Uomini, Macchine e il Vero Lavoro della Supply Chain

Joannes Vermorel

Quando mi siedo con i dirigenti per parlare di supply chain, quasi sempre iniziano parlando di magazzini, camion, persone e talvolta fornitori. I computer appaiono da qualche parte sullo sfondo: un sistema di pianificazione qui, un foglio di calcolo là, e ovviamente l’ERP “su cui tutto funziona.” L’immagine implicita è sempre la stessa: le persone sono al centro, le macchine sono lì per aiutare.

Ho esplorato un quadro molto diverso nel mio libro Introduction to Supply Chain, dove sostenevo che gran parte di quella che definiamo “supply chain practice” è, in realtà, un problema software mascherato. In questo saggio voglio ribadire quell’idea in termini più semplici e confrontarla direttamente con la visione mainstream che domina sia i manuali che le sale riunioni.

Come abbiamo silenziosamente ridotto il ruolo dei computer

In gran parte della letteratura e nella maggior parte delle aziende, i computer vengono trattati come pale sofisticate.

Naturalmente si presume che tu li abbia. Nessuno gestirebbe più una rete globale con carta e fax. I sistemi catturano le transazioni, memorizzano i dati principali, generano report e producono previsioni. I pianificatori si collegano ogni mattina, guardano i cruscotti, combinano ciò che il sistema indica con il loro “senso degli affari” e decidono cosa fare.

Il tono è sempre simile: la tecnologia fornisce supporto. Essa raccoglie dati, esegue calcoli, mostra indicatori rossi e verdi, forse propone una quantità d’ordine raccomandata. Ma ci si aspetta che l’essere umano “possegga” la decisione. Il software è l’analista; il pianificatore è colui che prende le decisioni.

Sulla carta questo suona rassicurante. Rispetta l’esperienza, l’intuizione e la responsabilità. Evita la paura che “il sistema stia gestendo l’azienda.” Si adatta alla nostra intuizione che decisioni serie debbano essere prese da persone serie.

Il problema è che questo quadro non corrisponde più alla scala e alla complessità delle moderne supply chain.

Supply chain come tessuto di piccole scommesse

Ogni giorno, la tua azienda compie un numero sorprendente di piccoli impegni.

Decidi quante unità di ciascun articolo acquistare da ciascun fornitore. Scegli quale magazzino dovrebbe ricevere quali quantità. Distribuisci lo stock scaso tra canali e clienti. Accetti o rifiuti ordini urgenti. Decidi quali articoli meritano uno spazio sugli scaffali e a quale prezzo. Accetti determinati tempi di consegna dai fornitori di trasporto e ne rifiuti altri.

Ognuno di questi impegni rappresenta una piccola scommessa su un futuro incerto: una scommessa che questo ordine arriverà in tempo, che questa promozione aumenterà il volume, che questo stock di sicurezza sarà sufficiente ma non eccessivo. Nessuna di queste scommesse è particolarmente eroica da sola, ma prese insieme determinano il successo o il fallimento del conto economico.

La caratteristica distintiva delle moderne supply chain non è che siano globali o veloci; ciò è già noto. È che il numero di tali scommesse è esploso. Le gamme di prodotti crescono. I canali si moltiplicano. I tempi di consegna fluttuano. Le aspettative dei clienti aumentano. La “superficie decisionale” diventa troppo ampia perché qualunque squadra di esseri umani possa monitorarla, per non parlare di ottimizzarla manualmente.

In quest’ambiente, il modello mainstream — con gli esseri umani al centro e le macchine che forniscono supporto decisionale — semplicemente non è scalabile. Le persone diventano colli di bottiglia nel posto sbagliato: non al porto o in magazzino, ma davanti agli schermi.

Perché i computer appartengono al centro

I computer hanno un superpotere: sono molto bravi a svolgere un gran numero di piccoli calcoli strutturati, ripetutamente, senza stancarsi o annoiarsi.

La supply chain è esattamente quel tipo di problema. La maggior parte delle decisioni operative che occupano il tempo dei team di pianificazione sono ripetitive. Si ripetono giorno dopo giorno, con variazioni nei dati ma con una struttura simile. Hanno input chiari: previsioni, costi, capacità, vincoli, regole di business. Hanno output chiari: quantità, date, località, prezzi. Non sono banali, ma sono strutturate.

Quando accetti questo, si suggerisce una diversa architettura.

Invece di considerare i computer come strumenti per preparare informazioni per gli esseri umani, inizi a vederli come macchine che in realtà prendono le decisioni di routine. Non come macchine assistenti, ma come macchine decisionali.

Questo non significa costruire un enorme cervello monolitico che controlla tutto. Significa costruire deliberatamente un software che, in circostanze normali, può:

• leggere i dati rilevanti,
• valutare molte opzioni possibili,
• scegliere una in base a un esplicito obiettivo economico,
• e dare un’istruzione concreta: una riga d’ordine di acquisto, un trasferimento di stock, un’allocazione, un prezzo.

Gli esseri umani esistono ancora in questo mondo, ma non passano più le loro giornate a spingere singoli ordini. Lavorano attorno al meccanismo decisionale anziché attraverso di esso.

Questo è il cambiamento fondamentale: dai computer che supportano le decisioni a computer che prendono decisioni in tutti i contesti in cui le decisioni sono piccole, numerose e ripetitive.

Per cosa servono davvero le persone

Mettere le macchine al centro non rende le persone meno importanti; le rende responsabili di cose differenti.

Prima di tutto, le persone devono decidere cosa il software è autorizzato a fare. Ciò significa definire lo spazio delle opzioni ammissibili. Il cross-docking è consentito tra questi siti? Sono ammesse sostituzioni tra questi due SKU? Possiamo spedire ordini parziali a questo cliente? Possiamo utilizzare il trasporto aereo per quel prodotto in quella regione? I computer non inventano opzioni; selezionano tra quelle che mettiamo a disposizione.

Secondo, le persone devono decidere cosa significhi “buono”. Non si tratta di vaghe aspirazioni come “eccellenza nel servizio” o “magazzino snello”, ma di espliciti compromessi. Quanto è doloroso un esaurimento di stock, in termini finanziari, per diversi prodotti e clienti? Quanto costa l’obsolescenza? Quanto valorizziamo realmente il lead time rispetto al costo per singola tratta? Come dovremmo arbitrariamente decidere tra due business unit che competono per la stessa capacità limitata?

Quando rispondiamo a queste domande in modo preciso, forniamo al software una funzione obiettivo. Gli diciamo cosa vogliamo, in un linguaggio che può applicare a ogni decisione.

Terzo, le persone devono proteggere il significato dei dati. Nel tempo, i campi in un sistema vengono riutilizzati, reinterpretati e maltrattati. Una colonna che un tempo indicava la “data di consegna promessa” ora a volte significa “data richiesta”. Un flag che una volta indicava una famiglia di prodotti viene silenziosamente riutilizzato per indicare una promozione interna. Se nessuno presta attenzione, il software continuerà a calcolare sciocchezze molto precise.

Infine, le persone devono intervenire quando il mondo cambia più velocemente dei modelli o delle regole. Devono essere in grado di dire: questo vincolo non è più valido; questa penalità è troppo elevata; questa opzione di approvvigionamento è ora politicamente inaccettabile; questo lead time non è più affidabile. Non intervengono modificando manualmente migliaia di ordini, ma cambiando le assunzioni che generano tali ordini.

Quindi, in questa visione, gli esseri umani non sono impiegati che lucidano fogli di calcolo. Sono designer, economisti e custodi del meccanismo decisionale. Il loro compito è progettare il gioco, stabilire il punteggio e vigilare affinché il gioco non rifletta più la realtà.

La visione mainstream, espressa chiaramente

Permettetemi ora di esporre la visione mainstream in un modo che la maggior parte dei professionisti riconoscerà.

In un’azienda tipica, l’ecosistema software ha tre livelli.

Alla base, i sistemi di transazione registrano ciò che accade: ordini, ricevute, spedizioni, fatture. Sopra di essi, strumenti di reporting e dashboard riassumono quella storia in molteplici prospettive: per prodotto, cliente, regione, periodo temporale. Al di sopra di tutto, trovi sistemi di pianificazione che prendono i dati dal basso, elaborano previsioni, eseguono euristiche o ottimizzazioni e producono “proposte.”

Queste proposte vengono quindi esaminate dai pianificatori. Le confrontano con la loro conoscenza del mercato, le peculiarità dei fornitori, la politica dei clienti, la realtà dei magazzini. Accettano alcune, ne adattano altre e ignorano il resto. In molte organizzazioni, gran parte di quest’ultimo passaggio avviene in fogli di calcolo, al di fuori di qualsiasi sistema formale.

La filosofia implicita è chiara: i sistemi sono lì per informare e assistere. Gli esseri umani, in particolare i pianificatori, sono lì per decidere. Se qualcosa va storto, la spiegazione è spesso che “il sistema non è abbastanza flessibile”, oppure “i dati erano errati”, o “l’algoritmo non ha compreso questo caso speciale”, per cui avevamo “bisogno di un pianificatore per correggerlo.”

I manuali rinforzano questo schema. La tecnologia dell’informazione viene descritta come un “motore” o un “abilitatore” della performance della supply chain. Fornisce visibilità, integrazione, velocità e sofisticazione analitica. Ma c’è sempre un passaggio in cui il decisore umano riappare in cima alla piramide, a cui il sistema riporta le informazioni.

Questo quadro non è del tutto sbagliato. Ha catturato la realtà di ciò che era fattibile per molto tempo. I sistemi erano rigidi. L’ottimizzazione su larga scala era costosa. La qualità dei dati era pessima. Inserire un essere umano nel ciclo era una decisione sicura e pragmatica.

Ma abbiamo mantenuto quel modello più a lungo di quanto meritasse.

Dove mi discosto dal mainstream

Il mio disaccordo con il mainstream può essere espresso in una semplice frase:

Per la maggior parte delle decisioni operative, non dovremmo più mirare al supporto decisionale; dovremmo puntare all’automazione delle decisioni.

Questo non significa automazione cieca. Significa che quando una decisione è piccola, frequente e strutturalmente simile in molte istanze, dovremmo progettare un software che la gestisca end-to-end, con gli esseri umani concentrati sulla progettazione e il monitoraggio del meccanismo anziché sulla sua esecuzione quotidiana.

Da questa semplice affermazione, seguono diversi confronti.

Il mainstream investe pesantemente nell’aggiunta di più dashboard e di più pianificatori. Io preferirei investire in meno pianificatori che si comportino più come product owner quantitativi e in più ingegneri in grado di codificare la logica di business in codice anziché tramite configurazione.

Il mainstream cerca di acquistare sistemi sufficientemente “configurabili” da gestire la maggior parte delle situazioni fin da subito. Mi aspetto che ogni supply chain seria contenga molte peculiarità e vincoli specifici dell’azienda che non possono essere catturati in modo significativo solo da caselle di controllo e tabelle di parametri. A un certo punto, qualcuno deve scrivere codice.

Il mainstream tratta la combinazione di ERP, moduli di pianificazione e BI come uno stack completo: dati alla base, insight al centro, decisioni in cima. Io vedo quello stack come solo parzialmente costruito. Lo strato mancante è quello che si assume la responsabilità della maggior parte degli impegni reali nel business.

Soprattutto, il mainstream insiste sul fatto che gli esseri umani siano sempre quelli che “prendono” le decisioni. Io sostengo che, per la stragrande maggioranza delle decisioni di routine, gli esseri umani sono meglio impiegati nel decidere come le decisioni dovrebbero essere prese, piuttosto che nel prenderle una per una.

“Ma cosa succede se il sistema sbaglia?”

Un’obiezione comune è immediata e legittima: cosa succede quando il sistema si sbaglia?

Se lasciamo che il software piazzi gli ordini, allochi lo stock e stabilisca i prezzi, e il software commette un errore, le conseguenze possono essere gravi. Con un essere umano nel circuito, almeno qualcuno avrebbe potuto accorgersene.

Credo che questa obiezione sia importante, ma pesa su entrambi i lati.

Quando ti affidi agli esseri umani per correggere l’output di sistemi fondamentalmente mal definiti, scambi un tipo di errore con un altro. Gli errori individuali possono essere intercettati, ma quelli strutturali persistono. Nessuno ha il tempo o la capacità cognitiva per rendersi conto che l’intera logica del sistema è leggermente sbagliata, che una penalità è mal calibrata, che un vincolo ha subito una deriva. Le persone si limitano a gestire le emergenze; raramente riprogettano.

In un contesto automatizzato, sei costretto a trattare questo rischio in modo esplicito.

È necessario un monitoraggio che non si limiti a osservare i livelli di servizio e i cicli di inventario, ma che possa attribuire i fallimenti a ipotesi specifiche. Hai bisogno della capacità di mettere in pausa l’automazione per un sottoinsieme di prodotti o regioni quando viene rilevata un’anomalia. Hai bisogno di tracciati di audit: registri chiari di perché il sistema ha scelto una particolare decisione, con quali input e quale logica interna.

Ancora più importante, hai bisogno di una cultura che accetti che il software è un asset di prima classe. Merita progettazione, testing, refactoring e governance. Non può essere una scatola nera opaca che “il vendor gestisce” o “l’IT se ne occupa”. Se il software gestisce l’attività quotidiana, arricchire e correggere il suo comportamento è una delle responsabilità fondamentali dell’organizzazione supply chain.

Ciò può sembrare più rischioso che chiedere ai pianificatori di “tenere d’occhio le proposte”, ma in pratica spesso riduce il rischio anziché aumentarlo. I fallimenti sono più tracciabili. Le correzioni sono sistemiche anziché locali. L’apprendimento si accumula nel codice invece di scomparire quando un pianificatore esperto se ne va.

Dove sono ancora d’accordo con il mainstream

Nonostante queste divergenze, ci sono aree in cui sono completamente allineato con la visione mainstream.

Concordo sul fatto che l’informazione sia centrale. Senza dati tempestivi e affidabili, qualsiasi ambizione di automazione è fantasia.

Concordo che i silos organizzativi siano un ostacolo importante. Se approvvigionamento, logistica, vendite e finanza non riescono a concordare definizioni di base e obiettivi condivisi, nessun sistema li salverà.

Concordo che la supply chain non riguardi solo la matematica e le macchine. Le relazioni con i fornitori, la fiducia tra i partner, i vincoli normativi e gli shock geopolitici contano enormemente. Un bellissimo motore decisionale non può far apparire una nave in un canale bloccato.

Il mio punto è più preciso: quando si tratta del lavoro quotidiano di decidere quantità, tempistiche e allocazioni in grandi reti, stiamo definitivamente sottoutilizzando le macchine che già possediamo. Stiamo intrappolando persone talentuose in cicli burocratici in cui aggiungono pochissimo valore marginale, ma assorbono una quantità enorme di energia organizzativa.

Una destinazione diversa

Se prendi sul serio la mia visione, la destinazione appare qualcosa del genere.

La maggior parte delle decisioni operative quotidiane — cosa ordinare, dove allocare, quanto spedire, quando rifornire — viene presa automaticamente dal software, in circostanze normali. Il software opera secondo regole chiare ed esplicite e obiettivi economici, e il suo comportamento è visibile e verificabile.

I pianificatori non iniziano la loro giornata scorrendo le liste di eccezioni. Iniziano la giornata osservando il comportamento stesso della macchina decisionale: dove sta performando bene, dove è erratica, dove le ipotesi potrebbero essere diventate obsolete. Collaborano con gli ingegneri per affinare la logica, migliorare i dati e regolare i compromessi economici.

Quando si verificano interruzioni, gli esseri umani intervengono non microgestendo singoli ordini, ma modificando i parametri del gioco: vietando alcune modalità di trasporto, aprendo opzioni temporanee di sourcing, rivedendo penalità e priorità. Il sistema quindi ricalcola le innumerevoli piccole scommesse implicite in queste nuove condizioni.

Le carriere nella supply chain evolvono di conseguenza. Meno tempo viene speso a “combattere il sistema” e “aggiustare il piano.” Più tempo viene dedicato a comprendere l’economia dell’azienda, a codificare tale comprensione nel software e a progettare set di opzioni resilienti per un mondo incerto.

In un’organizzazione del genere, i computer non sono più pale. Essi rappresentano il macchinario della supply chain. Le persone sono gli architetti, gli economisti e i custodi di quel macchinario.

Questa è la prospettiva che volevo chiarire qui. Essa si discosta nettamente dalla narrativa tradizionale dell’IT come supporto e delle persone come decisori primari. Ma credo che sia più vicina alla realtà di dove le supply chain possano, e debbano, dirigersi in seguito.