Perché le iniziative di intelligenza artificiale falliscono nella supply chain - Ep 168

00:00:00 Introduzione e chiarimento dell’argomento
00:02:55 Aziende che rivedono vecchi approcci con l’IA
00:04:28 Fallimenti di ingegneri intelligenti nella supply chain
00:05:44 Traduzione automatica del sito web di Lokad con LLM
00:09:15 Le quattro prove chiave dei fallimenti
00:12:24 Perché le richieste di proposte sono disfunzionali
00:21:28 Perché le serie temporali sono disfunzionali
00:32:47 Perché le scorte di sicurezza sono disfunzionali
00:50:04 Perché i livelli di servizio sono disfunzionali
01:09:59 Domande del pubblico
01:32:15 Considerazioni finali

Riassunto

In un recente episodio di LokadTV, Conor Doherty e Joannes Vermorel hanno discusso dei difetti intrinseci nella gestione della supply chain, in particolare della eccessiva dipendenza dall’intelligenza artificiale. Vermorel ha criticato pratiche consolidate come le richieste di proposte, la previsione delle serie temporali, le formule di scorte di sicurezza e i livelli di servizio, sostenendo che sono obsolete e insostenibili dal punto di vista economico. Ha sottolineato che l’intelligenza artificiale non può risolvere questi problemi profondamente radicati, poiché non ha ancora raggiunto il livello di intelligenza umana. Vermorel ha suggerito che gli aggiustamenti pratici basati sull’esperienza dei professionisti spesso compensano questi metodi difettosi. La conversazione si è conclusa con una sessione di domande e risposte, evidenziando la sfida di rimuovere processi radicati nelle grandi aziende.

Riassunto Esteso

In un recente episodio di LokadTV, Conor Doherty, Direttore della Comunicazione presso Lokad, ha intrapreso una discussione stimolante con Joannes Vermorel, CEO e fondatore di Lokad, sui rischi delle iniziative di intelligenza artificiale nella gestione della supply chain. La conversazione, che si è svolta nel nuovo studio di Lokad, ruotava attorno all’affermazione di Vermorel secondo cui gli approcci tradizionali alla supply chain, in particolare quelli che coinvolgono l’IA, sono fondamentalmente difettosi e destinati a fallire.

Vermorel ha iniziato criticando le pratiche consolidate nella gestione della supply chain, che secondo lui sono rimaste immutate dagli anni ‘70. Ha sostenuto che aggiungere semplicemente l’IA a questi metodi obsoleti non è una soluzione, ma un esercizio di futilità. Vermorel ha sottolineato che i fallimenti delle precedenti iniziative di supply chain, anche quelle guidate da ingegneri altamente intelligenti, dovrebbero fungere da avvertimento contro la eccessiva dipendenza dall’IA.

Conor Doherty ha sfidato Vermorel sottolineando che molti considerano l’IA come una panacea per i problemi della supply chain. Vermorel ha risposto evidenziando i limiti dell’IA, utilizzando l’esempio di ChatGPT. Ha spiegato che se ingegneri altamente intelligenti non sono riusciti a risolvere questi problemi, è irrealistico aspettarsi che l’IA, che non ha ancora raggiunto il livello di intelligenza umana, possa avere successo. Ha sottolineato che l’IA può ridurre i costi e migliorare l’efficienza nelle aree in cui le soluzioni sono già note, ma non può risolvere problemi fondamentalmente difettosi.

La discussione è poi approfondita sulle ragioni per cui Vermorel ritiene che le pratiche attuali della supply chain siano fuorvianti. Ha identificato quattro aree chiave: Richieste di Proposte (RFP), previsioni delle serie temporali, formule di stock di sicurezza e livelli di servizio. Vermorel ha sostenuto che le RFP, in particolare per il software aziendale, sono disfunzionali perché presuppongono un livello di conoscenza e specificità irrealistico. Ha paragonato il processo a scrivere una specifica dettagliata per uno smartphone senza comprendere le sue complessità, il che porta a un processo di selezione che spesso esclude i migliori fornitori.

Vermorel ha affermato che anche le previsioni delle serie temporali sono una pratica difettosa. Ha spiegato che i dati delle serie temporali possono essere fuorvianti perché non catturano sfumature critiche, come la differenza tra avere un cliente principale o molti clienti più piccoli. Questa mancanza di dettaglio può portare a decisioni scadenti e a un aumento del rischio.

Anche le formule di stock di sicurezza e i livelli di servizio sono stati criticati per essere non economici e eccessivamente semplicistici. Vermorel ha sostenuto che queste metriche non tengono conto del contesto economico più ampio e spesso portano a decisioni non ottimali. Ha suggerito che un approccio più olistico, che consideri l’intero sistema e il suo impatto economico, sarebbe più efficace.

Conor Doherty ha sollevato il punto che molte aziende ottengono ancora un successo significativo utilizzando questi metodi difettosi. Vermorel ha riconosciuto ciò, ma lo ha attribuito agli aggiustamenti pratici basati sull’esperienza effettuati dagli operatori sul campo, piuttosto che ai modelli teorici insegnati nella gestione della supply chain. Ha sostenuto che questi operatori spesso si affidano a fogli di calcolo e modifiche manuali per correggere le carenze dei metodi consolidati.

La conversazione si è conclusa con una sessione di domande e risposte in cui sono state affrontate le domande del pubblico. Vermorel ha ribadito che l’ostacolo principale al cambiamento nelle grandi aziende è la difficoltà di eliminare processi consolidati. Ha sottolineato che aggiungere nuove tecnologie, come l’IA, è più facile che eliminare pratiche obsolete, anche quando queste ultime porterebbero a risultati migliori.

In sintesi, la prospettiva di Vermorel è che le pratiche attuali della supply chain mainstream siano fondamentalmente difettose e che l’IA, sebbene utile in determinati contesti, non possa risolvere questi problemi radicati. Egli sostiene un approccio economicamente più solido che consideri l’intero sistema e le sue complessità, anziché fare affidamento su metriche semplicistiche e obsolete.

Trascrizione completa

Conor Doherty: Benvenuti su LokadTV, in diretta dal nostro nuovo studio davvero incantevole. Stiamo chiudendo il 2024 con un argomento innocuo e leggero basato sulla sua discussione a SCT Tech. Joannes Vermorel, alla mia sinistra, spiegherà la sua prospettiva su perché le iniziative di intelligenza artificiale nella supply chain sono probabilmente destinate a fallire. Sentitevi liberi di inviare le vostre domande durante la diretta e le affronteremo un po’ più avanti. Mentre siete qui, iscrivetevi al canale YouTube e seguici su LinkedIn.

E un’ultima nota prima di iniziare a parlare di quanto siamo più intelligenti degli altri. Sarebbe scortese non riconoscere lo sforzo di tanti per rendere così bello lo studio che vedete davanti a voi. Tutto, dai monitor dietro di me ai microfoni di fronte a Joannes e a me, è il risultato di molto lavoro da parte di Lokad, in particolare di Maxime Larrieu dietro la telecamera lì e di Baptiste Grison. Quindi grazie a entrambi per i vostri sforzi. E con questo, Joannes, ti chiedo, perché le persone sono così stupide?

Joannes Vermorel: In generale, penso che sia la maledizione della specie umana, me compreso. Ma in realtà, con questo titolo giocoso, volevo solo attirare l’attenzione sul fatto che quello che io definisco tipicamente come l’approccio mainstream alla supply chain è stato ampiamente disfunzionale negli ultimi quattro decenni. È stato praticamente un vicolo cieco in termini di tecnologie e pratiche. Quello che le aziende stanno facendo al giorno d’oggi è cambiato appena concettualmente dagli anni ‘70. Sono le stesse ricette numeriche, le stesse idee, e non funziona molto bene.

Ora, l’idea che si possa prendere le cose così come sono e aggiungere un po’ di polvere magica di intelligenza artificiale e improvvisamente quei problemi spariranno, penso che sia follia o, nel titolo, stupidità. Di nuovo, non penso che le persone fossero stupide alla fine degli anni ‘70 per provarci. Dico solo che dopo quattro decenni di fallimenti consecutivi, non imparare dai propri errori passati è dove inizia la stupidità. Quando vedo aziende che cercano di ripensare, mantenendo gli stessi approcci e processi nella loro supply chain con l’IA generativa, non ho bisogno di aspettare e vedere come si svilupperanno le cose. So già che semplicemente non funzionerà. Sarà solo uno spreco di tempo, energia e denaro.

Conor Doherty: Ma molte persone vedrebbero l’IA come una sorta di soluzione miracolosa quando si tratta di iniziative di supply chain. Come se tutto ciò che è rotto o difettoso o basato su false premesse verrà risolto dall’inserimento di Gen-AI, ad esempio. Quindi stai dicendo fondamentalmente che questo è un approccio sbagliato?

Joannes Vermorel: Assolutamente. Fermiamoci un attimo. Immaginiamo che ChatGPT sia intelligente quanto un ingegnere del MIT. Eccellente, abbiamo intelligenza artificiale generale ora. Si scopre che molti concorrenti di Lokad negli ultimi quattro decenni hanno fatto esattamente questo. Prendono ingegneri del MIT, danno loro grandi progetti di supply chain e l’ambizione è eliminare i fogli di calcolo, automatizzare le decisioni. Sono molto intelligenti, e gli dai budget e tempo, eppure hanno fallito.

Questi fallimenti non sono eccezionali. Praticamente qualsiasi azienda che conosco, che ha un fatturato superiore a un miliardo di dollari e ha più di 20 anni, ha probabilmente tre o quattro iniziative di supply chain fallite alle spalle. Iniziative volte a eliminare i fogli di calcolo introducendo ricette numeriche più intelligenti e integrate, e hanno fallito. Quindi ora la domanda è, se hai fallito usando ingegneri molto intelligenti, perché pensi che usando qualcosa che è un’intelligenza inferiore, perché diciamocelo, ChatGPT non è ancora un’intelligenza di livello umano, perché pensi che avrà successo?

Automatizzare l’intelligenza, il vantaggio è il costo. Ad esempio, da Lokad, abbiamo robotizzato la traduzione del nostro sito web. Ora, se guardi il sito Lokad.com, è disponibile in molte lingue. Per un decennio, lo abbiamo fatto con traduttori professionisti. Ora viene fatto automaticamente con grandi modelli di linguaggio. Eccellente. Quello che abbiamo risparmiato è una questione di costo, ma fondamentalmente era un problema che sapevamo già come risolvere manualmente con le persone. L’IA non ha risolto un problema insolubile, che era la traduzione. Ci ha solo permesso di farlo in modo più economico e veloce, il che è ottimo.

Ma ora, se torniamo al problema iniziale, ovvero l’ottimizzazione predittiva della supply chain, se tutti i tuoi tentativi precedenti sono falliti mentre avevi ingegneri molto intelligenti a tua disposizione, perché pensi che avere strumenti meno ingegnosi e un po’ più fantasiosi possa fare davvero la differenza?

Conor Doherty: Quello di cui hai appena parlato porta a questa domanda: quando usi il termine “stupidità”, vorrei approfondire un po’ di più. So che era provocatorio, ma anche così, quando parli di aziende che prendono decisioni basate su presupposti errati, e parleremo di dettagli, ma quando dici cose come aziende che commettono ripetutamente errori, quello è un tipo di errore. Forse potresti classificarlo generosamente come stupidità. C’è anche un’alternativa, che è l’ignoranza. L’ignoranza è neutrale.

Stupidità, stupido, imbecille - questi termini originariamente erano nella letteratura psichiatrica e si riferiscono a un’incapacità cognitiva. Denotano un significato molto specifico. L’ignoranza è neutrale. Tu e io abbiamo un QI di 180 in un giorno no, ma siamo entrambi ignoranti su molte cose. Non so nulla di botanica, non so nulla di come vengono fatte le stringhe delle scarpe, ma non sono stupido. Non mi manca l’infrastruttura neurologica per imparare queste cose; semplicemente non ho il tempo o l’accesso alle informazioni. Quindi, alla domanda, ci sono aziende che prendono decisioni sbagliate che portano a risultati terribili o subottimali, e ci sono aziende che in realtà non conoscono l’esistenza di paradigmi alternativi. Vedi questo come due rappresentazioni corrette del problema, o vedi semplicemente le persone come stupide e che commettono errori?

Joannes Vermorel: Sì, è una rappresentazione corretta del problema, il che ci porta al caso di ciò che stiamo esaminando esattamente. Quando guardiamo i dettagli, possiamo decidere se stiamo parlando di stupidità o ignoranza. La mia proposta per oggi è che quando guardiamo i dettagli, è così ovvio che affermare che si tratta di ignoranza è un’esagerazione.

Conor Doherty: Iniziamo a entrare nei dettagli. Hai quattro prove chiave, o quattro modi per dimostrare ciò che vedi come il problema di stupidità naturale o ignoranza naturale in termini di decisioni aziendali. Sono le richieste di proposte, la previsione delle serie temporali, le formule di stock di sicurezza e i livelli di servizio. Entreremo in ognuno di essi in modo sistematico, ma a livello generale, cosa c’è in quei quattro concetti che secondo te dimostrano la tua posizione?

Joannes Vermorel: Ne ho scelti quattro, ma potrebbero essercene 20. Almeno quattro ingredienti principali della teoria e pratica della supply chain mainstream. Questi sono ingredienti principali che puoi trovare probabilmente nel 90% delle grandi aziende. Per le aziende più piccole, varia molto, ma queste pratiche tendono ad essere piuttosto uniformi tra le aziende più grandi. A causa del fatto che sono molto diffuse, possiamo guardare a queste pratiche e chiederci: ha senso questa cosa? Ho bisogno di un dottorato MIT per rendermi conto che è una completa sciocchezza o no?

Se in un minuto puoi renderti conto che è una completa sciocchezza solo con un’attenta esame, siamo decisamente nel campo della stupidità. Se l’unico modo per riconoscere che sei in errore è fare un esperimento molto fantasioso e sofisticato che richiede molti finanziamenti e tempo, allora si tratta molto più di un errore nella categoria dell’ignoranza.

Conor Doherty: Come ho detto, prendiamoli sistematicamente. Quindi la prima prova nel tuo argomento è l’esistenza delle RFP. Ora, presumo che sia un termine generico per richieste di proposte, richieste di preventivi, richieste di informazioni, ecc. È tutto?

Joannes Vermorel: Sì, e ancora, specificamente per il software aziendale dedicato all’ottimizzazione della supply chain. Possiamo discutere… Non sto discutendo se l’RFP sia il modo corretto per acquistare carta sfusa o qualche tipo di merce super ovvia. Il contesto è la supply chain, sì. E più specificamente, perché ancora, se vuoi avere stampanti a codice a barre per la tua supply chain, non è di questo che sto discutendo. Sto discutendo specificamente di qualsiasi cosa tu voglia acquistare che andrà a influenzare il tuo processo decisionale. Con supply chain, intendo questo. Non intendo logistica, non intendo assumere autisti di camion. Intendo i processi decisionali che governano il flusso. Quindi tutti i dettagli di cosa compri, cosa produci, a quale prezzo vendi, dove metti il tuo inventario, tutto questo.

Conor Doherty: Ok, allora te lo rimando subito. Cosa c’è di sbagliato nell’utilizzare il processo RFP per trovare un fornitore?

Joannes Vermorel: Le RFP sono completamente disfunzionali. Se vuoi farti un’idea del pubblico di come sia una RFP, immagina se dovessi scrivere in un documento Word tutte le cose che ti aspetti dal tuo smartphone. È una completa sciocchezza. Non lo sai. Ha un miliardo di funzioni. La maggior parte del tuo smartphone funziona grazie a molte cose che non conosci. Elencare tutte quelle funzioni è un enorme lavoro, e se dovessi elencare ciò che pensi che faccia il tuo smartphone, molto probabilmente sbaglieresti molte cose.

Immagina solo che hai centinaia di punti che devi coprire, e quali sono le probabilità che producendo centinaia di pagine di requisiti per il tuo smartphone, finisci con un documento che esclude sia Samsung che Apple? Molto probabilmente sì.

Il software aziendale è estremamente complesso, e questa complessità riflette principalmente il problema che vuoi risolvere. L’ottimizzazione della supply chain è di per sé molto complessa e piuttosto complicata, quindi non puoi aspettarti una risposta super semplice. Non stai acquistando ferro a tonnellate o petrolio grezzo. Stai acquistando qualcosa di molto sofisticato, e questo significa che non hai fornitori che si sostituiscono l’uno con l’altro. Non c’è una corrispondenza uno a uno tra ciò che il fornitore X offre rispetto al fornitore Y.

Il problema con le RFP è che assume che tu conosca già esattamente la tua soluzione, che tu possa avere una specifica completa, e poi vuoi indirizzare suppostamente un gran numero di fornitori nella tua lista di requisiti. Il software semplicemente non funziona così. Produrre un buon pezzo di software richiede circa un decennio, più o meno. Nessun fornitore si adatterà radicalmente alla tua RFP. Stai indirizzando tutti attraverso centinaia di pagine di sciocchezze.

Il processo ha così poco senso che di solito quando riceviamo RFP, finiamo con qualcosa come 400-600 domande, e quelle domande sono piene di errori di ortografia. Molto spesso, persino il nome dell’azienda cliente stesso è scritto in modo errato nel documento perché alle persone non importa delle domande stesse. È stato delegato a stagisti, consulenti, chiunque. Si produce una quantità enorme di documentazione, e nessuno sa nemmeno cosa significhi la metà delle domande perché sono formulate così male. La maggior parte delle domande non sono nemmeno domande ma requisiti mascherati.

Poi il fornitore risponde con decine, forse centinaia di pagine di risposte che nessuno legge. C’è una commissione che passa attraverso diverse fasi per questo, e l’idea che si arrivi a una decisione razionale da questo processo completamente irrazionale è semplicemente incredibile. Non c’è nulla nella vita reale in cui tu, come individuo, ti impegni in un processo così folle. Perché pensi che improvvisamente, solo perché stai operando per una grande azienda, ciò che altrimenti sembrerebbe completamente folle nella tua vita quotidiana abbia improvvisamente senso solo perché è la pratica di una grande azienda? Non lo ha.

Conor Doherty: Beh, ancora una volta, ci sono un paio di punti da analizzare perché c’è molto da dire. Prima di tutto, la tua critica riguarda… Oh, scusa, lasciami tornare indietro. Ho visto alcune delle RFP di cui stai parlando. Ho visto alcuni esempi come, “Hai ancora una macchina per fax? Conservi i tuoi rapporti di fax in armadi antincendio?” Voglio dire, ho visto queste cose. Ovviamente, è assolutamente insensato. Questa è una RFP nel suo stato attuale. Stai dicendo che in un vuoto, separato da una cattiva esecuzione, in generale, il concetto di RFP per cercare un pezzo di software è semplicemente una cosa assolutamente folle da fare? E se la risposta a questa domanda è sì, spiega per favore quale sarebbe l’alternativa.

Joannes Vermorel: No, l’idea di fare una ricerca di mercato non è folle. Ovviamente, se vuoi scegliere un fornitore, devi fare una ricerca di mercato. L’idea che devi operare attraverso le pratiche consolidate di RFI, RFP è assurda. Questo è il mio punto. Il mio punto è che quelle pratiche sono profondamente difettose, profondamente, profondamente difettose. Quando hai un processo completamente disfunzionale, l’improvvisazione è molto meglio.

Se stai facendo qualcosa che non funziona, che è così terribile, smetti di farlo, e praticamente qualsiasi altra cosa sarà migliore. Qualsiasi cosa che non sia ancora più burocratica. La mia opinione è che quelle grandi aziende sarebbero meglio servite da un processo informale, e basta. Se sei disposto a considerare l’idea di avere una versione superiore del processo, allora c’è anche un percorso alternativo. È discusso in una delle mie lezioni sulla ricerca di mercato avversaria, dove descrivo un modo migliore per farlo. Ma anche in assenza di conoscenza di questo modo migliore, semplicemente rimuovere questo processo insensato sarebbe già un miglioramento.

Avere un processo super burocratico non è una cosa buona. È una cosa terribile. Rallenta tutto, diluisce la responsabilità di tutti e seleziona negativamente i fornitori. Immagina, di nuovo, torniamo ad Apple. Davvero pensi che Apple, se fai una RFP per loro, presterà attenzione a te? Modificheranno il loro prezioso iPhone per soddisfare i tuoi requisiti aziendali? No, non lo faranno. Quindi quello che stai effettivamente facendo è far sì che i buoni fornitori optino da soli per la tua ricerca di mercato, il che è assolutamente insensato. È l’opposto di ciò che vuoi.

La mia opinione è che quando hai qualcosa come il cancro, rimuovi il cancro e non ti chiedi, “Cosa metto al posto del cancro?” Se hai rimosso il cancro, hai già fatto qualcosa di buono. È un miglioramento. Ora, possiamo discutere di cosa potrebbe essere ancora meglio, cosa mettere al suo posto, ma la prima fase è riconoscere che quando rimuovi il cancro, stai migliorando la situazione.

Purtroppo, ed è qui che arrivo alla stupidità burocratica, si pensa che l’unico alternativa a un incubo burocratico sia un altro tipo di incubo burocratico. Questo è completamente insensato. Chiaramente, in 15 anni di attività commerciale non ho mai visto una RFP che non fosse profondamente, profondamente disfunzionale. Sono solo variazioni tra i cerchi dell’inferno. Alcune RFP sono come il quinto cerchio dell’inferno, altre sono come il nono cerchio dell’inferno. Sono solo variazioni in termini di intensità da incubo, ma per il resto, è uniformemente super, super cattivo.

Conor Doherty: Quello era Thomas Sowell e Dante Alighieri nello spazio di 60 secondi. È stato molto buono. Beh, in realtà, questo passa al primo punto, che riguarda le RFP e la critica alle RFP e alle RFQ, ecc. È così che potresti selezionare un fornitore di intelligenza artificiale.

Joannes Vermorel: Esattamente.

Conor Doherty: Se posso solo finire la domanda perché sto facendo una transizione un po’ diversa. Il secondo punto, però, è una volta che hai selezionato un fornitore di intelligenza artificiale, qui passiamo al secondo punto, che è la previsione delle serie temporali, che tu citi come la seconda prova del perché la tua iniziativa di intelligenza artificiale fallirà. Ora, questo è una volta che hai già selezionato un fornitore. Qual è il problema con le serie temporali?

Joannes Vermorel: Quindi una volta che hai selezionato… Prima di tutto, molto probabilmente, grazie alla tua RFP, selezionerai un fornitore molto cattivo. Questo è un dato di fatto. Hai un processo che non ha alcun senso, quindi molto probabilmente otterrai uno di quei peggiori fornitori specializzati nel fare tutto ciò che fa al caso di quelle RFP, indipendentemente dalla quantità di assurdità. Sei già in una posizione in cui il fallimento è quasi scontato, anche se il fornitore non era troppo disfunzionale. Ma hai davvero selezionato il fornitore disfunzionale in primo luogo. Ora, questo mi porta alle serie temporali.

Le serie temporali sono come l’Alpha e l’Omega della prospettiva moderna della supply chain mainstream. Cosa sono le serie temporali? Sono solo una serie di punti secondo un determinato periodo. Ci sarà un valore al giorno, un valore alla settimana o al mese. Quando dico prospettiva delle serie temporali, significa che guardi tutto attraverso le tue vendite o il tuo flusso al giorno, alla settimana, al mese aggregato. Tutto si adatta a quelle serie temporali.

Ovviamente, con quelle serie temporali, ciò che vuoi, o almeno secondo la teoria della supply chain mainstream, è avere previsioni delle serie temporali, che è l’estensione di quelle serie temporali nel futuro. Se hai i tuoi dati di vendita fino a oggi, vuoi avere la previsione, che è semplicemente l’estensione di quelle serie temporali nel futuro. Quindi hai la quantità di vendite domani, dopodomani, ecc.

Conor Doherty: Cosa c’è di sbagliato nel ricevere un punto di dati utile per pianificare, ad esempio, la domanda della prossima settimana sarà di 10 unità? Sembra fantastico.

Joannes Vermorel: Il problema principale è che la tua supply chain non può essere rappresentata in modo significativo con le serie temporali. E cosa significa?

Beh, cominciamo con una situazione super di base. Hai un prodotto che viene venduto costantemente a 1.000 unità al giorno. È stato venduto a 1.000 unità al giorno per, diciamo, gli ultimi tre anni. Molto bene. Ok, com’è il futuro? Ora, guarderò due situazioni diverse che hanno la stessa identica storia. Situazione numero uno: hai mille clienti distinti e ogni tanto ordinano un prodotto. In totale, quei mille clienti ti danno 1.000 unità al giorno. Alcuni clienti se ne vanno, alcuni clienti arrivano, ma è molto stabile. Quindi, questo genera le serie temporali. Ora, cosa ti dice? Ti dice che hai una domanda molto stabile che sembra piuttosto robusta. Mille clienti non sono milioni, ma non sono neanche zero, quindi sembra buono.

Ora, la seconda situazione è che hai 1.000 unità al giorno, ma da un solo cliente. Sì, questo cliente è stato molto costante, ha ordinato 1.000 unità al giorno negli ultimi anni, ma è un solo cliente. Ora, qual è la probabilità che la domanda possa scendere a zero domani e rimanere a zero per sempre? Ovviamente, dalla prima prospettiva, dove hai mille clienti, non direi che sia impossibile, ma è molto remota. Anche se avessi un evento catastrofico che danneggia il marchio, la maggior parte dei clienti nemmeno lo scoprirebbe. Anche se avessi un enorme caso di frode, avresti comunque centinaia di clienti che non ne sentono parlare per mesi. Quindi, la probabilità che tutti quei clienti, in perfetta coordinazione, smettano di acquistare da te lo stesso giorno non è impossibile, ma è una probabilità molto, molto bassa. Stiamo parlando di una su un milione, probabilmente. È raro.

Al contrario, se abbiamo un solo cliente, basta un solo manager che decida di scegliere un fornitore diverso e bam, vai a zero. Se dici che perderai questo cliente fedele una volta ogni decennio circa, stiamo parlando di una probabilità dello 0,1%. Non è una su un milione; è di diversi ordini di grandezza in più. Questo è ancora improbabile, ma rispetto al primo caso, è qualcosa che molto probabilmente accadrà in pochi anni. Dato abbastanza tempo, come un decennio, è quasi garantito che accada. Qui sto solo descrivendo due situazioni molto di base che hanno la stessa identica rappresentazione delle serie temporali. Questo è il nocciolo del problema: le serie temporali sono semplicistiche. Puoi avere diverse situazioni completamente diverse eppure avere le stesse serie temporali.

Conor Doherty: E questo è importante. Perché?

Joannes Vermorel: Perché le tue decisioni sono molto diverse. Se hai mille clienti, puoi essere molto conservativo con l’inventario. Puoi dire, ad esempio, “Oh, avremo molti mesi di inventario in magazzino perché va bene. Se perdiamo alcuni clienti, regoleremo la produzione in modo da non avere un grande eccesso di stock. Anche se perdiamo clienti, avremo comunque il tempo di liquidare l’inventario.” Al contrario, se hai un solo cliente, significa che se questo cliente smette di acquistare, il tuo stock diventa morto da un giorno all’altro. Tutto ciò che ti rimane è una cancellazione garantita dell’inventario per tutto ciò che hai in magazzino.

Quindi, vedi, in termini di decisioni sulla supply chain, hai due situazioni molto diverse che richiedono decisioni molto diverse. Ecco perché dico che le serie temporali sono folli. L’ipotesi è che se inquadrassi tutto come serie temporali, che è esattamente ciò che fa la supply chain mainstream, allora potresti prendere decisioni ragionevoli. Quello che dico è no, non puoi. Non puoi perché le serie temporali non ti permettono di catturare alcuni concetti fondamentali sulla tua attività. Sei solo cieco. Non importa se hai più serie temporali. Torniamo ancora a questo cliente singolo rispetto a 1.000 clienti. Non importa se hai più serie temporali; sei comunque bloccato dal fatto che è una rappresentazione sbagliata dei tuoi dati. È una rappresentazione super semplicistica dei tuoi dati.

Conor Doherty: Scusa, solo per essere sicuro di spiegare a chiunque potrebbe non capire cosa intendi, dal punto di vista della gestione del rischio, devi avere approcci diversi in termini di allocazione finanziaria perché la tua esposizione è diversa.

Joannes Vermorel: È molto diverso. Di nuovo, se guardiamo gli articoli deperibili in un negozio, le serie temporali ti permetteranno di rappresentare il tuo livello di stock nel tempo. Quindi, quante unità hai in magazzino nel tuo negozio per, diciamo, i latticini? Ma la realtà è che i tuoi prodotti sono deperibili, quindi hanno una data di scadenza. Consideriamo di nuovo, hai 10 unità in magazzino. Questa è una prospettiva di serie temporali. Il giorno prima, ne avevi 11, qualunque cosa. Hai il tuo livello di stock in corso. Questa è una rappresentazione a serie temporali. Ora stai pensando: “Ho 10 unità in magazzino. È buono o non buono? È sufficiente o no?”

Guardiamo due situazioni. Situazione A: i 10 latticini che hai in magazzino scadranno tra un mese. Questo è buono. Chiunque entri nel negozio troverà latticini con un mese di vita utile. È bello per i latticini. Ora, situazione B: i 10 latticini scadono domani. Questo è molto brutto. I tuoi clienti non gradiranno prendere latticini che scadono domani. Forse un cliente ne comprerà uno solo per il consumo del giorno successivo, ma una madre che fa la spesa per una famiglia e vuole organizzare le cose per la settimana non comprerà latticini che scadranno domani.

Quindi, nella stessa rappresentazione, 10 unità oggi, che è un livello di stock, ti manca una informazione molto importante, che è la composizione delle date di scadenza. Se hai un sistema software completamente progettato attorno a questa idea di serie temporali, questa informazione verrà sempre ignorata dal sistema perché il sistema non può nemmeno vederla. Non fa parte del paradigma delle serie temporali.

Conor Doherty: E ancora una volta, solo per essere molto esplicito per chiunque stia ascoltando, dicendo: “Okay, ho capito tutto, capisco cosa stai dicendo, seguo gli esempi. Come influisce l’IA su tutto ciò? Come si inserisce l’IA in questo quadro?” Anche se stai usando serie temporali o previsioni probabilistiche.

Joannes Vermorel: Se hai un paradigma in cui l’informazione chiave viene persa, come nel caso delle serie temporali, non importa se la persona che guarda le serie temporali è un’intelligenza artificiale o un ingegnere molto intelligente o chiunque altro. L’informazione chiave è già persa. Se guardi i dati delle vendite attraverso la lente delle serie temporali, non puoi vedere se si tratta di un cliente singolo o di molti clienti. Non puoi vedere le date di scadenza. Ci sono molte cose che semplicemente non vedi. Se non vedi, che si tratti di un’intelligenza artificiale, di un ingegnere intelligente o di un programma che applica alcune regole, l’informazione centrale di cui avresti bisogno è già persa. Non importa quanta tecnologia accumuli su questo paradigma.

Conor Doherty: Bene, andando avanti un po’, abbiamo coperto le prime due modalità: RFP e serie temporali. La terza e la quarta possono essere raggruppate come metriche, ovvero scorte di sicurezza e livelli di servizio. Parlando di queste separatamente o insieme, qual è la tua obiezione a queste? Perché sono abbastanza comuni. La maggior parte delle aziende ha politiche molto rigide per le scorte di sicurezza e i livelli di servizio.

Joannes Vermorel: Il problema con le scorte di sicurezza, per il pubblico, è che si assume di avere una previsione della domanda basata su serie temporali e si assume che la domanda sia distribuita normalmente, che i tempi di consegna siano distribuiti normalmente, e quindi si sceglie il livello di servizio. Questo ti darà una quantità di stock target da tenere a portata di mano, ed è chiamato scorta di sicurezza. Questo è ciò che realmente è la scorta di sicurezza.

Tecnicamente, hai lo stock operativo, che è la domanda media, e poi la scorta di sicurezza è il componente aggiuntivo sopra la domanda media. Ma questa è una questione tecnica. In generale, se sommi lo stock operativo più la scorta di sicurezza, otterrai la quantità di stock target che desideri mantenere.

Qual è il problema con questo? Il problema è che è il modo sbagliato di vedere la gestione delle scorte. L’obiettivo dell’azienda è fare profitto. La scorta di sicurezza è una prospettiva non economica su quelle decisioni. Cosa significa? Significa che è qualcosa che non fa nemmeno un tentativo di ottimizzare i profitti. Il problema è che abbiamo qualcosa che non sta nemmeno cercando di ottimizzare i profitti. Perché pensi che questa cosa sia vantaggiosa dal punto di vista del profitto?

Come si ottimizza effettivamente per fare profitto? Beh, è molto semplice. Guardi, diciamo, una situazione semplice, un negozio. Prendiamo la prima unità di inventario che massimizzerà i tuoi guadagni. Prendo questa e la metto in negozio. Questa è la cosa che mi dà il rendimento più alto. Prendo la prima unità che fa questo, e poi devo ripetere il processo con una seconda unità che massimizza i rendimenti. Poiché è un negozio, molto probabilmente la seconda unità che prenderò non sarà lo stesso prodotto della prima unità.

Il punto è che voglio distribuire le mie unità extra per coprire più domanda. Se ti dico che puoi ordinare solo una prima unità, ne prendi una. Ora, se ti dico che puoi prendere un’altra seconda unità, molto probabilmente vorrai prendere qualcos’altro perché, almeno, vuoi aumentare la copertura in termini di domanda per il negozio. Se ti dico che puoi prendere una terza unità, prenderai di nuovo qualcosa di leggermente diverso.

Il punto che sto facendo è che la prospettiva delle scorte di sicurezza adotta una prospettiva completamente non economica. Guarda un prodotto in un negozio e, ancora una volta, per il pubblico, un minimarket avrà circa 5.000 prodotti distinti sugli scaffali. Guarda un prodotto in isolamento e poi decidi in isolamento se vuoi di più o di meno. Dico che questo è senza senso.

Ancora una volta, diamo un’occhiata. Se devi farlo manualmente, ti trovi in un negozio di alimentari. Non penseresti in isolamento se hai bisogno di più o meno di qualcosa. È un compromesso. Hai uno spazio limitato sugli scaffali, hai una quantità limitata di denaro, quindi penseresti: “Ho abbastanza di questo? Dovrei riordinare abbastanza di questo prodotto, o c’è qualcos’altro che dovrei riordinare prima?” È così che pensi in termini di ritorno sull’investimento. È così che puoi pensare da un punto di vista economico.

Quello che dico è che le scorte di sicurezza sono una prospettiva non economica. È una prospettiva matematicamente interessante, almeno da un punto di vista educativo, forse per gli studenti di matematica applicata solo per dargli un piccolo esercizio o qualcosa del genere. Ma se dobbiamo arrivare a una supply chain del mondo reale, e ancora una volta, sto prendendo una situazione molto semplice come un negozio di alimentari, che è la cosa più semplice che puoi pensare, vediamo che è una prospettiva non economica. Quindi abbiamo un problema, Houston. Questa cosa non sta nemmeno cercando di migliorare il risultato finale della mia azienda. Questo è semplicemente sbagliato.

L’alternativa che ho descritto è piuttosto semplice. Si tratta di scegliere le cose che mi danno i rendimenti più elevati. Scelgo la prima unità e poi la seconda unità, ecc. Possiamo entrare nei dettagli su come facciamo esattamente questo, ma sono dettagli tecnici. La mia critica alle scorte di sicurezza è che non può essere un approccio ragionevole perché è un approccio non economico. Nella pratica, molto spesso ti trovi in situazioni senza senso. Ad esempio, calcoli in base alle tue scorte di sicurezza tutte le cose che dovresti mettere nel tuo negozio, e non ci stanno.

Quello che vedi è che finisci con la follia. Finisci con le tue scorte di sicurezza che ti dicono che tutti quei prodotti hanno bisogno di tutte quelle unità, e perché tutto viene fatto in isolamento, hai 5.000 prodotti e per ogni singolo prodotto otterrai una quantità. Quando fai la somma di tutte quelle quantità, non ci sta.

Se torniamo al tuo AI, cosa dovrebbe fare il tuo AI? Di nuovo, il tuo paradigma dice che calcoli le tue scorte di sicurezza. Il tuo AI può forse aiutarti a calcolare in modo più preciso le tue scorte di sicurezza. Non sono nemmeno sicuro di come potrebbe aiutare esattamente. Ma la realtà è che hai un paradigma che è rotto per design. Il tuo AI, non importa come calcoli le tue scorte di sicurezza, finirà comunque con quelle strane contraddizioni. Cosa significa migliorare se hai una prospettiva non economica? Il tuo AI non può evocare un significato da qualcosa che non ha un significato economico.

Conor Doherty: Prima di parlare dei livelli di servizio, vorrei riprendere un punto che hai sollevato. Hai descritto le scorte di sicurezza come una prospettiva non economica. Ho capito. Hai anche parlato di utilizzare gli SKU in isolamento, e questo è errato. Bene, allora l’opposto è presumibilmente guardare le cose in combinazione. Potresti spiegare meglio questo punto sull’isolamento rispetto alla combinazione?

Joannes Vermorel: Sì, voglio dire, ancora una volta, la supply chain è un sistema. Ciò significa che non puoi scollegare le parti senza cambiarne la natura. Un prodotto venduto su uno scaffale in un negozio di alimentari non è la stessa cosa se sto vendendo questo prodotto in isolamento. Le persone, quando vanno in un negozio di alimentari, si aspettano una gamma di prodotti, non solo un prodotto. Ed è la stessa cosa per praticamente qualsiasi supply chain non banale. Una supply chain del mondo reale sarà così. Se stai producendo automobili, devi riunire tutte quelle parti per avere veicoli funzionanti alla fine della giornata. Non puoi togliere le ruote e dire che questa è un’auto. Un’auto meno le ruote non è un’auto; è solo qualcos’altro.

Fondamentalmente, hai sistemi in cui hai molti tipi distinti di beni fisici, e hanno senso solo quando vengono messi insieme. Ciò non significa, ovviamente, che se rimuovi le ruote da un’auto, l’auto non funziona affatto. In un negozio, puoi decidere che forse non vuoi avere senape sullo scaffale. Forse i clienti sono d’accordo che tu non abbia la senape, o al contrario, hai bisogno di avere tre tipi distinti di senape.

Ci sono ovviamente molte sottigliezze a seconda di ciò che stai guardando. Non è qualcosa di bianco o nero. Ma fondamentalmente, quando inizi a vendere senape in un negozio di alimentari, ha senso solo in relazione a ciò che stai vendendo insieme ad essa. Quindi quello che sto dicendo è che quando adotti una prospettiva che mette queste cose in isolamento, ti stai perdendo il punto. Ti stai perdendo il punto di ciò che rende il negozio attraente. Ti stai perdendo il punto delle dinamiche che si verificano.

Le persone entrano nel tuo negozio di alimentari e acquistano non un solo articolo. Alcuni clienti possono entrare e acquistare un solo articolo, ma la maggior parte di loro avrà un cestino e molti articoli. Quindi quello che dico è che quando adotti questa prospettiva delle scorte di sicurezza, adotti una prospettiva matematica molto strana e super semplificata che mette i tuoi SKU, i tuoi prodotti, in stretto isolamento l’uno dall’altro. Anche considerando il tipo più semplice di supply chain che puoi pensare, come un negozio di alimentari, già non ha senso. Quindi perché pensi che abbia più senso in qualcosa di più complicato, come la manutenzione, riparazione e revisione (MRO) nel settore dell’aviazione o altro?

Conor Doherty: Lokad ha un termine specifico per questo, come la prospettiva del cestino. Credo che abbiamo effettivamente pubblicato una flash card su LinkedIn un paio di settimane fa o forse un mese fa che descriveva questo concetto. Come hai detto, le persone di solito non entrano in un supermercato e comprano solo una cosa. Comprano con una lista in mente, e l’assenza di una cosa può portare a perdite. Se le persone comprano più cose, entrano e comprano 10 articoli, e l'11° articolo che volevano non c’era ed è un articolo critico, non perdi solo le vendite dell'11° articolo. Se la persona se ne va a causa dell’assenza dell'11° articolo critico, perdi la totalità delle vendite in quel cestino. Quindi è la prospettiva del cestino. C’è una relazione tra tutte queste cose.

Joannes Vermorel: Sì, e la cosa è che se torniamo alle scorte di sicurezza e all’IA, una volta che hai adottato la tua prospettiva delle scorte di sicurezza, non importa se la tua IA è super intelligente o super stupida, economica o costosa, o altro. È già bloccata in un angolo che è un posto sbagliato in cui non ci sarà alcuna soluzione. Ecco perché dico che la stupidità naturale supera sempre l’intelligenza artificiale. Non importa la sofisticazione della tecnologia, la sua accessibilità, la sua manutenibilità. Tutto ciò diventa completamente irrilevante dal momento in cui hai già impostato il problema in modo insensato.

Conor Doherty: Sono d’accordo con te. Sono d’accordo con te su questo, ma quello che direi è che penso che questo sia un esempio molto buono della distinzione che ho menzionato in precedenza tra la stupidità naturale e l’ignoranza. Quello che abbiamo appena descritto è un fenomeno reale, ma è molto astratto. Richiede un grado di comprensione sulla relazione tra cose che non sono immediatamente chiare.

Joannes Vermorel: Non sono d’accordo. Ogni volta che hai una discussione con qualcuno che gestisce un negozio completamente ignorante, sapranno che non è magia. Non stiamo parlando di matematica super avanzata. Vai da qualsiasi negoziante che fa questo da una settimana, e capiranno che l’assortimento è qualcosa che conta. Non puoi pensare alla giusta quantità di stock per un prodotto in completa isolamento da tutto il resto.

Infatti, è una sorta di assurdità molto elaborata che richiede un professore universitario per propagarla. È assurdo, e l’unico modo per promuovere con successo questo tipo di idea è trovarsi in un ambiente in cui sei completamente protetto dalle conseguenze reali di questa idea molto sbagliata. Se dovessi gestire un negozio, non penseresti in quel modo. Puoi fare un test: discuti con chiunque nel tuo quartiere che gestisce qualsiasi tipo di negozio. Se pensano in quel modo, non lo fanno. Se parli con la persona che gestisce l’inventario, che passa l’ordine di rifornimento, come i negozi di quartiere, penseranno ovviamente in termini di insieme.

Conor Doherty: In effetti è un buon punto. C’è una distinzione da fare, e mi piacerebbe conoscere la tua opinione al riguardo. La differenza tra enormi conglomerati multimiliardari con catene di approvvigionamento incredibilmente grandi che passano ordini, diciamo, in termini di decisioni sulla catena di approvvigionamento, potrebbero essere centinaia di migliaia al giorno, e poi contrasta con i negozi di quartiere in cui è il negozio di Joannes e Joannes preleva i soldi dalla sua tasca per comprare queste cose ogni giorno.

Mi ricorda qualcosa che Peter Cotton ha detto quando abbiamo parlato con lui un anno e mezzo fa. Ha detto che si prendono decisioni molto diverse quando si tratta dei propri soldi. Il modo in cui si pensa al problema è molto diverso quando si devono prelevare i soldi dalla propria tasca. Quindi, sono solo curioso, perché vedi grandi aziende che prendono decisioni sbagliate, ma quando hai dato l’esempio di andare nel negozio accanto.

Joannes Vermorel: È lì che sta l’assurdità. Le grandi aziende non prendono quelle decisioni sbagliate perché, nonostante quello che dicono, seguono le scorte di sicurezza. Le persone che assumono no. È lì che diventa folle. Qual è il panorama effettivo? Il panorama è che ci sono professori universitari che dicono che devi fare scorte di sicurezza. Ci sono libri di testo sulla catena di approvvigionamento che dicono che devi fare scorte di sicurezza. Ci sono fornitori di IA per la catena di approvvigionamento che dicono che abbiamo scorte di sicurezza basate sull’IA. Fantastico. Poi ci sono aziende che hanno sistemi basati sulle scorte di sicurezza, o a volte vengono chiamati buffer o altro. Ci sono varie sfumature.

Alla fine della giornata, ci sono impiegati della catena di approvvigionamento chiamati pianificatori della domanda e dell’offerta, responsabili di categoria, responsabili dell’inventario - i titoli variano - che utilizzano i loro fogli di calcolo per fare qualcosa di completamente diverso. Di solito, la reazione tipica che ottengo è quando discuto con queste persone, mi dicono: “Oh sì, le scorte di sicurezza fanno parte del nostro piano per usarle. L’anno prossimo, quando avremo abbastanza maturità, le useremo davvero. Ma per ora, abbiamo avuto così tanti problemi, stiamo facendo qualcosa di completamente diverso. Con i miei fogli di calcolo, sto facendo cose diverse. So che è un caos, ma funziona in qualche modo. Con più formazione, sarò in grado di usare le scorte di sicurezza un giorno.”

Questo è folle perché la realtà è che quello che questa persona sta facendo è effettivamente qualcosa che ha senso. Questa ricetta alternativa è semplicemente ciò che ha senso, e le scorte di sicurezza sono solo una farsa, una farsa ambientale, che non funziona. Non funziona almeno dal 1979, come identificato da Russell Ackoff. Questo è il motivo per cui i fogli di calcolo non possono mai scomparire in queste impostazioni.

Ogni volta che diciamo che sostituiremo tutti quei fogli di calcolo disordinati con l’automazione del software, fallisce. Fallisce perché le scorte di sicurezza sono una cattiva idea. Non importa se hai scorte di sicurezza alimentate dall’IA; è comunque una cattiva idea. È un’idea così cattiva che non funziona. Le grandi aziende provano, falliscono e tornano ai fogli di calcolo. Le persone tornano all’atteggiamento di “sto facendo qualcosa a modo mio. Quando avrò più formazione, userò le scorte di sicurezza, ma per ora ho bisogno di qualcosa che funzioni davvero.”

Conor Doherty: A tal proposito, hai spiegato a lungo come le scorte di sicurezza siano difettose. Presumo che gran parte delle stesse critiche si applichi ai livelli di servizio. Non sono esattamente la stessa cosa, ma in termini di processi decisionali, qual è la politica che stai attuando per prendere una decisione? Spiega qual è il tuo problema con i livelli di servizio, per favore.

Joannes Vermorel: Il mio problema con i livelli di servizio è che il livello di servizio è un proxy super difettoso per la qualità del servizio. In realtà, ha quasi nulla a che fare con la qualità del servizio. Quello che vuoi è servire bene i tuoi clienti. Questo è un dato di fatto quando gestisci una catena di approvvigionamento.

Ora, consideriamo un negozio di abbigliamento di base. Cosa significa avere livelli di servizio elevati? Se equipari l’alta qualità del servizio con il livello di servizio, significa che l’alta qualità del servizio significa un alto livello di servizio. Se dici che il livello di servizio è un buon proxy per la qualità del servizio, allora l’alta qualità del servizio significa un alto livello di servizio.

Se hai un negozio che vende una collezione per il tuo marchio di moda, cosa significa avere livelli di servizio elevati? Significa effettivamente che hai ancora ogni prodotto, almeno qualche unità, sugli scaffali fino alla fine della tua collezione. Se hai livelli di servizio elevati, significa che il tuo negozio è ancora pieno di roba alla fine della tua collezione. Come metti nella tua vetrina la prossima collezione?

Devi fare spazio lasciando andare la vecchia collezione, il che significa accettare che per quei prodotti, i livelli di servizio scenderanno a zero. I clienti possono comunque essere molto soddisfatti nonostante il fatto che tu abbia un livello di servizio zero per molti prodotti. Mentre alcuni prodotti vengono eliminati, altri prodotti entrano in gioco e i tuoi clienti sono comunque molto felici. Non c’è alcuna correlazione tra la qualità del servizio, che esiste solo agli occhi del cliente, e ciò che misuri con la tua ricetta numerica, che è il livello di servizio.

Se i livelli di servizio sono un proxy super cattivo per la qualità del servizio, perché pensi che un’intelligenza artificiale che dovrebbe gestire i tuoi livelli di servizio farà cose che hanno senso per la tua azienda? Proprio come la mia critica alle scorte di sicurezza, questa non è una prospettiva economica. Qui, hai un concetto, il livello di servizio, che non è una prospettiva di qualità del servizio. Dai uno strumento alla tua intelligenza artificiale, quindi la tua intelligenza artificiale deve gestire questo strumento, il livello di servizio, ma si scopre che questo strumento è completamente inadeguato per rispondere al problema, che è la qualità del servizio.

Conor Doherty: Hai usato un paio di frasi interessanti, una delle quali era “i livelli di servizio sono un proxy super difettoso per la qualità del servizio” e “la qualità del servizio esiste solo agli occhi dei clienti”. Ma questo porta a una domanda in due parti. Primo, cos’è un buon proxy? E secondo, se la qualità del servizio esiste solo agli occhi dei clienti, come le aziende dovrebbero effettivamente sapere se hanno una buona qualità del servizio?

Joannes Vermorel: Queste sono ottime domande. Iniziamo con l’esaminare i proxy. Facciamo alcuni esperimenti mentali. Questo è un modo per eliminare quelli super cattivi. Non abbiamo nemmeno bisogno di fare un vero esperimento con un vero negozio; possiamo farlo solo come esperimento mentale. È molto economico. Quindi, la prima cosa è che dobbiamo concordare sul fatto che se prendiamo un negozio con gli stessi prodotti sugli scaffali, nulla è cambiato. Qualunque cosa pensiamo sia la qualità del servizio non sta cambiando. Se guardo lo stesso negozio, gli stessi prodotti, lo stesso momento e non cambio nulla, allora qualunque cosa io pensi sia la qualità del servizio non dovrebbe cambiare.

Rivediamo il livello di servizio. Molte aziende misurano il livello di servizio prendendo la percentuale di prodotti che sono fuori stock o non fuori stock. Se hai il 97% dei tuoi prodotti che non sono fuori stock, avrai un livello di servizio del 97%. Ci sono diversi modi di guardare il livello di servizio attraverso le rotture di stock. Questo avviene quando si fa un’ottimizzazione delle scorte di sicurezza, che è una prospettiva leggermente diversa. Ma qui, questo è il modo in cui molte aziende operano con questo tipo di report, quindi è quello che userò.

Ora, immaginiamo concettualmente che abbiamo deciso che l’assortimento del negozio è raddoppiato. Quindi, avevamo un negozio di moda con, diciamo, 3.000 articoli distinti. Ora diciamo che questo negozio dovrebbe avere 6.000 articoli, ma nel negozio abbiamo ancora gli stessi 3.000 articoli. Concettualmente, nel sistema informatico che gestisce il negozio, abbiamo appena dichiarato che l’assortimento è due volte più grande, con più varianti, più colori, più taglie.

Abbiamo cambiato qualcosa dal punto di vista dei clienti? Ovviamente no. È ancora lo stesso negozio, gli stessi pantaloni sugli scaffali, gli stessi colori, le stesse taglie. Nulla è cambiato. Ma nel sistema informatico, abbiamo diviso il range dell’assortimento idoneo per due. Eravamo, diciamo, al 97% di livello di servizio, ora siamo a qualcosa come il 48%, e non abbiamo cambiato nulla nel negozio.

Quindi, è per questo che dico attraverso gli esperimenti mentali, se hai un proxy che, quando modifichi le impostazioni del tuo computer senza cambiare nulla nel negozio, puoi ottenere cambiamenti arbitrariamente grandi nei tuoi numeri, allora il tuo proxy è completamente senza senso. Qualunque cosa tu voglia come proxy per la qualità del servizio ovviamente non dovrebbe dipendere dai dettagli tecnici all’interno dei tuoi sistemi informatici. Sarebbe folle se un fisico dicesse: “Qual è il peso di questa bottiglia?” e la risposta dipendesse dal fatto che il sistema informatico sia configurato in russo o in francese. È semplicemente folle. La risposta è ovviamente completamente indipendente. O immagina se il peso dipendesse dal fatto che sia una macchina Linux o una macchina Windows. Folle. Quindi, stai guardando caratteristiche che dovrebbero essere completamente indipendenti dal tuo sistema informatico.

Quello che ho dimostrato con il livello di servizio è che giocando con l’assortimento, puoi avere ampie variazioni nel livello di servizio. Questa è una dimostrazione di quanto sia folle questa misura. La mia opinione è che se dobbiamo arrivare alla qualità del servizio, siamo tornati all’idea che se hai qualcosa che è fondamentalmente folle, dovresti operare senza di essa. Anche se non hai un’alternativa, è come avere un tumore; rimuovi il tumore e sarai meglio senza di esso. Non pensare ancora a cosa dovresti mettere al posto del tumore.

Possiamo avere misurazioni effettive di alta qualità per la qualità del servizio? Sì, possiamo. Questa è una discussione completamente diversa, e preferirei non entrare in questa area. Ma capisci il mio punto. Non puoi superare la stupidità naturale con l’intelligenza artificiale. Non importa quanto sofisticate siano le tue tecniche, se la tua premessa è molto cattiva, non risolverà il problema. Se parti da un concetto sbagliato, un paradigma sbagliato, non importa quanto strumentazione porti in cima; il tuo paradigma rimane sbagliato.

Conor Doherty: Sì, va bene, possiamo accettarlo. Ma la risposta immediata a ciò è, quando dici che queste idee sono stupide e i paradigmi sono sbagliati e non porteranno a decisioni migliori, la risposta ovvia è un CEO che dice: “Di cosa stai parlando? Ho fatto 10 miliardi di fatturato l’anno scorso utilizzando scorte di sicurezza, utilizzando livelli di servizio, utilizzando RFP, utilizzando previsioni di serie temporali.” Anche se non c’è un limite superiore a quante cose possono essere vere contemporaneamente, e sembrano in conflitto, sicuramente capisci che per certe persone, sentire “sei stupido a fare queste cose” o “sei ignorante” o “queste sono cattive idee”, spesso si limitano a guardare il risultato finale e dicono: “Ma guarda, sto andando davvero molto bene. Di cosa stai parlando?”

Joannes Vermorel: Ripartiamo dall’inizio. Negozi di moda. Abbiamo clienti e abbiamo avuto discussioni con prospetti che sono diventati clienti nel corso degli anni. Ci dicevano che ottimizzano i livelli di servizio. Questo è quello che dicono, e se guardi il processo, è quello che è scritto nel processo. Ma quando inizi a guardare cosa fanno i praticanti, non fanno così. Torniamo alle scorte di sicurezza. Si scopre che i negozi, praticamente, di nuovo, un negozio di moda, quando sta arrivando la prossima collezione, improvvisamente decidono che non ordineranno quasi più nulla. Intenzionalmente lasciano cadere i livelli di servizio in modo molto elevato. Poi, quando è finalmente il momento della nuova collezione, hai un breve periodo di vendita e improvvisamente hai abbastanza spazio per portare la nuova collezione.

Quindi, ci troviamo in una situazione in cui le aziende, soprattutto la alta dirigenza, dicono di utilizzare i livelli di servizio, ma la realtà è che non lo fanno. Le persone sul campo fanno cose diverse. Ecco perché, ancora una volta, quando cerchi di automatizzare, fallisce. Quando cerchi di automatizzare, stai cercando di imporre questa idea disfunzionale alla tua supply chain, e entra in conflitto con la realtà, e quindi fallisce. Le persone tornano alle tabelle di calcolo.

La cosa interessante è che nel mondo moderno della supply chain c’è una quantità enorme di dissonanza cognitiva. Alcuni dei principali principi, come le serie temporali, le scorte di sicurezza e i livelli di servizio, sono completamente sbagliati. Le persone nella pratica fanno cose completamente diverse dalle tabelle di calcolo. Invece di considerare i livelli di servizio come qualcosa da imporre, lo prendono solo come un indicatore e fanno cose con molta libertà.

Se trasformiamo la domanda in “È fondamentalmente sbagliato avere i livelli di servizio come indicatore da qualche parte?” Direi di no. È solo una statistica descrittiva tra molte altre statistiche descrittive. In questo settore, puoi avere molte statistiche descrittive. Non sono né buone né cattive; sono solo più o meno organizzate e ti danno più o meno informazioni su ciò che sta accadendo. Ma la teoria della supply chain ti dice qualcosa di molto diverso.

Non dicono che il livello di servizio è un elemento delle statistiche descrittive; ti dicono che è il tuo obiettivo e dovresti prendere decisioni che corrispondano a questo obiettivo. Quello che sto dicendo è che le persone nelle grandi aziende quasi invariabilmente non lo fanno, e hanno ragione. Proprio come le scorte di sicurezza, se chiedi loro, direbbero: “Oh sì, abbiamo i nostri obiettivi di livello di servizio. Abbiamo bisogno di più maturità e un giorno lo faremo. Ma per ora, abbiamo bisogno di qualcosa che funzioni.”

Siamo tornati alla sorta di posizione folle in cui i professionisti sono consapevoli di fare qualcos’altro e pensano a questo come qualcosa che faranno quando cresceranno, quando avranno più maturità, eventualmente quando avranno un po’ di intelligenza artificiale a sostegno. Ma non accadrà perché il concetto è fallato. Come statistica descrittiva, va bene. Come strumento per prendere decisioni aziendali, è completamente difettoso.

Conor Doherty: Beh, ho dovuto impostare questa domanda. Se l’argomento è, e correggimi se sbaglio, ma se l’argomento è che ci sono aziende che hanno queste politiche, hanno queste metriche e i professionisti le stanno semplicemente ignorando, ma ci sono alcune aziende che stanno facendo davvero molto bene, stai dicendo che stanno facendo davvero molto bene per puro caso e per l’istinto dei professionisti che mettono le dita in aria e indovinano e capitano ad indovinare correttamente?

Joannes Vermorel: No, sto solo dicendo che molti di quei problemi, sai, finché non usi un approccio completamente difettoso, puoi avere soluzioni approssimative che funzionano comunque per te. Vedi, la quantità di competenze necessarie per gestire correttamente un negozio di alimentari locale non richiede un dottorato di ricerca a Stanford. Puoi farlo con molto meno. Puoi anche scoprire incrementalmente cosa funziona e cosa non funziona.

Quindi quello che sto dicendo è che queste aziende possono godere di successo, ovviamente non grazie alla teoria della supply chain. Hanno persone con un po’ di esperienza che hanno scoperto alcune ricette numeriche che funzionano più o meno. Funzionano abbastanza bene. La prova che questa teoria non funziona è che tutte queste grandi aziende hanno cercato di automatizzare i processi molte volte, praticamente una volta ogni cinque anni negli ultimi tre decenni, e ogni volta è fallito. Le persone sono tornate alle tabelle di calcolo ogni volta.

Perché si torna alle tabelle di calcolo? La formula delle scorte di sicurezza è molto semplice. Indirizzare le decisioni di inventario per corrispondere agli obiettivi di livello di servizio è molto semplice in termini di codifica. Stiamo parlando di un gioco da ragazzi, stiamo parlando di un totale di 50 righe di codice, forse meno. Quindi se funzionasse, sarebbe già stato implementato e il lavoro di tutte queste persone sarebbe già stato automatizzato.

Il mio argomento è che non lo è, è molto lontano dall’essere automatizzato perché quei paradigmi sono fallati e quindi non possono essere automatizzati come tali. Quelle tabelle di calcolo utilizzate dai professionisti della supply chain contengono metodi alternativi che di solito sono relativamente semplici, che funzionano per caso, ma sono concettualmente incompatibili sia con le scorte di sicurezza che con i livelli di servizio.

Conor Doherty: Bene, allora, quali strategie pratiche pensi che i professionisti della supply chain possano utilizzare ora per cercare di prendere decisioni sulla supply chain più economicamente valide?

Joannes Vermorel: Vedi, se cerchiamo di tornare all’intelligenza artificiale, la cosa è che devi rinunciare a questa illusione che i concetti che conosci, che ti sono stati insegnati a scuola o con qualche associazione per la supply chain, quei concetti sono semplicemente disfunzionali. Se cerchi di portare strumenti sofisticati, magari intelligenza artificiale generativa o deep learning o blockchain o qualsiasi altra cosa tu possa pensare, a tutto ciò, non funzionerà.

Quindi il primo passo è riconoscere che hai un problema paradigmatico. È una parola grossa per dire semplicemente che abbiamo questa teoria che è completamente sbagliata. Si è scoperto che quello che stavamo facendo più o meno istintivamente è in qualche modo il modo migliore. Ora, se vuoi farlo davvero in modo elegante, puoi cercare di formalizzare questo istinto economico, che è semplicemente non fare qualcosa che sia estremamente dannoso e costoso per l’azienda. È solo il modo più formale di dire la stessa cosa.

Quindi forse una volta che hai la giusta prospettiva, puoi portare le tecnologie sofisticate, ed è più o meno quello che fa Lokad. Ma la cosa fondamentale è che tutto inizia con una corretta definizione del problema, con una prospettiva che abbia senso. Finché sei bloccato in una prospettiva disfunzionale o stupida, essere un virtuoso della tecnologia è irrilevante. Questa è la parte triste. Ecco perché posso dire con una certa sicurezza che quei fornitori di intelligenza artificiale falliranno. Non importa se sono talentuosi o meno, non importa se la loro tecnologia è molto buona o molto cattiva, se è economica o incredibilmente costosa. Tutto ciò è completamente insignificante. Non funzionerà perché le premesse su cui si basano sono sbagliate.

Conor Doherty: Va bene, Joannes, grazie. Non ho altre domande, ma passerò ora ad alcune delle domande del pubblico. Grazie mille. Quindi, senza un ordine particolare, facendo riferimento alle quattro prove, alle quattro modalità: RFP, serie temporali, scorte di sicurezza e livelli di servizio. Se queste pratiche servono così male alle aziende, allora cosa, secondo te, impedisce alle squadre di gestione di semplicemente eliminarle?

Joannes Vermorel: Cambiare qualcosa nelle grandi aziende è difficile, ma ci sono una serie di cambiamenti che sono ancora più difficili. Come regola generale, ho visto che in qualsiasi azienda, indipendentemente dalle dimensioni, rimuovere qualcosa è, diciamo, due ordini di grandezza, quindi 100 volte più difficile che aggiungere cose. Aggiungere un nuovo processo è facile, aggiungere una nuova posizione è facile, aggiungere un nuovo software è facile.

Rimuovere qualsiasi cosa è molto difficile, soprattutto in Francia. Ma ovunque, sai, possiamo scherzare sul fatto che la Francia ha la Banque de France, che è un’istituzione dedicata alla gestione di una valuta che non esiste dal 1992. Abbiamo un’anti-istituzione che si dedica alla gestione di una valuta che non esiste da 30 anni. E tra l’altro, sono circa 14.000 dipendenti a Parigi. Ma vedi, quello che succede su grande scala nei contesti governativi accade su scala più piccola nelle grandi aziende. Le burocrazie hanno la tendenza a crescere da sole, questa è la legge di Parkinson.

Quindi, la domanda è: perché i dirigenti non rimuovono le cose che non funzionano? La cosa è che le persone stanno già facendo qualcosa di diverso. La politica aziendale ufficiale è che tutti utilizzano le scorte di sicurezza. La realtà è che ci sono così tante modifiche manuali guidate da fogli di calcolo che effettivamente l’azienda sta utilizzando qualcosa di completamente diverso. Questo è lo stato delle cose. Abbiamo la farsa che sta ancora giocando che l’azienda è guidata dalle scorte di sicurezza. Io dico, beh, sai, quelle scorte di sicurezza sono ancora una caratteristica importante della supply chain dell’azienda. Non lo sono. Ma alla fine, la direzione direbbe, cosa guadagno rendendo ufficiale che le scorte di sicurezza non esistono più? Alla fine, non cambia nulla perché le persone già non le stanno usando.

Quindi, è la stessa cosa. Una volta che hai un report sui livelli di servizio, non ha davvero senso. Ma il vantaggio di rimuoverlo nel breve termine è limitato. Nel lungo termine, i vantaggi sono enormi perché apre la strada per fare qualcosa che ha molto più senso. Ma nel breve termine, i benefici sono limitati. Di nuovo, aggiungere cose è molto più facile.

Se torniamo all’IA, questo spiega anche perché c’è così tanta voglia di abbracciare le tecnologie dell’IA. È solo aggiuntivo. Stiamo per aggiungere un’altra classe di cose nell’organizzazione, ed è molto bello e facile, al contrario di dire che stiamo per rimuovere una classe di cose che è solo un ostacolo per rendere l’azienda più efficiente, più redditizia, per servire meglio i clienti. È molto più difficile per un manager dire: sto solo per rimuovere persone e le cose funzioneranno meglio.

Immagina cosa è successo con Elon Musk su Twitter quando ha detto: ho appena licenziato l'80% del personale e Twitter, ora X, è più fluido che mai. Ha più utenti che mai e nel complesso hanno aggiunto tonnellate di funzionalità che il team precedente, che era cinque volte più grande, non poteva fare durante i decenni precedenti. Questo riflette il potere di sottrarre cose, ma è estremamente difficile. È molto, molto difficile. Quindi direi che queste cose non si muovono perché rimuovere qualsiasi cosa è estremamente difficile, anche se è di vitale importanza.

Conor Doherty: Grazie. Prossima domanda, è molto ben scritta. Considerando il tuo storico e schietto disprezzo per l’override umano, consideri che sia un esempio di stupidità naturale?

Joannes Vermorel: Override umano. Intendo, dipende. Se stiamo sovrascrivendo una ricetta numerica completamente insensata, è buono. Quello che sto dicendo è che le cose diventano ancora più folli se ti ritrovi in queste situazioni in cui le tue ricette numeriche sono prive di senso.

Conor Doherty: Quando dici ricette numeriche.

Joannes Vermorel: È tutto ciò che calcola le decisioni della tua supply chain, come quanto dovresti ordinare, quanto dovresti produrre, dove dovresti allocare le scorte e così via.

Quindi hai ricette numeriche prive di senso, quindi è assolutamente normale sovrascrivere manualmente quelle uscite folli per le decisioni. E ora succede che ti ritrovi con molte persone nell’organizzazione che passano l’intera giornata a sovrascrivere decisioni. Per quanto mi riguarda, questo è necessario perché altrimenti l’azienda si scontrerebbe contro un muro grazie a quelle decisioni completamente prive di senso.

Ora succede che le burocrazie si espandono sempre. Questa è la regola della legge di Parkinson. Le burocrazie si espandono. Se hai persone che passano tutte le loro giornate a sovrascrivere manualmente decisioni numeriche, avrai persone che passeranno l’intera giornata a sovrascrivere gradualmente artefatti numerici. Quindi cos’è un artefatto? Un artefatto è solo qualcosa che esiste nel tuo sistema, come un livello di servizio, come una previsione giornaliera, una previsione mensile, un budget o altro.

Qualcosa con cui puoi giocare. Questo numero non ha un effetto tangibile sul tuo business. Potrebbe avere un effetto negativo se ci sono decisioni derivate da questo artefatto, forse. Ma molto spesso, le decisioni non hanno alcuna relazione con gli artefatti. Quindi pensa a giocare con KPI e simili. Sarà insignificante, tranne forse agli occhi della direzione perché hai un numero che sembra migliore.

Ma ancora una volta, la burocrazia si espande. Quindi hai iniziato con una situazione in cui avevi persone che sovrascrivevano manualmente decisioni necessarie. E ora la burocrazia si espande. Hai molte persone che sovrascrivono artefatti, artefatti numerici, quindi cose che non contano. Saranno persone che giocheranno con le classi ABC, persone che giocheranno con i livelli di servizio, persone che giocheranno con i coefficienti per le scorte di sicurezza, persone che giocheranno con i coefficienti di stagionalità, eccetera. La lista è infinita.

E quello che sto dicendo è che sì, quelle sovrascritture numeriche sono completamente folli e inutili. E a proposito, l’approccio di Lokad, ed è per questo che le persone dicevano che sono molto sprezzanti, è che se hai una ricetta numerica che ha senso, non dovrebbe esserci bisogno di sovrascrittura manuale. Se devi sovrascrivere manualmente i tuoi risultati, è perché la tua ricetta numerica è folle. Sto parlando di una decisione. Quindi se la decisione è folle, devi correggere la ricetta numerica e continuare a correggerla finché non ci sarà più una sola riga folle.

Finché la tua ricetta numerica produce decisioni folli, devi continuare a iterare per correggerla, senza eccezioni. Ed è per questo che, a proposito, da Lokad siamo molto sprezzanti in generale di quelle sovrascritture manuali. Le sovrascritture delle decisioni riflettono solo il fatto che hai una cattiva ricetta numerica. E la sovrascrittura degli artefatti numerici riflette solo un lavoro burocratico inutile che è completamente inutile in primo luogo e che potrebbe essere eliminato completamente e che comunque non cambierebbe nulla per l’azienda.

Conor Doherty: Sì, si tratta di trattare i sintomi e non la causa.

Joannes Vermorel: Fondamentalmente, sì, esattamente. E anche di nuovo, agendo nell’interesse delle burocrazie. Di nuovo, questa è la legge di Parkinson. Le burocrazie tendono a crescere. Quindi se moltiplichi per 10 il numero di impiegati che devi fare queste sovrascritture manuali, avrai 10 volte più aggiornamenti di quei valori. Non migliorerà la tua supply chain.

Conor Doherty: Bene, per me va bene. Grazie. Prossima domanda. È divisa in due parti. In che modo i sistemi ERP hanno peggiorato il problema e perché non riescono a gestire le previsioni probabilistiche? Hai accennato implicitamente alle previsioni probabilistiche in precedenza, ma sentiti libero di espandere.

Joannes Vermorel: Quindi gli ERP hanno peggiorato il problema, direi, grazie ai ricercatori di mercato principalmente rendendo la situazione molto confusa. Quindi, innanzitutto, un ERP, non c’è la P in ERP. È enterprise resource management. Non c’è pianificazione coinvolta. Quello che hai è un sistema transazionale. Serve solo a gestire un flusso transazionale. È praticamente il controparte elettronica in termini di flusso del tuo flusso fisico. E questo è buono. Ti dà la rappresentazione elettronica di ciò che sta accadendo fisicamente nella tua supply chain. Questo è buono.

Ora il problema è che la pianificazione è improvvisamente… Quindi questo è quello che chiamo un sistema di registrazione. La pianificazione improvvisamente stiamo entrando nel territorio del sistema di intelligenza, della presa di decisioni. Ora perché gli ERP hanno peggiorato la situazione? È perché i fornitori si sono resi conto molto rapidamente alla fine degli anni ‘90 che i sistemi di registrazione, noti anche come applicazioni CRUD (Create, Read, Update, Delete), erano già diventati una merce comune. Erano già diventati una merce comune 20 anni fa.

Oggi, è ancora più incredibilmente banalizzato. E a proposito, se vuoi avere un’applicazione reale di intelligenza artificiale generativa come strumento di produttività, è eccellente scrivere codice per le applicazioni CRUD. Quindi ora, con ChatGPT, puoi letteralmente scrivere app simili a ERP in modo super, super veloce perché sono cose semplici. È un sacco di codice standard; ne hai un sacco. È incredibilmente ripetitivo. Non è come l’ingegneria sofisticata.

Quindi, quelle cose come strumenti di produttività, l’intelligenza artificiale funziona incredibilmente bene per gestire l’ERM, ovvero l’enterprise resource management. Ora, tornando a questa situazione che è stata confusa. Quello che ti aspetti dai tuoi sistemi informatici per gestire un sistema di intelligenza decisionale è completamente diverso da quello che ti aspetti da un sistema di registrazione. Un esempio è quante millisecondi puoi permetterti di tenere occupato il tuo sistema facendo qualcosa. Se è un sistema di registrazione, la risposta è meno di un millisecondo. Qualunque cosa tu faccia, dovrebbe finire in un millisecondo.

Perché? Perché il tuo sistema, il tuo ERM, diciamo, si basa su un database centralizzato, ed è una risorsa condivisa per tutti e ogni singolo processo della tua azienda. Quindi, tutto converge su questo unico database. Se congelate quel database per un millisecondo, significa che tutto il resto verrà ritardato di un millisecondo. Potresti dire: “Oh, un millisecondo non è niente.” Sì, ma ora hai 500 persone che fanno questo. Ok, non sono 500, sono ora 500 millisecondi di ritardo che iniziano a diventare notevoli.

Ora, cosa succede se alcune di quelle richieste bloccano il tuo core relazionale? Semplifico per un attimo. All’improvviso ti ritrovi con un sistema molto, molto lento. Improvvisamente, la scansione di un codice a barre può richiedere diversi secondi affinché il sistema riconosca ciò che hai appena fatto. Ed è per questo che molte aziende si lamentano: “Oh, il mio sistema ERP è così lento.” La risposta è invariabilmente, è lento perché hai messo cose in questo sistema che non avresti dovuto mettere.

L’ERM, ovvero l’enterprise resource management, dovrebbe occuparsi solo di cose che possono essere calcolate in tempi inferiori al millisecondo, quindi super, super semplici. Se fai qualcosa che non è estremamente semplice, significa che bloccherai il tuo sistema. Prenderai risorse che bloccheranno in qualche modo il tuo sistema per un periodo di tempo misurabile. E se hai abbastanza persone che fanno questo, e indovina un po’, stiamo parlando di grandi aziende, quindi molti, molti processi, molte persone, il tuo sistema diventerà incredibilmente lento. Ed è esattamente per questo che gli ERP oggigiorno sono ancora esattamente lenti come lo erano 20 anni fa. Anche se in termini di potenza di elaborazione grezza, abbiamo computer che sono almeno mille volte migliori. La risposta è, perché è ancora così lento? È perché appare un equilibrio.

Se qualcosa sta rallentando così tanto l’ERP che ci vogliono diversi secondi per far sì che altre persone ottengano una risposta dal sistema, allora il dipartimento IT semplicemente lo spegnerà e impedirà che ciò accada. E lo vedi. Quindi, agiscono come la polizia del consumo di ERP. E se c’è qualcuno che è eccessivo, l’IT interverrà a un certo punto e impedirà a questa persona o a questo software di creare così tanti problemi per il resto di noi. E quindi, c’è questo equilibrio, e poi converge con un equilibrio, che è, è lento ma tollerabile. Ecco perché la maggior parte degli ERP è super lenta ma non così lenta da essere insopportabile. Perché se entri nel territorio insopportabile, allora l’IT interviene e lo elimina.

Quindi, torniamo adesso ai sistemi di intelligenza. Al contrario, se ci pensi, se vuoi pensare a come dovresti fare un rifornimento di negozio, guarderai anni di storia delle vendite. Vuoi guardare cosa succede con migliaia, possibilmente decine di migliaia di clienti. Voglio dire, è ovviamente qualcosa che manipolerà molti dati. È ovviamente qualcosa in cui vuoi investire un po’ più di un millisecondo di calcolo. Il calcolo è economico.

Il problema è che se hai un ERM, le tue risorse sono condivise con tutta l’azienda. Quindi, quello che vuoi è avere un sistema di intelligenza che sia al di fuori dell’ERM, e poi questa cosa può impiegare tutto il tempo che è rilevante investire per fare quei calcoli fantasiosi. Quindi, se torniamo alla domanda iniziale, i sistemi di registrazione devono occuparsi di cose che sono transazionali, che sono regole molto semplici.

La previsione probabilistica è l’archetipo delle cose che non vuoi avere nel tuo sistema di registrazione. Voglio dire, di nuovo, non appena iniziamo, quando dici previsione probabilistica, stiamo discutendo di distribuzioni di probabilità. Quegli oggetti, in termini di memoria, sono pesanti. Ci vorrà molto spazio per avere tutte quelle probabilità. Puoi essere molto intelligente in vari modi, ma diciamocelo. Voglio dire, ovviamente, sta introducendo, rispetto ai dati grezzi che hai, molti costi aggiuntivi. Stai espandendo macroscopicamente i tuoi dati per valutare tutte quelle probabilità.

Quindi, fondamentalmente, hai qualcosa che per sua natura potrebbe essere molto potente, sì, ma praticamente per sua natura, non sarà in tempo reale. Se inizi con una valutazione probabilistica fantasiosa, non ti trovi nei territori del calcolo in tempo reale. Vuoi qualcosa in cui puoi allocare gigabyte di memoria e spendere, diciamo, secondi di calcolo. Va bene. La maggior parte delle decisioni sulla supply chain può permettersi qualche secondo di ritardo, ma non il tuo ERP.

Conor Doherty: Beh, ancora una volta, solo per seguire su quel punto riguardo ai sistemi di intelligenza e alla mancanza di necessità di avere calcoli in tempo reale a seconda di ciò che si sta cercando di calcolare. Quindi, solo per dare un ordine di grandezza qui, se prendiamo l’esempio di un ordine di rifornimento di inventario, se stessimo parlando di un negozio o di un cliente, diciamo 300 negozi e, per semplificare, 50.000 SKU, stiamo parlando di 10 ore, 12 ore, come elaborazione notturna per arrivare a queste decisioni, a differenza del sistema di registrazione che sarebbe semplicemente…

Joannes Vermorel: Sì, ma vuoi mantenere il tuo calcolo tipicamente sotto, da Lokad, quello che facciamo è 60 minuti, ma per una ragione completamente diversa. Quindi sì, in teoria, potresti avere un calcolo che richiede 10 ore. In pratica, è una pessima idea perché se il tuo calcolo si blocca a metà e devi riavviarlo, significa che stai creando problemi operativi.

Quindi, vuoi mantenere il tuo calcolo sufficientemente breve in modo che quando devi rifarlo, ci sia ancora abbondante tempo. E il secondo motivo, è ancora più importante, è che questo calcolo, non lo otterrai subito corretto. Come ho detto, una ricetta numerica, finché produce risultati insani, devi modificarla e aggiornarla finché non hai una ricetta numerica che non genera decisioni insensate, il che significa molte iterazioni.

Se hai qualcosa in cui il calcolo viene completato in meno di 60 minuti, significa che un ingegnere può fare forse cinque, sei iterazioni al giorno. Se hai qualcosa che richiede 10 ore, significa una sola iterazione al giorno. Vuoi davvero avere qualcosa in cui un ingegnere può iterare molte volte al giorno. E spesso da Lokad, quando siamo in modalità di progettazione, quando creiamo una nuova ricetta numerica, cerchiamo di mantenere il calcolo sotto pochi minuti in modo da poter avere letteralmente decine di iterazioni al giorno.

Conor Doherty: Ci sono comunque esempi, ad esempio, per passare da, diciamo, il settore della vendita al dettaglio a qualcosa come l’aerospaziale. Ci sono esempi in cui si desidera che le decisioni vengano generate in pochi minuti anziché anche un’ora. Ad esempio, 60 minuti potrebbero essere catastrofici dal punto di vista finanziario. Quindi, ancora una volta, non si tratta di dire che il più veloce che possiamo fare è 60 minuti. Dipende piuttosto dal contesto del settore.

Joannes Vermorel: Assolutamente. Ma anche, vedi, devi apprezzare che tra un millisecondo, che dovrebbe essere il tuo obiettivo di prestazione all’interno di un ERP, e un minuto, stiamo parlando di quasi cinque ordini di grandezza. Questo è molto diverso. Questo è letteralmente più di 10.000 volte di più, sai. Ciò significa che puoi fare cose molto, molto diverse.

Se vuoi operare in meno di un millisecondo, è molto, molto difficile. Molte cose non sono nemmeno possibili. Anche la velocità della luce è piuttosto lenta. Voglio dire, se stai parlando di cose che operano in meno di un millisecondo, significa che la velocità della luce andrà solo per 300 chilometri. Può sembrare molto, ma se vuoi pensare in termini di andata e ritorno, significa che un millisecondo è letteralmente la velocità della luce. Non puoi andare oltre i 150 chilometri se devi andare.

Quindi, vedi, è il tipo di velocità in cui improvvisamente ogni comunicazione di rete è fuori dal quadro. Quindi, se vuoi mantenere una prestazione di tipo sub-millisecondo, non è consentito fare alcun tipo di comunicazione di rete. Anche il caricamento delle cose da un disco rotante è un po’ fuori dal quadro. Un disco che ruota, un disco magnetico, la latenza sarà di circa 10 millisecondi. Quindi, anche il caricamento di qualcosa da un disco è fuori dal quadro.

Con un’unità SSD, sai, un’unità a stato solido, puoi farlo, ma anche lì non sarai in grado di fare molti accessi. Puoi farne forse alcuni. Quindi, quello che sto dicendo è che c’è una differenza enorme tra ciò che puoi fare in un millisecondo e ciò che puoi fare in un minuto. In termini di progettazione informatica, è completamente diverso. Se hai un minuto, puoi fare molte chiamate di rete, puoi fare molti calcoli fantasiosi, puoi caricare molti dati. È molto più facile da progettare.

Conor Doherty: Beh, Joannes, grazie. Non ci sono altre domande. Grazie mille per il tuo tempo. Sono passate circa un’ora e mezza, quindi ti do un minuto per un pensiero finale. Qualcosa che vuoi dire prima di andare via?

Joannes Vermorel: No, vorrei augurare molta forza mentale a tutte le persone coinvolte nei processi di intelligenza artificiale per la loro supply chain perché, beh, quei processi falliranno. Mi dispiace molto. Mi dispiace molto, ragazzi. Succede così. Non prendetelo come una cosa personale. Voglio dire, penso che possiate consolarvi. Penso che a quelle persone, potete consolarvi pensando che le vostre competenze sono irrilevanti, sapete. E a proposito, le competenze del vostro fornitore sono anche irrilevanti a questo punto. Quindi, non importa se siete bravi o cattivi, sapete. In questo modo, potete pensare a voi stessi non troppo male di fronte al fallimento. Non prendetelo troppo personalmente. Il fallimento era garantito. Era destinato sin dall’inizio.

Conor Doherty: Sì, va bene. Beh, su questa nota allegra e festosa, Joannes, grazie mille per il tuo tempo e grazie a tutti per aver guardato. Ci vediamo nel 2025.