00:00:00 Visión general de la optimización en supply chain y contexto de Toyota
00:07:28 Comunicar valor a los ejecutivos; decisiones y dinero
00:12:45 Transformación digital: simplificar la complejidad a escala
00:17:49 Adoptar métodos modernos de supply chain y lenguaje
00:24:00 Datos sin filtrar y casos límite en la preparación para la producción
00:29:44 Mejorar decisiones: objeciones, interrupciones y forecast
00:34:05 Decisiones seguras y gestión del riesgo de proveedores
00:36:23 Problemas de juguete y la incertidumbre real en supply chain
00:41:13 Empoderar a los ejecutivos, pruebas de escenarios y ROI
00:46:10 Impacto empresarial: ir más allá de las métricas de precisión
00:49:45 La demanda se diseña: accesorios, forecast y historial
00:55:01 Coautoría en optimización y el valor de las relaciones
01:00:51 Alineación de partes interesadas, cultura y tácticas de gestión
01:09:29 Impulsar la transformación digital y cambiar los KPIs
01:15:19 Software, incentivos y lecciones de gigantes empresariales
01:21:17 Audiencia, lenguaje y comunicación efectiva; consejos de libros
Resumen
En una entrevista en LokadTV, presentada por Conor Doherty, supply chain optimization ocupa un lugar central con los ponentes Joannes Vermorel, CEO de Lokad, Adam Dejans Jr y John Elam de Toyota. El diálogo explora la toma de decisiones en los supply chains globales, enfatizando los cambios culturales y la simplificación de procesos complejos. Adam Dejans Jr subraya la necesidad de reconsiderar los sistemas, mientras que John Elam se centra en la escala operativa como fuente de complejidad y enfatiza la alineación del lenguaje con los resultados deseados. La conversación resalta la transparencia y la construcción de confianza, instando a la introducción gradual de la complejidad. Se comparten ideas sobre la importancia de simplificar la comunicación para involucrar a los ejecutivos, mostrando diversos enfoques culturales y abogando por un aprendizaje continuo para transformar las prácticas heredadas.
Resumen Ampliado
En una entrevista presentada por Conor Doherty, nos sumergimos en el intrincado ámbito de la optimización en supply chain, presentando a Joannes Vermorel, CEO de Lokad, Adam Dejans Jr y John Elam de Toyota. Esta discusión revela una exploración multifacética de la optimización en supply chains, abordada con diligencia y claridad.
La conversación comienza con una indagación sobre la toma de decisiones en las transformaciones de supply chain globales. Adam Dejans Jr enfatiza que las transformaciones van más allá de la mera automatización, requiriendo cambios culturales y adaptaciones a disruptions. Subraya la importancia de reconsiderar los sistemas en lugar de simplemente actualizar los procesos, un sentimiento que comparte Joannes Vermorel, quien destaca la complejidad introducida por la división del trabajo en las grandes organizaciones. La simplificación, sostiene Vermorel, es un contrapunto crítico a esta complejidad.
John Elam enriquece el discurso al señalar la escala operativa como fuente de complejidad en lugar de las propias preguntas. Aboga por alinear el lenguaje con los resultados deseados, especialmente al persuadir a los ejecutivos. Adam Dejans Jr continúa en esta línea, aconsejando una introducción gradual de la complejidad para generar confianza y enfatizando el papel de los obstáculos políticos en la complicación de las secuencias de decisiones.
A través de comparaciones conmovedoras, Joannes Vermorel discute cómo competidores como SpaceX adoptan prácticas eficientes a pesar de los desafíos políticos, afirmando que las empresas que no se modernicen enfrentan amenazas existenciales. Se llega a un consenso: comprender e integrar las perspectivas políticas y empresariales es crucial.
A medida que el diálogo avanza hacia involucrar a los ejecutivos con la optimización, Elam y Dejans Jr reiteran la importancia de abrazar la uncertainty y alinear los planes con métricas financieras en lugar de hacerlo únicamente en términos técnicos. Abogan por comenzar con modelos simples para introducir gradualmente capas complejas, fomentando la transparencia y construyendo relaciones para lograr la aceptación de los marcos de optimización.
Al examinar el enfoque de Lokad, Joannes Vermorel describe el énfasis en los forecast probabilísticos y la necesidad de priorizar los resultados sobre los medios técnicos. Enfatiza la importancia de iterar y perfeccionar las decisiones, particularmente al abordar casos límite para garantizar soluciones integrales y de calidad de producción.
John Elam y Adam Dejans Jr establecen paralelismos con las operaciones de Toyota, centrándose en comprender los supply chains complejos y validar los procesos a través de responsabilidades gerenciales. Destacan la importancia de construir confianza mediante mejoras objetivas en el desempeño, fusionando la transparencia con estrategias prácticas a pesar de una comprensión parcial.
Las preguntas de Conor Doherty llevan a explorar la gestión del cambio, con John Elam presentando problemas de juguete para ilustrar la integración de la uncertainty en la toma de decisiones. Este enfoque, junto con la experiencia de Adam Dejans Jr en formular sugerencias adaptadas a las concesionarias, destaca la eficacia de una comunicación simple para involucrar a los ejecutivos desinteresados.
La conversación se desplaza hacia los enfoques de gestión cultural, contrastando estilos entre las empresas tecnológicas de EE. UU. y las prácticas francesas, mostrando diferentes impactos en la dinámica de la empresa. Surgen nuevos enfoques de liderazgo creativo como cruciales para superar los sistemas heredados y promover el cambio innovador dentro de empresas establecidas.
Una faceta importante gira en torno a la simplificación del lenguaje para una comunicación efectiva con los ejecutivos. John Elam comparte sus conocimientos adquiridos al enseñar retórica y escritura técnica, mejorando el compromiso al adaptar los mensajes a la audiencia y el contexto. Este discurso culmina con recomendaciones de lectura, subrayando el valor del aprendizaje continuo y la adaptación.
A lo largo de la entrevista, emergen profundas ideas sobre la conexión entre la experiencia técnica y la toma de decisiones ejecutivas. Es un viaje para navegar por las complejidades y fomentar una evolución colaborativa, subrayado por la humildad, una comunicación estratégica y la búsqueda incansable de resultados tangibles en el ámbito de la optimización en supply chain.
Transcripción Completa
Conor Doherty: Todo el mundo quiere una optimización exitosa de la supply chain, pero a menudo la gente no se toma el tiempo de asegurarse de que todos los interesados, en particular los ejecutivos, entiendan lo que eso realmente significa. Ahora, afortunadamente para ustedes, el panel de hoy va a discutir precisamente ese tema. Hoy se unen a mí Adam Dejans y Johnny Elam de Toyota, y en el estudio, el fundador de Lokad, Joannes Vermorel.
Ahora, antes de llegar al panel, ya conocen el procedimiento: den like al video, suscríbanse al canal de YouTube y sígannos en LinkedIn. Y con eso fuera del camino, les presento el panel de hoy.
Bueno, Adam, John, muchas gracias por unirse a nosotros. Este podría ser el tiempo de respuesta más rápido que hemos tenido en LokadTV, ya que me comuniqué contigo, Adam, hace un par de semanas y ya estás aquí. Gracias por acompañarnos.
Adam Dejans Jr: Gracias por invitarnos. Nos alegra estar aquí.
Conor Doherty: John, empezaremos contigo. ¿Podrías presentar a la audiencia de LokadTV tu trayectoria y lo que haces en Toyota?
John Elam: Mi nombre es Johnny Elam. Actualmente en Toyota, soy gerente de análisis de negocio y estrategia. Trabajo en una especie de rol de líder técnico, product owner, donde tengo tres productos diferentes en la supply chain que ayudan a cumplir las funciones de la supply chain.
Existen todo tipo de funciones diferentes, ¿verdad? Está el demand sensing, el supply fulfillment. Incluso tenemos un motor de preferencias del cliente, en el que intentamos entender lo que le gusta a la gente analizando ventas pasadas. Así que gestiono tres equipos diferentes que hacen eso. Mi trayectoria que me ayudó a llegar a este estado es que he sido desarrollador de aplicaciones, analista de datos, ingeniero de datos y he tenido una progresión lineal natural en mi carrera donde ahora soy product owner, conectando mi conocimiento técnico con la visión empresarial más amplia. Emocionado de estar aquí.
Conor Doherty: Adam, sé que ambos trabajan en Toyota, pero sé que tú estás en Michigan, John, tú estás en Texas. Entonces, Adam, ¿cómo llegaste a Toyota y qué es lo que haces?
Adam Dejans Jr: Sí, mi trayectoria está en matemáticas e investigación operativa. Tuve una carrera en la industria automotriz por algún tiempo, ya que nací en Detroit. Eso es prácticamente todo. Trabajé en Ford por un tiempo, hice una etapa en consultoría y luego me uní a Toyota para volver a tener la propiedad real de los productos en lugar de alquilar mi tiempo.
Actualmente en Toyota, trabajo como principal decision scientist. Principalmente colaboro en la transformación de la supply chain con John. Aunque estoy en Michigan, no trabajo en el Michigan Center. De hecho, trabajo en la sede de Texas, de manera remota por el momento.
Mi enfoque es que trabajo con John en muchos de los productos en los que él participa también, pero lo abordo desde una perspectiva más técnica, realizando más el diseño de sistemas, los fundamentos matemáticos de los diferentes algoritmos y productos que tenemos. Nuestro objetivo es una transformación de la supply chain en Norteamérica que impacte a nivel global, llevando nuestros aprendizajes para expandirnos globalmente. En este momento estamos bajo un enorme esfuerzo de transformación digital.
Conor Doherty: Gracias. Bueno, gracias por la introducción. Cuando hablan de una transformación a nivel nacional y posiblemente incluso global, ¿cómo encajan las decisiones en eso? Porque es algo sobre lo que he visto publicar mucho a Adam en LinkedIn, y su enfoque no está en algo aislado. Siempre se analiza desde la perspectiva de las decisiones. Entonces, ¿cómo encajan las decisiones en la optimización de la supply chain que están describiendo?
Adam Dejans Jr: Creo que lo más importante es que realmente es un cambio cultural, especialmente para las empresas que han existido por mucho tiempo. Muchos de los procesos, incluso en Toyota hoy, son procesos manuales. Lo primero que hace la gente cuando realizan una transformación es que solo quieren automatizar lo que ya existe.
Entonces, quieren que todos esos pasos que se realizan en secuencia de forma manual sean automatizados. Pero eso no sirve de mucho; eso es más una automatización, no una transformación. Una transformación requiere repensar todo el sistema. Esos pasos podrían no existir como lo hacen hoy con las computadoras asumiendo el control. Para determinar cómo debe operar el sistema, se comienza con las métricas empresariales que se intentan alcanzar, luego qué decisiones se deben tomar para lograr esas métricas, y por último, qué podría salir mal en el sistema y cómo recuperarse de ello.
Nos preocupamos por cosas como la pandemia, huelgas en los puertos o cuando las piezas no están disponibles. Cuando se supone que las piezas deben llegar pero no lo hacen, o si hay un lote de piezas defectuosas, ¿cómo se decide qué hacer a continuación? ¿Cómo se decide hacerlo de manera inteligente, automática y de forma que se pueda adaptar en tiempo real?
John Elam: También se trata de ser pragmáticos acerca de los límites del control. Somos una empresa global con control en América, pero fuera de eso solicitamos. Japón es la nave nodriza; ellos toman las decisiones sobre muchas piezas controladas globalmente, como los motores y otros recursos estratégicos de suministro. Estamos compitiendo contra Toyota Motors Europe y Toyota Motors Asia para ganar suministros distribuidos globalmente.
Parte de la toma de decisiones consiste en determinar qué decisiones realmente podemos tomar. Sería bueno tomar ciertas decisiones, pero aún no podemos. Parte de ello es demostrar nuestro valor, crecer y mostrar cómo podemos ayudar al mundo. Empezar en pequeño y conocer nuestros límites es clave; la gente se tropieza al imaginar un estado soñado sin comprender la realidad: se pueden tomar ciertas decisiones, pero algunas cosas están fuera de tu control.
Conor Doherty: Joannes, llegaré a ti en un momento, pero solo para darle seguimiento, John, cuando hablas de Toyota como una empresa enorme, bien establecida y exitosa, ¿cómo comienzas a orientar a las personas en la dirección de la que habla Adam? Pasar de las antiguas formas de tomar decisiones de supply chain a lo que está más enfocado en la optimización e investigación operativa?
John Elam: Esa, en cierto modo, tengo la misma respuesta para casi todos los proyectos. Es lo que la mayoría de los tecnólogos no quieren oír, pero es la cruda y dura verdad. Encuéntralos donde están. Si están en el mundo de la media, mediana y moda, adéntrate en ese mundo y utiliza ese lenguaje. Averigua lo que saben y háblales en ese idioma. Nadie quiere aprender un idioma nuevo.
Yo no quiero aprender portugués; puedo tener una vida exitosa sin ello. En Portugal, es útil. Hay idiomas que se necesitan para sobrevivir en entornos locales, pero no todos los necesitan. Como ingeniero joven que aprende cosas nuevas, me di cuenta de que a la mayoría de la gente no le importa la matemática o las herramientas; les interesa lo que eso puede hacer por ellos en su mundo.
Para el liderazgo empresarial, se trata de dinero. Cuánto dinero podemos ganar, cuánto tiempo puedo ahorrar, etc. Dejo mi propio lenguaje a la puerta y adopto el de ellos, para empezar a generar entendimiento. Puede que yo sepa de una mejor dirección y la ilumine utilizando su lenguaje. Es la única manera de hacer que la gente avance.
Conor Doherty: Bueno, Joannes, ¿cuáles son tus pensamientos sobre esto nuevamente? Porque operamos en Europa, a diferencia de Norteamérica, ¿es una experiencia similar o no?
Joannes Vermorel: Sí o no. Verás, mi opinión cuando observo grandes organizaciones es que cuando se habla—estamos hablando de varios ingredientes aquí: gran organización, transformación digital, enfocarse en las decisiones. Bien, juntemos esas piezas.
La realidad es que en las supply chain, las decisiones son extremadamente simples. No necesitan un lenguaje específico. Estamos hablando, por ejemplo—digamos que Toyota es capaz de producir 50 millones de motores por año. Supongamos que esa es una cifra inventada. No conozco los números.
Y luego surge la pregunta de cómo deben asignar esta producción: una parte para Norteamérica, una parte para esto, una parte para aquello. Bien. Entonces, la cuestión es realmente una asignación de recursos y de qué motores. De acuerdo, lo que en letra pequeña es obviamente mucho más complicado—hay una gran cantidad de motores diferentes, etc. Bien. La realidad es que tenemos una serie de decisiones simples en relación con las supply chain.
Se trata principalmente de asignar recursos, moverlos. No es fundamentalmente muy abstracto. Ni siquiera es realmente difícil de entender. Tiene un elemento físico, tangible. Sin embargo, las grandes empresas, cuando pensaban en hacerlo manualmente, lo que hicieron fue: tuvieron que organizar una división del trabajo.
Y así terminas con una decisión que era muy simple, y terminas teniendo 20 funciones diferentes en la empresa que contribuyen de forma fragmentada a esa decisión. Esto es solo una consecuencia de la división del trabajo. Si tuvieras una IA superinteligente o lo que sea, no necesitaría esta división del trabajo—sería simplemente una entidad tomando la decisión directamente.
Y tan frecuentemente, cuando veo este tipo de complicación, los lenguajes—mi punto de vista es que, bueno, lo que estamos viendo es en su mayoría un efecto secundario de la división del trabajo, donde se produce una explosión de complejidad. Pero es completamente inventado, ¿ves? No es real. Es algo sintético, creado para apoyar a tu organización tan grande.
Y muy frecuentemente, la cuestión es exponer lo básico que se está decidiendo a través de todas esas capas de complejidad. Usualmente, ahí es donde está la verdadera sorpresa—que puedes terminar con 200 personas interactuando con eso, pero al final, es solo un número. Y quizás deberías—y eso es lo interesante—si tienes algo digital que puede calcular como una computadora, te das cuenta de que no es necesario tener 200 personas involucradas en esto.
Ahí es donde creo que la transformación es muy significativa. Eso es lo que en Lokad hemos hecho. Muy frecuentemente hemos reemplazado procesos que eran enormemente complicados debido a la división del trabajo por algo que al final es bastante sencillo. Simplemente no se necesita tanta gente. Y tener tantas personas estaba creando una clase de problemas que dejan de existir cuando se implementa una receta numérica.
Conor Doherty: John, asentías en muchos momentos. Solo tengo curiosidad por conocer tus pensamientos.
John Elam: No, es—está totalmente en lo cierto. Hay mucha complejidad inventada que existe simplemente debido al tamaño del problema que necesitamos resolver, ¿verdad? Como, tenemos una herramienta que tiene como 21,000 restricciones diferentes que se le aplican.
Así que no—ningún humano va a manejar eso. Los humanos lo manejaron, pero no de la manera de manejar-manejarlo. Más como “mover de izquierda a derecha,” ese tipo de gestión—no como “¿cómo debería reorganizar esta información para tomar una mejor decisión?”
No había forma de organizar esa información de manera que un humano pudiera tomar una buena decisión. Así que sí, he visto de primera mano cómo las herramientas pueden cortar—la herramienta adecuada en el lugar adecuado—simplemente atraviesa la complejidad y la reduce a algo simple.
Porque tienes razón, muchas veces estamos simplemente intentando—si se trata del forecasting, solo queremos entender cuál es la demanda. Si es de asignación, solo queremos optimizar para colocar estas cosas donde deben ir. La decisión real, como dijiste, es muy tangible—puedes ver cómo el motor va a esa planta para fabricar ese coche.
Pero sí, el tamaño de la cantidad de cosas que ocurren es lo que crea la complejidad. No es la pregunta en sí misma.
Adam Dejans Jr: Así que supongo que tengo algo que agregar a eso. Como decía, sí, tienes estas secuencias de decisiones. No lo dije de manera tan elegante, pero ese proceso—uno de los problemas es que la secuencia está bajo diferentes pilares de gestión.
Y podría estar bajo diferentes partes de la organización, y no te dejarán entrar ni siquiera a aprender sobre algunas de estas partes. Así que hay mucho de esto—tal vez puedas idear una solución, pero políticamente no funciona. Políticamente, es casi como si tuvieras que revertirlo.
Podrías tener una decisión dividida en 20 partes, pero ahora necesitas dar cinco pasos y automatizarlos a la vez, y luego los siguientes cinco. Luego, de alguna manera, avanzas. Pero este también es un problema que realmente se pasa por alto: el lado político.
Joannes Vermorel: Estoy completamente de acuerdo. Pero aquí, mi mensaje es—bueno, no dejes que esos ángulos políticos te destruyan. Mira un ejemplo concreto: una empresa americana increíblemente exitosa, SpaceX. Decidieron, a diferencia de NASA y Ariane Group, tener un supply chain para su cohete racionalizado y organizado de manera sensata.
Puede sonar clásico, porque de hecho, no es súper innovador. En general, la gran mayoría de las empresas modernas están organizadas de esa manera. Excepto cuando se trataba de cohetes, Ariane Group en Europa estaba dispersando la construcción de los cohetes por literalmente todo el oeste de Europa.
Entonces, construyes tus cohetes en 50 lugares diferentes solo para mantener contento a cada estado europeo. Resultó que NASA estaba haciendo exactamente lo mismo con sus propios cohetes—distribuyendo la fabricación por cada estado en los EE.UU. Resultó que eso es completamente disfuncional.
La consecuencia es que terminas con una organización que produce cosas a un precio extravagante. Funciona bien hasta que tienes un competidor que simplemente decide, “A la mierda la política, vamos a racionalizar las cosas.” A la política le importa un comino—haz algo que tenga sentido.
Mi opinión es que puedes permitirte tomártelo con calma y preservar los feudos y dominios de este jefe y aquel jefe—siempre que no sientas demasiada presión de los competidores. Si tienes competidores que realmente te presionan, entonces no tienes ese lujo.
Estoy de acuerdo en que este es un gran desafío. Pero históricamente, muchas empresas que de otro modo eran excelentes simplemente quebraron porque no hicieron esta transformación. El competidor simplemente ideó una forma de simplificar, a veces drásticamente, cómo hacían el negocio—y de repente tenían precios más bajos.
Y las empresas más antiguas no pudieron sobrevivir en este nuevo entorno.
Adam Dejans Jr: Estamos de acuerdo—totalmente de acuerdo. Supongo que mi punto es que hay dos aspectos: uno, si lo miras desde la perspectiva empresarial, y otro si lo miras como individuo. Así que son dos distintos.
Joannes Vermorel: Pero Toyota es muy, muy competitiva. Actualmente, por ejemplo, el Reino Unido casi ya no tiene industria automotriz. Todos se extinguieron como el dodo nuevamente por no poder adoptar métodos de producción más modernos.
Conor Doherty: Bueno, si puedo unir un par de puntos y volver al tema principal—convencer a la gente, particularmente a los ejecutivos, de subirse al carro de la optimización. Un elemento clave de eso, John, es abrazar la incertidumbre. Solo tengo curiosidad—en tu contexto, ya sea en Toyota o en el trabajo de consultoría—¿cómo convences a la gente de ver las cosas desde tu perspectiva cuando se trata de decisiones—ya sea forecasts probabilísticos u otra cosa?
John Elam: Sí, comienza de la misma manera que mi primera respuesta. Primero, averigua en qué punto están. ¿Dónde estás tú? Aprende el lenguaje. Pero luego, llevar a alguien a este punto de pensar siquiera en optimización determinista—para algunas personas, es una forma completamente nueva de trabajar. Y luego, mucho menos una Supply Chain Quantitativa o un SDA, donde en realidad le estás agregando un componente temporal—es otro nivel completamente distinto.
Y así, honestamente, muchas veces simplemente las añado en capas. Bien, comencemos por donde estás. Actualmente están haciendo las buenas y antiguas tasas de stock min/max o alguna lógica de recarga. Francamente, simplemente comienzas—si puedes, y esto puede ser difícil debido a que puede haber muchas interdependencias, así que tratar de construir algo óptimo se convierte en un óptimo local—pero encuentra algo que con suerte se pueda fragmentar y contener. Demuéstralo como un POC y muéstrales su valor.
Y luego conéctalo con ellos. Mucho de ello, francamente, es simplemente hablar y usar su lenguaje. Les importan los dólares, les importan las horas, les importan los factores de seguridad. No les importan los p-valores. No les importa cuál es la varianza. Ni siquiera saben lo que eso significa, la mitad del tiempo. Por desafortunado que sea—sí, es desafortunado—pero así es como están. Ese no es el lenguaje que usan. Nosotros lo hemos adoptado y utilizado durante años, pero ellos han usado cuota de mercado, beneficio, ingresos, volumen. Esos son los términos que usan.
Y así, conectando y mostrando—creando ejemplos sencillos. Comienza con: aquí es donde estás, aquí es lo que estoy pensando, con un problema sencillo. Algo pequeño, simple en Excel. Así es como se desarrollaría. Y luego, en realidad, tomas algo real que esté funcionando y lo ejecutas en paralelo por un tiempo. Aquí está tu proceso, aquí está mi proceso. Especialmente si ni siquiera estás haciendo optimización determinista—¡santo cielo, eso arrasa en la primera prueba si configuras un buen modelo!
Y entonces, ahora tienes confianza. Y ahora que tienes confianza, tienes mucha más libertad para experimentar. Y luego, de nuevo, incorporas el siguiente. Simplemente vas trayendo la siguiente capa de complejidad cada vez. Y luego, eventualmente, los haces entender el marco—así es como se piensa en problemas de optimización a lo largo del tiempo, así se piensa en decisiones de forecast a lo largo del tiempo. Te permitirán comenzar a expandirte. Pero no—nunca puedes simplemente aparecer y vender tu camino a través de ello. Vender tu camino a través de ello es demostrarlo.
Una de las cosas de las que hablo mucho con los equipos de producto con los que trabajo es: si quieres avanzar rápido, tienes que tener confianza. Y si quieres tener confianza, debes tener transparencia. Así que estoy siendo realmente transparente con ellos sobre lo que quiero hacer y cómo quiero llegar allí. Muchas veces, ellos corresponderán. El sesgo de reciprocidad es extremadamente fuerte. Y así, la gente está dispuesta a ceder parte de su información. Mucho se basa en las relaciones. Desearía poder calcular mi camino hacia la respuesta, pero, honestamente, lograr que la gente me quiera es nueve décimas de la batalla.
Conor Doherty: Joannes, de nuevo—¿cuánto de eso se alinea con tus experiencias en Lokad?
Joannes Vermorel: En Lokad, tendemos a hacerlo de manera bastante diferente. Para nosotros, la forma en que abordamos el problema es—los medios, especialmente los medios técnicos, son algo irrelevantes. Al final del día, sí, usamos forecasts probabilísticos—está bien. Optimización estocástica—está bien. Quiero decir, muchas cosas de las que ellos nunca han oído, no saben, no les importan, no tienen tiempo para eso. Y está bien.
Lo que queremos es llegar a un punto en el que tengamos identificadas esas decisiones. Muchos ámbitos—puede ser asignaciones de producción, asignación de inventario, cantidad de compra, incluso optimización de precios, con precios que suben o bajan. No importa. El hito para ganar confianza es lograr—por cierto, este es realmente, técnicamente, nuestro hito principal para pasar a producción—0% de locura. Así que necesitamos generar decisiones, idealmente por millones, a escala—masiva. Vamos directamente por la escala masiva.
Y hay una razón para eso—en realidad es más fácil, más rápido y más barato. Puede parecer contradictorio, pero la mayoría de las estadísticas funcionan mejor cuando tienes más datos. Y extraer datos de un ERP—si quieres filtrarlos, es más lógica. Así que, si no los filtras, es en realidad más sencillo—si tienes las herramientas adecuadas. Normalmente, el filtrado crea muchas complicaciones, especialmente en data extraction.
Así que preferimos decir: vamos a trabajar con nuestros sistemas, no filtramos, simplemente tomamos todo. Está bien. Simplemente hace todo más fácil. Y luego la cuestión es—cuando digo que esas decisiones deben tener 0% de locura—significa que la gente debería poder ver todas las decisiones que hemos generado y no encontrar ninguna objeción.
Inicialmente, iteraremos, porque la gente tiene objeciones. Dicen, “Oh, esta decisión es interesante, pero no podemos por esto y aquello.” Muy bien. Cambiamos la lógica y lo solucionamos. O: “Aquí, realmente no estás prestando atención. Este es un cliente VIP.” Oh—nuevo concepto, cliente VIP. No lo sabía. No estaba documentado que tuvieran clientes VIP. Cuéntame más. Explica por qué este cliente es mucho más importante. Muy bien. Luego vamos a tener en cuenta a esos clientes VIP para ti, etc., etc. Repite y repite. Itera. A escala, con parámetros máximos.
Y al final, la idea es que en—simplemente toma unas semanas—tienes algo donde la gente ya no puede objetar nada. Ahí es donde ganamos la confianza. De repente, tienen un sistema que simplemente genera decisiones que son muy fáciles de entender—porque son decisiones. Y realmente nadie tiene objeciones a nada.
Para nosotros, así es como ganamos la confianza. Usualmente abrazando todos los casos límite, todas las cosas raras. Para que no tenga una vibra de “POC”. Tiene literalmente una vibra de estar listo para producción. Incluso si técnicamente es solo un piloto—es realmente a escala máxima, con máxima cobertura de todas las cosas raras. Lo que significa que si no eres tan óptimo desde una perspectiva de optimización—tus herramientas son crudas y demás—está bien. Puede posponerse para más adelante. Ese es el tipo de cosa que, para nosotros, inicialmente el problema no es tener algo hiperoptimizado, sino tener algo en lo que no haya ni una sola línea donde la gente tenga objeciones válidas.
John Elam: Creo que estamos llegando a algo similar. Cuando digo “cortar algo,” lo que quiero decir es—el supply chain de Toyota involucra… Quiero decir, llevo aquí tres años, y todavía no lo puedo comprender. Tenemos proveedores de cuarto y quinto nivel. Tenemos accesorios—accesorios instalados en una fábrica, accesorios instalados en una planta, accesorios instalados por el concesionario, o accesorios instalados por un centro de distribución de vehículos. Y luego también puedes simplemente comprar accesorios de nosotros.
Y eso es solo accesorios. Luego, los motores—los fabricamos en todo el mundo. Así que muchas veces, cuando digo un “POC”, lo que quiero decir es una de esas líneas de trabajo. No vas a elegir todo—porque todos se intersectan entre sí. Ese es otro problema. Tengo que acertar mi forecast de vehículos para acertar mi forecast de accesorios. Porque estoy intentando forecast: ¿cuántas aletas de lodo voy a poner en las Siennas? Pues, ¿cuántas Siennas estás fabricando?
Así que es como intentar picar—bueno, ¿cuál de ellos puedo, en realidad… puedo mantenerme en un carril? Y muchas veces, cuando digo carril, es, francamente, responsabilidad de un gerente. Porque su esfera de influencia tiene límites. Así que tienes toda la razón. Una cosa que me encanta de lo que dijiste es: cubres todos los casos límite en lo que vamos a abordar. Sí—vamos a hacer eso. Si activas el interruptor, está listo para producción. Resuelve todos los problemas.
Sí, no puedo estar más de acuerdo contigo en eso. Siempre que—lo he estado llamando mi enfoque de “methodical data transformation”. Es algo así como, ¿cómo abordas las cosas? ¿Vas proceso por proceso y arrastras a toda la organización a través de ello? ¿O comienzas con una parte de la organización y haces todos sus procesos, y luego lo haces en cascada? Es como dos maneras diferentes de hacerlo.
Pero, de cualquier forma que lo hagas—ya sea que vayas proceso por proceso y cubras todos los diferentes verticales de ventas o lo que sea, o que te limites solo a Norteamérica y trates de hacerlo en toda la región—cualquiera que sea el carril que elijas, debe estar 100% terminado. Porque esa es la única manera en la que gano confianza—demostrando que en realidad estoy haciendo tan bien como tú. Y en muchos de estos casos, objetivamente lo estoy haciendo mejor. Y eso es a lo que me refiero con POC.
Entonces sí, creo que tienes razón. No me refiero a POC como si fuera un experimento de feria de ciencias—quiero decir que realmente ha probado el concepto. Y que, idealmente, cuando el POC esté terminado, tendrás un verdadero MVP. Este es un producto utilizable. Ayuda al negocio a agregar valor. Una vez que hayas abarcado todos esos casos límite. Pero sí, ese es un muy buen punto. No quiero que la gente piense que estamos construyendo como Jupyter notebooks y dando por concluido el trabajo.
Joannes Vermorel: Sí, exactamente. Notebooks. Exactamente. Eso es—diría—el data science tropiezo que he visto tantas veces. La cosa tiene tantas líneas flagrantemente erróneas que la gente—la gente operativa, ya sabes, la gente que al final sería responsable de las decisiones—simplemente mira los números y cada diez líneas encuentran una locura. Algo que es simplemente una barbaridad. No funcionaría, no despegaría, causaría daños, complicaciones.
Y para mí, esa es la forma más rápida de perder toda credibilidad. No importa qué tecnología se use—si los gerentes que revisan las decisiones pueden detectar cosas absurdas, se necesitan más iteraciones. Y quieres iterar hasta que no haya objeciones. La gente mira esas decisiones y dice, “Bueno, si fuera un colega quien las hiciera, simplemente daría luz verde a todo eso.” Probablemente, el tiempo dirá que algunas de esas decisiones resultarán ser errores—porque, de nuevo, los forecast no son perfectos. Pero, por el momento, considerando la información que tengo, daría luz verde a todo eso. Y eso es todo.
John Elam: Sí. Esa es una buena manera de pensarlo. Ese es un buen modelo mental. ¿Consideraría un colega que esto es un forecast razonable, decisión, lo que sea? Y si no pueden llegar a ese punto, no pueden avanzar. Aún no has ganado la confianza.
Joannes Vermorel: Y muy frecuentemente, cuando hay objeciones, hay cosas en la modelización que simplemente están mal. Pueden ser cosas tontas, como—las cantidades de compra que estás solicitando a nuestros proveedores son correctas, pero olvidaste que nuestra capacidad para absorber entregas en el almacén es limitada. Y aquí, vamos a tener una colisión—demasiados trucks entregando en la entrada de nuestro almacén el mismo día. Así que ya ves, tal vez las cantidades que pides sean correctas, pero desafortunadamente hay otra cosa—aparentemente no relacionada—que aún te impide hacerlo.
De nuevo, hay muchas cosas. Y esas objeciones—es muy importante integrarlas. Para que la gente no tenga objeciones tan tajantes como “Este número ni siquiera está en el ámbito de lo factible. Tienes esto y esto y esto que simplemente no harían de ello una solución viable.”
Adam Dejans Jr.: Supongo que para mí en esto—hago muchas preguntas que llegan al fondo con algunos de la dirección. Tal como: “¿Recuerdas esa huelga en el puerto el año pasado? Eso no estuvo bien, ¿verdad?” Cosas como estas. Y—perder money apesta.
Realmente, mucho de lo que escuchas es: “Necesitamos mejorar la accuracy of the forecast.” Y lo que les explico, o trato de discutir y analizar, es: es bastante fácil predecir cuando todo va bien. Si todo es estable y todo marcha bien, entonces sí, podría ser more accurate. Pero cuando llega el momento—y digamos que ocurre una huelga en el puerto—no estás prediciendo que eso suceda.
Entonces, cuando más necesitas este forecast es cuando falla. Cuando más lo necesitas es exactamente en el mismo instante en que falla. Entonces, ¿qué pasa si en lugar de tratar de evitar eso y pretender que no existe, lo aceptamos y lo incorporamos en nuestro proceso? Ese es, más o menos, el enfoque que he estado utilizando. Funciona en su mayoría. Es un proceso lento. Cada vez que estás en una organización realmente grande, es muy difícil hacer cambios. Mucho se debe a que estás aislado en estos verticales.
Pero esa es la idea—estoy tratando de relacionarlo realmente con ejemplos de la vida real que les han ocurrido. Donde ellos quieren solucionarlo, y realmente no saben cómo. Y luego te ofrece la oportunidad de abordar los puntos de dolor que acaban de atravesar.
Joannes Vermorel: Eso es interesante porque modelar esas interrupciones no es tan complicado—simplemente dices, “Está bien, simplemente pondré un 5% de probabilidad de tener una gran interrupción del lado de supply chain anualmente.” Boom, está bien, ¿por qué 5%? Bueno, en el siglo pasado tuvimos dos guerras mundiales además de muchísimas cosas pasando, así que sí—recientemente, incluso si dices que hay un 5% de probabilidad anual de tener una gran interrupción del lado de supply chain, ni siquiera es tan alto. Y puedes tener un riesgo similar en el lado de la demanda y en otras cosas. Así que esos porcentajes son, en su mayoría, estimaciones—y eso está bien.
Lo interesante es que por eso, en Lokad, no entregamos forecasts porque es demasiado complicado entender eso. Nos centramos en las decisiones. Y las decisiones—usualmente cuando llegamos a este nivel de locura—la gente dice, “Oh, esta decisión, por ejemplo aquí, este inventario se ve un poco alto.” Y aquí la discusión se convierte en: sí, pero ¿es realmente excesivamente alto? Sabes, podrían haber problemas, entonces, ¿está tan alto que resulta irrazonable?
Y luego ves que lo interesante es que, si miras el forecast que la gente tiene, es tan difícil pensar al mismo tiempo—la demanda podría ser 100 o podría ser 50 porque tenemos, como, algo raro ocurriendo. Es muy difícil, ya sabes, pensar en todos esos futuros posibles es muy difícil. Pero cuando miras la decisión y luego la gente dice, “Sí, esta decisión es una agregación de mucho riesgo,” y tú dirías, “Bueno, se ve un poco conservadora, pero adivina qué? Puedes tener—puedes enfrentar tantos problemas: proveedores poco fiables, retrasos, huelgas en el puerto, y demás. En última instancia, se siente como seguro.”
Y eso es lo interesante: cuando desplazamos—intentamos desplazar—la discusión hacia la decisión final, por ejemplo, la asignación de recursos, y ahí de repente, creo que la gente, especialmente del lado de la dirección, se siente mucho más cómoda con la idea de que esta decisión engloba toneladas de riesgo que ni siquiera entiendo realmente—es simplemente un paquete, ya sabes. Y aquí, eso funciona. Funciona mucho mejor que tratar de comunicar a través de los forecasts que tienen, digamos, modalidades extrañas con eventos de cola gruesa y demás.
Conor Doherty: Bueno, si puedo continuar en eso—lo siento, podría incorporarlo al siguiente punto, que es nuevamente parte de la gestión del cambio, sobre la cual sé que a ti, John, te gusta hablar, y lo haces con bastante pasión. Pero una parte de eso no es solo generar aceptación por parte del usuario. Y otra parte de eso—even si la gente ve que funciona—la gente aún quiere tener cierto nivel de comprensión de cómo funciona la cosa. La mayoría de las veces, la gente no quiere simplemente decir, “Oh sí, eso funciona bien, lo suficiente.” Quieren poder al menos tener un resumen ejecutivo de, “Bueno, ¿cómo funciona exactamente una distribución de probabilidad? ¿Cómo tomas eso y lo transformas en una decisión?” Entonces, John, para ti primero—¿cómo manejas exactamente esa parte de la gestión del cambio, como lograr que la gente entienda al menos a cierto nivel las intrincadas matemáticas que realmente están ocurriendo tras bastidores?
John Elam: Honestamente, los problemas de juguete son increíbles, ¿verdad? Es decir, ejemplos de juguete simples y fáciles de seguir. Por ejemplo, quiero incorporar incertidumbre en nuestra decisión sobre cuánto inventario mantener en ground stock—bueno, simplemente asumamos que hay un 1% de probabilidad—ya sabes, pedimos coches mensualmente (actualmente estamos buscando acelerarlo mucho), pero por ahora pedimos nuestros coches mensualmente. Así que asumamos que cada mes tengo, digamos, un 1% de probabilidad de que ocurra una huelga en el puerto.
Bueno—y quizás eso incluso cambie, ¿verdad? Es decir, la probabilidad de una huelga en el puerto puede aumentar a medida que el plazo del contrato se acerca a su fin. Las probabilidades de una huelga en el puerto podrían subir, y entonces simplemente lo graficaré, de forma muy simple, ¿verdad? Como una probabilidad del 1%, y asumamos que sube al 10%—simplemente eligiendo, literalmente, números para un ejemplo. Y mostramos ese aumento. Y luego lo que haré es decir, “Mira, cada mes, ¿verdad? Incluso solo pensando en la seguridad, ¿verdad? Probablemente queramos pedir como un 1% de coches extra o una cierta cantidad de coches extra para cubrirnos contra el hecho de que podríamos tener—podría haber una huelga en cualquier momento.”
Ahora, las probabilidades de eso son bastante bajas en este momento, pero aumentarían a medida que se acerque. Y así, podría querer incrementar mi ground stock, sabiendo que esa cosa tan incierta es más probable que ocurra—que la interrupción es más probable que se presente. Así que quiero construir eso. Y luego simplemente analizamos—hay dos escenarios posibles, ¿verdad? O no hay huelga, o la hay. Y simplemente les muestras los resultados, ¿verdad? “Mira, no hubo huelga, tuvimos un poco de inventario extra. El mes siguiente, pido un poco menos porque ahora mi incertidumbre ha disminuido, mi inventario vuelve a su nivel normal de incertidumbre. Y mira este costo extra de holding que soporté durante los dos meses siguientes mientras agotábamos ese inventario extra para cubrirnos. De acuerdo, hay un costo por eso—unos pocos millones de dólares o lo que sea.”
Veamos lo opuesto. De acuerdo, por el otro lado, hay una huelga. Y digamos—¿cuánto duran normalmente las huelgas? ¿Dos semanas, verdad? Ya sabes, puedes mirar atrás y decir, “Mira, ¿cuánto suelen durar estas?” Bien, dos semanas sin recibir ningún coche. Santo cielo, ¿cuánto te cuesta eso?" Y simplemente muestra los dos números. ¿Qué costo preferirías tener? Absolutamente incurrirás en uno de estos, ¿verdad? Y eso es—ya sabes, cualquiera puede estar de acuerdo en que o huelgaremos o no. Eso es bastante sencillo. Y, de alguna manera, muestras a la gente, “Bueno, mira los diferentes resultados que podrían presentarse en este ejemplo de juguete.” Y así es como haces que la gente empiece a pensar en distribuciones, a pensar en la incertidumbre, y a pensar en la incertidumbre que cambia con el tiempo.
Los problemas de Excel de juguete son increíbles—simples, fáciles de seguir, y a la gente le encanta aprender de esa manera. Quieren sentirse—como cualquiera, ¿verdad? A mí me gusta sentirme inteligente, tú quieres sentirte inteligente, todos queremos sentirnos inteligentes. Entonces, ¿cómo puedo ayudar a guiarlos hacia eso? No necesariamente mostrándoles cada cosa, ¿verdad? Sino, “Ey, construyamos esto juntos.” Si apareces y tienes un PowerPoint, la cagaste. Pizarra, ¿verdad? Vamos a trabajar esto en pizarra juntos—juntos vamos a aprender, vamos a descifrar esto.
Y me gusta incluso comenzar con su problema—podrían estar en accesorios, podrían estar pidiendo motores, podrían estar pidiendo quién sabe qué. Bueno, ¿cuál es tu mundo? Y simplemente analicemos, y ya sabes, y luego pregúntales, “¿Qué tipo de incertidumbre tienes?” “Bueno, a veces tenemos lo que sea,” ¿verdad? “Habrá una huelga en los trenes, hubo una huelga de trenes el año pasado, eso fue un gran problema. Hablemos de ello, hablemos de modelar esas dos decisiones diferentes.” Y ahora estoy usando su lenguaje, ellos van guiando, ya sabes—nosotros estamos guiando, ya sabes, es verdaderamente colaborativo. Estoy trayendo este modo de pensar, y ellos están trayendo el dolor muy real que tienen. Esa es la mejor manera de construir productos: basarlos en un dolor que se está experimentando, porque ya sabes que el problema se resuelve cuando el dolor desaparece.
Adam Dejans Jr.: Creo que otra cosa es, oh sí—cuando preguntan, “¿Cómo funciona?” A veces a ellos realmente no les importa el algoritmo, pero lo que he notado es que algo que sí les importa y que ayuda mucho, es que quieren saber qué palancas pueden accionar y cambiar también. Entonces, como, ¿puedo—como, no sé—¿puedo probar esto? Una cosa es el scenario testing. Les encanta el scenario testing. Como, “Bueno, ¿y si, ya sabes, en lugar de 10% fuera 50%?” O, “¿Puedo añadir más safety stock o lo que sea?” Noté que tener estas palancas a su disposición y saber con qué pueden jugar también ayuda mucho a conseguir el buy-in.
Conor Doherty: Sí, exactamente. Estaba a punto de decir—el locus interno de control. Estás empoderando a la gente para que se sienta parte de ello. Y sobre eso, ¿quieres—se alinea eso, de nuevo, con tu enfoque para esto?
Joannes Vermorel: De nuevo, hay paralelos, pero lo estamos haciendo de manera bastante diferente. La forma típica de Lokad de hacer eso es adornar cada decisión con media docena de lo que llamamos impulsores económicos. Entonces, la idea es, dependiendo del caso, tendríamos, ¿cuál es el cost of inventory, costo de faltante de stock, costo de los retrasos de proveedores, costo de esto, costo de aquello—obviamente varía dependiendo del vertical.
Pero la idea es que cada decisión viene con media docena de evaluaciones en dólares de lo que está en juego. Y lo interesante—y vuelvo a decir, por eso hay similitudes—ya sabes, definitivamente vamos a lo que está en juego en dólares, y luego, cuando se trata de cuestionar la decisión, lo que buscamos es que la gente cuestione nuestra evaluación en dólares. Ya ves, porque debería ser una manera para que la gente diga, “No estoy de acuerdo con este costo que estás asignando a eso.” Ya ves,
No les importa realmente cómo terminamos exactamente con este cálculo, pero lo que piensan, lo que suele ser muy útil, es decir, “Ok, el riesgo que estás indicando en dólares por el retraso de los proveedores es demasiado bajo, por ejemplo.” Eso es muy interesante—podría ser porque no estamos mirando los lead times correctamente, o tal vez porque no estamos tomando en cuenta otras cosas. Pero fundamentalmente—y es por eso que me conecto con las palancas—eso es una manera de, en cierto modo, eliminar a las personas que piden 100 simulaciones.
De hecho, es más como, “Ok, ¿qué pasa en términos de—tenemos una divergencia en la visión empresarial sobre qué cuesta dinero?” Por ejemplo, para las huelgas en puertos, se puede pensar en ello como un seguro que tendrías que pagar. ¿Estamos acertando con el costo de este seguro? ¿Estamos siquiera en el rango correcto? Y es ahí donde, muy frecuentemente, volvemos—ya sea al simulador o a tus métodos, volvemos a esos ejemplos de juguete, pero típicamente regresando al costo, es decir, “Ok, tenemos este costo que decimos para el riesgo de huelga y demás, ¿podríamos hacer un cálculo rápido que nos muestre si estamos en el área correcta o no?”
Y nuevamente, siempre tenemos ese sentido de cordura—este costo debe estar en el rango aproximado de lo que creemos que es correcto. Y si lo está, estamos bien. Si nos damos cuenta de que simplemente estamos sobreestimando o subestimando enormemente uno de esos factores económicos, eso es lo que requiere corrección.
John Elam: Me encanta ese lenguaje—seguro. Porque eso es exactamente lo que es. Sí, es un lenguaje maravilloso para ayudar a la gente a entender, “¿Por qué estoy pagando este costo?” Es como si estuvieras cubriendo una apuesta, obteniendo un seguro aquí. Me encanta eso.
Conor Doherty: Gracias. De nuevo, esa perspectiva de ROI sobre las decisiones—esencialmente tratar tus decisiones en algunos casos como un seguro, eso se desvía o puede desviarse del, digamos, enfoque establecido de las decisiones. Entonces, bueno, Adam, dijiste antes: “Bueno, solo quiero más precisión,” por ejemplo. Y, para ser honesto, es un tema perenne, pero es uno sobre el que, cada vez que salgo, ya sea en una feria comercial o hablando con un prospecto potencial, hablan de ello. Dirán, “Bueno, quiero—comprensiblemente, creo que mi punto de dolor es que necesito mayor precisión.” Así que, de nuevo, Adam, venimos a ti primero: ¿cómo diferencias esos dos? Porque sé que ayer en LinkedIn publicaste acerca de, “Oh, better decisions is better than better forecasts.”
Adam Dejans Jr.: La clave allí es simplemente insistir: ¿qué estás haciendo con el forecast? Es una de las cosas. Primero, necesitas decidir qué métricas de negocio estás tratando de mejorar. Y luego, todo lo demás es realmente un apoyo a eso. Así que podrías tener el forecast más preciso, pero dependiendo de cómo lo uses o no lo uses, las cosas podrían cambiar.
La otra cosa con perseguir la precisión es que, bueno, nunca vas a ser 100% preciso de todas maneras, porque las cosas cambian. Necesitas incorporar ese cambio en tu marco de toma de decisiones. Pero más allá de eso, digamos, no sé, si estás al 95% de precisión—¿a qué costo realmente quieres llegar, como, al 96%? Y si no—si no puedes vincular ese incremento porcentual a tu métrica de negocio, simplemente vas a tener a todo tu equipo de datos persiguiendo alguna medida arbitraria de precisión sin ningún indicio real de cómo va a afectar tu negocio.
Entonces, ¿un incremento del 1% me consigue—podemos cuantificarlo? ¿Acaba volviendo al negocio en alguna cifra monetaria cuantitativa o qué? ¿Cómo lo estamos utilizando? Esa es una de las cosas clave que creo que veo suceder, especialmente en grandes y antiguas empresas como Toyota. Toyota es una empresa japonesa. Nunca han realizado despidos. Y es que—todo el mundo se queda allí, como si fuera una empresa a la que entras para tener una carrera y permaneces. Y así, lo que hacen, lo que han hecho previamente, les ha llevado a donde están, por lo que, en cierto modo, les gusta seguir lo que han hecho. Porque, la compañía automotriz número uno por una razón, ¿verdad? Es como, “Bueno, si seguimos haciendo lo que hemos estado haciendo, tal vez seguiremos obteniendo los mismos resultados que obtuvimos. Simplemente hagamos lo que hemos estado haciendo, pero mejor.”
Y a veces, como mencionamos antes, eventualmente vas a tener que cambiar, porque alguien más va a aparecer y cambiar. Así que, en cierto modo, me extiendo un poco, pero no sé.
John Elam: Una cosa de la que quiero hablar es, no sé, cuando te enfocas en decisiones, hay tantas más cosas de las que puedes hablar ahora. No tienes que concentrarte en forecasts. Por ejemplo, una herramienta que hemos desarrollado es un motor de sugerencias. No sabe nada de forecasts—no le importa el forecast. Su objetivo es generar más ingresos, puramente. Y cuando digo generar más ingresos, es una recomendación que impulsa más accesorios en el vehículo, hasta un punto de quiebre, ¿verdad? Como, ¿cuántos accesorios puedo poner aquí para que a la gente aún le guste el coche y se siga vendiendo a buen ritmo?
No sé realmente cuánto más rápido se venderá—eso no formaba parte de la medición. La parte de la medición era: ¿se venderá igual de rápido en promedio, y tendrá más dólares en ese coche cuando lo venda? Hicimos una prueba t emparejada y no emparejada, observando grupos piloto y de control, y analizando promedios históricos durante el mismo período para estos dos diferentes—ya sabes, algunos recibían recomendaciones y otros no. Y ganamos mucho más dinero. No hay forecast allí, ¿verdad? No hay precisión alrededor de eso.
Literalmente copiamos estrategias de concesionarios ganadores y pegamos esa estrategia en concesionarios que están luchando, y ganamos más dinero. Y recibo muchas preguntas acerca de ese producto, sobre “¿Cuándo va a forecast? ¿Cuándo me va a decir qué—” y yo le contesto, “Eso no es lo que va a hacer. Les dice a ese grupo de personas que realizan esta función que, si siguen esta recomendación, probablemente se venderá igual de rápido y tendrá más dinero en él.” Eso es todo lo que hace, y es una decisión. Es una decisión súper simple, pero ayuda al negocio—nos ayuda a ganar más dinero.
Así que lo es—por eso me gusta enfocarme más en qué decisión vas a tomar y menos en este forecast perfecto. Porque hay tantas decisiones que se pueden tomar, y los forecasts—francamente, los forecasts no añaden valor. Tomar decisiones basadas en lo que ese forecast te dice es cómo creas valor. Así que sí, todo el mundo quiere su bola de cristal, pero nunca vamos a tener una.
Joannes Vermorel: No podría estar más de acuerdo, y creo que tu ejemplo sobre precargar los coches con los accesorios correctos es un ejemplo flagrante de ello. La mentalidad típica en la visión mainstream de supply chain sobre el forecasting es pensar en la demanda como la posición futura de los planetas—algo que sucederá pase lo que pase. Y si puedes definirla con una inexactitud del 0.00001%, eso es simplemente un sinsentido. Aquí, lo que estás demostrando es que la demanda está diseñada—que si pones un coche mejor a un precio más alto frente a los clientes, bueno, es posible que compren el coche más caro y mejor a ese precio.
Obviamente hay un límite, porque en algún momento la gente dice, “Es realmente, realmente un buen coche, tiene tantas cosas buenas, pero me temo que ya no puedo permitirme este coche.” Así que, obviamente, hay un límite, pero hasta que no hayas probado ese límite, estarás dejando dinero sobre la mesa. Y el problema es que, si fuiste algo conservador en eso en el pasado, tu proyección simplemente reproduce el error que cometías, que era no poner coches lo suficientemente equipados frente a los clientes.
Así que esa es realmente la mentalidad de la trayectoria planetaria—solo miras el pasado, pero la realidad es que el futuro depende de decisiones que aún no se han tomado. Y por eso estoy muy de acuerdo contigo en que las decisiones son superiores a los forecasts, porque, en gran medida, el futuro es el resultado—la consecuencia—de las decisiones que estás a punto de tomar, no al revés.
Adam Dejans Jr.: También ves esto con—a veces puede haber una llamada a revisión, o no tenemos alguna parte o algún accesorio, y entonces falta de los datos históricos durante, digamos, seis meses. ¿Significa eso que ahora nadie lo quiere? Bueno, históricamente está bajando—parece que a nadie le quieren los mud flaps en su coche. Pero eso obviamente no es cierto.
John Elam: Ese es un muy buen punto. A veces, como fabricante, tendremos un defecto de calidad. Esto es muy central en nuestra cultura Toyota—si alguna vez has estudiado el TPS, literalmente detenemos la línea si hay un problema. Y así, a veces detenemos—si es un problema lo suficientemente grande, lo detenemos durante días y semanas, y solucionamos ese problema antes de empezar a fabricar más coches. No fabricamos coches malos, al menos no a sabiendas.
Y así, llegó un punto en que dejamos de fabricar una determinada línea de vehículos—una línea de vehículos muy, muy popular—por meses. Así que, si solo tomas los promedios y proyectas hacia adelante, tendrás un forecast significativamente reducido, cuando la demanda real está extremadamente reprimida. Tenemos atrasos en los concesionarios de cientos y cientos de estos vehículos en cada concesionario. Y así, tienes que saber dónde mirar, en cuanto a entender qué deberían ser incluso los forecasts—¿estás haciendo forecast de la demanda, o estás haciendo forecast de tus historiales?
Joannes Vermorel: Uno de los mayores errores de la teoría dominante de supply chain es, nuevamente, este enfoque en las series temporales—como si fuera un vector unidimensional. Para la casi totalidad de los negocios, simplemente no puede reflejar lo que está sucediendo.
Un ejemplo sería, incluso para los coches—por ejemplo—la demanda no es algo unidimensional. ¿Estás dispuesto a esperar por el coche? Por ejemplo, para Mercedes: ¿quieres un Mercedes? No hay problema—espera un año, y Mercedes está vendiendo coches. Así que, obviamente, depende—la respuesta es, depende. Pero la cuestión es que no es algo unidimensional. La demanda depende del precio, depende del retraso, depende de las ubicaciones. Y si simplemente aplanas tu demanda como si fuera “número de vehículos por día,” te estás perdiendo por completo todas esas dimensiones.
Y no son necesariamente súper complicadas. Eso es lo interesante: no estoy diciendo que necesites tener una complicación desmesurada—como decías, tenías, por ejemplo, una lógica simple que impulsaba más accesorios, basada en heurísticas simples—copiando las estrategias ganadoras de los mejores concesionarios. Eso también es algo hermoso: a veces, diseñar una buena decisión es de un orden de magnitud más simple que, en realidad, un buen forecast. Puedes llegar a buenas decisiones estando bastante a oscuras con los pormenores del futuro.
John Elam: Incluso una lógica simple de “order-up-to”, si no tienes nada más, es muy útil.
Conor Doherty: Bueno, de nuevo, escuchando la discusión sobre cómo llegar a las decisiones, una parte clave de esto—nuevamente, volviendo a la gestión del cambio—realmente es: ¿cómo encajan los expertos que no son de matemáticas en esto? Porque, de nuevo, si entras como los genios de las matemáticas, los wunderkinds, aún estás tratando de implementar eso en una sala con personas que tienen experiencia en otros campos. Así que, tengo curiosidad: ¿cómo exactamente aprovechas eso para co-crear o co-escribir una iniciativa, una optimización? Porque, de nuevo, todavía necesitas la información en las cabezas de otras personas—¿cómo encaja eso en tu proceso?
John Elam: Como dije en el comentario anterior—no aparezcas con un PowerPoint. Porque eso significa que ya tienes la respuesta, y yo no quiero—ya sabes, tengo un ego, ¿verdad? Creo que todos tienen un poco de ego. Quiero desarrollarlo, ¿no? Pues, construyámoslo juntos. Y suena tan simple, y casi me repito, pero es realmente tan simple. Y probablemente esa sea la parte difícil—que es tan simple. ¿Cuál es su problema, cuál es su lenguaje, qué saben? Y luego, llévalos a donde siento que deberíamos ir con su conjunto de problemas.
Y mucho de eso es descubrir el dolor—entonces, ¿cuál es, ya sabes, aquello que les resulta doloroso en su trabajo? A menudo es en lo que pasan gran parte de su tiempo, o—digo que a veces pasamos demasiado tiempo en problemas que no necesitan—que, cuando se resuelven, no ayudan tanto. Pero a menudo entienden: esto es lo que estamos haciendo hoy, y aquí es donde está roto. Y podemos hablar de eso bastante. Y muchas veces, donde está roto, es algo que o bien se puede automatizar, o algo que se puede forecast, o incluso algo que se puede simplificar.
Así que se trata realmente de encontrarlos donde están, aprender ese lenguaje. Y, como dije, no construyes nada sin ellos—estás construyendo con ellos, obteniendo esos requisitos de ellos, y, si es necesario, guiándolos hacia la respuesta correcta, pero sin decírsela. No puedes decirle a la gente qué hacer. No puedo enfatizar eso lo suficiente—mucha gente no quiere que se le diga qué hacer. Les encanta el momento “aha”, y así, si puedes ayudar a guiarlos hacia, “Hey, creo que está por allí, vamos a revisarlo juntos,” y luego—a veces ya sé la respuesta, pero está bien, no necesito empujarla en su garganta. Se la damos de forma “spoon-feed”.
Adam Dejans Jr.: Daré una perspectiva aún más simple—una perspectiva diferente. Pero para mí, a lo largo de todos estos años, simplemente construir relaciones es aún más importante que todo esto. Y también reconocer lo que llamamos el “power chart,” que es como un órgano influyente. Tienes tu organigrama, ¿verdad? Tienes, por ejemplo, que estas personas le reportan a ellos, y este es el gerente, este es el ejecutivo. Y la gente piensa que el poder y la persuasión ascienden por esa cadena, pero a menudo no es así.
A menudo hay alguien susurrándole al oído a un ejecutivo porque son amigos o algo así, y simplemente abrir tu red, construir relaciones, simplemente escuchar a la gente, simplemente hablar con ellos, te brinda esa vía para luego acercarte a ellos con cosas más técnicas y ellos están dispuestos a escuchar, porque en este punto ya tienes alguna relación—confían en ti. Y esa parte es tan importante, y mucha gente, especialmente ingenieros y scientists junior, pasa por alto esto porque piensan—y generalmente tienen razón—que objetivamente tienen una mejor respuesta, y usualmente es así. Pero no lo vas a implementar de esa manera.
Y es por eso que la gente también se frustra en las corporaciones, porque puede haber una solución peor—objetivamente peor—pero sí, se vende mejor, porque esa persona simplemente es más influyente, ya sea a través de hablar, vender o simplemente por las relaciones en la red que ha construido. Una parte de lo que hacemos es también coaching de carrera. Cuando hacemos eso, realmente tenemos toda una sección en la que hablamos de ello, porque es muy importante para impulsar cambios. A menudo se pasa por alto.
Conor Doherty: Sé que hablas de coordinar con Toyota, la sede central japonesa. Y sé, habiendo trabajado en China durante cinco años, la importancia—por ejemplo, cuando dijiste “relationship,” la palabra que se me ocurrió fue “guanxi,” que se traduce aproximadamente como networking o relaciones, pero en China es algo mucho más poderoso. Si no tienes buen guanxi con tu superior o con tus colegas, nada se hace—o, lo siento, es mucho más complicado lograr que las cosas se hagan, incluso si, como dijiste, tienes una idea objetivamente superior o la más objetivamente impresionante.
Es, bueno, la forma en que lo enmarcaste, la manera en que entraste en la sala, hiciste que la gente se sintiera como idiota, no los involucraste, como dijiste, John, no los involucraste en el proceso. Así que mi pregunta—cuando dices relaciones, ¿te refieres a eso? ¿Cuánto de eso está informado por el tipo de trabajo intercultural que realizas con Japón como estadounidenses trabajando con una corporación japonesa, o cuánto es simplemente en general?
John Elam: Sí, es ambas cosas—definitivamente ambas. Pero estaría totalmente de acuerdo en que en la cultura japonesa, ya sea de bajo contexto o de alto contexto, ¿verdad?, es fundamental. Incluso hay un término para ello—lo usamos todo el tiempo, hay sitios web sobre ello en nuestro interno—es un término japonés llamado “nemawashi.” La traducción directa es “preparar el suelo,” como preparar el suelo para plantar algo, pero el significado cultural y social es, “Pongámonos todos de acuerdo.”
Y como decía Adam, ya sea el organigrama informal o incluso, y de hecho especialmente en esta cultura, la jerarquía regular también—todos necesitamos estar de acuerdo, y básicamente la decisión se toma antes de que se tome la decisión. Así que lo que quiero decir con eso es, iré a tener—y esto es, francamente, quiero decir, dijiste que es casi la única manera—en mi experiencia, es la única forma de lograr que las cosas se hagan en esta cultura. Tengo que establecer estas conexiones uno a uno con prácticamente cada stakeholder que vaya a tener, aunque sea un impacto intermedio, en su trabajo, y luego lograr que entiendan lo que estamos haciendo, cómo les va a beneficiar y qué va a cambiar en su mundo. Y luego, cuando tengamos la reunión en la que decidamos qué hacer, ya habremos decidido—todos ya conocen la respuesta. Y francamente, si hay algún problema en ese momento, no vas a avanzar. Vas a retroceder y hacer un poco más de nemawashi. Así que es sumamente importante. Pero incluso en el contexto americano, como cuando hacemos nuestro trabajo de consultoría, las relaciones siguen siendo fundamentales—no es tan estricto en el sentido de que necesitas a cada persona a bordo, pero sí necesitas una masa crítica. Ahora, ciertas personas tienen distinto peso, ¿verdad? Y ese es el asunto del organigrama. Pero necesitas una masa crítica para avanzar. No vas a cambiar la forma de trabajar de una organización con una idea genial o con una métrica realmente genial.
Conor Doherty: Joannes, quiero lanzártelo de inmediato, porque, quiero decir, somos una empresa francesa—Francia es una cultura de alto contexto—aun así, como empresa francesa, tratamos—la mayoría de nuestros clientes están fuera de Francia. Entonces, en términos de cultura y de lograr las cosas, ¿cuáles son tus pensamientos?
Joannes Vermorel: Sí, o sea, eso es muy interesante. Claramente, lo que he observado es que en los EE.UU., ciertas compañías, especialmente las de tecnología, tienen un enfoque muy, muy enérgico y confrontacional en la gestión. Por ejemplo, el memo de Jeff Bezos en 2002, en el que básicamente envió un memo a todo su equipo, diciendo, “Cada gerente que en dos semanas no tenga un plan para exponer los datos de su propio departamento a través de una API (si es que aún no lo tiene)—si no tengo un plan de este gerente, lo despido.” Y terminó despidiendo—aquí se me olvida—el 15% de los gerentes.
Y sin embargo—eso es extremo. En Francia, eso sería impensable y casi imposible—extremadamente costoso. Es posible despedir, pero si lo haces de esa manera, sería simplemente increíblemente costoso. Pero la realidad es que, si miras a las empresas de tecnología—bueno, en su mayoría son de los EE.UU.—así que Amazon no surgió en Europa, ya sabes, surgió en los EE.UU. Y cuando observas a los otros gigantes tecnológicos y lo que han hecho en términos de gestión—durante años, Microsoft estaba—sí, no despedían, pero eran tan increíblemente brutales en muchos sentidos, y sin embargo, qué éxito.
Así que, en mi opinión, la cantidad de nemawashi versus brutalidad que necesitas depende un poco de qué tan rápido esté cambiando tu industria. Si tu industria cambia lentamente, entonces probablemente, ya sabes, el estilo japonés, constante, haciendo que todos estén contentos y siempre apuntando hacia algo mejor de forma incremental, sin perder tus activos humanos y demás—probablemente sea lo mejor.
Si tienes cosas que evolucionan, ya sabes, como el software, superrápido, entonces si haces eso, es probable que seas una empresa donde el ambiente es bueno, pero quedas obsoleta, y eres reemplazada por completo por personas que se han comido tu almuerzo. Así que estoy de acuerdo con eso. Diría, no—pienso que la respuesta depende realmente de lo que estén haciendo tus competidores y de cuánta disrupción aporten al juego. Esa sería mi opinión—así que, de nuevo, diferentes industrias, diferentes tiempos.
John Elam: Ese es un muy buen punto, porque en el software, ¿verdad?, usemos a Lokad como ejemplo. Si Lokad tiene esta función y la implementa y simplemente no es bien recibida, ustedes cambian la función, ¿verdad? Supongo que recibirán esa retroalimentación bastante rápido, y luego iterarán sobre ella, pudiendo obtener un nuevo resultado con bastante rapidez.
Mientras que, cuando fabricamos un Prius, ese Prius está en funcionamiento durante 20 años—más, durante más tiempo que toda mi carrera profesional, es probable que esos vehículos funcionen. Y por eso es tan crucial hacerlo perfecto desde el primer intento. Pero tienes razón—como estamos desarrollando software, y ese es un cambio cultural que enfrentamos trabajando en Toyota, eso es un desafío, ¿verdad? Estamos desarrollando software, estamos creando cosas que puedo simplemente actualizar. “Dime qué está mal, iteraré, te daré algo el próximo mes, dame más retroalimentación.”
Y toda esa forma de pensar es un desafío. Sin embargo, la compañía definitivamente lo está adoptando. Se pueden ver los engranajes girando y cambiando para ser, al menos en el área del software, un poco más flexibles, un poco más iterativos. Pero sí—definitivamente es un desafío. Pero tienes razón, creo que existe el tipo correcto de cultura y filosofía para el lugar y el momento adecuados.
Joannes Vermorel: Si se avecinan disrupciones masivas, entonces creo que la brutalidad gana. Pero, por otro lado, si eres constante, entonces simplemente estás generando caos sin razón. Y es—pero mira, por ejemplo, uno de los grandes ejemplos de esta absoluta brutalidad, y sin embargo fue una buena jugada, fue la adquisición de Twitter. Terminaron despidiendo al 90% de sus empleados, y al final, el producto tiene más funciones que nunca y ha aumentado en términos de tráfico. Lo cual es, obviamente, la cuestión para Toyota: ¿es concebible que despidiendo al 90% de las personas que trabajan en Toyota, produzcan más y mejores autos? No, ni de broma.
John Elam: He tenido la fortuna de ser contratado en una transformación digital, de modo que literalmente me contrataron explícitamente sabiendo que ese es el desafío, y hay una razón por la que tuvimos que reclutar a algunas personas desde afuera. Así que, en ese sentido, tengo cierta información privilegiada, de que la razón por la que estoy en la compañía es porque lo que hemos estado haciendo no nos llevará a donde nos gustaría llegar. Así que, en ese sentido, tengo suerte, pero eso no significa que básicamente cada stakeholder con el que me encuentre, aparte de mi cadena de liderazgo directa, esté en ese tipo de modo de, “Bueno, John, he tenido éxito haciendo esto de esta manera durante mucho tiempo.”
Conor Doherty: Es fundamentalmente cierto. Entonces, de nuevo, si entras con tu título en matemáticas del MIT y dices, “Bueno, todo esto es basura,” o incluso si—perdón, incluso si adoptas el enfoque de velvet love, que me encanta que lo describieras, John, el enfoque de la pizarra—aún así, te enfrentas a décadas y décadas y décadas de un éxito casi sin rival, altamente rentable. Entonces, ¿cuánta resistencia proviene simplemente de eso? Puede haber resistencia por, “No me gusta la tecnología,” o, “No estoy familiarizado con la tecnología,” y luego está, “No, hombre, el status quo—estamos bien, no necesitamos esto.”
John Elam: He tenido la fortuna de ser contratado en una transformación digital, de modo que literalmente me contrataron explícitamente sabiendo que ese es el desafío, y hay una razón por la que tuvimos que reclutar a algunas personas desde afuera. Así que, en ese sentido, tengo cierta información privilegiada, de que la razón por la que estoy en la compañía es porque lo que hemos estado haciendo no nos llevará a donde nos gustaría llegar. Así que, en ese sentido, tengo suerte, pero eso no significa que básicamente cada stakeholder con el que me encuentre, aparte de mi cadena de liderazgo directa, esté en ese tipo de modo de, “Bueno, John, he tenido éxito haciendo esto de esta manera durante mucho tiempo.”
Adam Dejans Jr.: Es un proceso lento. Es un proceso lento en Toyota. Fue lo mismo en Ford también, aunque—es algo propio de la industria automotriz. En Ford, trabajé en el grupo de vehículos autónomos durante un tiempo, y lo trataron como una startup, pero financiada a través de Ford Motor Company, ¿verdad? Así que, como, mucho dinero respaldándolo. Sí, quiero decir, pude notar la diferencia, y he visto software hecho correctamente porque tuvimos que movernos rápido en ese entorno, por lo que no había tanto de esa cultura jerárquica, propia de la industria automotriz. Pero sí, es diferente—simplemente toma tiempo.
Conor Doherty: Mira, llevamos trabajando de esta manera durante 30, 40 años, y somos una empresa de miles de millones de dólares—¿quién diablos eres tú para venir y decir, “Oye, necesitas dejar de hacer todas esas cosas”?
John Elam: Sí, es como, “Muéstrame a alguien que esté fabricando más autos que nosotros.” Vas a tener problemas.
Conor Doherty: Es fundamentalmente cierto. Entonces, de nuevo, si entras con tu título en matemáticas del MIT y dices, “Bueno, todo esto es basura,” o incluso si—perdón, incluso si adoptas el enfoque de velvet love, que me encanta que lo describieras, John, el enfoque de la pizarra—aún así, te enfrentas a décadas y décadas y décadas de un éxito casi sin rival, altamente rentable. Entonces, ¿cuánta resistencia proviene simplemente de eso? Puede haber resistencia por, “No me gusta la tecnología,” o, “No estoy familiarizado con la tecnología,” y luego está, “No, hombre, el status quo—estamos bien, no necesitamos esto.”
John Elam: He tenido la fortuna de ser contratado en una transformación digital, de modo que literalmente me contrataron explícitamente sabiendo que ese es el desafío, y hay una razón por la que tuvimos que reclutar a algunas personas desde afuera. Así que, en ese sentido, tengo cierta información privilegiada, de que la razón por la que estoy en la compañía es porque lo que hemos estado haciendo no nos llevará a donde nos gustaría llegar. Así que, en ese sentido, tengo suerte, pero eso no significa que básicamente cada stakeholder con el que me encuentre, aparte de mi cadena de liderazgo directa, esté en ese tipo de modo de, “Bueno, John, he tenido éxito haciendo esto de esta manera durante mucho tiempo.”
Es—ya sabes, honestamente—ese resultado puede tener una variedad de matices diferentes. Puede ser, como describí antes, servicio de guante blanco, servicio de pizarra, “vamos a co-crear”. A veces puede implicar mostrarles a su liderazgo o a sus ejecutivos, dependiendo del—mucho de esto tiene que ver con el organigrama, y de si eres capaz de identificar la influencia real—personas realmente influyentes a nivel de toma de decisiones, que es como ese nivel de vicepresidente, donde se toman las decisiones reales en una empresa de este tamaño. Y así, averiguando quién está conectado con ellos—francamente, a veces, si me encuentro con un obstáculo con un stakeholder, tienes que rodearlo y hacerle saber a su dirección lo que es posible, con otros aliados, ¿verdad? No se trata solo de que yo aparezca con, ya sabes, Frank contra Bob, sino de Frank y amigos contra Bob, que ha estado haciendo esto de esta manera durante 40 años, y esto es lo que significa para usted, Sr. y Sra. Ejecutivo—así es como van a cambiar sus KPIs, guiándolos a través de eso.
Pero afortunadamente, no me encuentro con—he tenido el privilegio de ser contratado como innovador digital—exactamente me trajeron como gerente de transformación digital, así que muchas personas saben que cuando suena el teléfono y ven a John Elam, saben que voy a hablar con ellos sobre cambiar algo, porque es literalmente parte de, como, de hecho, junto a nuestros títulos, que fuimos contratados para este equipo de transformación digital.
Entonces, cuando la gente se comunica, saben por qué estamos allí. Sí, no voy a mentir, no hay una solución mágica para eso. Se trata de trabajar con la gente, mucha paciencia—mucha paciencia. Quiero decir, te enfrentas a personas que han estado haciendo esto desde que tengo memoria, en algunos casos—literalmente. Quiero decir, tengo jefes que—ya sabes, tengo 36 años, hay gerentes con 40 años de experiencia en la compañía. Así que la paciencia te llevará muy lejos—despacio.
Conor Doherty: Y sé que cuando hablas de esto, a menudo utilizas ejemplos de la industria tecnológica, que obviamente suele ser mucho más ágil que las grandes compañías bien establecidas, de varias décadas, posiblemente incluso de 50 o 60 años, que tienen todos estos procesos preestablecidos y un legado de enorme éxito. Entonces, cuando tienes esas conversaciones, ¿cómo resuena para la gente ese “bueno, así es como funciona en el mundo tech”?
Joannes Vermorel: Creo que la realidad es que, cuando miras la historia de los negocios, esas compañías tan establecidas—es solo una ilusión de estabilidad. Ya sabes, si retrocedes—por ejemplo, una de las mejores cadenas minoristas de todos los tiempos, A&P, de la que casi nadie recuerda, pero que fue la cadena minorista más grande a nivel mundial durante la mayor parte del siglo XX, y estaban en los EE.UU., y ahora creo que ya no les queda ninguna tienda.
Así que ha habido tantos gigantes que parecían inexpugnables y que han desaparecido. Mi conclusión es que los mercados son excelentes filtros, y la industria del software es—y por cierto, existe esta tendencia general de que el software se está comiendo al mundo—que cada vez más veo que las industrias seguirán la dinámica de la industria del software, ya sea para bien o para mal, simplemente porque el software es una porción cada vez mayor de todo.
Por ejemplo, eso es muy interesante, si miras a SpaceX—SpaceX es, en su mayor parte, una empresa de software. Esto no es una compañía de cohetes, antes que nada es una compañía de software. Por ejemplo, la gran mayoría de las mejoras que han aportado a sus motores de cohete es a través de un software superior para concebir los motores—that’s where the true magic lies for their rockets. La mayor parte de la magia de los cohetes es esa habilidad de pilotaje sobrehumana, de modo que pueden recuperar sus cohetes—algo así como 30 segundos antes de tocar la plataforma de lanzamiento, el cohete todavía viaja a cientos de millas por hora.
Por cierto, el cohete está frenando a 20 Gs antes de aterrizar. Si fuera un humano, el humano moriría—la cosa está frenando demasiado rápido. Así que eso es algo en lo que ningún humano podría pilotar la desaceleración de 20 Gs. Ahí es donde solo el software puede hacerlo. De nuevo, fue muy, muy complicado, y hay muchos fracasos espectaculares, pero eso es muy—así que ya ves, es un ejemplo.
Y mañana, por ejemplo, para la industria automotriz, si los vehículos autónomos se vuelven, diría, de grado de producción—that’s not sure where exactly we are right now—pero, en gran medida, se convertirá en una batalla de software, plataformas y demás. Así que, eso es muy interesante porque veo muchas industrias así, y la idea—olvidé el nombre del VC que acaba de decir, “Software is eating the world.” Creo que fue Andreessen Horowitz.
De todos modos, veo eso, y creo que la transformación digital para muchas empresas y su supply chain y lo que pueden hacer con ello, va a ser uno de los vectores en los que, diría, el software está trayendo una de las mayores transformaciones para empresas que, de otra manera, son bastante tradicionales.
Conor Doherty: ¿Dijiste Andreessen? ¿Marc Andreessen?
Joannes Vermorel: Oh sí, es correcto, tienes razón, sí, exactamente.
John Elam: Sí, me viene a la mente Circuit City, ¿verdad? No sé si eran populares en Europa, pero fueron muy populares en los EE. UU.—se fueron, están en quiebra. De hecho, solía limpiarlos en el instituto.
Joannes Vermorel: Radio Shack, igual. Radio Shack, se fue. Nokia, Kodak.
Conor Doherty: Kodak es un ejemplo interesante del que has hablado antes. Kodak, corrígeme si me equivoco, ¿inventaron la cámara digital o la estoy recordando mal?
Joannes Vermorel: Cámara digital portátil, sí, y nada más. Y lo interesante es que tenían la proyección—that’s also interesting thing with Kodak—tenían el forecast, ¿verdad? Y literalmente, había un ejecutivo que, a principios de los 70, básicamente programó la dominancia de la cámara digital para principios de los 2000, y eso fue, ya sabes, con un margen de más o menos tres años, el forecast fue correcto. Y así, eso es lo interesante, que sí, puedes—aún peor—puedes tener el forecast correcto y no actuar en consecuencia, y es absolutamente terrible.
John Elam: Tengo una hipótesis. Me imagino que en Kodak hay muchas divisiones diferentes—probablemente, como, lentes, cámaras, película, servicios, etc.—y apuesto a que la parte de película y servicios era probablemente la mayor parte de la compañía. Así que los ejecutivos a cargo de eso tienen una voz desproporcionada en las decisiones que vamos a tomar, y tomaron decisiones que protegían su trabajo.
Joannes Vermorel: Esa era exactamente la razón.
John Elam: Sí, eso es porque—sí, la política siempre estará presente, y si no incentivamos a las personas a ayudar a la empresa, se ayudarán a sí mismas. Así que, ya sabes, parte—las estructuras de incentivación de las que hablo con mi liderazgo y otros líderes tecnológicos son, obtendrás lo que incentivas. Las personas funcionan como si fueran máquinas expendedoras. Yo funciono como una máquina expendedora. Obtienes lo que pagas. Vendedores—a mí me encanta, son los más puros, ¿verdad? Se nota directamente. Pero, francamente, todos lo son. Y así, si incentivas a las personas a proteger tu reino y tu dominio, protegerán absolutamente tu reino. Así que tenemos que tener cuidado con lo que incentivamos—puedes tomar decisiones muy, muy nefastas.
Conor Doherty: Adam, John, si hay algo a lo que quieran volver para profundizar o simplemente avisarme, podemos retomar el tema, ¿o están bien?
John Elam: Bueno, estoy tratando de pensar en cómo introducirlo, porque estaba relacionado con el lenguaje y la comunicación con la gente. Y hay algo que hemos incluido en nuestro libro, y es una imagen que no podrán ver aquí, pero trataré de—les conseguiré una imagen, para que puedan—como quieran buscarla. Y eso es, es este concepto de nuestro libro al que llamamos la “word wheel.” La robamos de la emotion wheel. Acérquense un poco, y sé que no pueden leer las palabras, pero el concepto es bastante simple.
En el borde, tienes la palabra más técnica y específica que buscas, y a medida que te acercas al centro, se vuelven más genéricas. Y el concepto es realmente simple: tus colegas—mucha gente en esta llamada—usaríamos estas en el borde, y, honestamente, caray, yo incluso quizá esté un poco más en el escalón intermedio, personalmente, si seamos sinceros. Sé que lo estaría, así que, es como, no sé—ya sabes, ¿cuál es una buena de aquí, como la búsqueda greedy best-first search? No lo sé, nunca estudié algoritmos de pathfinding, pero si me dijeras que era un algoritmo de pathfinding, podría, como, “Vale, al menos puedo imaginar en qué categoría debo encasillar esta conversación.” Y para un ejecutivo, sin embargo—que es, el ejecutivo y los clientes que colocamos en el centro—es lo más básico: es solo un algoritmo, ¿verdad? Simplemente estamos usando un algoritmo. Ni siquiera dicen pathfinding, porque luego dicen, “¿Pathfinding? ¿Qué es un pathfinding algo?—no lo saben, no hablan de estas cosas.” Y así, elegir el lenguaje correcto te ayuda a conectar con la audiencia adecuada—las personas que quieren datos específicos, dáselos. Las personas a las que no les importa—realmente no les importa, por favor, no los inunde con ello, no les importa. Es literalmente ruido, y el ruido es malo—el ruido siempre resta valor a tu mensaje real.
Conor Doherty: Pues, estoy algo confundido, porque si no usas palabras grandes, ¿cómo saben las personas que eres inteligente? ¿Les muestras tu título, o cómo funciona? Solo estoy—estoy tomando notas, John.
John Elam: Es realmente difícil, ya sabes, usar palabras grandes, parecer grande, ¿verdad? El punto es la humildad, ¿no? Y creo que una de las cosas más importantes es que todos allá afuera saben mucho más de lo que yo—simplemente trato de verlo como que hay mucho más para que yo aprenda de lo que hay para que yo enseñe.
Trato de enseñar—ya sabes, enseñar significa conectar, y enseñar no significa solo decir palabras o conceptos. Enseñar significa meter mi idea en tu cabeza, y si a veces hasta tengo que usar la palabra equivocada—como, ya sabes, técnicamente es la palabra incorrecta o técnicamente eso no es—no es una analogía perfecta, pero obtienes una mejor comprensión, sí, lleguemos ahí, lleguemos ahí. El punto es simplemente tener una mayor comprensión de lo que puedo y no puedo hacer, y así, incluso si no es perfecto—una explicación simple, muchas veces, dependiendo de la audiencia, una explicación simple que no es perfecta es mejor que una respuesta perfectamente detallada y altamente matizada.
Joannes Vermorel: Una perspectiva un poco contraria, ligeramente. Pero, obviamente, estoy de acuerdo con la idea de que si das una respuesta que simplemente se te pasa por encima de la audiencia, no es una buena respuesta. Pero una respuesta un poco contraria es, en esta era de LLMs, me he encontrado muy frecuentemente falto de palabras, y me di cuenta de que probablemente una de las cosas más importantes que se debería enseñar es tener un vocabulario muy amplio, solo para poder hacerle al LLM las preguntas correctas—las preguntas que buscas. Y eso es—muy frecuentemente es, ya sabes, expresarlo en palabras—¿qué es lo que estoy preguntando? Y a veces hay palabras muy específicas que simplemente se me escapan, obviamente.
Y eso es muy interesante, porque, verás, ahí es donde se vuelve ligeramente contraria, ya que soltar palabras de moda en esta era de LLM puede ser lo mejor que puedes hacer por tu audiencia. Digamos, tienes todas esas palabras—sí, no voy a pasar una hora dándote todo—todo, puedes hacer este trabajo por tu cuenta con un LLM, haciendo preguntas. Pero yo te estoy dando la lista de palabras que te dan algo a lo que aferrarte y preguntar al LLM, y luego el LLM es como—ya sabes, puede que no sea muy sabio, pero es extremadamente, extensamente conocedor, especialmente en trivialidades cuando se trata de conceptos y—por ejemplo, “nemawashi”—muy interesante. Me das la palabra clave, y ahora estoy bastante seguro de que ChatGPT puede darme el resumen de tres páginas. Si quiero tener el resumen de 10 páginas, estoy bastante seguro de que lo puede hacer. Si solo quieres tener el resumen de un párrafo, lo mismo.
Por eso realmente pienso que ahí es donde se diferencia ligeramente, donde este enfoque al vocabulario—en el pasado, habría dicho que soltar toneladas de conceptos a los estudiantes probablemente habría sido una pérdida de tiempo, pero en esta era de LLM—ah, eso es bastante interesante, y quizá lo único que deberían llevarse es una página con cien palabras y apuntes.
Adam Dejans Jr.: No, yo solo iba a decir que es muy dependiente de la audiencia. Es decir, incluso si le das a un ejecutivo esas palabras, realmente no le importan, y de todos modos no las va a buscar. Así que si no transmites tu punto en tres minutos, no lo va a buscar, y no va a usar un LLM, incluso si lo tiene. Es, como, entender a tu audiencia y adaptarse a ella, lo cual también es clave. Así que, depende de lo que queramos decir aquí.
John Elam: Como un analista senior que no sabe qué es la optimización estocástica, y es—ya sabes, casi todos los analistas con los que he interactuado son personas sumamente curiosas, son estudiantes de por vida. Ese tipo de persona, voy a soltar algunas palabras grandes y dejar que las investiguen. Así que sí, supongo que estoy de acuerdo con ambos. Los LLM están haciendo que yo haya aprendido tantas cosas que nunca habría buscado porque ahora puedo obtenerlo digerido a mi nivel. Y especialmente, ya sabes, ahora tienen historia, conocen el tipo de cosas que yo sé, así que puede ser como, “Bueno, ¿sabes cómo estás trabajando en ese otro proyecto? Es algo así,” ¿no? El LLM puede responder cosas como esas, y realmente ayuda.
John Elam: Pero, en cuanto al punto de Adam, muchos de los ejecutivos con los que al menos he interactuado no tienen esa curiosidad natural e innata para, francamente, profundizar en un concepto. Así que, tiene que impactar.
Adam Dejans Jr.: Incluso la gerencia media—sí, a mucha gerencia media no le importa.
Conor Doherty: Me gusta mucho la manera en que lo abordas—bueno, todos lo han descrito, pero de nuevo, como alguien—enseño retórica y también he enseñado escritura técnica, y para mí el prisma que aplico a básicamente todas las formas de comunicación (y lo notarás en la forma en que les envío mensajes) es adaptarme. Así que, es audiencia y propósito—¿a quién voy a hablar, qué saben ya, qué necesitan saber, cuáles son sus habilidades preexistentes? Propósito—¿qué es exactamente lo que quiero transmitir, qué quiero obtener de ellos? Y esos dos—pensándolo, como cada correo, cada mensaje, cada informe, cada PowerPoint, cada discurso, cada video—audiencia y propósito. ¿Quién está viendo, qué es lo que intentas transmitirles o conseguir de ellos, por qué haces esto? Y entendiendo eso—de nuevo, en lo que apuntas, Adam—entender a tu audiencia, entonces hay limitaciones: ¿tiene la audiencia el nivel de conocimiento preexistente para entender lo que sucede? ¿Tienen el tiempo, tienen la inclinación? Estas son prioridades cambiantes, son cosas distintas. ¿Están cansados, les falta glucógeno en el cerebro porque son las 6:00 p.m.?
De verdad—porque son las 6:00 p.m. debido a la diferencia horaria. Empezaste tu día, estás fresco, acabas de tomar un café—están agotados. De nuevo, ese sería el contexto. Así que, de nuevo, audiencia, propósito, y luego contexto—¿dónde está ocurriendo la conversación? Pero, en cualquier caso, para pasar a mi pregunta final: si la gente quiere aprender más sobre retórica, recomiendo a Aristóteles. Pero si la gente quiere aprender más sobre forecast probabilístico o supply chain, hubo una pregunta que me hicieron en una encuesta que hice para esta entrevista, y fue muy simple: “Para la gente—Connor, por favor pregunta a la audiencia, o pregunta al panel, por algunas recomendaciones, ya sea sobre optimización de supply chain, forecast probabilístico, o incluso solo consejos.” Así que, última pregunta, en orden inverso: Joannes, ¿alguna recomendación de libro o consejo que compartirías para las personas que quieran aprender más?
Joannes Vermorel: Quiero decir, la serie de conferencias que produje en YouTube—si tienes horas, siendo justos, espero que sean bastante buenas, pero es un viaje de 100 horas, así que necesitas el tiempo y es un compromiso, por decirlo así.
Conor Doherty: Pero también hay LLMs que pueden resumir las transcripciones. Sí, la transcripción completa también está en el sitio web—si tienes un LLM, puedes condensarla en una página. Sí, muy bien. John.
Adam Dejans Jr.: ¿Por qué no lo haces por nosotros y masticas nuestra comida?
John Elam: Un libro que recomendaría, y que, por supuesto, viene de mí, el tipo de producto, es “The Lean Startup” de Eric Ries. No es necesariamente un libro técnico en absoluto—de hecho, probablemente no es una recomendación que esta audiencia escuche frecuentemente—pero se trata, este libro trata sobre el producto y la resolución de problemas. Y así, sí, Eric Ries hizo un libro realmente bueno, tiene algunos ejemplos muy buenos de cómo pruebas tu idea, simplemente en un sentido general.
John Elam: Y habla sobre cómo diferentes agencias gubernamentales han logrado hacerse más ágiles y, en realidad, crear más valor para los ciudadanos. Tiene numerosos ejemplos de distintas startups que comienzan sin ninguna tecnología—zero tech. “¿Es este siquiera un problema real y la gente pagará por ello?” Y literalmente, están acompañando las cosas manualmente, enviando correos manualmente, solo para probar: ¿vale la pena resolver este problema? Porque creo que a veces gastamos mucho dinero resolviendo un problema que existe, pero nadie está dispuesto a pagar para que desaparezca. Así que ese es un libro que recomendaría: “The Lean Startup” de Eric Ries.
Adam Dejans Jr.: Sí, creo que si buscas libros técnicos, hay muchos para encontrar. Yo vuelvo a un libro llamado—lo leí durante la era de consultoría de mi vida—llamado “Just Listen” de Mark Goulston. Y este libro trata más de cómo lograr que las personas pasen de una postura defensiva a compartir realmente empatía con ellas y persuadirlas, lo cual creo que es más importante que la parte técnica. Siempre puedes encontrar el concepto técnico en alguna parte. Y luego, por supuesto, nuestro propio libro—¿ya conseguiste el trabajo con datos, y ahora qué?
“You Got the Data Job, Now What?”—este es un libro que publicamos, John y yo. Este libro surgió del hecho de que vimos que muchos de nuestros colegas, que son muy inteligentes, a menudo tienen sus ideas ignoradas simplemente porque no sabían cómo presentarlas o no habían construido las relaciones correctas o la base adecuada antes de avanzar. John puede ampliar.
John Elam: Sí, fue muy divertido armar este libro porque básicamente fue la culminación de todos los problemas que he sentido a lo largo de mi carrera, y muchos de los problemas que Adam ha sentido a lo largo de la suya. Así que, en cierto modo, repasa algunos de los fundamentos para tener una buena carrera y generar un impacto en el trabajo. Y cuando digo impacto en el trabajo, me refiero a que incluso en espacios académicos—por ejemplo, si creas este algoritmo nuevo realmente impresionante y es revisado por todas estas revistas pero nadie lo utiliza—ya sabes, con suerte tu investigación se use una vez que pases, supongo, tal vez, no sé, pero quieres que importe.
Y así, todo el libro comienza con la comunicación como el primer capítulo. Hay tantas pequeñas cosas en la comunicación que intentamos cubrir, que yo, siendo un ingeniero joven, pensé, “Voy a mostrarle a la gente que este es el camino correcto—simplemente objetivamente correcto, ¿por qué no?” Y aprendí que en realidad no es así—somos humanos, muy emocionales, hemos evolucionado para ser criaturas muy sociales que aman las historias, nos conectamos con ellas.
Y así, en el libro encontrarás muchas cosas sobre el word wheel que acabamos de compartir, encontrarás diferentes técnicas de narración, y de hecho encontrarás una de las cosas de las que estabas hablando, Conor, como que, cuando presentas, hay todo un marco de cinco preguntas que necesitas hacerte: ¿por qué estás aquí?, ¿por qué está aquí tu audiencia?, ¿en qué estado se encuentran?, ¿qué es lo que realmente quieres comunicar?, y ¿cuál es el llamado a la acción después?
Y si no haces eso, entonces solo estás hablando, y quizás logres transmitir tu punto, pero si puedes expresar, “Esto es lo que quiero que la gente sepa y en qué situación se encuentran,” puedes guiarlos por ese camino. Y hay otras cuestiones, como ¿cómo inicias tu primer proyecto de datos, y cómo es que se ve? Para aquellas personas que tal vez han participado en un proyecto pero quizá nunca han dirigido uno de principio a fin.
Y luego, una de las últimas cosas de las que quiero hablar en el libro y que creo que es importante pero a menudo se pasa por alto es nuestra sección sobre liderazgo—liderazgo, hablando tanto de liderazgo formal como informal—pero una de las principales cosas que desearía haber aprendido antes era cómo armar business cases. Si hubiera sabido cómo poner juntos un business case cuando era un ingeniero joven, se habrían financiado muchos más proyectos que habrían ayudado a las empresas para las que trabajé.
Y lo principal que quiero que la gente se lleve de esos business cases es lo ridículamente simples que son. Nunca he visto un business case con más de 10 ítems. Siempre es, “Esto es lo que hacemos hoy, esto es lo que cuesta cada mes, esto es lo que me gustaría hacer mañana, este es el costo fijo, este es nuestro costo variable, esta es la diferencia,” y luego la gente dice, “¿Dónde firmo?” Así que es muy simple. Cuando decimos “back of the napkin,” no puedo enfatizarlo lo suficiente—no creo haber visto una decisión empresarial sobre dinero que no fuera una decisión back-of-the-napkin.
Solo estamos tratando de hacer lo mejor que podemos en el momento con la información que tenemos. Así que, sí, con suerte la gente encuentre algo de valor en el libro—también hay algunas historias divertidas de nuestros éxitos y de nuestros tropiezos, así que con suerte la gente encuentre valor en él.
Conor Doherty: Terminaré diciendo que está disponible en Amazon. Exacto—bueno, porque tú fuiste muy tímido para hacerlo, yo lo haré por ti. Pero bueno, gracias chicos, se los agradezco. No se preocupen. No tengo más preguntas. Adam, John, de verdad, sé que los he tenido ocupados por mucho tiempo, así que muchas gracias por acompañarnos—de verdad, se los agradezco.
John Elam: Ha sido un placer, gracias por invitarnos.
Conor Doherty: Gracias a todos los demás—yo digo, vuelvan al trabajo.
