00:00:00 Impostazione del capitolo due e prospettiva del lettore
00:04:30 Deterioramento della terminologia e confusione dei professionisti
00:08:55 Perché il ‘planning’ nell’ERP fuorvia
00:13:25 Evitare le trappole del planning in ERP; Excel non è vergognoso
00:17:55 Critica alle buzzword e neologismi di Lokad
00:22:25 Usare un linguaggio imperfetto senza promesse vuote
00:26:55 La ricerca operativa è diventata supply chain, poi si è differenziata
00:31:25 Supply chain pre-scientifica e standard di falsificazione
00:35:55 Decisioni stocastiche richiedono prove ripetute
00:40:25 Promesse di automazione infrante e obiettivi in continuo mutamento
00:44:55 Le affermazioni di ottimalità falliscono quando emergono metodi migliori
00:49:25 Evidenza storica di stagnazione durata decenni
00:53:55 Perché i veri progressi si diffondono; la supply chain è in ritardo
00:58:25 Le affermazioni poco convincenti allontaneranno i professionisti?
01:02:55 Critica della teoria del fango: affermazioni informe resistono alla confutazione
01:07:25 Scienza pratica: valutare i metodi in base al loro storico
01:11:10 Database a grafo come esempio di clamore avvertitore
Sommario
Conor mette in prova il capitolo “Storia” di Joannes come strumento pratico, non come deviazione. Joannes sostiene che la terminologia è un campo di battaglia: i significati si alterano, i fornitori sfruttano la confusione e le etichette errate indirizzano i budget—il “planning” in ERP ne è il caso principale. Conor mette in discussione il gergo di Lokad (“holimization”); Joannes afferma che la differenza risiede nella sostanza e nella trasparenza, non nello scambio di parole alla moda. L’affermazione più ampia: la supply chain theory mainstream è “pre-scientifica” perché evita la falsificazione; decenni di articoli “ottimali” non vengono adottati, quindi le teorie non funzionano. Regola pratica: affidarsi alla storia, non al clamore.
Sommario Esteso
Conor inquadra l’episodio come un test di resistenza per il libro di Joannes Vermorel: non come una chiacchierata interna amichevole, ma come ciò che un professionista medio — uno dei milioni — potrebbe contestare o fraintendere. L’attrito immediato è strutturale: il capitolo due è “Storia” in un libro commercializzato come un manuale pratico. Joannes sostiene che la storia è pratica proprio perché la supply chain è inondata da termini i cui significati si alterano nel corso dei decenni, e i fornitori ne sfruttano questo mutamento. Se non controlli il vocabolario, non puoi nemmeno cercare in modo efficace, per non parlare di valutare le affermazioni.
L’esempio centrale è “enterprise resource planning.” Gli ERP moderni in gran parte non “plan”, eppure il nome persiste a causa dei giochi di mercato e delle battaglie di branding delle decadi passate. Il costo di credere all’etichetta non è accademico—è finanziario e organizzativo. Le aziende cercano di forzare il planning in sistemi progettati come archivi, bruciando anni, per poi tornare infine ai fogli di calcolo. La lezione non è che “le parole contano” in senso poetico, ma che “le parole fuorviano” in senso operativo: l’etichetta sbagliata indirizza budget, attenzione e aspettative in vicoli ciechi, mentre fornitori e consulenti raramente dicono di no.
Conor poi solleva una seconda contraddizione: Joannes attacca le buzzword, ma Lokad conia termini come “holimization.” La difesa di Joannes non è che Lokad eviti del tutto il gergo, ma che introduca nuovi termini con parsimonia e li accompagni di sostanza—metodi pubblici, documentazione e affermazioni verificabili—piuttosto che scambiare sostantivi alla moda (blockchain ieri, generative AI oggi) tramite un copy di marketing senza cambiamenti operativi.
L’argomento si intensifica nella tesi di Joannes secondo cui la mainstream [supply chain theory] è “pre-scientifica.” Il suo parametro è la falsificazione: le affermazioni dovrebbero essere esposte al fallimento nella realtà. Egli cita decenni di articoli accademici “ottimali” per l’inventario che raramente vengono usati in produzione e tratta questa mancanza di adozione—nonostante l’ampia consapevolezza aziendale della ricerca—come prova che le teorie non funzionano in pratica. Conor obietta che le supply chain sono variabili, distribuite e umane, rendendo la falsificazione in stile chimico irrealistica. Joannes ammette che il rumore è elevato, ma insiste che la falsificazione è comunque necessaria, anche se richiede prove ripetute e test comparativi.
Il consiglio pratico è schietto: usa la storia come sostituto della verità. Traccia ciò che è stato promesso per decenni, nota quando le promesse si riducono anche se la tecnologia diventa “più avanzata”, e sminuisci le idee longeve che ancora non hanno dato risultati (egli cita i database a grafo). In breve: segui gli incentivi, diffida del linguaggio di marketing e considera i risultati stagnanti come l’indicatore più decisivo.
Trascrizione Completa
Conor Doherty: Allora Joannes, bentornato al Black Lodge. Questo è l’episodio due di una serie in corso in cui riprendiamo il tuo nuovo libro, Introduction to Supply Chain, e andiamo capitolo per capitolo discutendolo, analizzandolo e, cosa importante, cercando di metterti in discussione su punti di possibile confusione o disaccordo. E per questo, prendo la prospettiva di uno dei, diciamo, 10 milioni di professionisti nel mondo che potrebbero prendere in mano il tuo libro. Non ti conoscono. Non conoscono Lokad. Non hanno mai sentito parlare del quantitative supply chain. Non mi conoscono—perché nemmeno pensarci—e prendono semplicemente il tuo libro e cominciano a leggerlo.
Quale sarebbe la loro reazione se potessero sedersi qui? Cosa ti direbbero quando leggono certe cose? Così poi puoi rispondere, in sostanza, alla potenziale platea di lettori di questo libro.
Dato ciò—ed essendo questo il secondo episodio—nel primo episodio abbiamo trattato il capitolo uno. Se non l’avete visto, incoraggio il pubblico a farlo perché questa è una conversazione in evoluzione. Probabilmente faremo riferimenti incrociati alla serie con i capitoli precedenti. Quindi, per capire il contesto, leggete il libro—oppure leggetelo e guardate gli episodi in ordine.
Comunque, andiamo avanti. Oggi si tratta del capitolo due. Il capitolo due che chiami “Storia.” Ora, un dettaglio chiave: questo non è un’introduzione. Non è un prologo. In realtà, non ce n’è nessuno nel libro, e non c’è nemmeno un indice. Quindi, questo è il capitolo due, intitolato “Storia,” in un libro che, come affermi sul retro, è un manuale pratico per migliorare la qualità del servizio e i margini sotto vincoli reali. Ci sono altre affermazioni, ma quella è la principale dichiarazione.
Quindi, la mia domanda è: il capitolo due è “Storia,” in cui torni indietro di 200 anni per tracciare le origini della supply chain. Citi matematici francesi del XVIII secolo. Parli di operations research. Parli di fornitori e della loro ossessione per inventare termini. Quindi la mia domanda è: questa storia contribuisce praticamente a un manuale per i professionisti?
Joannes Vermorel: Sì, perché il panorama è pieno di parole—keyword—che non significano necessariamente la stessa cosa, e che certamente non significavano la stessa cosa a seconda del decennio considerato.
E così, una delle sfide per i professionisti è riuscire a dare un senso a tutti questi termini. Di cosa stiamo parlando? Stiamo parlando di concetti come la logistica, o la supply chain, o l’operations research, e così via.
La realtà è che i fornitori continuano a usare questi termini. Le aziende li usano ancora. E troverai tonnellate di documenti online che usano anch’essi questi termini, ma a volte con significati differenti.
Quindi, quando ho cercato di chiarire un po’ il panorama, mi sono reso conto che adottare una prospettiva storica leggera—questo è un capitolo relativamente breve—a probabilmente il modo più semplice per dare un senso a dove siamo attualmente in termini di terminologia e per chiarire cosa intendono le persone con quei termini, o cosa intendevano in passato.
E ancora, per un professionista è importante, perché dovrà interpretare il panorama. La supply chain non è qualcosa che si fa, direi, in isolamento stretto come la geometria. Avrai bisogno di interagire con strumenti, sistemi, fornitori, partner e simili, e quindi comprenderlo è fondamentale.
Inoltre—e come pensiero conclusivo—è anche un esercizio interessante perché rappresenta il primo passo verso un mindset avversariale in materia di supply chain.
Conor Doherty: Torniamo all’avversariale—beh, potresti rispondere con questa domanda. Quindi, quando parli dei termini, puoi fare qualche esempio sul perché sono così importanti? Esattamente. Quindi, di nuovo, dalla prospettiva del professionista, stai dicendo che i fornitori usano in modo scorretto il linguaggio. Fai degli esempi nel libro—ti lascio citare i tuoi—ma quali esempi puoi fare? E, cosa importante, perché sono così problematici da richiedere che in un manuale per professionisti se ne parli approfonditamente?
Joannes Vermorel: Quindi, se non conosci i termini del tuo stesso settore, sei al buio. Non hai idea di cosa cercare. Non puoi nemmeno usare Google, e persino ChatGPT sarà un po’ in difficoltà se poni le domande sbagliate, semplicemente perché non possiedi le parole giuste.
Ci sono voluti anni, quando ho iniziato con Lokad, per rendermi conto di quanto mi mancasse, proprio perché mi mancavano le parole. Non mi ero reso conto, ad esempio, che alcune parole significassero qualcosa in modo radicalmente diverso tre decenni fa.
Quindi, leggi un documento e questo genera solo confusione perché: cosa sta succedendo qui? Parlano di logistica, ma in un modo che non ha senso se confrontato con ciò che ho visto online. Che cosa sta succedendo? E la realtà è: la terminologia si è evoluta nel corso dei decenni.
Pertanto, per un professionista è molto importante. Penso che padroneggiare il vocabolario sia probabilmente il primo passo per diventare veramente bravi. Devi capire i termini, altrimenti non riuscirai nemmeno a interpretare i materiali che trovi online. Non sarai nemmeno in grado di cercare in modo efficiente su Google, né di porre domande pertinenti.
Quindi vedi, quei termini sono estremamente importanti. E dobbiamo attraversare questo percorso perché, a causa degli incentivi, molti di quei termini sono stati introdotti non per pura purezza scientifica, ma con un’agenda in mente.
Conor Doherty: Di nuovo, puoi farmi un esempio di un termine? Perché intendo dire — come, per esempio, forecasting? Presumo che tu non intenda forecasting.
Joannes Vermorel: No. Penso, ad esempio, al termine “planning.” Se inizi a pensare al planning e al “enterprise resource planning,” ok, è proprio in questo caso che diventa molto confuso.
Perché se oggi pensi alla stragrande maggioranza degli ERP—ed è per questo che le persone non dicono più “enterprise resource planning”—poiché quei software non riguardano il planning.
Ora, per capire un po’: ok, abbiamo questo piece of software che è molto importante. Si chiama “planning”, ma non esegue il planning. Perché ce l’ho? La risposta è essenzialmente frutto dei giochi messi in atto dagli analisti di mercato negli anni ‘90.
E a quel tempo, per chiarire un po’, quelle cose avrebbero dovuto essere chiamate “enterprise resource management.” Ma a causa dei giochi messi in atto dagli analisti di mercato e dai software vendors, hanno cercato di spingere prima per poi ritirarsi sul fronte del planning. Così, siamo rimasti bloccati con questa terminologia di “ERP.”
Ma questo è il tipo di cosa importante da capire perché, per esempio, significherebbe che all’interno del tuo ERP, nonostante il nome tecnico, non c’è planning—proprio come in “business intelligence” non c’è intelligence.
Quindi, inizialmente, quando entri in questo ambito, le terminologie sono così confuse. Ed è più facile dare un senso attraverso un piccolo aneddoto storico che ci ha portato a questa situazione. È più facile da comprendere e più facile da memorizzare.
Conor Doherty: Oh, non sono in disaccordo—non penso che qualcuno possa contestare la presentazione. Di nuovo, supponi semplicemente che tutto sia corretto e che la ricostruzione storica sia accurata. Non credo che qualcuno possa discutere sulla semantica del punto.
Quello che chiedo riguarda l’impatto di questo punto. Quindi, se ti dico: “Sì, sì, sono d’accordo. Non c’è planning nell’ERP.” Ok. Cosa cambia per me come professionista dal primo giorno? Il giorno zero è: leggo il libro. Il giorno uno: ora so che questi termini vengono usati in modo scorretto. Cosa cambia?
Joannes Vermorel: Non cercherò di eseguire il planning all’interno dell’ERP. Vedi, è estremamente rilevante, perché alcune aziende, tentando di fare il planning—quel software povero non è mai stato progettato per questo tipo di attività. È un database relazionale. È completamente in contrasto—è un sistema di registri—ed è del tutto in contrasto con questo intento, e va estremamente male.
E sprecano letteralmente mezzo decennio in queste cose. Voglio dire, puoi andare da Lidl, e hanno sprecato letteralmente mezzo miliardo, attraverso un viaggio di sette anni con SAP, cercando sostanzialmente di fare ciò per cui un sistema di registri non è mai stato progettato, cioè eseguire qualsiasi tipo di analisi avanzata. È andata estremamente male.
Durante il percorso in Lokad, ho notato che ho visto tantissime aziende affrontare lo stesso problema. Ancora una volta, tutto inizia con il vocabolario. Se sei fuorviato e pensi che il tuo ERP debba fare planning, allora cercherai quel planning proprio lì.
E, guarda caso, troverai un fornitore che finge di poterlo fare, perché i fornitori di software enterprise—proprio come i consulenti—non dicono mai di no. “Il tuo software può fare qualcosa?” e la risposta è invariabilmente sì. E se non possiamo, avremo semplicemente un modulo o una piccola personalizzazione per esso.
Quindi, ancora una volta, avere la terminologia giusta è il punto di partenza per indirizzare la tua attenzione e i tuoi sforzi verso aree che hanno senso. Questo è estremamente importante.
Ancora, per i professionisti, o per chi acquista il software: se io sono un CFO e approvo un budget per un ERP e tu dici, “È mezzo miliardo di euro per un sistema di registri,” ciò non ha senso per nessuno, perché, ancora una volta, quei software sono iper-dettagliati. Hanno migliaia e migliaia di funzionalità, e per comprenderli è necessario avere una visione d’insieme.
Quindi, ancora una volta, anche se non intendi cambiare il software, almeno una volta che lo sai, sai che se tutto ciò che la tua azienda possiede è un ERP, allora così sia. La tua pianificazione sarà fatta in Excel. Non vergognartene. È semplicemente così e va bene.
Non dovresti impiegare anni cercando di farlo all’interno del tuo database SQL. Non funzionerà senza intoppi. Sarà estremamente doloroso e tedioso, e alla fine verrà sostituito da un foglio di calcolo.
Quindi, questo è anche il tipo di cosa che è molto importante da capire. E ancora, gli incentivi sono estremamente forti, e ciò significa che ti troverai a confrontarti con un sacco di persone che ti stanno continuamente mentendo.
E di nuovo, penso che le bugie più grandi siano tipicamente legate allo stesso linguaggio, perché è ciò che desideri. E molti fornitori di software sono stati così forti nel distorcere letteralmente la realtà attraverso la terminologia. Cercano semplicemente di plasmare l’inglese in modo da metterti su un piedistallo in qualche modo. E, in una certa misura, funziona.
Ed è proprio questo il tipo di cosa che deve essere affrontata. Altrimenti, come professionista, perderai un’enorme quantità di tempo ed energie andando essenzialmente in direzioni che sono vicoli ciechi.
Conor Doherty: Beh, quando parli di incentivi e della capacità di analizzarli e diagnosticarli, e sostanzialmente percepire le sciocchezze, sai, l’ERP: non è davvero pianificazione. Dovrebbe essere gestione. Ed è un sistema di registrazioni. Non è un sistema di decision-making o di intelligenza.
Sei arrivato a questo perché hai molta esperienza e una grande conoscenza interdisciplinare. Ora, nel capitolo uno — ed è per questo che è importante seguirli in ordine — nel capitolo uno affermi che c’è una mancanza di formazione formale in supply chain.
Quindi la mia domanda è: in che modo esattamente il lettore — ancora, il professionista medio, uno su 10 milioni come abbiamo concordato in termini di ordine di grandezza — estrae le informazioni in questi capitoli e le applica nel mondo reale? Voglio dire, non possiede il tuo sapere in informatica, economia, matematica o altro.
Joannes Vermorel: Ed è proprio per questo che esiste questo libro: per fornire il minimo bagaglio culturale così che tu non sia completamente perso e, inoltre, capisca un po’ delle battaglie che si stanno svolgendo in questo campo, inquadrandole correttamente.
Per esempio, se andiamo a questo ERP: vedi, se torni indietro a quasi tutto ciò che troverai online tra ERP e APS — advanced planning systems — troverai che la maggior parte delle persone coinvolte, in qualità di fornitori in quelle battaglie, lo inquadra come “generalista contro specialista”, come se l’ERP fosse una soluzione generalista e l’APS, advanced planning systems, fosse la soluzione specializzata.
E qui, ancora, questo è il punto che si sta cercando di fare in questo capitolo: è semplicemente un modo completamente sbagliato di esprimerlo. Perché poi dà l’impressione che i sistemi di registrazioni siano in realtà candidati validi per la pianificazione. Non lo sono mai stati e non lo saranno mai.
Quindi vedi, è proprio lì che, ancora una volta, dobbiamo rivedere quella sorta di terminologia, perché è così pessima da risultare estremamente confusa. Dev’essere sostituita con qualcosa di più coerente e che abbia più senso.
E per i pianificatori, ancora, in termini di invito all’azione: se non riesci a delineare almeno in parte il tuo dominio, la situazione sarà estremamente, estremamente confusa.
Conor Doherty: Va bene. Su questa nota, andiamo un po’ avanti perché, ancora, una parte chiave del capitolo è che attacchi, forse giustamente, i fornitori per l’uso del linguaggio.
E devo dare un po’ di contesto qui perché voglio citare nel contesto. Quindi usi il termine — dici che supply chain si colloca tra la nitidezza euclidea — una lingua così, così precisa — e il gergo mutevole dell’AI. E affermi che le etichette cambiano ogni decennio. L’hai affermato.
Sottolinei che i fornitori utilizzano parole d’ordine per, citando, “adulare le strutture organizzative e le proposte di marketing.” Scrivi, e questo è importante: “Una mossa ormai classica è coniare, o almeno adottare, nuovi termini ogni pochi anni per rinfrescare l’offerta e il marchio.”
Hai anche scritto, citando: “La terminologia supply chain rimane in fermento e i fornitori sono più attivi che mai. Alcune società di consulenza promuovono una supply chain agile, dinamica e olistica.”
Sei d’accordo con tutto ciò?
Joannes Vermorel: È giusto. Sì. Esattamente. È letteralmente quello che c’è nel libro.
Conor Doherty: Esattamente. Ora, tendi anche a disperdere neologismi oscuri e termini accademici non solo nel libro, ma anche nelle tue presentazioni di marketing complessive.
Per esempio, la scorsa settimana hai pubblicato un blog su holimization, che è un portmanteau di holistic e optimization. Holistic, come ti ho appena citato, è un esempio esplicito di parole d’ordine che i fornitori — di cui anche noi facciamo parte — usano. Quindi, da un lato, critichiamo i fornitori per l’uso di un certo linguaggio e per aver, in un certo senso, confuso le persone con un linguaggio oscuro.
Ma come rispondi all’affermazione che qualcuno potrebbe fare, se ha familiarità con il tuo lavoro, che sembra un po’ che lo stiamo facendo anche noi?
Joannes Vermorel: Sì, ma meglio. Va bene.
No, la realtà è che la maggior parte della cooptazione del linguaggio da parte dei fornitori di software enterprise è semplicemente incredibilmente superficiale. E loro, per quanto ne so, Lokad è uno dei pochissimi fornitori che tenta addirittura di essere preciso in termini di terminologia riguardo a cosa intendono per planning, cosa intendono per forecasting, cosa intendono per optimization, o quali siano i limiti di optimization.
E quello che Lokad sta facendo con holimization, per esempio — questo grado di attenzione — è, penso, una delle caratteristiche chiave dell’iniziativa Lokad.
I miei colleghi — ancora, potrei essere di parte qui — ma la mia percezione è che non sono affatto così precisi nel loro vocabolario come Lokad. Non ci provano nemmeno, e probabilmente non gliene importa nemmeno.
Conor Doherty: Ma direbbero lo stesso della loro letteratura. Vedi, “Noi definiamo le nostre cose in modo molto chiaro. Guarda il nostro sito.” Tu dici, “Guarda il mio libro.” Questi sono argomenti di autorità.
Joannes Vermorel: No, no, no. Voglio dire, vedi, la maggior parte — non arrivano nemmeno al punto in cui Lokad sta facendo qualcosa che è abbastanza unico per supply chain — non unico nella conoscenza umana in generale — ma è investire effettivamente nel rendere disponibile una grande quantità di documentazione pubblica a supporto di tali affermazioni.
Perché, vedi, la mossa tipica dei miei colleghi è dire: c’è una parola d’ordine, “blockchain.” Producono, direi, 50 pagine in cui compare la parola “blockchain.” E poi arriva una nuova parola d’ordine, “generative AI,” e puoi semplicemente fare un taglia e incolla: sostituire “blockchain” con “generative AI,” e le pagine appena pubblicate funzionano esattamente allo stesso modo.
Questo è il mio problema. E Lokad non lo fa.
Quindi, vedi, immagina che ti dia una brochure — 50 pagine — che dice che Lokad è così fantastico perché ha adottato la blockchain. E ora c’è una nuova parola d’ordine, “generative AI.” Posso letteralmente fare Ctrl+H, “trova/sostituisci tutto,” sostituendo le parole chiave “blockchain” con “generative AI,” e il tuo documento funziona esattamente allo stesso modo.
Questo è il nocciolo della questione. E Lokad non lo fa. Quindi, vedi, dove introduciamo qualche terminologia, direi che Lokad lo fa in modo molto parsimonioso. Non stiamo introducendo una marea di parole d’ordine. Probabilmente sono solo mezzo dozzina nel corso di quasi due decenni di esistenza.
Ma sono concetti molto importanti. E poi, ogni volta che lo facciamo, cerchiamo di essere molto, molto dettagliati. Per esempio, questo concetto “holimization” è nato dopo diverse lezioni in cui descrivo, per esempio, l’ottimizzazione sperimentale, che è una metodologia.
Quindi è arrivato con un sacco di materiale di supporto, e ho semplicemente deciso di coniare questo termine ombrello per racchiudere ciò che è essenzialmente un intero capitolo di libro, più una lezione, più molti strumenti, più tanti articoli.
Conor Doherty: Quindi, vedi, la domanda — per essere chiari, perché non voglio divagare — non ti sto chiedendo, “Perché holimization è migliore?” o — non sto chiedendo questo. È ortogonale alla discussione.
Permettimi di riformulare la mia domanda per forse aiutare. Pensi sia saggio utilizzare lo stesso linguaggio che critichi, anche se lo stai facendo in modo brillante? Pensi sia saggio usare un linguaggio contaminato — un linguaggio contaminato dal mercato?
Joannes Vermorel: Ma vedi, ad un certo punto devi riuscire a capire. Non posso reinventare l’intero linguaggio. Quindi devo usare cose che sono imperfette.
Perché, per esempio, se uso il termine appropriato, “systems of records,” il problema è che le persone non hanno familiarità con la mia terminologia, e quindi probabilmente non capiranno di cosa sto parlando. E poi direi, “Ok, sto parlando del tuo ERP, del tuo CRM e del tuo WMS.” E loro direbbero, “Ah, va bene.”
Ma vedi, non è davvero da moda. Un “system of record” è molto chiaro. Riesco a capire cosa significhi. Ma “holistic” — cosa significa in un contesto di supply chain? È più da parola d’ordine rispetto all’altro.
E per esempio, “holistic”, Lokad utilizza questa parola molto poco, e quando appare sul nostro sito, specifichiamo che intendiamo “end-to-end,” che intendiamo cose molto specifiche.
Quindi, vedi, la cosa anche — dove credo che Lokad si differenzi — è che, nonostante tutti i difetti che potremmo avere, non lanciamo in giro parole d’ordine senza sostanza. Non lanciamo in giro parole d’ordine prive di contesto e sostanza.
Perché, vedi, ancora, la gente direbbe di avere la blockchain, e poi è completamente generica: ok, qual è la lista esatta delle funzionalità? Quali sono le conseguenze? Cosa stai facendo da un punto di vista tecnologico? È possibile capire cosa stia succedendo?
E credo che Lokad sia estremamente accurata nel rendere pubblicamente ciò che c’è sotto il cofano. Nella competizione M5, quando siamo arrivati primi a livello mondiale al livello di SKU, abbiamo pubblicato l’algoritmo effettivo.
C’è un grado di trasparenza molto elevato. E, ancora, credo che il problema principale dei fornitori di software sia che, molto frequentemente, sia estremamente opaco. E quindi vengono usate parole d’ordine, ma senza alcun contesto, senza alcuna sostanza.
E avrai molto di quello che definirei “happy talk,” un happy talk aziendale, che lo circonda. E la terminologia che abbiamo al giorno d’oggi è purtroppo ciò che è rimasto dopo decenni di battaglie aziendali tra tanti, tanti fornitori di software e grandi gruppi di consulenza.
Conor Doherty: Giusto. E per qualcuno — ancora, il professionista medio — che prende semplicemente… quindi metto due termini, o due brochure, davanti alle persone. Dico, “Questi vengono da fornitori, non importa chi siano, quali siano i loro nomi.” Uno è “holistic supply chain” e l’altro è “holimization (holistic optimization).” Per loro, potrebbero — e non andranno oltre — dover semplicemente decidere: ho tempo limitato, a quale dei due dedicherò il mio tempo?
Come dovrebbero sapere le persone se il linguaggio è così contaminato?
Joannes Vermorel: No, non funziona così. Non funziona come — non puoi, di nuovo, non è la pillola magica. Non puoi, avendo una definizione fornita da Joannes, farlo funzionare in quel modo.
Si tratta di come comprendi la realtà stessa in cui operi. È il modo in cui organizzi nella tua mente il panorama. E inizi, e devi farlo.
Per esempio, ci saranno un sacco di corsi universitari che ti parleranno di operations research, e hanno molte cose buone. Non si chiamano supply chain. È supply chain? Oppure non è supply chain? Questo è esattamente ciò di cui parla questo capitolo, e chiarisce la relazione tra ciò che viene chiamato operations research e supply chain.
Si scopre che l’operations research, così come era praticata negli anni ’50, ’60, ’70, è supply chain. Al giorno d’oggi, se cerchi materiali più recenti che vengono anch’essi chiamati operations research, diventa qualcosa di completamente diverso.
Quindi, quando vedi operations research: è supply chain? Beh, dipende dalla data del documento. E varia un po’ perché alcune università si aggrappano alla vecchia terminologia mentre altre hanno adottato la nuova terminologia.
Quindi, ancora una volta, è fondamentale capirlo. Altrimenti, l’intero dominio risulterebbe un po’ sconcertante, con cose che sembrano completamente scollegate, ma che sono letteralmente la stessa cosa.
Per esempio, l’operations research è supply chain, ma solo fino, essenzialmente, alla fine degli anni ’70. Successivamente, l’operations research è diventata un ramo dell’informatica, che è completamente diverso, e riguarda mathematical optimization.
Conor Doherty: Va bene. Continuerò perché c’è molto da coprire. Potremmo tornarci sopra.
Penso che una delle affermazioni più rilevanti — perché, ancora, ho cercato di leggere questo con occhi nuovi — riguarda l’idea che la teoria mainstream sia semplicemente completamente rotta. Infatti, usi il termine “pre-scientific.”
E ancora, è importante, per essere giusti, nel contesto completo — e questo è alla conclusione del capitolo — dire: “Una semplice proposizione è che la teoria mainstream è inadeguata.”
Ora, arrivi a questo sulla base di tutto ciò di cui abbiamo appena discusso, e del capitolo uno che abbiamo già registrato. Quindi: “Una semplice proposizione è che la teoria mainstream è inadeguata. La pratica devia perché la teoria è difettosa e i profitti attesi non si materializzano. In altre parole, nonostante la sua vasta letteratura, supply chain rimane in una fase pre-scientifica in cui la conoscenza non riesce a produrre risultati coerenti e prevedibili.”
Quindi, voglio toccare questo argomento perché penso che spesso si tratti di un tema: anche se hai ragione, potrebbe esserci una certa forza nel linguaggio. Questo è un punto. L’altro è la veridicità di quell’affermazione.
Quindi, per un lettore occasionale, l’idea che supply chain, e tutte le sue tecnologie — per quanto difettose, tutte le sue tecnologie e i suoi approcci — venga categorizzata come pre-scientific, presenta un paio di problemi.
A cosa lo stai confrontando? E lascerò le restanti domande, ma cosa intendi quando dici “pre-scientific,” rispetto a cosa?
Joannes Vermorel: Qualsiasi campo in cui la falsificazione funzioni effettivamente. Falsificazione significa che la realtà può invalidare le affermazioni.
E se ti limiti a cercare questo livello — per esempio in chimica — se ti dico, prendi la chimica. Sì, è molto scientifica. Se sai che esiste un libro di testo di chimica in cui devi prendere questo prodotto e quell’altro prodotto, mescolarli, e la cosa si scalda: beh, puoi fare l’esperimento.
Ed esiste il rischio di falsificazione perché se il risultato non corrisponde a quanto scritto nel libro, la teoria — la teoria chimica — è falsa. La realtà è che la chimica è ora così ben consolidata e verificata che, se non ottieni il risultato previsto dal tuo libro di testo quando fai l’esperimento, molto probabilmente l’hai fatto male.
Ma proprio per questo, puoi avere tanta fiducia in questa specifica teoria scientifica, perché ha resistito alla falsificazione per così tanto tempo. Quindi i fondamenti — sai, acido-base — li mescoli e otterrai qualcosa, una soluzione che si scalda: è così verificata che c’è pochissima probabilità di fare una grande scoperta in chimica semplicemente facendo qualcosa di basilare.
Al contrario, quando si tratta di supply chain, la stragrande maggioranza della letteratura non raggiunge tale livello. Innanzitutto, la stragrande maggioranza di ciò che è stato pubblicato non può nemmeno essere falsificata. Quindi, se applichi questo criterio, fin da subito non appartiene nemmeno alla scienza. Questo è un grosso problema.
Ma poi, per me, il vero modo per vedere che la supply chain non è una teoria scientifica è guardare alla storia. Devi considerare il fatto che abbiamo oltre un milione di articoli. Devi renderti conto che queste idee sono in circolazione da letteralmente mezzo secolo, e che per mezzo secolo è stata promessa l’automazione, senza essere mai realizzata.
E ancora, devi osservare tutta questa storia per vedere che il problema non è il fatto che non avevamo computer abbastanza potenti. Queste non sono spiegazioni valide.
Quindi, adottando questo punto di vista storico, ti ritrovi con: okay, ho 70 anni di pubblicazioni. Ho almeno 50 anni di ambienti informatici moderni — e per moderni intendo sistemi in grado di elaborare dati ben oltre ciò che un essere umano può fare.
Da mezzo secolo fa, con un computer potevamo elaborare oltre un milione di numeri. Quindi questa capacità esiste da mezzo secolo.
E per mezzo secolo abbiamo avuto letteralmente centinaia di migliaia — ora probabilmente in totale diversi milioni — di articoli che affermano, in varie misure, di avere soluzioni ottimali per gestire l’inventario ed eseguire ogni sorta di compiti per le supply chain.
Non vengono utilizzati nelle aziende. E quindi quello che dico è: il rasoio di Occam. Il modo più semplice per spiegare questo fatto è che questa teoria non funziona.
Puoi attraversare il processo molto tedioso di esaminare ciascuno di questi oltre un milione di articoli per scoprire perché ogni articolo è difettoso — ci vorrà un’eternità — oppure puoi semplicemente adottare questo punto di vista storico e dire: è esistito per così tanto tempo, provato da così tante persone, con così tante pubblicazioni, per ottenere così pochi risultati.
La spiegazione più ragionevole e semplice è che la teoria dominante è rotta. Questo spiega perché oggi c’è così poco che funzioni davvero nel mondo reale.
Conor Doherty: Quindi, come spesso accade, più cose potrebbero essere vere simultaneamente. Hai affermato che è rotta. Voglio tornare all’idea che sia pre-scientifica, e in particolare all’affermazione — lo standard — della falsificazione.
E ancora, ti lascio su questo argomento per un bel po’. Avevo previsto che avresti menzionato la chimica. Quindi, per ricapitolare: nel capitolo uno, la tua definizione di supply chain — la tua definizione — “padronanza dell’opzionalità in presenza di variabilità nella gestione del flusso di merci fisiche.”
Okay. Quindi, prima di tutto, quando consideriamo la natura geograficamente distribuita della supply chain, consideriamo le forze meteorologiche che agiscono su di essa, includiamo le centinaia — possibilmente migliaia — di agenti diversi che hanno tutti strutture di incentivi differenti, e che devono collaborare con il poco tempo disponibile per portare una penna da dove è stata prodotta fino alla mia mano.
Paragonare ciò alla robustezza della chimica potrebbe essere un po’ difficile da comprendere per alcuni, considerando che puoi aggiungere un acido e una base qua e là o in qualsiasi altra stanza e otterrai una risposta molto prevedibile.
L’idea che la supply chain possa essere considerata una scienza robusta solo se supera la barriera della falsificazione, per alcuni — certamente per chi leggerà i primi due capitoli — potrebbe sembrare uno standard letteralmente impossibile, considerando cos’è la supply chain, come l’hai appena definita: la variabilità.
Allora, come puoi falsificare un’entità che cambia costantemente forma?
Joannes Vermorel: È molto difficile, ma tuttavia, se hai qualcosa che si qualifica come scientifico, sicuramente dopo mezzo secolo dovrebbe avere dei risultati. Dovrebbe aver trasformato l’intero campo.
Se torni alle affermazioni risalenti essenzialmente agli anni ‘50, subito dopo la Seconda Guerra Mondiale, l’affermazione era molto semplice: stiamo per ideare metodi quantitativi che ci permetteranno di automatizzare le decisioni per le aziende. E questo è tutto.
E le persone erano molto specifiche. La cosa interessante è che la comunità si è un po’ persa lungo il percorso. Ma la comunità della ricerca operativa del dopoguerra era molto, molto chiara: stiamo per ideare metodi quantitativi — metodi matematici — per ottimizzare le nostre operazioni, per guidare l’allocazione delle nostre risorse, per prendere decisioni per noi.
E inizialmente, dicevano anche: il fatto che abbiamo computer o meno non è un problema. Se abbiamo un modello matematico molto solido, saranno gli esseri umani a fare i calcoli a mano e basta.
E indovina un po’? Quando identificarono modelli matematici di reale rilevanza — come avvenne durante la Seconda Guerra Mondiale — questi furono effettivamente utilizzati dalla gente. La gente diceva: “Oh, ho i migliori metodi, uno strumento matematico. Ecco, farò il calcolo a mano perché devo prendere questa decisione. Ho un metodo, e questo metodo è il migliore per allocare le mie risorse scarse.”
Quindi le affermazioni erano molto chiare.
Conor Doherty: E poi la mia domanda — ossia: è troppo forte?
Joannes Vermorel: Scusa, scusa. Sì. È troppo forte? Direi di no.
Capisco che non si possa avere qualcosa di facile da falsificare come in chimica. Certo, i problemi sono distribuiti, bisogna coinvolgere molte persone, ecc. Quindi ci avvicineremo alle scienze soft.
Ma tuttavia, quando cerchiamo di affermare la supply chain come scienza, dovremmo sforzarci di rendere le nostre affermazioni il più falsificabili possibile.
Conor Doherty: Nessuno potrebbe non essere d’accordo su questo. Scusa per l’interruzione, ma quella è un’ottima affermazione, ma non è quella che fai nel libro.
Joannes Vermorel: No, no, no. Quella è quella che sto cercando di sostenere.
Conor Doherty: Di nuovo, devo fermarti su questo punto. Se potessi parafrasare quello che hai appena detto in una citazione, fondamentalmente hai rispecchiato Oscar Wilde: “Siamo tutti nella fogna, ma almeno alcuni di noi guardano le stelle.” Quindi siamo orientati nella giusta direzione. Sì. Ma non è quello che dici nel libro.
Hai detto — e te lo posso ripetere — “Nonostante la sua vasta letteratura, la supply chain rimane pre-scientifica.”
Joannes Vermorel: Sì. E poi hai detto che la falsificazione è l’unico standard. E poi hai aggiunto: “Sì, beh, voglio dire che la supply chain probabilmente non può realmente essere falsificata come chimica, o matematica, o ingegneria.”
No. Ripeto, è il grado di fiducia che puoi avere nella tua prova, e questo è diverso. E ancora, no, non lo è.
Se hai qualcosa che non può essere falsificato, è completamente pre-scientifico. Questo è uno standard.
E poi la qualità della prova può migliorare man mano che progredisci nel campo, man mano che maturi. Per me, la maturità scientifica del campo si manifesta quando le persone trovano modi sempre migliori per falsificare le proprie affermazioni. È un lavoro in corso.
Non è come uno zero o uno: qualcosa può essere falsificato oppure no. Non è così. Sono completamente d’accordo. E quello che sto dicendo è che al momento si trova in una fase pre-scientifica perché non è nemmeno qualcosa che, per quanto remoto, susciti preoccupazione.
Vedi, abbiamo milioni di articoli. L’idea che le cose possano essere effettivamente testate, per assicurarsi che la realtà ci dica che qualcosa non va, non è nemmeno all’ordine del giorno.
Di questi oltre un milione di articoli sull’ottimizzazione “ottimale” dell’inventario, nessuno è nemmeno esposto al rischio di essere falsificato.
Ed è per questo che dico che è davvero pre-scientifico. E ora dobbiamo passare a qualcosa in cui trovare metodologie sempre migliori per rendere potenzialmente falsificabili affermazioni e teorie.
Inoltre, questo è l’obiettivo di questa storia: valutare quando possiamo disporre di un criterio empirico tale da poter affermare: la storia sta letteralmente falsificando la tua teoria per te.
Vedi, è un’affermazione empirica. Ma fondamentalmente, quello che sto dicendo è che se qualcosa funziona veramente, allora — ma no, non è così, perché dobbiamo tornare alla promessa.
La promessa era l’automazione completa sin dalla Seconda Guerra Mondiale. Esiste da molto tempo. E la cosa interessante è che quando hai teorie pre-scientifiche, la loro evoluzione non consiste nel diventare teorie scientifiche migliori. Consiste nel rendersi completamente immuni a ogni critica.
Conor Doherty: Pensi che ciò sia possibile nella supply chain?
Joannes Vermorel: È esattamente quello che è successo.
Se torniamo al periodo post Seconda Guerra Mondiale, la gente diceva: “Siamo semplicemente pervenuti a metodi matematici che ci daranno la risposta matematica esatta al nostro problema. E quei metodi saranno i migliori.”
E anche se l’unica cosa che abbiamo è un essere umano a fare il calcolo, vale comunque la pena farlo a mano.
Avanti veloce agli anni ‘70: quegli sviluppatori di software aziendali dell’epoca dicevano: “Automatizzeremo tutte le tue decisioni di inventario banali.” All’epoca, la gestione dell’inventario era concepita come decisioni. Era davvero ciò che veniva venduto.
E se torni da SAP, dicevano negli anni ‘70: “Robotizzeremo completamente — completamente.” Non intendo dire metà di esso. No, no, completamente: quei processi decisionali.
E poi non ha funzionato. E così le persone hanno fatto marcia indietro su tutto questo. E ora diciamo: “Oh sì, intendo dire, ci accontenteremo che dei professionisti facciano tutte le cose per noi.”
Vedi, c’è un’enorme quantità di retrocessioni su ciò che si dovrebbe consegnare — ciò che la tua teoria dovrebbe garantire — che è assolutamente immensa.
E per me, questo è esattamente il percorso che seguono le teorie prescientifiche: man mano che evolvono, invece di migliorare, mutano semplicemente per diventare sempre più immuni alla realtà.
È qualcosa che Karl Popper identificò già all’inizio del XX secolo: i campi che non seguono un percorso scientifico non migliorano per diventare più scientifici. Al contrario, tendono ad avere teorie che, per la maggior parte del tempo, si rendono completamente immuni a qualsiasi tipo di contraddizione.
Conor Doherty: Okay, con questo standard, facciamo un esempio concreto. Per essere giusti, questo si sta allontanando un po’ dal libro, perché nel capitolo due non si scende a questo livello di dettaglio.
Quindi, con un certo grado di libertà qui, ti metto un po’ in difficoltà, ma stai parlando di risultati costanti — anche se potremmo dire ragionevolmente prevedibili. Hai detto che la supply chain, fondamentalmente, è fatta di decisioni.
Le decisioni che prendi in un dato momento riflettono una costellazione molto unica di fattori, variabili, forze, incentivi, prezzi, azioni, persone, disponibilità, disposizione, motivazione, tutte queste cose.
Quindi, se prendo una decisione oggi che riflette tutto ciò, come posso falsificare la decisione che ho appena preso? Perché non potrò ripeterla. Quindi, ancora una volta, dato che c’è — questo è un aspetto stocastico — se ne prendi una, non puoi falsificare nulla.
Joannes Vermorel: Ok, andiamo con questo. Se prendi migliaia di decisioni come in un gioco ripetuto, puoi molto bene falsificare qualcosa nel complesso, per così dire.
Il fatto che ci sia della variabilità significa che devi eseguire prove ripetute, e il livello di rumore ambientale è alto. Quindi hai bisogno di molti turni per trarre una conclusione.
Ma poiché si tratta di una soft science, non è solo questo. Per esempio, avresti esattamente lo stesso problema se volessi sondare opinioni rare.
Ad esempio: quante persone devi sondare in Francia per decidere quale ramo monarchico — perché tra le persone a favore della monarchia in Francia, ce ne sono per determinati rami della monarchia.
Il problema è che se consideri le persone a favore della monarchia in Francia, probabilmente rappresentano solo lo 0,5% della popolazione. Quindi, se vuoi realizzare un sondaggio affidabile su chi è a favore dei Borbone e chi è a favore di questo altro ramo, probabilmente dovrai sondare diverse migliaia di persone.
Quindi si tratta solo del rumore ambientale. E qui, come vedi, non si tratta di soft science. È semplicemente il fatto che ogni singola decisione comporta molto rumore. Quindi hai bisogno di molte decisioni solo per riuscire a fare una media e concludere, con non troppa incertezza, che il metodo A è migliore del metodo B.
Ma questo è tutto.
Conor Doherty: Di nuovo, usi l’esempio della chimica. Parliamo di struttura molecolare, o di ciò che accade quando due composti molto, molto noti interagiscono. Possiamo prevedere che se ne abbiamo molti — o pochi — e poi dici, per esempio, che l’equivalente vero in chimica sarebbe: cosa succederebbe se volessimo fare un esperimento, ma con una quantità espressa in nanogrammi. Ok. E così le tue misurazioni sono pessime semplicemente perché la quantità è così incredibilmente piccola.
E l’unico modo per ottenere una misurazione che sia in qualche modo corretta è farlo migliaia di volte e fare la media. Quindi vedi, questa è una situazione in cui il tuo esperimento presenta molto rumore.
Ma con molto meno rumore — ed è questo il punto fondamentale.
Quindi, ancora una volta, mi piace l’esempio e intendo svilupparlo ulteriormente. Stai parlando di un esperimento a bassa risoluzione che può essere condotto in un campo molto preciso, rispetto a una supply chain che, per tua stessa definizione, è soggetta a molta più variabilità.
Joannes Vermorel: Sì. Ma tuttavia, puoi fare A/B test. Se hai due metodi per allocare le tue risorse, puoi effettuare un A/B test.
Conor Doherty: Ma ancora, questo è comparativo. Non è falsificazione. La falsificazione è assoluta.
Joannes Vermorel: No, la falsificazione sarà: funziona o non funziona.
Se hai un metodo che afferma, “Questo è ottimale.” Ottimale significa: non ci sarà mai niente di meglio, mai. Mai. Mai. Se il mio metodo è ottimale e trovo qualcosa di migliore, non è più ottimale.
Non importa cosa succede con la matematica.
Ho appena detto che abbiamo un milione di articoli che affermano di avere l’inventario ottimale. Potrebbero aver sbagliato, ma cosa dice questo sulla potenziale rigidità o flessibilità del campo?
Quello che sto cercando di ottenere è avere qualcosa che rappresenti una freccia del progresso, e noi progrediamo lungo quella freccia. E qui, quando hai un milione di articoli che affermano di avere politiche di inventario ottimali, e nessuno di essi viene effettivamente usato in produzione dopo decenni, questo è un problema.
Questa non è una freccia del progresso. Questo è un campo molto stagnante, dove le persone continuano a pubblicare cose che dovrebbero essere ottimali, ma che non vengono usate per buoni motivi.
Conor Doherty: E non si tratta di—quindi la domanda è: è un altro modo di guardare la questione, assumendo la conclusione. Stai presupponendo che gli articoli non vengano usati perché sono una schifezza, e non perché in realtà potresti non essere in grado di ottenere il tipo di struttura che desideri in questo campo. È come cercare di afferrare l’acqua. “Oh no, acqua, dovrei poterla prendere. La scienza dovrebbe essere qualcosa di tangibile.”
Joannes Vermorel: No. Questo è il punto di questo capitolo: riflettere su quegli ultimi, forse 70, o almeno 50, anni. Se abbiamo, diciamo, un milione—anzi, più di un milione—di articoli sulle tecniche di ottimizzazione dell’inventario che sostengono di avere tecniche ottimali, e la maggior parte dei professionisti non li ha letti, a proposito. La maggior parte delle persone non lo sa.
Se andassimo avanti di altri 50 anni e ora avessimo un altro milione di articoli, farebbe qualche differenza?
E la mia risposta è: se guardiamo alla storia, anche se in modo sbagliato, probabilmente no. E vedi, ecco perché abbiamo bisogno di questo capitolo storico: per renderci conto che c’è ben poco progresso. È stato molto stagnante.
E l’unico modo per capire che il campo è stagnante da decenni è guardarsi alla storia. Questo è un giudizio di alto livello.
E credo che parte del problema che abbiamo sia la mancanza di falsificazione, e quindi non possiamo davvero—non abbiamo una freccia del progresso. La freccia del progresso in questo campo è in qualche modo rotta.
Ed è proprio questo che sto cercando di far notare e di proporre. La falsificazione è solo uno strumento di cui abbiamo bisogno. È uno strumento critico, ma non è l’unico.
E credo davvero che, in ultima analisi, se hai cose che non possono essere falsificate, sei in un territorio molto pericoloso.
Conor Doherty: Allora, per chiarire, perché questa è una leggera modifica alla posizione presentata in precedenza. Stai dicendo che in precedenza si affermava: qualcosa è pre-scientifico se resiste alla falsificazione. Poi hai detto che è uno degli strumenti della scienza. Quindi stai dicendo: perché la scienza è più esigente, la supply chain potrebbe non essere falsificabile, ma potrebbe comunque essere scientifica?
Joannes Vermorel: No, no, no. La falsificazione è necessaria, ma non è sufficiente.
Ad esempio, una teoria deve essere falsificabile, ma deve anche essere minimamente concisa—il rasoio di Occam. Se hai due teorie equivalenti nella loro capacità di prevedere il mondo, di darti la decisione migliore, e una è di gran lunga più semplice dell’altra, allora dovresti sceglier quella più semplice.
Ma certo, questo non dice nulla sull’adeguatezza o sulla correttezza dell’altra. È un modo per differenziare o fare una scelta, ma non significa necessariamente—perché hai scelto A invece di B, A era più breve o più semplice da capire—che in realtà si faccia un commento sulla veridicità di B.
Conor Doherty: No, ma è così che funziona la scienza—entrambe sarebbero giuste.
Joannes Vermorel: Sì. È letteralmente così che funziona la scienza. Se hai due teorie esattamente equivalenti ma una è molto più semplice, gli scienziati direbbero semplicemente: scegliamo questa. Tutto qui.
Sanno di avere teorie alternative che possono essere altrettanto corrette, ma si sceglie semplicemente quella più semplice.
E tu vedi questo come realizzabile in questo campo.
Joannes Vermorel: Sì. Ancora, credo che la transizione verso qualcosa di scientifico sia: dobbiamo avere dei criteri per eliminare ciò che non funziona, e capire che abbiamo gli strumenti per rifiutare—per avere criteri di rifiuto chiari—e riportare indietro quella freccia del progresso, dove ciò che viene scoperto, e che la comunità considera effettivamente scientifico, venga davvero utilizzato.
Vedi, quando si fa una scoperta in chimica, o in molti altri campi veramente scientifici, viene utilizzata dai professionisti. Se sviluppi un nuovo processo chimico che è molto più efficiente di uno precedente—e, di nuovo, tutti quei termini sono compresi correttamente, sai, il rendimento di una reazione chimica, e così via—la gente lo userà effettivamente.
In informatica, quando qualcuno scopre un algoritmo migliore, quest’ultimo viene messo in produzione di solito nel giro di pochi mesi da aziende interessate a quella classe di problemi.
Quindi, vedi, qui ritorno all’idea del pre-scientifico: se guardiamo a domini che sono scientifici, quando c’è una svolta, questa si propaga in tutto il campo. Le persone si adattano. Inseguono furiosamente l’ultimo articolo, l’ultima scoperta.
Se guardi, per esempio, a ciò che sta succedendo nell’AI generativa: quando un team pubblica un articolo e dice, “Oh guarda, sono riuscito a fare questo, ma in modo più veloce, più semplice,” tutti si precipitano ad implementarlo il più rapidamente possibile. E la ragione è che funziona. È qualcosa di valido.
Conor Doherty: Però è come confrontare mele e arance. Capisco l’esempio, capisco il punto che stai facendo riguardo a—
Joannes Vermorel: No, non è come paragone di mele e arance. Questo è il punto.
Conor Doherty: Come si può paragonare scegliere cosa ordinare, quando, quanto, da dove, con o senza spedizione veloce, a ciò che hai appena descritto?
Joannes Vermorel: Perché se il campo fosse maturato in qualcosa di scientifico, quando le persone pubblicassero un metodo, lo metterebbero semplicemente alla prova con un test A/B, e nel giro di un mese, se il metodo fosse effettivamente superiore, verrebbe adottato.
E le persone non usano gli articoli, come hai sottolineato. Ma ancora, la mia risposta è: non li usano perché non funzionano.
E ancora, ecco perché dobbiamo adottare questa posizione storica: presumere che quei 10 milioni di professionisti della supply chain siano tutti ignoranti, così ignari di tutta quella letteratura accademica—penso che sia un’assunzione completamente irragionevole.
Non è così.
Ogni singola grande azienda con cui ho lavorato ha almeno alcune persone che tengono d’occhio la letteratura accademica. Lo fanno tutte. Tutte quelle grandi aziende non sono idioti. Hanno collaborazioni con le università locali. Tengono d’occhio ciò che viene pubblicato.
Se non viene adottato, è semplicemente perché non funziona. È la spiegazione più semplice, e credo che sia quella corretta.
E quando raggiungeremo una fase scientifica per questa comunità, vedremo ciò che accade in altri campi: viene pubblicato un articolo che afferma di aver fatto qualcosa di significativo, e poi tutti si precipitano a replicarlo e ad adottarlo. Ed è esattamente ciò che stiamo vedendo in informatica. Ed è esattamente ciò che stiamo vedendo nell’AI generativa. Ed è esattamente ciò che possiamo vedere nella scienza dei materiali e così via.
E per me, questo tipo di comportamento è la prova aneddotica che hai un campo che opera davvero su presupposti scientifici, dove la freccia del progresso è chiara.
Quando qualcuno scopre qualcosa e dice, “Abbiamo qualcosa di grande tra le mani,” tutti cercano di replicarlo, e se la replica riesce, lo adottano semplicemente.
Conor Doherty: Abbiamo parlato per oltre un’ora. Finora sono state due ore su questo argomento. È fantastico. Mi è davvero piaciuta la conversazione.
E ora ho un pensiero che credo sia appropriato condividere con te: ho letto il libro, e ovviamente non riesco a disattivare completamente il fatto che ti conosco. Non posso completamente—no, non posso. È come se non potessi—è come se capissi l’inglese. Non puoi non capire l’inglese quando lo dico, perché lo capisci. Quindi non puoi spegnere completamente quella parte del tuo cervello. Puoi ignorarla, ma capisci comunque, anche se provi a far finta che il tuo cervello non capisca.
E allo stesso modo, ovviamente, quando leggo, anche se cerco di guardare la cosa con occhi completamente nuovi, so comunque cosa stai dicendo. So che potrei averlo espresso in modo leggermente diverso, ma so a cosa vuoi arrivare. E ovviamente so cosa intendi con tutto questo.
Detto ciò, sono due ore di conversazione in cui abbiamo affrontato forse cinque o sei punti e siamo andati avanti e indietro abbastanza. E anche se non pretendo di essere al tuo livello di competenza su questo, non sono affatto un principiante.
Quindi, pensi che tutte le informazioni che abbiamo scambiato—pensi che il professionista medio leggerà tra le righe nel tuo libro e vedrà, “Questo è ciò che Joannes intendeva quando ha detto che è pre-scientifico”?
Non intendeva dire che sono un ignorante, un chirurgo autodidatta—questo è il capitolo uno—che non ce la spassa, che la mia formazione è tutta una schifezza. Ma tu conosci tutte le cose costruttive di cui abbiamo parlato, come la freccia del progresso.
Pensi che lo capiranno, o credi che potrebbero essere un po’ respinti dall’estremismo? Ed è una questione emotiva. Non c’è giusto o sbagliato.
Joannes Vermorel: Credo che nelle mie discussioni con i professionisti emerga molto frequentemente che il loro campo è stagnante; penso che probabilmente il 90% dei professionisti della supply chain sarebbe d’accordo.
Le persone che lavorano da 30 anni direbbero: “Oh, quando sono entrato in questa azienda 30 anni fa, già utilizzavamo le stesse cose su un mainframe IBM. E ora abbiamo un’app web, ma è ancora la stessa logica, ancora scadente, e ancora gli stessi fogli di calcolo per sistemare i risultati. Ha poco senso.”
Quindi vedi, il fatto che il campo sia stagnante: la maggior parte dei professionisti con più di 50 anni probabilmente sarebbe d’accordo, semplicemente perché per loro l’intera carriera è stata incentrata sulle stesse idee e hanno visto pochissimi cambiamenti negli ultimi tre decenni, anche se l’aspetto e la sensazione del software sono cambiati drasticamente, passando da terminali in bianco e nero su mainframe ad app web.
Ma, ancora, mentre l’interfaccia utente è cambiata drasticamente, la matematica, la logica, il modo di intendere le cose non sono cambiati.
Quindi hai chiesto: leggeranno tra le righe? Non lo so.
Quello che penso è che, probabilmente, condivideranno intuitivamente la stessa diagnosi—campo stagnante, freccia del progresso rotta—e leggendo questa sezione storica, si cristallizzerà in qualche modo ciò che già percepiscono. E questo susciterà un certo interesse. Incrementerà il loro desiderio di approfondire e di sfidare lo status quo.
Potresti avere la sensazione che il tuo campo sia stagnante quotidianamente, ma in realtà non ci pensi ogni giorno. È solo qualcosa che rimane in fondo alla mente. E poi, forse grazie a questo libro, realizzi: “Oh cavolo, in realtà è stagnante da mezzo secolo ormai. Qualcosa deve cambiare. E magari devo imparare un po’ di più.”
Quindi, riusciranno a leggere tra le righe? Non lo so. Ma può ancora innescare quella reazione necessaria per far ripartire la freccia del progresso in questo campo? Spero di sì.
Conor Doherty: Beh, non sono in disaccordo.
Forse permettimi di riformulare da una prospettiva più meta, perché, ancora, sei un autore. Hai scritto un libro. Anch’io scrivo. Quindi esiste un contratto sociale implicito firmato tra autore e lettore: lo scopo è, io voglio trasmettere un pensiero. Io sono l’autore. Tu sei il lettore. Tu sei il pubblico del mio libro.
Il contratto sociale implicito è: per quanto possibile, mi adatterò a dove tu sei. Per esempio, non hai scritto in latino. Ci sono effettivamente alcune frasi latine, ma non hai scritto in latino. Sarebbe stato pazzesco, perché allora nessuno lo capirebbe. Quindi non hai scritto in latino. Non hai scritto in aramaico.
E, in maniera più programmatica, ho inserito tutta la matematica nell’ultima sezione del libro. Hai fatto quelle scelte. Ci sono state scelte sistematiche: ok, voglio adattarmi almeno in parte al pubblico.
E quello che sto dicendo è—lasciami esprimere così—abbiamo concordato un ordine di grandezza di 10 milioni di professionisti. Supponiamo che io, per magia, metta il libro davanti a tutti e 10 milioni di persone, e forse il 50% di loro pensi, “Fantastico. Sì, questo risuona con me.”
E il restante 50% penserà, “Sono un po’ turbato dall’estremismo di alcune affermazioni,” e non hanno sentito questo. Quindi stanno leggendo letteralmente: “La teoria mainstream è rotta,” disastrosa, da non fidarsi, dilemma del prigioniero, estrema—qual era l’esatta frase che ha fatto capire tutto—“pre-scientifico.”
Sei molto preciso, e so che nella tua testa sei estremamente preciso con ciò che intendi. Ma ancora, se prendiamo 10 milioni e facciamo una media, pensi che diranno, “Non intende dire letteralmente che sono un idiota. Vuol dire che manca la teoria popperiana della falsificazione. È questo che intende.”
Joannes Vermorel: Ma vedi, non penso che la comunità si consideri nemmeno impegnata nel fare scienza. Ed è un po’ il problema.
Il fatto che i professori universitari pubblichino articoli che non sono per nulla scientifici è decisamente un problema. Ma in termini di consapevolezza di sé, è abbastanza alta, e pochissimi professionisti penseranno: “Quello che ho imparato nella supply chain è vera scienza, e ora c’è un tizio che mette in discussione tutto questo.” No.
Penso che la maggior parte dei professionisti sappia che si tratta di un miscuglio di euristiche, tradizioni tribali e di cose che in qualche modo funzionano per la loro azienda, ma è molto incoerente. Ha molte contraddizioni interne che non vengono risolte, che creano grandi problemi, e di conseguenza tutto richiede più riunioni di quanto dovrebbe, ecc.
Quindi credo che molte persone probabilmente non rimarranno troppo sconvolte da queste affermazioni.
Ma inoltre, penso che parte del tentativo di portare questo campo allo stato della scienza consista nell’avere distinzioni più nette. Ed è per questo che dobbiamo essere un po’ più estremi, perché parte del problema che ho con questo genere di materiali pre-scientifici è che molto spesso sono impossibili da falsificare proprio perché quello che dicono è così vago.
Quindi puoi leggere il contenuto della supply chain 4.0 in un modo o nell’altro. Gli eventi possono svolgersi in qualsiasi modo. Non entrerà mai in contraddizione perché non è definito. Non ha quella struttura cristallina che, se si rompe, si nota.
È come una grande palla di fango. Se presenti una teoria che è una grande palla di fango, questa cosa può essere distorta in tutti i modi — rimane comunque una grande palla di fango — a differenza di qualcosa che assomiglia a un cristallo, dove se si rompe, si rompe ed è abbastanza evidente che l’hai rotto.
So che può sembrare terribile, ma abbiamo appena pubblicato una critica di un articolo co-scritto da 42 autori. Il titolo è qualcosa del tipo “Supply Chain in the Era of Generative AI,” o qualcosa del genere.
E quest’articolo, quando dico “grande palla di fango,” è proprio questo. Quest’articolo è l’archetipo di qualcosa che è una grande palla di fango. Non ha forma, né consistenza. Anche se lo smonti, rimarrà comunque una grande palla di fango. Nulla di ciò che accadrà in futuro potrà davvero contraddirlo, perché è così informe e scadente.
Questo è ciò che intendo con “pre-scientifico”: una volta che hai qualcosa che ha una struttura molto più chiara, ti rendi conto: “Oh, quella cosa era una grande palla di fango.” Ci vuole che emerga la scienza per capire che quello che stavi facendo fino ad ora era pre-scientifico.
Conor Doherty: Va bene. Beh, non concluderemo la discussione — non saremo in grado di chiudere il dibattito sul fatto se la supply chain possa o meno raggiungere i livelli di falsificabilità della chimica.
Ma per concludere, ultima domanda: in termini di consigli pratici per le persone, come possono inserire un po’ di scienza nella loro supply chain fin dal primo giorno? Quindi, il giorno zero è: hanno iniziato a leggere il libro, hanno solo un paio di capitoli. Il giorno uno: iniziano ad applicarli. Come possono mettere la scienza in quello che stanno facendo?
Joannes Vermorel: Se dobbiamo tornare a questa prospettiva storica, credo che sia necessario avere una visione storica. È molto importante, perché, ancora una volta, se non vuoi essere ingannato, devi guardare alla storia delle affermazioni fatte.
Quando le persone sostengono cose da decenni, e ogni decennio sostengono affermazioni meno ambiziose con più parole d’ordine rispetto al decennio precedente, non sei sulla strada giusta. Basta pensarci.
I principali fornitori ERP ora fanno affermazioni molto più modeste su ciò che sostengono di fare, pur offrendo soluzioni ancora più eleganti e sofisticate. Ad esempio, se la mia affermazione nel 2025 è più modesta, nonostante io abbia accesso alla generative AI, rispetto a quella che facevo nel 1975, cosa sta succedendo? Cosa sta succedendo?
Quindi, vedi, ecco perché penso che sia molto importante studiare la storia: per capire di chi ci si può fidare.
E ancora, penso che abbiamo visto che fare quegli esperimenti — sono molto costosi. È vero. La falsificabilità è costosa, lenta, disordinata e difficile.
Ma credo che la prospettiva storica ti offra qualcosa che funge da indicatore. Non è un indicatore eccellente, ma è lo stesso un indicatore.
E puoi osservare quelle cose che esistono da decenni e fanno affermazioni grandiose, ma che in realtà hanno prodotto ben poco. A un certo punto, potresti dire: okay, questo è semplicemente falso, altrimenti avrebbe funzionato. Avrebbe funzionato.
Altrimenti alcune persone sarebbero riuscite a trasformare tutta questa conoscenza in qualcosa di utile.
Ad esempio: i database a grafo per le supply chain. I database a grafo esistono da quasi tre decenni. I database a grafo open-source esistono da due decenni. Questa tecnologia non è mai diventata mainstream. Ne conosco pochissimi utilizzi.
Non credo di aver mai incontrato un’azienda reale che utilizzi, in produzione, un database a grafo per supportare qualsiasi cosa relativa alla supply chain.
Posso ora concludere, basandomi su questa conoscenza storica, che i database a grafo non avranno mai alcun impatto sulla supply chain? Voglio dire, è un’osservazione molto empirica. È un argomento storico basato sull’osservazione. Non è esattamente una prova, ma comunque conta. Per me, è una solida indicazione del fatto che rappresenta una direzione molto improbabile per le future innovazioni nella supply chain.
Quindi, quello che sto dicendo è: devi dare un’occhiata alla storia. Osserva le cose che non hanno mai dato molto. Se certe tecnologie esistono da un tempo davvero molto lungo e non sembra che abbiano mai offerto molto, probabilmente non offriranno mai nulla.
E questa sarebbe l’essenza di questo capitolo: presta attenzione alla storia. Le cose che non hanno funzionato per mezzo secolo, molto probabilmente non funzioneranno mai.
Conor Doherty: Bene. Grazie mille per il tuo tempo. Non ho altre domande. Con questo si conclude il capitolo due. Ci vediamo, presumibilmente la prossima settimana — almeno nel 2026 — per il capitolo tre.
E a tutti voi che ci avete seguito, grazie. Se volete mettervi in contatto con noi, o se volete fuggire da quella gigantesca palla di fango in cui vi trovate, connettetevi con noi — e con me — su LinkedIn, oppure mandateci una email a contact@lokad.com. E con ciò, per favore, tornate al lavoro.
