Por qué fallan las iniciativas de IA en la cadena de suministro - Ep 168

00:00:00 Introducción y aclaración del tema
00:02:55 Empresas que revisan enfoques antiguos con IA
00:04:28 Fallas de los ingenieros inteligentes en la cadena de suministro
00:05:44 Traducción automatizada del sitio web de Lokad con LLMs
00:09:15 Las cuatro pruebas clave de las fallas
00:12:24 Por qué las solicitudes de propuestas son disfuncionales
00:21:28 Por qué las series de tiempo son disfuncionales
00:32:47 Por qué los stocks de seguridad son disfuncionales
00:50:04 Por qué los niveles de servicio son disfuncionales
01:09:59 Preguntas de la audiencia
01:32:15 Reflexiones finales

Resumen

En un episodio reciente de LokadTV, Conor Doherty y Joannes Vermorel discutieron las fallas inherentes en la gestión de la cadena de suministro, particularmente la dependencia excesiva de la IA. Vermorel criticó prácticas arraigadas como las solicitudes de propuestas, el pronóstico de series de tiempo, las fórmulas de stock de seguridad y los niveles de servicio, argumentando que están desactualizadas y son económicamente insostenibles. Él enfatizó que la IA no puede corregir estos problemas arraigados, ya que aún no alcanza el nivel de inteligencia humana. Vermorel sugirió que los ajustes prácticos basados en la experiencia de los profesionales a menudo compensan estos métodos defectuosos. La conversación concluyó con una sesión de preguntas y respuestas, destacando el desafío de eliminar los procesos arraigados en las grandes empresas.

Resumen Extendido

En un episodio reciente de LokadTV, Conor Doherty, Director de Comunicación de Lokad, participó en una discusión provocadora con Joannes Vermorel, CEO y fundador de Lokad, sobre las trampas de las iniciativas de IA en la gestión de la cadena de suministro. La conversación, que tuvo lugar en el nuevo estudio de Lokad, giró en torno a la afirmación de Vermorel de que los enfoques convencionales de la cadena de suministro, especialmente aquellos que involucran IA, son fundamentalmente defectuosos y propensos a fracasar.

Vermorel comenzó criticando las prácticas arraigadas en la gestión de la cadena de suministro, que según él han permanecido estancadas desde finales de la década de 1970. Argumentó que simplemente agregar IA a estos métodos desactualizados no es una solución, sino más bien un ejercicio inútil. Vermorel enfatizó que las fallas de iniciativas pasadas de la cadena de suministro, incluso aquellas lideradas por ingenieros altamente inteligentes, deberían servir como una advertencia contra la dependencia excesiva de la IA.

Conor Doherty desafió a Vermorel señalando que muchos ven la IA como una panacea para los problemas de la cadena de suministro. Vermorel respondió destacando las limitaciones de la IA, utilizando el ejemplo de ChatGPT. Explicó que si ingenieros altamente inteligentes han fallado en resolver estos problemas, es irrealista esperar que la IA, que aún no ha alcanzado el nivel de inteligencia humana, tenga éxito. Hizo hincapié en que la IA puede reducir costos y mejorar la eficiencia en áreas donde las soluciones ya son conocidas, pero no puede resolver problemas fundamentalmente defectuosos.

La discusión luego se adentró en los detalles de por qué Vermorel cree que las prácticas actuales de la cadena de suministro están equivocadas. Identificó cuatro áreas clave: Solicitudes de Propuestas (RFP), pronóstico de series de tiempo, fórmulas de stock de seguridad y niveles de servicio. Vermorel argumentó que las RFP, especialmente para software empresarial, son disfuncionales porque asumen un nivel de conocimiento y especificidad que es irrealista. Comparó el proceso con escribir una especificación detallada para un teléfono inteligente sin entender sus complejidades, lo que lleva a un proceso de selección que a menudo descalifica a los mejores proveedores.

Según Vermorel, el pronóstico de series de tiempo es otra práctica defectuosa. Explicó que los datos de series de tiempo pueden ser engañosos porque no capturan matices críticos, como la diferencia entre tener un cliente principal versus muchos clientes más pequeños. Esta falta de granularidad puede llevar a una toma de decisiones deficiente y a un mayor riesgo.

También se criticaron las fórmulas de stock de seguridad y los niveles de servicio por ser no económicos y demasiado simplistas. Vermorel argumentó que estas métricas no consideran el contexto económico más amplio y a menudo conducen a decisiones subóptimas. Sugirió que un enfoque más holístico, que considere todo el sistema y su impacto económico, sería más efectivo.

Conor Doherty planteó el punto de que muchas empresas aún logran un éxito significativo utilizando estos métodos defectuosos. Vermorel reconoció esto, pero lo atribuyó a los ajustes prácticos basados en la experiencia realizados por los profesionales en el terreno, en lugar de los modelos teóricos enseñados en la gestión de la cadena de suministro. Argumentó que estos profesionales a menudo se basan en hojas de cálculo y anulaciones manuales para corregir las deficiencias de los métodos establecidos.

La conversación concluyó con una sesión de preguntas y respuestas donde se abordaron las preguntas de la audiencia. Vermorel reiteró que el principal obstáculo para el cambio en las grandes empresas es la dificultad de eliminar los procesos arraigados. Hizo hincapié en que agregar nuevas tecnologías, como la IA, es más fácil que eliminar prácticas desactualizadas, incluso cuando estas últimas conducirían a mejores resultados.

En resumen, la perspectiva de Vermorel es que las prácticas convencionales actuales de la cadena de suministro son fundamentalmente defectuosas y que la IA, aunque útil en ciertos contextos, no puede solucionar estos problemas arraigados. Aboga por un enfoque más económicamente sólido que considere todo el sistema y sus complejidades, en lugar de depender de métricas simplistas y desactualizadas.

Transcripción Completa

Conor Doherty: Bienvenidos a LokadTV, transmitiendo hoy en vivo desde nuestro nuevo y francamente encantador estudio. Estamos cerrando el año 2024 con un tema inofensivo y divertido basado en su discusión en SCT Tech. Joannes Vermorel, a mi izquierda, explicará su perspectiva sobre por qué las iniciativas de IA en la cadena de suministro probablemente están condenadas a fracasar. Siéntanse libres de enviar sus preguntas en la transmisión en vivo en cualquier momento, y las responderemos un poco más tarde. Mientras están aquí, suscríbanse al canal de YouTube y síganos en LinkedIn.

Y un último detalle antes de comenzar a hablar sobre cuánto más inteligentes somos que los demás. Sería grosero no reconocer el esfuerzo de tantas personas para hacer que el estudio que ven ante ustedes sea tan agradable. Todo, desde las pantallas detrás de mí hasta los micrófonos frente a Joannes y a mí, es el resultado de mucho trabajo en Lokad, especialmente por parte de Maxime Larrieu detrás de la cámara allí y Baptiste Grison. Así que muchas gracias a ambos por sus esfuerzos. Y con eso, Joannes, te pregunto, ¿por qué la gente es tan estúpida?

Joannes Vermorel: En general, creo que es la maldición de la especie humana, incluyéndome a mí mismo. Pero en realidad, con este título juguetón, solo quería llamar la atención sobre el hecho de que lo que normalmente me refiero como el enfoque convencional de la cadena de suministro ha sido en gran medida disfuncional durante las últimas cuatro décadas. Ha sido prácticamente un callejón sin salida en términos de tecnologías y prácticas. Lo que las empresas están haciendo hoy en día apenas ha cambiado conceptualmente desde finales de los años 70. Son las mismas recetas numéricas, las mismas ideas, y no está funcionando muy bien.

Ahora, la idea de que puedes tomar las cosas tal como están y agregar un poco de polvo mágico de IA y de repente esos problemas desaparecerán, creo que esto es una locura o, en el título, estupidez. Nuevamente, no creo que la gente fuera estúpida a finales de los años 70 al intentarlo. Solo digo que después de cuatro décadas de fracasos consecutivos, no aprender de tus errores pasados es donde comienza la estupidez. Cuando veo empresas que intentan revisitar, manteniendo los mismos enfoques y procesos en su cadena de suministro con IA generativa, no necesito esperar y ver cómo se desarrollarán las cosas. Ya sé que simplemente no va a funcionar. Será una gran pérdida de tiempo, energía y dinero.

Conor Doherty: Pero muchas personas considerarían la IA como una especie de solución milagrosa cuando se trata de iniciativas de cadena de suministro. Como si todo lo que estuviera roto o defectuoso o basado en suposiciones erróneas se remediará con la inserción de Gen-AI, por ejemplo. Entonces, ¿estás diciendo fundamentalmente que ese enfoque es equivocado?

Joannes Vermorel: Absolutamente. Detengámonos por un segundo. Imaginemos que ChatGPT fuera tan inteligente como un ingeniero del MIT. Excelente, ahora tenemos inteligencia artificial general. Resulta que muchos competidores de Lokad durante las últimas cuatro décadas han hecho exactamente eso. Contratan ingenieros del MIT, les asignan grandes proyectos de cadena de suministro y la ambición es eliminar las hojas de cálculo, automatizar decisiones. Son muy inteligentes, les das presupuesto y tiempo, y sin embargo han estado fracasando.

Esos fracasos no son excepcionales. Casi cualquier empresa que conozco que tenga un volumen de negocios superior a, digamos, mil millones de dólares y tenga más de, digamos, 20 años de antigüedad, probablemente tenga tres o cuatro iniciativas de cadena de suministro fallidas en su haber. Iniciativas destinadas a eliminar las hojas de cálculo mediante la introducción de recetas numéricas más inteligentes y mucho más integradas, y han fracasado. Entonces, ahora la pregunta es, si fallaste usando ingenieros muy inteligentes, ¿por qué crees que usando algo que es una inteligencia inferior, porque seamos honestos, ChatGPT aún no tiene un nivel de inteligencia humano, crees que va a tener éxito?

Automatizar la inteligencia tiene como beneficio el costo. Por ejemplo, en Lokad, hemos robotizado la traducción de nuestro sitio web. Ahora, si miras el sitio web de Lokad.com, está disponible en muchos idiomas. Durante una década, lo hicimos con traductores profesionales. Ahora se hace automáticamente con grandes modelos de lenguaje. Excelente. Lo que hemos ahorrado es una cuestión de costo, pero fundamentalmente, era un problema que ya sabíamos cómo resolver manualmente con personas. La IA no resolvió un problema insoluble, que era la traducción. Simplemente nos permitió hacerlo de manera más barata y rápida, lo cual es genial.

Pero ahora, si volvemos al problema inicial, que es la optimización predictiva de la cadena de suministro, si todos tus intentos anteriores han fracasado mientras tenías ingenieros muy inteligentes a tu disposición, ¿por qué crees que tener instrumentos menos ingeniosos y un poco más sofisticados realmente marcaría la diferencia?

Conor Doherty: Lo que acabas de mencionar lleva a esta pregunta: cuando usas el término estupidez, quiero profundizar un poco en eso. Sé que fue deliberadamente provocativo, pero aún así, cuando hablas de empresas tomando decisiones basadas en suposiciones erróneas, y entraremos en detalles, pero cuando dices cosas como que las empresas cometen repetidamente errores, esa es una forma de error. Tal vez podrías clasificar eso generosamente como estupidez. También hay una alternativa, que es la ignorancia. La ignorancia es neutral.

Estupidez, tonto, imbécil: estos términos originalmente estaban en la literatura psiquiátrica y se refieren a un deterioro cognitivo. Tienen un significado muy específico. La ignorancia es neutral. Tú y yo tenemos un coeficiente intelectual de 180 en un mal día, pero ambos somos ignorantes en muchas cosas. No sé nada de botánica, no sé nada de cómo se fabrican los cordones de los zapatos, pero no soy estúpido. No carezco de la infraestructura neuronal para aprender estas cosas; simplemente no tengo tiempo o acceso a la información. Entonces, en cuanto a la pregunta, tienes empresas tomando malas decisiones que resultan en resultados terribles o subóptimos, y luego tienes empresas que ni siquiera conocen la existencia de paradigmas alternativos. ¿Consideras que estas son dos representaciones justas del problema, o simplemente ves a las personas como estúpidas y cometiendo errores?

Joannes Vermorel: Sí, es una representación justa del problema, lo que nos lleva al caso de lo que exactamente estamos observando. Cuando observamos los detalles, podemos decidir si estamos hablando de estupidez o ignorancia. Mi propuesta para hoy es que cuando observamos los detalles, es tan obvio que afirmar que es ignorancia es un exceso.

Conor Doherty: Vamos a entrar en los detalles. Tienes cuatro pruebas clave, o cuatro formas de demostrar lo que consideras el problema de la estupidez natural o la ignorancia natural en términos de toma de decisiones corporativas. Son las solicitudes de propuestas (RFPs), la previsión de series temporales, las fórmulas de stock de seguridad y los niveles de servicio. Vamos a analizar cada uno de ellos de manera sistemática, pero a nivel general, ¿qué es lo que crees que demuestra tu posición en relación con esos cuatro conceptos?

Joannes Vermorel: Elegí cuatro, pero podrían ser 20. Son al menos cuatro ingredientes principales de la teoría y práctica de la cadena de suministro convencional. Estos son ingredientes principales que se pueden encontrar en probablemente el 90% de las grandes empresas. Para las empresas más pequeñas, varía mucho, pero esas prácticas tienden a ser bastante uniformes entre las empresas más grandes. Debido a que son muy comunes, podemos analizar esas prácticas y preguntarnos: ¿tiene esto algún sentido? ¿Necesito un doctorado del MIT para darme cuenta de que es una tontería completa o no?

Si en un minuto te das cuenta de que es una tontería completa con solo un examen cuidadoso, definitivamente estamos en el campo de la estupidez. Si la única forma de darte cuenta de que estás equivocado es hacer un experimento muy sofisticado y complicado que requiere mucho financiamiento y tiempo, entonces esto es más un error en la categoría de la ignorancia.

Conor Doherty: Como dije, vamos a analizarlos de manera sistemática. Entonces, la primera prueba en tu argumento es la existencia de las RFPs. Ahora, supongo que eso es un término general para solicitudes de propuestas, solicitudes de cotizaciones, solicitudes de información, etc. ¿Es así?

Joannes Vermorel: Sí, y nuevamente, específicamente para el software empresarial dedicado a la optimización de la cadena de suministro. Podemos discutir… No estoy discutiendo si la RFP es la forma adecuada de obtener papel a granel o algún tipo de producto básico súper obvio. El contexto es la cadena de suministro, sí. Y más específicamente, porque nuevamente, si quieres tener impresoras de códigos de barras para tu cadena de suministro, eso no es de lo que estoy hablando. Estoy hablando específicamente de cualquier cosa que quieras obtener que vaya a afectar tu proceso de toma de decisiones. Por cadena de suministro, eso es a lo que me refiero. No me refiero a logística, no me refiero a contratar conductores de camiones. Me refiero a los procesos de toma de decisiones que rigen el flujo. Así que todos los detalles de qué compras, qué produces, a qué precio vendes, dónde colocas tu inventario, todo eso.

Conor Doherty: Bueno, entonces te lo devuelvo de inmediato. ¿Qué tiene de malo usar el proceso de RFP para obtener un proveedor?

Joannes Vermorel: Las RFPs son completamente disfuncionales. Si quieres hacerte una idea de cómo es una RFP, imagina si tuvieras que escribir en un documento de Word todas las cosas que esperas de tu teléfono inteligente. Es una tontería completa. No lo sabes. Tiene un montón de características. La mayoría de las funciones de tu teléfono inteligente funcionan gracias a muchas cosas que desconoces. Solo enumerar todas esas características es una enorme cantidad de trabajo, y si tuvieras que enumerar lo que crees que hace tu teléfono inteligente, lo más probable es que te equivoques en muchas cosas.

Imagina que tienes cientos de puntos de elementos que necesitas cubrir, ¿y cuáles son las probabilidades de que al producir esas cientos de páginas de requisitos para tu teléfono inteligente, termines con un documento que descalifique tanto a Samsung como a Apple? Lo más probable es que sí.

El software empresarial es extremadamente complejo, y esta complejidad refleja principalmente el problema que quieres resolver. La optimización de la cadena de suministro en sí misma es muy compleja y bastante complicada, por lo que no puedes esperar una respuesta súper simple. No estás comprando hierro por tonelada o petróleo crudo. Estás comprando algo muy sofisticado, y eso significa que no hay proveedores que sean sustitutos entre sí. No hay una correspondencia uno a uno entre lo que el proveedor X ofrece en comparación con el proveedor Y.

El problema con las RFP es que asume que ya conoces exactamente tu solución, que puedes tener una especificación completa y luego quieres canalizar supuestamente a un gran número de proveedores en tu lista de requisitos. El software simplemente no funciona así. Producir un buen software lleva alrededor de una década, más o menos. Ningún proveedor va a adaptar radicalmente su tecnología para tu RFP. Estás canalizando a todos a través de cientos de páginas de tonterías.

El proceso tiene tan poco sentido que generalmente, cuando recibimos RFP, terminamos con algo así como 400 a 600 preguntas, y esas preguntas están llenas de errores de ortografía. Con mucha frecuencia, incluso el nombre de la propia empresa del cliente está mal escrito en el documento porque a las personas no les importan las preguntas en sí. Se ha delegado en pasantes, consultores, en lo que sea. Se produce una gran cantidad de papeleo y nadie sabe ni siquiera qué significa la mitad de las preguntas porque están tan mal redactadas. La mayoría de las preguntas ni siquiera son preguntas, sino requisitos disfrazados.

Luego, el proveedor responde con docenas, posiblemente cientos de páginas de respuestas que nadie lee. Hay un comité que pasa por etapas para eso, y la idea de que tendrás una decisión racional que salga de este proceso completamente irracional es simplemente asombrosa. No hay nada en la vida real en lo que tú, como individuo, te involucrarías en un proceso tan insano. ¿Por qué crees que de repente, solo porque estás trabajando para una gran empresa, lo que de otra manera parecería completamente insano en tu vida diaria de repente tendría sentido solo porque es la práctica de una gran corporación? No lo tiene.

Conor Doherty: Bueno, nuevamente, hay un par de puntos para analizar allí porque hay mucho. En primer lugar, ¿tu crítica es sobre… Oh, lo siento, déjame volver atrás. He visto algunas de las RFP de las que estás hablando. He visto algunos ejemplos como “¿Todavía tienes una máquina de fax? ¿Almacenas tus informes de fax en gabinetes ignífugos?” Quiero decir, he visto estas cosas. Por supuesto, eso es completamente absurdo. Esa es una RFP en su estado actual. ¿Estás diciendo que en el vacío, divorciado de cualquier mala ejecución, en general, el concepto de RFP para tratar de encontrar un software es simplemente una cosa completamente insana de hacer? Y si la respuesta a eso es sí, por favor explica cuál sería la alternativa.

Joannes Vermorel: No, la idea de hacer investigación de mercado no es insana. Obviamente, si quieres elegir un proveedor, tienes que hacer alguna investigación de mercado. La idea de que tienes que operar a través de las prácticas establecidas de RFI, RFP es absurda. Ese es mi punto. Mi punto es que esas prácticas son profundamente defectuosas, profundamente, profundamente defectuosas. Cuando tienes un proceso que es completamente disfuncional, entonces la improvisación es mucho mejor.

Si estás haciendo algo que no funciona, que es tan terrible, deja de hacerlo y prácticamente cualquier otra cosa será mejor. Cualquier cosa que no sea aún más burocrática. Mi opinión es que esas grandes empresas estarían mejor atendidas simplemente con un proceso informal, y ya está. Si estás dispuesto a considerar la idea de tener una versión superior del proceso, entonces también hay un camino alternativo. Se discute en una de mis conferencias sobre investigación de mercado adversarial, donde describo una mejor manera de hacerlo. Pero incluso en ausencia de conocimiento de esta mejor manera, simplemente eliminar este proceso absurdo ya sería una mejora.

Tener un proceso súper burocrático no es algo bueno. Es algo terrible. Ralentiza todo, diluye la responsabilidad de todos y selecciona adversamente a los proveedores. Imagina, de nuevo, volvamos a Apple. ¿Realmente crees que Apple, si les haces una RFP, realmente te prestará atención? ¿Modificarán su preciado iPhone para satisfacer tus requisitos corporativos? No, no lo harán. Entonces, lo que estás haciendo efectivamente es hacer que los buenos proveedores se excluyan por sí mismos de tu investigación de mercado, lo cual es un completo sinsentido. Eso es lo contrario de lo que quieres.

Mi opinión es que cuando tienes algo como el cáncer, elimina el cáncer y no te preguntes: “¿Qué pongo en lugar del cáncer?” Si has eliminado el cáncer, ya has hecho algo bueno. Es una mejora. Ahora, podemos discutir qué podría ser aún mejor, qué poner en su lugar, pero la primera etapa es reconocer que cuando eliminas el cáncer, estás mejorando la situación.

Desafortunadamente, y ahí es donde llego a la estupidez burocrática, es pensar que la única alternativa a una pesadilla burocrática es otro tipo de pesadilla burocrática. Esto es un completo sinsentido. Claramente, nunca he visto en 15 años de negocio ninguna RFP que no fuera profundamente, profundamente disfuncional. Solo hay variaciones entre los círculos del infierno. Algunas RFP son como el quinto círculo del infierno, otras son como el noveno círculo del infierno. Solo hay variaciones en términos de intensidad de pesadilla, pero por lo demás, es uniformemente súper, súper malo.

Conor Doherty: Eso fue Thomas Sowell y Dante Alighieri en el espacio de 60 segundos. Fue muy bueno. Bueno, en realidad, eso se transiciona desde el primer punto, que trata sobre las RFP y la crítica a las RFP y RFQ, etc. Eso es más o menos cómo podrías seleccionar un proveedor de IA.

Joannes Vermorel: Exactamente.

Conor Doherty: Si puedo terminar la pregunta porque estoy haciendo una transición un poco. El segundo punto, sin embargo, es una vez que has seleccionado un proveedor de IA, aquí es donde pasamos al segundo punto, que es el pronóstico de series temporales, que mencionas como la segunda prueba de por qué tu iniciativa de IA va a fracasar. Ahora, esto es una vez que ya has seleccionado un proveedor. ¿Cuál es el problema con las series temporales?

Joannes Vermorel: Entonces, una vez que has seleccionado… Lo más probable es que, gracias a tu RFP, selecciones un proveedor muy malo. Eso es un hecho. Tienes un proceso que no tiene ningún sentido, por lo que lo más probable es que obtengas uno de esos peores proveedores que se especializan en hacer todo lo que cumple con esas RFP, sin importar la cantidad de tonterías. Ya estás en una posición en la que el fracaso es casi seguro, incluso si el proveedor no fuera demasiado disfuncional. Pero realmente has seleccionado al proveedor disfuncional en primer lugar. Ahora, lo que me lleva a las series temporales.

Las series temporales son como el Alfa y Omega de la perspectiva moderna de la cadena de suministro. ¿Qué es una serie temporal? Es simplemente una serie de puntos según un período determinado. Puede ser un valor por día, por semana o por mes. Cuando digo perspectiva de series temporales, significa que miras todo a través de tus ventas o tu flujo por día, por semana, por mes, agregado. Todo encaja en esas series temporales.

Obviamente, con esas series temporales, lo que quieres, o al menos según la teoría de la cadena de suministro convencional, es tener pronósticos de series temporales, que es la extensión de esas series temporales hacia el futuro. Si tienes tus datos de ventas hasta hoy, quieres tener el pronóstico, que es simplemente esas series temporales extendidas hacia el futuro. Así tendrás la cantidad de ventas mañana, pasado mañana, etc.

Conor Doherty: ¿Qué tiene de malo que te proporcionen un punto de datos accionable para planificar, por ejemplo, que la demanda de la próxima semana será de 10 unidades? Eso suena genial.

Joannes Vermorel: El problema principal es que tu cadena de suministro no puede representarse de manera significativa con series temporales. ¿Y qué significa eso?

Bueno, empecemos con una situación muy básica. Tienes un producto que se vende constantemente a 1,000 unidades al día. Ha estado vendiéndose a 1,000 unidades al día durante, digamos, los últimos tres años. Muy bien. ¿Cómo se ve el futuro? Ahora, voy a analizar dos situaciones diferentes que tienen el mismo historial. Situación número uno: tienes mil clientes distintos y de vez en cuando ordenan un producto. En conjunto, esos mil clientes te dan 1,000 unidades al día. Algunos clientes se van, otros llegan, pero es muy estable. Eso genera la serie temporal. ¿Qué te dice eso? Te dice que tienes una demanda muy estable que parece bastante sólida. Mil clientes no son millones, pero tampoco es cero, así que eso parece bueno.

Ahora, la segunda situación es que tienes 1,000 unidades al día, pero de un solo cliente. Sí, este cliente ha sido muy constante, ordenando 1,000 unidades al día durante los últimos años, pero es un solo cliente. Ahora, ¿cuáles son las probabilidades de que la demanda pueda caer mañana a cero y mantenerse en cero para siempre? Obviamente, desde la primera perspectiva, donde tienes mil clientes, no diría que es imposible, pero es muy remoto. Incluso si tuvieras un evento catastrófico que dañara la marca, la mayoría de los clientes ni siquiera se enterarían. Incluso si tuvieras un caso masivo de fraude, aún tendrías cientos de clientes que no se enterarían durante meses. Entonces, las probabilidades de que todos esos clientes, en perfecta coordinación, dejen de comprarte el mismo día no son imposibles, pero es una probabilidad muy, muy baja. Estamos hablando de una en un millón, probablemente. Es raro.

Ahora, en el caso contrario, si solo tenemos un cliente, solo hace falta que un gerente decida elegir a otro proveedor, y ¡zas!, te quedas sin nada. Si decimos que perderemos a este cliente leal una vez cada década más o menos, estamos hablando de una probabilidad del 0.1%. No es una en un millón; es varias órdenes de magnitud más. Aún así, es improbable, pero en comparación con la primera situación, es algo que probablemente sucederá en unos pocos años. Con suficiente tiempo, como una década, es casi seguro que sucederá. Aquí, solo estoy describiendo dos situaciones muy básicas que tienen la misma representación de series de tiempo. Esa es la esencia del problema: las series de tiempo son simplistas. Puedes tener varias situaciones completamente diferentes y aún así tener la misma serie de tiempo.

Conor Doherty: Y eso importa. ¿Por qué?

Joannes Vermorel: Porque tus decisiones son muy diferentes. Si tienes mil clientes, puedes ser muy conservador con el inventario. Puedes decir, por ejemplo, “Oh, vamos a tener muchos meses de inventario en stock porque está bien. Si perdemos algunos clientes, ajustaremos la producción para no tener un exceso grande de stock. Incluso si perdemos clientes, aún tendremos tiempo para liquidar el inventario”. Por el contrario, si solo tienes un cliente, eso significa que si este cliente deja de comprar, tu stock se convierte en stock muerto de la noche a la mañana. Todo lo que te queda es una garantía de pérdida de inventario por todo lo que tienes en stock.

Entonces, ves, en términos de decisiones de la cadena de suministro, tienes dos situaciones muy diferentes que requieren decisiones muy diferentes. Por eso digo que las series de tiempo son insanas. La hipótesis es que si enmarcas todo como series de tiempo, que es exactamente lo que hace la cadena de suministro convencional, entonces puedes tomar decisiones razonables. Lo que digo es que no puedes. No puedes porque las series de tiempo no te permiten capturar algunas ideas básicas sobre tu actividad. Simplemente estás ciego. No importa si tienes más series de tiempo. Nuevamente, volvemos a este cliente único versus 1,000 clientes. No importa si tienes más series de tiempo; aún estás atrapado con el hecho de que es una mala representación de tus datos. Es una representación súper simplista de tus datos.

Conor Doherty: Perdón, solo para asegurarnos de explicar para aquellos que quizás no sepan a qué te refieres, desde una perspectiva de gestión de riesgos, debes tener enfoques diferentes en términos de asignación financiera porque tu exposición es diferente.

Joannes Vermorel: Es muy diferente. Nuevamente, si miramos los productos perecederos en una tienda, las series de tiempo te permitirán representar tu nivel de stock a lo largo del tiempo. Entonces, ¿cuántas unidades tienes en stock en tu tienda para, digamos, yogures? Pero la realidad es que tus productos son perecederos, por lo que tienen fechas de vencimiento. Consideremos nuevamente que tienes 10 unidades en stock. Esa es una perspectiva de series de tiempo. El día anterior, tenías 11 unidades, lo que sea. Tienes tu nivel de stock en curso. Esa es una representación de series de tiempo. Ahora estás pensando: “Tengo 10 unidades en stock. ¿Es bueno o no es bueno? ¿Es suficiente o no?”.

Permíteme analizar dos situaciones. Situación A: los 10 yogures que tienes en stock vencerán dentro de un mes. Eso es bueno. Alguien que entre a la tienda encontrará yogures con un mes de vida útil. Es bueno para los yogures. Ahora, situación B: los 10 yogures vencen mañana. Esto es muy malo. A tus clientes no les gustará comprar yogures que vencen mañana. Tal vez un cliente compre uno solo para consumirlo al día siguiente, pero cualquier madre que haga las compras para su familia y quiera organizar las cosas para la semana no comprará yogures que vayan a vencer mañana.

Entonces, bajo la misma representación, 10 unidades hoy, que es un nivel de stock, te falta una pieza muy importante de información, que es la composición de las fechas de vencimiento. Si tienes un sistema de software completamente diseñado en torno a esta idea de series de tiempo, esta información siempre será ignorada por el sistema porque el sistema ni siquiera puede verla. No es parte del paradigma de las series de tiempo.

Conor Doherty: Y nuevamente, solo para ser muy explícito para cualquier persona que esté escuchando, diciendo: “De acuerdo, escucho todo eso, entiendo lo que estás diciendo, sigo los ejemplos. ¿Cómo influye eso en la IA? ¿Cómo encaja la IA en esa imagen?” Incluso si estás utilizando series de tiempo o pronóstico probabilístico.

Joannes Vermorel: Si tienes un paradigma donde la información clave se pierde, ese es el caso con las series de tiempo, no importa si la persona que mira las series de tiempo es una IA o un ingeniero muy inteligente o quien sea. La información clave ya se perdió. Si miras tus datos de ventas a través del prisma de las series de tiempo, no puedes ver esta distinción entre un cliente y muchos clientes. No puedes ver las fechas de vencimiento. Hay muchas cosas que simplemente no ves. Si no ves, ya sea que sea una IA, un ingeniero inteligente o un programa que aplica algunas reglas, la información central que necesitarías ya se ha perdido. No importa cuánta tecnología acumules sobre este paradigma.

Conor Doherty: Muy bien, avanzando un poco, hemos cubierto las dos primeras formas: RFP y series de tiempo. La tercera y cuarta pueden agruparse como métricas, que son los stocks de seguridad y los niveles de servicio. Al discutirlos por separado o juntos, ¿cuál es tu objeción a estos? Porque son bastante comunes. La mayoría de las empresas tienen políticas bastante estrictas de stocks de seguridad y niveles de servicio.

Joannes Vermorel: El problema con el stock de seguridad, para la audiencia, es que asumes que tienes un pronóstico de demanda de series de tiempo y asumes que tu demanda sigue una distribución normal, que tus tiempos de entrega siguen una distribución normal, y luego eliges tu nivel de servicio. Eso te dará una cantidad objetivo de stock para mantener en existencia, y eso es lo que realmente es el stock de seguridad.

Técnicamente, tienes el stock de trabajo, que es la demanda promedio, y luego el stock de seguridad es el componente adicional sobre la demanda promedio. Pero eso es una tecnicidad. En general, si sumas el stock de trabajo más el stock de seguridad, eso te dará la cantidad objetivo de stock que deseas mantener.

¿Cuál es el problema con eso? El problema es que es la forma incorrecta de ver la gestión de inventario. El objetivo de la empresa es obtener ganancias. El stock de seguridad es una perspectiva no económica de esas decisiones. ¿Qué significa eso? Significa que es algo que ni siquiera intenta optimizar las ganancias. El problema es que tenemos algo que ni siquiera intenta optimizar las ganancias. ¿Por qué crees que esto será rentable en términos de ganancias?

¿Cómo optimizas realmente para obtener ganancias? Bueno, es muy simple. Miras, digamos, una situación simple, una tienda. Elijes la primera unidad de inventario que maximizará tus ganancias. Elijo esta y la pongo en la tienda. Eso es lo que me da el mayor retorno. Elijo la primera unidad que lo hace, y luego tengo que repetir el proceso con una segunda unidad que maximice las ganancias. Debido a que es una tienda, lo más probable es que la segunda unidad que elija no sea el mismo producto que la primera unidad.

El punto es que quiero distribuir mis unidades adicionales para cubrir más demanda. Si te digo que solo puedes pedir una primera unidad, eliges una unidad. Ahora, si te digo que puedes elegir otra segunda unidad, lo más probable es que quieras tomar algo diferente porque, como mínimo, quieres aumentar tu cobertura en términos de demanda para la tienda. Si te digo que puedes elegir una tercera unidad, nuevamente elegirás algo ligeramente diferente.

El punto que estoy haciendo es que la perspectiva del stock de seguridad adopta una perspectiva completamente no económica. Mira un producto en una tienda y simplemente, nuevamente, para la audiencia, un mini mercado tendría alrededor de 5,000 productos distintos en los estantes. Mira un producto de forma aislada y luego decides de forma aislada si quieres más o menos. Estoy diciendo que esto es absurdo.

Nuevamente, solo echemos un vistazo. Si tienes que hacerlo manualmente, estás en una tienda de comestibles. No pensarías de forma aislada si necesitas más o menos de algo. Es un compromiso. Tienes un espacio de estantería limitado, tienes una cantidad limitada de dinero, por lo que pensarías: “¿Tengo suficiente de esto? ¿Debería volver a pedir suficiente de este producto, o hay algo más que debería volver a pedir primero?” Así es como piensas en términos de retorno de inversión. Así es como puedes pensar en términos de una perspectiva económica.

Lo que digo es que el stock de seguridad es una perspectiva no económica. Es una perspectiva matemáticamente interesante, al menos desde una perspectiva educativa, tal vez para estudiantes de matemáticas aplicadas solo para darles un pequeño ejercicio o algo así. Pero si tenemos que llegar a una cadena de suministro del mundo real, y nuevamente, estoy tomando una situación muy simple como una tienda de comestibles, que es lo más simple que se puede pensar, vemos que es una perspectiva no económica. Así que tenemos un problema, Houston. Esto simplemente ni siquiera intenta mejorar los resultados de mi empresa. Esto está mal.

La alternativa que he descrito es bastante sencilla. Se trata de elegir las cosas que me dan los mayores retornos. Elijo la primera unidad y luego la segunda unidad, etc. Podemos entrar en los detalles técnicos sobre cómo hacemos eso, pero esos son detalles técnicos. Mi crítica al stock de seguridad es que no puede ser una aproximación razonable porque es una aproximación no económica. En la práctica, muy a menudo te encuentras con situaciones sin sentido. Por ejemplo, calculas según tus stocks de seguridad todas las cosas que deberías poner en tu tienda, y no encaja.

Lo que ves es que ahí es donde terminas con la locura. Terminas con tu stock de seguridad diciéndote que todos esos productos necesitan todas esas unidades, y debido a que todo se hace de forma aislada, tienes 5,000 productos, y para cada producto, obtendrás una cantidad. Cuando sumas todas esas cantidades, no encaja.

Si volvemos a tu IA, ¿qué se supone que debe hacer tu IA? Nuevamente, tu paradigma dice que calculas tu stock de seguridad. Tu IA tal vez pueda ayudarte a calcular de manera más precisa el stock de seguridad. Ni siquiera estoy seguro de cómo eso ayudaría exactamente. Pero la realidad es que tienes un paradigma que está roto por diseño. Tu IA, sin importar cómo calcule tu stock de seguridad, seguirá terminando con esas extrañas paradojas. ¿Qué significa incluso mejorar si tienes una perspectiva no económica? Tu IA no puede conjurar significado de algo que no tiene un significado económico.

Conor Doherty: Antes de hablar sobre los niveles de servicio, quiero retomar un punto que mencionaste. Describiste los stocks de seguridad como una perspectiva no económica. Entendí eso. También hablaste sobre el uso de SKU de forma aislada, y eso es incorrecto. Bueno, entonces lo opuesto es presumiblemente mirar las cosas en combinación. ¿Podrías explicar un poco más eso, ese punto sobre aislamiento versus combinación?

Joannes Vermorel: Sí, quiero decir, nuevamente, la cadena de suministro es un sistema. Eso significa que no puedes desconectar las partes sin cambiar su naturaleza. Un producto vendido en un estante de una tienda de comestibles no es lo mismo si estoy vendiendo este producto de forma aislada. Las personas, cuando van a una tienda de comestibles, esperan una variedad de productos, no solo un producto. Y eso es lo mismo para prácticamente cualquier cadena de suministro que no sea trivial. Una cadena de suministro del mundo real va a ser así. Si estás produciendo automóviles, tienes que reunir todas esas piezas para tener vehículos funcionales al final del día. No puedes quitar las ruedas y decir que esto es un automóvil. Un automóvil menos las ruedas no es un automóvil; es solo algo más.

Fundamentalmente, tienes sistemas donde tienes muchos tipos distintos de bienes físicos, y solo tienen sentido cuando se juntan. No significa, obviamente, que en un automóvil, si quitas las ruedas, entonces el automóvil no funciona en absoluto. En una tienda, puedes decidir que tal vez no quieres tener mostaza en el estante. Tal vez los clientes están bien con que no tengas mostaza, o por el contrario, necesitas tener tres tipos distintos de mostaza.

Obviamente, hay mucha sutileza dependiendo de lo que estés mirando. No es algo que sea blanco o negro. Pero fundamentalmente, cuando comienzas a vender mostaza en una tienda de comestibles, solo tiene sentido en relación con lo que estás vendiendo que va junto con ella. Entonces, lo que estoy diciendo es que cuando adoptas una perspectiva que pone esas cosas de forma aislada, te estás perdiendo el punto. Te estás perdiendo el punto de lo que hace atractiva a la tienda. Te estás perdiendo el punto de las dinámicas que ocurren.

Las personas entran a tu tienda de comestibles y no compran solo un artículo. Algunos clientes pueden entrar y comprar un solo artículo, pero la mayoría de ellos tendrán una canasta y varios artículos. Entonces, lo que digo es que cuando adoptas esta perspectiva de stock de seguridad, adoptas una perspectiva matemática muy extraña y super simplista que pone tus SKU, tus productos, en estricto aislamiento entre sí. Incluso considerando el tipo más simple de cadena de suministro que puedas imaginar, como una tienda de comestibles, ya no tiene sentido alguno. Entonces, ¿por qué creerías que tendría más sentido en algo más complicado, como el MRO de aviación u otra cosa?

Conor Doherty: Lokad tiene un término específico para eso, como la perspectiva de la canasta. Creo que lanzamos una tarjeta de memoria en LinkedIn hace un par de semanas o tal vez hace un mes describiendo eso. Como dijiste, las personas normalmente no entran a un supermercado y compran solo una cosa. Compran con una lista en mente, y la ausencia de una cosa puede llevar a pérdidas. Si las personas compran varias cosas, entran y compran 10 artículos, y el undécimo artículo que querían no está allí y es un artículo crítico, no solo pierdes las ventas del undécimo artículo. Si la persona se va debido a la ausencia del undécimo artículo crítico, pierdes la totalidad de las ventas en esa canasta. Entonces es la perspectiva de la canasta. Hay una relación entre todas estas cosas.

Joannes Vermorel: Sí, y lo que sucede es que si volvemos al stock de seguridad y la IA, una vez que has adoptado tu perspectiva de stock de seguridad, no importa si tu IA es súper inteligente o súper tonta, barata o cara, o cualquier otra cosa. Ya está atrapada en un rincón que es un mal lugar donde no habrá ninguna solución en absoluto. Es por eso que digo que la estupidez natural siempre supera a la inteligencia artificial. No importa la sofisticación de la tecnología, su accesibilidad, su mantenibilidad. Todo eso se vuelve completamente irrelevante por el hecho de que ya has enmarcado el problema de formas que no tienen sentido.

Conor Doherty: Estoy de acuerdo contigo. Estoy de acuerdo contigo en eso, pero lo que diría es que creo que ese es un muy buen ejemplo de la distinción que mencioné anteriormente entre la estupidez natural y la ignorancia. Lo que acabamos de describir es un fenómeno real, pero es muy abstracto. Requiere un grado de comprensión sobre la relación entre cosas que no son inmediatamente claras.

Joannes Vermorel: No estoy de acuerdo. Cada vez que tienes una discusión con alguien que no tiene educación y dirige una tienda, sabrá que no es magia. No estamos hablando de matemáticas súper avanzadas. Solo ve a cualquier tendero que haya estado haciendo eso durante una semana, y entenderá que el surtido es algo que importa. No puedes pensar en la cantidad correcta de stock para un producto en completo aislamiento de todo lo demás.

De hecho, es una especie de absurdo muy elaborado que requiere de un profesor universitario para propagarlo. Es absurdo, y la única forma de promover con éxito este tipo de idea es estar en un entorno donde estés completamente protegido de las consecuencias de la vida real de esta muy mala idea. Si administraras una tienda, no pensarías así. Puedes hacer una prueba: simplemente habla con quienquiera que esté administrando cualquier tipo de tienda en tu vecindario. Si piensan así, no lo hacen. Si hablas con la persona que está administrando el inventario, quien está pasando el pedido de reposición, como las tiendas de mamá y papá, obviamente pensarán en términos del conjunto.

Conor Doherty: Eso es realmente un buen punto. Hay una distinción que se puede hacer, y me gustaría conocer tu opinión al respecto. La diferencia entre enormes conglomerados multimillonarios con cadenas de suministro increíblemente grandes que pasan pedidos, digamos, en términos de decisiones de la cadena de suministro, podría ser de cientos de miles al día, y luego contrastas eso con las tiendas de mamá y papá donde es la tienda de Joannes y Joannes saca el dinero de su bolsillo para comprar estas cosas cada día.

Me recuerda algo que Peter Cotton dijo cuando hablamos con él hace un año y medio. Dijo que tomas decisiones muy diferentes cuando es tu dinero el que está en juego. La forma en que piensas sobre el problema es muy diferente cuando tienes que sacar el dinero de tu bolsillo. Así que, solo por curiosidad, ¿por qué ves a las grandes empresas tomando malas decisiones, pero cuando diste el ejemplo de ir a la tienda de al lado?

Joannes Vermorel: Ahí es donde reside la locura. Las grandes empresas no toman esas malas decisiones porque, a pesar de lo que dicen, siguen los stocks de seguridad. Las personas que emplean no lo hacen. Ahí es donde se vuelve insano. ¿Cuál es el panorama real? El panorama es que tienes profesores universitarios que dicen que tienes que tener stocks de seguridad. Tienes libros de texto de cadena de suministro que dicen que tienes que tener stocks de seguridad. Tienes proveedores impulsados por IA de cadena de suministro que dicen que tenemos stocks de seguridad impulsados por IA. Genial. Luego tienes empresas que tienen sistemas impulsados por stocks de seguridad, o a veces se llaman buffers o como sea. Hay varias variantes.

Al final del día, tienes empleados de cadena de suministro llamados planificadores de demanda y suministro, gerentes de categoría, gerentes de inventario, los títulos varían, que están usando sus hojas de cálculo para hacer algo completamente diferente. Por lo general, la reacción típica que obtengo es cuando discuto con esas personas, me dicen: “Oh sí, los stocks de seguridad, son parte de nuestro plan para usarlos. El próximo año, cuando tengamos suficiente madurez, los usaremos de verdad. Pero por ahora, tuvimos tantos problemas, estamos haciendo algo completamente diferente. Con mis hojas de cálculo, estoy haciendo cosas diferentes. Sé que es un desastre, pero más adelante, podré usar los stocks de seguridad algún día”.

Eso es una locura porque la realidad es que lo que esta persona está haciendo en realidad tiene sentido. Esta receta alternativa es lo que tiene sentido, y los stocks de seguridad son solo una farsa, una farsa ambiental, que no funciona. No ha estado funcionando desde al menos 1979, como identificó Russell Ackoff. Esta es la razón por la cual las hojas de cálculo nunca pueden desaparecer en esos entornos.

Cada vez que dices que vamos a reemplazar todas esas hojas de cálculo desordenadas con automatización de software, falla. Falla porque el stock de seguridad es una mala idea. No importa si tienes un stock de seguridad impulsado por IA; sigue siendo una mala idea. Es una idea tan mala que no funciona. Las grandes empresas lo intentan, fallan y vuelven a las hojas de cálculo. Las personas vuelven a la actitud de “estoy haciendo algo a mi manera. Cuando tenga más entrenamiento, usaré los stocks de seguridad, pero por ahora, necesito algo que realmente funcione”.

Conor Doherty: En ese sentido, has explicado detalladamente cómo los stocks de seguridad son defectuosos. Presumo que gran parte de la misma crítica se aplica a los niveles de servicio. No son exactamente lo mismo, pero en términos de procesos de toma de decisiones, ¿cuál es la política que estás implementando para llegar a una decisión? Explica cuál es tu problema con los niveles de servicio, por favor.

Joannes Vermorel: Mi problema con los niveles de servicio es que el nivel de servicio es un sustituto muy defectuoso de la calidad del servicio. De hecho, casi no tiene nada que ver con la calidad del servicio. Lo que quieres es atender bien a tus clientes. Eso es algo obvio cuando operas una cadena de suministro.

Ahora, consideremos una tienda minorista básica de moda. ¿Qué significa tener altos niveles de servicio? Si equiparas alta calidad de servicio con nivel de servicio, eso significa que alta calidad de servicio significa alto nivel de servicio. Si dices que el nivel de servicio es un buen sustituto de la calidad del servicio, entonces alta calidad de servicio significa alto nivel de servicio.

Si tienes una tienda que vende una colección para tu marca de moda, ¿qué significa tener altos niveles de servicio? Significa efectivamente que todavía tienes cada producto, al menos unas pocas unidades, en los estantes hasta el final de tu colección. Si tienes altos niveles de servicio, significa que tu tienda todavía está llena de cosas hasta el final de tu colección. ¿Cómo colocas en tu tienda la próxima colección?

Necesitas hacer espacio dejando ir la colección anterior, lo que significa aceptar que para esos productos, los niveles de servicio llegarán a cero. Los clientes aún pueden estar muy satisfechos a pesar de que tengas un nivel de servicio cero para muchos productos. A medida que algunos productos se eliminan gradualmente, otros productos entran en juego y tus clientes siguen estando muy contentos. No hay ninguna correlación entre la calidad del servicio, que solo existe en los ojos del cliente, y lo que mides con tu receta numérica, que es el nivel de servicio.

Si los niveles de servicio son un sustituto muy malo de la calidad del servicio, ¿por qué crees que una IA que se supone que debe impulsar tus niveles de servicio va a hacer cosas que tengan sentido para tu empresa? Al igual que mi crítica al stock de seguridad, esto no es una perspectiva económica. Aquí, tienes un concepto, el nivel de servicio, que no es una perspectiva de calidad del servicio. Le das un instrumento a tu IA, por lo que tu IA tiene que lidiar con este instrumento, el nivel de servicio, pero resulta que este instrumento es completamente inadecuado para responder al problema, que es la calidad del servicio.

Conor Doherty: Has utilizado un par de frases interesantes, una de las cuales fue “los niveles de servicio son un sustituto muy defectuoso de la calidad del servicio” y “la calidad del servicio solo existe en los ojos de los clientes”. Pero eso lleva a una pregunta de dos partes. Primero, ¿qué es un buen sustituto? Y segundo, si la calidad del servicio solo existe en los ojos de los clientes, ¿cómo se supone que las empresas deben saber realmente si tienen buena calidad de servicio?

Joannes Vermorel: Esas son muy buenas preguntas. Comencemos primero por analizar los sustitutos. Hagamos algunos experimentos mentales. Esa es una forma de descartar los muy malos. Ni siquiera necesitamos hacer un experimento real con una tienda real; simplemente podemos hacerlo como un experimento mental. Eso es muy económico. Entonces, lo primero es que tenemos que estar de acuerdo en que si tomamos una tienda con los mismos productos en los estantes, nada ha cambiado. Lo que sea que pensemos que es la calidad del servicio no está cambiando. Si miro la misma tienda, mismos productos, mismo tiempo, y no cambio nada, entonces lo que sea que piense que es la calidad del servicio no debería cambiar.

Revisemos el nivel de servicio. Muchas empresas miden el nivel de servicio tomando el porcentaje de productos que están agotados o no están agotados. Si tienes un 97% de tus productos que no están agotados, tendrías un nivel de servicio del 97%. Hay diferentes formas de ver el nivel de servicio a través de faltantes de stock. Esto es cuando haces una optimización del stock de seguridad, que es una perspectiva ligeramente diferente. Pero aquí, esta es la forma en que muchas empresas operan con este tipo de informe, así que es la que voy a usar.

Ahora, imaginemos conceptualmente que hemos decidido que el surtido de la tienda se duplica. Entonces, teníamos una tienda de moda con, digamos, 3,000 artículos distintos. Ahora, decimos que esta tienda debe tener 6,000 artículos, pero en la tienda, todavía tenemos los mismos 3,000 artículos exactos. Conceptualmente, en el sistema informático que maneja la tienda, simplemente hemos declarado que el surtido es el doble con más variantes, más colores, más tamaños.

¿Cambiamos algo desde la perspectiva de los clientes? Obviamente, no. Todavía es la misma tienda, mismos pantalones en los estantes, mismos colores, mismos tamaños. Nada ha cambiado. Pero en el sistema informático, hemos dividido el nivel de servicio según lo medido por tu sistema informático a la mitad. Estábamos en, digamos, un nivel de servicio del 97%, ahora estamos en algo así como el 48%, y no hemos cambiado nada en la tienda.

Entonces, por eso digo que a través de experimentos mentales, si tienes un sustituto que, cuando ajustas la configuración de tu computadora sin cambiar nada en la tienda, puedes hacer cambios arbitrariamente grandes en tus números, entonces tu sustituto es completamente absurdo. Lo que sea que quieras como sustituto de la calidad del servicio obviamente no debería depender de detalles técnicos dentro de tus sistemas informáticos. Sería insano si un físico dijera: “¿Cuál es el peso de esta botella?” y la respuesta dependiera de si el sistema informático está configurado en ruso o francés. Eso es simplemente insano. La respuesta obviamente es completamente independiente. O imagina si el peso dependiera de si es una máquina Linux o una máquina Windows. Insano. Entonces, estás buscando características que deberían ser completamente independientes de tu sistema informático.

Lo que he demostrado con el nivel de servicio es que al jugar con el surtido, puedes tener variaciones amplias en el nivel de servicio. Esto es una demostración de lo insano que es esta medida en realidad. Mi opinión es que si tenemos que recurrir a la calidad del servicio, volvemos a la idea de que si tienes algo que es fundamentalmente insano, deberías operar sin ello. Incluso si no tienes una alternativa, es como tener un tumor; quita el tumor y estarás mejor sin él. Aún no pienses en lo que deberías poner en lugar del tumor.

¿Podemos tener mediciones de alta calidad reales para la calidad del servicio? Sí, podemos. Esta es una pista de discusión completamente diferente, y preferiría no entrar en esta área. Pero entiendes mi punto. No puedes superar la estupidez natural con inteligencia artificial. No importa cuán sofisticadas sean tus técnicas, si tu premisa es muy mala, no resolverá eso. Si comienzas con un concepto roto, un paradigma roto, no importa cuánta instrumentación agregues; tu paradigma sigue roto.

Conor Doherty: Sí, está bien, podemos aceptar eso. Pero la respuesta inmediata a eso es, cuando dices que estas ideas son estúpidas y los paradigmas están rotos y no conducirán a mejores decisiones, la respuesta obvia es un CEO que dice: “¿De qué estás hablando? Hice 10 mil millones en facturación el año pasado usando stocks de seguridad, niveles de servicio, RFPs, pronósticos de series temporales”. Si bien no hay un límite superior para cuántas cosas pueden ser verdaderas simultáneamente, y afortunadamente si entran en conflicto, seguramente entiendes que para ciertas personas, escuchar “eres estúpido por hacer estas cosas” o “eres ignorante” o “estas son malas ideas”, a menudo solo señalarán la línea de fondo y dirán: “Pero mira, me va muy, muy bien. ¿De qué estás hablando?”

Joannes Vermorel: Volvamos a empezar desde el principio. Tiendas de moda. Tenemos clientes y hemos tenido discusiones con prospectos que se convirtieron en clientes a lo largo de los años. Nos decían que optimizan los niveles de servicio. Eso es lo que dicen, y si miras el proceso, eso es lo que está escrito en el proceso. Pero cuando comienzas a ver lo que los profesionales están haciendo, no están haciendo eso. Volvemos a los stocks de seguridad. Resulta que las tiendas, prácticamente, nuevamente, una tienda de moda, cuando llega la próxima colección, de repente deciden que no van a volver a pedir casi tanto. Intencionalmente dejan que los niveles de servicio caigan enormemente. Luego, cuando finalmente llega el momento de la nueva colección, tienes un período de venta corto y de repente tienes suficiente espacio para traer la nueva colección.

Entonces, estamos en una situación en la que las empresas, especialmente la alta dirección, dicen que utilizan los niveles de servicio, pero la realidad es que no lo hacen. Las personas en el terreno están haciendo cosas diferentes. Es por eso que, una vez más, cuando intentas automatizar, falla. Cuando intentas automatizar, en realidad estás tratando de imponer esta idea disfuncional en tu cadena de suministro, y entra en conflicto con la realidad, y por lo tanto falla. Las personas vuelven a las hojas de cálculo.

Lo interesante es que hay una enorme cantidad de disonancia cognitiva en el mundo moderno de la cadena de suministro. Algunos de los principales principios, como las series temporales, los stocks de seguridad y los niveles de servicio, están completamente rotos. Las personas en la práctica hacen cosas completamente diferentes a las hojas de cálculo. En lugar de tomar los niveles de servicio como algo que se debe cumplir, simplemente lo toman como un indicador y hacen cosas con mucha flexibilidad.

Si transformamos la pregunta a “¿Es fundamentalmente malo tener niveles de servicio como indicador en algún lugar?” Yo diría que no. Es solo una estadística descriptiva entre muchas otras estadísticas descriptivas. En esta área, puedes tener muchas estadísticas descriptivas. No son ni buenas ni malas; simplemente están más o menos organizadas y te brindan más o menos información sobre lo que está sucediendo. Pero la teoría de la cadena de suministro te dice algo muy diferente.

No dicen que el nivel de servicio es un elemento de las estadísticas descriptivas; te dicen que es tu objetivo y que debes tomar decisiones que se ajusten a este objetivo. Lo que estoy diciendo es que las personas en grandes empresas casi invariablemente no están haciendo eso, y tienen razón. Al igual que los stocks de seguridad, si les preguntas, dirían: “Oh sí, tenemos nuestros objetivos de nivel de servicio. Necesitamos más madurez y algún día lo haremos. Pero por ahora, necesitamos algo que funcione”.

Volvemos a la especie de posición insana donde los profesionales son conscientes de que están haciendo algo diferente, y piensan en esto como algo que harán cuando crezcan, cuando tengan más madurez, posiblemente cuando tengan algo de inteligencia artificial para apoyarlos. Pero no va a suceder porque el concepto está roto. Como una estadística descriptiva, está bien. Como una política para tu empresa, está completamente defectuoso.

Conor Doherty: Bueno, tuve que enmarcar esto. Si el argumento es, y corrígeme si me equivoco, pero si el argumento es que hay empresas que tienen estas políticas, tienen estas métricas, y los profesionales simplemente las ignoran, pero hay algunas empresas que lo están haciendo realmente bien, ¿estás diciendo que lo están haciendo realmente bien por pura suerte e instinto de los profesionales que simplemente ponen los dedos en el aire y adivinan y tienen la suerte de adivinar correctamente?

Joannes Vermorel: No, solo estoy diciendo que muchos de esos problemas, ya sabes, siempre y cuando no uses un enfoque completamente defectuoso, puedes tener soluciones rudimentarias que aún funcionen para ti. Verás, la cantidad de habilidades que se necesitan para gestionar adecuadamente una tienda de comestibles local no requiere un doctorado de Stanford. Puedes hacerlo con mucho menos. Incluso puedes descubrir incrementalmente qué funciona y qué no funciona.

Entonces, lo que estoy diciendo es que esas empresas pueden disfrutar del éxito, obviamente no gracias a la teoría de la cadena de suministro. Tienen personas con un poco de experiencia que han descubierto algunas recetas numéricas que funcionan más o menos. Funcionan lo suficientemente bien. La prueba de que esta teoría no funciona es que todas esas grandes empresas han intentado automatizar los procesos muchas veces, prácticamente una vez cada cinco años durante las últimas tres décadas, y falló cada vez. Las personas volvieron a las hojas de cálculo cada vez.

¿Por qué vuelves a la hoja de cálculo? La fórmula de los stocks de seguridad es muy sencilla. Dirigir las decisiones de inventario para que coincidan con los objetivos de nivel de servicio es muy sencillo en términos de programación. Esto es como un pedazo de pastel, estamos hablando de un total de 50 líneas de código, tal vez menos. Entonces, si funcionara, ya estaría implementado, y el trabajo de todas esas personas ya estaría automatizado.

Mi argumento es que no lo está, está lejos de estar automatizado porque esos paradigmas están rotos y, por lo tanto, no se pueden automatizar como tal. Lo que contienen esas hojas de cálculo utilizadas por los profesionales de la cadena de suministro son métodos alternativos que generalmente son relativamente simples, que funcionan, pero son conceptualmente incompatibles tanto con los stocks de seguridad como con los niveles de servicio.

Conor Doherty: Bueno, entonces, ¿qué estrategias prácticas crees que los profesionales de la cadena de suministro pueden utilizar ahora para tomar decisiones de cadena de suministro más económicamente sólidas?

Joannes Vermorel: Entonces, ya ves, si intentamos volver a la IA, lo que sucede es que tienes que renunciar a esta ilusión de que los conceptos que conoces, que te han enseñado en la escuela o con alguna asociación para la cadena de suministro, esos conceptos simplemente no funcionan. Si intentas utilizar instrumentos sofisticados, tal vez IA generativa o deep learning o blockchain o cualquier cosa que se te ocurra, simplemente no funcionará.

Así que el primer paso es reconocer que tienes un problema paradigmático. Es una gran palabra para decir simplemente que tenemos esta teoría que está completamente equivocada. Resulta que lo que estábamos haciendo casi instintivamente es de alguna manera la mejor manera. Ahora, si quieres hacerlo de manera realmente sofisticada, puedes intentar formalizar este instinto económico, que es simplemente no hacer algo que sea superdañino y costoso para la empresa. Esa es simplemente la forma más formal de decir lo mismo.

Luego, tal vez una vez que tengas la perspectiva correcta, puedes utilizar las tecnologías sofisticadas, y eso es más o menos lo que hace Lokad. Pero la conclusión es que comienza por enmarcar adecuadamente el problema con una perspectiva que tenga sentido. Mientras estés atrapado en una perspectiva disfuncional o estúpida, ser un virtuoso de la tecnología es irrelevante. Esa es la parte triste. Es por eso que puedo decir con relativa seguridad que esos proveedores de IA fracasarán. No importa si son talentosos o no, no importa si su tecnología es muy buena o muy mala, si es barata o extremadamente cara. Todo eso es completamente inconsecuente. No funcionará porque las premisas en las que trabajan están rotas.

Conor Doherty: Muy bien, Joannes, gracias. No tengo más preguntas, pero ahora pasaré a algunas de las preguntas de la audiencia. Muchas gracias. Entonces, sin ningún orden en particular, refiriéndose a las cuatro pruebas, tus cuatro formas: RFP, series temporales, stocks de seguridad y niveles de servicio. Si estas prácticas sirven tan mal a las empresas, entonces, en tu opinión, ¿qué impide que los equipos directivos simplemente las descarten?

Joannes Vermorel: Cambiar cualquier cosa en las grandes empresas es difícil, pero hay una clase de cambios que son aún más difíciles. Como regla general, he visto que en cualquier empresa, sin importar el tamaño, eliminar algo es, digamos, dos órdenes de magnitud, es decir, 100 veces más difícil que agregar cosas. Agregar un nuevo proceso es fácil, agregar un nuevo puesto es fácil, agregar un nuevo software es fácil.

Eliminar cualquier cosa es muy difícil, especialmente en Francia. Pero en todas partes, ya sabes, podemos bromear sobre Francia teniendo la Banque de France, que es una institución dedicada a la gestión de una moneda que no existe desde 1992. Tenemos una anti-institución que se dedica a gestionar una moneda que no existe desde hace 30 años. Y por cierto, son como 14,000 empleados en París. Pero ya ves, lo que sucede a gran escala en entornos gubernamentales simplemente sucede a menor escala en grandes empresas. Las burocracias tienden a crecer por sí mismas, eso es la ley de Parkinson.

Entonces, la pregunta es, ¿por qué los directivos no eliminan cosas que no funcionan? La cuestión es que las personas ya están haciendo algo diferente. La política corporativa oficial es que todos usan stock de seguridad. La realidad es que hay tantas anulaciones manuales impulsadas por hojas de cálculo que efectivamente la empresa está utilizando algo completamente diferente. Esa es la situación actual. Tenemos la farsa de que la empresa todavía se basa en el stock de seguridad. Yo digo, bueno, ya sabes, ese stock de seguridad sigue siendo una característica importante de la cadena de suministro de la empresa. No lo es. Pero en última instancia, la dirección diría, ¿qué gano al hacer oficial que ya no se utilizan los stocks de seguridad? En última instancia, no cambia nada porque la gente ya no los está utilizando.

Entonces, es lo mismo. Una vez que tienes un informe de nivel de servicio, no tiene mucho sentido. Pero las ventajas de eliminarlo a corto plazo son limitadas. A largo plazo, las ventajas son enormes porque allana el camino para hacer algo que realmente tiene mucho más sentido. Pero a corto plazo, los beneficios son limitados. Nuevamente, agregar cosas es mucho más fácil.

Si volvemos a la IA, eso también explica por qué hay tanto entusiasmo por adoptar tecnologías de IA. Es simplemente aditivo. Vamos a agregar otra clase de cosas en la organización, y eso es muy agradable y fácil, en lugar de decir que vamos a eliminar una clase de cosas que solo obstaculiza la eficiencia de la empresa, la rentabilidad, y el servicio al cliente. Es mucho más difícil para un gerente decir: simplemente voy a despedir a personas y las cosas van a funcionar mejor.

Imagina lo que sucedió con Elon Musk en Twitter cuando dijo: acabo de despedir al 80% del personal y Twitter, ahora X, es más fluido que nunca. Tiene más usuarios que nunca y, en general, han agregado toneladas de funciones que el equipo anterior, que era cinco veces más grande, no pudo hacer durante las décadas anteriores. Eso refleja el poder de restar cosas, pero es extremadamente difícil. Es muy, muy difícil. Así que diría que esas cosas no se están moviendo porque eliminar cualquier cosa es extremadamente difícil, incluso si es de vital importancia.

Conor Doherty: Gracias. La siguiente pregunta está muy bien escrita. Considerando tu histórico desprecio por las anulaciones humanas, ¿consideras que eso es un ejemplo de estupidez natural?

Joannes Vermorel: Anulaciones humanas. Quiero decir, depende. Si estamos anulando una receta numérica que es completamente absurda, está bien. Lo que estoy diciendo es que donde las cosas se vuelven aún más locas es cuando terminas con estas situaciones en las que tus recetas numéricas no tienen sentido.

Conor Doherty: Cuando dices recetas numéricas.

Joannes Vermorel: Es cualquier cosa que calcule tus decisiones de cadena de suministro, como cuánto debes pedir, cuánto debes producir, dónde debes asignar el stock, y demás.

Entonces tienes recetas numéricas que no tienen sentido, por lo que es absolutamente normal anular manualmente esas salidas insensatas para las decisiones. Y ahora lo que sucede es que terminas con muchas personas en la organización que pasan todo el día anulando decisiones. En lo que a mí respecta, esto es necesario porque de lo contrario la empresa simplemente se estrellaría gracias a esas decisiones completamente absurdas.

Ahora lo que sucede es que las burocracias siempre se expanden. Esa es la regla de la ley de Parkinson. Las burocracias se expanden. Si tienes personas que pasan todo el día anulando manualmente decisiones numéricas, tendrás personas que pasarán todo el día anulando gradualmente artefactos numéricos. Entonces, ¿qué es un artefacto? Un artefacto es simplemente algo que existe en tu sistema, como un nivel de servicio, como un pronóstico, un pronóstico diario, un pronóstico mensual, un presupuesto, o lo que sea.

Algo con lo que puedes jugar. Este número no tiene un efecto tangible en tu negocio. Podría tener un efecto negativo si hay decisiones que se derivan de este artefacto, tal vez. Pero con mucha frecuencia, las decisiones no tienen relación con los artefactos. Así que simplemente piensa en jugar con los KPI y cosas por el estilo. Será inconsecuente, excepto tal vez a los ojos de la gerencia porque tienes un número que se ve mejor.

Pero nuevamente, la burocracia se expande. Así que comenzaste con una situación en la que tenías personas que anulaban manualmente decisiones que eran necesarias. Y ahora la burocracia se expande. Tienes muchas personas que anulan artefactos, artefactos numéricos, cosas que no importan. Eso va a ser personas jugando con las clases ABC, personas jugando con los niveles de servicio, personas jugando con los coeficientes para los stocks de seguridad, personas jugando con los coeficientes de estacionalidad, etc. La lista es interminable.

Y lo que estoy diciendo es que sí, esas anulaciones numéricas son completamente absurdas e inútiles. Y por cierto, el enfoque de Lokad, y por eso la gente mencionaba que soy muy despectivo, es que si tienes una receta numérica que tiene sentido, no debería haber necesidad de anulación manual. Si necesitas anular manualmente tus resultados, es porque tu receta numérica es absurda. Estoy hablando de una decisión. Entonces, si la decisión es absurda, necesitas arreglar la receta numérica y seguir arreglándola hasta que no haya ni una sola línea más que sea absurda.

Mientras tu receta numérica siga produciendo decisiones absurdas, necesitas seguir iterando para arreglarla, sin excepciones. Y por eso, por cierto, en Lokad, generalmente somos muy despectivos con esas anulaciones manuales. Las anulaciones de las decisiones simplemente reflejan que tienes una mala receta numérica. Y la anulación de los artefactos numéricos simplemente refleja un trabajo burocrático inútil que es completamente innecesario en primer lugar y que podría eliminarse por completo y aún así no cambiaría nada para la empresa.

Conor Doherty: Sí, se trata de tratar los síntomas y no la causa.

Joannes Vermorel: Esencialmente, sí, exactamente. Y también, nuevamente, actuando en interés de las burocracias. Nuevamente, esa es la ley de Parkinson. Las burocracias tienden a crecer. Entonces, si multiplicas por diez el número de empleados que tienes para hacer esas anulaciones manuales, tendrás diez veces más actualizaciones de esos valores. No mejorará tu cadena de suministro.

Conor Doherty: Bueno, suficiente para mí. Gracias. Siguiente pregunta. Son dos partes. ¿Cómo han empeorado los sistemas ERP el problema y por qué no pueden manejar pronósticos probabilísticos? Solo mencionaste implícitamente los pronósticos probabilísticos antes, pero siéntete libre de expandirte.

Joannes Vermorel: Los sistemas ERP han empeorado el problema, diría yo, gracias a los investigadores de mercado principalmente al hacer la situación muy confusa. Entonces, primero, un ERP, no hay una P en ERP. Es gestión de recursos empresariales. No hay planificación involucrada. Lo que tienes es un sistema transaccional. Es solo para lidiar con un flujo transaccional. Es prácticamente el contraparte electrónico en términos de flujo de tu flujo físico. Y eso es bueno. Te da la representación electrónica de lo que está sucediendo físicamente en tu cadena de suministro. Eso es bueno.

Ahora el problema es que la planificación de repente… Esto es lo que llamo un sistema de registros. La planificación de repente estamos entrando en el territorio del sistema de inteligencia, la toma de decisiones. Ahora, ¿por qué los ERPs han empeorado la situación? Es porque los proveedores se dieron cuenta muy rápidamente a fines de los años 90 de que los sistemas de registros, también conocidos como aplicaciones CRUD (Crear, Leer, Actualizar, Eliminar), ya estaban comoditizados. Ya estaba comoditizado hace 20 años.

Hoy en día, está aún más locamente comoditizado. Y por cierto, si quieres tener una aplicación real de IA generativa como herramienta de productividad, es excelente escribir código para aplicaciones CRUD. Entonces ahora, con básicamente ChatGPT, puedes literalmente escribir aplicaciones que son como ERPs súper, súper rápido porque esas cosas son simples. Es mucho código repetitivo; tienes toneladas de eso. Es increíblemente repetitivo. No es como una ingeniería sofisticada.

Entonces, esas cosas como herramientas de productividad, la IA funciona increíblemente bien para lidiar con la gestión de recursos empresariales. Ahora, volviendo a esta situación que ha sido confusa. Lo que esperas de tus sistemas informáticos para lidiar con un sistema de inteligencia y toma de decisiones es completamente diferente de lo que esperas de un sistema de registros. Una ilustración es cuántos milisegundos puedes permitir que tu sistema esté ocupado haciendo algo. Si es un sistema de registros, la respuesta es menos de un milisegundo. Cualquier cosa que hagas, debería terminar en un milisegundo.

¿Por qué? Porque tu sistema, tu gestión de recursos empresariales, digamos, se basa en una base de datos centralizada, y este es un recurso compartido para todos y cada uno de los procesos en tu empresa. Entonces, todo converge en esta base de datos. Si congelas esa base de datos durante un milisegundo, eso significa que todo lo demás se retrasará un milisegundo. Dirías, “Oh, un milisegundo no es nada”. Sí, pero ahora tienes 500 personas haciendo eso. Está bien, no son 500, ahora son 500 milisegundos de retraso que comienzan a ser notables.

Ahora, ¿qué pasa si algunas de esas solicitudes congelan tu núcleo relacional? Estoy simplificando por un momento. Entonces de repente, terminas con un sistema que es muy, muy lento. De repente, escanear un código de barras puede llevar varios segundos para que el sistema reconozca lo que acabas de hacer. Y es por eso que muchas empresas se quejan, “Oh, mi sistema ERP es tan lento”. La respuesta es invariablemente, es lento porque pusiste cosas en este sistema que no deberías haber puesto.

El ERM, ya sabes, la gestión de recursos empresariales, solo debería ocuparse de cosas que se puedan calcular en tiempo submilisegundo, muy, muy simples. Si haces algo que no es extremadamente simple, significa que vas a congelar tu sistema. Vas a tomar recursos que de alguna manera van a congelar tu sistema durante un tiempo medible. Y si tienes suficiente gente haciendo eso, y adivina qué, estamos hablando de grandes empresas, muchos, muchos procesos, mucha gente, tu sistema se volverá increíblemente lento. Y es exactamente por eso que los ERPs hoy en día siguen siendo tan lentos como hace 20 años. Aunque en términos de potencia de procesamiento bruto, tenemos computadoras que son al menos mil veces mejores. La respuesta es, ¿por qué sigue siendo tan lento? Es porque hay un equilibrio que aparece.

Si algo está ralentizando tanto el ERP que lleva varios segundos que otras personas obtengan una respuesta del sistema, entonces el departamento de TI simplemente lo va a cerrar y evitar eso. Y eso se ve. Entonces, actúan como la policía del consumo del ERP. Y si hay alguien que es excesivo, TI intervendrá en algún momento y simplemente evitará que esta persona o este software cree tantos problemas para el resto de nosotros. Y así, hay este equilibrio, y luego converge con un equilibrio, que es, es lento pero tolerable. Por eso la mayoría de los ERPs son súper lentos pero no tan lentos como para ser insoportables. Porque si entras en el territorio insoportable, entonces TI interviene y simplemente mata la cosa.

Entonces, volvemos a los sistemas de inteligencia. Por el contrario, si lo piensas, si quieres pensar en cómo debes hacer un reabastecimiento de tienda, vas a mirar años de historial de ventas. Quieres ver qué sucede con miles, posiblemente decenas de miles de clientes. Quiero decir, obviamente es algo que va a manipular muchos datos. Eso obviamente es algo en lo que quieres invertir un poco más que un milisegundo de cálculo. El cálculo es barato.

El problema es que si tienes un ERM, tus recursos se comparten con toda la empresa. Entonces, lo que quieres es tener un sistema de inteligencia que esté fuera del ERM, y luego esta cosa puede tomar tanto tiempo como sea relevante invertir para hacer esos cálculos sofisticados. Entonces, si volvemos a la pregunta inicial, los sistemas de registros deben ocuparse de cosas que son transaccionales, que son reglas muy simplistas.

El pronóstico probabilístico es el arquetipo de las cosas que no quieres tener en tu sistema de registros. Quiero decir, nuevamente, tan pronto como comenzamos, cuando decimos pronóstico probabilístico, estamos discutiendo distribuciones de probabilidades. Esos objetos, en términos de memoria, son pesados. Va a tomar mucho espacio tener todas esas probabilidades. Puedes ser muy inteligente de varias maneras, pero seamos obvios. Quiero decir, obviamente está introduciendo, en comparación con los datos sin procesar que tienes, mucha sobrecarga. Estás expandiendo macro tu datos para evaluar todas esas probabilidades.

Entonces, fundamentalmente, tienes algo que por diseño puede ser muy poderoso, sí, pero prácticamente por diseño, no va a ser en tiempo real. Si te adentras en una evaluación probabilística sofisticada, no estás en el territorio del cálculo en tiempo real. Quieres algo donde puedas asignar gigabytes de memoria y gastar, seamos locos, segundos de cálculo. Está bien. La mayoría de las decisiones de la cadena de suministro pueden permitirse unos segundos de retraso, pero no tu ERP.

Conor Doherty: Bueno, nuevamente, solo para seguir con ese punto sobre los sistemas de inteligencia y la falta de necesidad de tener cálculos en tiempo real dependiendo de lo que estés tratando de calcular. Entonces, solo para dar una idea aquí, si tomas el ejemplo de un pedido de reposición de inventario, si estuvieras hablando de una tienda o un cliente, digamos 300 tiendas y, para redondear, 50,000 SKU, estaríamos hablando de 10 horas, 12 horas, como procesamiento durante la noche para llegar a estas decisiones en lugar del sistema de registros que sería simplemente…

Joannes Vermorel: Sí, pero quieres mantener tu cálculo típicamente por debajo de, en Lokad, lo que hacemos es 60 minutos, pero por una razón completamente diferente. Entonces sí, en teoría, podrías tener un cálculo que tome 10 horas. En la práctica, es una muy mala idea porque si tu cálculo se bloquea a la mitad y tienes que reiniciarlo, eso significa que estás creando problemas operativos.

Entonces, quieres mantener tu cálculo lo suficientemente corto como para que cuando necesites volver a hacerlo, todavía haya mucho tiempo. Y la segunda razón, que es aún más importante, es que este cálculo no lo vas a hacer bien inicialmente. Como dije, una receta numérica, siempre y cuando produzca resultados insanos, necesitas modificar y actualizar hasta tener una receta numérica que no genere decisiones insanas en absoluto, lo que significa muchas iteraciones.

Si tienes algo donde el cálculo se completa en menos de 60 minutos, significa que un ingeniero puede hacer tal vez cinco o seis iteraciones al día. Si tienes algo que lleva 10 horas, significa una iteración al día. Realmente quieres tener algo donde un ingeniero pueda iterar muchas veces al día. Y con frecuencia en Lokad, cuando estamos en modo de diseño, cuando creamos una nueva receta numérica, intentamos mantener el cálculo en unos pocos minutos para que podamos tener literalmente docenas de iteraciones al día.

Conor Doherty: Sin embargo, hay ejemplos, nuevamente, para cambiar de, digamos, venta minorista a algo como la industria aeroespacial. Hay ejemplos donde querrías que las decisiones se generen en unos pocos minutos en lugar de incluso una hora. Como 60 minutos podrían ser catastróficos financieramente. Entonces, nuevamente, no se trata de decir que lo más rápido que podemos hacer es 60 minutos. Depende del contexto del sector.

Joannes Vermorel: Absolutamente. Pero incluso, ya ves, tienes que apreciar que entre un milisegundo, que debería ser tu objetivo de rendimiento dentro de un ERP, y un minuto, estamos hablando de casi cinco órdenes de magnitud. Esto es muy diferente. Esto es literalmente más de 10,000 veces más, ¿sabes? Lo que significa que puedes hacer las cosas de manera muy, muy diferente.

Si quieres operar en menos de un milisegundo, es muy, muy difícil. Muchas cosas simplemente no son posibles. Incluso la velocidad de la luz es bastante lenta. Quiero decir, si estás hablando de cosas que operan en menos de un milisegundo, eso significa que la velocidad de la luz solo va a recorrer 300 kilómetros. Eso puede sonar mucho, pero si quieres pensar en términos de ida y vuelta, eso significa que un milisegundo es literalmente la velocidad de la luz. Realmente no puedes ir más allá de 150 kilómetros si necesitas ir.

Entonces, ya ves, es el tipo de velocidad donde de repente cualquier comunicación de red está fuera de la imagen. Entonces, si quieres mantener un rendimiento de submilisegundo, no se permite hacer ningún tipo de comunicación de red. Incluso cargar cosas desde un disco giratorio está fuera de la imagen. Un disco que gira, un disco magnético, la latencia será de aproximadamente 10 milisegundos. Entonces, incluso cargar algo desde un disco está fuera de la imagen.

Con una unidad de estado sólido (SSD), puedes hacer eso, pero incluso allí no podrás hacer muchos accesos. Puedes hacer tal vez unos pocos. Entonces, lo que estoy diciendo es que hay una enorme diferencia entre lo que puedes hacer en un milisegundo y lo que puedes hacer en un minuto. En términos de diseño de computadoras, es completamente diferente. Si tienes un minuto, puedes hacer muchas llamadas de red, puedes hacer muchos cálculos sofisticados, puedes cargar muchos datos. Es mucho más fácil de diseñar.

Conor Doherty: Bueno, Joannes, gracias. No hay más preguntas. Muchas gracias por tu tiempo. Han pasado aproximadamente una hora y media, así que te daré un minuto para una reflexión final. ¿Algo que quieras decir antes de que nos vayamos?

Joannes Vermorel: No, desearía poder decir mucha fortaleza mental para todas las personas que están involucradas en procesos de IA para su cadena de suministro porque, bueno, esos procesos fallarán. Lo siento mucho. Lo siento mucho, chicos. Simplemente sucede. No lo tomen como algo personal. Quiero decir, creo que pueden consolarse. Creo que a esas personas, pueden consolarse pensando que sus habilidades son irrelevantes, ¿saben? Y por cierto, las habilidades de su proveedor también son irrelevantes en este momento. Entonces, no importa si eres bueno o malo, ¿sabes? De esa manera, puedes pensar en ti mismo no tan mal cuando enfrentes el fracaso. No lo tomes demasiado personalmente. El fracaso estaba garantizado. Estaba condenado desde el principio.

Conor Doherty: Sí, de acuerdo. Bueno, en esa nota alegre y festiva, Joannes, muchas gracias por tu tiempo y gracias a todos por ver. Nos vemos en 2025.