Introducción a Supply Chain: Capítulo tres (Epistemología) - Ep 189

00:00:00 Premisa de la serie: preguntas del lector, capítulo tres
00:04:55 Aprender sobre supply chain significa aprender a pensar
00:09:50 La falsabilidad de Popper: la ciencia arriesga la contradicción
00:14:45 Einstein versus marxismo: actitudes hacia la refutación
00:19:40 Por qué las teorías no pueden demostrarse verdaderas
00:24:35 La idea de safety stock es atacada, no los niveles de inventario
00:29:30 Fin de temporada en moda: los niveles de servicio resultan contraproducentes
00:34:25 Experimentos mentales como filtro de falsificación económico
00:39:20 La inconmensurabilidad de Kuhn: decisiones versus planes
00:44:15 Los incentivos adversariales exigen evidencia de meta-análisis
00:49:10 Por qué este libro evita estudios de caso centrados en el vendedor
00:54:05 La navaja de Occam: una métrica, no 300
00:59:00 El éxito de la mayoría de las empresas no está impulsado por supply chain
01:03:55 Amazon como la excepción de éxito liderado por supply chain
01:08:50 Falsificación en estudios de caso: búsqueda de resultados negativos
01:13:45 Teorías vulnerables, matemáticas mínimas, invitan a la refutación
01:18:43 Conclusión: un modelo mental para impulsar la práctica

Resumen

El Capítulo 3 sostiene que supply chain no se puede aprender como una guía telefónica de algoritmos y plantillas; debe aprenderse como un pensamiento disciplinado. Vermorel toma prestada la falsabilidad de Popper: el conocimiento real corre el riesgo de ser demostrado como erróneo, a diferencia de las teorías parchadas para evitar contradicción. Usa safety stock como ejemplo—los resultados útiles no reivindican un mal concepto, como un reloj descompuesto que acierta dos veces al día—y ofrece experimentos mentales (fin de temporada en moda) para mostrar contradicciones. Los estudios de caso, dice, son en su mayoría infomerciales, evidenciado por la casi ausencia de casos negativos a pesar de las altas tasas de fallo de los proyectos.

Resumen Extendido

Conor enmarca la conversación como representante del practicante “ordinario” de supply chain: alguien que toma el libro de Joannes Vermorel sin lealtad previa a Lokad o a su visión del mundo. El Capítulo 3, “Epistemología,” se presenta como el intento del libro de solucionar un problema que la mayor parte de la literatura de supply chain simplemente ignora: ofrece o algoritmos interminables (academia) o plantillas interminables (consultoría), como si acumular procedimientos fuera lo mismo que comprender. Vermorel sostiene lo contrario: aprender supply chain es aprender a pensar sobre supply chain, lo cual requiere decidir, en primer lugar, qué cuenta como conocimiento legítimo.

Para argumentar eso, toma prestado el principio de falsabilidad de Karl Popper. El punto de Popper, ilustrado a través del contraste entre los físicos de la era de Einstein y los teóricos marxistas, es que la ciencia genuina se expone a la refutación. Los físicos proponen teorías y luego buscan activamente experimentos que puedan destruirlas; los marxistas, cuando se les contradice, reparan la teoría de manera que se vuelve inmune a la contradicción. El resultado no es un “mejor entendimiento,” sino un sistema de creencias protegido.

Vermorel aplica este criterio a los conceptos de supply chain y afirma que muchas ideas “fundamentales” sobreviven principalmente porque no se someten a serios intentos de falsificación. Su ejemplo emblemático es safety stock. Distingue entre un stock level que casualmente funciona y el concepto que se usa para justificarlo: un reloj descompuesto puede dar la hora correcta dos veces al día, pero eso no rehabilita el reloj. Luego ofrece un experimento mental—el minorista de moda de fin de temporada—donde mantener altos service levels mediante safety stock produce un resultado evidentemente autocontradictorio: tiendas saturadas de inventario invernal a medida que se acerca el verano, seguidas de grandes descuentos para liquidar mercancías obsoletas. La lección no es simplemente que safety stock tiene “excepciones,” sino que añadir excepciones de manera interminable es cómo las malas teorías evaden la realidad.

Conor cuestiona si los experimentos mentales constituyen un estándar de evidencia suficiente en un ámbito confuso y adversarial como supply chain, y si esto se convierte en un punto muerto cuando los practicantes ven aumentar las ganancias con métodos convencionales. Vermorel responde que los experimentos mentales son un filtro inicial barato: si una teoría se derrumba ante un razonamiento básico, no merece ensayos costosos en el mundo real. Para preguntas más difíciles, espera evidencia desordenada, al estilo de la medicina—meta-análisis de muchos estudios independientes—precisamente porque los incentivos distorsionan la información.

Esto conduce a su crítica de los estudios de caso: funcionan como infomerciales. Su predicción falsable es que, a pesar de las altas tasas de fallo en proyectos de supply chain reportadas por los auditores, los estudios de caso negativos publicados por proveedores son casi inexistentes. Hasta que el campo publique rutinariamente un gran número de resultados negativos, argumenta, las “historias de éxito” deben tratarse como marketing, no como conocimiento.

El beneficio práctico de los primeros tres capítulos, afirma, es un modelo mental para el triaje: lo que es relevante, lo que es secundario, qué examinar y qué descartar—para que los practicantes dejen de memorizar guías telefónicas y comiencen a razonar.

Transcripción Completa

Conor Doherty: Bienvenidos de nuevo. Este es el episodio tres de una serie muy especial en la que Joannes Vermorel y yo discutimos, capítulo por capítulo, su nuevo libro Introduction to Supply Chain. Ahora, para esta serie adopto una postura muy específica: la de alguien que no conoce Lokad, que no conoce a Joannes. Soy solo uno de los aproximadamente 10 millones de practicantes en el mundo que podrían ver este libro, cogerlo, empezar a leerlo y posiblemente tener algunas preguntas. Ahora, este es el episodio tres. Como dije, si no han visto los dos primeros episodios, los animo encarecidamente a que los vean, porque algunas de las cosas que discutimos hoy se basarán en lo dicho anteriormente—naturalmente, porque es la discusión de un libro. Y en ese sentido, Joannes acaba de arreglar mi micrófono. Capítulo 3: epistemología. Antes de entrar en eso—y entraremos en uno de los conceptos, creo, fundamentales de todo el libro—lo haremos en un momento. Pero, epistemología: ¿cuál es el objetivo en este capítulo?

Joannes Vermorel: El objetivo es empezar a aprender: cómo debo incluso pensar en supply chains. Verán, queremos aprender, pero necesitamos pensar. No se puede simplemente aprender. No es como una guía telefónica. No se trata solo de tener, “esto es lo que necesitas saber de memoria,” sin llegar a comprender. Así que, fundamentalmente, aprender sobre supply chain es aprender a pensar en supply chain. Es, por lo tanto, un ejercicio de pensamiento. Muy bien. Resulta que la casi totalidad de la literatura simplemente ignora y descarta este problema tan importante. Literalmente se lanzan a decir: “Aquí está mi—aquí está una guía telefónica. Aquí está lo que puedes memorizar.” Eso sería la academia con una lista infinita de algoritmos: quieres esto, aquí hay un algoritmo; quieres esto, aquí hay un algoritmo. O sería la literatura de consultoría, con: “Tienes una organización, aquí están las plantillas que debes seguir,” y aquí hay otra plantilla, y aquí hay otra, etcétera. Y yo digo: “Oh, espera. ¿Me estás diciendo que debo memorizar un millón de algoritmos y 20,000 plantillas, y que eso será lo que se requiera para dominar supply chain?” Obviamente, cada autor tiene su propia perspectiva, y dirían: “No, no, no, no necesitas el millón de algoritmos, no necesitas las 10,000 plantillas, solo necesitas esos 20 algoritmos y estas tres plantillas,” y, de nuevo, no hay dos autores que coincidan en cuáles son. Entonces, para mí, lo primero que quería hacer es: bien, necesitamos—y sé que es muy meta—evaluar cómo vamos a pensar siquiera en supply chain. Y tendremos que plantear una pregunta que es absolutamente fundamental: ¿qué cuenta como conocimiento de supply chain, como conocimiento de supply chain válido, relevante y útil, y qué no lo es? Porque si no podemos responder a esas preguntas, ¿cómo se supone que debemos avanzar en la ciencia de supply chain? Simplemente tendremos una interminable lista de anécdotas, o incluso de falsedades. Así que, simplemente avanzaremos, y este no es un problema obvio. Es un problema muy, muy fundamental. Por eso digo que necesitamos abordar este problema epistémico, porque creo que mis colegas no lo han tomado en serio. Conor Doherty: ¿Cuáles son algunos ejemplos del conocimiento que consideras que califica como conocimiento de supply chain válido, y ejemplos que son—creo que usas el término—corrupto? Joannes Vermorel: Un ejemplo de conocimiento de supply chain válido sería, por ejemplo, que tus asignaciones, individualmente, deberían maximizar la tasa de rendimiento a largo plazo para la empresa. Pero esta es una proposición que afirmo: cada asignación debería—quiero decir, obviamente existe un problema de coordinación entre todas esas asignaciones, pero me refiero a la asignación de recursos financieros o, en sentido económico, asignaciones en general—por lo que puede tratarse de cualquier recurso: dinero, inventario, personas, etc. Así que lo que digo es: es un principio, pero lo formulo como un principio: cada asignación debe maximizar la tasa de rendimiento a largo plazo para la empresa. Ahora, esto es una afirmación. ¿Es verdadera o es falsa? Primero, lo primero: lo que estoy diciendo es que, al menos, tenemos diferencias—diría que es relevante. Esa sería la primera cuestión que debemos evaluar: si esta afirmación es siquiera relevante para supply chain. ¿Pertenece a supply chain o a otra cosa, como por ejemplo la economía general? ¿Pertenece a la sociología? ¿Pertenece a supply chain o es algo que puede ser verdadero, pero que ni siquiera cae dentro del ámbito de lo que queremos llamar supply chain? Existe un problema de gestión del conocimiento. Si incluimos todo en todo, se convertirá en un gran lío. Así que necesitamos tener un criterio para decir: ¿está dentro del ámbito de lo que queremos considerar supply chain o no? Primero, ese es el primer filtro. El segundo filtro: bien, ahora que admitimos que lo es, tendremos que explicar por qué lo admitimos dentro de los límites. No debería ser algo accidental: “Joannes dice que está dentro de supply chain y, por lo tanto, es supply chain.” Necesitamos tener un razonamiento que aclare lo que está dentro y lo que está fuera. Y luego, una vez admitido que está dentro, necesitamos tener un mecanismo para decir: ¿es una buena proposición? ¿Es una pieza de conocimiento realmente útil, poderosa, profunda y fundamental? ¿O es falsa, o es completamente secundaria? Así que necesitamos tener un mecanismo que, una vez que estemos dentro de los límites de supply chain, nos permita entender: bien, ¿qué sucede con esta proposición? ¿Debería incluirse en la introducción de supply chain, o es algo que debería ser una nota secundaria en un anexo distante que solo se resortirá cuando se trate de casos marginales, etcétera? Esos problemas pueden parecer un poco abstractos, pero son fundamentales. De nuevo, es un ejercicio de pensamiento. Necesitamos empezar a ser capaces de pensar en supply chain: pensar en cómo vamos a organizar este conocimiento. Eso implica priorizar el conocimiento, y también establecer límites para no perdernos en tangentes infinitas, etcétera. Conor Doherty: Bueno, nuevamente, según lo que he leído, no se trata solo de un ejercicio taxonómico, no es simplemente clasificación. Planteas el punto—y creo que, en mi opinión, si estuviera leyendo esto—donde aparece el ejemplo más fuerte y claro de un “consejo en el manual,” y ese es la falsificación. Creo que, cuando tomas eso—si tomaras tu definición de supply chain y la importancia de la falsificación—podrías incluso incluirlo en el capítulo uno, porque pienso que es realmente fundamental. Y diría que discutir la falsabilidad es incluso más fundamental que tu propia definición, ya que en realidad informa tu capacidad para evaluar definiciones. Joannes Vermorel: Entonces, aquí diría que la falsabilidad está por encima de supply chain. Sí. Tenemos el objetivo de supply chain, y luego contamos con una disciplina separada—por eso la llamo epistemología—que trata realmente de la ciencia del conocimiento humano. ¿Cómo caracterizamos el conocimiento en general y qué no lo es? Así que no estoy inventando nuevos principios para caracterizar el conocimiento. Estoy tomando prestado de la epistemología, y de uno de los avances más increíbles del siglo XX, que es el principio de falsabilidad de Popper, quien fue un filósofo austriaco. En resumen: este filósofo se hacía una pregunta simple: ¿qué cuenta como ciencia? ¿Qué cuenta como un conocimiento en el que podemos confiar? Una pregunta básica. Y eso aplica a todo: biología, finanzas, lo que sea. Simplemente se preguntaba: ¿qué es el conocimiento verdadero? ¿Qué es, en realidad, la buena ciencia? ¿Qué es todo eso? Y, obviamente, llegó a una respuesta. Y lo interesante es: voy a tomar prestada esa respuesta para supply chain. Así que, discutamos un poco cuál fue esa respuesta. Entonces, el principio de falsabilidad: Popper vivía en una época en la que, en sus primeros años—estuvo en algún momento en Viena, en Berlín—conoció a diferentes grupos de intelectuales. Y había dos grupos que resultaban realmente impactantes. Estamos hablando de principios de la década de 1920, sí. Dos grupos. El primero eran los físicos que se reunían en torno a Einstein. Él observaba, y eran personas increíbles. Estaban en el proceso de inventar, esencialmente, la física cuántica. Einstein había desarrollado la relatividad, y luego hubo numerosos desarrollos en la física cuántica. Y así, eran un grupo de personas increíblemente agudas. Popper estaba muy desconcertado: ¿cómo operaban intelectualmente esas personas? Y la manera en que lo hacían era: inventaban teorías todo el tiempo, pero hacían incluso más que eso. Inventaban maneras de destruir las teorías de los demás. Inventaban, y seguían inventando sin descanso.

Entonces, el principio de falsabilidad: Popper vivía en una época en que, en sus primeros años—en algún momento estuvo en Viena, en Berlín—se relacionaba con diversos grupos de intelectuales. Había dos grupos que resultaban especialmente impactantes. Estamos hablando de principios de la década de 1920, sí. Dos grupos. El primero eran los físicos reunidos en torno a Einstein. Eran personas excepcionales; estaban en el proceso de inventar, esencialmente, la física cuántica. Einstein había desarrollado la relatividad, y posteriormente surgieron numerosos desarrollos en la física cuántica. Y así, eran un grupo de mentes increíblemente agudas. Popper se mostraba muy desconcertado: ¿cómo operaban intelectualmente esas personas? Operaban inventando teorías constantemente, pero hacían aún más: ideaban formas de destruir las teorías de los demás. Inventaban, y seguían inventando sin descanso.

El mismo Einstein estaba incesantemente ideando experimentos que podrían realizarse y potencialmente invalidar sus propias teorías. Así que, ya ves, Einstein pasó casi toda su vida tratando de destruir sus propias teorías. Eso es muy desconcertante. Para Popper, eso era: ¿qué demonios está pasando? Tienes personas que defienden una teoría, pero ¿qué hacen en la práctica? Intentan destruirla. Extraño.

Y la gente lo hacía empíricamente. Lo que hacía Einstein, decía, por ejemplo: si mi teoría de la relatividad es correcta, eso significará que durante el próximo—podré observar movimientos extraños de cierta manera en la órbita de Mercurio. O, por ejemplo, podré observar pares de estrellas que serán solo ilusiones ópticas, debido a que la luz viaja por caminos diferentes. Y si no puedo observar eso, eso demostrará que mi teoría es equivocada.

De hecho, estaba diseñando experimentos muy ingeniosos para demostrar que su teoría era equivocada, y esos experimentos fallaron. No lograron demostrar que su teoría era equivocada.

Entonces Popper se acercó y dijo, “Oh, eso es muy interesante.”

Y había un segundo grupo, para contrastar. Entonces, esos eran los físicos. El segundo grupo estaba compuesto por personas que eran esencialmente marxistas. Marx ya no estaba presente, así que eran seguidores. Esas personas —nuevamente, el marxismo se combatía en ese momento no como ciencia política, sino como una ciencia. Se suponía que era una explicación científica de la sociedad, y se abordaba como tal.

Y así, como en toda buena ciencia, se hacían predicciones —predicciones muy precisas sobre el futuro. Si la teoría marxista es cierta, entonces tenemos cosas muy específicas que podemos predecir sobre la economía.

Y, por ejemplo, en los años 1910, los marxistas hicieron una predicción que es completamente correcta según la teoría marxista: si la revolución del proletariado debe ocurrir —y ocurrirá, ocurrirá—entonces sucederá en los países en un orden muy preciso. La teoría es muy precisa: sucederá en un orden muy preciso.

Comenzará en el Reino Unido. ¿Por qué? Porque es el único país en la Tierra en ese momento que tenía la mayor proporción de población proletaria. El Reino Unido estaba realmente, realmente adelantado en términos de industrialización en comparación con todos los demás países. Así que la revolución comenzará primero en el país más industrializado, y luego ocurrirá gradualmente en países cada vez menos desarrollados.

Y la teoría era muy precisa. Hubo un acuerdo completo: esto es lo que sucederá.

Ocurrió la Primera Guerra Mundial. ¿Cuál es el primer país en pasar por la revolución marxista? Rusia. Rusia, que es el menos industrializado, y en ese momento tenía una economía increíblemente atrasada —completamente agraria. Literalmente no tenían ninguna fábrica, o sea, muy, muy pocas.

Así que esto va en contra de esa teoría. Completamente —de nuevo, todo, la forma en que se desarrolló, va totalmente en contra de todas las predicciones de la teoría.

Ahora, ¿cuál es la respuesta de los círculos marxistas? La respuesta es: simplemente arreglan la teoría con cinta adhesiva para explicar retroactivamente por qué, en realidad, la teoría estaba prediciendo este resultado.

Y entonces Popper observó eso y dijo, “Espera. ¿Así que me estás diciendo que, a medida que las cosas contradicen tu teoría, lo que haces es parchear tu teoría, modificarla, y hacerla inmune a la contradicción? Esto es extraño.”

Esto es extraño. Tienes a personas, por un lado, los físicos, que están buscando contradicciones sin cesar, y que están dispuestos en cualquier momento a descartar todas las teorías —tirarlas por la ventana—si aparece un experimento contradictorio.

Y tienes a otras personas que dicen, “Vamos a preservar la teoría pase lo que pase. Simplemente la haremos cada vez más inmune a la realidad.”

De acuerdo, no pueden tener razón ambos al mismo tiempo. Uno debe tener razón, el otro estar equivocado. Popper dijo: ¿quién tiene razón? El bando de Einstein. Dijo: obviamente, los físicos lo están haciendo bien. Los marxistas: no, esa no es la actitud intelectual correcta, esto es una locura.

Conor Doherty: Y luego, cuando quisiste explicar —no es para interrumpirte, sino para ser claro—cubres todos estos ejemplos históricos en el libro. Pero para volver al tema de los 10 millones de practicantes: es interesante, y sé a dónde vas, pero a los demás quizás no.

Joannes Vermorel: Claro. Resumiendo: en realidad, él ideó la noción de falsabilidad. La falsabilidad es como el resumen de por qué Einstein tiene razón y por qué los marxistas estaban equivocados.

En resumen, tu conocimiento, tu teoría, debe estar en riesgo de contradicción. Sí. Si la haces inmune a la contradicción, entonces no tienes nada que sea científico en absoluto.

Por cierto, hay una salvedad: podrían existir verdades en este universo que no puedan ser contradichas, pero que aún así son verdaderas. Popper dijo: bien, simplemente no pertenecen al ámbito de la ciencia. Esta es una limitación fundamental de la ciencia. La ciencia solo puede tratar con cosas en las que la contradicción es posible, y esas cosas no son todo lo que es verdadero. Es simplemente todo lo que podemos llamar ciencia.

Así que es muy interesante, porque Popper, de una vez, definió prácticamente lo que es el estándar de oro de lo que podemos llamar ciencia, y también le mostró al mundo que la ciencia no puede ser todo. Es lo contrario a lo que la gente podría pensar, que la ciencia lo es todo-poderosa y todo-conocedora. No. Popper aclaró de una vez por todas que, esencialmente, la ciencia tiene un límite muy natural.

Pero dentro de esos límites, lo que tenemos es mucho más fuerte. No es todo lo que es verdadero.

Y así, avanzando rápidamente hasta supply chain: ahora tenemos el estándar de oro para el conocimiento científico, y se aplica a todos los dominios. Se aplica a todo —desde geografía, biología, lo que sea. Se aplica a todo, aunque no en el mismo grado. Creo que es algo en lo que vamos a profundizar, y ya lo tocamos.

Y así, lo que digo es: dado que esto ha sido el estándar de oro para cómo abordar la ciencia —para todas las ciencias—supply chain debe cumplir con el mismo estándar. Ese es el punto que estoy planteando.

Conor Doherty: De acuerdo. Así que, de nuevo, los ejemplos históricos son buenos, son correctos, y ciertamente son interesantes. En el contexto de supply chain —nuevamente, el público objetivo, 10 millones de practicantes—contextualicen la importancia de la falsificación, y cómo se ve eso para ellos en el día a día. ¿Por qué es tan importante, y cómo se ve para un practicante de supply chain, o cómo podría insertarse?

Joannes Vermorel: Entonces estamos hablando de conocimiento. Sé que es muy meta, es un poco abstracto, pero estamos hablando de la invalidación del conocimiento.

Así que comencemos con un fragmento de conocimiento. Hablemos de safety stock. De acuerdo. Ese es un ejemplo del libro, y por eso digo que safety stock es una proposición inválida. De hecho, lo llamas hazardous stocks.

Sí, exactamente. Y de nuevo, no digo: tu safety stock en tu empresa —el nivel de stock que eliges—es inválido. Eso sería una confusión. Lo que digo es que la misma idea de safety stock es incorrecta. Eso debe analizarse detenidamente.

Verás, esa es una distinción, porque safety stock, en última instancia, es solo una caracterización de un nivel de stock. Así que, en tu empresa, puede que accidentalmente tengas un nivel de stock que sea bastante bueno para tu negocio. Bien.

Lo que estoy diciendo es que safety stock, como idea para llegar a ese nivel, es inválido.

Esa es la proposición. Ahora, como un reloj roto que acierta dos veces al día: puede que, con safety stock, termines con una respuesta bastante válida. Pero de nuevo, esto es la falacia del reloj roto. Simplemente te sucede tener una situación en la que se alinean las estrellas, y en tu situación safety stock te da una respuesta satisfactoria.

Esa es una situación de reloj roto, en la que dos veces al día el reloj roto aún te da la hora correcta. No es —sería incorrecto pensar, solo porque tienes eso, que el reloj roto sigue estando roto, incluso si accidentalmente, en esta situación muy específica, da la respuesta correcta.

Conor Doherty: Verás —pero, ¿cómo falsificas esa posición? Porque tú solo, bueno, te has aislado de la crítica.

Joannes Vermorel: Sí, exactamente. Entonces, para falsificar, tenemos que ir más allá en el principio de falsificación.

Lo que dice Popper —la idea clave—es que nunca se puede probar que una teoría sea correcta. No se puede. ¿Por qué? Porque eso significaría que necesitarías verificar un número infinito de situaciones.

Verás, se supone que tu teoría se aplica a un vasto número de situaciones, y si es una teoría que no es trivial, va a ser infinita. Así que, fundamentalmente, cuando hablas de retroalimentación del universo —poder verificar y demás—solo podrás verificar un conjunto finito.

Así que puedes demostrar que las cosas funcionan, no necesariamente que sean verdaderas.

Y así Popper dice: si puedo tener solo un caso que demuestre que la teoría falla, entonces la teoría se falsifica. Se rechaza. Es categóricamente falsa. Debe ser descartada por completo.

Así que dice: ese es el principio de falsificación, y es muy interesante. Eso es exactamente lo que Einstein estaba tratando de hacer: demostrar que la relatividad es falsa.

No necesitas mil astrofísicos. No necesitas billones en presupuestos. Solo necesitas imaginar un experimento simple que lo demuestre equivocado. Eso es todo. Esa es la belleza de la falsificación: puedes falsificar una teoría increíblemente avanzada y sofisticada —potencialmente con miles de horas-hombre invertidas en ella—con solo un experimento simple, si puedes hacerlo.

Entonces, ¿cómo falsificamos safety stock? La idea es que necesitamos idear un experimento que demuestre que safety stock te da resultados de mierda. De acuerdo. Solo necesitamos una situación en la que obtengamos resultados de mierda de safety stock. Solo una.

Y para que sea de buena fe, debe ser safety stock hecho a la medida. Safety stock hecho a la medida. Y entonces probamos que, en esta situación en la que safety stock se realiza correctamente —porque debe ser un intento de buena fe—simplemente demostramos que, a pesar de estar hecho correctamente, te dará resultados sin sentido, resultados que van en contra del interés a largo plazo de la empresa.

De nuevo, para eso, volvemos a la epistemología. Tenemos que estar de acuerdo, de alguna manera, en que el interés a largo plazo de la empresa es el criterio relevante. Eso es complicado, porque ves, el problema es que yo defino supply chain —yo lo defino. Acabo de decir que el interés financiero a largo plazo de la empresa es lo que es.

Si me dices, “No, no, no, Joannes, no estoy de acuerdo con tu afirmación. Creo que el interés a largo plazo que supply chain debería maximizar es la felicidad de mis empleados,” tenemos dos definiciones diferentes y en conflicto. No son compatibles.

Y por cierto, este problema se resolvió, pero ese es otro filósofo llamado Thomas Kuhn.

Conor Doherty: Pero estás difuminando un poco las líneas entre la teleología y la epistemología: cuál es el objetivo de una empresa, y qué constituye conocimiento. No son necesariamente lo mismo.

Joannes Vermorel: Sí, sí, sí. Entonces, volvamos. Regresemos a la falsificación de safety stock.

Así que ahora solo necesitamos pensar en una situación que demuestre que safety stock te estalla en la cara. Eso es todo.

Por ejemplo, tomemos un minorista de moda. Situación de fin de temporada, con tus safety stocks.

Entonces, ¿qué dice la perspectiva de safety stock? Dice: necesitas mantener un nivel de servicio bastante alto. Esa es la perspectiva. ¿Qué tan alto? Puede ser cualquier cosa entre, digamos, 85 y 100%. No vamos a ser demasiado específicos. Está bien. Tú decides.

Pero nunca he visto a personas que digan que deberías tener un safety stock con, digamos, un nivel de servicio del 15%. Así que, mi intento de buena fe: tenemos una marca de moda que opera una red de tiendas, y que tiene, para sus tiendas, una política de safety stock con niveles de servicio que son, digamos, del 85 en adelante.

No me importa el detalle. No importa. Solo digo: si no estás en esta situación —en el minorista de moda—esto no es safety stock, esto es otra cosa.

Así que la situación es: tenemos este minorista de moda, tienen tiendas, y en sus tiendas tienen artículos donde el nivel de stock se controla mediante safety stock, y esos safety stocks son del 80% o más. Esa sería mi situación.

Ahora, creo que es una representación de buena fe de lo que realmente significa safety stock.

Y ahora lo que quiero es demostrar que esto explotará. Explodirá por varias razones, de hecho.

La primera es que, al final de la colección, no quieres mantener esos safety stocks. ¿Por qué? Porque recuerda: al final de la colección de invierno, si mantienes tu nivel de servicio, por definición tendrás la tienda llena de ropa de invierno mientras estás a punto de entrar en la temporada de verano. Esto es una locura.

Primero, ni siquiera podrás colocar la ropa de verano en la tienda porque está llena de ropa de invierno. Y luego, durante el periodo de rebajas que pronto llegará, tendrás que hacer descuentos locos para deshacerte de todas las cosas de invierno, que ahora serán muy difíciles de vender.

Así, mi demostración está completa. Tengo una situación en la que tomé la perspectiva de safety stock y mostré una situación que la contradice.

Y lo que Popper demostró es que no deberías adoptar la perspectiva marxista. La perspectiva marxista sería: “Oh, tienes una contradicción para mi teoría de safety stock. ¿Sabes qué? Voy a reorganizar esta teoría de safety stock, enmendarla, para que safety stock subsista.” Esto es lo que hacían los marxistas con su teoría marxista: cada vez que se les contradecía, simplemente parcheaban la teoría con cinta adhesiva para hacerla completamente inmune.

Esa no es la postura intelectual correcta. Es una postura peligrosa, en el sentido de que es una receta para obtener conocimiento basura. Esto es epistemología.

Así que cuando tienes una contradicción obvia con un concepto —donde usas este concepto, lo usas de buena fe, y no cometes ningún error en el análisis—entonces deberías decir: tu teoría acaba de ser falsificada. Ahora debe descartarse.

Y eso es duro. La gente no se da cuenta de lo exigente que es esta falsabilidad. Significa que literalmente necesitas descartar las cosas. Y así, safety stock debe ser descartado.

Conor Doherty: Hablamos de esto en la discusión del capítulo 2, cuando debatimos cuán robusta puede aspirar a ser una ciencia de supply chain. Discutimos sobre la química, y al final estuvimos de acuerdo en que la medicina probablemente sería un estándar razonable.

Existen muchas situaciones en las que—usando el ejemplo que diste en el último episodio—tomas medicina, adoptas perfiles muy similares: funciona para una persona, no funciona para otra. La medicina no se descartaría por completo: “Bueno, esa medicina no funciona, descártala completamente.” Dirían: funciona la mayoría de las veces.

Entonces, la pregunta es: ¿mi falsificación destruyó el safety stock para la moda, o para todos los verticales? Porque esa podría ser una pregunta.

Joannes Vermorel: Una vez más, Popper te diría: ten cuidado. Cuando tienes una teoría que ha sido falsada, es demasiado fácil, intelectualmente, minimizar el impacto de la falsificación. Ese es un problema de psicología. Es demasiado fácil minimizar el impacto y simplemente arreglar tu teoría con cinta adhesiva para que perdure a pesar de esa falsificación.

Entonces, por ejemplo, podría tener una teoría revisada que diga: los safety stocks son buenos y útiles—excepto en la moda.

Bien. Ahora, puedo presentar un ejemplo muy similar en aviation. Puedo dar algo que demuestre que el safety stock funcionará de manera extremadamente contraria al interés a largo plazo de la empresa en aviation. Puedo hacerlo en automotive. Puedo hacerlo para fresh food.

Algunos podrían decir: estos son ejemplos escogidos, que en conjunto ganas más dinero del que pierdes. De nuevo, una vez que tienes 20 verticales donde hay contradicciones, ¿cuándo te detienes?

¿Vamos a decir: el safety stock es válido excepto en la moda, excepto en automotive, excepto en aviation, excepto en fresh food, excepto en lujo, excepto en bla bla bla?

Esa es la forma de pensar marxista. Tienes una teoría que se vuelve absurda, con una lista absurdamente larga de casos extremos.

Y esa es también la belleza—de nuevo, hay un elemento que es muy importante en el conocimiento—y esa es la perspectiva marxista, y aquí no es Popper quien lo describió, es más Einstein: tu teoría debe tener belleza. Necesita poseer una especie de pureza cristalina.

Si tu teoría es simplemente una lista infinita de casos extremos, si no tiene ninguna estructura, si para describir tu teoría necesitas una guía telefónica interminable de elementos, no es una teoría muy buena.

Así que, si decimos que la supply chain theory es: “Oh, es safety stock, con dos páginas de advertencias”, es simplemente una teoría muy, muy mala.

Conor Doherty: Bueno, aquí es donde volvemos a la idea de qué estándar de robustez esperas de una disciplina como supply chain. Estás hablando de Popper y lo estás aplicando a un campo que está gobernado completamente por factores confundidores, como tú mismo dirías en los capítulos uno y dos: un total uncertainty en todas partes—motivaciones, el clima, todo.

¿Cómo puedes falsificar al estándar que estás describiendo?

Joannes Vermorel: Primero, existen diferentes niveles de falsificación. Uno de los más básicos es el experimento mental, lo que acabamos de hacer. Eso es precisamente lo que hizo Einstein. La mayoría de los avances de Einstein fueron experimentos mentales. Esto es increíblemente útil en la ciencia.

Los experimentos mentales son muy económicos. Puedes hacerlos en tu mente. No es suficiente, porque si razonas incorrectamente puedes cometer errores sutiles, y la única forma de saberlo será que el universo te dé retroalimentación.

Pero, como forma de llegar a tu teoría correcta más rápidamente y ser conservador con los recursos que deseas gastar en la falsificación en el mundo real, necesitas hacer esos experimentos mentales. Estos experimentos son esenciales para que no realices tus experimentos de falsificación al azar, lo cual resulta muy costoso.

Entonces, lo que estoy diciendo es que lo mínimo que debemos exigir de supply chain es que resista los experimentos mentales.

Si te doy un elemento, un elemento teórico como el safety stock, y en dos minutos puedo ofrecerte experimentos mentales—contradicciones muy convincentes—vamos, ni siquiera necesitas hacerlo en la vida real. Una vez que lo entiendes, dices: está completamente absurdo.

Ese sería el nivel super rápido. Y luego, más adelante, podremos debatir sobre elementos mucho más difíciles donde necesitaremos una evaluación empírica.

Pero aquí, existen clases enteras de proposiciones de la teoría mainstream de supply chain que se pueden destruir con simples experimentos mentales. Y, por cierto, esto es exactamente lo que hizo Einstein con la física newtoniana. Para destruir la física newtoniana, Einstein no tuvo que realizar experimentos físicos reales. Hizo experimentos mentales, y demostró que la teoría tenía contradicciones en sí misma, y ¡bam—listo! Ni siquiera es necesario realizar los experimentos.

Así que, ya ves, esto es muy poderoso. Los experimentos mentales son muy, muy potentes para, al menos, eliminar lo sencillo. Puedes descartar ideas cuando tienes una teoría tan profundamente defectuosa que, simplemente a través de experimentos mentales, la puedes desechar.

Si la teoría es muy madura—por ejemplo, la física cuántica—, los experimentos mentales solos probablemente ya no serán suficientes. Pero ese es el segundo nivel: es la madurez de una ciencia que ya ha sido diseñada con los criterios adecuados en mente.

Cuando tienes una ciencia que ha sido diseñada meticulosamente con los criterios adecuados en mente, todos los experimentos mentales ya han sido realizados por tus predecesores. Por lo tanto, ya no son tan útiles porque las frutas al alcance se han agotado.

Aquí estamos en una etapa en la que esos frutos fáciles—los experimentos mentales—pueden descartar la teoría mainstream de supply chain. Es muy posible porque, bueno, la gente no lo hizo lo suficientemente cuidadosamente antes.

Conor Doherty: Y de nuevo, para tratar de contextualizar de lo que estamos hablando desde la perspectiva de Lokad: serían las decisiones. Eso es fundamentalmente lo que la gente toma a diario: decisiones de supply chain. ¿Por qué? ¿Por qué? ¿Por qué?

Joannes Vermorel: De nuevo, por eso necesitamos esta decisión epistemológica, porque tenemos un desacuerdo. La teoría mainstream dice absolutamente que no. Discrepa profundamente: “No, no me importa eso. No me importa.”

Y ya ves, por cierto, tenemos que hablar de Thomas Kuhn y la inconmensurabilidad de las teorías. El problema, según Thomas Kuhn, es: fundamentalmente, si miras la física newtoniana y la física einsteiniana, no puedes decir que una es mejor que la otra. No son conmensurables. Son radicalmente distintas.

Las preguntas que tienen sentido en la física newtoniana no tienen sentido en la física einsteiniana, y viceversa. Tienes dos conjuntos de preguntas y respuestas completamente incompatibles, y no se pueden comparar.

Ese es el problema. Pero ahora, ¿cómo decidimos entre la física clásica y la física einsteiniana? Ni siquiera son las mismas preguntas, ni siquiera las mismas respuestas.

La respuesta es: una vez que comienzas a pensar en la física einsteiniana, te da ideas sobre cómo puedes invalidar la física newtoniana. Te ofrece un experimento que puedes proponer a tu colega profesor de física newtoniana y decir: “Por favor, haz eso y explícamelo.”

Y ese es un experimento que dejará boquiabierto al otro profesor, y eso es todo. Así fue como lo hizo Einstein.

Ahora, aquí, en supply chain: tenemos este supply chain mainstream. El supply chain mainstream no se preocupa en absoluto por esas decisiones. Es como un ciudadano de segunda clase. Se dice: el plan. El plan es lo que importa. El plan es tanto un forecast como un compromiso. El plan es el ciudadano de primera clase.

Y luego lo que llamas decisiones, es irrelevante. Es solo la ejecución adecuada del plan. Esa es la teoría mainstream.

Entonces, si decimos que queremos mejores decisiones, ya es una afirmación sobre cómo pensamos supply chain, porque desde la perspectiva mainstream esta pregunta ni siquiera es relevante. No es una pregunta pertinente.

Eso es extraño, pero ese es el problema. Cuando tienes un cambio de paradigma de una teoría a otra, hay muchísimas preguntas que ni siquiera son relevantes. En el paradigma de Supply Chain Quantitativa, yo hago preguntas sobre decisiones. La teoría mainstream no formula preguntas sobre esas cuestiones.

Y desde la teoría mainstream, dicen que tu pregunta es irrelevante. Es como si preguntaras: “¿Cuál es el color óptimo de la camisa de la persona que elabora el plan?” Ambas teorías te dirían: no nos importa.

Así que no puedes juzgar las preguntas que hago a través de los lentes de la antigua teoría mainstream de supply chain, y viceversa.

Conor Doherty: Es interesante que hayas mencionado la inconmensurabilidad. Creo que The Structure of Scientific Revolutions—es un libro—probablemente sea el segundo hito más importante en la ciencia de la ciencia en el siglo XX.

Lo que se me ocurre es: para alguien que escucha—y de nuevo desde la perspectiva del practicante promedio—parece haber una especie de inconmensurabilidad en cuanto a los estándares de evidencia que valoras.

Entonces, has hablado sobre lo que consideras el propósito de una empresa, o el propósito de supply chain: maximizar el retorno financiero a largo plazo. Pero también el estándar de evidencia que utilizas, y que es—incluso en el libro—los experimentos mentales. Usas muchos experimentos mentales para demostrar tu punto, no muchos ejemplos de la vida real.

Y no me refiero a estudios de caso desde la perspectiva del marketing. Me refiero literalmente: citas el ejemplo de la revolución marxista, citas a Einstein; esos son ejemplos concretos. En este capítulo, no hay muchos ejemplos de la vida real en supply chain que demuestren tu punto.

Y ahí es donde puede surgir la inconmensurabilidad, porque estás valorando el conocimiento teórico y epistemológico popperiano: “Es un experimento mental, por lo tanto, lo he hecho.” Pero alguien puede decir: “Pero mira, mi desempeño financiero con este modelo mejora cada vez más.” Ahí tienes un punto muerto.

Joannes Vermorel: Sí. Primero, hay un elemento temporal. Esto se publicó muy recientemente, se practicó en Lokad. Si juzgas la física einsteiniana por sus resultados en, digamos, 1907, aún es muy, muy limitada porque es muy temprano. La gente no tuvo tiempo de asimilarlo, aplicarlo, etc.

Así que argumentaría—es un argumento débil—pero diría: dale tiempo.

La segunda cosa es: tenemos un problema que la física no tuvo, pero que el supply chain tiene, y es el comportamiento adversarial. Esto es exactamente de lo que hablé antes.

Creo que la prueba experimental llegará, y será un proceso desordenado, al igual que la medicina. Por eso, en última instancia, si me proyecto 50 años en el futuro con mi teoría aceptada, la gente realizará meta-análisis.

Comenzarán a decir: bueno, tenemos este nuevo paradigma. Es correcto. Pero debido a los incentivos adversariales, no podemos confiar en un solo estudio. Necesitamos un meta-análisis.

Y eso es exactamente lo que, por ejemplo, la Cochrane Library está haciendo por la medicina. Literalmente toman, digamos, el SIDA, y recogen 8,000 artículos y los ponen todos juntos, y dicen: bueno, hagamos un meta-análisis de todo eso. Hay como 100 organizaciones de investigación distintas que han producido de forma independiente o semi-independiente el material, y así podemos esperar razonablemente que, a pesar de todos los incentivos adversariales—en la medicina son las compañías farmacéuticas—a pesar de todo eso, podamos tener la esperanza de que el meta-análisis haga emerger algo mejor.

En la práctica, funciona, con límites. Es un proceso desordenado. Es lento, dolorosamente lento, pero funciona.

Y de eso estoy hablando: miles de artículos que necesitan ser meta-analizados, y así es como se construye la próxima generación de conocimiento médico.

Ahora, volviendo a supply chain: eso significa que en este momento, en este libro, como introducción, no quise iniciar aún esta batalla. Este libro ya tiene 500 páginas. Ya hay tanto que transmitir en cuanto a ideas básicas.

Por ejemplo, transmitir la idea básica de lo que es Popper, por qué es relevante, y demás: hay tanto que decir que en algún momento tuve que elegir mis batallas. Decidí—y sí, es una debilidad, una debilidad teórica—que no me adentraría en el terreno de ejemplos del mundo real muy precisos, porque todos provendrían de mí.

Incluso si pongo 50 ejemplos, debido a que todos provienen de mí, la gente diría que son ejemplos escogidos.

Así que digo: está bien, necesitamos tener una segunda etapa en la que haya ejemplos aportados no solo por mí, sino por otras personas. Y luego, dentro de una década, realizar un meta-análisis de esos muchos, muchos casos, aportados no solo por mí, sino por personas que han leído el libro, lo han aplicado, y dicen: funciona, no funciona. Ese es el estándar que podemos tener.

Mientras tanto, en esta etapa, lo que puedo ofrecer son experimentos mentales. Y también—pero eso es un argumento de autoridad—, solo estoy diciendo que no es teórico, es lo que Lokad ha hecho durante la última década. Sé que es un argumento de autoridad, pero si quiero añadir un elemento de credibilidad: Lokad no recaudó dinero de capitalistas de riesgo.

Así que, para nosotros, si no funciona, no tenemos un plan B. No tenemos dinero proveniente de—no hemos recaudado medio billón como algunos de mis colegas. Por lo tanto, no podemos operar durante una década con un modelo completamente no probado, no rentable y que quizás no funcione. Eso no es posible.

Estuvimos limitados, y la razón por la que Lokad sobrevivió es realmente que enfrentamos un grado considerable de éxito, lo que nos llevó a este libro.

Y de nuevo, mi opinión es que cuando se trata de epistemología, estaba hablando sobre la belleza de Einstein. Lo que convenció a la mayor parte de la comunidad de físicos no fueron los experimentos, sino la belleza de la teoría de Einstein.

La relatividad es increíblemente bella como teoría. La gente decía: está muy interesante, es intrigante. La gente era inteligente, así que decían: es tan hermosa que quiero aprender sobre ella. Aprenderé, pero esperaré la prueba experimental solo para estar seguros.

Pero aun así, fue tan hermosa que así es como Einstein logró capturar el corazón de la comunidad de físicos. No fue a través de experimentos exitosos. Fue a través de cierto grado de belleza en su teoría que fue completamente sin precedentes.

Obviamente, Einstein era un super genio, probablemente una de las 50 personas más brillantes que la Tierra haya tenido. Ese es un estándar muy alto. Pero al menos, para inspirarnos, nos dio un ejemplo del tipo de cosa a la que deberíamos aspirar.

Nuevamente: epistemología. Debemos aspirar al conocimiento para supply chain que sea la perspectiva aspiracional.

Conor Doherty: Bueno, nuevamente, es interesante porque en el libro hablas sobre la navaja de Occam. Cualquiera que estudie filosofía estará familiarizado con la navaja de Occam: esencialmente, si tienes dos explicaciones para un problema, la que sea más simple es la que prácticamente deberías elegir primero.

Nuevamente, si tienes que elegir entre dos, y aplicas eso a tu discusión sobre safety stocks: tienes, digamos, más de 50 años de empresas aplicándolos, volviéndose cada vez más rentables año tras año. Sí, puedes señalar ejemplos, tal vez experimentos mentales para refutarlo, pero dirán, “Bueno, espera. Estoy haciendo esto. Estoy ganando dinero.” La navaja de Occam diría, “Bueno, en general funciona en su mayoría.”

Y estás diciendo: no, es un reloj descompuesto. Cuando funciona, no es que realmente funcione, simplemente es un reloj descompuesto.

Joannes Vermorel: Bien, apliquemos la navaja de Occam, pero a nivel teórico, antes de saltar, porque aquí tenemos tantos factores confusos.

Así que vayamos a la teoría dominante. Estás diciendo que necesitamos tener teorías que tengan un elemento de simplicidad, en las que no sea necesario tener tantas cosas.

La teoría dominante: si miro lo que la ASCM—Association for Supply Chain Management—está produciendo, tienen su libro de reglas SCOR, y proponen más de 300 métricas. 300.

¿Cuántas métricas digo en este libro que son relevantes? Doy algunas métricas, pero son como cinco, y quizá incluso cuatro. En última instancia, la única métrica que digo es la tasa de retorno. Así que pongo la tasa de retorno en un pedestal, y luego hay, quizás, tres o cuatro que son consecuencias directas de ello, y eso es todo.

Entonces, de acuerdo. La navaja de Occam: mi teoría es elegante. Necesita una métrica como rey: una tasa de retorno, y tienes algunas, como la vida media de una decisión, que es una consecuencia inmediata—pero no obvia. No es intuitiva, pero es bastante inmediata una vez que te empujan en la dirección correcta.

Y eso es todo. Es un conjunto muy, muy limitado.

Luego, si miro la teoría dominante, estamos hablando de más de 300 métricas. Así que, si aplicamos la navaja de Occam, diría, sobre la base de la evaluación de la teoría en sí: sí, la mía es órdenes de magnitud más esbelta y conservadora. Nadie disputaría esto.

Ahora, para lo demás: las empresas pueden tener éxito. Esa es una afirmación filosófica. No puedo probarlo. Simplemente estoy diciendo: las empresas pueden tener éxito por una gran variedad de razones, o fracasar por una variedad de razones.

Y mi postura intelectual es: asumo que cada vez que veo un éxito o un fracaso, por defecto, supply chain tiene muy poco que ver con ello. ¿Por qué? Porque la cantidad de cosas que existen fuera de supply chain es enorme.

Así que, cuando ves que una empresa tiene éxito o fracasa, adoptando esta postura intelectual—“No voy a atribuir a mi interés predilecto, supply chain, su éxito o su fracaso”—creo que es una postura intelectual razonable, alineada con la navaja de Occam.

Así que solo estoy diciendo: cuando veo algo—porque el problema es que, cuando eres un especialista, quieres explicar todo con tu teoría. Eso es cierto para todos. No quieres que tu especialización manche tu visión del mundo.

Supply chain, si miro a la humanidad en gran escala, es muy importante, pero si tuviera que dar un porcentaje completamente inventado: ¿qué tan grande es supply chain para la humanidad en comparación con todo lo demás? Diría que probablemente como un 2 o 3%. Es de importancia civilizacional, porque un 2 o 3% significa que no hay tantas cosas que puedan competir a ese nivel.

Pero también significa que el 97% son cosas ajenas a supply chain.

Por lo tanto, cuando ves que un negocio tiene éxito o fracasa, yo diría que deberías asumir—esta sería mi postura intelectual—un 97% de probabilidad de que no tenga nada que ver con supply chain, a menos que tengas elementos explícitos que demuestren que, en este caso, su éxito o su fracaso está íntimamente ligado a su ejecución de supply chain.

Conor Doherty: Pero, ¿no limita eso tu propia perspectiva? Permíteme reformular: dices que la perspectiva de Lokad es mejor que esto, pero luego también dices simultáneamente, “Bueno, en cualquier éxito, el 97% de las veces no es supply chain.”

Joannes Vermorel: Sin información detallada sobre la empresa.

Leo las noticias. Leí que LVMH ha visto sus ganancias dispararse este año. No soy un especialista de LVMH. No tengo información interna. Supongamos que jamás he trabajado en su supply chain. Tengo muy poca información.

Así que solo estoy diciendo: si no tienes información interna detallada, esa es la postura intelectual que recomiendo. Eso es todo.

Si tienes información privilegiada, si sabes mucho más sobre la empresa, entonces es algo completamente diferente.

Ejemplo: Amazon, que es increíblemente pública. Sus memorandos se filtran todo el tiempo. Si estás dispuesto a seguir a Amazon, puedes tener toneladas de información. Es una empresa bastante transparente. No al nivel de un insider, pero aún así: no son muy secretos, a diferencia de Apple, por ejemplo.

Así que puedes tener toneladas y toneladas de información. Y si has pasado mucho tiempo estudiando Amazon—y también he conversado con muchos empleados de Amazon, en conversaciones privadas y demás—entonces puedo revisar mi evaluación.

En promedio, asumo que el éxito o el fracaso se debe en un 97% a otras causas. Para Amazon, mi evaluación sería: su éxito es—nuevamente, un número inventado—70% supply chain.

¿Pero por qué tengo esta evaluación? No es porque leí un estudio de caso. Es porque, durante las últimas dos décadas, tuve gente diciéndome lo que está pasando en Amazon, qué tipo de cosas están haciendo, cuál es la mentalidad, cómo llevan a cabo los proyectos, etc. Así puedo forjar esta evaluación de que sí, el éxito de Amazon está muy impulsado por supply chain, y lo que están haciendo es realmente correcto, e inspirador para lo que quieras hacer en supply chain.

Ese camino lleva mucho tiempo.

Conor Doherty: Sí, lo sé, lo sé, pero el problema es que es tan importante—cómo decirlo—que es muy diferente de una empresa de la que no sabes nada frente a algo en lo que tienes información profunda.

Bueno, nuevamente, esto se relaciona con la crítica que tienes a los estudios de caso, no desde la perspectiva de marketing. En el libro, creo que sería justo decir que alguien podría escuchar la mayor parte de esto y pensar que, de alguna manera, está construyendo una barrera entre él y las objeciones.

Y desglosaré eso: si una de estas ideas dominantes funciona, es un golpe de suerte; las empresas ganan dinero, hay un montón de razones por las que ganan dinero. Si una empresa publica públicamente un estudio de caso diciendo, “Oye, usamos este enfoque. Así es como lo hicimos.” Sesgo de supervivencia, totalmente absurdo.

Como, estás haciendo que sea imposible falsificar tu propia posición.

Joannes Vermorel: No. Permíteme darte un ejemplo. Para los estudios de caso: puedes falsificar mi teoría. Es muy directo. Súper fácil, en realidad.

Así que invito a la audiencia a falsificar mi teoría. Mi teoría predice que el número de estudios de caso negativos que publiquen los proveedores será extremadamente raro.

Esta es una predicción muy importante. Estoy haciendo una predicción. Tenemos millones de estudios de caso publicados, y estoy haciendo una predicción—no intuitiva—de que el porcentaje de estudios de caso negativos será extremadamente bajo.

Por “negativo”, me refiero a que la gente diga, “Fracasamos.” Sí.

Ahora, podemos tener un contraargumento: “El porcentaje de estudios de caso negativos es extremadamente bajo porque esos proyectos están funcionando tan bien que nunca fracasan.” Así que estás buscando algo que no existe.

Entonces, la pregunta es: ¿por qué tan pocos?

Ahora, afortunadamente para mí, tengo a mucha gente que está evaluando la tasa de éxito de los proyectos de supply chain. Se realizaron grandes estudios por Deloitte, PricewaterhouseCoopers y demás. Concluyen que entre el 80% y el 90% de los proyectos fracasan.

Entonces, ¿dónde está la verdad? No lo sé. Pero seamos conservadores. Digamos que esos auditores están inflando los números. Solo es el 20% de los proyectos los que fracasan. Bien.

Ahora, mi teoría predice que, a pesar de que tenemos un 20% de fallos, la cantidad de estudios de caso negativos será aproximadamente cero.

Esa es una predicción contundente. ¿Cómo refutas mi predicción? La refutas viniéndome y diciendo: “Mira, he muestreado mil estudios de caso, y el 20% son estudios de caso negativos.” Entonces, lo que te dije acerca de los incentivos que impiden que ocurran estudios de caso negativos queda refutado.

Inténtalo. No encontrarás un 20% de casos negativos. En toda mi carrera, solo he encontrado—con los dedos de mi mano—estudios de caso negativos. He revisado miles y miles de estudios de caso, y hasta los estudios de caso negativos que encontré ni siquiera fueron publicados por los mismos proveedores. Fueron publicados por periodistas de investigación, usualmente bajo inmensa presión por parte del proveedor para no publicarlos.

En resumen: mi teoría es muy falsable. Todo lo que se necesita es ir a Google, buscar cuántos estudios de caso negativos puedes encontrar.

Si no puedes encontrar—si estás completamente abrumado por los positivos—entonces eso es exactamente lo que mi teoría predice.

Nuevamente, es muy importante juzgar una teoría en función de su capacidad para hacer predicciones correctas que no puedan ser fácilmente invalidadas por la observación.

Conor Doherty: Nuevamente, si estás defendiendo o fomentando el escepticismo en torno a los estudios de caso, está bien. Pero haces el punto de que—y estoy parafraseando ahora, pero no muy lejos de lo que dices—son basura, son veneno, son ilusiones de marketing.

Eso es ligeramente diferente a lo que acabas de decir. Dos cosas podrían ser ciertas simultáneamente: son infomerciales de cosas que funcionan. Nuevamente, tu teoría está haciendo predicciones de que lo único que verás serán infomerciales. No necesariamente.

Esa es la diferencia entre escepticismo y absolutismo.

Joannes Vermorel: No, no. Escepticismo: ¿de qué eres escéptico? Es de la veracidad de las afirmaciones.

Normalmente, nuevamente, volvemos a Deloitte y PricewaterhouseCoopers: la gente puede experimentar en su vida que la gran mayoría de los proyectos están fracasando. Cada vez que hablo con un profesional, esas estadísticas que publican los auditores—es la realidad de nuestra industria. Incluso en LinkedIn: hablo con alguien, y esa es su experiencia.

He hablado literalmente con cientos de directores de supply chain. Siempre ha sido la experiencia. Nunca he conocido a un director de supply chain que me haya dicho, “¿Fracaso? ¿De qué hablas? Los últimos 50 proyectos han sido perfectos, éxitos perfectos.”

Si le pregunto a la persona a cargo de una fábrica que fabrica aviones, y le hablo sobre la tasa de fallos para aeronaves, dirían, “¿Qué demonios? Los últimos 50 aviones que entregamos fueron perfectos. 100% de desempeño, vuelan perfectamente.”

Pero hablo con un director de supply chain: “Oh sí, de las últimas 20 iniciativas que tuvimos, 19 fueron catástrofes.” Así es.

Así que creo que, en algún momento, necesitamos tener este principio de la realidad: no debemos ser solo filósofos de sillón. A veces debemos aceptar que algunas cosas son tan obvias que tenemos que seguir adelante, de lo contrario nos quedaremos atrapados en una filosofía puramente abstracta.

Conor Doherty: Si aplicara este estándar a la medicina—porque nuevamente ese es el ejemplo que usaste durante la discusión del capítulo 2—hay muchos más artículos sobre ensayos clínicos donde el medicamento funcionó que de “oh, falló.” Ahora, estoy seguro de que hay algunos, pero hay muchos más artículos de “este medicamento”, o “esta práctica”, “esta metodología funciona”, o al menos parece funcionar.

Ahora, obviamente, se aplica el mismo principio: las empresas no van a decir, “Desperdiciamos dinero.”

Joannes Vermorel: Espera, espera, espera. La medicina es plenamente consciente del problema. Esa es una gran diferencia. Son completamente conscientes. Tienen revistas de resultados negativos.

Así que la comunidad de la ciencia médica ha reconocido el sesgo, y están haciendo esfuerzos. Y es bastante reciente, en la historia de la ciencia. Diría que solo comenzó hace como una década en la medicina cuando realmente empezaron a reconocer este problema de manera sistémica.

El problema se ha comprendido, diría yo, durante 30 años en la medicina. Es el surgimiento del estudio de los efectos iatrogénicos.

Y es solo en la última década, según mi observación amateur casual, que la comunidad comenzó a tener mecanismos de corrección sistémicos: la gente hace meta-análisis, tiene revistas de resultados negativos, etc.

Y si quieres resultados negativos en medicina: sí, los positivos eclipsan a los negativos, pero los negativos están en los cientos de miles.

Así que, de nuevo, ves que esto está demostrando mi punto. Estoy hablando de escepticismo. Deberíamos ser escépticos.

Tu posición era: un completo sinsentido—basura—ignorar—veneno—es una ilusión. Estas son tus palabras.

Pero, nuevamente, el día que supply chain vea números altos—sí, no en porcentaje, porque tal vez no lleguemos allí, sino números absolutos altos—de estudios de caso negativos, como miles al año, entonces revisaré mi posición.

Hasta que hayamos realizado este trabajo como comunidad para tener al menos unos pocos miles de estudios de caso negativos publicados cada año, me mantendré absolutista, diciendo que esto es una ilusión completa. ¿Por qué? Porque si no tenemos esta fuerza de contrapeso, en términos de conocimiento, lo que tenemos es una ilusión completa.

En la medicina, el mero hecho de que se pueda publicar un artículo negativo actúa como un contrapeso frente a 4,000 artículos positivos. Es un mecanismo de contrapeso.

Esta cosa aún no está implementada en supply chain. Así que hay un desequilibrio completo. Por lo tanto, en términos de conocimiento, lo que tenemos es una ilusión completa.

Me mantendré absolutista hasta que se publiquen suficientes artículos negativos por año. Si tengo que dar un número, diría mil, que sean suficientes para presionar a la comunidad mundial a reducir los estudios de caso impulsados por el marketing.

Conor Doherty: Cuando dices “la comunidad”, ¿te refieres a empresas? ¿Proveedores? ¿Académicos? ¿A qué te refieres?

Joannes Vermorel: Todos los que están publicando cosas bajo el término paraguas de supply chain.

Lo cual es complicado, porque no todos tienen la misma definición de supply chain. Así que esa es una definición vaga, porque ¿cómo agrupas a personas que ni siquiera están de acuerdo en la definición? Conor Doherty: ¿Estás familiarizado con la navaja de Hitchens? Christopher Hitchens, el escritor británico. La navaja de Hitchens—una derivación de la navaja de Occam—es que: aquello que se puede aseverar sin evidencia puede ser descartado sin evidencia.

Joannes Vermorel: Estoy de acuerdo. Estoy muy de acuerdo.

Conor Doherty: El problema: se puede aplicar eso a muchísimas de las afirmaciones que haces en este capítulo, y diría en general, porque simplemente se enuncian.

Hemos hablado durante 85 minutos, y ha surgido mucho más contexto aquí. Obviamente, esa es la diferencia entre un podcast y un libro, lo entiendo. Pero de nuevo, la ausencia—que según tus propias palabras fue una elección—la ausencia de ejemplos del mundo real en supply chain para reforzar lo que estás diciendo: alguien podría decir, “Bueno, tú aplicas la navaja de Occam, yo aplicaré la navaja de Hitchens, y seguiré con lo que hago.”

Joannes Vermorel: Estaría muy, muy en desacuerdo.

El hecho de que acabemos de demostrar que una piedra angular de la teoría mainstream de supply chain—el safety stock—tiene un problema, incluso si este problema es limitado, nadie lo disputaría. Es de enorme importancia.

El hecho de que podamos señalar fallas en el mainstream—aun si todo lo demás está equivocado—el hecho de que se puedan detectar fallas en los pilares principales de la teoría mainstream de supply chain merece mucha más atención. Simplemente eso.

Ese hecho no prueba mi teoría. Es solo una evidencia para la audiencia de que deben leer el libro y formarse su propia opinión. Si, a través de unos pocos capítulos, pueden llegar a la realización de que la teoría mainstream es profundamente defectuosa y necesita mejoras, puede que eso no pruebe que mi teoría sea correcta.

Pero creo que es una razón suficiente para leer el libro. Incluso si mi teoría es equivocada, quizá la crítica sea correcta.

Obviamente, mi teoría es correcta y la crítica también lo es, pero un argumento más tenue es: al menos, la crítica es correcta.

Conor Doherty: Justo. Y para dar crédito: lo estás reconociendo. Vulnerable. Está abierto a la contrarrespuesta.

Joannes Vermorel: Sí. Estoy tratando de tener una teoría que sea muy vulnerable. Es algo extraño. No estoy intentando formular una teoría que sea inmune.

Por ejemplo, los libros que tengo en mi estante, detrás de mi escritorio, sobre la teoría de supply chain, provenientes del ámbito académico, como una serie de acertijos matemáticos: son indestructibles. Nunca puedo demostrar nada que esté mal. Son intocables.

Eso es de lo que hablo en el capítulo 3: esos libros son para siempre. Porque son matemáticas aplicadas, tienen la pureza de la geometría elemental. Seguirán siendo completamente verdaderos, en un sentido muy específico de la verdad matemática, dentro de 3,000 años. Nada de lo que ocurra en el mundo real podrá tocar esas cosas. Esos libros son completamente inmunes a cualquier crítica del mundo real.

Y digo: esto es un problema. Invito al lector a contemplar: ¿estás tratando con una teoría que se ha hecho inmune a cualquier tipo de crítica, o estás tratando, como la mía, con una teoría que es muy vulnerable?

Creo que esta vulnerabilidad, en lo que respecta al conocimiento, es su mayor fortaleza. Significa que estoy haciendo toneladas—literalmente toneladas—de predicciones, predicciones que, al igual que el pobre Marx, podrían resultar completamente incorrectas.

Si Marx hubiera presentado su teoría inmune a la realidad desde el primer día, no habría tenido que sufrir todos los problemas con los que sus seguidores posteriores tuvieron que lidiar, en los que tuvieron que parchear la teoría de tantas maneras. Habría tenido que hacerla completamente inmune desde el primer día. Eso habría evitado tantos problemas para los seguidores de su teoría.

Aquí lo que digo es: esto no es lo que hice intelectualmente. Intenté tener este enfoque—inspirado en la física del siglo XX—para crear una teoría que estuviera lo más expuesta posible.

Y, por cierto, esta es una de las razones por las que hay tan pocas matemáticas. Porque cada vez que hago matemáticas, sé que me estoy haciendo inmune. Si incluyera fórmulas matemáticas en este libro, serían correctas, y nadie podría jamás contradecirme, ya que eso sería consistencia interna, en términos matemáticos.

Ese no era mi objetivo. Quería tener algo que fuera una introducción y demostrar esa vulnerabilidad a lo largo del propio libro.

Lo sé, es muy meta.

Conor Doherty: Entiendo. De nuevo, el capítulo se llama epistemología, así que señalas tus intenciones desde el principio.

Bueno, nuevamente, llevamos ya un buen rato, así que voy a cerrar. Hemos hablado, creo, entre cuatro y cinco horas sobre el libro. Aún queda más por venir. Ha sido un placer.

De los primeros tres capítulos—aunque, de nuevo, en un libro que llamas playbook—¿cuáles son los consejos y trucos que la gente puede aprovechar si decide detenerse, creo, en la página 66, al final del capítulo 3? Si leen las primeras 66 páginas del libro y no más, ¿qué pueden extraer de ello?

Joannes Vermorel: Tienen el modelo mental para bootstrapear su forma de pensar sobre supply chain.

Esa es la clave: si llegas hasta el final del capítulo 3, tienes todos los elementos para redescubrir por ti mismo, con el tiempo, todo lo que sigue. Esa es la belleza de ello. Es el modelo mental que necesitas para descubrir por cuenta propia todo lo que viene.

Y diría que si te detienes—eres inteligente, estás dedicado—y paras al final del capítulo 3, todo lo que sigue es lo que redescubrirás por ti mismo. Esa es una predicción que hago. Para la mayoría de las personas, simplemente aplicando este modelo de pensamiento.

Así que, de cierta forma, el resto del libro solo te ahorra tiempo—como 10 años de mi tiempo—porque eso fue lo que tomó en Lokad. Te ahorra una década de proceso de pensamiento, solo porque alguien ya ha hecho una especie de speedrun del asunto. Así obtienes directamente lo bueno, las conclusiones.

Pero, fundamentalmente, es un modelo de pensamiento. Luego, como practicante, de repente podrás ver tu propio ámbito bajo una nueva luz, lo que te permitirá decir: “bien, esto es relevante, necesito memorizarlo; esto no es relevante, lo descarto y lo ignoro.”

Es muy importante. De pronto te dará una capacidad completamente nueva para ordenar en tu mente: ¿qué necesito memorizar? ¿Qué necesito aprender? ¿Debería pasar una hora pensando en este problema, o solo 30 segundos?

Esas son preguntas muy importantes. Una vez que lo entiendas, podrás hacer un speedrun del resto. Solo digo: esta es la base, y lo demás es—puede que no tengas la paciencia de dedicar 10 años al pensamiento, así que te muestro cómo se ve el resultado cuando lo haces, y esos son los capítulos que siguen.

Conor Doherty: Muy bien. Creo que el próximo capítulo es el de economía, que es algo que espero con muchas ganas discutir, pero esa es una conversación para otro día.

Muchas gracias por tu tiempo y tu paciencia. Y de nuevo, agradezco la franqueza, porque te estoy presionando bastante, pero la mayoría de la gente no sería tan receptiva a ser interrogada de esta manera. Así que lo agradezco, y gracias por ver.

Si quieres continuar la conversación, como digo siempre, puedes contactarnos a Joannes y a mí en LinkedIn. Haznos preguntas, conéctate. Nos encanta hablar.

Pero con esa nota, nos vemos la próxima semana—y a volver al trabajo.