00:00:00 Capitolo sei: intelligenza come collante della supply chain
00:04:49 La redditività definisce l’intelligenza, non la somiglianza umana
00:08:17 Scelte superiori misurano l’intelligenza operativa
00:12:50 La meccanizzazione arriva al lavoro d’ufficio in supply chain
00:17:24 Gli agenti di coding infrangono le obiezioni sulla prontezza
00:21:12 I playbook mainstream della supply chain sono robotizzabili
00:26:10 Prova gli agenti di coding, vedi la prova in prima persona
00:30:20 L’automazione d’ufficio trasforma OPEX in CAPEX
00:34:24 Il software diventa un asset competitivo in crescita
00:39:23 I sistemi di intelligenza sono solo frazioni di un asset
00:42:34 Nessun percorso incrementale verso operazioni orientate al software
00:46:23 L’automazione non supervisionata dovrebbe gestire i giorni normali
00:50:26 Gli esseri umani migliorano gli asset affrontando problematiche ardue
00:55:02 Ogni dipartimento diventa parzialmente guidato dal software
01:00:46 I professionisti devono ripensare il valore rispetto alle macchine
Riassunto
L’episodio sostiene che l’intelligenza in supply chain non è una questione di prestigio, ma di risultati: qualsiasi cosa trasformi l’informazione in decisioni più redditizie è, per definizione, più intelligente. In base a ciò, gran parte del lavoro di routine in supply chain può già essere automatizzato, e le aziende che ignorano questo saranno superate. Il ruolo più profondo degli esseri umani rimane nel risolvere problemi difficili e strategici che le macchine gestiscono ancora male. Pertanto, la supply chain non dovrebbe più essere vista semplicemente come un centro di costo, ma come un asset produttivo: un insieme di logiche decisionali che può apprezzarsi attraverso il miglioramento o deprezzarsi per via della negligenza.
Riassunto Esteso
La discussione in questo episodio ruota attorno a una distinzione semplice ma trascurata: l’intelligenza non è un complimento, è una funzione. In supply chain, l’intelligenza non è ciò che suona sofisticato, né ciò che adorna il giudizio umano. È la capacità di trasformare l’informazione in decisioni che producono risultati economici migliori. Se un metodo genera maggior profitto rispetto a un altro, allora, in questo senso limitato e pratico, è più intelligente.
Quella definizione elimina immediatamente gran parte della confusione. Molte aziende amano dire di impiegare persone intelligenti, ma ciò dice poco a meno che quelle persone non prendano costantemente decisioni migliori rispetto alle alternative. Il confronto rilevante non è mai tra esseri umani e un ideale astratto di perfezione meccanica. È tra un decision-making system e un altro. Un processo umano mediocre non viene giustificato semplicemente perché è umano. Né il software viene squalificato perché è software.
Da lì, la conversazione si sposta verso un modello storico più ampio. Prima è stato meccanizzato il lavoro fisico. Ora viene meccanizzato anche il lavoro d’ufficio. Ciò che i computer una volta facevano con l’aritmetica e la contabilità, agenti di coding e strumenti di automazione stanno iniziando a farlo per una gamma molto più ampia di compiti intellettuali. Che le aziende si sentano “pronte” per questo è irrilevante. I mercati non aspettano una prontezza psicologica. I concorrenti che usano strumenti superiori ottengono vantaggi, e tali vantaggi si accumulano.
Ma questo non è presentato come un assegno in bianco per affermazioni alla moda sull’IA. Al contrario. Il lavoro di routine, mainstream in supply chain — le formule standard, le categorizzazioni e i processi decisionali ripetitivi — può essere automatizzato sempre più facilmente. I problemi più difficili rimangono quelli genuinamente strategici: la valutazione, compromessi in condizioni di profonda incertezza, e la creazione di vantaggi distintivi che i concorrenti non possono facilmente copiare. Questi non sono problemi da foglio di calcolo travestiti da gergo. Sono wicked problems, e per ora rimangono in gran parte problemi umani.
Questo è il motivo per cui la supply chain non dovrebbe essere vista semplicemente come un centro di costo, ma come un asset produttivo. Quando la logica decisionale è incarnata nel software, mantenuta, migliorata e resa economicamente efficace, diventa qualcosa di simile a un capitale intellettuale. Può apprezzarsi attraverso il miglioramento o deprezzarsi a causa della negligenza. In tal senso, la capacità della supply chain di un’azienda inizia a somigliare a un pezzo di codice produttivo piuttosto che a una collezione di routine amministrative.
Le implicazioni pratiche non sono disperazione, ma una rivalutazione. Il valore umano non scompare. Si sposta a monte. Il banale dovrebbe essere automatizzato. Rimangono il raro, il difficile e lo strategico. La vera domanda per i professionisti non è più se le macchine possano pensare esattamente come gli esseri umani. La domanda è dove le persone creino ancora valore una volta che le macchine possono fare più di quanto facevano in passato.
Trascrizione Completa
Conor Doherty: Bentornati. Questo è l’episodio sei di una serie speciale in cui Joannes e io prendiamo il suo nuovo libro, Introduction to Supply Chain, e analizziamo le idee capitolo per capitolo.
Per questa serie, assumo una posizione molto specifica: quella di qualcuno che non conosce Lokad, non conosce Joannes, e certamente non ha lavorato in Lokad per tre anni e mezzo. In questa serie, sono uno dei circa 10 milioni di professionisti medi al mondo che potrebbero vedere il libro, magari su Amazon, dove è ampiamente disponibile, cominciare a leggerlo e avere delle domande. Prendo queste domande e le porto a Joannes.
Ora, come ho detto, questo è l’episodio sei. Ciò significa che ce ne sono stati cinque prima di questo. Se non li avete visti, vi suggerisco gentilmente di guardarli prima, perché ci saranno elementi che menzioneremo oggi, infatti nelle prime domande, che faranno riferimento a cose di cui abbiamo già parlato in precedenza. E con ciò detto, Joannes, è bello rivederti.
Quindi, il capitolo sei è cripto-chiamato “Intelligence”. Ora, so che nel capitolo cinque abbiamo parlato di dati, informazioni e conoscenza, e ora passiamo all’intelligence. Quindi, nel modo più concreto possibile, qual è la tesi centrale del capitolo sei, “Intelligence”, e come si basa su ciò di cui abbiamo già discusso?
Joannes Vermorel: L’intelligenza è il collante. Abbiamo stabilito l’obiettivo nel capitolo sull’economia: l’obiettivo è massimizzare il tasso di ritorno. Questo è un dato di fatto. E nel capitolo precedente, quello sull’informazione, abbiamo visto che abbiamo, direi, gli ingredienti. Gli ingredienti sono l’informazione.
Quindi ora sappiamo cosa vogliamo ottenere, ossia il tasso di ritorno, e abbiamo raccolto tutte le informazioni rilevanti con una chiara comprensione di ciò che sono i dati e ciò che è l’informazione. Quindi abbiamo la cosa, e ora l’unico ingrediente mancante è un’esecuzione molto intelligente. Ma cosa intendiamo esattamente per “intelligente”?
Ovviamente, se si parla di una persona, si direbbe: “Oh, è qualcuno di abbastanza furbo,” e così via. Ci sono molte definizioni imprecise. Le persone dicono, come fa la maggior parte delle aziende, “Oh, assumiamo persone talentuose e intelligenti,” il che potrebbe essere vero. E certamente alcune aziende di grande successo lo fanno, ma non è una definizione molto operativa, perché quando si chiede fondamentalmente alle persone, “Ma come definite l’intelligenza?” sostanzialmente rispondono: “Non lo so, ma la riconosco quando la vedo in un altro essere umano.”
Ad essere onesti, penso che sia anche una sorta di standard. Ma non è una definizione pratica e operativa, perché viviamo in un mondo in cui il software è molto importante. È quello che intendo dire. È più una constatazione: quei computer non sono un dettaglio del panorama della supply chain. Sono in gran parte il panorama stesso. E questo è ciò che descrivo dicendo che le supply chain possono essere osservate essenzialmente solo attraverso electronic records. Quindi, la parte software non è un dettaglio. È letteralmente lo strato fondazionale. In realtà, puoi vedere la tua supply chain solo attraverso quelle lenti elettroniche.
E indovinate un po’? Anche quei computer possono, in qualche modo, fornire intelligenza, e lo fanno già. L’aritmetica è chiaramente una forma di elaborazione intelligente dell’informazione. Le persone potrebbero dire, “Oh, è solo meccanico,” ma la realtà è che fino alla fine degli anni ‘70 erano persone con lauree a fare i calcoli. Quindi, chiaramente, i computer sono già riusciti a sollevarci da una parte del carico dell’intelligenza, dell’elaborazione delle informazioni, ovviamente per le parti più meccaniche, come l’aritmetica.
Ora dobbiamo discutere di ciò che resta sul tavolo. Abbiamo computer che sono in qualche modo macchine semi-intelligenti. Cosa significa ciò? E qual è il ruolo dell’intelligenza umana in tutto questo? E chiarifichiamo anche cosa intendiamo per intelligenza, perché dobbiamo avere una comprensione che vada oltre il “Te lo dirò quando la vedrò.” Questa definizione è così poco operativa da essere impraticabile.
Conor Doherty: Ci sono alcuni punti lì, e ho già preso qualche appunto, quindi mi distacco dalle domande preparate. Ma c’è una distinzione importante che va sottolineata quando si parla di intelligenza. E hai fatto un buon punto fin dall’inizio sul fatto che, sai, sei un’azienda, una grande azienda, assumi persone intelligenti, e questo potrebbe essere vero.
Uno dei punti del libro, o di questo capitolo, che tratti è: cos’è l’intelligence nel contesto specifico dell’esecuzione delle decisioni quotidiane necessarie per operare una supply chain in modo redditizio? E serve quell’intelligenza a livello umano per ciò? Abbiamo già software che possono eseguire quel livello di intelligenza in modo affidabile e su larga scala? E credo che tu sostenga proprio quest’ultimo, e che ce l’abbiamo da molte, molte, molte decadi.
Joannes Vermorel: Sì. Innanzitutto, non voglio avere una definizione di intelligenza incentrata sull’essere umano, perché il problema è che se la tua definizione è incentrata sull’umano, allora finisci per chiederti: “Cos’è un essere umano?” Ovviamente questa domanda è molto interessante a livello filosofico, ma non è una questione riguardante la supply chain. Quindi cerco di disimpegnarmene.
Non sto cercando di definire cos’è l’umanità, l’anima, la coscienza, e tutto il resto. Sono questioni incredibilmente importanti, ma non riguardano la supply chain.
Conor Doherty: Redditività e così via.
Joannes Vermorel: Esattamente. Quindi riassumo tutto in termini di redditività. Ho spiegato nel capitolo tre, epistemologia—scusate, non quello—il capitolo quattro riguarda l’economia.
Conor Doherty: Sì.
Joannes Vermorel: E poi abbiamo il capitolo quattro, in cui approfondisco l’economia. Quindi dico: cosa significa operare in modo intelligente? Semplicemente generare decisioni che siano molto redditizie, che massimizzino questo tasso di ritorno. Quindi, letteralmente, in questo libro, nel mio libro, equivo l’intelligenza, nel contesto speciale della supply chain, con la capacità di generare profitti.
È così che vuoi trasformare questa informazione grezza in profitti, essenzialmente scegliendo le decisioni giuste. E quella sarà la mia definizione. È molto operativa: se hai qualcosa che genera maggiori profitti, allora è più intelligente. Se genera decisioni migliori che si traducono in maggiori profitti, è più intelligente, indipendentemente da come appare.
Se ciò che genera maggiori profitti utilizza semplici percentuali di base, allora quelle percentuali sono più intelligenti. Questo è il modo in cui affronto il problema, in modo da avere una definizione molto concreta. E questa definizione di intelligenza è dal punto di vista di ciò che ci serve per la supply chain. Ancora, non siamo qui per risolvere il problema filosofico dell’intelligenza umana. Stiamo cercando di chiarire qual è il prossimo ingrediente una volta che si ha l’informazione, l’informazione grezza su tutto ciò che puoi eventualmente raccogliere riguardo lo stato della tua supply chain, lo stato del mercato, lo stato dei tuoi clienti, fornitori, ecc.
Una volta raccolte tutte queste informazioni, come le trasformi in decisioni? Sto dicendo che qui avviene l’intelligence. È il collante, la magia che trasforma l’una nell’altra.
Conor Doherty: Beh, in realtà, ho trovato la citazione, ma l’avevo già nei miei appunti. Quindi, solo per un po’ di contesto, scrivi nel libro: “Supply chain demands substantial intelligence to execute profitably,” e l’intelligenza, secondo la tua definizione, è “la capacità di fare scelte che producono ricompense future superiori.”
Ora, qualcuno potrebbe dire, “Beh, abbiamo già sistemi non basati sul software per questo. Abbiamo i nostri processi incentrati sull’umano per giungere a decisioni che producono ricompense future superiori.” Quindi, come rispondi a ciò?
Joannes Vermorel: Di nuovo, direi di sì, ma ora: è intelligente? Genera tutti i profitti che potrebbe? È una questione comparativa.
Conor Doherty: Quindi è un punto comparativo che stai facendo.
Joannes Vermorel: Sì. Due cose possono essere buone, ma una è migliore dell’altra.
Conor Doherty: Esattamente.
Joannes Vermorel: Il punto è che le risorse vengono allocate. Le cose vengono acquistate, trasportate, trasformate, distribuite, ecc. Quindi le allocazioni delle risorse avvengono. La domanda è: avvengono in modo intelligente? Avvengono in modo redditizio, o nel modo più redditizio possibile?
Quindi il nocciolo della questione è sempre un controfattuale. Si tratta di capire se si stanno lasciando opzioni di profitto sul tavolo. E se queste sono molto evidenti, è per questo che si direbbe, “Oh, stai facendo qualcosa di stupido,” perché stai lasciando così tanti soldi sul tavolo. Quindi è sempre una questione comparativa.
Ora, se abbiamo persone che già fanno questo, bene. La domanda è il confronto tra ciò che fanno collettivamente — una sorta di intelligenza collettiva — e ciò che qualunque altra alternativa, inclusa un’organizzazione diversa, potrebbe offrire.
Conor Doherty: Quando dici “organizzazione alternativa”, intendi un sistema di intelligence, come l’intervento del software, o semplicemente persone organizzate in modo diverso?
Joannes Vermorel: O semplicemente persone organizzate in modo diverso. Ancora, puoi immaginare che siano solo persone a fare il lavoro, come in un processo S&OP. Quindi possono essere semplicemente persone, ma organizzate in modo diverso, oppure persone con un po’ di software — come chi lavora con Excel — oppure persone con molto software, o un unico pezzo di software che risulti essere potente.
Quindi hai l’intero spettro di avere più o meno persone. Ancora, quando siamo nel territorio dell’intelligenza, più persone non significa necessariamente risultati più intelligenti. Come analogia, riesci a portare semplicemente 10 persone dalla strada a giocare a scacchi contro un grande maestro di scacchi, e vinceranno? Se prendi semplicemente 10 persone dalla strada, la risposta è no, probabilmente no.
Conor Doherty: Mhm.
Joannes Vermorel: E tu dici, se ora prendi mille persone dalla strada, quei 10.000 riusciranno a battere il grande maestro di scacchi? Ancora no. Almeno non in modo affidabile.
Conor Doherty: Sì. Probabilmente nemmeno nella realtà.
Joannes Vermorel: Esatto. E qui è che le persone tendono a confondersi, perché quando pensiamo a “l’unità è la forza” e cose simili, ci riferiamo sostanzialmente a compiti materiali, non a compiti di intelligenza.
Se la questione riguarda il trasporto di mattoni da un luogo all’altro, sì, se siamo mille, trasporteremo molti più mattoni rispetto a se fossi da solo. Ma se si tratta di creare la Mona Lisa, anche se siamo mille, nessuno di noi riuscirà mai ad avvicinarsi alla Mona Lisa.
È per questo che l’intelligenza è così specifica. L’intelligenza è incredibilmente sfuggente. È difficile. E quello che sto dicendo è che voglio davvero ancorare la mia definizione a qualcosa che possa essere misurato in definitiva: i profitti. E non sto facendo una massiccia assunzione che abbia qualcosa a che fare specificamente, nel contesto della supply chain, con le persone.
Sto solo dicendo che qualunque cosa generi profitti è buona. Quante persone siano effettivamente coinvolte nella ricetta finale, beh, sarà qualcosa da scoprire, e dipenderà molto dallo stato della tua tecnologia software.
Conor Doherty: Beh, per sviluppare ulteriormente questo, e questo è qualcosa di cui abbiamo cominciato a parlare fuori dalla telecamera, non c’è bisogno di nominare nomi, ma oggi mi hai detto che hai ricevuto qualche critica online per la tua visione personale di questo concetto, l’idea di AI—ci arriveremo più avanti—l’idea di intelligenza e lo standard che stavi cercando di impostare all’interno della supply chain.
La gente ti stava mettendo in discussione, opponendosi a te, sostenendo che la supply chain non si è evoluta sufficientemente per il tipo di paradigma di cui stiamo parlando qui.
Joannes Vermorel: Sì, ma qui dobbiamo osservare il trend generale del progresso tecnologico. Il lavoro è stato meccanizzato, e continua ad esserlo. È qualcosa che è in atto da letteralmente millenni, e che ha accelerato tremendamente per tutto ciò che è fisico negli ultimi cinque decenni.
Quindi abbiamo fatto progressi. Anche l’irrigazione è un modo per risparmiare lavoro. Ci sono molte cose che hanno impiegato letteralmente millenni per partire veramente, e nell’ultimo mezzo secolo il lavoro fisico ha registrato enormi guadagni in termini di produttività.
Conor Doherty: Automazione, sostanzialmente, stiamo parlando di questo.
Joannes Vermorel: Sì, automazione, sostanzialmente, ma su ogni scala. Si può pensare che a volte non si tratti nemmeno di automazione intelligente. Può essere semplicemente macchinari più grandi. Ad esempio, una nave portacontainer: c’è ancora un uomo che pilota la nave, tranne per il fatto che ci sono 20.000 container invece di — e dunque se vuoi spostare gli stessi container con camion, ti servono 20.000 camionisti.
Quindi, la nave portacontainer non è una tecnologia particolarmente avanzata, ma semplicemente rendendola molto grande, puoi aumentare enormemente la produttività. Quindi i guadagni in produttività possono essere ottenuti a volte con tecnologie sofisticate e a volte con la sola forza bruta. Le navi portacontainer sono molto simili a un’applicazione massiccia della forza bruta e del batching.
Conor Doherty: O anche, scusa, per riportarlo poi al contesto della supply chain.
Joannes Vermorel: Sì. E ora stiamo parlando dei lavoratori impiegatizi. Con l’emergere delle macchine calcolatrici, i computer hanno automatizzato il lavoro impiegatizio, almeno gli aspetti più banali delle mansioni, e molti, molti altri aspetti.
La gente non sa: quando i miei genitori hanno cominciato a lavorare, c’erano ancora persone che facevano calcoli a mano. Questi erano letteralmente lavori a tempo pieno. C’era qualcuno che somma i numeri per tutto il denaro da pagare ai fornitori, e si teneva il registro di ogni fornitore a mano. E poi è arrivato Excel, poi i pacchetti di contabilità, e successivamente sono arrivati anche gli ERP per, ancora una volta, migliorare questo processo.
Conor Doherty: Rendi il tutto più efficiente, sostanzialmente.
Joannes Vermorel: Esattamente. Quindi abbiamo cominciato a vedere aumenti di produttività non solo per le persone operai che spostavano roba, costruivano e realizzavano, ma anche per gli impiegati. E il processo è ancora in corso, e ultimamente si è accelerato moltissimo. Questa è sostanzialmente la storia dei coding agents degli ultimi mesi.
La cosa interessante è che ci sono molte persone online, su LinkedIn—io pubblico regolarmente—e molte dicono, se riassumo il feedback, che è per lo più positivo. Dicono: “Joannes, stai sostenendo qualcosa che rimarrà il futuro tra 100 anni.”
Conor Doherty: Sì, forse non cento, ma sei avanti di un decennio.
Joannes Vermorel: L’automazione—il mondo non è pronto. In sostanza dicono che le supply chain non sono pronte per il livello di automazione di cui parli, ciò che sostieni, ciò che fa Lokad. È presente, ma tu sei un caso a parte. Le aziende non sono pronte.
Ed è molto interessante, perché con i coding agents, quello che vedo è che nessuno è pronto, ma sta arrivando. È già lì. Quello che mostrano i coding agents—Claude Code, OpenAI Codex, e alcuni dei loro concorrenti—è che non importa se non sei pronto. È già lì.
E il livello è — quello che il mondo, incluso me, sta scoprendo, ed è davvero uno schiaffo in faccia — molto più alto di quanto pensassi.
Conor Doherty: Quelli due in realtà, dal momento che hai anche scritto il libro.
Joannes Vermorel: Sì, dal momento che ho scritto il libro.
Conor Doherty: Già. La tua domanda riguardo agli LLM è ormai, in realtà, obsoleta. Questo ti dà la scala del progresso, il che non è un’offesa per te. È solo che era prima di Codex.
Joannes Vermorel: Esattamente. Il progresso è assolutamente esponenziale, ed è molto, molto strano. Perfino quelle aziende AI — il loro dépliant di marketing è obsoleto. Di solito, come fornitore di software, prometti sempre il mondo. Stai vendendo qualcosa che potrebbe essere disponibile l’anno prossimo.
E qui, stanno effettivamente vendendo cose che erano state già realizzate sei mesi fa. Quindi persino i reparti marketing sono in ritardo rispetto alle reali capacità del software, ed è fantastico.
Nel libro, descrivo l’intelligenza generale come la capacità di un sistema intelligente di migliorare se stesso. E indovina un po’? Nell’ultima generazione — quindi è Opus 4.6 e GPT 5.3, cioè Anthropic e OpenAI rispettivamente — indovina un po’? In entrambi i casi, in entrambe le istanze, i team di sviluppo software stanno dicendo che quei coding agents hanno letteralmente scritto la versione successiva.
Ovviamente sotto la supervisione umana, ma comunque. Significa che l’idea che ci stiamo avvicinando a un sistema software capace di riscrivere se stesso è — beh, nel libro, menzionando gli LLM, dicevo che forse avevamo una scintilla di intelligenza generale. Ora non è più una scintilla. Abbiamo un piccolo fuoco. Non è un grande fuoco, ma si sta chiaramente intensificando.
Quindi la critica di dire “Non siamo pronti” penso sia irrilevante. È irrilevante. Al mercato non importa se sei pronto o meno, perché quegli strumenti sono così brutalmente efficienti che, da qualche parte nel mondo, ci sarà un concorrente che li utilizzerà. Fin qui tutto.
E ancora, quanto durerà la tua azienda se porti — c’è l’espressione “portare una spada a un combattimento armato” — ma è più come se tu portassi una spada e loro un carro armato. La portata è enorme. È davvero, davvero enorme. Quindi sì, e a proposito, questo è uno schiaffo in faccia anche per un fornitore di software come Lokad. Non siamo immuni. È anche qualcosa che prendiamo molto, molto sul serio.
Conor Doherty: Beh, ancora, non dobbiamo entrare troppo nei dettagli, ma ci sono alcuni miti o preconcetti mal concepiti che vorremmo affrontare qui. Per esempio, le persone che vendono l’idea che gli LLM, in quanto modelli di linguaggio di grandi dimensioni, siano una panacea, una soluzione miracolosa, potresti dire, nella supply chain — tu fai notare che è una sciocchezza. Ora questo è forse un po’ datato, ma qual è ora la tua posizione sull’idea dell’AI in termini di decisioni nella supply chain?
Joannes Vermorel: Ciò che è chiaro è che se vuoi robotizzare completamente l’approccio mainstream della supply chain, gli agenti sono ben oltre.
Conor Doherty: Con ciò, intendi ancora—
Joannes Vermorel: Intendo scorte di sicurezza, analisi ABC, tutti i soliti sospetti. Quindi, se consideri tutti i soliti sospetti, cioè l’intero materiale formativo dell’ASCM, i coding agents sono ben al di là. Se abbracci la teoria della supply chain, direi che non resta nemmeno una sola domanda sul fatto che OpenAI Codex o Anthropic Claude Code possano robotizzare tutto ciò.
Sì, può. Può farlo con facilità. Non è nemmeno qualcosa di veramente impegnativo. Non si sta nemmeno mettendo alla prova quegli strumenti. Non più.
Conor Doherty: Perché le aziende non lo fanno allora? Questo è commercialmente disponibile a 20 dollari al mese. Aziende da miliardi di dollari—
Joannes Vermorel: Ma alcune lo fanno. Ancora, stiamo parlando della maggioranza. I mercati sono filtri, non educatori, quindi dovresti supporre che le nuove tecnologie non saranno mai adottate da tutte le aziende. Le aziende non abbracciano tutte le tecnologie. Il cinque per cento le adotta; il resto va semplicemente in bancarotta. Questa è l’essenza dei mercati. Ed è molto doloroso. Schumpeter lo ha notato. È la distruzione creativa dell’innovazione.
Torniamo all’e-commerce. Walmart avrebbe potuto schiacciare Amazon. Bastava destinare pochi ingegneri. Jeff Bezos lavorava in un garage. Non aveva nulla. Non poteva nemmeno assumere ingegneri veramente bravi. Tutto ciò arrivò dopo. All’epoca poteva permettersi solo ingegneri economici, in una fase molto iniziale. Era una piccola startup e aveva tantissimi problemi. Niente era pronto. Non aveva i contatti con le banche. Non aveva le reti logistiche. Quindi era un completo disastro.
E perché Amazon è diventata un gigante? La risposta è perché tutti gli altri hanno fatto cilecca. Nessuno ha prestato attenzione per decenni fino a quando non è stato troppo tardi. E qui, ciò che vedremo sarà una ripetizione, perché l’e-commerce non è stato un evento isolato.
Se guardi alla fine del XIX secolo, è molto interessante. Arriva l’elettricità. L’elettricità cambia le regole del gioco. Se hai elettricità, per esempio, prendi qualsiasi fabbrica, non importa quale, installi delle lampadine, e improvvisamente la tua fabbrica può operare 24 ore su 24. Quindi è la conquista della notte. Ciò significa che il tuo investimento in asset materiali — se quelle macchine sono costose — improvvisamente le tue macchine funzioneranno 24 ore al giorno anziché, in media, 12 ore al giorno durante l’anno.
Prima delle lampadine, far funzionare una fabbrica al buio, o con le candele, non era affatto possibile. Quindi vedi, è quel tipo di cosa in cui l’elettricità, aggiungendo semplicemente qualche lampadina, poteva improvvisamente raddoppiare il rendimento della tua fabbrica. E indovina un po’? Ogni singola azienda industriale che ha mancato l’opportunità di installare lampadine nelle proprie fabbriche è andata in estinzione.
E la storia si è ripetuta ancora e ancora. È lo stesso, ad esempio, per le case automobilistiche. Se guardi all’inizio del XX secolo, c’erano centinaia di marchi in Europa. Centinaia. E tutte quelle aziende, in sostanza, sono andate in estinzione, e la ragione è il Taylorismo — l’idea di organizzare la catena di montaggio in un modo molto specifico che massimizza il throughput e tutto il resto — che ha fatto la fortuna di Ford. Qualsiasi azienda che non è diventata come Ford, in un certo senso, è fallita.
Quindi la domanda è: è reale o no? Perché il punto con la tecnologia è che le persone hanno fatto quelle affermazioni grandiose ripetutamente per cose talvolta molto superficiali. Tutte le buzzword di cui ho parlato. Ad esempio, la blockchain era esagerata per essere un completo non-senso. Più vicina a noi c’era il demand sensing — ancora, è come vaporware. Non esiste una tecnologia per il demand sensing. È solo una buzzword inventata da alcuni fornitori.
Quindi la domanda è: stiamo parlando di qualcosa di reale? E la mia risposta è: non fidarti di me. Prendi semplicemente del codice. Questo è ciò che, tra l’altro, dico ai miei colleghi di Lokad: prendi uno di quei coding agents, usalo, e in un’ora creerai la tua prima app, e la tua mente ne resterà sbalordita. È così facile.
Non devi fidarti di Joannes Vermorel di Lokad. Puoi avere la prova in un’ora semplicemente facendo un test. E, a proposito, ho visto dozzine di YouTuber che letteralmente non sono nemmeno esperti di software. Discutono di cucina, politica, o altro, e dicono: “Oh, tra l’altro, ho provato questa cosa e ho costruito un’app in un’ora, ed è come un’app molto sofisticata.” E ne rimangono sbalorditi.
Quindi sì, questa volta è qualcosa di davvero, davvero impattante. E ciò significa che questa idea di automatizzare il lavoro impiegatizio — per la mia affermazione, la teoria mainstream della supply chain può essere completamente robotizzata.
A proposito, la teoria alternativa di Lokad, quella che presento in questo libro, non proprio. Non del tutto, per ragioni che sono, tra l’altro, ancora molto valide, di cui parlo nel libro. Ad esempio, il problema della valutazione è un problema molto difficile. I tuoi LLM ti daranno semplicemente delle sciocchezze a riguardo. Quindi ci sono alcuni — e ne elenco una certa lista di problemi molto difficili — per i quali dico che non mi aspetto presto una soluzione automatizzata, perché sono semplicemente troppo complessi, soprattutto i problemi intricati.
Ancora, questo libro è stato scritto molto prima che gli LLM diventassero mainstream, e certamente prima che i coding agents diventassero mainstream, ma sono relativamente soddisfatto su questo fronte. Quelle previsioni erano in qualche modo corrette. Claude Code ancora non risolve correttamente. Lo stesso per OpenAI Codex, ancora. Quelli problemi di valutazione sono semplicemente troppo difficili.
Conor Doherty: Beh, questo è il punto, perché penso che abbiamo trattato l’intelligenza abbastanza a fondo, e anche l’AI, ma ci sono elementi di economia che si insinuano nel capitolo, il che è naturale perché supply chain è un ramo dell’economia applicata, mi scusi. Ed ecco l’idea di – hai menzionato gli asset prima – è l’idea di OPEX contro CAPEX, e l’idea di trattare la supply chain più come un asset.
Quindi voglio solo leggere un paio di citazioni, e poi ti lascio con il commento finale. Ma tu sostieni che quello che dobbiamo fare è trasformare le spese operative in spese in conto capitale. “La pratica della supply chain è reificata come un asset produttivo,” o, meglio, dovrebbe essere reificata come un asset produttivo. “Genera ritorni continui oltre i costi operativi.”
Ora, l’idea di trasformare OPEX in CAPEX, sono sicuro che attragga molte persone. Non sei la prima a proporlo come concetto: “Oh, dovremmo considerarlo più come CAPEX.” Ma stai proponendo un modo tecnologico per farlo accadere. Quindi, sì, nel libro e anche dal tuo punto di vista, come si presenta concretamente? Cos’è l’asset produttivo? Cos’è? A che aspetto assomiglia?
Joannes Vermorel: Ancora, pensa al lavoro blue collar e white collar. Un lavoratore blue collar: se vuoi trasformare OPEX in CAPEX, sostituisci il tuo lavoratore con una macchina e, invece di dover pagare un salario, effettui un investimento iniziale, e poi le macchine produrranno lo stesso lavoro a un costo molto, molto inferiore.
Vedi, questa è la bellezza dell’automazione, che ti permette di eliminare quella che è la risorsa più scarsa in assoluto, cioè il lavoro.
Conor Doherty: Mhm.
Joannes Vermorel: In definitiva, la risorsa più scarsa in assoluto è il lavoro. Quello che sto dicendo è che il lavoro blue collar e white collar sono due forme differenti di lavoro, ma resta lavoro lo stesso. Da un lato, con il blue collar stai acquistando le braccia, la forza motoria, di un dipendente. Nel caso di un lavoratore white collar, stai essenzialmente acquistando le capacità cognitive di questo dipendente.
Ma la sostanza è che, per molto tempo, l’idea di convertire OPEX in CAPEX è stata privilegio delle attività blue collar. Basta comprare una macchina, e quella macchina esegue il lavoro fisico.
Con i computer, abbiamo iniziato a entrare nel territorio dell’automazione white collar. Pensa, ad esempio, agli impiegati che facevano i conti per tenere i registri. Sono già stati sostituiti dai computer. E sto dicendo che questo è solo una continuazione.
La cosa interessante della contabilità è che essa è fondamentalmente incentrata sui costi. Nessuna azienda potrà mai diventare super redditizia solo perché ha una buona contabilità. È soltanto che, se hai una cattiva contabilità—
Conor Doherty: Sì, ne abbiamo parlato la settimana scorsa.
Joannes Vermorel: Esatto. Se non hai una buona contabilità, il denaro verrà perso, rubato, corrotto, insomma. Quindi è indispensabile. È una questione di sopravvivenza per la tua azienda. Hai bisogno della contabilità in partita doppia. Non è un’opzione, almeno se operi su scala.
Conor Doherty: Sì.
Joannes Vermorel: Ora, la cosa interessante della supply chain è che, se giochi bene la partita – ed è proprio questo il mio punto di vista – la supply chain non è un centro di costo, è un centro di profitto.
Innanzitutto, per trasformare la supply chain in un centro di profitto, devi capire perché può esserlo, perché se rimani ancorato alla visione tradizionale della supply chain, la prospettiva mainstream dice: abbiamo requisiti, livelli di servizio, e cose simili, e il gioco della supply chain è minimizzare i costi giusto per soddisfare questi standard.
Io dico che se inquadri il problema in questo modo, la supply chain non potrà mai essere altro che un centro di costo. Quindi si tratta semplicemente di una rappresentazione errata. Di nuovo, questa è una posizione filosofica più che finanziaria. Quando arrivo al nocciolo della questione, affronto la supply chain come qualcosa in cui le decisioni possono avere un tasso di rendimento. Questo tasso di rendimento può essere molto vantaggioso, nel senso che un dollaro potrebbe trasformarsi in due dopo un po’, o diventare mezzo dollaro dopo un po’.
Quello che sto dicendo è che quando parlo di “centro di profitto”, non intendo dire che la tua supply chain farà soldi. Semplicemente, dico che ha il potenziale per farlo.
Conor Doherty: Sì.
Joannes Vermorel: Se giochi male la partita, perderai semplicemente denaro. Ora, se abbracciamo questa idea che la supply chain ha il potenziale per essere un centro di profitto, allora la domanda è: può questa macchina, questo computer con il software giusto, generare automaticamente, in maniera automatizzata, quei profitti per me? E la risposta che do è sì, e non è nemmeno fantascienza.
Conor Doherty: Sì. Beh, lasciami riformulare magari la domanda. Quindi, quando dici che vuoi riformulare la supply chain da centro di costo a asset, stai essenzialmente parlando in senso letterale, nel senso che un asset non deve necessariamente essere qualcosa che possiedi. Voglio dire, le azioni sono asset. Ma quelle sono cose che, per definizione, si apprezzano o si deprezzano.
In realtà stai sostenendo che puoi trasformare sostanzialmente la supply chain in un asset produttivo o in un asset che si apprezza. Cosa significa questo, però? Asset produttivo. Cosa significa? Significa: cosa guardo e penso, “Ecco la mia supply chain”?
Joannes Vermorel: In pratica, l’elemento sarà il software. Perché hai altri tipi di asset produttivi che sono puramente intellettuali. Potrebbe essere, ad esempio, un marchio.
Conor Doherty: Sì.
Joannes Vermorel: Quello è un asset. Ovviamente, quando la Disney ha acquistato Marvel in qualità di marchio, quello era un asset produttivo. È qualcosa che può generare entrate, e di fatto le genera.
Quello che sto dicendo è che si tratta di un asset di proprietà intellettuale. Che tipo di asset? Beh, non è un brevetto, non è un marchio, è un pezzo di software. È codice, in sostanza. E perché è proprio un asset? La risposta breve è che, fondamentalmente, stai giocando a un gioco molto competitivo.
E dunque, l’idea è che se giochi bene la partita della supply chain, puoi avere nel tuo software e nella tua logica qualcosa di molto unico, che ti permette di superare la concorrenza. Non necessariamente ovunque e in ogni momento, ma ti offre una nicchia in cui sei il più forte.
Quindi, ecco perché dico che questo diventa un asset produttivo, perché è qualcosa che, se gestito correttamente, genererà profitti e aiuterà la tua azienda a ritagliarsi nel mercato un’isola di superiorità. Perché se non hai un’isola di superiorità, con una sorta di fossato, verrai sostituito dai concorrenti. Per definizione, un’azienda che sopravvive è un’azienda che ha un’isola all’interno del mercato in cui non sono solo bravi, ma sono i migliori. Se non hanno nessun segmento in cui siano i migliori, scompariranno.
Conor Doherty: Ho usato in precedenza i termini “apprezzarsi” e “deprezzarsi” perché, se parliamo di asset che assomigliano a una casa, o si apprezzano o si deprezzano. Compri un’auto, e nel momento in cui la guidi fuori dal concessionario si è deprezzata. Compri un Rolex, uno buono, un Submariner, può apprezzarsi di valore. Le cose crescono o diminuiscono.
Applicato in questo contesto, dalla mia interpretazione di quanto hai descritto, trasformi la supply chain in codice. È un asset, e mantenendolo attivamente o migliorandolo, produce decisioni migliori, perché, di nuovo, non è un concetto statico. E allocando le risorse in modo sensato, puoi fare in modo che – per così dire, quella è la linea di codice, so che dipende – ma quella è la linea di codice che produce decisioni sempre migliori e più remunerative per te. Si è apprezzato.
Se non lo controlli per sei mesi, produrrà decisioni peggiori, o non buone come all’inizio. Quell’asset si è deprezzato. Ti ho capito correttamente?
Joannes Vermorel: Assolutamente. Perfetto. Assolutamente. E, a proposito, quando dico che per il software questo gioco viene giocato da mezzo secolo dai fornitori di software, intendo dire che Microsoft ha un asset chiamato Microsoft Excel. Possono lasciarlo deprezzare, e in tal caso il software invecchia sempre di più, e le persone acquistano sempre meno licenze. Oppure possono investire in esso per migliorarlo e dare alle persone un incentivo ad acquistare le nuove versioni.
Vedi, è così. Quindi questo è un asset produttivo, perché ogni singolo giorno tonnellate di persone acquistano, tramite abbonamento o altro, e pagano a Microsoft per una licenza di questo software. Quindi, per Microsoft, questo è un asset. È qualcosa che genera entrate, e se non fanno nulla, allora lentamente ma inesorabilmente si deprezza.
Per esempio, alcuni asset di Microsoft – Microsoft dice: “Non reinvestiremo mai più.” Quella sarebbe la storia di Microsoft Access. Microsoft Access, ad esempio, è ancora un asset con valore in diminuzione. Alcune persone acquistano ancora le licenze, quindi continua a generare entrate per Microsoft, sebbene sia sostanzialmente una traiettoria in calo. Microsoft decise, circa 15 anni fa, che non avrebbe effettuato ulteriori investimenti in Access se non aggiornamenti minimi, semplicemente per garantire che il software continuasse a funzionare. Ma questo è tutto. Niente di rivoluzionario, solo una manutenzione minima.
Conor Doherty: Voglio anche essere chiaro sulla nomenclatura, sulla denominazione che stiamo usando qui, perché ancora una volta parliamo di supply chain, diciamo che è invisibile, non può essere toccata – questo è il capitolo uno – non può essere osservata direttamente. Ora stiamo dicendo che può essere CAPEX, può essere un asset, un asset che si apprezza, sì. Ma parliamo anche dei sistemi di intelligence. Il sistema di intelligence è l’asset, che poi è la tua supply chain – sono tutti fondamentalmente destinati a diventare sinonimi?
Joannes Vermorel: No, no. La ragione per cui introdurre i sistemi di intelligence è davvero una discussione incentrata sul software.
Conor Doherty: Ma è l’asset. È quello che stai acquistando. Ed è qui che qualcuno potrebbe confondersi.
Joannes Vermorel: No, no, no, no. Il sistema di intelligence è una frazione dell’asset, perché per l’azienda questo deve essere spiegato.
Conor Doherty: Sì.
Joannes Vermorel: Per l’azienda, è necessario avere le persone e il know-how istituzionale per gestire il tuo asset. Per avere veramente un asset completo – perché non abbiamo Skynet, non è completamente autonomo – servono persone per operare il software. Quindi, se pensi al tuo asset, dovresti includere le persone responsabili dell’operatività e della manutenzione del software come parte integrante di quell’asset.
Ma il sistema di intelligence riguarda fondamentalmente il chiarire i confini di responsabilità delle diverse componenti del tuo ecosistema applicativo. Si tratta semplicemente di dire che questo pezzo di software deve occuparsi di questo, ma non di quello.
Conor Doherty: Sì. E il sistema di intelligence genera le decisioni, ed è di questo che stavamo parlando in termini di linee di codice che generano decisioni. Quindi, è qui che sto cercando di chiarire.
Joannes Vermorel: Ma quello che solitamente descriverei come un sistema di intelligence è davvero una categoria di software. Non includerei in ciò il fatto che ci siano persone necessarie per mantenerlo. Ancora, quando discuto di sistemi di record, report, mi riferisco esclusivamente al software. Sto solamente classificando i vari tipi di software.
Sto adottando una prospettiva incentrata sul software e riflettendo su quali funzionalità debbano appartenere al software e quali no. Qui, quando dico asset, non sto assumendo una prospettiva centrata sul software, ma una visione economica. Un modo per concepirlo è il contrario: una passività. È un asset o una passività? È così che la vedo. Quindi, vedi, questa è una prospettiva economica, una posizione economica.
Quando discutevo di sistemi di intelligence, adottavo un orientamento software. So che c’è molta sovrapposizione, ma fondamentalmente non guardo la questione dalla stessa angolazione.
Conor Doherty: Ok.
Joannes Vermorel: Alla fine della giornata, ci sono enormi sovrapposizioni, ma è comunque una questione di prospettiva. Sto guardando il problema da un’angolazione software o da un punto di vista economico?
Conor Doherty: Ok. Ok. Beh, allora voglio approfondire questo punto, perché, dal punto di vista di un professionista, ci sono sezioni del capitolo che sono molto tecniche. Per esempio, inizia a parlare di discesa del gradiente stocastica, ed è tutto molto interessante.
Quello che davvero salta all’occhio per me è l’economia, perché sono argomenti che, oh, parlano la mia lingua. È il mio quotidiano: soldi in entrata, soldi in uscita. E se sono qualcuno che prende il libro, inizia a leggerlo e dice: “Oh, adoro questa idea. Mi piace l’idea di finalmente convertire da centro di costo a asset produttivo”, qual è il mio primo passo? È il sistema di intelligence? Qual è il percorso lineare tra “sì, mi piace questa idea” e “sto facendo progressi per implementarla”?
Joannes Vermorel: Il problema è che non esiste un approccio incrementale. Non si può passare linearmente dai cavalli alle automobili. Questo è il problema. Di nuovo, qui stiamo parlando di qualcosa che rappresenta una rottura radicale con il pensiero convenzionale.
Dobbiamo abbracciare l’idea che l’intelligenza sia uno spettro, e all’interno di questo spettro computer e macchine stanno occupando sempre più la parte che un tempo era privilegio della mente umana. E ora, con gli agenti di codifica, abbiamo raggiunto una situazione in cui la posizione filosofica dovrebbe essere: qualsiasi cosa, tutto, dovrebbe essere svolto da un pezzo di software a livello intellettuale, a meno che non si dimostri il contrario. Questo è ancora più forte di quanto ho scritto nel mio libro, perché penso che quegli agenti di codifica abbiano alzato l’asticella così tanto che l’atteggiamento interazionale corretto dovrebbe essere: a meno che tu non possa dimostrare che questa cosa è al di là di ciò che un agente può fare, dovremmo presumere che, per impostazione predefinita, un agente può e lo farà. Questo è l’atteggiamento corretto. Proprio come nel trasporto: a meno che tu non possa dimostrarmi che portare le cose a mano sia l’approccio giusto, per impostazione predefinita presumerò che utilizzare un veicolo per il trasporto sia migliore. Devi dimostrarmi che non usare un veicolo è l’opzione corretta.
Nel mondo dei blue collars, questo è così ovvio che al giorno d’oggi le persone guardano a qualsiasi cosa ripetitiva e si chiedono, “Non possiamo usare una macchina per questo?” Questo sarebbe il loro pensiero predefinito. Se ti dicessi che c’è Charlie Chaplin, in stile Tempi Moderni, e devi colpire un martello 5.000 volte al giorno, la gente direbbe, “Ma sicuramente ci dovrebbe essere una macchina. Nessuno dovrebbe tenere in mano un martello pesante e colpirlo 5.000 volte al giorno.” Ovviamente, serve una macchina.
Quello che è successo, e credo sia accaduto l’anno scorso con gli agenti di coding, è che ora il corretto paradigma filosofico è: fino a prova contraria, per il lavoro intellettuale dovrebbe essere una macchina. E sì, questo non significa che il lavoro intellettuale umano sia scomparso. Ma la giusta posizione filosofica dovrebbe essere: automatizza tutto finché non hai ottime ragioni per non farlo.
Conor Doherty: Va bene. Quindi, per citarti, subito dopo, per citarti dal capitolo sei: “Su larga scala, l’automazione non assistita delle attività banali,” o semplicemente delle cose più semplici del quotidiano, “le decisioni operative banali, è stata alla portata della supply chain da ben oltre un decennio ormai.” Solo due punti per questa domanda. Ti lascio affrontarli in sequenza. Primo: operativamente, cosa significa non assistito? Se stiamo parlando di end-to-end, descrivilo per me. Ma anche, dove rientrano gli umani se qualcosa va storto? Joannes Vermorel: Quindi, non assistito significa questo—e puoi fare un esempio. Se vuoi prendere un’azienda, qualsiasi azienda normale, immagina Walmart. È semplicemente un’azienda normale. Non c’è nulla di veramente stravagante in atto. Sì, le notizie possono dire che gli Stati Uniti hanno qualche problema geopolitico da qualche parte nel mondo, e che c’è un dittatore che fa stronzate da qualche parte, ma fondamentalmente pensa alla prospettiva di Walmart oggi come a una giornata normale ragionevole negli Stati Uniti. Non sta succedendo nulla di veramente stravagante. Non è come la tormenta di neve del secolo. È solo un tempo abbastanza normale. Conor Doherty: Giornata media. Joannes Vermorel: Sì, è una giornata normale. Quello che sto dicendo è che se è una giornata che sembra proprio come tutte le altre, e hai già cento di quelle giornate all’anno, allora il tuo sistema di intelligenza, questo pezzo di software, dovrebbe essere in grado di prendere tutte le decisioni della supply chain per tuo conto in maniera non assistita. E dovrebbe farlo non con persone che premono un pulsante per dire sì, sì, sì. Prende semplicemente le decisioni, e tu hai abbastanza fiducia. Il sistema si è dimostrato sufficientemente affidabile da poter effettivamente lasciar fare a lui per te. La gente direbbe, “Oh, possiamo fidarci di un computer per questo?” E la risposta è assolutamente sì. Ce ne sono molti esempi. Ad esempio, il tuo ABS nell’auto, il sistema anti-bloccaggio, prende decisioni incredibilmente vitali. Deciderà che stai frenando troppo. Non è un sistema per frenare di più, ma per frenare meno, in modo che le tue ruote non inizino a slittare sulla strada. Quindi, fondamentalmente, se questo ABS si guasta, significa che perderesti i freni. Ovviamente si tratta di un sistema che mette in pericolo la vita, perché è proprio nel momento in cui ne hai più bisogno che deve essere super, super affidabile. Abbiamo avuto queste cose per decenni. Non è un problema, a patto che abbiamo un’ingegneria adeguata. E quindi quello che sto dicendo è che la supply chain, per definizione, nella maggior parte dei giorni è banale, altrimenti avremmo una definizione sbagliata di banale. Direi che un sistema probabilmente, almeno 19 giorni su 20—ancora, questa è una linea guida—dovrebbe essere in grado di operare completamente in modo non assistito. Se devi intervenire più di due volte al mese, allora hai un problema. Sì, ci saranno mesi che sono davvero, davvero folli. Una volta per decennio hai un mese folle in cui accadono cinque cose apparentemente impossibili nello stesso mese. Ma ancora, se torniamo alla normalità, la maggior parte dei giorni è normale. Il tuo sistema dovrebbe funzionare completamente in modo non assistito. E cosa intendo per non assistito? Significa che, alla fine della giornata, se guardi indietro a quelle decisioni—quanta quantità hai inviato dove—dici, “È andato bene. È andato bene. Niente da notare. È andato bene. Ha funzionato proprio come previsto. Non c’è nulla di cui mi pento. Il sistema ha operato esattamente come dovrebbe,” ed è tutto. Conor Doherty: Bene, quindi questa è l’eccezione. Ciò affronta l’idea di cosa succede quando si presentano delle eccezioni. Ancora, come quando compri un Rolex, lo acquisti come un bene, qualcosa va storto, e poi chiami un orologiaio. Va bene in termini di miglioramento del bene, perché in precedenza hai accettato che un bene può apprezzarsi. Apprezzarsi significa che migliora. Se sta migliorando, presumibilmente ciò deriva da una qualche forma di intervento umano in qualche punto di quel processo. Delinea come funziona per gli ascoltatori. Joannes Vermorel: Ancora, siamo nel paradigma del software. Quindi si tratta di rifattorizzare gradualmente il tuo software in modo che diventi una versione migliore di se stesso. È un problema di ingegneria, un problema di ingegneria del software. Conor Doherty: Quindi un problema di intuizione umana. Joannes Vermorel: Assolutamente. È esattamente quello che sto dicendo. È un problema creativo. Fondamentalmente è qualcosa in cui dovrai inventare vantaggi rispetto al tuo concorrente. Dovrai fare cose che il tuo concorrente non fa. Quindi è un problema intricato. Non esiste una soluzione corretta. Una soluzione potrebbe essere corretta solo perché i tuoi concorrenti non la stanno ancora adottando. Se lo fanno, devi differenziarti. Quindi siamo nel territorio dei problemi intricatissimi, dei problemi aperti, dei problemi che non hanno ciò che ho descritto come confini formali. E sì, questo è il privilegio della mente umana, almeno per ora. Ma qui abbiamo una chiara comprensione del perché abbiamo bisogno della mente umana. È perché quei problemi sono iper-difficili. Davvero, non possono essere risolti con la forza bruta. Non possono essere enumerati. Conor Doherty: Ad esempio, fornisci un esempio, se puoi. Ancora, potresti essere un’azienda retail, o qualsiasi cosa. Potresti essere un MRO aerospaziale. Scegli qualsiasi cosa. Un esempio in cui hai un bene produttivo e una persona in quell’azienda contribuisce a migliorare quel bene. Joannes Vermorel: Quindi, per esempio, diresti: posso stabilire una partnership con uno dei miei fornitori e strutturarla in modo tale da avere un accesso privilegiato al mercato, per avere accesso a qualcosa a un costo inferiore rispetto a chiunque altro? Vedi, come appare questa partnership? Può essere qualsiasi cosa. Può essere una joint venture, può consistere nella costruzione di una linea ferroviaria per questo fornitore. Conor Doherty: Intuizioni strategiche. Joannes Vermorel: Sì. Può essere qualsiasi cosa. Può essere il fatto che io consegni una delle mie tecnologie a questo fornitore per migliorarli, con un contratto. Può essere il fornitore che investe nella mia azienda. Può essere semplicemente che i team partecipino insieme a un ritiro ogni mese. Può assumere così tante forme. Non è una proposta che può essere enumerata con l’opzione A, l’opzione B, l’opzione C. No. È come se le possibilità fossero infinite. Conor Doherty: Ok. E in termini di—ancora, per fare un esempio—è così che l’ho inquadrato, e forse sbaglio, puoi correggermi. Ma se ti trovi in una situazione in cui, alla fine della giornata—hai fatto l’esempio di Walmart—guardi indietro, sì, le cose potrebbero essere andate bene, ma sai una cosa, penso in realtà che quella decisione avrebbe potuto essere leggermente migliore, perché riflette qualcosa che in qualche modo conosco riguardo a quel fornitore o a quel negozio. Semplicemente ho un’intuizione umana molto unica su questo. Se si tratta di un evento ripetibile o ricorrente, che può essere integrato nel codice, o espresso in codice, assorbito in questo bene, e poi in futuro che abbia addestrato il modello a produrre decisioni, e non devi ripetutamente— Joannes Vermorel: Sì. È esattamente il modo in cui Microsoft migliora Microsoft Excel. Guardano cosa dice la gente, il loro feedback, e se vedono che qualcosa emerge molto frequentemente, allora a un certo punto decidono di agire e dicono, “Questo non è rumore. Non è solo un caso isolato. Questo è in realtà un feedback fondamentalmente corretto sul prodotto, e quindi modifichiamo il prodotto in questa direzione.” E vedi, qui il problema principale è che, alla fine della giornata, puoi notare molte aree in cui, ah, questa decisione avrebbe potuto essere migliore. Ma il problema è che, alla fine della giornata, sai di più rispetto a quanto il software sapesse all’inizio della giornata. Quindi hai più informazioni. Devi distinguere quale sia la tua vera intuizione per la soluzione rispetto al bias di sopravvivenza, ovvero il fatto di avere informazioni post-evento che non erano disponibili al tuo sistema di intelligenza all’inizio della giornata. Quindi non puoi incolpare questo sistema per essere ignorante su ciò che si è verificato solo durante la giornata. Conor Doherty: Ok. Beh, siamo arrivati a circa un’ora, quindi vorrei iniziare a concludere un po’. Ma qualcosa che penso valga la pena chiarire è: se la supply chain diventa un bene, a quale dipartimento appartiene quel bene? Puoi dire l’azienda, ma dove si riflette? È finanza? Joannes Vermorel: Il problema è che con l’automazione dei lavoratori d’ufficio, tutti i lavori impiegatizi stanno venendo automatizzati. Per me, ciò era evidente già 20 anni fa. E a proposito, ho persino una conferenza in cui affermo, come seconda lezione, “Il 21° secolo sarà il secolo della meccanizzazione del lavoro d’ufficio.” Questa è letteralmente la mia dichiarazione d’introduzione. Quindi, in definitiva, questa idea che trasformeremo le aziende, le loro divisioni, in mini aziende software per ogni singolo dipartimento, sta arrivando. È in arrivo da molto tempo, e ora sta arrivando con forza. Quindi il problema è che se dici che il software appartiene all’IT— Conor Doherty: Mhm. Joannes Vermorel: Qual è il risultato finale di ciò? Gestisce l’intera azienda. Quindi non lo vogliamo. Il punto è che non lo vogliamo, perché rende il concetto di IT privo di significato. Se dici di avere legale, marketing, supply chain, o altro, è una divisione del lavoro. È un modo per spartire e segmentare le persone. Quindi se dici che tutto va nell’IT, allora ok, significa che diventa l’azienda, e la domanda diventa: come la suddivido? Sto solo rimandando il problema, spostando la questione. Se metto tutto nell’IT, perché no, ma poi la domanda sarà come suddividerlo. Quindi quello che sto dicendo è che mettere tutto nell’IT rende la parola priva di significato. È come dire che allora diventa l’azienda. Quindi, se vogliamo preservare parole che abbiano un significato, non può essere “tutto va nell’IT,” perché allora perdiamo la proposta, la divisione del lavoro è assente, e le nostre parole smettono di avere qualsiasi senso. Quindi, quello che sto dicendo è che viviamo in un mondo in cui, praticamente ovunque un tempo c’erano molti lavoratori d’ufficio, ora ci sarà molto software. E la cosa interessante è che gli agenti di coding danno un aspetto affascinante a come potrebbe essere un’azienda del futuro. Forse ogni singola divisione avrà persone che operano agenti di coding per creare i propri beni per la propria divisione. Significa che hai un dipartimento legale, in cui quelle persone usano agenti per operare su larga scala ed essere estremamente produttivi. Lo stesso per le Risorse Umane. Lo stesso per ogni singola divisione. Quindi, quello che sto dicendo è che, se affermi che la supply chain diventa essenzialmente un gioco software – ed è proprio questo che sostengo in questo libro – allora significa semplicemente che la divisione della supply chain diventa una specie di divisione software specializzata all’interno dell’azienda, e il suo obiettivo è creare, operare, mantenere e sviluppare un bene che sia produttivo e che generi profitti giocando in maniera molto redditizia nel gioco della supply chain. E questo sarà un percorso parallelo, perché il marketing giocherà esattamente lo stesso gioco, e avrà lo stesso problema, e dovrà anche sviluppare i propri beni produttivi in modo che, a livello di branding e di consapevolezza del mercato, coltivi qualcosa che generi denaro per l’azienda. Ancora, con un vero bene produttivo in cui la forza lavoro umana è ancora presente, ma non dominante. Questo è il futuro di molte grandi aziende. È già il caso per le aziende manifatturiere. Nella maggior parte di esse, ciò che domina non è la componente lavorativa. Se guardi a Nvidia, la spesa per il lavoro non è dominante. Ciò che domina è il capitale, il prezzo delle macchine che operano. Questo è di gran lunga più significativo dei blue collars che le gestiscono. E se guardi a Microsoft, la valutazione dei loro beni software è molto superiore al prezzo che pagano per i dipendenti. Quindi fondamentalmente le aziende software hanno operato in questo paradigma per decenni, secondo il quale la valutazione dei tuoi beni software intangibili rappresenta letteralmente la maggior parte di ciò che fai. Sì, paghi salari in aggiunta, buoni salari per gli ingegneri del software, ma in confronto ai tuoi beni, sono ridotti. E ora stiamo guardando alla fase successiva, in cui praticamente tutte le aziende iniziano a diventare un po’ più come aziende software. È un mondo strano, ma direi anche che è un mondo in cui molte persone hanno previsto questo scenario per decenni. Quindi non è nemmeno una novità assoluta. Conor Doherty: Va bene. Bene, la mia ultima domanda, che in qualche modo torna al concetto del professionista della supply chain che legge questo. Per i circa 10 milioni di professionisti della supply chain che potrebbero arrivare alla fine del capitolo sei, cosa dovrebbero trarre da ciò che hai appena detto? Joannes Vermorel: Devono ripensare la propria intelligenza umana e dove risiede il loro valore aggiunto rispetto all’intelligenza della macchina. È esattamente la domanda che, due secoli fa, veniva posta ai lavoratori manuali. Questa stessa domanda: qual è il tuo valore aggiunto? E a proposito, ci sono moltissime risposte eccellenti. Ci sono molte persone che, con le loro mani, sono ancora molto valorizzate dal mercato. Se vai in un grande ristorante a Parigi, c’è uno chef. Lo chef è un lavoratore manuale, e di solito questo chef guadagna molto bene. Quindi ci sono molte risposte molto buone. La risposta non è dolore e miseria. La risposta è: ci sono chef che guadagnano—se guardi le persone che guadagnano di più in Francia, molti di quegli chef si collocano a percentili molto elevati in termini di ricchezza rispetto alla popolazione generale.
Ma comunque, questa è una questione reale che deve essere affrontata. Tutti i lavoratori, i blue collars, sono stati costretti a chiedersi: qual è il mio valore rispetto alla macchina? E ora anche i white collars hanno esattamente la stessa necessità di riflettere sul proprio valore rispetto all’intelligenza della macchina.
La mia rapida rassicurazione è: non preoccuparti, hai ancora molto margine. Però sarà diverso, e devi pensarci attentamente, e non dare per scontato che il mondo rimarrà immutato, perché in realtà non lo sarà.
Conor Doherty: Quindi, se dovessi riassumere, il consiglio generale di 10 anni fa era “learn to code,” e oggi è “learn to cook.”
Joannes Vermorel: Ancora, o impara a meta-code, perché un coding agent sta semplicemente codificando per te a una velocità molto superiore. Se già sapevi programmare, bene. Le persone che già sanno programmare, indovina un po’, sono quelle per cui adottare queste tecnologie risulta più facile. Quindi, vedi, è solo che il mix di competenze, ciò che devi imparare in più, diventa in qualche modo diverso.
Ma fondamentalmente, essere molto esperti, ad esempio, nel coding non ti rende inefficiente per passare alla fase successiva di questa rivoluzione. Anzi, è tutto il contrario. Quindi, dieci anni fa, imparare a programmare sarebbe stato un buon consiglio. È ancora, tra l’altro, un buon consiglio se vuoi davvero abbracciare i coding agents. È meglio se tu stesso sei almeno un po’ fluente con una mentalità da programmatore.
Conor Doherty: Sì.
Joannes Vermorel: La sintassi dei linguaggi è molto meno rilevante. Ma ancora, il mondo è vasto, le opportunità sono davvero, davvero numerose, quindi non posso suggerire una soluzione valida per tutti. Sarà un percorso molto personale, proprio come, due secoli fa, i blue collars che sono stati meccanizzati. Alcuni decisero di intraprendere la strada dell’arte, altri divennero qualcosa di completamente diverso, e così via, e così via. Ci sono innumerevoli percorsi diversi.
Ma devi prestare attenzione, perché la meccanizzazione delle operazioni intellettuali basilari e banali è già in atto. È già in atto.
Conor Doherty: Va bene. Ebbene, Joannes, ti ringrazio moltissimo. Non ho altre domande. Ci vediamo presto per il capitolo sette.
E a voi per averci seguito, grazie mille per il vostro tempo. Come sempre, lo dico ogni singola settimana, in ogni video: se volete continuare la conversazione, non esitate a contattare me e Joannes. Il modo più semplice è su LinkedIn, o in alternativa, potete inviarci una email a contact@lokad.com.
E con questo, ci vediamo per il capitolo sette la prossima volta. E sì, tornate al lavoro.
