00:00:00 Introducción a la supply chain de petróleo y gas
00:05:02 Altas apuestas y logística en alta mar
00:08:20 Impactos financieros del tiempo de inactividad de la supply chain
00:13:54 Complejidad y automatización en supply chains
00:16:15 El desconocimiento afecta la planificación
00:18:39 El inventario afecta el uptime
00:20:33 El precio del petróleo impacta la rentabilidad
00:23:00 El inventario adecuado para un uptime eficiente
00:25:10 Optimización más allá de las hojas de cálculo
00:28:58 Limitaciones del decision-making de los ERPs
00:31:10 Excel como herramienta de decision-making
00:33:15 La importancia de los sistemas de registros
00:37:00 Precisión aproximada en las decisiones
00:38:10 Enfoque en decision-making bajo tarifas
00:40:30 Las numerical recipes mejoran el enfoque
00:43:37 Distraacciones de desafíos de ingeniería
00:46:10 La gran escala reduce la agilidad
00:51:30 Velocidad y defensa de numerical recipes
00:53:00 El papel de la fijación de precios en la supply chain
00:57:19 El petróleo como fundamento de la civilización
00:59:00 AI y automatización clerical
Resumen
En un diálogo reflexivo, Conor Doherty y Joannes Vermorel profundizan en los desafíos de supply chain en la industria del petróleo y el gas, comparándolos con gestionar una ciudad en miniatura en lugar de empresas sencillas. Vermorel critica los métodos convencionales centrados en la criticidad, abogando por la automatización y modelos numéricos para mejorar la eficiencia. Aborda el impacto financiero de los eventos long-tail, enfatizando prácticas de inventario optimizadas en lugar de acumular stock. Vermorel destaca la insuficiencia de sistemas como los ERPs en el decision-making, abogando por sistemas de inteligencia para navegar por las incertidumbres futuras. La conversación subraya la naturaleza conservadora de la industria, donde la agilidad y la optimización digital son cruciales para avanzar las estrategias de supply chain.
Resumen Ampliado
En un diálogo que invita a la reflexión, Conor Doherty, Director de Comunicación en Lokad y presentador del canal de YouTube LokadTV, conversa con Joannes Vermorel, CEO y Fundador de Lokad, para interrogar los intrincados desafíos de supply chain que enfrenta la industria del petróleo y el gas. Su conversación sirve como un examen minucioso de cómo se desarrollan estas complejidades a lo largo de diversas fases operativas—upstream, midstream y downstream.
Doherty inicia la discusión enmarcando el sector del petróleo y el gas como una piedra angular que sustenta las supply chains globales, señalando su profunda influencia en una amplia gama de sectores—desde bienes de consumo hasta materiales industriales. Vermorel refuerza este sentimiento, enfatizando la complejidad de supply chain que se asemeja a la de las industrias aeroespacial y de retail. Contrario a las suposiciones sobre la simplicidad, gestionar una plataforma petrolera se asemeja a orquestar una ciudad en miniatura, repleta de miles de SKUs, cada uno esencial para mantener operaciones sin contratiempos. Sin embargo, el verdadero desafío no radica en gestionar la estabilidad del producto, sino en sostener las necesidades futuras de supply chain en medio de restricciones económicas.
Vermorel ofrece astutas perspectivas sobre las apuestas económicas vinculadas al tiempo de inactividad, donde incluso los sitios menores incurren en costos exorbitantes diarios, agravados por los obstáculos logísticos presentados por plataformas offshore remotas. Tomando prestado el marco de Doherty de complicación, complejidad y criticidad, Vermorel critica las prácticas tradicionales de gestión que se centran únicamente en la criticidad, empleando a menudo métodos como el análisis ABC. Advoca por la preferencia de Lokad por la automatización y los modelos numéricos sobre estas técnicas anticuadas, postulando que la eficiencia se puede lograr sin recurrir a grandes equipos de planificadores.
La conversación se inclina hacia el abordaje de eventos de baja probabilidad, o eventos long-tail, los cuales, a pesar de su rareza, infligen severos impactos financieros en las operaciones. Vermorel identifica una brecha entre las probabilidades percibidas y las reales en las operaciones de supply chain, advirtiendo que los service levels pueden fallar sin una comprensión precisa de las dependencias. Mientras la ortodoxia aboga por inventarios voluminosos como amortiguadores contra el riesgo, Vermorel defiende prácticas de inventario optimizadas centradas en el uptime en lugar de en el volumen puro, denunciando la ineficiencia y contraproducencia del stock excesivo.
Reflejando las mentalidades financieras de la industria, Doherty cuestiona si realmente se persigue el máximo ROI por cada dólar de inversión, desafiando la lógica que sustenta la dependencia de hojas de cálculo manuales en una era que exige optimización mediante numerical recipes. Vermorel coincide con este escepticismo, reconociendo las ineficiencias originadas por las hojas de cálculo incluso en grandes empresas y subraya la necesidad de sistemas avanzados de inteligencia en lugar de meros sistemas de registros.
Vermorel clasifica sistemas de registros como los ERPs y WMS como libros de contabilidad avanzados, hábiles en el seguimiento de datos pero deficientes en el decision-making automatizado, empujando a menudo a los usuarios de regreso a las hojas de cálculo debido a su insuficiencia. A pesar de las promesas de forecast de demanda y optimización de inventario, estos sistemas a menudo fallan, revelando la necesidad de sistemas dedicados al decision-making—sistemas de inteligencia enfocados exclusivamente en abordar las incertidumbres y facilitar decisiones complejas.
El dúo delimita la dicotomía entre sistemas diseñados para la perfecta recuperación de transacciones pasadas y aquellos sistematizados para abordar incertidumbres futuras bajo condiciones del mundo real. Se alaba la capacidad de los sistemas de inteligencia para navegar cálculos intrincados más allá del simple mantenimiento de registros, listos para elevar el decision-making respecto a estrategias de inventario y fijación de precios.
Doherty pone de relieve la naturaleza conservadora de la industria del petróleo y el gas, donde las empresas acumulan stock para cubrir riesgos financieros pero se alejan del software hecho a la medida para mitigar dichos riesgos. Vermorel se pregunta si la destreza en ingeniería de la industria eclipsa inadvertidamente la optimización de supply chain, insinuando una rigidez inherente en comparación con sectores ágiles a pesar de los esfuerzos de digitalización.
La agilidad, ejemplificada por el software adaptable que responde a cambios imprevistos, desafía metodologías tradicionales como FIFO, abriendo el camino hacia estrategias de supply chain más dinámicas. Vermorel reconoce la prevalencia de la automatización de traders, particularmente en los segmentos midstream y downstream, al mismo tiempo que documenta la complejidad física en los niveles upstream donde los sistemas de inteligencia siguen estando claramente subutilizados.
La transición hacia un cambio sistemático implica combinar estrategias manuales existentes con soluciones de software en auge—una noción que Vermorel encapsula a través del enfoque de dual run de Lokad. Esta metodología permite a los practitioners yuxtaponer numerical recipes con hojas de cálculo, fomentando la colaboración con scientists para refinar y ampliar los esfuerzos de optimización, al mismo tiempo que consagra la experiencia práctica para un ROI máximo.
El diálogo concluye con Vermorel elogiando la importancia duradera del petróleo y el gas dentro de la sociedad industrial, proyectando avances profundos a medida que AI impulsa la automatización back-office hacia una nueva era. Doherty corresponde con sentimientos de anticipación por futuras transformaciones, cerrando una sesión que no solo examina las complejidades del supply chain management, sino que también sirve como testimonio de empresas colaborativas en busca de la innovación.
Transcripción Completa
Conor Doherty: Bienvenidos de nuevo a Lokad. Como industria, el petróleo y el gas presenta varios obstáculos únicos en la gestión de supply chain. Hoy, Joannes y yo discutiremos esos desafíos a lo largo de las operaciones upstream, midstream y downstream, así como examinaremos los métodos que creemos que funcionan y, lo que es más importante, los que no funcionan. Y mientras están aquí, no olviden suscribirse a LokadTV y seguirnos en LinkedIn. Y con eso, les presento la conversación de hoy sobre petróleo y gas con Joannes Vermorel.
So first of all, Joannes, thank you for joining me again. First question, I think it really kind of sets the table or rather gives a bit of perspective on how we got here. When people hear, okay, Lokad is involved in the oil and gas industry, it’s a bit of a surprise because most of the time when you say supply chain optimization, people think about supermarkets, retail, things like that. So much like a previous discussion we had on aerospace, and I asked you how exactly did Lokad get into aerospace, what was it about oil and gas that drew your attention first?
Joannes Vermorel: Quiero decir, el petróleo y el gas es, diría yo, el inicio de prácticamente todas las supply chains que tenemos. Todas comienzan ahí. No creo que exista casi ningún producto, sin importar su grado de sofisticación, que no dependa críticamente del petróleo y el gas. Por ejemplo, este bolígrafo probablemente contiene como media docena de compuestos derivados del petróleo. Este micrófono, la espuma aquí, esta laptop, prácticamente todo, e incluso esta mesa con la pintura, el barril de petróleo allá. Y luego, la energía: el mundo funciona con petróleo y gas, en su mayor parte. Las energías alternativas que tenemos, la única que incluso puede hacer, diría yo, una diferencia en términos del suministro bruto de energía que necesitamos es la nuclear. El resto es, en el mejor de los casos, solo una huella.
A lo largo de los años, sí, en Lokad comenzamos con lo que era más visible, como las tiendas, y luego te remontas al proveedor, y luego al proveedor, y luego al proveedor, y un día terminas haciendo, como lo hacemos ahora, también con empresas de petróleo y gas que se centran en las diversas etapas, porque cuando se habla de petróleo y gas, el vertical es absolutamente enorme.
Conor Doherty: Pues esa es la cuestión, porque, nuevamente, acabas de decir que el petróleo y el gas es absolutamente enorme. Sin embargo, también sé fuera de cámara que has mencionado antes que, en términos de complicación, no quiero poner palabras en tu boca, pero en términos de complejidad no es mucho más difícil que en el sector aeroespacial o retail. Profundiza un poco en eso.
Joannes Vermorel: Diría que sí, en términos de complicación, si queremos ser precisos. Así es. Lo interesante es que la complejidad está por las nubes debido a la gran escala. ¿Por qué tenemos tanta complejidad? Bueno, si quieres operar una plataforma petrolera, es como una ciudad en miniatura, y necesita todo lo que esperarías de una ciudad mediana, que son literalmente decenas de miles de SKUs de cosas, desde guantes hasta motores de aeronaves. Tienen motores, diría yo, para producir energía en el sitio. También cuentan con turbinas que utilizan ocasionalmente cuando desean disponer de un suministro masivo o local de electricidad, etc.
Tienes de todo, desde cosas muy pequeñas hasta cosas muy grandes, y todo ello es necesario si quieres mantener tus operaciones. Esto es cierto tanto para lo onshore como para lo offshore, y lo mismo para los FPSOs, que son plataformas no permanentes para extraer petróleo y gas. Así que, la complejidad está por las nubes. La complicación, diría yo, mucho menos. Esa es la distinción.
Sí, la escala es enorme. Sí, la diversidad es enorme. Pero en términos de complicación, diría que los productos son relativamente estables. Es una industria que ha evolucionado, pero lo que necesitas suministrar y tener disponible no es moda rápida. No es que cada trimestre vayas a tener un catálogo completamente nuevo y demás. Sigue siendo muy estable.
Y luego no es como, digamos, aviación donde existen ciclos de supply chain en los que todo se puede reparar y, por lo tanto, tienes una complicación increíble con las piezas que están volando actualmente, las que están en tierra, y un gran intercambio constante entre la pieza que reparas y la que devuelves al avión. Aquí, en su mayoría, diría yo, sí se realizan reparaciones para maquinaria costosa, pero sigue siendo mayormente una supply chain orientada hacia el futuro. Necesitan toneladas de equipos consumibles, que se consumen, y para asegurarse realmente de que no tengan downtime, requieren un suministro constante de toneladas de elementos.
Así que sí, en términos de complicaciones en comparación con la escala, no es muy, muy complicado, pero es obviamente extremadamente complejo.
Conor Doherty: Pues, de nuevo, para desglosar la diferencia entre complicación y complejidad, ¿cómo influye el coste en la complejidad? Entonces, si hablamos de piezas, retomaste el ejemplo de que, bueno, las piezas son estables en el sentido de que, como mucho, aquí están las piezas que necesitaré para arreglar algo. Eso se conoce. El BOM se conoce. La cantidad que puedas necesitar o cuándo la necesitarás puede que no sepas, pero sabes que en algún momento necesitaré estas piezas para este fin. Sin embargo, el coste de no tener esas piezas es bastante diferente si, digamos, trabajas en una instalación de reparación en tierra y también en una instalación de reparación a 200 kilómetros en alta mar, en una plataforma offshore. Entonces, ¿es esa la complejidad, cómo encaja en otra dimensión más?
Joannes Vermorel: Tienes complicaciones, se trata de si es un rompecabezas matemático ajustado que, solo de pensarlo, es super difícil. Yo diría que no lo es. La complejidad se trata simplemente de la cantidad abrumadora de cosas, ya sabes, el hecho de que tienes muchísimos SKUs, muchas piezas, muchos sitios, de todo. Pero, fundamentalmente, es simplemente más, más, más, más. De nuevo, no se están sumando complicaciones.
Y aquí estamos hablando de otra dimensión, donde todas las apuestas son súper altas. Y eso, diría, sería una tercera dimensión. Me referiría a ello como criticidad. Así que la criticidad es súper alta. Pero en lo que concierne a un proveedor de supply chain, un proveedor de optimización de supply chain como Lokad, si me dices que el tiempo de inactividad cuesta $1 por hora o un millón de dólares por hora, esto es solo un parámetro. Obviamente, es muy diferente para el negocio, pero no cambia ni la complejidad ni las complicaciones.
Es solo que las apuestas, porque entonces empiezas a pensar en términos de dólares, son mucho más altas. Pero fundamentalmente, esta es otra preocupación completamente ortogonal, que es de hecho muy, muy importante en el petróleo y el gas, ya que las apuestas están por las nubes.
Cuando tienes tiempo de inactividad incluso en un sitio pequeño, estamos hablando de algo que extrae petróleo del suelo, sí, exactamente. Es el tiempo de inactividad, estamos hablando de algo que cuesta $1 millón al día, ya sabes.
Conor Doherty: Algunas fuentes como línea base. Quiero decir, ese rango es bastante alto. Y de nuevo, realmente vale la pena desglosarlo un poco porque antes hablamos de aeroespacial, y sé que, por ejemplo, en los sectores automotriz y aeroespacial el costo del tiempo de inactividad por una hora es análogo. Así que sé que en el automotriz puede ser alrededor de $2 millones por hora, en aeroespacial no hay razón para pensar que sea diferente dada la complejidad. Pero de nuevo, esos normalmente ocurren en tierra.
Cuando empiezas a hablar de una plataforma en alta mar, también debes tener en cuenta — no se trata solo de comprar las piezas en el último segundo. También estás hablando de, bueno, necesito ya sea un barco o un helicóptero en este momento para transportar esas cosas. Y no es solo que necesite el helicóptero en el último minuto, necesito un piloto o un capitán. Así que, de nuevo, necesito a una persona con un conjunto de habilidades muy único disponible cuando la requiera, esencialmente a un precio de crisis. Estás pagando una fortuna porque cada segundo en que no extraes petróleo del suelo, pierdes el valor del petróleo.
Así que, de nuevo, cuando hablas de las apuestas financieras, me refiero a que hay de primer orden, de segundo orden, de tercer orden, de cuarto; es enorme.
Joannes Vermorel: Sí, las apuestas son extremadamente altas. Pero de nuevo, para nosotros, ya sabes, desde la perspectiva de la optimización de supply chain, el hecho de que me digas que el plan A es obtener las piezas a través de un barco y un envío de bajo costo, ya sabes, tomará el tiempo que tome; el plan B es tener un helicóptero de emergencia que llegue a tu plataforma en alta mar, y que el plan B te cueste 100 veces más que el plan A, es de nuevo solo cuestión de ajustes en la modelización económica.
Fundamentalmente, no es muy diferente desde la perspectiva de simplemente tener una configuración de multisourcing donde tienes un proveedor en tu país que es ligeramente caro y un proveedor en el extranjero, más distante, que es más barato. Fundamentalmente, el multisourcing, para Lokad, desde nuestra perspectiva, no es un desafío muy complicado.
Pero sí, las apuestas. Lo que hace que el petróleo y el gas sean realmente específicos es que las apuestas, la criticidad, están por las nubes, y en términos de dólares, muy frecuentemente tienes dos ceros o a veces tres más que en la mayoría de otras industrias, simplemente porque es tan masivo.
Conor Doherty: Bueno, realmente me gusta la categorización aquí. Básicamente he anotado tres C’s: la complicación, la complejidad y la criticidad. Esas son, de nuevo, tres dimensiones que acabas de describir sobre cómo Lokad ve, o tú y Lokad y nuestros supply chain scientists ven el problema.
Joannes Vermorel: Sí.
Conor Doherty: Por favor, contrasta eso con tu opinión sobre cuál es el enfoque tradicional en términos de gestión de supply chain en petróleo y gas. Quiero decir, ¿están pensándolo a ese nivel de granularidad y dimensionalidad?
Joannes Vermorel: Quiero decir, cuando lo piensas, cuando usas un método clásico como el análisis ABC, lo que estás diciendo es que estás segmentando todo según la criticidad. Estás diciendo, bueno, lo que sea mi A — ya sabes, los artículos más críticos — tendré, digamos, un planificador por cada 100 artículos, de modo que una persona se encargue de 100 SKUs porque esos son súper críticos y quiero que esta persona pueda monitorear todo eso de manera muy cercana y diaria.
Y luego, en los B, diría, oh, tal vez tendré mil. Así que una persona, mil artículos, menor volumen, menores apuestas. Y luego los C, solo estoy inventando esos números, ya sabes, 10,000. Y esos son los artículos que son menos críticos, más baratos, etc., etc.
Así que ya ves, en esencia, la forma tradicional de abordarlo es simplemente tratarlo a través de la pura criticidad. Pero lo que hace que Lokad realmente no se ajuste es que queremos automatización. Por lo tanto, queremos una receta numérica que se encargue de todo de manera directa. Y las máquinas pueden hacer toneladas de cálculos, así que no tenemos que carecer de análisis, sin importar cuáles sean los artículos infrecuentes.
Ves, la idea de, ¿por qué no tener un planificador de demanda, planificador de suministro y demanda, para cada 100 SKUs? ¿Por qué solo mantienes esa proporción para los A, donde para los artículos A puedes tener, digamos, una persona cada 100 SKUs? La respuesta es que necesitarías un ejército asombrosamente grande de planificadores de suministro y demanda si hicieras eso, cuando tienes compañías de petróleo y gas que gestionan 50,000 SKUs distintos para mantener la operación en funcionamiento.
Eso es todo. Si tuviéramos 100 artículos por empleado, estaríamos hablando de 500 empleados solo para gestionar el inventario de un sitio de extracción. Es, obviamente, una locura, no vas a hacer eso.
Pero ahora, si ingresas al ámbito de la automatización y cuentas con una lógica de software inteligente, entonces esas limitaciones dejan de tener importancia y esa perspectiva se vuelve completamente irrelevante. Así que lo que deseas es simplemente tener algo que sea muy bueno desde, obviamente, tus SKUs más críticos, pero también hasta el long tail.
Porque eso es lo que pasa con este long tail: aunque las cosas se necesiten raramente, aún pueden contribuir al tiempo de inactividad.
Conor Doherty: De nuevo, solo porque quiero tener en cuenta no usar demasiada jerga técnica para personas que podrían no estar familiarizadas — cuando dices long tail, ¿estás hablando de eventos de baja probabilidad en una distribución?
Joannes Vermorel: Sí, exactamente, exactamente.
Conor Doherty: Una probabilidad del 0.1%, pero eso podría tener un impacto de $25 millones.
Joannes Vermorel: Sí. Eso puede ser, ya sabes, y esas situaciones de long tail pueden ser: necesitamos algo que normalmente no necesitamos. O también puede ser que algo que normalmente suministramos en una semana, fácil y rápido, tome seis meses. ¿Por qué? Porque, bueno, lead times varían u otras cosas.
Así que ya ves, todas las fuentes de uncertainty — tus operaciones continuas dependen a diario de decisiones que se toman ahora, esperando ciertas condiciones futuras del mercado. Esperamos que consumiremos esta cantidad de piezas. Esperamos que los proveedores sean capaces de suministrarlo en ese marco de tiempo, etc., etc.
Así que hay múltiples fuentes de incertidumbre y, debido a la complejidad, puedes resultar perjudicado, es decir, puedes enfrentar tiempo de inactividad solo porque hay algo que tenía solo una posibilidad en 10,000 de suceder.
Podrías decir, bueno, una posibilidad en 10,000 no es mucho — excepto si tienes 10,000 cosas así. Así que estás lanzando los dados una y otra vez y, al final, una vez que lanzas los dados decenas o miles de veces, incluso cosas que son muy improbables terminan sucediendo.
Conor Doherty: Bueno, de nuevo, esta es la idea de la teoría de la probabilidad. Vale la pena detenerse, plantar una bandera aquí, porque nuevamente tuve una conversación con Simon Schalit, COO en Lokad, antes. Y de nuevo, estábamos hablando sobre aeroespacial en términos de complejidad. El ejemplo es válido. Y él hablaba sobre cómo la gente entiende la teoría de la probabilidad de manera muy diferente a lo que la teoría de la probabilidad realmente es.
Por ejemplo, dimos el ejemplo — y corregirás mis cálculos en tiempo real — pero si necesitaras 100 piezas para completar un cronograma, quiero aclarar algo, necesito 100 piezas, necesito que todas estén disponibles para hacerlo de manera eficiente. Necesito que todas estén disponibles simultáneamente. Y si estableces un nivel de servicio del 99% para estas cien, la reacción podría ser, “Oh, bueno, entonces tengo un 99% de probabilidad de tenerlas todas disponibles.” Y en realidad está más cerca de un 65% o algo así, como dos tercios.
Joannes Vermorel: Sí, sí. Asumiendo una distribución de probabilidad dependiente. Sí, absolutamente.
Conor Doherty: Pero todo el punto es, por supuesto, lo que crees que es probable que suceda — e incluso si comienzas a pensar en los pasos iniciales del pensamiento probabilístico — sigue siendo un poco más complejo de lo que pensarías.
Pero quiero plantear, porque dijiste, ya sabes, que los eventos de long tail, tal vez uno de cada 10,000, ocurren y serán financieramente catastróficos. Bien. Pero la perspectiva ortodoxa ya reconoce eso, como “bien, podría tener un evento de long tail. Podría faltar este tornillo de $1. Bien, tendré un millón de ellos a mano y ataré un millón de dólares en inventario que podría no usarse nunca.”
Así que, en realidad, la gente ya es consciente de esto. Ya tienen sus enfoques, que son los buffer stocks. ¿Qué hay de malo en eso?
Joannes Vermorel: Quiero decir, si tu industria es súper rica, no hay nada fundamentalmente malo. Quiero decir, es un derroche porque el stock cuesta una fortuna. Pero si tienes márgenes muy buenos, puedes tolerarlo.
Pero la realidad es que las plataformas petroleras y los FPSO tienen espacio de almacenamiento limitado. Así que ves, en algún momento, si solo quieres más, va a estar en tierra sin importar qué. Y luego eso está muy lejos. Está lejos porque, de nuevo, tu FPSO es un barco muy grande, pero tiene una capacidad finita. Y lo mismo para una plataforma petrolera. Es como una megaestructura en el mar. Sí, es bastante grande para ser una estructura hecha por el hombre, pero de nuevo, tu capacidad para almacenar cosas localmente es limitada.
Tienes que asegurarte de que realmente estás aprovechando al máximo la capacidad de almacenamiento que tienes. Y, en general, el problema de decir, “Oh, podemos simplemente tener, ya sabes, el cielo es el límite para el inventario,” es que, si adoptas este enfoque, muy probablemente terminarás estando muy distraído con todo el stock muerto que llevas.
No es necesariamente una gran estrategia para tener una alta disponibilidad. Porque si haces eso, crearás enormes montones de stock innecesario, de forma algo accidental. En algún momento, alguien se dará cuenta, alguien dirá que es muy derrochador, y entonces estarás muy distraído durante meses en el proceso de intentar liquidar este inventario muerto.
Y estar distraído también es un factor que contribuye a que se te pase por alto otras cosas, y así enfrentar, finalmente, un tiempo de inactividad accidental porque hay cosas que necesitas y que no tienes.
Mi observación es que, muy raramente, cuando las personas tienen demasiado stock, también tienen una disponibilidad menos que ideal. Ya sabes, es muy raro que se logre una disponibilidad súper alta simplemente teniendo una cantidad asombrosamente grande de stock. Normalmente, tener demasiado inventario crea tantos problemas que, al final, ni siquiera eres tan bueno en términos de disponibilidad.
Conor Doherty: Bien, para continuar — y de nuevo acabo de anotar esto — hay mucho que cubrir, pero una de las cosas que mencionaste fue tu capacidad para tolerar el exceso de stock. Quiero decir, depende de si tienes márgenes realmente generosos.
Pues la cuestión es que, cuando hablamos de petróleo, esos precios fluctúan bastante y en tiempo real. Así que estamos registrando esto el 10 de abril. El petróleo Brent ahora está a $65.48 por barril. En el momento actual, eso podría subir a $100 o bajar a $25. ¿Cómo afectan las fluctuaciones de precios, en términos del valor real de lo que sale de la tierra, a la capacidad de las empresas para absorber los cientos de millones de dólares que están manteniendo en la plataforma en alta mar y en warehouses, y alquilando aviones, helicópteros y barcos para transportar todo eso? ¿Cómo inciden las fluctuaciones de precios en el proceso de gestión de supply chain?
Joannes Vermorel: Pues, en general, diferentes sitios tienen costos de extracción completamente diferentes. Tienes lugares en la Península Arábiga donde extraer petróleo es muy, muy barato, y así a $65 están perfectamente. Y hay algunos lugares donde, digamos, Canadá con el — olvidé el nombre — es la Cuenca de Athabasca.
Conor Doherty: Sí.
Joannes Vermorel: Sí, donde a $65 realmente está al límite de lo que es rentable.
Conor Doherty: Son arenas bituminosas.
Joannes Vermorel: Sí, la Cuenca de Athabasca, esas arenas bituminosas. Así que mi opinión es que, primero, la fuerza impulsora es que, dependiendo del precio, se mantendrán operativos ciertos sitios o no. Eso es como una mega fuerza que define lo que puede operar. Si estás a $100 el barril, entonces tienes muchos más sitios operativos que si estás a $50. Y diría que esto es lo mega que está en la cima. Luego…
Conor Doherty: Aún tiene un costo. Básicamente estás diciendo, como, sí, porque eres tan rico que puedes permitirte ser derrochador. No es una buena práctica inherentemente.
Joannes Vermorel: Si puedes extraer el petróleo por, ya ves, $10 por barril y luego lo vendes a $65, el hecho de que tengas unos pocos dólares extra por barril de inventory cost flotando es algo que puedes tolerar.
Pero si el precio es de $65 y luego, cuando integras todos tus costos, terminas produciendo a un costo de $60 — cuando integras todo, todo, todo — entonces te das cuenta de que, de repente, tener más o menos $1 por barril solo en el costo de inventario es muy, muy significativo.
Pero aún así, la cuestión es, generalmente — como dije — que el problema no es realmente ahorrar inventario per se. Es más bien todo lo que puedas hacer para tener una disponibilidad muy alta.
Y en cierto sentido, tener demasiado inventario suele ser el enemigo. Sería una falacia pensar que simplemente inflar el inventario te dará una alta disponibilidad. Eso sería una especie de perspectiva de safety stock en la que simplemente sigues aumentando. Pero la realidad es que aumentar imprudentemente tantos productos que tienes que mantener en stock crea tantos problemas mundanos para el almacenamiento y demás, que al final terminas con una disponibilidad reducida, no más alta.
Entonces realmente la pregunta se convierte muy rápidamente, va, vuelve a tener el inventario correcto, teniendo en cuenta todas las restricciones, de modo que el uptime se maximice realmente, realmente.
Conor Doherty: Bueno, quiero resumir esta pequeña sección de la discusión, pero quiero hacerlo en una cita que he anotado y luego te la compartiré. Dime qué tan precisa es.
¿Dirías que la industria del petróleo y gas en general, o al menos desde la perspectiva de supply chain management, no piensa financieramente — y por financieramente me refiero al significado lokadiano del término, como maximizar el ROI por cada dólar que se invierte?
Joannes Vermorel: Creo que, verás, moralmente es lo que hacen. En letra pequeña, no es lo que hacen.
Conor Doherty: Desmenuza eso.
Joannes Vermorel: Así que si preguntas a los gerentes, dirían, “Sí, obviamente eso es lo que hacemos, obviamente.” Pero luego, cuando miras la letra pequeña del cálculo, en realidad son personas haciéndolo a mano.
Y ves, el problema es que cuando tienes un proceso de toma de decisiones en el que las personas modifican números en una hoja de cálculo a mano, no es posible ninguna optimización. Fundamentalmente se reduce a una horda de empleados de oficina que lo hacen manualmente… de nuevo, estamos hablando de sitios que son grandes.
Estamos hablando de equipos que tienen que gestionar decenas de miles de SKUs para cada sitio. Quiero decir, esto es muy complejo. Y así, cuando tienes tantas personas en el proceso y las decisiones se toman manualmente, terminas con cosas que no están muy optimizadas.
Incluso si la alta dirección piensa en términos de financial optimization, si la capa base de ejecución de la supply chain son personas ajustando hojas de cálculo, no obtendrás resultados optimizados. En última instancia, sí, el gerente superior piensa, “Quiero el máximo rendimiento por cada dólar. Así que, por cada dólar, invierte con prioridad en aquello en lo que se invierte en la única cosa que incrementará más el uptime.” Esa es la lógica. Todos están de acuerdo con eso, sin problema.
Pero luego, las personas al final del proceso, cuando llegas a la base de la pirámide, terminan con gente con hojas de cálculo. Este es el interior que les entregaron, pero luego tienen que lidiar con una hoja de cálculo. ¿Cómo lo hacen? Y la realidad es que harán algo muy, muy burdo. Especialmente si terminas con este tipo de configuración ABC, donde hay una persona que tiene las A y 100 SKUs, y la persona con las C que tiene 10,000.
Así que mi opinión es que solo se puede empezar a optimizar si tienes una receta numérica. Esa es la primera cosa: la optimización realmente no es posible si no tienes una receta numérica. Esa será tu línea base.
¿Y qué será mejor que esta receta numérica? La respuesta es otra receta numérica. Y dado que son dos recetas numéricas, puedes ejecutarlas una al lado de la otra y hacer un benchmark.
Una receta numérica es una colección de algoritmos que va desde los datos históricos sin procesar y todos esos datos extra que proporcionas hasta las decisiones finales — que es, ¿qué exactamente necesito mantener, por ejemplo, en este FPSO en este momento, para poder tener el mejor inventario y maximizar el uptime?
Conor Doherty: Quiero retomar algo, y se remonta, supongo, incluso antes de unirme a Lokad; si me hubieras dicho — y no quiero faltarle el respeto a nadie que trabaje en panaderías o algo por el estilo — pero si me hubieras dicho antes de unirme a Lokad, ¿cómo gestiona esa pequeña panadería independiente su supply chain o manage inventory, yo diría, “Usan una hoja de cálculo.” Diría, bueno, suena correcto. Es como dos personas, productos limitados, eso es totalmente normal.
Si me hubieras dicho que enormes compañías aeroespaciales o compañías de petróleo o gas simplemente usan una hoja de Excel y no tienen en cuenta el tipo de cosas que acabas de describir, habría dicho, “Eso no puede ser correcto. Es un proceso demasiado futurista y complicado como para estar usando algo como Microsoft Excel.” No es que haya algo malo con eso, pero para lograr el tipo de cosas que describes, necesitas ir más allá de eso.
Entonces, mi pregunta es, ¿cuál es, en tu opinión, exactamente, lo que está frenando a una industria enormemente importante y rentable de adoptar las herramientas que acabas de describir — de nuevo, recetas numéricas?
Joannes Vermorel: En este sentido, el petróleo y el gas son como la mayoría de los otros sectores en lo que respecta a la optimización de supply chain. Los sistemas de record no ofrecerán procesos de toma de decisiones sofisticados. Así que todas esas compañías tienen sistemas de record.
¿Qué son los sistemas de record? Ese es el ERP, WMS — esa es la cosa que lleva el control de lo que tienes, los movimientos de inventario, los pagos y todo lo demás. Records, simplemente datos sin procesar. Es como un libro mayor glorificado que contiene más que un libro mayor contable, pero aún así, básicamente es un libro mayor glorificado.
Esas cosas, todos los proveedores que ofrecen sistemas de record han estado afirmando y fallando durante décadas que pueden automatizar decisiones sobre eso. Resultó que es una muy mala idea incluso intentar hacerlo en un sistema de record. La arquitectura de software de esos sistemas no está absolutamente preparada para hacer eso.
Así que los proveedores terminan, diría yo, diseñando cosas que resultan muy poco impresionantes en la práctica. Toma cualquier ERP del mercado. Esos ERPs debieron haberse llamado ERM — Enterprise Resource Management Systems. Toma cualquier ERM del mercado, y verás que todos tienen capacidades como forecast de demanda, optimización de inventario y demás. Todos lo tienen — al menos en papel —.
Y sin embargo, la gente utiliza hojas de Excel. ¿Por qué? Porque esas capacidades son una porquería, no funcionan. La gente simplemente las prueba, ve que ni siquiera se acercan a resolver el problema, y por ello recurre a sus hojas de cálculo.
El petróleo y gas no tiene una historia verdaderamente excepcional en este sentido. El mismo problema ha estado ocurriendo en muchos otros sectores. Ese fue el mismo problema en el retail, lo mismo en la manufactura, lo mismo en la aviación. El problema era realmente ubicuo.
Esos sistemas de record son fundamentales, porque es así como tienes la contraparte electrónica de lo que sucede en tu supply chain, cuáles son las operaciones que se llevan a cabo — así que eso es fundamental. Pero esos sistemas no serán, y probablemente nunca serán, extendidos como sistemas de inteligencia.
Defino un sistema de inteligencia como algo que está completamente orientado a automatizar un proceso de toma de decisiones. Y aquí simplemente eso no está sucediendo. No sucedió. Esos sistemas de record han estado existiendo desde finales de los años 70. La gente ha estado intentando automatizar decisiones con ellos desde finales de los años 70.
La mayoría de los proveedores de ERM tienen al menos media docena de iteraciones, a veces iteraciones fallidas, en sus sitios web sobre las diversas cosas que han intentado y fallado. Y no viene de esa gente.
Entonces, la pregunta es: si las compañías de petróleo y gas quieren tomárselo en serio, deben considerar el hecho de que la solución para la optimización no vendrá de esos sistemas de record. Vendrá de algo externo.
Y, por cierto, ya lo hace — la hoja de Excel ya es algo externo. Así que la realidad de su operación, las herramientas para apoyar el proceso de toma de decisiones, están ya en otro lado, porque el sistema de record en sí mismo simplemente no es adecuado para eso.
Conor Doherty: Bueno, este es el asunto porque es un punto muy importante, pero solo para enmarcarlo, hice en segundo plano una búsqueda muy rápida. Y literalmente escribí las palabras “ERP smarter decision-m” y hay resultados interminables.
Y el primero — y no voy a dar ningún nombre, puede que ya haya desaparecido para cuando esto se emita — pero “Seven financial ERP software solutions for smarter decision-m.” El siguiente resultado, “Smarter decision-m with ERPs and business intelligence.”
Ahora bien, esa es en realidad la segunda categoría una vez que entras en las herramientas BI. Eso es un sistema de reports.
Joannes Vermorel: Sí.
Conor Doherty: Entonces, de nuevo, has expuesto muy bien, creo, la distinción entre un sistema de record y un sistema de inteligencia, y luego un sistema de reports en el medio — como análisis de tus datos sin procesar.
Pero lo que tienes, creo, que aún queda por desglosar un poco es, ¿qué hay en esa tercera clase — el sistema de inteligencia — que lo hace irreconciliable con un ERP o sistema de record?
Porque de nuevo, dijiste, bueno, estás intentando hacer que tu ERP haga algo que no puede hacer, y es como intentar sacar sangre de esa piedra, esencialmente. ¿Por qué es eso? Porque parece que la gente está siendo engañada, es lo que estoy diciendo.
Joannes Vermorel: Sí, quiero decir, porque no eres tolerante e intolerante a la misma cosa. Si tienes un sistema de record y hay un cálculo que está $1 fuera, solo $1, el contador se volverá loco. No se permite.
Incluso si es un pago de $1 millón y se redondeó a $1,000,010, ¿es un gran problema? El contador se volverá loco. Ni siquiera es posible — impensable. No redondeas las cosas ni siquiera por $1.
Entonces, de alguna manera, cuando tratas con sistemas de record, deseas una pureza completa en una larga, larga lista de cosas, como si fueras un maníaco. Se requiere mucho tiempo, mucho esfuerzo, porque quieres tener una pureza absoluta en muchas de las manipulaciones de datos que realizas.
Y en términos de latencia, quieres que todos esos cálculos sean súper rápidos. ¿Por qué? Porque quiero saber cuántos stock tenemos en este momento para este producto — quiero la información al instante. Quiero crear una nueva entrada — al instante. No quiero esperar. Todo es simple. Los cálculos deben ser perfectos y deben sentirse instantáneos. Obviamente, el tiempo real no existe realmente, pero tienen que sentirse muy rápidos.
La toma de decisiones es completamente diferente. ¿Puedo aproximar algo que era $1 millón y $10 a $1 millón? Sí, absolutamente. ¿Puedo simplemente ignorar toneladas de cosas? Sí, absolutamente. Quieres ser aproximado pero correcto.
Cuando tienes tanta incertidumbre, imagina que estás a punto de — te enfrentas a una situación en la que tienes un consumo súper errático de una pieza, un tiempo de entrega súper errático por parte de los proveedores que suministran las piezas, ni siquiera estás seguro exactamente de a qué precio vas a conseguir la pieza, porque también hay incertidumbre.
Así que tienes como tres incertidumbres — la demanda, el tiempo de entrega para la provisión, e incluso el precio al que finalmente adquirirás la cosa. Ahora tienes que decidir: ¿quieres desencadenar una solicitud de compra para tantas unidades de esa pieza? Puedes ver que ni siquiera estamos cerca de ser 1% precisos. Lo crítico es estar aproximadamente correcto en lugar de estar exactamente equivocado.
El sistema de inteligencia está diseñado completamente en términos de recetas numéricas para hacer eso. Y eso significa que ni siquiera te estás enfocando en las mismas cosas. Aproximarás fácilmente toneladas de cosas si esas cosas son inconsecuentes. En contraste, harás cosas que un contador nunca hará, que es especular todo el tiempo sobre cosas que podrían suceder.
Un sistema de record fundamentalmente te dirá si compraste piezas en el pasado, a qué precio, cuál fue el precio que pagaste. No va a especular sobre el hecho de que quizás el precio que vas a pagar será mucho más alto en el futuro. Ese no es el tipo de cosa que pertenece al ámbito de los records. Pero sí pertenece al ámbito de los sistemas de inteligencia.
Conor Doherty: Entonces, de nuevo, si he entendido correctamente, la forma en que intentaría ver la distinción sería — de nuevo un ERP — la diferencia entre un record y una decisión.
Un record es solo una reflexión: había un bolígrafo en la mesa, lo quité, se ha actualizado ese record. Mientras que una decisión — ¿debo comprar un bolígrafo? Bueno, ¿cuánto cuesta el bolígrafo, de dónde vendrá, por cuánto lo voy a vender? — eso es, computacionalmente, llegar a una decisión. Es mucho más complejo y sofisticado que solo el registro de algo.
Joannes Vermorel: Exactamente. Y ni siquiera te estás enfocando en lo mismo. Para un sistema de record, realmente estás mirando el pasado y quieres tener un recuerdo perfectamente exacto del pasado. Las cosas tienen que estar limpias, conformes, y demás.
Consideremos por un segundo lo que significa. Necesito comprar una pieza que viene de China. No la necesito ahora, la necesito en seis meses. ¿Debería comprarla ahora con una tarifa loca, o creo que la cosa se habrá estabilizado? ¿O creo que será aún más loca y terminaremos con una tarifa del 200%?
Es el tipo de cosas que no pertenecen a un sistema de record. Vas a volver locos a tus auditores y contadores si pones este tipo de cosas en el sistema de record.
Pero en lo que respecta a un sistema de inteligencia, sí, esto es exactamente el tipo de cosa que ves. El enfoque es realmente diferente. Estás dispuesto a aproximar toneladas de cosas que son inconsecuentes.
No necesitas tener las transacciones hasta el último dólar. Tienes muchos costos pequeños que son reales pero pueden ser descuidados porque son menos del 0.1% del costo total.
De nuevo, un contador nunca puede decir, “Pero fue solo un gasto de $20, francamente ni siquiera deberíamos estar registrándolo.” No, no, no. Desde una perspectiva contable, sí, fueron solo $20, pero se registra, incluso si fue solo el timbre para sacar un envío de $100,000 por la puerta.
Pero de nuevo, desde un sistema de inteligencia, estás diciendo, “Okay, no me importa esta cosa. Es literalmente inconsecuente. Complica mi lógica sin ningún motivo.”
Realmente quiero que mi lógica — mi receta numérica — se enfoque en lo importante, en lo que es verdaderamente consecuente. Debido a que mi receta numérica no debería ser un monstruo — no debería tener miles de líneas, completamente incomprensible — necesito concentrarme en lo que realmente importa, ignorando lo que en su mayoría no importa.
Hay un límite a cuánta sofisticación puedes poner en esta receta numérica antes de que la cosa se colapse por el simple hecho de que no es mantenible.
Conor Doherty: Justo antes de continuar, quiero dejar caer otro clavo ahí. Cuando hablamos, no estamos restando valor a un sistema de record — obviamente eso es crítico — y a un sistema de reports, muy, muy útil.
Así que la nomenclatura es simplemente para diferenciar. Cuando decimos inteligencia, no significa que los demás sean tontos. Es solo esa la función. El sistema de inteligencia produce decisiones.
Joannes Vermorel: Pero sostendría que es muy peligroso no tener un sistema de registros tonto. No quieres tener algo inteligente y astuto. Simplemente pregúntale a un contador y dile, “Sabes qué, tu colega, él está haciendo cosas muy astutas en contabilidad.”
Es muy imaginativo e inteligente. El contador se asustará. “¿Qué? ¿Contabilidad imaginativa? No, gracias.” Preferiría que fuera super tonto y rígido. Y sí, hay muchas reglas, pero son muy básicas.
No me traigas ningún tipo de creatividad extravagante aquí. De nuevo, un sistema de registros tiene que ser el libro mayor electrónico. Realmente quieres minimizar ese tipo de — quiero decir, la sofisticación no es algo apropiado para un sistema de registros. Queremos que esto sea super, super tonto, super simple — tan simple como se pueda hacer — porque no es el lugar adecuado para diseñar sofisticación.
Conor Doherty: Bueno, si tuviera que resumir gran parte del comentario hasta ahora, básicamente se lee como que la aversión al riesgo es muy común en oil and gas. Pero hay dos formas: hay aversión al riesgo en lo que respecta al inventario — lo cual tiene sentido considerando la criticidad y las apuestas financieras que describiste — pero también, si te he entendido correctamente y creo que lo he hecho, hay también mucha aversión al riesgo incluso en lo que respecta a las elecciones de software para abordar la primera clase de aversión al riesgo.
Así que no quiero perder mucho dinero porque para eso no estoy en este negocio. Así que mantendré mucho, mucho stock a mano. Bien, aquí hay una pieza de software que está diseñada para abordar ese problema. No, yo también tengo aversión al riesgo en cuanto a usar eso.
¿Cómo, en tu opinión, reconcilian las empresas esas dos formas de lo que, a simple vista, son formas de aversión al riesgo en conflicto?
Joannes Vermorel: Creo que el problema es un poco — ya sabes — no está planteado exactamente así. Las empresas de oil and gas son, creo, en el fondo, empresas de ingeniería. Esas son empresas de ingenieros. Son desafíos muy técnicos.
La realidad es que los problemas de ingeniería que representan la extracción, el transporte y la distribución de oil and gas — el problema de ingeniería — son extremadamente interesantes. Es muy complicado.
Y así diría que se termina con una situación — que también es un problema que enfrentan algunos otros verticales — donde es muy fácil que todos tus mejores y más brillantes ingenieros hagan lo que es más interesante, que es inventar las tecnologías para que puedas extraer nuevas fuentes, pensar en nuevas tecnologías para operar todo, para transportar todo.
Ya ves, supply chain también es una disciplina de ingeniería. Pero cuando tienes algo justo al lado que es super reluciente y brillante y extremadamente atractivo, puedes terminar con una situación en la que esas empresas luchan un poco por conseguir el talento que realmente necesitan en el frente de supply chain.
El problema es causado por el hecho de que hay mucho interés en los desafíos centrales de ingeniería de oil and gas que distraen a las personas — y a las empresas un poco — de los desafíos de supply chain.
De nuevo, eso no es algo único de oil and gas, pero creo que es algo que tiende a impactar a todos esos verticales tan tecnológicos. Los semiconductores serían lo mismo. Hasta cierto punto, la moda sería lo mismo — porque si estás en la industria de la moda, tu interés está en la moda, no en supply chain, etc.
Es típicamente el tipo de verticales donde las personas que se unen a esos verticales podrían estar más inclinadas, si tienen una inclinación técnica, a abordar los desafíos centrales del dominio en lugar de abordar los subdesafíos de supply chain del dominio.
Conor Doherty: Bueno, habiendo dicho todo eso y considerando todo, ¿crees entonces que es factible y/o realista — puedes elegir lo que prefieras, factible y/o realista — esperar que supply chain en oil and gas, los supply chain de oil and gas, alguna vez sean tan ágiles o proactivos como en otros verticales?
Porque de nuevo, como los que mencionaste…
Joannes Vermorel: Quiero decir, primero, la escala los hace intrínsecamente más rígidos. Cuanto más grande eres, menos ágil eres. Eso es un hecho. Puedes intentar…
Pero hay grados. Amazon es famosamente conocido por ser bastante bueno en no ser una pesadilla burocrática completa a pesar de ser muy, muy grande. Pero aún así, es muy difícil, cuando eres super, super grande, preservar la agilidad.
Y aquí, oil and gas es literalmente — no hay industria más grande. Estamos hablando de proyectos que comienzan en $1 mil millones. Las cosas son extremadamente grandes. Así que en términos de agilidad, está bien… quiero decir, ni siquiera es una perspectiva realista decir que oil and gas va a ser tan ágil como, digamos, los jugadores de ecommerce.
Simplemente no es una base razonable. Pero podrían volverse mucho más — diría, considerando la base adecuada — tienen un espacio masivo para mejorar. Y de nuevo, creo que con el hecho de que hoy en día la mayoría de esas empresas están digitalizadas — así que tienen esos sistemas de registros en su lugar, ya han realizado las grandes inversiones — para empezar a optimizar.
Y lo interesante es que muy frecuentemente hicieron originalmente esas inversiones para sistemas de registros pensando que obtendrían un sistema de inteligencia al final del camino. La realidad es que sí, pero típicamente no con el mismo proveedor.
Así que ya ves, la realidad es que sí, tu sistema de registros es un bloque de construcción fundamental para luego hacer la optimización, pero no vas a hacer eso en el sistema de registros. Lo vas a hacer en otra cosa — en un sistema de inteligencia — y lo más probable es que sea un proveedor diferente.
Conor Doherty: Si puedo profundizar un poco allí, entonces los grados de agilidad — lo que quise decir con esa pregunta o más bien cómo definiría agilidad sería con un ejemplo.
Tienes un sistema de inteligencia que es capaz de reaccionar en tiempo semi-real o bastante rápidamente — creo que es lo que dijimos antes, bastante rápidamente — al estado actual de tu supply chain.
Toma un ejemplo: estás realizando reparaciones en la plataforma offshore, la factura de reparaciones que crees conocer, pero es variable porque de repente encuentras, “Oh, en realidad hay un problema que no esperaba.” Bien, ahora está ahí. ¿Estoy preparado para eso, sí o no?
Tengo un cronograma de reparaciones listo. Tengo a los técnicos. Tengo las herramientas. Tengo las piezas. Pero lo que creía que iba a tener que hacer, ya no puedo hacerlo porque en realidad esa cosa, para la que no tengo las piezas en este momento, está rota. ¿Qué hago?
En mi entendimiento, un supply chain ágil sería, por ejemplo, uno que cuente con un software que pudiera regenerar un sistema de acciones — un cronograma de acciones. Puede que no sea perfecto. Y de nuevo, entramos en la idea de que lo perfecto no existe. Pero sería mejor que algo como, “Bueno, levantemos las manos, simplemente usemos FIFO, lo que sea, resolvámoslo.”
Joannes Vermorel: Pero la realidad es que, bueno, si tienes humanos en el proceso de toma de decisiones, especialmente si hay muchos humanos involucrados, va a ser lento. Va a ser lento. Solo imagina ahora mismo, tenemos una situación en la que las tarifas en los EE. UU. han cambiado considerablemente. Ahora imagina que tienes a cientos de personas involucradas y necesitarán actualizar sus hojas de cálculo para tener en cuenta la nueva situación.
Si procedes así, ya sabes, dispararás — bueno, la alta dirección se ha dado cuenta de eso — enviarán un correo electrónico a todos y dirán, “Chicos, creo que todos han estado leyendo las noticias. Aquí hay una actualización sobre la nueva situación, bla, bla, bla. Solo actualicen sus prácticas para reflejar la nueva realidad, tomando esos números como insumos.”
Pero la realidad es que tomará tiempo. Las personas tienen sus hojas de cálculo. Pueden ser complicadas de actualizar. No están centralizadas. Algunas personas pueden no estar prestando realmente atención. Algunas ya podrían estar luchando contra tantos problemas que simplemente no tienen tiempo para lidiar con eso.
Así que, si generas tus decisiones con personas en el proceso, entonces tomará seis meses, pase lo que pase, para poner a todos al día.
Y cuando consideras la velocidad de cambio de las tarifas en los EE. UU. con respecto al resto del mundo — hora a hora — claramente tener un horizonte de seis meses para poner al día a tus equipos tan diversos es simplemente… quiero decir, simplemente va a ser extremadamente lento.
Así que sí, esa es una de las razones por las cuales Lokad aboga por las recetas numéricas. Puedes, digamos, en un día, actualizar la receta numérica, tener en cuenta lo que sea que sea la nueva realidad, probar, y luego pasa a producción. Y todas las decisiones que tomes a partir de entonces reflejarán la receta modificada, la cual puede incluir las nuevas tarifas o lo que esté sucediendo actualmente.
Conor Doherty: Bueno, de nuevo, me doy cuenta de que, si bien hemos discutido esto, hemos enfocado implícita y ocasionalmente explícitamente en upstream — estábamos hablando de extracción y plataformas offshore — pero todo lo que hemos dicho aquí se aplica de manera general, así que upstream, midstream, downstream, etc.
¿Existe algo única y diferente en las supply chains de midstream y downstream en oil and gas que las haga quizás más adecuadas o más propicias para el tipo de intervenciones de software que estás describiendo, o es todo lo mismo — tortugas hasta el final?
Joannes Vermorel: Sí, es muy, muy similar. Quiero decir, obviamente, una vez que entras en el transporte, hay toneladas de personas que son realmente traders que están evolucionados. Y, por cierto, es interesante porque ellos no se consideran parte de supply chain, pero desde mi perspectiva, la fijación de precios es parte de supply chain.
Es interesante porque esas cosas ya están completamente automatizadas, robotizadas. Tenemos a esos quants que se ocupan de esta parte. Así que lo interesante es que cuando se trata de especular sobre los propios bienes, comprarlos y fijar el precio de mercado, esas cosas ya están completamente impulsadas por software.
Así que eso es interesante. Ese es el upstream donde está la mayor parte de la complejidad física, muy intensivo en activos. Todavía, diría, está sub-instrumentado en lo que respecta a los sistemas de inteligencia. Ese sería el gran factor diferenciador.
Conor Doherty: Bueno, ya estamos llegando al final aquí. Pero lo que diría es, basado en lo que acabas de decir — ya sabes, sub-instrumentado, me gusta esa frase —, de manera realista, nadie pasará de un enfoque completamente ortodoxo y clásico para gestionar, digamos, el upstream de supply chain a, “Bueno, está completamente robotizado de principio a fin,” sin contar a los clientes de Lokad.
Para las personas que quieren comenzar a dar esos primeros pasos, ¿cómo se ve eso en términos de software?
Joannes Vermorel: Software — es simplemente una ejecución dual. La manera en que Lokad aborda esas situaciones es estableciendo tus recetas numéricas, y al principio la gente sigue usando sus hojas de cálculo. Pero simplemente tienen al lado lo que Lokad — la receta numérica de Lokad — recomienda.
Pueden comparar, y pueden decidir cuál es la mejor. Y Lokad no es decisiones; nosotros también, como parte del esfuerzo de transparencia, proporcionamos explicaciones en dólares que justifican. Cada decisión que recomendamos viene típicamente con media docena de indicadores de desempeño — ellos mismos en dólares — que explican por qué pensamos que es necesario. Eso podría ser el costo de lo que estás a punto de comprar, el costo expresado en tiempo extra de actividad que estás ganando, etc., etc. Así que tendrías media docena de indicadores de desempeño en dólares que motivan lo positivo y lo negativo, que motivan lo que recomendamos.
Y luego iteramos. Y en algún punto — así es como esas recetas numéricas se gradúan a producción. La forma en que pensamos es que cuando los supply chain practitioners dicen, “Bueno, hoy he validado todas tus decisiones, tal como ayer y el día anterior, porque francamente, simplemente son buenas. No veo ningún valor añadido.”
Entonces habremos solucionado los problemas. Es simplemente eso. Y lo interesante es que, debido a que tienes automatización, no le estás pidiendo a tus equipos que trabajen el doble — primero para generar las decisiones con tu hoja de cálculo a través de un proceso semimanual, y luego hacerlo en un segundo sistema, también con un proceso semimanual. Eso es simplemente una pesadilla para el equipo.
La idea es que no — quieres que el nuevo sistema esté completamente automatizado, robotizado, y luego puedes ejecutarlo — hacer lo que llamamos dual run — durante el tiempo que sea necesario. Típicamente un par de meses hasta que la gente se sienta muy segura de que esas cosas son sólidas, de que son buenas día tras día, de que en realidad cometen muchos menos errores que las personas. Cuando la gente empiece a decir, “Oh, el sistema no estuvo de acuerdo conmigo… Oh no, me equivoqué con el tiempo de entrega.” Bien, la receta era correcta. Entonces simplemente decides automatizar.
Conor Doherty: Sí. Y también hay que señalar que cualquiera de los supply chain practitioners del lado del cliente — pueden interactuar con los Supply Chain Scientist a cargo de esa cuenta, y de manera colaborativa eso ayuda a mejorar la receta numérica para incorporar sus conocimientos.
Porque de nuevo, nadie está afirmando que no haya valor en lo que reside dentro de la cabeza de un supply chain practitioner — simplemente, aprovechemos eso y maximizamos el retorno de esa inversión a través de la escalabilidad y la automatización.
Creo que te oí decir eso una vez, Joannes. Bueno Joannes, no tengo más preguntas. Pero como idea final, ¿algún llamado a la acción que quieras compartir?
Joannes Vermorel: Quiero decir, el mundo de oil and gas es literalmente la base de nuestra civilización industrial, y no va a ninguna parte. No va a ninguna parte. A pesar de la afirmación de que hay peak oil y lo que sea — no, está para quedarse. Se quedará por mucho, mucho tiempo.
E incluso si el mundo lograra hacer la transición a la energía nuclear por el mero asunto energético, resulta que hay muchos, muchos casos en los que simplemente no es muy apropiado. Si tú — por ejemplo — aviones eléctricos, ni siquiera tenemos nada en términos de tecnología que haga que eso funcione. Lo mismo para, por ejemplo, la silvicultura. Necesitas camiones de gran tonelaje para hacer eso. Esas cosas no funcionarán con baterías. Baterías y más carga. Y eso es cierto para la mayoría del equipo pesado que usamos — para la agricultura, para la minería, para un montón de cosas. Esas cosas dependen del petróleo.
Y luego, también está el plástico que necesitamos para toneladas de cosas. Y a diferencia de lo que dice la prensa — “Oh, tenemos demasiados plásticos con packaging” — sí, pero la mayoría de los instrumentos quirúrgicos también se fabrican en gran parte con plástico.
Así que sí, no va a desaparecer. Y creo que esta industria también está adoptando una mentalidad de ingeniería. Si tuviera que hacer una leve suposición acerca de las próximas décadas, sospecharía que esta industria también se subirá al tren de la IA y simplemente automatizará toneladas de tareas administrativas de back-office. Quiero decir, de eso se trata — simplemente existe esta industria que emplea literalmente a cientos de miles de empleados administrativos en tareas de back-office. Son absolutamente necesarios, porque de lo contrario esas compañías se detendrían. Pero existe un enorme potencial para mecanizar eso y liberar a esas personas, de modo que puedan hacer cosas más interesantes.
Conor Doherty: Bueno Joannes, comparto tu entusiasmo. Y ciertamente te agradezco por tu tiempo. Y les agradezco a todos por ver. Hasta la próxima.
