2024年のブームワードはAIです。ベンダー、ソフトウェア企業、コンサルタントなど、人工知能から期待される利益について大げさな主張をするようになりました。私の会社であるLokadもそのベンダーの一つであり、サプライチェーンの予測最適化に特化したソフトウェアベンダーです。しかし、今日の私の目標は、ほとんどのAIイニシアチブが失敗し、企業に純損失をもたらすということを示すことです。この逆説的な見解は重要です。なぜなら、あなたのAIイニシアチブは失敗するでしょう。私の競合他社があなたに売りつけていることに反して、そしてそれが失敗したとき、あなたは、おかしなフランス訛りの男がそう言ったことを覚えているかもしれません。そして、次回は、サプライチェーンとAIに関して、彼の会社であるLokadが実際に提唱していることに注意を払うかもしれません。

古い技術の博物館の中央には、時系列予測のディスプレイがあり、古い車や飛行機のモデルの隣に置かれています。

2024年は新興人工知能のブームです。ベンダー、ソフトウェア企業、コンサルタントなどは、人工知能から期待される利益について大げさな主張をしています。私の会社であるLokadもそのベンダーの一つであり、サプライチェーンの予測最適化に特化したソフトウェアベンダーです。しかし、私の今日の目標は、ほとんどのAIイニシアチブが失敗し、企業に純損失をもたらすということを示すことです。この逆説的な見解は重要です。なぜなら、あなたのAIイニシアチブは失敗するでしょう。私の競合他社があなたに売りつけていることに反して、そしてそれが失敗したとき、あなたは、おかしなフランス訛りの男がそう言ったことを覚えているかもしれません。そして、次回は、サプライチェーンとAIに関して、彼の会社であるLokadが実際に提唱していることに注意を払うかもしれません。

この新興人工知能の時代に、その対極にある自然の愚かさを見てみましょう。アインシュタインは有名な言葉で「二つのものは無限である、宇宙と人間の愚かさであり、宇宙についてはまだ完全には確信が持てない」と言いました。アインシュタインは正しかったです。自然の愚かさの重要性は過小評価できず、AIとは異なり、それはほぼ永遠に存在していると安全に想定できます。したがって、数十年後も私たちと共にあると言っても過言ではありません。

今日私の提案は、単純でありながら攻撃的です:自然の愚かさこそが、AIによるサプライチェーンの取り組みの成功を妨げる最大の障害です。

この提案は、おそらく非常に傲慢だと受け取られるでしょう。私の弁明として、それが真実ではなくなるわけではないと言います。また、傲慢さはフランスで2番目に大きな国民的スポーツである官僚主義に続いています。より真剣に言えば、私は自分自身の限界を痛感していることを痛感していますが、問題を否定し続けても何も解決しません。

まず、重要な区別を明確にしましょう。2つのエンタープライズソフトウェアのクラス、つまり記録システムと知能システムの間には重要な違いがあります。サプライチェーンに関しては、記録システムは物理的な商品の流れの簿記係です。これらのシステムは製品、発注書、製造指示、販売指示、在庫レベルなどを記録します。記録システムは、在庫の合計などの事務作業を自動化するだけのものであり、古い紙のトレイルのより安価で信頼性の高いバージョンに過ぎません。ERP、CRM、PIM、PLM、WMS…これらの最大限に不透明な頭字語は、記録システムを指します。記録システムはカテゴリ的に非知能です。それらは愚かでもありません。知能はそれらに適用されません。したがって、記録システムは現在の議論から完全に除外されます。

今日は、知能システムにのみ焦点を当てます。知能システムは、意思決定プロセスを機械化することを意図したエンタープライズソフトウェアのクラスです。ソフトウェアがより知能的であればあるほど、意思決定は良くなります。例えば、スパムフィルターは、過去20年間、あなたの代わりにどのメッセージが注意に値するかを決定してきた、控えめですが普及している知能システムです。

サプライチェーンでは、興味のある意思決定は次のとおりです:いつ買うか?いくつ買うか?いくつ生産するか?いくつ割り当てるか?など。物理的な商品の流れを最適化するには、1日におよそ12の主要な意思決定クラスを行う必要があります。利益を生む意思決定を生成することで知能が示されます。逆に、利益を生む意思決定を生成できないことで愚かさが示されます。したがって、人工知能が言及される際には、知能システムの構成要素として理解する必要があります。

私の主張は、1970年代後半から企業に販売されてきたサプライチェーンに特化した知能システムは、連続的な失敗の流れでした。Lokadという私の会社は、2010年代初頭にこの連続的な失敗の流れに終止符を打ちました。世界中には他にもいくつかの類似の例外がありますが、Lokadやそれらの例外はこの話の範囲外です。詳細を知りたい場合は、聴衆にLokad.comのウェブサイトとLokad TVのYouTubeチャンネルをご覧いただきたいと思います。 手元の話題に戻りますが、大規模言語モデル(LLM)の形で提供される人工知能が利用可能であるという事実は、サプライチェーンの失敗の傾向に何も変えません。実際、私たちが見ていくように、これらの失敗は技術的な手段の不足によるものではなく、その下にある問題に対処しない限り、手段を追加しても何も変わりません。残念ながら、これは簡単な課題ではありません。なぜなら、その根本的な問題は自然な愚かさであるからです。

まず、私の診断の妥当性を示しましょう。1979年に、オペレーションズリサーチのアメリカの先駆者であるラッセル・アッコフは「オペレーションズリサーチの未来は過去である」という著書を出版しました。この魅力的な論文では、オペレーションズリサーチから生まれたすべての技術、つまり現在のサプライチェーンの「核」とされるものがなぜ失敗しているのか、なぜこの領域全体が欠陥を抱えているのか、そして学界と実務の両方がこの欠陥のあるパラダイムに向き合わない限り、なぜこれが続くのかが明確に説明されています。これは先見の明のある論文であり、2008年にLokadを立ち上げたときに読んでおけばよかったと思う唯一の論文です。残念ながら、私はこの論文を10年後に再発見しました。その時には、ラッセル・アッコフの業績からほぼ40年後に、私も同じ結論にたどり着いていました。 サプライチェーンのための知能システムが失敗していることをどのように知っているのか?サプライチェーン最適化に特化したエンタープライズソフトウェアが失敗していることをどのように知っているのか?私のキャリアを通じて、大西洋の両側のサプライチェーンディレクター200人以上と話す機会があった後、次のことを述べることができます:これらのエンタープライズソフトウェア製品はすべて、サプライチェーンチームが必ずExcelスプレッドシートに戻る結果となりました。

サプライチェーンの意思決定プロセスを自動化するという約束を果たすエンタープライズソフトウェアの不足はありません。これは、1970年代後半以来、サプライチェーン最適化に取り組むすべてのソフトウェアベンダーの中心的な約束であり、しかし、すべての展開後、サプライチェーンチームはスプレッドシートに戻ってしまいました。私の言葉を信じる必要はありません。もしもあなたが大きな会社で働いている場合、例えば年商50億ユーロ以上の会社であれば、1990年代以降、少なくとも1回はそのようなソリューションの導入に失敗していることを保証します。それにもかかわらず、尊敬するサプライチェーンの専門家の皆さん、あなたはまだスプレッドシートを使用しています。それは、あなたの会社が未熟であるためでも、同僚が怠惰であるためでもありません。あなたはスプレッドシートを使用しているのは、エンタープライズソフトウェアベンダーが失敗したからです。彼らの知能システムが失敗したからです。 私の提案は、これらの失敗は自然な愚かさに帰するべきであり、実際にはラッセル・アッコフがオペレーションズリサーチの分野での数十年にわたる貢献の後、非常に明確に特定した同じ種類の愚かさです。

この提案を実証するために、私はサプライチェーンの文脈で証明可能に愚かな4つのオブジェクトを調査します。これらの4つのオブジェクトは、RFP(提案依頼)、時系列安全在庫、およびサービスレベルです。これらの4つのオブジェクトを使用する会社は、失敗を招くことになります。いくら「AI」を投入しても関係ありません。自然な愚かさは人工知能によって打ち負かすことはできません。

まず、提案依頼から始めましょう。適切なベンダーの選択は明らかに重要です。なぜなら、明らかに無能なソフトウェアベンダーは数多く存在し、みじめな技術に対して数百万ユーロの料金を集めることを喜んでいるからです。したがって、会社が非常に堅牢なベンダー選択プロセスを持っていない限り、無能なベンダーになる可能性がほぼ確実です。ただし、提案依頼はその方法ではありません。

受け取る側のソフトウェアベンダーとして(私たちは毎週数件の提案依頼を受け取ります)、これらの文書は必ず愚かであり、まったく正気ではありません。一般的な基準として、提案依頼には何百もの質問が含まれています。すべての質問は、史上最も関係のない質問の賞を競っているように思えます。例えば、先週の質問の1つは次のようなものでした。「ファックスアーカイブ用のストレージルームの防火能力はどのようになっていますか?」私たちは2024年です。私は20年以上もファックスを使っていません。実際、このオーディエンスの中には、ファックスが何かさえ知らない若い人もいるかもしれません。

ただし、サプライチェーンの質問も愚かです。なぜなら、ほとんどの質問は質問ではなく、厳密な要件であるからです。ほとんどの「質問」は次のようになっています。「あなたのソフトウェアは、ユーザーが季節性プロファイルを36ヶ月先まで更新できる機能を持っていますか?」この質問には多くの問題がありますが、どこから始めればいいかわかりません。

一歩引いて、スマートフォンを購入するための提案依頼を書いている自分自身を想像してみましょう。直感的に、iPhoneが最高のスマートフォンだと感じています。しかし、バッテリーのサイズ、画面の素材、エンドユーザーに利用可能または利用不可とすべき正確な設定など、提案依頼に要件をリストアップし始めます。あなたの要件リストがiPhoneを提案依頼から除外する可能性はどれくらいですか?100以上の質問を想定しても、その可能性は100%です。まともなベンダーは必ず除外されます。この愚かなゲームに参加するのは、自分たちの技術が不足しているために絶望的なベンダーだけです。クライアントが提案する誤った要件に対してYESと言わざるを得ないのです。

したがって、提案依頼はなくすべき最初の自然な愚かさです。

次に、時系列があります。時系列は視覚化の目的には適していることを否定しませんが、サプライチェーンの最適化の目的には愚かなアイデアです。その結果、時系列を中心に置いたソリューション、フレームワーク、またはテクノロジーは必ず失敗します。ただし、この失敗はあなたに責任があります。最初から時系列を使用することが愚かなアイデアであることに気付くべきでした。

実際、数学モデルとしての時系列は、必要な情報を伝えることができません。時系列は一次元であり、サプライチェーンには十分ではありません。たとえば、何年もの間、毎週100個前後を販売している会社を考えてみましょう。需要は非常に安定しているように思えます。さて、この状況の2つのバリエーションを考えてみましょう。最初の状況では、会社は1000人の顧客がおり、各顧客は10週ごとに1個購入します。2番目の状況では、会社は1人の顧客が週に100個購入します。来週の売上がゼロになり、永遠にゼロのままになる可能性はどれくらいですか?最初の状況では、その可能性は非常に低いです。顧客は1000人いますから、すべてを失うには時間がかかるでしょう。しかし、2番目の状況では、1人の顧客が考えを変えるだけで売上の100%を失います。これらの2つの状況はまったく異なりますが、同じ時系列を持っています。

この例は、なぜ時系列が過去を表現するのに適していないかを示しています。他にも多くの例があります。それは聴衆のための演習として残しておきます。

しかし、将来を見る場合も、時系列はそれほど優れていません。あなたの時系列は「これが起こる」と述べていますが、「これが唯一の未来です」と述べています。しかし、未来はまだ決まっていない決定に依存しています。時系列はこれに全く気付いておらず、未来を過去と完全に対称的なものとして扱っています。しかし、サプライチェーンは物理学ではありません。製品の将来の需要を火星の移動のように見ることはできません。未来は過去とは根本的に異なるのです。なぜなら、未来を変えることができるからです。

ただし、未来を変えることは、時間系列を使用しないことを望むかどうかによってのみ可能です。再び、サプライチェーンでは、人工知能の量では、時間系列に関連付けられる自然の愚かさを取り消すことはできません。

では、安全在庫に注目しましょう。これは現代のサプライチェーン理論の柱の一つです。数量的な側面を持つサプライチェーンの教科書では、安全在庫を扱わないものはほとんどありません。安全在庫は、どのようなちゃんとしたサプライチェーン最適化ソフトウェアにも備わっている基本的な機能です。しかし、私の提案は、この時点であまり驚くべきことではないと思いますが、安全在庫は愚かです。

理由は非常に単純です。安全在庫の計算式は、間違った問いに対する正しい答えです。常に何千ものSKU(在庫管理単位)を含むサプライチェーンを考えてみましょう。在庫に投資するための1ユーロがある場合、問題は「利益を最大化するためにすべてのSKUを通じた在庫の単位は何ですか?」ということです。「特にこの1つのSKUに1つの余分な単位を在庫にするべきかどうか」という問い方は意味がありません。すべてのSKUは、会社の現金という同じ希少な資源を競っています。すべてのSKUを個別に扱うことは、会社の利用可能な現金の量が無限であると仮定するのと同じです。

さらに、経済学の非常に定義は、代替の利用方法がある希少な資源の配分を研究する科学です。安全在庫の概念自体が基本的な経済学に反することは明らかです。

したがって、安全在庫が表す誤差の大きさを考慮すると、この誤差を誤ったものとして評価することは十分ではありません。この誤差のクラスに対しては、より適切な表現があります:愚かなものです。

最後に、サービスレベルについて考えてみましょう。企業が経済的な損害を与えるためにサービスレベルを利用しているたびに1ユーロを得ることができれば、私は今ごろは億万長者になっているでしょう。サプライチェーンでは、サービスレベルは次の在庫サイクル中に特定のSKUが在庫切れにならない確率です。記述統計の一部として、サービスレベルは問題ありません。他の単純な統計的指標と同様に、知的でも愚かでもありません。

愚かさは、人々がサービスレベル(この割合)が顧客満足度や会社の利益と何らかの形で相関していると仮定し始めるときにのみ現れます。しかし、それは事実ではありません。ファッションを考えてみましょう。次のコレクションのためにスペースを作るために、会社は前のコレクションを処分しなければなりません。サービスレベルをゼロにすることは、新しさをもたらし、顧客を満足させるために必要です。

逆に、航空を考えてみましょう。典型的なジェット旅客機には約30万の異なる部品があります。何万もの部品が定期的に検査および交換が必要です。1つのNO-GO部品が利用できない場合、航空機は運航停止となり、1日あたり何十万ユーロもの経済的損害を引き起こします。すべてのSKUに99%のサービスレベルを持っていることは何も意味しません。航空機の運航停止の確率だけが重要です。最も弱いリンクがAOG(地上にある航空機)の数を定義します。平均サービスレベルはまったく関係ありません。

ファッションや航空だけでなく、あらゆる業界で同様の問題があります。再び、これは聴衆にとっての演習として残しておきます。基本的な論理によれば、サービスレベルを追いかけるのは愚か者だけであり、それにもかかわらず、ほとんどの企業がまさにそれをやっており、彼らのマネージャーはいくつかのAIパワードのサービスレベル最適化技術に投資すべきかどうかを悩んでいます。

結論として、人工知能はあなたを虚偽のサプライチェーン理論から救ってくれません。それは、ショーマンシップと自信を植え付ける能力だけが彼らの能力であるコンサルタントからも救ってくれません。また、今日流行っているどんな狂気にも喜んであなたに売りつけようとするソフトウェアベンダーからも救ってくれません。

人工知能で成功するためには、まず自然な愚かさを克服する必要があります。大局的な観点から見れば、私の会社であるLokadは成功しないでしょう。しかし、私たちが供給チェーンの最も広く普及している愚かなアイデアを指摘するという問題に一石を投じることができれば、それはすでに勝利への一歩です。