Introducción a supply chain, Capítulo dos - Ep 189

00:00:00 Preparación del Capítulo dos y perspectiva del lector
00:04:30 Deriva de la terminología y confusión de los profesionales
00:08:55 Por qué ‘planning’ en ERP engaña
00:13:25 Evita las trampas del planning en ERP; Excel no es algo de lo que avergonzarse
00:17:55 Crítica a las buzzwords y los neologismos de Lokad
00:22:25 Usando un lenguaje defectuoso sin promesas vacías
00:26:55 La investigación operativa se convirtió en supply chain, luego divergió
00:31:25 Supply chain pre-científica y estándar de falsificación
00:35:55 Las decisiones estocásticas requieren ensayos repetidos
00:40:25 Promesas rotas de automatización y cambios en los objetivos
00:44:55 Las afirmaciones de optimalidad fallan cuando surgen métodos superiores
00:49:25 Evidencia histórica de décadas de estancamiento
00:53:55 Por qué los avances reales se difunden; supply chain se queda atrás
00:58:25 ¿Acabarán las afirmaciones contundentes por alienar a los profesionales?
01:02:55 Crítica de la teoría del fango: afirmaciones amorfas resisten la refutación
01:07:25 Ciencia práctica: juzga los métodos por su historial
01:11:10 Bases de datos gráficas como ejemplo de hype de advertencia

Resumen

Conor prueba el capítulo “Historia” de Joannes como una herramienta práctica, no como un desvío. Joannes sostiene que la terminología es un campo de batalla: los significados se desvían, los proveedores explotan la confusión y las etiquetas incorrectas desvían los presupuestos—el “planning” de ERP es el caso principal. Conor cuestiona el propio argot de Lokad (“holimization”); Joannes afirma que la diferencia radica en la sustancia y la transparencia, no en el intercambio de palabras de moda. La afirmación más grande: la supply chain theory dominante es “pre-científica” porque evita la falsificación; décadas de documentos “óptimos” no se adoptan, por lo que las teorías no funcionan. Regla práctica: confía en la historia, no en el hype.

Resumen Extendido

Conor enmarca el episodio como una prueba de estrés del libro de Joannes Vermorel: no como una conversación interna amistosa, sino como lo que un profesional promedio—uno de millones—desafiaría o malinterpretaría. La fricción inmediata es estructural: el capítulo dos es “Historia” en un libro comercializado como un playbook práctico. Joannes sostiene que la historia es práctica precisamente porque supply chain está inundado de términos cuyos significados se desvían a lo largo de las décadas, y los proveedores explotan esa desviación. Si no controlas el vocabulario, ni siquiera puedes buscar de manera efectiva, y mucho menos evaluar afirmaciones.

El ejemplo central es “enterprise resource planning.” Los modernos ERPs en gran medida no hacen “planning,” sin embargo, el nombre persiste debido a juegos de mercado y batallas de marca de décadas pasadas. El costo de creer en la etiqueta no es académico—es financiero y organizacional. Las empresas intentan forzar el planning en sistemas diseñados como registros, queman años, y eventualmente recurren a hojas de cálculo. La lección no es que “las palabras importan” en un sentido poético, sino que “las palabras desvían” en un sentido operativo: la etiqueta equivocada dirige presupuestos, atención y expectativas hacia callejones sin salida, mientras proveedores y consultores rara vez dicen que no.

Conor luego presiona una segunda contradicción: Joannes ataca las buzzwords, pero Lokad acuña términos como “holimization.” La defensa de Joannes no es que Lokad evite completamente el argot, sino que introduce nuevos términos de manera comedida y les confiere sustancia—métodos públicos, documentación y afirmaciones comprobables—en lugar de intercambiar sustantivos de moda (blockchain ayer, generative AI hoy) mediante copias de marketing sin cambios operativos.

El argumento escala a la tesis de Joannes de que la teoría dominante de supply chain es “pre-científica.” Su referente es la falsificación: las afirmaciones deben estar expuestas al fracaso por parte de la realidad. Señala décadas de documentos académicos “óptimos” de inventario que raramente se usan en producción y considera que esa falta de adopción—a pesar de la generalizada conciencia corporativa sobre la investigación—es evidencia de que las teorías no funcionan en la práctica. Conor objeta que los supply chains son variables, distribuidos y humanos, lo que hace que una falsificación al estilo de la química sea poco realista. Joannes concede que el ruido es alto, pero insiste en que la falsificación sigue siendo necesaria, incluso si requiere ensayos repetidos y pruebas comparativas.

El consejo práctico es contundente: usa la historia como un sustituto de la verdad. Rastrea lo que se ha prometido durante décadas, nota cuándo las promesas se encogen incluso cuando la tecnología se vuelve “más avanzada,” y descarta las ideas de larga data que aún no han dado resultados (él cita a las graph databases). En resumen: sigue los incentivos, desconfía del lenguaje de marketing y trata los resultados estancados como el dato más decisivo.

Transcripción Completa

Conor Doherty: Entonces Joannes, bienvenido de nuevo a the Black Lodge. Este es el episodio dos de una serie en curso donde tomamos tu nuevo libro, Introduction to Supply Chain, y vamos capítulo por capítulo discutiéndolo, analizándolo, y lo más importante, intento presionarte en puntos de posible confusión o desacuerdo. Y para ello, adopto la perspectiva de uno de los, digamos, 10 millones de profesionales en el mundo que podrían recoger tu libro. No te conocen. No conocen Lokad. Nunca han oído hablar de Supply Chain Quantitativa. No me conocen a mí—deseo que así sea—y simplemente toman tu libro y comienzan a leerlo.

¿Cuál sería su reacción si pudieran sentarse aquí? ¿Qué te dirían al leer ciertas cosas? Entonces, te toca responder, esencialmente, al potencial público lector de este libro.

Dado que—y este es el segundo episodio—en el primer episodio cubrimos el capítulo uno. Si no lo has visto, animo a la audiencia a hacerlo porque esta es una conversación en evolución. Probablemente haremos referencias a episodios anteriores a lo largo de la serie. Así que, para entender el contexto, lee el libro—o lee el libro y mira los episodios en orden.

Pero de todos modos, sigamos. Así que hoy es el capítulo dos. El capítulo dos que llamas “Historia.” Ahora, un detalle clave aquí: esto no es un prólogo. Esto no es una introducción. De hecho, no hay ninguno en el libro, y ni siquiera hay un índice en el libro. Entonces, este es el capítulo dos, llamado “Historia,” en un libro que, según afirmas en la contraportada, es un playbook para mejorar la calidad del servicio y el margen bajo restricciones del mundo real. Hay otras afirmaciones, pero nuevamente, esa es la afirmación principal.

Entonces, mi pregunta es: el capítulo dos es “Historia,” en el que retrocedes 200 años y describes los orígenes de supply chain. Citas a matemáticos franceses del siglo XVIII. Hablas de investigación operativa. Hablas de proveedores y su fetiche por inventar términos. Entonces, mi pregunta es: ¿contribuye esta historia de manera práctica a un playbook para los profesionales?

Joannes Vermorel: Sí, lo hace, porque el panorama está lleno de palabras—palabras clave—que no necesariamente significan lo mismo, y que ciertamente no significaron lo mismo dependiendo de la década que se considere.

Y así, uno de los desafíos para los profesionales es simplemente darle sentido a todos esos términos. Entonces, ¿de qué estamos hablando? Estamos hablando de cosas como logística, o supply chain, o investigación operativa, entre otras.

La realidad es que los proveedores aún utilizan esos términos. Las empresas siguen usando esos términos. Y encontrarás montones de documentos en línea que también usan esos términos, pero a veces con diferentes significados.

Entonces, cuando trato de aclarar un poco el panorama, llegué a la conclusión de que adoptar, diría yo, una perspectiva histórica ligera—es un capítulo relativamente corto—era probablemente la manera más sencilla de entender dónde estamos ahora en términos de terminología, y de aclarar lo que la gente quiere decir con esos términos, o en realidad solían significar con esos términos.

Y de nuevo, para un profesional importa, porque necesitará entender el panorama. Supply chain no es algo que se haga, diría yo, en estricto aislamiento como la geometría. Necesitarás interactuar con herramientas, sistemas, proveedores, socios, y demás, y por ello tiene importancia darle sentido.

Además—y estos son los pensamientos finales—también es un ejercicio interesante de realizar porque es el primer paso hacia un camino hacia una mentalidad adversarial en lo que respecta a supply chain.

Conor Doherty: Volveremos a lo adversarial—bueno, quizás puedas responder eso con esta pregunta. Entonces, cuando hablas de los términos, ¿puedes dar algún ejemplo de por qué son tan importantes? Exactamente. Así que, nuevamente, desde la perspectiva del profesional, estás diciendo que los proveedores hacen un mal uso del lenguaje. Das ejemplos en el libro—te dejaré citar los tuyos—pero, ¿qué ejemplos puedes dar? Y, lo que es importante, ¿por qué son tan problemáticos que es necesario dedicar tiempo en un playbook para que los profesionales los conozcan?

Joannes Vermorel: Entonces, de nuevo, si no conoces los términos de tu propio ámbito, estás ciego. No tienes ni idea de qué buscar. Ni siquiera puedes usar Google, e incluso ChatGPT se quedará un poco desorientado si haces las preguntas equivocadas, simplemente porque no dispones de las palabras.

Me tomó, cuando empecé con Lokad, unos años darme cuenta de cuánto me faltaba, simplemente porque me faltaban las palabras. No me había percatado, por ejemplo, de que algunas palabras significaban algo radicalmente distinto hace tres décadas.

Entonces, lees un documento y solo genera confusión porque: ¿qué está pasando aquí? Hablan de logística, pero de una manera que simplemente no tiene sentido en comparación con lo que he visto en línea. ¿Qué está ocurriendo? Y la realidad es: la terminología ha cambiado a lo largo de las décadas.

Así que, para un profesional es muy importante. Creo que dominar el vocabulario es probablemente el primer paso para realmente volverse bueno. Necesitas comprender los términos, de lo contrario ni siquiera serás capaz de entender el material que encuentras en línea. Ni siquiera podrás buscar de manera eficiente en Google, y ni siquiera podrás hacer preguntas relevantes.

Entonces ves, esos términos son inmensamente importantes. Y debemos recorrer ese camino porque, debido a los incentivos, muchos de esos términos se han introducido no por pura pureza científica, sino con una agenda en mente.

Conor Doherty: Nuevamente, ¿puedes darme un ejemplo de un término? Porque, otra vez, ¿a qué te refieres—como forecasting? Presumo que no te refieres a forecasting.

Joannes Vermorel: No. Creo, por ejemplo, en el término “planning.” Si empiezas a pensar en planning y “enterprise resource planning,” bueno, esa es la clase de cosas donde se vuelve muy confuso.

Porque si piensas en la actualidad en la gran mayoría de los ERPs—y es por eso que la gente ya no dice “enterprise resource planning”—es porque esos softwares no se tratan de planning. Así que utilizan “ERP” como un sustantivo precisamente porque, bueno, ya no hay planning, y simplemente no tiene sentido.

Ahora, para entender un poco: está bien, tenemos esta pieza de software que es muy importante. Se llama “planning,” pero no hace planning. ¿Por qué lo tengo? La respuesta es, esencialmente, juegos jugados por analistas de mercado en los años 90.

Y en ese momento, para entender un poco, esas cosas deberían haberse llamado “enterprise resource management.” Pero debido a los juegos jugados por analistas de mercado y software vendors, intentaron impulsar antes de retroceder en el área del planning. Y así, estamos atascados con esta terminología de “ERP.”

Pero este es el tipo de cosa que es importante entender porque, por ejemplo, eso significaría que dentro de tu ERP, a pesar de su nombre técnico, no hay planning—al igual que en “business intelligence” no hay inteligencia.

Entonces, de nuevo, inicialmente, cuando entras en este dominio, las terminologías son tan malas. Y para darle sentido, es mucho más fácil entender un poco la anécdota histórica que nos llevó a esto. Es más fácil de comprender y de memorizar.

Conor Doherty: Oh, no estoy en desacuerdo con—no creo que nadie esté en desacuerdo con la presentación. Nuevamente, supón que todo es correcto y que el recuento de la historia es correcto. No creo que nadie discuta sobre la semántica del punto.

Lo que pregunto es sobre el impacto de este punto. Entonces, si te digo, “Sí, sí, estoy de acuerdo. No hay planning en ERP.” ¿Qué cambia eso para mí como profesional desde el primer día? El día cero es: leo el libro. El día uno: ahora sé que esos términos están siendo mal utilizados. ¿Qué cambia?

Joannes Vermorel: No intentaré hacer planning dentro del ERP. Verás, es inmensamente trascendental, porque algunas empresas intentan hacer el planning—el pobre software, nunca fue diseñado para hacer este tipo de cosas. Es una base de datos relacional. Está completamente en desacuerdo—es un sistema de registros—está totalmente en contra de este propósito, y sale extremadamente mal.

Y literalmente desperdician medio decenio en este tipo de cosas. Quiero decir, puedes ir a Lidl, y desperdiciaron medio billón, literalmente, a lo largo de un viaje de siete años con SAP, intentando esencialmente hacer lo que un sistema de registros nunca ha sido diseñado para hacer, que es realizar cualquier tipo de analítica avanzada. Salió extremadamente mal.

A lo largo del camino en Lokad, he notado que he visto muchas empresas enfrentarse al mismo problema. De nuevo, eso es algo que comienza con el vocabulario. Si te engañan y piensas que tu ERP se supone que debe hacer planning, entonces ese va a ser el lugar donde lo buscarás.

Y he aquí que encontrarás un proveedor que pretenderá que puede, porque los vendors de software empresarial—al igual que los consultores—nunca dicen que no. “¿Puede tu software hacer algo?” y la respuesta es invariablemente sí. Y si no podemos, simplemente tendremos un módulo o una pequeña personalización para ello.

Entonces, de nuevo, tener la terminología correcta es un punto de partida para dirigir tu atención y tus esfuerzos hacia áreas que tengan sentido. Esto es sumamente trascendental.

Nuevamente, para los profesionales, o para las personas que compran el software: si soy un CFO y apruebo un presupuesto para un ERP y tú dices, “Es medio billón de euros para un sistema de registros,” eso no tiene sentido para nadie, porque de nuevo, esos softwares son hipergranulares. Tienes miles y miles de características, y para entenderlo necesitas tener una comprensión a nivel alto.

Entonces, nuevamente, incluso si no vas a cambiar el software, al menos una vez que lo sepas, sabrás que si lo único que tiene tu empresa es un ERP, pues que así sea. Tu planificación se realizará en Excel. No te avergüences por ello. Es simplemente como es y está bien.

No deberías pasar años intentando hacer eso dentro de tu base de datos SQL. No irá de manera fluida. Será extremadamente doloroso y tedioso, y, en última instancia, será reemplazado por una hoja de cálculo.

Así que ese es también el tipo de cosas que es muy importante entender. Y, nuevamente, los incentivos son extremadamente fuertes, y eso significa que te enfrentarás a un montón de personas que te mentirán constantemente.

Y, nuevamente, pienso que las mentiras más grandes suelen ser a través del lenguaje mismo, porque es lo que quieres. Y muchos proveedores han tenido tanto éxito—los proveedores de software han tenido tanto éxito—que literalmente distorsionan la realidad mediante la terminología. Simplemente intentas moldear el idioma, el inglés, de tal manera que te coloque en un pedestal de alguna forma. Y funciona, en cierto modo. Quiero decir, en cierto modo, pero sí funciona.

Y ese es el tipo de cosas que debe ser abordado. De lo contrario, como profesional, perderás una cantidad inmensa de tiempo y esfuerzo en esencialmente seguir caminos que son callejones sin salida.

Conor Doherty: Bueno, cuando hablas de incentivos, y de la capacidad de desentrañarlos y diagnosticarlos, y de, esencialmente, oler la mierda. Así que, ya sabes, ERP: realmente no es planificación. Debería ser gestión. Y es un sistema de registros. No es un sistema de toma de decisiones o de inteligencia.

Has llegado a eso porque tienes mucha experiencia y un amplio conocimiento interdisciplinario. Ahora, en el capítulo uno—y es por eso que es importante verlos en orden—en el capítulo uno afirmas que existe una falta de formación formal en supply chain.

Entonces, mi pregunta es: ¿cómo es exactamente que el lector—nuevamente, el profesional promedio, uno de 10 millones según acordamos como orden de magnitud—cómo es que el profesional promedio que no posee tu nivel de experiencia toma la información en estos capítulos y la aplica en el mundo real? Quiero decir, no tienen tu conocimiento en informática, economía, matemáticas o lo que sea.

Joannes Vermorel: Precisamente para eso es este libro: para proporcionar el mínimo trasfondo cultural de modo que no estés completamente perdido, y también para que entiendas un poco las batallas que están ocurriendo en este campo, y las enmarques correctamente.

Por ejemplo, si nos referimos a este ERP: ves, si retrocedes a la mayoría de lo que encontrarás en línea entre ERP y APS—sistemas avanzados de planificación—encontrarás que la mayoría de las personas involucradas, como proveedores en esas batallas, lo enmarcan como “generalista versus especialista”, como si el ERP fuera una solución generalista y el APS, sistemas avanzados de planificación, fuera la solución especializada.

Y aquí, nuevamente, ese es el punto que se plantea en este capítulo: es simplemente una forma completamente equivocada de expresarlo. Porque entonces da la impresión de que los sistemas de registros son, en realidad, un candidato válido para la planificación. Nunca lo fueron y nunca lo serán.

Así que, ya ves, ahí es donde, nuevamente, necesitamos revisar ese tipo de terminología, porque son tan malas que resultan extremadamente confusas. Deben ser reemplazadas por algo que sea más consistente y tenga más sentido.

Y para los planificadores, nuevamente, en términos de llamado a la acción: si no puedes pensar en tu dominio al menos de forma algo clara, va a ser extremadamente, extremadamente confuso.

Conor Doherty: Muy bien. Pues, con esa nota, sigamos un poco, porque, nuevamente, una parte clave del capítulo es que atacas—quizá de forma justa—a los proveedores por el uso del lenguaje.

Y debo poner un poco de contexto aquí porque quiero citar en contexto. Así que usas el término—dices que el supply chain se sitúa entre la precisión euclidiana—un lenguaje muy, muy preciso—y la jerga cambiante de la IA. Y dices que las etiquetas cambian cada década. Lo has establecido.

Señalas que los proveedores utilizan palabras de moda para, cito, “adular organigramas y presentaciones de marketing.” Escribes, y esto es importante: “Una maniobra ya clásica es acuñar, o al menos adoptar, nuevos términos cada pocos años para refrescar la oferta y la marca.”

También escribiste, cito: “La terminología de supply chain permanece en constante cambio y los proveedores están más activos que nunca. Algunas consultorías abogan por un supply chain ágil, dinámico y holístico.”

¿Estás de acuerdo con todo eso?

Joannes Vermorel: Es justo. Sí. Exactamente. Eso es literalmente lo que dice el libro.

Conor Doherty: Exactamente. Ahora, también tiendes a esparcir neologismos oscuros y términos académicos no solo en el libro, sino en tus presentaciones de marketing en general.

Por ejemplo, la semana pasada publicaste un blog sobre holimization, que es una mezcla de holistic y optimization. Holistic, como te acabo de citar, es un ejemplo explícito de las palabras de moda que usan los proveedores—de los cuales nosotros también somos uno. Así que, por un lado, criticamos a los proveedores por usar cierto lenguaje y, en cierto modo, embaucar a las personas utilizando un lenguaje opaco.

Pero, ¿cómo respondes a la afirmación que alguien podría hacer, si está familiarizado con tu trabajo, de que parece que nosotros también lo estamos haciendo?

Joannes Vermorel: Sí, pero mejor. Está bien.

No, la realidad es que la mayor parte de la apropiación del lenguaje por parte de los proveedores de software empresarial es simplemente increíblemente superficial. Y ellos, según tengo entendido, Lokad es uno de los muy, muy pocos proveedores que incluso está intentando ser preciso en cuanto a la terminología sobre lo que quieren decir con planificación, qué quieren decir con forecast, qué quieren decir con optimización, o los límites de la optimización.

Y lo que Lokad está haciendo con holimization, por ejemplo—este grado de atención—es, creo, una de las características clave de la iniciativa de Lokad.

Mis colegas—nuevamente, podría estar sesgado aquí—pero mi percepción es que mis colegas no son ni de lejos tan precisos en su vocabulario como Lokad. Ni siquiera lo intentan, y probablemente ni siquiera les importa.

Conor Doherty: Pero dirían lo mismo acerca de su literatura. Es decir, “Definimos nuestras cosas muy claramente. Mira nuestro sitio web.” Tú dices, “Mira mi libro.” Estos son argumentos de autoridad.

Joannes Vermorel: No, no, no. Quiero decir, ya ves, la mayoría—ni siquiera llegan a donde Lokad está haciendo algo que es bastante único para supply chain—no único en el conocimiento humano general—sino que es invertir realmente en hacer disponible mucha documentación pública para respaldar esas afirmaciones.

Porque, ya ves, la maniobra típica de mis colegas es decir: hay una palabra de moda, “blockchain.” Generas, diría yo, 50 páginas donde aparece la palabra “blockchain.” Y luego hay una nueva palabra de moda, “generative AI,” y puedes simplemente hacer un cortar y reemplazar: reemplazar las palabras clave de “blockchain” por “generative AI,” y las páginas que acaban de ser publicadas funcionan exactamente igual.

Ese es mi problema. Y Lokad no hace eso.

Así que, ya ves, imagina que te doy un folleto—de 50 páginas—que dice que Lokad es tan genial porque ha adoptado el blockchain. Y ahora hay una nueva palabra de moda, “generative AI.” Literalmente puedo hacer Ctrl+H, “buscar/reemplazar todo,” las palabras clave de blockchain por “generative AI,” y tu documento funciona exactamente igual.

Esa es la clave. Y Lokad no hace eso. Así que, ya ves, cuando introducimos alguna terminología, diría que Lokad lo hace de manera muy comedida. No estamos introduciendo toneladas de palabras de moda. Probablemente sean como media docena a lo largo de casi dos décadas de existencia.

Pero son conceptos muy trascendentales. Y luego, cada vez que lo hacemos, tratamos de ser muy, muy detallados. Por ejemplo, este concepto “holimization” surgió después de varias conferencias donde describí, por ejemplo, la optimización experimental, que es una metodología.

Así que vino acompañado de toneladas de materiales de apoyo, y simplemente decidí acuñar este término paraguas para empaquetar lo que es esencialmente un capítulo entero del libro, más una conferencia, más un montón de herramientas, más un montón de artículos.

Conor Doherty: Así que, ya ves, la pregunta—solo para ser claro, porque no quiero desviarme—no es: “¿Por qué es mejor holimization?” o—no estoy preguntando eso. Eso es ortogonal a la discusión.

Permíteme refinar mi pregunta para quizás ayudar. ¿Crees que es prudente usar el mismo lenguaje que criticas, incluso si lo haces de manera brillante? ¿Crees que es prudente usar un lenguaje contaminado—un lenguaje contaminado por el mercado?

Joannes Vermorel: Pero ya ves, en algún momento necesitas poder entender. No puedo reinventar todo el idioma. Así que necesito usar cosas que son imperfectas.

Porque, por ejemplo, si utilizo el término que es apropiado, “systems of records,” el problema es que la gente no está familiarizada con mi terminología, y entonces probablemente no entenderán de qué estoy hablando. Y luego diría, “Está bien, estoy hablando de tu ERP, tu CRM y tu WMS.” Y ellos dirían, “Ah, está bien.”

Pero ya ves, eso realmente no es palabrería de moda. Un “system of record” es muy claro. Puedo entender lo que significa. Pero “holistic”—¿qué significa eso en el contexto de un supply chain? Es más palabrero que lo otro.

Y, por ejemplo, “holistic,” Lokad utiliza esa palabra muy poco, y cuando aparece en nuestro sitio web, aclaramos que queremos decir “de extremo a extremo,” que nos referimos a cosas muy específicas.

Así que, ya ves, lo que también—donde creo que Lokad se diferencia—es que, de todos los defectos que podríamos tener, no estamos lanzando palabras de moda sin sustancia. No estamos mencionando palabras de moda sin contexto ni sustancia.

Porque, ya ves, nuevamente, la gente diría que tiene blockchain, y luego son completamente vagas: ¿cuáles son exactamente tus características? ¿Cuáles son las consecuencias? ¿Qué estás haciendo desde una perspectiva tecnológica? ¿Es posible entender lo que está pasando?

Y creo que Lokad es extremadamente meticuloso al hacer público todo lo que hay bajo el capó. En la competencia M5, cuando alcanzamos el primer puesto a nivel mundial en el nivel de SKU, publicamos el algoritmo real.

Hay un grado de transparencia que es muy alto. Y, nuevamente, creo que el principal problema con los proveedores de software es que, muy frecuentemente, son excesivamente opacos. Y así se usan palabras de moda, pero sin ningún contexto, sin ninguna sustancia.

Y tendrás mucho de lo que yo llamaría “habladurías felices,” habladurías corporativas felices, que lo rodean. Y la terminología que tenemos en la actualidad es, desafortunadamente, lo que quedó tras décadas de batallas corporativas entre muchos, muchos proveedores de software y grandes grupos de consultoría.

Conor Doherty: Justo. Y para alguien—nuevamente, el profesional promedio—que simplemente toma… entonces coloco dos términos, o dos folletos, frente a la gente. Digo, “Estos son de proveedores, no importa quiénes, cuáles sean sus nombres.” Uno es “holistic supply chain” y el otro es “holimization (holistic optimization).” Para ellos, podrían—y no profundizan más—tener que decidir: Tengo tiempo limitado, ¿a cuál voy a dedicar tiempo?

¿Cómo se supone que la gente debe saber si el lenguaje está tan contaminado?

Joannes Vermorel: No, no funciona así. No funciona así—no puedes, nuevamente, no es la píldora mágica. No puedes, con que Joannes dé una definición, que sea así como funciona.

Se trata de cómo entiendes la realidad misma en la que operas. Es cómo organizas en tu mente el panorama. Y empiezas, y tienes que hacerlo.

Por ejemplo, tendrás toneladas de cursos universitarios que te hablan sobre investigación de operaciones, y tienen muchas cosas buenas. No se llaman supply chain. ¿Es supply chain? ¿No es supply chain? De eso se trata exactamente este capítulo, y eso clarifica la relación entre lo que se llama investigación de operaciones y supply chain.

Resulta que la investigación de operaciones, tal como se practicaba en los años 50, 60 y 70, es supply chain. Hoy en día, si buscas materiales más recientes también llamados investigación de operaciones, ahora se convierte en algo completamente diferente.

Así que, cuando ves investigación de operaciones: ¿es supply chain? Bueno, depende de la fecha del documento. Y varía un poco porque algunas universidades se aferran a la terminología vieja mientras que otras han adoptado la nueva terminología.

Así que, nuevamente, es muy crítico entender eso. De lo contrario, todo el dominio resulta un poco desconcertante con cosas que parecen completamente desconectadas, pero que son literalmente lo mismo.

Así que, por ejemplo, la investigación de operaciones es supply chain, pero solo hasta, esencialmente, finales de los 70. Posteriormente, la investigación de operaciones se convirtió en una rama de la informática, que es completamente diferente, y que trata sobre mathematical optimization.

Conor Doherty: Muy bien. Voy a continuar porque hay mucho que cubrir. Puede que volvamos a eso.

Creo que una de las afirmaciones destacadas—porque, nuevamente, intenté leer esto con ojos frescos—es que la afirmación sobresaliente que haces en este capítulo se refiere a la idea de que la teoría dominante está completamente rota. De hecho, usas el término “pre-scientific.”

Y, nuevamente, es importante, para ser justos, en su contexto completo—y esto es al final del capítulo—decir: “Una proposición simple es que la teoría dominante es inadecuada.”

Ahora, llegas a eso sobre la base de todo lo que acabamos de discutir, y del capítulo uno que ya hemos grabado. Así que: “Una proposición simple es que la teoría dominante es inadecuada. La práctica se desvía porque la teoría es defectuosa y los beneficios anticipados no se materializan. En otras palabras, a pesar de su vasta literatura, supply chain permanece en una etapa pre-scientífica donde el conocimiento no logra producir resultados consistentes y predecibles.”

Así que, quiero abordar eso porque creo que a menudo se trata de un tema: incluso si tienes razón, puede haber cierta fuerza en el lenguaje. Ese es un punto. El otro es la veracidad de esa afirmación.

Así que, para un lector casual, podría parecer que la idea de que supply chain, y todas sus tecnologías—por defectuosas que sean—todas sus tecnologías y sus enfoques, categorizarlas como pre-scientíficos, presenta un par de problemas.

¿Con qué lo comparas? Y diré el resto de las preguntas, pero ¿a qué te refieres cuando dices “pre-scientific,” en comparación con qué?

Joannes Vermorel: Cualquier campo donde la falsificación realmente funcione. Falsificación significa que la realidad puede invalidar las afirmaciones.

Y si simplemente buscas este criterio—por ejemplo en química—si te digo, toma química. Sí, es muy científico. Si sabes que hay un libro de química en el que tienes que tomar este producto y ese producto, y los mezclas, y la cosa se va a calentar: bueno, puedes hacer el experimento.

Y hay un riesgo de falsificación porque si no resulta como está escrito en el libro, la teoría—la teoría química—es falsa. La realidad es que la química ahora está tan bien establecida y verificada que si no obtienes el resultado de tu libro de química al hacer el experimento, lo más probable es que lo hicieras mal.

Pero precisamente, puedes tener tanta confianza en esta teoría científica específica porque ha resistido la falsificación durante tanto tiempo. Así que los fundamentos—ya sabes, ácido-base—los mezclas y obtendrás algo, una solución que se calentará: está tan verificada que hay muy, muy pocas posibilidades de que hagas un gran descubrimiento en química simplemente haciendo algo básico.

En contraste, cuando se trata de supply chain, la gran mayoría de la literatura no pasa ese criterio. Primero, la gran mayoría de lo que se ha publicado ni siquiera puede ser falsificado. Así que, si aplicas este criterio, ni siquiera pertenece a la ciencia desde el principio. Ese es un gran problema.

Pero luego, para mí, la verdadera manera de ver que supply chain no es una teoría científica es: necesitas mirar la historia. Necesitas observar el hecho de que tenemos más de un millón de artículos. Debes notar que esas cosas han estado circulando literalmente durante medio siglo, y que durante medio siglo se ha prometido la automatización sin que se haya cumplido.

Y de nuevo, necesitas mirar toda esta historia para ver que el problema no es el hecho de que no tuviéramos computadoras lo suficientemente poderosas. Esas no son explicaciones válidas.

Así que, cuando adoptas esta postura histórica, terminas con: bueno, tengo 70 años de publicaciones. Tengo al menos 50 años de entornos de computación modernos—cuando digo modernos, me refiero a cosas que son capaces de procesar datos mucho más allá de lo que un humano puede hacer.

Desde hace medio siglo, podíamos procesar más de un millón de números con una computadora. Así que esta capacidad ha existido durante medio siglo.

Y durante medio siglo, hemos tenido literalmente cientos de miles—ahora probablemente tenemos en total varios millones—de artículos que afirman, en diversos grados, tener soluciones óptimas para gestionar inventario y realizar todo tipo de tareas para supply chains.

No se están utilizando en las empresas. Y entonces lo que digo es: la navaja de Occam. La manera más simple de explicarlo es que esta teoría no funciona.

Puedes pasar por el proceso tan tedioso de revisar uno por uno estos más de un millón de artículos y ver por qué cada uno está defectuoso—eso te tomaría una eternidad—o simplemente puedes adoptar esta postura histórica y decir: ha existido tanto tiempo, probado por tantas personas, con tantas publicaciones, para tener tan pocos resultados.

La explicación más razonable y simple es simplemente que la teoría dominante está rota. Eso explica por qué hoy en día hay tan poco que realmente funciona en el mundo real.

Conor Doherty: Así que, como suele ser el caso, múltiples cosas podrían ser ciertas simultáneamente. Has afirmado que está rota. Quiero volver a la idea de que es pre-científica, y especialmente a la afirmación—el estándar—de la falsificación.

Y de nuevo, te dejé en ese punto por un buen rato. Anticipé que mencionarías la química. Así que, solo para recapitular: capítulo uno, tu definición de supply chain—tu definición—“maestría de la opcionalidad bajo la variabilidad en la gestión del flujo de bienes físicos.”

Bien. Así que, en primer lugar, cuando consideramos la naturaleza geográficamente distribuida de supply chain, consideramos las fuerzas meteorológicas que actúan sobre ella, consideramos los cientos—posiblemente miles—de diferentes agentes que tienen estructuras de incentivos distintas, y que todos deben colaborar con el tiempo disponible que tengan para llevar un bolígrafo desde donde fue fabricado hasta mi mano.

Comparar eso con la robustez de la química podría ser un poco difícil de comprender para algunos, considerando que puedes agregar un ácido y una base aquí o allá o en cualquier otra habitación y obtendrás una respuesta muy predecible.

La idea de que supply chain solo puede considerarse una ciencia robusta si pasa la barrera de la falsificación, para algunos—ciertamente para las personas que podrían leer los dos primeros capítulos—podría parecer una norma literalmente imposible, considerando lo que es supply chain, según acabas de definirlo: variabilidad.

Entonces, ¿cómo puedes falsificar una entidad que cambia de forma constantemente?

Joannes Vermorel: Es muy difícil, pero sin embargo, si tienes algo que califique como científico, ciertamente después de medio siglo, debería tener resultados. Debería haber transformado todo el dominio.

Si retrocedes a las afirmaciones desde, esencialmente, los años 50, justo después de la Segunda Guerra Mundial, la afirmación era muy simple: vamos a idear métodos cuantitativos que nos permitan automatizar las decisiones para las empresas. Y eso es todo.

Y la gente era muy específica. Lo interesante es que la comunidad se fue perdiendo en el camino. Pero la comunidad de investigación de operaciones del periodo de posguerra era muy, muy clara: vamos a idear métodos cuantitativos—métodos matemáticos—para optimizar nuestras operaciones, para dirigir nuestra asignación de recursos, para tomar decisiones por nosotros.

Y al principio, incluso decían: el hecho de que tengamos computadoras o no no es un problema. Si tenemos un modelo matemático muy sólido, serán los humanos quienes simplemente hagan el cálculo a mano y eso es todo.

¿Y adivina qué? Cuando identificaron modelos matemáticos de relevancia real—que fue el caso durante la Segunda Guerra Mundial—fueron realmente utilizados por la gente. La gente diría: “Oh, tengo los mejores métodos, que es un instrumento matemático. He aquí, voy a hacer el cálculo a mano porque necesito tomar esta decisión. Tengo un método, y este método es el mejor para asignar mis recursos escasos.”

Así que las afirmaciones eran muy claras.

Conor Doherty: Y entonces mi pregunta—que es: ¿es demasiado fuerte?

Joannes Vermorel: Perdón, perdón. Sí. ¿Es demasiado fuerte? Yo diría que no.

Entiendo que no puedes tener algo que sea tan fácil de falsificar como en la química. Cierto, los problemas están distribuidos, necesitas involucrar a muchas personas, etc. Así que vamos a caer más en el terreno de las ciencias blandas.

Pero, no obstante, cuando estamos tratando de establecer supply chain como una ciencia, deberíamos esforzarnos por hacer nuestras afirmaciones lo más falsables posible.

Conor Doherty: Nadie estaría en desacuerdo con eso. Perdón por no interrumpirte, pero esa es una buena afirmación, pero no es la que haces en el libro.

Joannes Vermorel: No, no, no. Esa es la que estoy intentando hacer.

Conor Doherty: De nuevo, necesito detenerte en ese punto. Si pudiera parafrasear lo que acabas de decir en una cita, básicamente reflejaste a Oscar Wilde: “Podríamos estar en la cuneta pero al menos podemos mirar las estrellas.” Así que estamos orientados en la dirección correcta. Sí. Pero eso no es lo que dices en el libro.

Dijiste—y puedo repetírtelo—“A pesar de su vasta literatura, supply chain sigue siendo pre-científica.”

Joannes Vermorel: Sí. Y luego dijiste que la falsificación es el único estándar. Y luego simplemente dijiste: “Bueno, quiero decir que supply chain probablemente no se pueda falsificar realmente como la química, o las matemáticas, o la ingeniería.”

No. De nuevo, es el grado de confianza que puedes tener en tu prueba, y eso es diferente. Y de nuevo, no, no lo es.

Si tienes cosas que no pueden ser falsificadas, es completamente pre-científico. Ese es un estándar.

Y luego la calidad de la prueba puede mejorar a medida que avanzas en el campo, a medida que maduras. Para mí, la madurez científica del campo es a medida que las personas encuentran maneras cada vez mejores de falsificar sus afirmaciones. Es un trabajo en progreso.

No es como un cero o uno: algo se puede falsificar o no se puede falsificar. No es así. Estoy completamente de acuerdo. Y lo que estoy diciendo es que en este momento se encuentra en una etapa pre-científica porque ni siquiera es algo que esté remotamente en la agenda.

Verás, tenemos millones de artículos. Esta idea de que las cosas podrían ser realmente testeadas, para asegurarnos de que tenemos una manera de que la realidad nos diga que algo está mal: ni siquiera está en el radar.

De estos más de un millón de artículos sobre optimización “óptima” de inventario, ninguno está siquiera expuesto al riesgo de ser falsificado.

Por eso digo que es realmente pre-científico. Y ahora tenemos que pasar a algo donde encontremos metodologías cada vez mejores para, potencialmente, hacer que las afirmaciones y teorías sean falsables.

Además, ese es el objetivo de esta historia: evaluar cuándo podemos tener un criterio empírico en el que simplemente diga: la historia está literalmente falsificando tu teoría por ti.

Ves, es una afirmación empírica. Pero fundamentalmente, lo que estoy diciendo es que si algo realmente funciona, entonces—pero no, no funciona, porque de nuevo tenemos que volver a la promesa.

La promesa fue la automatización completa desde la Segunda Guerra Mundial. Ha existido durante mucho tiempo. Y lo interesante es que cuando tienes teorías pre-científicas, su evolución no es llegar a ser teorías científicas mejores. Es hacerse completamente inmunas a toda crítica.

Conor Doherty: ¿Crees que eso es posible en supply chain?

Joannes Vermorel: Es exactamente lo que sucedió.

Si volvemos al periodo de posguerra, la gente decía: “Simplemente vamos a idear métodos matemáticos que nos darán la respuesta matemática exacta a nuestro problema. Y esos métodos serán los mejores.”

Y aunque lo único que tengamos sea un humano para hacer el cálculo, aún vale la pena hacerlo a mano.

Adelantémonos a los años 70: esos proveedores de software empresarial de la época decían: “Vamos a automatizar todas tus decisiones mundanas de inventario.” En ese momento, la gestión de inventario se piensa como decisiones. Es realmente lo que se estaba vendiendo.

Y si volvemos a SAP, en los años 70 decían: “Vamos a robotizar completamente—completamente.” No me refiero a la mitad. No, no, completamente: esos procesos de toma de decisiones.

Y luego no funcionó. Y así la gente retrocedió en todo esto. Y ahora decimos: “Oh sí, quiero decir, vamos a tener, de alguna manera, a profesionales que hagan todas las cosas por nosotros.”

Ves, hay una cantidad de retroceso en lo que se supone que debes entregar—lo que tu teoría se supone debe entregar—que es absolutamente inmensa.

Y para mí, este es exactamente el camino que toman las teorías pre-científicas: a medida que evolucionan, en lugar de mejorar, simplemente mutan para volverse más y más inmunes a la realidad.

Es algo que Karl Popper identificó incluso a principios del siglo XX: los campos que no están en una trayectoria científica, no están mejorando para volverse más científicos. Al contrario, tienden a tener sus teorías, la mayor parte del tiempo, de modo que se vuelvan completamente inmunes a cualquier tipo de contradicción.

Conor Doherty: Bien, con ese estándar, seamos concretos entonces. Porque, para ser justos, esto se está desviando un poco del tema del libro, ya que no entras en ese nivel de detalle en el capítulo dos.

Así que, cierto grado de libertad aquí. Te estoy poniendo algo en aprietos, pero estás hablando de resultados consistentes—incluso si decimos razonablemente predecibles. Dijiste que supply chain, fundamentalmente, son decisiones.

Las decisiones que tomas en cualquier momento dado reflejan una constelación muy única de factores, variables, fuerzas, incentivos, precios, acciones, personas, disponibilidad, disposición, motivación, todas esas cosas.

Entonces, si tomo una decisión hoy que refleja todo eso, ¿cómo falsifico la decisión que acabo de tomar? Porque no podría repetirla. Entonces, de nuevo, debido al hecho de que tienes—esto es un aspecto estocástico—si tomas una, no puedes falsificar nada.

Joannes Vermorel: Bien, sigamos con eso. Si tomas miles de decisiones como un juego iterado, puedes falsificar algo en conjunto, o en lo principal, por así decirlo.

El hecho de que tienes algo de variabilidad significa que necesitas hacer pruebas repetidas, y el nivel de ruido ambiental es alto. Así que necesitas muchas rondas para poder concluir.

Pero, debido a que es una ciencia blanda, esto no es solo eso. Por ejemplo, tendrías exactamente el mismo problema si quisieras encuestar opiniones raras.

Por ejemplo: ¿a cuántas personas necesitas encuestar en Francia para decidir qué rama monárquica—porque entre las personas que son pro-monarquía en Francia, tienes personas que son pro-monarquía para ciertas ramas de la monarquía?

El problema es que si tomas a personas que son pro-monarquía en Francia, probablemente representen como el 0.5% de la población. Así que, si quieres establecer una encuesta confiable sobre quién es pro los Borbones y quién es pro esta otra rama, probablemente necesitarás encuestar a varios miles de personas.

Así que es solo el ruido ambiental. Y aquí, ves, no se trata de ciencia blanda. Es simplemente el hecho de que cada decisión viene acompañada de mucho ruido. Entonces, necesitas muchas decisiones solo para poder promediarlas y llegar a la conclusión con no demasiada incertidumbre de que el método A es mejor que el método B.

Pero eso es todo.

Conor Doherty: De nuevo, usas el ejemplo de la química. Hablamos sobre la estructura molecular, o lo que sucede cuando dos compuestos muy, muy conocidos interactúan. Podemos predecir que si tenemos mucho—si tenemos poco—y entonces estás diciendo, por ejemplo, si quisieras tener el verdadero equivalente en química sería: ¿qué pasa si queremos hacer un experimento, pero con una cantidad que se mide en nanogramos? Está bien. Y así, tus mediciones son súper malas simplemente porque tienes una cantidad que es tan increíblemente diminuta.

Y la única manera de obtener una medición que sea algo correcta es simplemente hacerlo miles de veces y promediarlo. Así que ves, esta es una situación en la que tu experimento viene acompañado de mucho ruido.

Pero con mucho menos ruido—y ese es todo el punto.

Así que, de nuevo, me gusta el ejemplo y voy a construir sobre ese ejemplo. Estás hablando de un experimento de baja resolución que se puede realizar en un campo muy preciso, versus un supply chain que, según tu propia definición, está sujeto a mucha más variabilidad.

Joannes Vermorel: Sí. Pero, no obstante, puedes hacer pruebas A/B. Si tienes dos métodos para asignar tus recursos, puedes hacer pruebas A/B.

Conor Doherty: Pero de nuevo, eso es comparativo. Eso no es falsificación. La falsificación es absoluta.

Joannes Vermorel: No, la falsificación será: funciona o no funciona.

Si tienes un método que afirma, “Esto es óptimo.” Óptimo significa: nunca habrá algo mejor jamás. Jamás. Jamás. Si tengo mi método que es óptimo y encuentro algo que es mejor, ya no es óptimo.

No importa lo que suceda con las matemáticas.

Acabo de decir que tenemos un millón de artículos que dicen tener el inventario óptimo. Podrían haber estado equivocados, pero ¿qué dice eso sobre la posible rigidez o flexibilidad del campo? Lo que estoy intentando lograr es tener algo donde podamos tener una flecha de progreso, y progresamos a través de esa flecha. Y aquí, cuando tienes un millón de artículos que dicen tener políticas de inventario óptimas, y ninguno de ellos es realmente utilizado en producción después de décadas, esto es un problema. Esto no es una flecha de progreso. Este es un campo que está muy estancado, donde la gente sigue publicando cosas que se supone son óptimas, pero que no se utilizan por buenas razones. Y eso es lo que estoy tratando de señalar y proponer. La falsificación es solo uno de los instrumentos que necesitamos. Es un instrumento crítico, pero no es el único. Y realmente creo que, en última instancia, si tienes cosas que no pueden ser falsificadas, te encuentras en un territorio muy peligroso. Conor Doherty: Y no se trata de eso—entonces la pregunta es: esa es otra forma de verlo, asumiendo la conclusión. Estás asumiendo que los artículos no se usan porque son una porquería, y no porque tal vez en realidad no se pueda obtener el tipo de estructura que deseas en este campo. Es como intentar agarrar agua. “Oh no, agua, debería poder agarrarla. La ciencia debería ser tangible.” Joannes Vermorel: No. Ese es el objetivo de este capítulo: pensar en esos últimos tal vez 70, o al menos 50, años. Si tenemos, digamos, un millón—o más—de artículos sobre técnicas de optimización de inventario que afirman ser técnicas de optimización de inventario óptimas, y la mayoría de los practicantes, por cierto, no los han leído. La mayoría de la gente no los conoce. Si avanzamos 50 años más y ahora tenemos un millón más de artículos, ¿hará alguna diferencia? Y mi respuesta es: de nuevo, si miramos la historia, pensándolo de la manera equivocada, probablemente no. Y ves, por eso necesitamos este capítulo histórico: para darnos cuenta de que hay muy poco progreso. Ha estado muy estancado. Y la única manera de darnos cuenta de que el dominio ha estado estancado durante décadas es observar la historia. Esto es un juicio a alto nivel. Y creo que parte del problema que tenemos es la falta de falsificación, y por ello realmente no podemos—no tenemos una flecha de progreso. La flecha de progreso en este campo está algo rota. Conor Doherty: Entonces, pero solo para aclarar, porque eso es una ligera enmienda a la posición que se presentó antes. ¿Estás diciendo que anteriormente era: algo es pre-científico si resiste la falsificación. Luego dijiste que es una de las herramientas de la ciencia. ¿Entonces estás diciendo: porque la ciencia es más exigente, la supply chain podría no ser falsificable pero aún así podría ser científica? Joannes Vermorel: No, no, no. La falsificación es necesaria, pero no es suficiente. Por ejemplo, una teoría debe ser falsificable, pero también tiene que ser mínimamente concisa—la navaja de Occam. Si tienes dos teorías que serían equivalentes en su capacidad para predecir el mundo, para ofrecerte la mejor decisión, y una es muchísimo más simple que la otra, entonces deberías elegir la que es más simple. Pero claro, eso no dice nada sobre la idoneidad o la corrección de la otra. Es una manera de diferenciar o tomar una decisión, pero no significa necesariamente—porque elegiste A en lugar de B, que A era más corta o más simple de entender—que en realidad se comenta sobre la veracidad de B. Conor Doherty: No, pero así es como funciona la ciencia—ambas serían correctas. Joannes Vermorel: Sí. Así es literalmente como funciona la ciencia. Si tienes dos teorías que son exactamente equivalentes pero una es mucho más simple, los científicos simplemente dirán: elegimos esta. Eso es todo. Ellos saben que tienen teorías alternativas que pueden ser igualmente correctas, pero simplemente eligen la más sencilla. Y ves eso como alcanzable en este campo. Joannes Vermorel: Sí. De nuevo, creo que la transición hacia algo que sea científico es: necesitamos poder tener criterios para deshacernos de lo que no funciona, y entender que contamos con los instrumentos para rechazar—para tener criterios claros de rechazo—y recuperar esta flecha de progreso, donde aquello que se descubre, que es considerado realmente científico por la comunidad, efectivamente se usa. Verás, cuando se realiza un descubrimiento en química, o en muchos otros campos verdaderamente científicos, es utilizado por los practicantes. Si desarrollas un nuevo proceso químico que es mucho más eficiente que uno anterior—y de nuevo, todos esos términos se entienden correctamente, ya sabes, el rendimiento de una reacción química, y demás—la gente realmente lo usará. En informática, cuando algunas personas descubren un algoritmo mejor, este algoritmo superior suele ponerse en producción en cuestión de meses por empresas que están interesadas en ese tipo de problemas. Como ves, aquí es donde vuelvo a esta idea de pre-científico: si miramos los dominios que son científicos, cuando hay un avance, este se propaga por todo el dominio. La gente se adapta. Persiguen frenéticamente el último artículo, el último descubrimiento. Si miras, por ejemplo, lo que ha estado sucediendo en generative AI: cuando un equipo publica un artículo y dice, “Oh mira, pude hacer esto, pero más rápido, más fácil”, todos se apresuran a implementarlo lo más rápido posible. Y la razón es que funciona. Es algo válido. Conor Doherty: Sin embargo, son manzanas y naranjas. Entiendo el ejemplo, entiendo el punto que estás planteando sobre— Joannes Vermorel: No, no son manzanas y naranjas. Ese es el punto. Conor Doherty: ¿Cómo es que elegir qué pedir, cuándo, cuánto, de dónde, acelerar o no, es comparable a lo que acabas de describir? Joannes Vermorel: Porque si el campo hubiera madurado hasta convertirse en algo científico, cuando la gente publicara un método, simplemente lo probarían mediante A/B testing, y en el plazo de un mes, si el método fuera realmente superior, sería adoptado. Y la gente no utiliza los artículos, como señalaste. Pero de nuevo, mi respuesta es: no los usan porque no funcionan. Y de nuevo, por eso necesitamos tener esta postura histórica: asumir que esos 10 millones de practicantes de supply chain son simplemente unos ignorantes, que están tan ignorantes de toda esta literatura académica—creo que es una suposición completamente irrazonable. No es así. Cada gran empresa con la que he trabajado tiene al menos algunas personas que están al tanto de la literatura académica. Todas lo hacen. Todas esas grandes empresas no son idiotas. Tienen colaboraciones con sus universidades locales. Se mantienen informados sobre lo que se publica. Si no se adopta, es simplemente porque no funciona. Es la explicación más simple, y creo que es la explicación correcta. Y cuando lleguemos a una etapa científica para esta comunidad, veremos lo que está sucediendo en otros campos: se publica un artículo, se afirma que hace algo significativo, y entonces todos se apresuran a replicar y adoptar. Y eso es exactamente lo que estamos viendo en informática. Eso es exactamente lo que estamos viendo en generative AI. Eso es exactamente lo que podemos ver en la ciencia de materiales y demás. Y para mí, ese tipo de comportamiento es la evidencia anecdótica de que tienes un campo que realmente opera sobre premisas científicas, donde la flecha de progreso es clara. Cuando la gente descubre algo y dice, “Tenemos algo grande en nuestras manos,” todos intentan replicarlo, y si la replicación tiene éxito, simplemente lo adoptan. Conor Doherty: Hemos estado hablando ahora—ha pasado más de una hora. Llevamos dos horas sobre esto hasta ahora. Es genial. Realmente disfruté la conversación. Y ahora hay un pensamiento que creo que es apropiado plantearte, que es: he leído el libro, y obviamente no puedo desconectar completamente el hecho de que te conozco. No puedo totalmente—no, pero no puedo. Es como si no pudieras—es como si entendieras inglés. No puedes no entender inglés cuando lo digo, porque lo entiendes. Así que no puedes apagar completamente esa parte de tu cerebro. Puedes ignorarla, pero aún así entiendes. Incluso si intentas hacer que tu cerebro no entienda. Y de manera similar, cuando leo, incluso si intento verlo con ojos completamente nuevos, aún sé lo que estás diciendo. Sé que podría haberlo expresado de manera ligeramente diferente, pero sé a qué te refieres. Y, obviamente, sé lo que quieres decir con todo esto. Dicho esto, son dos horas de conversación en las que hemos discutido quizá cinco o seis puntos y hemos ido y venido bastante. Y aunque no pretendo tener tu nivel de experiencia en este tema, tampoco soy completamente novato. Entonces, ¿crees que toda la información que hemos intercambiado—crees que el practicante promedio leerá entre líneas en tu libro y verá, “Eso es lo que Joannes quiso decir cuando dijo que es pre-científico”? No quiso decir que soy un ignorante, un cirujano autodidacta—ese es el capítulo uno—que realmente no lo tiene, que toda mi formación es una porquería. Pero tú conoces todas las cosas constructivas que acabamos de decir, como la flecha de progreso. ¿Crees que lo verán, o piensas que podrían sentirse un poco desanimados por lo extremo? Y es una pregunta emocional. No hay una respuesta correcta o incorrecta. Joannes Vermorel: Creo que en mis conversaciones con los practicantes, con mucha frecuencia, se nota que su campo está estancado; creo que probablemente el 90% de los practicantes de supply chain estarían de acuerdo. La gente que ha estado en el sector durante 30 años diría: “Oh, cuando me uní a esta empresa hace 30 años, ya estábamos haciendo lo mismo en un mainframe de IBM en ese entonces. Y ahora tenemos una web app, pero sigue siendo la misma lógica, sigue siendo de porquería, y siguen siendo las mismas hojas de cálculo para parchar los resultados. Eso tiene poco sentido.” Como ves, el hecho de que el dominio haya estado estancado: la mayoría de los practicantes que tienen más de 50 años probablemente estarían de acuerdo, simplemente porque para ellos toda su carrera ha girado en torno a las mismas ideas y han visto muy pocos cambios en las últimas tres décadas, incluso si la apariencia y la sensación del software han cambiado drásticamente, pasando de terminales en blanco y negro en mainframes a web apps. Pero de nuevo, aunque la interfaz de usuario ha cambiado drásticamente, las matemáticas, la lógica, el tipo de entendimiento no lo han hecho. Entonces, preguntaste: ¿leerán entre líneas? No lo sé. Lo que creo es que, dado que probablemente compartirán intuitivamente el mismo diagnóstico—campo estancado, flecha de progreso rota—al leer esta sección histórica, se cristalizará lo que ya perciben. Y eso les despertará cierto interés. Aumentará su interés en aprender más y en intentar desafiar el status quo. Puedes sentir que tu dominio está estancado en el día a día, pero realmente no piensas en ello cotidianamente. Es algo que permanece en el fondo de tu mente. Y luego, tal vez, a través de este libro, te das cuenta: “Oh mierda, en realidad, ha estado estancado durante medio siglo. Algo necesita cambiar. Y quizás necesite aprender un poco más.” Entonces, ¿pueden leer entre líneas? No lo sé. Pero, ¿puede aún desencadenar la reacción necesaria para reanudar esta flecha de progreso en este campo? Eso espero. Conor Doherty: Bueno, no discrepo. Quizás permíteme replantearlo desde una perspectiva más meta, porque, de nuevo, eres un autor. Escribiste un libro. Yo también escribo. Así que existe un contrato social implícito entre autor y lector: el propósito es, quiero transmitir un pensamiento. Yo soy el autor. Tú eres el lector. Eres la audiencia de mi libro. El contrato social implícito es: en la medida de lo posible, te encontraré donde estás. Por ejemplo, no escribiste en latín. De hecho, hay algunas frases en latín, pero no escribiste en latín. Habría sido una locura hacerlo, porque entonces nadie lo entendería. Así que no escribiste en latín. No escribiste en arameo. Y, de manera más programática: puse todas las matemáticas en la última sección del libro. Tú tomaste esas decisiones. Se tomaron decisiones sistemáticas: está bien, quiero adaptarme al público, al menos en cierta medida. Y lo que estoy diciendo es—déjame enmarcarlo de esta manera—acordamos un orden de magnitud de 10 millones de practicantes. Supongamos que, por arte de magia, pongo el libro frente a los 10 millones de personas, y tal vez el 50% diga, “Increíble. Sí, esto resuena conmigo.” Y el 50% dice, “Me preocupa un poco la extremidad de algunas afirmaciones,” y no han escuchado esto. Así que literalmente están leyendo: “La teoría convencional está rota,” desastrosa, no confiable, dilema del prisionero, extremo—¿cuál era la frase exacta que realmente lo delató—“pre-científico.” Estás siendo muy preciso, y sé que en tu mente eres muy preciso con lo que quieres decir. Pero, de nuevo, si tomamos 10 millones y sacamos un promedio, ¿crees que dirán, “Él realmente no quiere decir que soy un idiota. Quiere decir que carece de la teoría popperiana de la falsificación. Eso es a lo que se refiere.” Joannes Vermorel: Pero también, verás, no creo que la comunidad siquiera se considere a sí misma como haciendo ciencia. Y ese es, en parte, el problema. El hecho de que los profesores universitarios publiquen artículos que no son ciencia en absoluto es definitivamente un problema. Pero en términos de autoconciencia, es bastante alto, y muy pocos practicantes pensarían: “Lo que he aprendido en supply chain es ciencia adecuada, y ahora hay un tipo que está desafiando eso.” No. Creo que la mayoría de los practicantes saben que es un amasijo de heurísticas, saberes tribales y cosas que de alguna manera funcionan para su empresa, pero es muy inconsistente. Tiene muchas contradicciones internas que no se resuelven, lo cual es muy molesto, y como consecuencia, todo requiere más reuniones de las que debería, etc. Así que creo que muchas personas probablemente no se sorprenderían demasiado por esas afirmaciones. Cada gran empresa con la que he trabajado tiene al menos algunas personas que están atentas a la literatura académica. Todas lo hacen. Todas esas grandes empresas no son idiotas. Tienen colaboraciones con sus universidades locales. Se mantienen al tanto de lo que se publica. Si no se adopta, es simplemente porque no funciona. Es la explicación más simple, y creo que es la explicación correcta. Y cuando lleguemos a una etapa científica para esta comunidad, veremos lo que está sucediendo en otros campos: se publica un artículo, se afirma que hace algo significativo, y entonces todos se apresuran a replicar y adoptar. Y eso es exactamente lo que estamos viendo en informática. Eso es exactamente lo que estamos viendo en generative AI. Eso es exactamente lo que podemos ver en la ciencia de materiales y demás. Y para mí, ese tipo de comportamiento es la evidencia anecdótica de que tienes un campo que realmente opera sobre premisas científicas, donde la flecha de progreso es clara. Cuando la gente descubre algo y dice, “Tenemos algo grande en nuestras manos,” todos tratan de replicarlo, y si la replicación tiene éxito, simplemente lo adoptan. Conor Doherty: Hemos estado hablando ahora—ha pasado más de una hora. Llevamos dos horas sobre esto hasta ahora. Es genial. Realmente disfruté la conversación. Y ahora hay un pensamiento que creo que es apropiado plantearte, que es: he leído el libro, y obviamente no puedo desconectar completamente el hecho de que te conozco. No puedo totalmente—no, pero no puedo. Es como si no pudieras—es como si entendieras inglés. No puedes no entender inglés cuando lo digo, porque lo entiendes. Así que no puedes apagar completamente esa parte de tu cerebro. Puedes ignorarla, pero aún así entiendes. Incluso si intentas hacer que tu cerebro no entienda. Y de manera similar, cuando leo, incluso si intento verlo con ojos completamente nuevos, aún sé lo que estás diciendo. Sé que podría haberlo expresado de manera ligeramente diferente, pero sé a qué te refieres. Y, obviamente, sé lo que quieres decir con todo esto. Dicho esto, son dos horas de conversación en las que hemos discutido quizá cinco o seis puntos y hemos ido y venido bastante. Y aunque no pretendo tener tu nivel de experiencia en este tema, tampoco soy completamente novato. Entonces, ¿crees que toda la información que hemos intercambiado—crees que el practicante promedio leerá entre líneas en tu libro y verá, “Eso es lo que Joannes quiso decir cuando dijo que es pre-científico”? No quiso decir que soy un ignorante, un cirujano autodidacta—ese es el capítulo uno—que realmente no lo tiene, que toda mi formación es una porquería. Pero tú conoces todas las cosas constructivas que acabamos de decir, como la flecha de progreso. ¿Crees que lo verán, o piensas que podrían sentirse un poco desanimados por lo extremo? Y es una pregunta emocional. No hay una respuesta correcta o incorrecta. Joannes Vermorel: Creo que en mis conversaciones con los practicantes, con mucha frecuencia, se nota que su campo está estancado; creo que probablemente el 90% de los practicantes de supply chain estarían de acuerdo. La gente que ha estado en el sector durante 30 años diría: “Oh, cuando me uní a esta empresa hace 30 años, ya estábamos haciendo lo mismo en un mainframe de IBM en ese entonces. Y ahora tenemos una web app, pero sigue siendo la misma lógica, sigue siendo de porquería, y siguen siendo las mismas hojas de cálculo para parchar los resultados. Eso tiene poco sentido.” Como ves, el hecho de que el dominio haya estado estancado: la mayoría de los practicantes que tienen más de 50 años probablemente estarían de acuerdo, simplemente porque para ellos toda su carrera ha girado en torno a las mismas ideas y han visto muy pocos cambios en las últimas tres décadas, incluso si la apariencia y la sensación del software han cambiado drásticamente, pasando de terminales en blanco y negro en mainframes a web apps. Pero de nuevo, aunque la interfaz de usuario ha cambiado drásticamente, las matemáticas, la lógica, el tipo de entendimiento no lo han hecho. Entonces, preguntaste: ¿leerán entre líneas? No lo sé. Lo que creo es que, dado que probablemente compartirán intuitivamente el mismo diagnóstico—campo estancado, flecha de progreso rota—al leer esta sección histórica, se cristalizará lo que ya perciben. Y eso les despertará cierto interés. Aumentará su interés en aprender más y en intentar desafiar el status quo. Puedes sentir que tu dominio está estancado en el día a día, pero realmente no piensas en ello cotidianamente. Es algo que permanece en el fondo de tu mente. Y luego, tal vez, a través de este libro, te das cuenta: “Oh mierda, en realidad, ha estado estancado durante medio siglo. Algo necesita cambiar. Y quizás necesite aprender un poco más.” Entonces, ¿pueden leer entre líneas? No lo sé. Pero, ¿puede aún desencadenar la reacción necesaria para reanudar esta flecha de progreso en este campo? Eso espero. Conor Doherty: Bueno, no discrepo. Quizás permíteme replantearlo desde una perspectiva más meta, porque, de nuevo, eres un autor. Escribiste un libro. Yo también escribo. Así que existe un contrato social implícito entre autor y lector: el propósito es, quiero transmitir un pensamiento. Yo soy el autor. Tú eres el lector. Eres la audiencia de mi libro. El contrato social implícito es: en la medida de lo posible, te encontraré donde estás. Por ejemplo, no escribiste en latín. De hecho, hay algunas frases en latín, pero no escribiste en latín. Habría sido una locura hacerlo, porque entonces nadie lo entendería. Así que no escribiste en latín. No escribiste en arameo. Y, de manera más programática: puse todas las matemáticas en la última sección del libro. Tú tomaste esas decisiones. Se tomaron decisiones sistemáticas: está bien, quiero adaptarme al público, al menos en cierta medida. Y lo que estoy diciendo es—déjame enmarcarlo de esta manera—acordamos un orden de magnitud de 10 millones de practicantes. Supongamos que, por arte de magia, pongo el libro frente a los 10 millones de personas, y tal vez el 50% diga, “Increíble. Sí, esto resuena conmigo.” Y el 50% dice, “Me preocupa un poco la extremidad de algunas afirmaciones,” y no han escuchado esto. Así que literalmente están leyendo: “La teoría convencional está rota,” desastrosa, no confiable, dilema del prisionero, extremo—¿cuál era la frase exacta que realmente lo delató—“pre-científico.” Estás siendo muy preciso, y sé que en tu mente eres muy preciso con lo que quieres decir. Pero, de nuevo, si tomamos 10 millones y sacamos un promedio, ¿crees que dirán, “Él realmente no quiere decir que soy un idiota. Quiere decir que carece de la teoría popperiana de la falsificación. Eso es a lo que se refiere.” Joannes Vermorel: Pero también, verás, no creo que la comunidad siquiera se considere a sí misma como haciendo ciencia. Y ese es, en parte, el problema. El hecho de que los profesores universitarios publiquen artículos que no son ciencia en absoluto es definitivamente un problema. Pero en términos de autoconciencia, es bastante alto, y muy pocos practicantes pensarían: “Lo que he aprendido en supply chain es ciencia adecuada, y ahora hay un tipo que está desafiando eso.” No. Creo que la mayoría de los practicantes saben que es un amasijo de heurísticas, saberes tribales y cosas que de alguna manera funcionan para su empresa, pero es muy inconsistente. Tiene muchas contradicciones internas que no se resuelven, lo cual es muy molesto, y como consecuencia, todo requiere más reuniones de las que debería, etc. Así que creo que muchas personas probablemente no se sorprenderían demasiado por esas afirmaciones. Cada gran empresa con la que he trabajado tiene al menos algunas personas que están atentas a la literatura académica. Todas lo hacen. Todas esas grandes empresas no son idiotas. Tienen colaboraciones con sus universidades locales. Se mantienen al tanto de lo que se publica. Si no se adopta, es simplemente porque no funciona. Es la explicación más simple, y creo que es la explicación correcta. Y cuando lleguemos a una etapa científica para esta comunidad, veremos lo que está sucediendo en otros campos: se publica un artículo, se afirma que hace algo significativo, y entonces todos se apresuran a replicar y adoptar. Y eso es exactamente lo que estamos viendo en informática. Eso es exactamente lo que estamos viendo en generative AI. Eso es exactamente lo que podemos ver en la ciencia de materiales y demás. Y para mí, ese tipo de comportamiento es la evidencia anecdótica de que tienes un campo que realmente opera sobre premisas científicas, donde la flecha de progreso es clara. Cuando la gente descubre algo y dice, “Tenemos algo grande en nuestras manos,” todos tratan de replicarlo, y si la replicación tiene éxito, simplemente lo adoptan. Conor Doherty: Hemos estado hablando ahora—ha pasado más de una hora. Llevamos dos horas hablando de esto hasta ahora. Es genial. Realmente disfruté la conversación. Y ahora hay un pensamiento que creo que es apropiado plantearte, que es: he leído el libro, y obviamente no puedo desconectar completamente el hecho de que te conozco. No puedo totalmente—no, pero no puedo. Es como si no pudieras—es como si entendieras inglés. No puedes no entender inglés cuando lo digo, porque lo entiendes. Así que no puedes apagar completamente esa parte de tu cerebro. Puedes ignorarla, pero aún así entiendes. Incluso si intentas hacer que tu cerebro no entienda. Y de manera similar, cuando leo, incluso si intento verlo con ojos completamente nuevos, aún sé lo que estás diciendo. Sé que podría haberlo expresado de manera ligeramente diferente, pero sé a qué te refieres. Y, obviamente, sé lo que quieres decir con todo esto. Dicho esto, son dos horas de conversación en las que hemos discutido quizá cinco o seis puntos y hemos ido y venido bastante. Y aunque no pretendo tener tu nivel de experiencia en este tema, tampoco soy completamente novato. Entonces, ¿crees que toda la información que hemos intercambiado—crees que el practicante promedio leerá entre líneas en tu libro y verá, “Eso es lo que Joannes quiso decir cuando dijo que es pre-científico”? No quiso decir que soy un ignorante, un cirujano autodidacta—ese es el capítulo uno—que realmente no lo tiene, que toda mi formación es una porquería. Pero tú conoces todas las cosas constructivas que acabamos de decir, como la flecha de progreso. ¿Crees que lo verán, o piensas que podrían sentirse un poco desanimados por lo extremo? Y es una pregunta emocional. No hay una respuesta correcta o incorrecta. Joannes Vermorel: Creo que en mis conversaciones con los practicantes, con mucha frecuencia, se nota que su campo está estancado; creo que probablemente el 90% de los practicantes de supply chain estarían de acuerdo. La gente que ha estado en el sector durante 30 años diría: “Oh, cuando me uní a esta empresa hace 30 años, ya estábamos haciendo lo mismo en un mainframe de IBM en ese entonces. Y ahora tenemos una web app, pero sigue siendo la misma lógica, sigue siendo de porquería, y siguen siendo las mismas hojas de cálculo para parchar los resultados. Eso tiene poco sentido.” Como ves, el hecho de que el dominio haya estado estancado: la mayoría de los practicantes que tienen más de 50 años probablemente estarían de acuerdo, simplemente porque para ellos toda su carrera ha girado en torno a las mismas ideas y han visto muy pocos cambios en las últimas tres décadas, incluso si la apariencia y la sensación del software han cambiado drásticamente, pasando de terminales en blanco y negro en mainframes a web apps. Pero de nuevo, aunque la interfaz de usuario ha cambiado drásticamente, las matemáticas, la lógica, el tipo de entendimiento no lo han hecho. Entonces, preguntaste: ¿leerán entre líneas? No lo sé. Lo que creo es que, dado que probablemente compartirán intuitivamente el mismo diagnóstico—campo estancado, flecha de progreso rota—al leer esta sección histórica, se cristalizará lo que ya perciben. Y eso les despertará cierto interés. Aumentará su interés en aprender más y en intentar desafiar el status quo. Puedes sentir que tu dominio está estancado en el día a día, pero realmente no piensas en ello cotidianamente. Es algo que permanece en el fondo de tu mente. Y luego, tal vez, a través de este libro, te das cuenta: “Oh mierda, en realidad, ha estado estancado durante medio siglo. Algo necesita cambiar. Y quizás necesite aprender un poco más.” Entonces, ¿pueden leer entre líneas? No lo sé. Pero, ¿puede aún desencadenar la reacción necesaria para reanudar esta flecha de progreso en este campo? Eso espero. Conor Doherty: Bueno, no discrepo. Quizás permíteme replantearlo desde una perspectiva más meta, porque, de nuevo, eres un autor. Escribiste un libro. Yo también escribo. Así que existe un contrato social implícito entre autor y lector: el propósito es, quiero transmitir un pensamiento. Yo soy el autor. Tú eres el lector. Eres la audiencia de mi libro. El contrato social implícito es: en la medida de lo posible, te encontraré donde estás. Por ejemplo, no escribiste en latín. De hecho, hay algunas frases en latín, pero no escribiste en latín. Habría sido una locura hacerlo, porque entonces nadie lo entendería. Así que no escribiste en latín. No escribiste en arameo. Y, de manera más programática: puse todas las matemáticas en la última sección del libro. Tú tomaste esas decisiones. Se tomaron decisiones sistemáticas: está bien, quiero adaptarme al público, al menos en cierta medida. Y lo que estoy diciendo es—déjame enmarcarlo de esta manera—acordamos un orden de magnitud de 10 millones de practicantes. Supongamos que, por arte de magia, pongo el libro frente a los 10 millones de personas, y tal vez el 50% diga, “Increíble. Sí, esto resuena conmigo.” Y el 50% dice, “Me preocupa un poco la extremidad de algunas afirmaciones,” y no han escuchado esto. Así que literalmente están leyendo: “La teoría convencional está rota,” desastrosa, no confiable, dilema del prisionero, extremo—¿cuál era la frase exacta que realmente lo delató—“pre-científico.” Estás siendo muy preciso, y sé que en tu mente eres muy preciso con lo que quieres decir. Pero, de nuevo, si tomamos 10 millones y sacamos un promedio, ¿crees que dirán, “Él realmente no quiere decir que soy un idiota. Quiere decir que carece de la teoría popperiana de la falsificación. Eso es a lo que se refiere.” Joannes Vermorel: Pero también, verás, no creo que la comunidad siquiera se considere a sí misma como haciendo ciencia. Y ese es, en parte, el problema. El hecho de que los profesores universitarios publiquen artículos que no son ciencia en absoluto es definitivamente un problema. Pero en términos de autoconciencia, es bastante alto, y muy pocos practicantes pensarían: “Lo que he aprendido en supply chain es ciencia adecuada, y ahora hay un tipo que está desafiando eso.” No. Creo que la mayoría de los practicantes saben que es un amasijo de heurísticas, saberes tribales y cosas que de alguna manera funcionan para su empresa, pero es muy inconsistente. Tiene muchas contradicciones internas que no se resuelven, lo cual es muy molesto, y como consecuencia, todo requiere más reuniones de las que debería, etc. Así que creo que muchas personas probablemente no se sorprenderían demasiado por esas afirmaciones. Pero además, creo que parte de intentar llevar este campo a un estatus de ciencia es tener distinciones más precisas. Y por eso necesitamos ser un poco más extremos, porque parte del problema que tengo con este tipo de materiales pre-científicos es que, muy frecuentemente, son imposibles de falsificar precisamente porque lo que dicen es tan vago.

Así que puedes leer el contenido de supply chain 4.0 y puedes leerlo de una manera u otra. Los eventos pueden desarrollarse de cualquier forma. Nunca se contradecirán porque no son precisos. No tienen esa estructura cristalina en la que puedan romperse y notarse.

Es como una gran bola de barro. Si presentas una teoría que es una gran bola de barro, esta cosa se puede distorsionar de todo tipo de maneras—sigue siendo una gran bola de barro—en contraposición a tener algo que es como un cristal, donde si se rompe, se rompe, y sería bastante obvio que lo rompiste.

Sé que puede sonar terrible, pero acabamos de publicar una crítica de un artículo co-escrito por 42 autores. El título es algo como “Supply Chain in the Era of Generative AI,” o algo así.

Y este artículo, cuando digo “gran bola de barro,” es exactamente eso. Este artículo es el arquetipo de algo que es una gran bola de barro. No tiene forma, ni consistencia. Puedes moverlo a un lado y seguirá siendo una gran bola de barro. Nada de lo que ocurra en el futuro podrá contradecirlo, porque es tan informe y de mala calidad.

Eso es a lo que me refiero con ser pre-científico: una vez que tienes algo con una estructura mucho más clara, te das cuenta: “Oh, esto era una gran bola de barro.” Se necesita que surja la ciencia para darse cuenta de que lo que hacías hasta ahora era pre-científico.

Conor Doherty: Bueno, no vamos a terminar la discusión—no vamos a poder cerrar el debate sobre si supply chain puede alcanzar niveles de falsificación propios de la química.

Pero como conclusión, última pregunta: en términos de consejos prácticos para las personas, ¿cómo pueden insertar un poco más de ciencia en su supply chain desde el primer día? Es decir, el día cero es: han empezado a leer el libro, sólo tienen un par de capítulos. Día uno: comienzan a aplicarlos. ¿Cómo pueden introducir ciencia en lo que están haciendo?

Joannes Vermorel: Si tenemos que volver a esta perspectiva histórica, creo que es necesario tener una perspectiva histórica. Es muy importante, porque nuevamente, si no quieres ser engañado, debes observar la historia de las afirmaciones que se han hecho.

Cuando la gente ha estado afirmando cosas durante décadas, y en cada década afirman cosas que son menos ambiciosas y con más palabras de moda que la década anterior, no vas por buen camino. Piénsalo.

Los principales proveedores de ERP ahora tienen afirmaciones mucho más modestas en cuanto a lo que dicen que harán, mientras presentan cosas que son incluso más elegantes y sofisticadas. Por ejemplo, si mi afirmación en 2025 es más modesta, a pesar de tener acceso a generative AI, que lo que afirmaba en 1975, ¿qué está pasando? ¿Qué está pasando?

Entonces, ya ves, por eso creo que es muy importante estudiar la historia: para entender en quién confiar.

Y de nuevo, creo que hemos visto que hacer esos experimentos—son muy costosos. Es cierto. La falsabilidad es costosa, es lenta, es desordenada, es difícil.

Pero creo que la perspectiva histórica te da algo que actúa como un indicador. No es un indicador extremadamente bueno, pero sigue siendo un indicador.

Y puedes observar cosas que han existido durante décadas haciendo afirmaciones grandiosas, y hay muy poco. En algún momento, podrías decir: está bien, esto es simplemente una farsa, de lo contrario habría funcionado. Habría funcionado.

De lo contrario, algunas personas habrían logrado convertir todo este conocimiento en algo útil.

Por ejemplo: bases de datos de grafos para supply chains. Las bases de datos de grafos han existido durante casi tres décadas. Las bases de datos de grafos de código abierto han existido durante dos décadas. Esto no ha llegado a ser mainstream. Hay muy, muy poco uso del que yo sepa.

No creo haber conocido nunca a una empresa real que utilice, en producción, para soportar algo relacionado con supply chain, una base de datos de grafos.

¿Puedo ahora concluir, a través de este conocimiento histórico, que las bases de datos de grafos nunca tendrán ningún impacto en supply chain? Es decir, es muy empírico. Es un argumento histórico basado en la observación. No es exactamente una prueba, pero aún así cuenta. Para mí, cuenta como una indicación muy sólida de que es una dirección muy poco probable para futuros avances en supply chain.

Lo que estoy diciendo es: necesitas mirar la historia. Observa las cosas que nunca han entregado mucho. Si han existido durante un tiempo muy, muy largo y no parece que hayan entregado mucho, probablemente nunca entregarán nada.

Y esa sería la esencia de este capítulo: presta atención a la historia. Las cosas que no han funcionado durante medio siglo, lo más probable es que nunca funcionen.

Conor Doherty: Muy bien. Muchas gracias por tu tiempo. Me he quedado sin preguntas. Así concluye el capítulo dos. Nos vemos, presumiblemente la próxima semana—al menos en 2026—para el capítulo tres.

Y a todos los que nos ven, gracias. Si quieren ponerse en contacto con nosotros, o si quieren escapar de la gigantesca bola de barro en la que se encuentran, conéctense con nosotros—y conmigo—en LinkedIn, o envíennos un correo electrónico a contact@lokad.com. Y con eso, por favor, vuelvan al trabajo.