Resumen
Una sesión sincera sobre las teorías y prácticas clave del nuevo libro de Joannes, Introduction to Supply Chain. Exploraremos cómo forecast más allá de la demanda, pasar de KPIs a efectivo, construir resilientes decisiones bajo incertidumbre, y hacer de la variabilidad una parte esencial de las operaciones diarias.
Transcripción completa
Conor Doherty: Esto es Supply Chain Breakdown, y hoy desglosaremos las principales teorías y temas del nuevo libro de Joannes Vermorel, Introduction to Supply Chain. Me llamo Conor—ya lo sabes—Director de Comunicaciones aquí en Lokad. Y a mi izquierda, como siempre, el fundador, CEO y experto en redacción de Lokad, Joannes Vermorel. Ahora, atendiendo el chat en vivo, como siempre: Alexey Tikhonov. Envía tus preguntas a él lo antes posible, y las abordaremos un poco más tarde. Pero al evento principal—Joannes, a mi izquierda, tengo tu nuevo libro, Introduction to Supply Chain. Sala Cam 1. Es un libro encantador. ¿Por qué escribió este libro, señor?
Joannes Vermorel: Los primeros años de Lokad fueron difíciles. Cuando empecé en 2008, partí de la idea de que el supply chain era un campo de estudio y práctica ampliamente maduro, con, en ese momento, más de 60 años de literatura. Ahora diría que son 70, desde el final de la Segunda Guerra Mundial, con más de un millón de artículos. Revisé recientemente: hay más de 10,000 libros sobre supply chain en inglés disponibles en Amazon. Es un campo masivo, y mi idea fue llevar esto, bien empaquetado, a la computación en la nube con una aplicación SaaS, mientras que mis competidores en ese momento—los incumbentes—seguían usando clientes pesados.
Pasarlo a la computación en la nube fue fácil. Los clientes llegaron. Pero nada funcionó. Nada funcionó, y me tomó años identificar todos los problemas. Resultó que la teoría de supply chain dominante se centra únicamente en cosas que no funcionan. Incluso podríamos usar la palabra “mental” para esto, pero es extremadamente extraño: tienes más de un millón de artículos, y nada funciona. Tienes discusiones surrealistas con practicantes de supply chain que dicen, “Sí, el próximo año vamos a usar realmente la fórmula de safety stock, pero por ahora seguimos usando algo un poco raro en nuestras hojas de cálculo. El próximo año empezaremos a hacer lo correcto; empezaremos a usar las verdaderas matemáticas serias, y será bueno.” Resultó que eso es exactamente lo que esas empresas han estado intentando durante décadas.
Lo que realmente funcionó fueron clases de heurísticas que están completamente ausentes de la literatura. La mayor parte de lo que se considera literatura de supply chain simplemente no funciona. Lokad ha estado siendo pionero en formas muy diferentes de hacer supply chain—las personas que han seguido este canal por un tiempo pueden estar al tanto—y decidí compilar una recopilación actualizada. Por cierto, la teoría que hemos desarrollado en Lokad ha estado evolucionando. Comencé una serie mundial de conferencias allá por 2017. Han pasado bastantes años. Muchas cosas se han refinado desde entonces. En general, es mucho más coherente, y también hay cosas que simplemente son mejores.
Conor Doherty: Escuchando esa visión general—corrígeme si me equivoco—pero típicamente cuando alguien escribe un libro sobre supply chain, es para llenar o abordar una laguna. Escuchándote, parece que estás diciendo que esto reemplaza más o menos todo el conocimiento preexistente. ¿O es eso una exageración?
Joannes Vermorel: Ciertamente es una especie de ejercicio de refundación. El problema realmente comienza con: ¿dónde ubicas supply chain en el árbol del conocimiento humano? Lo que defiendo es que la mayor parte de la literatura se encuadra en dos campos que están igualmente equivocados.
La mitad de la literatura proviene del campo de las matemáticas aplicadas. El problema fundamental con este enfoque es que produces artículos de supply chain—“teorías”—que nunca pueden ser refutados por la realidad. Eso es muy extraño. Normalmente, si tienes conocimiento sobre algo en el mundo y tu teoría es incorrecta, el mundo debería poder contradecir tu teoría. Si tu teoría es inmune a la retroalimentación del mundo real, estás haciendo un ejercicio puro de lógica, de matemáticas; no forma parte de las ciencias experimentales.
Luego tienes otro campo—típicamente el campo de la sociología—que discute cómo segmentar y analizar el problema en grandes organizaciones. Adoptan una perspectiva sociológica. El problema es que esta perspectiva no dice nada sobre la resolución real, que es: ¿cómo asignas tus recursos? ¿Cómo tomas decisiones para gobernar tu flujo?
Entonces, en este libro decidí adoptar un tercer enfoque: la economía aplicada. Por sorprendente que parezca, esta perspectiva está mayormente ausente en toda la literatura.
Conor Doherty: Para cambiar la idea de supply chain como economía—en el libro, lo defines como el dominio de la optionality. Voy a leer esto porque es una ligera actualización de la definición histórica de supply chain: “Supply chain es el dominio de la optionality bajo la variabilidad en la gestión del flujo de bienes físicos.” En lenguaje sencillo, ¿en qué se diferencia esa definición de la comprensión predominante de supply chain?
Joannes Vermorel: Ese es el punto. Si observas, ni siquiera puedo recordar la definición exacta que se da en Wikipedia para “supply chain.” El problema es que la mayoría de las definiciones no tratan sobre “supply chain” sino sobre “gestión de supply chain.” Ya estás en el ámbito de la sociología—“Voy a gestionar eso; voy a aplicar cierta división del trabajo.” La mayoría de las definiciones son extremadamente amplias y abarcan todo lo relacionado con la adquisición de materias primas, la transformación, el transporte y la satisfacción de los clientes.
La mayoría de las definiciones de supply chain se extienden en todo un párrafo y mencionan prácticamente cualquier cosa relacionada con el flujo de bienes físicos. Es una catalogación: adquirir materias primas, transportarlas, almacenarlas, transformarlas, transportarlas de nuevo, atender a los clientes, etc. Esas definiciones no son precisas. Si las sigues, ni siquiera queda claro qué diferencia a la ingeniería industrial y supply chain, o la manufactura y supply chain, o las finanzas corporativas y supply chain.
Estas definiciones carecen de límites claros y de una esencia—una intención definida en lugar de simplemente catalogar cosas. Por ejemplo, la mayoría de las definiciones de supply chain que encontrarás en Wikipedia no discutirán la logística inversa. En cuanto miras cosas que son un poco francesas pero aún firmemente dentro del ámbito de supply chain, esas definiciones tan descriptivas y enumerativas tienden a omitirlas.
Conor Doherty: Si estás reimaginando supply chain y sus fundamentos desde la perspectiva de la economía, ¿cómo concilias eso con lo que sé que suele ser un tratamiento bastante superficial en lo que respecta a las matemáticas? Aparte de, tal vez, los números de página, no verás muchos enteros en el libro. Has optado deliberadamente por un enfoque más filosófico. ¿Cómo toman las personas estas teorías económicas si, básicamente, son solo palabras?
Joannes Vermorel: Primero, ese es un problema que tengo con la mayor parte de la academia hoy en día: las matemáticas, tal como se utilizan en la mayoría de los artículos, son relleno. Me formé como matemático—sin problema—pero las matemáticas que vemos no transmiten ideas poderosas. Supply chain es una rama de la economía; las matemáticas son un instrumento, no el objetivo.
Si quiero publicar un libro en el que aparezcan instrumentos matemáticos, la pregunta es: ¿lograré transmitir el punto de manera menos ambigua y más concisa? De eso se tratan las fórmulas matemáticas. Las ecuaciones de Maxwell para el electromagnetismo son extremadamente compactas; en literalmente cuatro ecuaciones puedo transmitir lo que tomaría 20 páginas de texto. En ese caso, las ecuaciones aportan las ideas.
Pero cuando observas la gran mayoría de los artículos de supply chain que usan matemáticas, estas no resultan esclarecedoras. Las demostraciones son procedimentales y poco interesantes. Dale a un estudiante de maestría unas pocas horas y entenderá tu demostración; hay muy pocas sorpresas. Incluso en la formalización de los problemas, no resulta interesante.
En resumen: terminas con algo tedioso de leer y relativamente verboso, con páginas de derivaciones que aportan muy poca información. En este libro decidí que las matemáticas y los algoritmos son ciencias auxiliares de supply chain. Intento introducir los conceptos e ideas correctos; luego, las personas con el trasfondo adecuado—en matemáticas, estadística, algoritmos—estarán en posición de hacer las derivaciones mecánicas según sea necesario, con la perspectiva adecuada.
Conor Doherty: Vamos a profundizar en más teorías en detalle, pero una pequeña anécdota. Quiero llevarte de vuelta a abril del año pasado, alrededor de la época en que comenzaste a escribir el libro—y yo llevo notas meticulosas. Era un martes en abril de 2024. Estábamos conversando; mencionaste que estabas escribiendo un libro. Recuerdo que te pregunté: ¿Quién es el público objetivo de este libro? Mencioné dos nombres que ambos conocemos—amigos del canal que han aparecido aquí—y dije, “¿Es la persona A o la persona B?” Dos perfiles muy diferentes, ambos en supply chain. ¿Recuerdas lo que me dijiste?
Joannes Vermorel: No lo recuerdo.
Conor Doherty: Esto no es ensayado—en realidad no lo recuerdas. Dijiste, “Te sorprenderá: ninguno.” Ahora, unos 20 meses después, has escrito el libro, está publicado, disponible—¿quién es el público objetivo?
Joannes Vermorel: El público objetivo era un poco egocéntrico: yo mismo de hace 20 años. Si hubiera tenido este libro en mis manos antes de comenzar Lokad, todo habría sido mucho más simple. Me habría ahorrado una década de miseria. Esa es una parte extraña del software empresarial: incluso si tu software no funciona, puede ser bastante rentable. No miseria en el sentido financiero—los clientes siguen llamando a tu puerta—pero no es bueno.
Eso me habría ahorrado a mí y a los equipos de Lokad una cantidad enorme de tiempo. Eliminé intencionalmente todas las matemáticas del texto principal—hay un poco en el anexo—porque me di cuenta de que no aportaban mucha información. Me inspiré en Basic Economics de Thomas Sowell. Está escrito de forma hermosa. La mayoría de los libros sobre economía están bastante cargados de matemáticas, y me di cuenta, leyendo Basic Economics—se lo leí a mi hija; tú me lo diste también—que es un excelente libro, una excelente introducción. Si se puede hacer para la economía, ciertamente se puede hacer para supply chain. Ese es el enfoque.
Hay algunas cosas pospuestas en el anexo, pero son esclarecedoras para el público conocedor de la tecnología. Por lo demás, el libro es completamente accesible para los profesionales, independientemente de su conocimiento matemático.
Conor Doherty: Del libro—para quien aún no lo ha leído en línea, está disponible de forma gratuita en línea; también puedes pedirlo en Amazon. Antes de entrar en detalles, una cosa desde el final: en la sección “Mirando hacia el futuro” propones una prueba concreta para el progreso de supply chain—“tu software, sea lo que sea, debe generar decisiones automáticas, auditables (es decir, rastreables), o debes detenerte y explicar por qué.” ¿Es ese, en tu opinión, el objetivo final de la toma de decisiones en supply chain?
Joannes Vermorel: Es un punto de partida—literalmente. Hasta que tengas un sistema capaz de generar decisiones automáticas con lo que en Lokad llamamos 0% de locura—esas decisiones al menos son aceptables, nada disparatadas—ni siquiera estás en posición de hacer una mejora sistemática. Estás lidiando con un proceso caótico y semimanual, típicamente también bastante burocrático. Es imposible comparar cualquier cosa. No puedes hacer pruebas A/B de nada. No puedes demostrar de manera confiable que cualquier cambio que introduzcas en el sistema lo esté mejorando.
Una vez que alcanzas el punto en el que generas decisiones automáticas sin locura—incluso si aún no son muy buenas—tienes algo que puedes someter a pruebas A/B. Puedes modificar el sistema y correrlo en paralelo: opción A contra opción B, ¿cuál es mejor? Puedes tener evidencia, seleccionar, iterar. Entonces, las cosas realmente buenas pueden empezar a suceder: puedes razonar cuantitativamente y decidir si algo está mejorando o empeorando el proceso.
Siempre que estés completamente impreciso, tendrás un océano de opiniones y muchas personas diferentes. Además, mientras sigas teniendo procesos semimanuales, puedes tener regresión simplemente porque alguien muy experimentado se jubiló. La composición del equipo cambia; no cambiaste nada más, y puedes tener regresión. Ese es un gran problema—factores de confusión masivos.
Conor Doherty: Obviamente son 500 páginas; no vamos a cubrir todo. A lo largo de la temporada tomaremos partes y fragmentos. Históricamente, hay críticas generales que tienes de la teoría de supply chain. Una de las más evidentes—y es una gran parte del libro—es tu perspectiva sobre el forecast de time series que llamas un callejón sin salida tecnológico para supply chain. ¿Por qué es eso?
Joannes Vermorel: Eso es parte del capítulo sobre el futuro. El paradigma en juego es la visión teleológica del futuro. Literalmente dices, “Puedo proyectar el futuro y decir que es esto,” y, al igual que el plan, esta descripción se convierte en el compromiso. Esta perspectiva se origina en las ciencias naturales. Es lo que usan los astrónomos para anticipar el movimiento de los planetas.
Uno de los primeros forecasters económicos del siglo XX, Roger Babson, era un gran admirador de Newton. Su perspectiva—que ha permeado ciclos de forecasters económicos, luego de investigación operativa, y después supply chain—era que, con las matemáticas adecuadas, pronto seremos capaces de predecir el futuro de la economía, los mercados, todo, con la misma precisión que la ubicación de los planetas. Formaba parte del cientificismo progresista de la primera mitad del siglo XX.
Nunca funcionó. Y tienes muchas razones para pensar que nunca funcionará. No preserva tu propia agencia futura. Trata el futuro como si ya estuviera congelado, como si la empresa no tuviera la capacidad de cambiar de rumbo. Eso es muy extraño.
Me opongo a otra visión—la visión de los emprendedores—la rugged vision, que es mucho más oportunista. Fundamentalmente, esta visión teleológica de gran plan, en la que tratas el futuro como una cantidad conocida y orquestas todo a partir de ello, es defectuosa. Las series temporales son la encarnación de esta perspectiva: ven el futuro como el simétrico exacto del pasado. Tienes una curva—por ejemplo, temperaturas en París, un dato por día—y proyectas la curva hacia el futuro. Si elimino el presente, nada diferencia al pasado del futuro; es la misma serie. Si no me dices dónde está el “ahora”, no puedo saberlo. Es solo una curva que se extiende indefinidamente en ambas direcciones.
Esa perspectiva de series temporales, proveniente de la ciencia natural, es un sinsentido para los negocios porque existe una asimetría absoluta: no puedes cambiar el pasado; tienes agencia sobre el futuro. En cuanto aceptas eso, hasta que comprometas un recurso, no tienes razón para tratar el futuro como ya decidido.
Conor Doherty: Entras en más detalle y das términos concretos: la diferencia entre un gran comprador único y muchos compradores pequeños—“muchas canastas pequeñas versus unas pocas canastas grandes”—para demostrar el problema. Diez personas compran una cosa versus una persona que compra diez: la misma serie temporal.
Joannes Vermorel: Exacto. Las series temporales son una representación que pierde mucha información. Comprimen la información en un vector unidimensional y se pierde información crucial. Imagina que tienes 10,000 unidades hoy para los últimos 10 años. ¿Cuál es la cantidad correcta de inventario?
Escenario uno: esas 10,000 unidades pertenecen a 1,000 clientes distintos; están muy dispersas; ni siquiera son los mismos clientes cada día. Las probabilidades de perder a todos esos clientes muy rápidamente son bajas. Escenario dos: esas 10,000 unidades han sido pedidas por un único cliente durante los últimos 10 años. En algún momento perderás a este cliente—por bancarrota, cambio, o lo que sea—y el riesgo potencial es enorme en todo momento. No existe tal cosa como un cliente eterno o una empresa eterna. Cuando eso sucede, tu inventario restante se convierte de la noche a la mañana en dead stock sin posibilidad de recurso.
Las series temporales son idénticas, pero el perfil de riesgo es extremadamente diferente. La única manera de saberlo es observar la composición de los clientes. Así, además de perder agencia, las series temporales son una representación con pérdida del pasado; se pierde información crítica.
Conor Doherty: ¿Cómo afecta negativamente la pérdida de ese riesgo a las políticas de inventario? Esto está en “The Limits of Planning.” Tomando ese ejemplo exacto, ¿cuál es el resultado negativo a corto plazo frente a un enfoque más probabilístico, que describes en el libro?
Joannes Vermorel: Si retrocedemos en términos de riesgo, la visión teleológica clásica—subyacente al S&OP—trata el riesgo como ausente. La gente no es tonta; sabe que el riesgo existe, pero cuando miras los instrumentos, el riesgo está ausente. No hay nada paradigmático en la gestión del riesgo. Sí, en teoría se pueden hacer escenarios, pero es de segunda categoría—un pensamiento posterior, que no encaja en el paradigma.
El riesgo es la otra cara de la oportunidad. Algo inesperado puede causar daño; algo inesperado puede presentar una oportunidad que puedes aprovechar. En la perspectiva teleológica, S&OP, la idea de buscar oportunidades desconocidas y estar en el lugar correcto, listo para abordarlas, no existe—tal como el riesgo no existe.
Los emprendedores no piensan en el futuro como un gran plan conocido. Lo ven como algo borroso e incierto, pero si te posicionas correctamente y estás preparado, puedes tener mucha suerte. Creo que Aristóteles dijo que la suerte le ocurre a los que están realmente preparados. Es una mentalidad diferente y una manera completamente distinta de ver el futuro.
Conor Doherty: En contraste, propones lo que llamas la “rugged vision.” ¿En qué se diferencia exactamente?
Joannes Vermorel: En lugar de pensar que puedes conocer el futuro, abrazas el caos y lo aprovechas a tu favor. Si piensas en S&OP, la gente quiere forecasts lo más precisos posible—en términos técnicos, reducir la varianza. ¿Qué pasa si haces lo contrario—explotas tu varianza?
En la industria del entretenimiento se buscan mega éxitos. No te interesa una baja varianza, porque la mayoría de los intentos son fracasos: acierto o fallo. Reducir la varianza convergería a la mediocridad. Quieres hacer las cosas de manera que, cuando logres un éxito, éste sea absolutamente masivo.
La rugged vision es una perspectiva diferente sobre la incertidumbre y la variabilidad. Las ve como un recurso a explotar, no como un defecto. La perspectiva teleológica trata el futuro como algo que debe clarificarse, fijarse, inmovilizarse—tu forecast y tu compromiso—y optimizar significa lograr el cumplimiento de manera eficiente respecto al plan.
Con la rugged vision, se trata de explotar la incertidumbre y la variabilidad. Asegúrate de que, cuando surjan oportunidades, tengas la ventaja de ser el primero en moverte, ya que te mueves tan rápido que las capturas de forma rentable. Si cometes errores, el costo es limitado. Está bien que la mayoría de las apuestas pierdan mientras el costo sea limitado; cuando ganas, ganas a lo grande.
Eso crea una perspectiva diferente sobre lo que significa planificar y prepararse. Abrazas la incertidumbre y la variabilidad. Lo mismo ocurre con tus competidores. En lugar de decir, “seré más preciso,” dices, “seré más reactivo, ágil, rentable y oportunista.” Reconoces que las acciones oportunistas son parte del plan, y te sientes cómodo sin saber exactamente hacia dónde te diriges. Quieres poder responder de forma rentable a cualquier situación sin necesidad de saber exactamente de qué se trata.
Desde la perspectiva rugged, el futuro es radicalmente incierto—radicalmente diferente del pasado. Piensas en tus recursos como algo en lo que quieres preservar tu agencia y tus oportunidades. Se presenta una buena oportunidad, pero podrías dejarla pasar porque crees que se avecina una mucho mayor. No quieres agotarte.
Por ejemplo, con las medidas arancelarias de la administración Trump, algunas empresas anticiparon distorsiones y trajeron mucho inventario antes del arancel para poder vender al precio antiguo. La rugged vision diría: absolutamente no. Ahora que existe este arancel, nadie puede traer productos al mismo precio. No tienes razón para liquidar. Sí, los competidores liquidarán a bajo costo; si no es perecedero, está bien. Puedes mantener inventario durante unos meses y luego venderlo a un precio mucho más alto con un margen muy atractivo.
Además, tu agencia está determinada por los precios. Eso está muy ausente en el S&OP y en la visión teleológica; la idea de que puedes jugar con los precios como parte de tu plan es sumamente ausente.
Conor Doherty: Una gran parte de la perspectiva económica es la ajustada financieramente o impulsada por el ROI. En el libro introduces objetivos denominados en monedas—mides todo en “coins.” ¿En qué se diferencia eso de la perspectiva histórica de pensar en ROI? ¿Es simplemente más abarcador?
Joannes Vermorel: Primero, en gran parte de la literatura académica—matemáticas aplicadas con un tema económico—nominalmente dicen, “Optimizamos esta función objetivo,” supuestamente en dólares. Pero esa no es una perspectiva económica genuina; son matemáticas aplicadas con gorra económica. Aquí reconocemos que el modelado económico es el verdadero desafío difícil, no el cálculo técnico que resulta del modelado.
Las matemáticas aplicadas dicen, “Dame tu función económica, y haré muchas cosas con fórmulas, derivaré, construiré teoremas.” Bien. Pero si tomo esta perspectiva, sí, se supone que mi función objetivo debe estar en dólares; en la práctica, a nadie le importa realmente. En consecuencia, cuando miras de cerca muchos artículos de supply chain, lo que se está optimizando ni siquiera se expresa en términos económicos. Muy frecuentemente son niveles de servicio o toneladas de objetivos no económicos. Eso refleja la perspectiva fundamentalmente de matemáticas aplicadas: lo que importa es tener una función que optimizar; la naturaleza de la función es, en gran medida, irrelevante.
Conor Doherty: Para ser más práctico: instaurar tu visión—la rugged vision—requirió al menos dos roles, no solo una filosofía. Introduces los roles de Flow Manager y Scientist y la importancia de esa combinación.
Joannes Vermorel: Eso es más adelante en el libro; es un detalle. Mientras que, en términos de paradigma, mires al futuro de manera incorrecta, estás bloqueado. Nada puede suceder; esas cosas ni siquiera son pensables. La forma en que organizas los roles es una tecnicidad. Lo describo para mayor claridad, pero es de importancia secundaria. Si ni siquiera puedes pensar en algo, no puedes hacerlo, sin importar cómo organices el trabajo o qué instrumentos tengas.
Cuando mencionamos la palabra “planning,” es casi imposible pensar en una alternativa que no sea la planificación practicada a pesar del Gosplan en la URSS. Es extraño porque la URSS fue un fracaso, y sin embargo, las grandes empresas están literalmente imitando lo que fracasó durante 70 años en el Gosplan—el gran instituto de planificación que dirigía centralizadamente toda la economía.
El Gosplan operó desde 1925 hasta 1991. Produjo planes para todos esos años; ninguno de esos planes fue jamás factible. Cuando hablo con grandes empresas, esa es la sensación que he recibido durante casi dos décadas: grandes planes que no funcionan—y conceptualmente no pueden funcionar. La gente piensa, “Si dejamos de hacer esto, dejamos de pensar en el futuro,” lo cual no es aceptable. Necesitamos pensar en el futuro, pero no podemos reemplazar una mala planificación con ninguna planificación. Necesitas una alternativa. Olvídate de los roles: mientras no puedas pensar correctamente—rugged vision como la alternativa a la teleología—cualquier solución es impensable y, por ende, imposible de implementar.
Conor Doherty: Hay algunas preguntas de la audiencia a las que quiero responder, pero antes de hacerlo—aparte de leer el libro—supón que alguien lo ha leído y está realmente entusiasmado. ¿Cuáles son los siguientes pasos para instaurar la rugged vision que describiste?
Joannes Vermorel: Contáctanos. Pero creo que esas cosas vendrán de forma natural. Este libro es una introducción, pero espero que muchas cosas se hagan obvias cuando tengas la perspectiva correcta. Por eso no entré en detalles matemáticos. Cuando sabes cómo abordar un problema, la resolución se vuelve procedural, técnica—un esfuerzo mundano.
En la escuela aprendemos: aquí hay un problema; identifica una solución; te califican según tu respuesta. En el mundo real, lo más difícil es identificar la formulación correcta del problema. Una vez que puedes pensar con claridad sobre tu problema, resolverlo es casi algo seguro. En el futuro, no me sorprendería si, una vez que piensas claramente tu problema, se lo entregas a un LLM y este realiza el pensamiento procedural para darte la solución. La tarea intelectualmente más exigente es encontrar el problema correcto a resolver.
Joannes Vermorel: A través de esta introducción, el lector puede desprenderse de una perspectiva muy diferente sobre cómo incluso pensar en su compañía, su supply chain y el tipo de soluciones que son elegibles. En cuanto te des cuenta de que toneladas de técnicas en supply chain son no económicas—por ejemplo, los safety stocks—no te sorprenderá que no obtengas retorno de la inversión. Los safety stocks no están optimizando la tasa de retorno. No te sorprendas.
Al leer el libro, la gente podrá decir, “Esta línea de pensamiento ni siquiera está en el paradigma correcto.” Es un callejón sin salida; no generará retornos porque no estás en el territorio correcto. Una vez que lo estés, vuelves a este principio en Lokad: es mejor estar aproximadamente correcto que exactamente equivocado. Con el pensamiento correcto y una hoja de cálculo de Excel, puedes llegar lejos—en contraposición a estar perdido con la concepción errónea del problema.
Conor Doherty: Fundamentalmente, es una mentalidad que estás promoviendo.
Joannes Vermorel: Sí. Por ejemplo, ¿podría la audiencia definir, en una oración, qué es realmente la economía? Fue definida claramente hace más de un siglo por Lionel Robbins, un economista británico. Cuando le preguntas a la gente, usualmente no tienen ni idea. Yo doy una definición concisa para supply chain, pero la definición concisa para la economía es: “el estudio de recursos escasos que tienen usos alternativos.” Una vez que entiendes las palabras en esta definición precisa, comprendes de qué trata la economía.
Por cierto, lo que se hace pasar en los medios como economía no es economía. Es ideología política o historia económica—“el desempleo en Francia está subiendo o bajando,” etc. Eso es descriptivo; no es economía. La historia económica requiere una teoría económica para tener sentido. La economía te da esa teoría; son asuntos separados.
Conor Doherty: Gracias, Joannes. Pasaré a las preguntas de la audiencia. Como pueden ver en el banner de la pantalla, siéntanse libres de enviarlas de forma privada; algunos comentarios aquí son mensajes directos, pero también hay preguntas públicas. Esto de Manuel: “Este es tu segundo libro. Tengo el primero. ¿Cuáles son las grandes diferencias entre los dos, o las grandes diferencias funcionales?”
Joannes Vermorel: La ausencia de código matemático es una gran diferencia. Este es mucho mejor. El anterior fue realmente apresurado; se hizo en tres meses. Las primeras 100 páginas son aceptables; las que le siguen están obsoletas—completamente anticuadas.
El libro anterior fue “Aquí está la receta en Lokad,” al que llamamos el Supply Chain Quantitativa. En ese momento, no estaba completamente seguro de lo que estaba proponiendo. Estaba en total desacuerdo con la teoría dominante de supply chain, así que dije, “Voy a hacer algo diferente y llamarlo el Quantitative Supply Chain.” Pero la evolución con este libro es: lo que se considera teoría de supply chain en la literatura está simplemente equivocado. El capítulo 3 aclara esto debido a preocupaciones epistémicas: ¿dónde situas a supply chain—matemáticas aplicadas, sociología o economía aplicada? Yo sostengo que la economía aplicada es el camino correcto.
Entonces, ¿tengo otra teoría o digo, “Este es mi mejor intento de la teoría de supply chain más correcta,” un reemplazo de lo que vino antes? El libro anterior se presentó como una receta de cosas que funcionan en Lokad. Curiosamente, ese libro anterior es ahora esencialmente un único capítulo en el nuevo libro—el capítulo llamado “Deployment.” Cubre una versión mejor y más madura de lo que describí anteriormente. El libro anterior es un capítulo de once.
Me di cuenta de que había mucho más bajo los fundamentos: cómo ves la supply chain como conocimiento—epistemología; economía—lo cual evité en el libro anterior. Queremos rentabilidad, pero luego tienes que volver a las raíces económicas: ¿qué aporta la ciencia económica a la supply chain? La respuesta corta es: bastante. Una vez que abordas las cosas bajo el paraguas explícito de la economía—lo cual no hice anteriormente—se aclaran muchísimas cosas.
Había muchas otras cosas que daba por sentadas en mis conferencias. Me di cuenta de que necesitaba indagar en los detalles, como la teoría moderna de la información—la teoría de Shannon—que es muy importante para la supply chain y para la forma en que razonas sobre las decisiones “informadas”. Luego tienes que pensar en el panorama aplicable: el software es extremadamente importante, y las supply chains están completamente digitalizadas. Aclaro el panorama del software, cómo pensarlo, y cómo tu optimización tiene que ser una superposición sobre él.
Luego, el futuro: visión teleológica vs. visión robusta. Ese capítulo surgió de la frustración; recibí cientos de llamadas tratando de explicar el forecast probabilístico. Decir “forecast probabilístico” fue el enfoque equivocado. Es la respuesta técnica correcta, pero para entender la visión adecuada—independiente de las matemáticas—necesitas la lente teleológica vs. robusta. Eso te da las razones subyacentes de por qué el instrumento es deseable.
Lo mismo ocurre con las decisiones “informadas” y la inteligencia. ¿Qué es la inteligencia? Con los avances recientes en machine learning, podemos pensar de manera más inteligente acerca de la inteligencia. Eso necesitaba tratamiento. Lo mismo con las decisiones: si la supply chain es parte de la economía, cada decisión debe abordarse como una asignación de recursos escasos que tienen usos alternativos. Necesitas pensar en tu empresa: ¿cuáles son los usos alternativos para cada recurso? Eso aclara mucho. Existe un capítulo entero dedicado a decision-making por esa razón, y volveremos a ello en un episodio posterior.
Conor Doherty: La siguiente pregunta es de Vivek—gracias por lanzar el libro; estoy seguro de que esto aportará una perspectiva diferente a todo el material de supply chain que tenemos disponible. “¿Hay algunos casos de uso de problemas del mundo real de supply chain tratados en tu nuevo libro?”
Joannes Vermorel: Hay un lugar donde describo lo que pienso sobre los estudios de caso—y el hecho de que no funcionan. Pero los casos de uso son ubicuos. Siempre que tienes una asignación de recursos que tienen usos alternativos, es un caso de uso.
Cada vez que gastas un dólar para comprar algo, podrías haber usado ese mismo dólar para otra cosa—una asignación de recursos. Si tienes materias primas que pueden emplearse para producir varios productos y decides consumirlas para iniciar un lote—eso es una asignación. Si decides que los productos terminados vayan a este lugar, no pueden ponerse en aquel—asignación. Etc. Los casos de uso son extremadamente comunes.
La literatura de supply chain a menudo se equivocó porque no tiene una idea clara de lo que es la supply chain y de lo que constituye una decisión de supply chain. Aclara que se trata de una asignación de recursos con usos alternativos, y los casos de uso se vuelven obvios: tienes el flujo, los recursos, los usos alternativos. Cada vez que eliges entre alternativas, es una decisión de supply chain que necesita ser optimizada. Para saber el retorno que puedes esperar, haz un cálculo aproximado.
Debido a fundamentos superficiales, terminas con cosas que no están claras—como “supply chain digital twins.” ¿De qué se trata realmente? ¿Qué es exactamente lo que intentas resolver? ¿Un medio para qué fin? Muchas ofertas—consultores, proveedores, profesores—no ofrecen una definición clara y no posicionan la supply chain como una rama de la economía. Terminas con preguntas como “casos de uso” que son difíciles de responder porque los fundamentos son superficiales.
Este libro es también un intento de abordar una frustración de larga data. Implícitamente, Lokad ha estado pensando durante una década en las decisiones de supply chain como asignaciones de recursos con usos alternativos. Pero no lo estábamos enmarcando de esa manera, y nos perdíamos al explicar por qué el forecast probabilístico es el mejor. Es muy relevante—pero una tecnicidad. Lo mismo con la optimización estocástica—muy útil, pero una tecnicidad que se vuelve interesante solo una vez que entiendes el paradigma adecuado.
Conor Doherty: La siguiente pregunta es de Nick Green—esto viene de nuestra transmisión en YouTube (transmitimos en LinkedIn y YouTube simultáneamente). La leeré textualmente: “Gracias por hacer el ebook gratis. En el sudeste asiático, conseguir libros de Amazon no es fácil. Estoy ansioso por leerlo. En el libro, ¿discutís el papel de los incentivos en la supply chain?”
Joannes Vermorel: Oh sí—absolutamente. Los incentivos importan. Los incentivos adversariales están por todas partes. La literatura tradicional de supply chain ignora en gran medida los incentivos y se comporta como idiotas eruditos—extremadamente ingenuos con respecto a ellos.
En el libro detallo los incentivos de los empleados, consultores, software vendors, y el mundo académico, y cómo interactúan con tu intento de hacer lo mejor para el interés a largo plazo de la empresa. Si no abordas esto explícitamente como un problema adversarial, no funcionará. Estás tratando con personas que tienen agencia; la forma en que actúan no está alineada con el interés de la empresa. Muchas situaciones están rotas por diseño; necesitas reconocerlas como tales.
Importante, con los conflictos de interés, no puedes confiar en el juicio de personas en conflicto. No puedes decir, “Sé que tengo conflicto, pero confía en mí, soy honesto.” Así no se abordan los conflictos. Cuando alguien tiene un conflicto de interés, esa persona debe ser excluida del proceso que genera la decisión. La ciencia médica descubrió esto hace décadas. Si no lo haces, no funcionará.
También estoy describiendo los conflictos de interés que tienen los vendors de enterprise software—lo que nos incluye. Intento dar lo mejor aquí, pero estoy en conflicto. Si la gente quiere aportar cosas que pueda haber omitido, publiquen comentarios. He sido minucioso acerca de las artimañas de los vendors de enterprise software—eso es algo que conozco de cerca—pero cualquier feedback sería genial.
Conor Doherty: No hay más preguntas. Reflexión final: si la gente solo lee una sección del libro, ¿qué le sugerirías? Obviamente, quieres que lo lean todo y lo compren—pero, ¿cuál es una conclusión clave hoy? Hablaste sobre la inteligencia; recorres los sistemas de registro; hay tanto que abordar. ¿Una sección?
Joannes Vermorel: Lee el Capítulo 3, “Epistemology.” Es el fundamento de lo que siquiera cuenta como conocimiento de supply chain. Si vas al final de este capítulo, probablemente te darás cuenta de que el 99% de lo que has leído en tu vida, una vez que entiendas este enfoque epistémico, no cuenta como parte del cuerpo de conocimiento relevante para la supply chain. Es extraño, pero eso explica el “por qué” de mi miseria durante la primera década en Lokad: estaba intentando fundamentalmente usar las teorías equivocadas—como tratar de obtener resultados usando alquimia en lugar de química. No va a funcionar. Estás usando algo que parece ciencia—la alquimia fue en su momento muy seria. Sir Isaac Newton—popular entre ustedes—pasó la mitad de su vida investigando en alquimia y la otra mitad en el movimiento de los cuerpos celestes. Publicó dos libros de igual extensión: uno sobre mecánica celeste y otro sobre alquimia.
No es que Isaac Newton fuera un tonto; es que identificar el paradigma correcto es difícil. Si te equivocas, puedes terminar con algo que parece ciencia. No asumas que puedes detectar automáticamente lo que debería considerarse conocimiento válido en la supply chain. A lo largo del Capítulo 3 intento proporcionar a los lectores herramientas intelectuales para clasificar lo que califica como conocimiento válido o no. Incluso si dejas de lado el resto del libro, tener este instrumento será extremadamente útil, porque tendrás una forma de separar lo que es conocimiento potencialmente correcto de lo que está garantizado que es irrelevante.
Conor Doherty: Muy bien. Estoy convencido. No tengo más preguntas. Muchas gracias por tu tiempo y por tus respuestas. Y a todos los demás, gracias por asistir. Gracias por sus preguntas—muchos comentarios en privado. Como he dicho muchas veces, algunas personas se sienten más cómodas comentando públicamente; otras prefieren enviarme un mensaje en privado. Todo lo que me envían, se lo transmito a Joannes textualmente, o al menos tal como me lo entregan. Dicho esto, asegúrate de conectarte conmigo en LinkedIn, y nos vemos la próxima semana para otro episodio en vivo de Breakdown. Y sobre ese tema—vuelvan al trabajo. Fíjense en esto.
