligiendo hardware para algo de lo que no saben nada? Por ejemplo, si te digo: “Querido departamento de TI, por favor, elígeme el mejor automóvil”, sin especificar. Está bien, perfecto. Entonces, el departamento de TI dice: “De acuerdo, entonces te llevo un Fórmula Uno”. Y tú dices: “Bueno, pero en realidad, quiero conducir por dunas a lo largo de la playa”. Entonces, el Fórmula Uno resulta ser un vehículo completamente malo porque no está diseñado en absoluto para conducir en la arena.
Si todo lo que me dices es que tome algo bueno, tomarán algo fundamentalmente bueno, como un Fórmula Uno. ¿Es un buen automóvil? Sí, es un buen automóvil para un uso específico. Pero si dices: “Quiero un automóvil donde pueda estacionar a mi familia de ocho personas”, eso será una definición muy diferente de lo que es bueno. Tenemos la ilusión de que cuando se trata de TI, hardware de computación y cosas relacionadas con la computación, esto es una cuestión de especialistas. Al igual que elegir un automóvil, no soy un especialista en automóviles, así que simplemente le diré al departamento de automóviles que me elija un buen automóvil y ya está. Esas personas tienen tantas opciones de lo que incluso significa bueno que eligen algo al azar. Luego puedes quejarte en el extremo receptor: “Oh, pero el costo de este Fórmula Uno es extravagante. Ni siquiera puedo poner a una segunda persona en el automóvil, y donde quiero conducir, que es en la arena, ni siquiera va a hacer 10 metros antes de que las ruedas pierdan tracción debido a la baja altura”. Si fuera un automóvil, la gente estaría de acuerdo en que sería ridículo.
Pero cuando hablamos de cosas relacionadas con la computadora, en la mayoría de las empresas, las personas encuentran completamente aceptable no estar interesadas en el caso. Aunque, nuevamente, vuelvo a la práctica de la cadena de suministro. Una práctica moderna de la cadena de suministro depende en gran medida de este hardware de computación. Las cadenas de suministro se han digitalizado hace décadas e incluso las empresas que creen que son de baja tecnología dependen enormemente de las computadoras, incluso si es solo para Excel.
Si dependes de esas herramientas a diario, dependes de ellas de una manera muy elaborada. Por ejemplo, dependo de la disponibilidad de agua, pero no necesito saber nada sobre el suministro de agua. Eso es correcto porque el agua como producto es extremadamente simple. Es químicamente simple y cuando dices agua del grifo, esperas un 99.99% de H2O más un poco de minerales y un poco de cloro por razones sanitarias, y ya está.
Entonces, como ves, la temperatura debería ser algo así como entre 10 y 20 grados, y ya está. Así que es algo extremadamente simple. Por eso no tienes, tú, la capa de abstracción que es “Obtengo agua del grifo y es bueno para beber”. Puedo permitirme no saber nada sobre lo que está aguas arriba. Pero el problema, y ahí es donde llego al punto de los recursos informáticos, es que los recursos informáticos son multidimensionales. Sabes, no es algo simple como el agua. Es mucho más como un automóvil. Hay tantos tipos diferentes de automóviles, tantas formas diferentes en las que podrías decir que es un buen automóvil.
Si digo: “¿Qué es un buen agua?”, sabes, excepto si estás haciendo experimentos muy, muy específicos, sabes, procesamiento industrial que requiere agua ultra pura y demás, para prácticamente todas las situaciones con las que te encontrarás en la vida, el agua del grifo básica es justo lo que necesitas. Así que no necesitas saber nada al respecto porque, nuevamente, estás lidiando con un producto que es extremadamente simple. Pero si estás lidiando con un producto que es multidimensional, como un automóvil, entonces necesitas saber una o dos cosas sobre el automóvil si quieres comprarlo.
Entonces, nuevamente, si vamos a los profesionales de la cadena de suministro, resulta que dependes enormemente de los recursos informáticos para hacer muchas cosas. Esas cosas serán aún más prevalentes en el futuro. ¿Qué te hace pensar que puedes ser completamente ignorante de la capa física de eso?
Conor Doherty: Bueno, hay algunos puntos ahí, uno de los cuales es que las cadenas de suministro obviamente son muy complejas. Estás tratando de resolver muchas cosas, y eso depende del contexto. Por ejemplo, tal vez quieras que el automóvil conduzca en el desierto, quieras conducirlo en colinas, quieras conducirlo en la ciudad. Estos son todos contextos diferentes, pero aún hay propiedades compartidas en términos de lo que al menos creemos que las empresas deberían intentar hacer con sus recursos computacionales. Entonces, ¿puedes expandir un poco más sobre eso?
Joannes Vermorel: Sí, quiero decir, ahí está la cuestión, ¿vale? Quieres, digamos, analizar como línea base tu historial transaccional. Eso sería algo. Vale, eso significa que estos datos deben ser almacenados. Entonces, ¿dónde se almacenarán? ¿Qué tipo de hardware? ¿Cuáles serán las características de este hardware? Si quieres almacenar los datos y luego acceder a ellos, ¿tiene algún impacto? La respuesta es sí, lo tiene. Solo para darte una idea muy simple, consideremos que quieres almacenar estos datos en un disco giratorio.
No importa si es tu disco giratorio o algo que alquilas de una plataforma de computación en la nube. Si los datos se almacenan en un disco que está girando, significa que en promedio, cuando quieres acceder a un bit de los datos, en promedio el disco tendrá que girar medio ciclo para que puedas acceder al área. Sabes, eso es simplemente porque los datos pueden estar en cualquier lugar del disco. Quieres acceder a un dato, en promedio el disco tendrá que girar medio ciclo.
Vale, bien. ¿Qué significa eso? Bueno, la consecuencia es ¿a qué velocidad puede girar el disco? Bueno, un disco típicamente girará a unas 7,000 rotaciones por minuto, y si es una unidad muy sofisticada, tal vez llegue a 11,000 o tal vez 12,000, pero eso es todo. Rotaciones por minuto. Eso significa que, ya sabes, en términos de latencias, deberías esperar algo así como 20 milisegundos o algo así, ya sabes, para acceder a cualquier dato.
Entonces dirías, “Bueno, 20 milisegundos parece corto”. ¿Pero lo es? Porque 20 milisegundos significa que cada segundo solo puedes acceder, si quieres saltar por todo tu disco, solo a 50 piezas de datos diferentes por segundo. Si tienes que saltar por todas partes, 50 por segundo no es tanto. Si tienes millones, decenas de millones de registros para recuperar, ves que muy rápidamente esto se va a convertir en retrasos locos, locos. Ahora podrías decir, “Vale, pero mi disco puede almacenar terabytes de datos”.
Sí, pero si recuperar los datos, debido al hecho de que tienes que saltar tanto por el disco, lleva días, no es muy, muy bueno. Entonces tal vez pueda, ya sabes, tomar muchos discos que tengan una capacidad más pequeña, y tendré, ya sabes, más rendimiento al acceder a los saltos. O tal vez incluso pueda, ya sabes, usar otra clase de almacenamiento por completo y optar por SSD, unidades de estado sólido, que proporcionan latencias mucho, mucho mejores para esos accesos aleatorios.
Pero ves, ese es el tipo de cosa donde, nuevamente, si no tienes ningún conocimiento sobre los recursos informáticos y las clases de hardware informático que proporcionan esos recursos, ese tipo de preguntas ni siquiera se te ocurrirían en tu forma de pensar. ¿Y puede hacerte daño? Ya sabes, nuevamente, esa es la pregunta. Lo que no sabes, ¿puede hacerte daño? Yo diría que sí, porque nuevamente vas a comprar muchas de esas cosas, ya sea directa o indirectamente.
Las comprarás directamente si tu departamento de TI simplemente compra recursos de computación en la nube, pero también comprarás esas cosas indirectamente si eliges un proveedor de software de cadena de suministro. Porque ves, si eliges un proveedor, estás eligiendo una forma específica de consumir esos recursos de computación para obtener el resultado que deseas. Y aquí mi mensaje es que si crees que el proveedor promedio de software tiene alguna competencia en el caso, estás completamente equivocado.
La gran mayoría, obviamente esto es una opinión, pero diría que la gran, gran mayoría de mis competidores, los competidores de Lokad, tienen, cuando miras la gestión y sus intereses, en general, cero interés, cero simpatía mecánica por el hardware informático. Y como consecuencia, no debería ser demasiado sorprendente que su software, como resultado, sea horrendamente ineficiente. ¿Y por qué es eso? Bueno, se remonta a que si no prestas atención a tu hardware, ¿por qué creerías que al final del día el software que vas a construir encima va a hacer un uso muy bueno de este hardware?
Ya sabes, nuevamente, eso sería como elegir un coche de Fórmula 1 sin importar la carretera que quieras conducir, y luego preguntarte por qué en la playa este es un vehículo tan malo. Ya sabes, sorpresa, sorpresa, eso es lo que sucede cuando no prestas atención al hardware informático.
Entonces, nuevamente, si pudieras confiar en un mundo perfecto, podrías confiar en consultores, proveedores de software y esas personas habrían tomado todas las decisiones correctas por ti. Pero resultó que debido al hecho de que la gran mayoría de los profesionales de la cadena de suministro son completamente ignorantes, los proveedores de software también pueden permitirse ser completamente ignorantes. ¿Por qué no deberían serlo, después de todo, si los clientes no pueden notar la diferencia en el momento de comprar el software o la solución? No importa, quiero decir, no importa hasta que sean golpeados por las consecuencias de esta ignorancia.
Conor Doherty: Bueno, está bien, primero que nada, no hay nada de malo en tener una opinión, eso es lo que hacemos aquí. Pero cuando dices, en última instancia, cuando las empresas compran software a un proveedor, creo que dijiste consumir recursos para obtener lo que quieren o lo que quieres. En última instancia, seamos prácticos aquí, estamos hablando de tomar decisiones. Entonces has dado un poco de teoría allí, pero ¿puedes ser un poco más concreto para las personas que están curiosas? ¿Cómo influye o se traduce en decisiones, elecciones tomadas en el mundo real un mejor uso de los recursos computacionales, como lo estás describiendo?
Joannes Vermorel: Entonces, cuando tienes decisiones, tienes muchas, muchas formas de crear recetas numéricas que en última instancia generarán esta decisión. La cosa es que si la forma en que consumes tus recursos informáticos es fantásticamente ineficiente, y déjame dar un ejemplo. Si comienzas a usar, digamos, una base de datos relacional, una base de datos transaccional, lo mismo, nada que ver con el dinero. De hecho, si usas una base de datos transaccional y quieres llevar a cabo recetas analíticas, recetas numéricas, simplemente hacer algún tipo de cálculo numérico, pagarás un impuesto adicional de probablemente un factor de 100, al menos dos órdenes de magnitud, si no 300, tres órdenes de magnitud.
Y ¿por qué es eso? Es porque esta capa de software, la capa transaccional, te brinda algunas propiedades muy interesantes, pero no tienen nada que ver con el cálculo analítico. Te brindan básicamente las cuatro propiedades conocidas como ACID: atomicidad, consistencia, aislamiento, durabilidad. Esas cosas son muy buenas para los procesos transaccionales. Garantizan cosas como, por ejemplo, si quieres declarar que se ha pagado a un proveedor, nunca puedes terminar en una situación en la que el dinero se haya enviado, la orden al banco, pero la factura del proveedor no se haya liquidado simplemente porque, por ejemplo, el sistema informático se haya bloqueado a mitad de la operación.
Entonces, en teoría, podrías terminar en una situación en la que ya hayas emitido la orden de transferencia bancaria pero no hayas registrado el hecho de que se haya liquidado esta factura de un proveedor. Entonces, la próxima vez que reinicies el sistema, emitirás un segundo pago y efectivamente pagarás al proveedor dos veces. Ese es el tipo de cosas que puedes obtener con una capa transaccional. Es muy, muy importante para cosas transaccionales, donde esencialmente hay una cuenta que se incrementa y otra cuenta, en el sentido de contabilidad, que se decrementa. Quieres que esas cosas sucedan al mismo tiempo lógicamente para que nunca se desincronicen.
Bien, pero si usas este tipo de paradigma de software para construir tus recursos analíticos, eres increíblemente ineficiente. Y por cierto, sorpresa, sorpresa, esto es exactamente lo que el 99% de mis competidores están haciendo. ¿Qué significa eso en términos de toma de decisiones? Bueno, si la forma en que utilizas los recursos informáticos comienza con un sobrecosto de un factor de 100, significa que estás limitado a recetas numéricas muy, muy simplistas. Simplemente porque tan pronto como tienes un mínimo de complejidad, estás completamente fuera de presupuesto en términos de recursos informáticos. Eso significa que los precios se vuelven realmente extravagantes muy rápido.
Ves, esto no es un elemento publicitario. Si no controlas tu presupuesto de recursos informáticos, puedes terminar con niveles de gasto locos. Solo para dar un punto de precio, muchos de mis colegas, no competidores, colegas que serían empresas de software como servicio que manejan cargas de trabajo analíticas pesadas, cuando veo el S1, por lo que el S1 es un documento que debes publicar cuando quieres salir a bolsa en los Estados Unidos. Es muy interesante porque eso es prácticamente un informe para los inversores, para los futuros inversores. Aquí puedes ver la descomposición de los gastos en los últimos tres, cuatro años.
La mayoría de las empresas de software que eran analíticas, como Lokad, en realidad no son de la cadena de suministro, pueden ser cualquier cosa, ya sabes, eso puede ser detección de fraudes, puede ser procesamiento de registros del sistema, lo que sea. Típicamente gastaban la mitad de sus gastos orientados hacia los recursos de computación en la nube. La cantidad de gasto es muy, muy significativa. A pesar de pagar, ya sabes, tener en la nómina ingenieros extremadamente caros y una fuerza de ventas extremadamente cara, aún lograban enviar la mitad de sus gastos a proveedores de computación en la nube. Así que ves la idea de que el costo de los recursos informáticos es insignificante es completamente absurda para la mayoría de los proveedores de software que son de la clase analítica como Lokad.
Los sistemas no son sistemas de inteligencia, pero tampoco son sistemas de informes o sistemas de indigencia, esos gastos pueden ser muy, muy significativos. Cuando digo que si eres ineficiente, gastas 100 veces más, puedes ver que si ya estás gastando la mitad de tus ingresos en recursos informáticos, gastar 100 veces más simplemente no está sobre la mesa. Ni siquiera es algo remotamente posible. Entonces eso significa que para mantenerse dentro del presupuesto, ¿qué haces? Bueno, simplemente aumentas el precio. Eso es lo que hacen, pero incluso eso tiene límites. Puedes duplicar, tal vez cuadruplicar tu precio, pero no puedes multiplicar tus precios por 100 veces.
Entonces, lo que hacen la mayoría de los proveedores de software es optar por recetas más simples y más baratas, incluso si son extremadamente simplistas y llegan al punto de perjudicar a sus clientes. La realidad es que no pueden permitirse, como proveedores, algo que podría ser menos disfuncional porque sería demasiado costoso. ¿Y por qué no pueden permitirse eso? Porque son absolutamente derrochadores con sus recursos informáticos.
Conor Doherty: Bueno, nuevamente, me parece que cuando hablas y explicas cómo crees que se deben asignar los recursos computacionales, es en busca de decisiones fundamentalmente mejores. En tu mente, ese es el problema que se debe resolver. Pero eso no necesariamente es el mismo paradigma que todas las empresas, o más bien, no todas las empresas, aplican ese mismo paradigma. Por ejemplo, podrías ser una empresa que prioriza algo como perseguir el nivel de servicio o perseguir la precisión de pronóstico, y ese es el objetivo, eso es lo que estás buscando. ¿Cómo sería diferente la asignación de recursos computacionales en esa situación? Y siéntete libre de comentar.
Joannes Vermorel: Entonces, bien, te fijas una meta para ti mismo. Aquí, no estoy cuestionando esa parte. Cuando digo decisiones mejores, me refiero a cualquier métrica, cualquier objetivo que te hayas fijado. Así que no importa. Si quieres un mejor nivel de servicio, está bien. Ese es tu objetivo. Ahora te has fijado una meta para ti mismo y ahora tienes a tu disposición capacidad de procesamiento, recursos informáticos que puedes utilizar para tomar decisiones que serán mejores según los objetivos que te hayas fijado. Bien.
Ahora aclaremos cuál es el paradigma ambiental para prácticamente todos mis competidores. El paradigma ambiental es que tendrás ingenieros que comenzarán a trabajar en algo y, cuando este algo sea compatible con el mejor hardware que el dinero puede comprar, dejarán de trabajar y comenzarán a vender la cosa a los clientes. Entonces, ¿cómo se ve eso? Significa que, bueno, quiero hacer el reabastecimiento de inventario para una red minorista. Así que tengo, digamos, 20 millones de SKU. Bien. Primero, pruebo varias cosas, no funciona, así que vuelvo a, digamos, el análisis de existencias de seguridad, que es extremadamente trivial en términos de recursos informáticos.
Y luego, porque mi sistema es tan ineficiente con hardware informático extremadamente costoso, puedo hacer que funcione. Y luego me detengo y vendo eso al cliente. Entonces, ¿cuál era el tipo de pensamiento en este paradigma? Porque en realidad, en la industria del software, creo que fue el paradigma dominante hasta finales de los años 90 del siglo XX. Este paradigma era prácticamente que el hardware informático está progresando de manera exponencial. Entonces, la idea sería obtener el mejor hardware que el dinero pueda comprar y, tan pronto como funcione, tener algo que funcione dentro de esas limitaciones, incluso si los costos son insanos, incluso si no estás haciendo un buen uso de tus recursos informáticos, no importa.
Por qué? Porque tienes una progresión exponencial del hardware informático en todas las métricas. Eso es a lo que la gente se refiere como la Ley de Moore, pero de hecho, había muchas otras leyes para todo. Todos los recursos informáticos estaban progresando, todas las métricas estaban progresando, y eso fue lo que hizo que Microsoft fuera extremadamente exitoso nuevamente en los años 90. La idea es que si funciona, no importa qué tan terrible sea el rendimiento porque dentro de cinco años, el hardware informático habrá progresado tanto que esos recursos informáticos serán trivializados.
Esto funcionaba hasta finales de los años 90, desde aproximadamente el año 2000 en esta área, tenemos clases enteras de métricas que no han mejorado. Por ejemplo, la latencia entre la CPU y la memoria prácticamente no ha cambiado en las últimas dos décadas. Debido al hecho de que ahora estamos limitados por la velocidad de la luz, no va a cambiar en un futuro previsible.
Otro elemento es, nuevamente, la velocidad de la luz. Los paquetes a través de Internet de una larga distancia ahora viajan aproximadamente a dos tercios de la velocidad de la luz, por lo que no hay mucho margen de mejora en la velocidad de los paquetes a través de Internet porque ya estamos muy, muy cerca de la velocidad de la luz. Podemos tener más ancho de banda, por lo que podemos enviar muchos más paquetes, no hay problema, pero en términos de velocidad real de los paquetes en sí, ahora estamos muy cerca de los límites de la física, al menos de la física tal como la conocemos.
Entonces, eso es lo que, nuevamente, este paradigma que era muy prevalente en la industria del software a fines de los años 90, que era “solo haz algo que funcione y luego véndelo y luego no te preocupes por el rendimiento porque es como una tarea de tontos”. La industria, la industria del hardware, mejorará todo tanto que todas esas preocupaciones de rendimiento serán irrelevantes en solo unos pocos años. Esa era la mentalidad.
Curiosamente, todavía tenemos un progreso muy bueno del hardware informático, pero el progreso se ha vuelto muy sutil. Todavía tienes progresiones exponenciales, pero entre líneas muy específicas, no en todas las métricas, algunas métricas. Lo interesante es que la mayoría de la industria de software B2C ha prestado mucha atención a eso. Por ejemplo, la industria de los videojuegos presta una gran cantidad de atención a este tipo de detalles. Pero cuando se trata de software empresarial, todavía están viviendo, el 99% de ellos, en los años 90 donde no prestan atención y simplemente operan como si dentro de cinco años el progreso del hardware informático hubiera hecho que el costo de su sistema fuera trivial. No es el caso.
De hecho, debido a la cantidad de datos gestionados por las empresas que sigue aumentando, terminamos en una situación en la que año tras año el costo que necesitas gastar para mantener tus sistemas en funcionamiento tiende a, para la mayoría de los proveedores de software, aumentar más rápido de lo que el precio está disminuyendo del hardware informático. Entonces, año tras año, terminas gastando aún más para mantener prácticamente el mismo nivel de calidad de tus procesos de toma de decisiones o soporte para tus procesos de toma de decisiones si no está completamente automatizado.
Conor Doherty: Bueno, el progreso del hardware o el progreso informático se ha vuelto sutil, creo que fue el término que usaste. Es sutil, ya no hay saltos exponenciales.
Joannes Vermorel: Es en direcciones específicas, no en dimensiones. En los años 90, lo interesante es que todo estaba mejorando en todos los frentes. No había una sola métrica que no mejorara. Hoy en día, hay muchas métricas que no se han movido literalmente en una década.
Si observas, por ejemplo, la cantidad de calor que puedes disipar de una computadora, tu computadora necesita deshacerse del calor. Puedes tener cables de cobre, puedes tener ventiladores, puedes hacer varias cosas para extraer el calor del interior de la computadora para que esas cosas no se sobrecalienten. Pero ya hemos alcanzado el límite de lo que es factible con el aire. Hay límites que se alcanzaron hace dos décadas. Puedes usar agua para que sea un poco más eficiente. Si quieres ser muy sofisticado, puedes optar por nitrógeno líquido. Es bastante impráctico, pero es posible para hacer buenos benchmarks, etc.
Entonces, hemos alcanzado los límites. No tenemos ningún material mágico que nos permita evacuar el doble de calor. Quiero decir, tal vez podríamos usar diamantes. El diamante es un conductor de calor fantástico, pero la idea de tener kilogramos de diamantes para evacuar el calor aún está lejos. Incluso eso solo nos dará un impulso modesto en comparación con el cobre, que ya es un excelente conductor.
Conor Doherty: Bueno, eso realmente demuestra mi punto un poco más. Entonces, para terminar el pensamiento, si…
Bueno, en realidad tomaré el ejemplo que acabas de dar. Estabas hablando de la diferencia entre el cable de cobre y los diamantes como conductores de calor. Para exprimir un poco más el rendimiento de las propiedades de escape de calor de una computadora, eso requerirá una comprensión bastante sutil y especializada de la ingeniería informática. Entonces, volviendo al tema principal, ¿cómo se traduce el aumento de tu conocimiento fundamental ambiental en un mayor rendimiento de la cadena de suministro cuando los márgenes son tan estrechos como los que estás describiendo?
Joannes Vermorel: No, creo que nuevamente eso es lo interesante del conocimiento fundamental, que aclara la imagen de todo. ¿Tu departamento de TI está comprando el tipo correcto de cosas incluso en términos generales? ¿Tienes alguna idea al respecto? ¿Puedes siquiera discutir el asunto con tu departamento de TI? Si no puedes, ¿por qué deberías esperar siquiera que lo que están comprando tenga algún sentido?
Nuevamente, volvamos a la Fórmula 1 para ir a la playa. No tiene ningún sentido, pero eso es exactamente lo que sucede cuando las personas no tienen ningún conocimiento de lo que está en juego. Cuando quieres elegir un proveedor, ¿puedes siquiera tener una discusión inteligente sobre la forma en que están consumiendo los recursos informáticos para brindarte mejores decisiones o un mejor soporte para tus decisiones? ¿Están consumiendo esos recursos de manera adecuada en relación con el hardware informático que tenemos? ¿Tiene sentido la arquitectura o absolutamente no?
Nuevamente, si piensas en términos de un automóvil, hay tantas cosas que sabes intuitivamente. La aerodinámica, por ejemplo. Si tuvieras que ver un automóvil que violara masivamente las leyes de la aerodinámica, pensarías: “Ok, este automóvil va a tener una resistencia inmensa en términos de aire, el consumo va a ser horrible”. No hay alternativa. Entonces, ves, es el tipo de cosa que, nuevamente, debido al conocimiento fundamental, es instintivo. No necesariamente necesitas que te digan cuando ves un automóvil muy bajo que la aerodinámica va a ser buena y que lo más probable es que este automóvil pueda conducir más rápido.
Esa es la cuestión. Ni siquiera tienes que pensar en cuáles son las dinámicas de fluidos en juego y demás. Es intuitivo. Ese es el tipo de cosa que si estamos buscando tomar mejores decisiones, ¿puedes identificar intuitivamente cosas que son extremadamente disfuncionales? Mi punto es que debido a que el 99.9% de los clientes o profesionales de la cadena de suministro están completamente ciegos ante la pregunta, si hay algunos geeks alrededor, eres como una minoría minúscula. Si estás ciego, eso significa que, nuevamente, la respuesta del ecosistema, los proveedores de software, los proveedores de soluciones, los consultores, es que no necesitan prestar atención. Sus clientes no están prestando atención. ¿Por qué deberían hacerlo?
Si vivieras en un país donde la gasolina es gratuita, ¿por qué los fabricantes de automóviles prestarían atención al consumo de sus autos? Para ellos, si la gasolina es gratuita, significa que es en su mayoría una preocupación irrelevante para los clientes. Si los clientes no prestan atención, los vendedores de automóviles no prestan atención. Si vamos a los proveedores de software, si los clientes no tienen idea y no prestan atención, ¿por qué deberían los proveedores de empresas prestar atención? La respuesta es, bueno, no lo hacen. Efectivamente, no prestan atención.
Es por eso que hoy en día la gente siempre se sorprende cuando mira el software empresarial. Haces clic, solo quieres ver un informe, solo quieres hacer algo mínimo, y lleva segundos. En términos de rapidez, el software empresarial en promedio es muy deficiente. Es muy lento. Si lo comparas, digamos, con una búsqueda en la web, quieres hacer una búsqueda en Google. En algo así como 50 milisegundos, tal vez 100 milisegundos, Google es capaz de escanear la web y darte un resumen de cosas que coinciden con tu consulta. Esto es extremadamente rápido y ágil.
En cambio, solo quieres hacer algo muy básico como “quiero verificar el estado de este SKU” y lleva segundos. Lo interesante es que lleva segundos en el hardware informático que tenemos en 2024. Ya llevaba un segundo hace 20 años a pesar de tener hardware que era 100 veces menos capaz. ¿Qué pasó? Bueno, lo que pasó fue que el hardware informático adicional, las capacidades adicionales de este hardware, simplemente se han desperdiciado a través de un software ineficiente.
Conor Doherty: Gracias. Cuando hablas de conocimiento fundamental, mientras te escuchaba, se me ocurrió que hay un poco de… puedes dividir lo que estás describiendo allí, y quiero conocer tus pensamientos al respecto. Tomando una analogía anterior, dijiste que si tomas un automóvil y vas al desierto, ¿es ese el mejor vehículo para el desierto? Se me ocurre que en términos de conocimiento fundamental, hay tanto teórico como práctico.
Entonces puedes tener una comprensión teórica fundamental de cómo funciona un motor de combustión interna, como que así es como el automóvil funciona. Esa es una comprensión teórica. También hay un conocimiento fundamental práctico, que es, bueno, si esa llanta se desinfla, ¿tengo las habilidades y los conocimientos básicos para cambiar esa llanta? Si el motor no arranca, ¿puedo hacer una reparación básica? Y si vas a conducir en el desierto donde estarás solo, necesitarás fundamentalmente tanto un conocimiento teórico como al menos un conocimiento práctico básico.
Entonces, volviendo al tema en cuestión, has descrito en cierta profundidad el conocimiento teórico fundamental que las personas deberían tener. En términos de conocimiento práctico fundamental, ¿hay alguna habilidad que creas que todos deberían tener en este espacio?
Joannes Vermorel: Sí, nuevamente, cuando miras lo práctico, sería tener algunas ideas sobre los puntos de precio de los que estamos hablando. Saber, ¿cuál es el costo de un terabyte de almacenamiento? ¿Cuál es el costo aproximado de un terabyte de memoria? ¿Cuál es el costo de una CPU que te brinda 2 GHz de rendimiento de cálculo? Saber, nuevamente, si puedes adivinar un número que no esté fuera de orden de magnitud, eso ya es muy bueno. Lo que sucede con las cosas de la computadora es que generalmente, si las personas tuvieran que adivinar, sus suposiciones estarían fuera de orden de magnitud por muchas veces.
Nuevamente, si te digo cuál es el peso de un automóvil y te muestro el automóvil, tu suposición tal vez esté 50% equivocada. Dices, está bien, una tonelada y media, resulta que es un automóvil eléctrico y pesa dos toneladas y algo más. Está bien, pero eso fue, sabías que estabas dentro del mismo orden de magnitud. No ves un automóvil y dices que pesa 20 kilogramos o que pesa 500 toneladas. Pero lo que sucede es que cuando le preguntas a las personas cuál es el costo de un terabyte de almacenamiento persistente, el más barato que puedes encontrar, algunas personas te dirían precios que oscilarían entre, no sé, 10,000 a 2, y cosas así, y nadie tendría ni idea de eso.
Y lo mismo si te digo cuál es el costo de un chip que puede hacer el orden de magnitud de 100 mil millones de operaciones aritméticas por segundo, ¿cuál sería un chipset que pueda hacer eso, cuál sería el costo? Las personas dicen, no sé, 100,000 euros o tal vez $50. Nuevamente, eso es lo que quiero decir con que el conocimiento práctico es tener algunas ideas sobre los puntos de precio. Nuevamente, eso no es preciso. Si puedes tener una idea del orden de magnitud, ya estás en el rango de hacer cosas que tienen sentido.
Eso es lo que es muy extraño con los recursos informáticos, literalmente tienes 15 órdenes de magnitud. Es bastante, creo que es bastante único. No conozco ningún otro campo en el que el orden de magnitud esté tan increíblemente disperso. 15 órdenes de magnitud significa que, por un lado, estamos hablando de unidades, ya sabes, una suma, una multiplicación, eso sería una unidad de cálculo. Y por otro lado, estamos hablando esencialmente de miles de miles de millones. Eso realmente es un espectro bastante amplio de órdenes de magnitud.
Y eso es difícil de comprender para la mente. Y es por eso, por cierto, cuando dije que se pueden cometer errores en términos de desperdiciar recursos informáticos, es que nuevamente, donde la analogía del automóvil es engañosa, es que incluso el peor automóvil solo será como 10 veces peor en términos de consumo que el mejor. Digamos, sabes, si quiero hacer 100 kilómetros, si tengo un automóvil súper eficiente, me va a dar cinco litros de gasolina para hacer 100 kilómetros.
Si voy por un SUV súper pesado, ineficiente y demás, serán, digamos, 50 litros. Factor de 10. Con las computadoras, no es así. Sería como que lo más eficiente consumiría 5 centilitros para 100 kilómetros y lo menos eficiente consumiría cinco metros cúbicos para esos 100 kilómetros. Entonces, los órdenes de magnitud son simplemente salvajes. Y ahí es donde necesitas, nuevamente, en términos de practicidad, tener algunas ideas sobre los puntos de precio. También tener algunas ideas sobre qué se está moviendo y qué no se está moviendo.
Conor Doherty: ¿A qué te refieres con qué se está moviendo y qué no se está moviendo?
Joannes Vermorel: Por ejemplo, las GPUs han estado progresando en términos de tendencias de red. Las GPUs han estado progresando como locas en los últimos 5 años y se espera que sigan progresando como locas durante los próximos cinco. Entonces, esta es una clase de recursos informáticos que está mejorando rápidamente. Están mejorando en términos de número de operaciones por segundo. También están mejorando en términos de memoria. Así que eso es muy, muy bueno. Las CPUs están en una línea similar. Están mejorando tal vez no tan rápido, pero aún están mejorando muy rápido en términos de número de núcleos y el tamaño de la memoria L3, que es la memoria que vive dentro de la CPU.
Todavía está mejorando rápido. Correspondientemente, si miramos la DRAM, la DRAM es lo que se utiliza para la memoria principal de la computadora, memoria volátil. Entonces, si apagas tu computadora, pierdes eso. Eso apenas se ha movido en la última década. Hay muy pocos fabricantes. Hay como cuatro fábricas en el mundo. Entonces, este es un mercado donde no debes esperar que las cosas realmente cambien en términos de caídas de precios. No debes esperar demasiado cambio a corto plazo, etc. Quiero decir, puedo, así que diría que en términos de practicidad, es tener algunos órdenes de magnitud, conocer un poco los puntos de precio, conocer un poco qué puedes esperar de, y también simplemente la intuición de si optar por, digamos, hardware de grado profesional te dará algo muy diferente al de grado de consumo.
Dependiendo de lo que estés mirando, a veces lo mejor que puedes obtener es algo que es simplemente hardware de grado de consumo y lo mejor que puedes comprar como empresa es solo marginalmente mejor. Ves, en algunas otras áreas, no es el caso. En algunas otras áreas, lo que como empresa puedes comprar es muchos órdenes de magnitud mejor de lo que típicamente se considera adecuado para el mercado de consumo. Nuevamente, eso es el tipo de cosa donde tener este conocimiento realmente te ayuda a navegar por el panorama, elegir al proveedor correcto, o más bien eliminar a los incompetentes. Sabes, ese tipo de cosas que si comienzas a prestar atención, podrás filtrar la incompetencia, ya sea de consultores, de proveedores y también de proyectos internos. Sabes, eso importa.
Conor Doherty: Bueno, mencionaste el costo varias veces, pero hablaste principalmente en términos del costo directo de adquirir físicamente hardware. En términos del costo directo y luego el costo indirecto de no ser más hábil con los recursos computacionales, ¿de qué órdenes de magnitud estamos hablando aquí? Y para eso, supongamos una gran tienda minorista, perdón, una gran empresa minorista, una gran red minorista, omnicanal, pinta la imagen que quieras, pero ¿cuál es un orden de magnitud razonable en términos de esto es lo que puedes perder al no ser más hábil con tus recursos computacionales?
Joannes Vermorel: Bueno, diría que como estimación conservadora, más del 90% de las iniciativas de optimización de la cadena de suministro fracasan. Y un gran porcentaje de este 90%, prácticamente todas las iniciativas de software fracasan, y un gran porcentaje de eso fracasa en gran parte, aunque no es la única razón, pero en gran parte debido al rendimiento abismal. Ahora, cuando tenemos que pensar en el rendimiento, tenemos que pensarlo desde diferentes perspectivas. La gente pensaría, bueno, necesito reponer mi inventario todos los días, por lo que el cálculo de todo debe poder hacerse en menos de 24 horas.
Bueno, eso es un hecho. Sabes, si quieres ejecutar el cálculo todos los días, si no puedes completar el cálculo en 24 horas, estás en problemas. Ese es el límite máximo de tiempo que puedes dedicar. Ahora, pensarías que si compras el doble de recursos informáticos, puedes hacerlo el doble de rápido. Bueno, no necesariamente, porque realmente depende de la arquitectura de software que adoptes. Hay muchas arquitecturas y patrones de diseño que no se prestan a lo que se llama, el término técnico es “scale-out”. Por lo tanto, hay muchos enfoques en los que si agregas más hardware informático al caso, simplemente no obtienes una aceleración.
Conor Doherty: Esencialmente, rendimientos decrecientes.
Joannes Vermorel: Sí, y a veces ningún rendimiento en absoluto. Literalmente puedes agregar más recursos y no tener ninguna aceleración. Realmente depende de la forma en que hayas diseñado tu software para aprovechar esos recursos informáticos adicionales. Ahora, avancemos. Ahora tienes algo que puede calcular tu reposición en, digamos, cuatro horas, y dices: “Genial, para tu red minorista, solo lleva cuatro horas”. ¿Es satisfactorio?
Bueno, mi respuesta es no, absolutamente no. ¿Por qué? Porque aquí solo estás mirando la cosa una vez en producción. No tienes en cuenta que tu receta numérica deberá ajustarse y que necesitarás iterar muchas veces para converger hacia la receta final que sea satisfactoria. Este proceso experimental va a ser mucho más costoso.
Por muchas razones. Primero, cuando haces tus experimentos, no empiezas siendo muy rentable en términos de costos. Solo serás rentable en términos de calidad de decisión una vez que hayas identificado algo que te brinde resultados satisfactorios. Por lo tanto, es muy normal esperar que cuando estés prototipando nuevas recetas, seas mucho menos eficiente. La eficiencia vendrá después cuando comiences a optimizar realmente el consumo de recursos informáticos.
Eso es una cosa. Pero luego, la otra cosa es que tienes que pagar a las personas para que esperen hasta que se complete el cálculo para que puedan ver los resultados, hacer la evaluación y llevar a cabo la siguiente iteración. Y aquí el gran problema es que si volvemos a la iniciativa de la cadena de suministro de software que falla, este proceso puede volverse dramáticamente lento. Quiero decir, estábamos discutiendo como cuatro horas. Digamos nuevamente que los experimentos serán el doble de lentos debido al hecho de que estás en entornos experimentales que no son tan óptimos.
Eso significa ocho horas. Eso significa que solo puedes hacer un experimento al día. Eso significa que si necesitas hacer 500 iteraciones, esto va a llevar dos años. Va a ser tan lento que comenzarás a tener otros problemas, como que las personas que realizan los experimentos comenzarán a rotar a otro trabajo. Los ingenieros con los que estás trabajando no estarán contigo durante 40 años. Entonces, en algún momento, tendrás personas que han comenzado a trabajar en el proyecto y luego renuncian, y tienes que traer nuevas personas, y naturalmente no recuerdan todos los experimentos que se han realizado.
Entonces, ves, este tipo de problema crea tantos problemas. Incluso si logras converger en una receta numérica satisfactoria, estás a solo un disruption de distancia, ya sabes, bloqueos o lo que sea, y necesitas volver a diseñar la receta nuevamente. Si tu proceso iterativo es increíblemente lento, fallarás sistemáticamente en lidiar con todas las interrupciones. Para cuando finalmente hayas diseñado la solución para la interrupción, ya habrás pasado a otra cosa. Entonces necesitas tener algo que sea extremadamente eficiente para que tus iteraciones sean muy rápidas.
Y eso también da un giro más, que es que el rendimiento cuando pasas de una iteración a la siguiente, puedes hacer trampa. Porque tal vez de un experimento a otro, vas a volver a hacer la mayoría de los mismos cálculos. Entonces, ¿necesitas volver a enviar todos esos recursos si, de hecho, estás haciendo casi la misma receta numérica con unas pocas divergencias mínimas? Tal vez, si tienes un enfoque inteligente, reciclarías la mayor parte de lo que ya has calculado para que puedas iterar mucho más rápido sin tener que volver a hacer todo cada vez.
Pero nuevamente, eso solo funcionará si puedes entender más o menos dónde van mis recursos informáticos, qué estoy desperdiciando, qué estoy haciendo dos o diez veces seguidas, y solo debería hacer eso una vez.
Conor Doherty: Bueno, Joannes, las personas que escuchan hoy, y estoy seguro de que todos están diciendo: “Estoy de acuerdo con este hombre. Confío en él. Es confiable”. ¿Cuáles son los próximos pasos inmediatos para, digamos, el profesional promedio de la cadena de suministro y las personas de nivel C que te están escuchando y piensan: “De acuerdo, quiero ser más astuto en estas cosas”?
Joannes Vermorel: Diría que comiencen a leer materiales introductorios sobre cómo funcionan las computadoras. Hay muchos libros que te dirán cómo funcionan las computadoras y comiencen a tratar de comprender, por ejemplo, qué se vende por parte de los proveedores de computación en la nube. Sabes, puedes buscarlo. Todos los precios son públicos. Entonces puedes ir a Microsoft Azure y ver, “Ok, ¿cuál es el punto de precio para el almacenamiento, para las CPUs, para las máquinas virtuales, para el ancho de banda y demás?” Nuevamente, eso son unas pocas horas. Puedes tener, diría, libros elementales. Quiero decir, incluso hay libros que están destinados a la escuela secundaria o la escuela intermedia, y está bien. Sabes, es la idea de tratar de obtener este conocimiento.
Y luego, cada vez que surja el tema de una evolución tecnológica, pregúntele al proveedor, pregúntele al consultor: “Ok, ¿cuál es su opinión sobre los recursos computacionales? Queremos tomar las mejores decisiones según las métricas y objetivos que establezca para usted mismo”. Inicie la discusión sobre cómo esos recursos informáticos brutos que estoy comprando se traducen en las mejores decisiones. Si las personas a las que estás a punto de comprar muchas cosas no tienen idea de eso, entonces deberías huir. Sabes, eso es lo que yo saco de eso. Úsalo como una prueba de fuego para detectar a los llamados expertos que ni siquiera deberían ser expertos en primer lugar, que son absolutamente, diría, incompetentes.
Porque en última instancia, si te quedas con ese tipo de proveedores, terminarás pagando el precio de sus ineficiencias. Y el precio será doble. En primer lugar, pagarás mucho más por el hardware de computación hasta el punto de que es extravagante. Como regla general, Lokad suele estar, cuando vendemos una suscripción, muy por debajo del costo de nuestros competidores solo por los recursos informáticos, sin tener en cuenta siquiera la mano de obra, la mano de obra de ingeniería para configurar y mantener. Solo Lokad tiende a estar por debajo del costo del hardware.
Entonces, ese es un punto. Pero luego tendrás algo aún más grande, que es que tu proveedor te acorralará en recetas súper simplistas, tratando de convencerte de que es lo mejor que la ciencia tiene para ofrecer y demás, cuando en realidad, es solo un reflejo de su incapacidad para aprovechar adecuadamente los recursos informáticos. Es por eso que terminas con cosas súper simplistas como los stocks de seguridad que todavía son prevalentes. Quiero decir, los proveedores en el fondo, saben que es una completa tontería. Pero el problema es que son tan ineficientes en el uso de los recursos informáticos que para ellos sería completamente impráctico considerar cosas que serían mejores.
Entonces ves, costo doble: costo directo, que es un gasto extravagante en recursos informáticos que no tienen sentido, y luego tienes el segundo orden de costo, que es que te acorralan en recetas simplistas donde, en última instancia, te verás obligado como profesional a intervenir con tus hojas de cálculo para corregir manualmente todas las locuras que salen de esos sistemas. ¿Por qué? Porque el sistema está utilizando recetas demasiado simplistas que básicamente delegan todas las sutilezas a ti porque la receta es simplista y no trata con ningún tipo de sofisticación.
Conor Doherty: De hecho, hay una regla general o no una regla general, una pregunta que usaste antes, que será, o una pregunta, perdón. Dijiste: “Si no sabes cómo o cuánto cuesta un terabyte de computación en la nube o algo así, si ni siquiera tienes la idea del orden de magnitud, eso es básicamente un problema”. Y es interesante cuando dices eso porque la mayoría de las personas en su vida personal, incluso las personas que escuchan, si entraran a un café para pedir un café y les dijeran: “Bien, eso son 45 euros”, se sorprenderían. Se sorprenderían y dirían: “Ok, bueno, eso no está bien. No sé cuánto deberías cobrarme personalmente, pero 45 euros es un poco excesivo”. Y presumiblemente se irían y se irían a otro lugar.
Incluso si está en una zona turística, aún dirías: “45, no, eso está incorrecto”. Pero al final, nada depende de eso. Quiero decir, no te arruinarás, presumiblemente no te arruinarás financieramente. No perderás tu trabajo por eso.
Sin embargo, el mismo tipo de instinto de supervivencia, o simplemente astucia en general, podría estar completamente ausente cuando se trata de tomar decisiones muy costosas sobre qué tipo de recursos computacionales o software va a utilizar la empresa. Los costos directos e indirectos a largo plazo de eso, los costos indirectos a corto plazo y a largo plazo de eso, no tienen idea. Como “Oh, cuesta 555,000 por segundo de cómputo lo que sea”. Nuevamente, eso podría ser correcto. No lo sé, probablemente no. Pero la idea es que si no puedes responder esas preguntas, estaría de acuerdo en que hay un enorme vacío en tu propio conocimiento profesional que deberías tratar de llenar.
Joannes Vermorel: Sí, nuevamente, tal vez sea un poco exigente para los profesionales de la cadena de suministro, pero ¿qué está en juego? Grandes partidas presupuestarias. Quiero decir, las grandes empresas están dispuestas a gastar millones y a veces decenas de millones de euros o dólares al año en esos sistemas. Y siempre me sorprende por completo cuando puedes gastar tanto y nadie, incluido el proveedor, tiene idea de esos problemas básicos.
Nuevamente, sería como comprar un edificio porque eso es algo muy caro. Es como comprar un edificio y tener un arquitecto que no tiene idea de lo que es el concreto en realidad. Dirías: “Sabes qué, no estoy seguro. Tal vez el edificio está hecho de cartón o concreto o tal vez madera o tal vez malvaviscos. Sabes, no me importa, solo ponle pintura y todo se ve igual”.
Sabes, nuevamente, creo que las cosas de computadoras y software, ya sabes, la industria del software es muy especial en este sentido. Hay toneladas de dinero involucrado y hay este acuerdo implícito de que todos estén completamente ignorantes al respecto está bien. Y esto, para mí, es muy intrigante como industria.
Y he estado hablando con la mayoría de mis competidores, y cuando digo mis competidores, me refiero a los equipos de gestión. Siempre me sorprende cuando nadie tiene idea de este tipo de empatía mecánica donde tienes una comprensión básica de lo que implica eso.
Nuevamente, eso podría ser como, piensa en un piloto de Fórmula 1 que dice: “Sabes qué, tengo cuatro ruedas. ¿Qué está pasando entre el pedal y las ruedas? Sabes, es magia, magia. Sabes, hay cosas. Hace mucho ruido. Sé que es ruidoso, pero aparte de eso, solo hay cosas”. Sabes, mi visión del automóvil es cosas. Ese es el nivel de detalle que sería, ya sabes, la gente pensaría que esto es una locura. Deberías saber mucho más si esperas aprovechar bien el automóvil.
Y de la misma manera, creo que los profesionales de la cadena de suministro están utilizando toneladas de herramientas digitales todos los días, al igual que un piloto de Fórmula 1 está utilizando un Fórmula 1. Y por lo tanto, necesitan entender un poco para tener esta empatía mecánica de lo que está sucediendo, cómo funciona esto, para que puedan tomar decisiones informadas. Al menos para que las personas no les vendan cosas que son completamente absurdas y que terminan fallando por razones que se pueden prevenir por completo.
Conor Doherty: No podría haberlo dicho mejor. Gracias, y muchas gracias por su tiempo. No tengo más preguntas, y muchas gracias por ver. Nos vemos la próxima vez.
