自然の愚かさ vs. 人工知能
2024年10月9日（2024年）にSCTech 2024でジョアネス・ヴェルモレルが行った講演の文字起こし。シンポジウムテーマ：「サプライチェーンインテリジェンス：人工的か否か」。本イベントは国際サプライチェーン教育同盟（ISCEA）によって組織されました。
2024年の流行語はAIでした。ベンダー、ソフトウェア会社、コンサルタントは皆、artificial intelligenceから期待できる全ての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もその一つであり、サプライチェーンの予測最適化を専門とするソフトウェアベンダーです。しかし、本日の目的は、ほぼすべてのAIイニシアティブが失敗し、企業に純損失をもたらすことを示すことにあります。この逆説的な見解は本質的なものです。なぜなら、まあ、あなたのAIイニシアティブは失敗するからです。競合他社が何を売っていようと、確実に失敗し、そしてその際、ユニークなフランス訛りの男がそう言ったことを思い出すでしょう。もしかすると、次回は彼の会社、LokadがサプライチェーンとAIに関して実際に提唱していることに注目するかもしれません。
この新たに出現する人工知能の時代に、敵対する存在である自然の愚かさに注目してみましょう。アインシュタインは有名な言葉を残しました。「二つのものは無限である。宇宙と人間の愚かさだ。しかし、私は宇宙についてはまだ完全には確信していない。」アインシュタインは正しかった。自然の愚かさの重要性はどれほど強調してもしすぎることはなく、AIとは異なり、自然の愚かさはほぼ永遠に存在し続けるでしょう。したがって、数十年後も私たちと共にあり続けると安全に推測できます。
今日の私の命題はシンプルであり、同時に攻撃的でもあります。すなわち、自然の愚かさこそが、AI駆動のサプライチェーンにおける成功を阻む最大の障害であるということです。
さて、この命題はおそらく非常に傲慢だと捉えられるでしょう。私の弁明としては、それが真実であることを否定するものではなく、またフランスでは官僚主義に次いで傲慢さが国民的スポーツの第二位であるという事実もある、ということです。もっと深刻に言えば、自身の限界を痛感している身として、この結論は受け入れがたいものであることも認めますが、問題を否認していても解決には至りません。
まず、エンタープライズソフトウェアの二つのクラス、すなわち記録システムとインテリジェンスシステムの重要な区別を明確にしましょう。サプライチェーンにおいて、記録システムは物理的な商品の流れを記録する簿記係です。これらのシステムは、製品、購買発注、製造指示、販売注文、stock levelsなどを記録します。記録システムは日常的なデータ入力や在庫の集計などの事務作業を自動化するだけで、旧来の紙ベースの記録をより安価かつ信頼性の高い形にしたものに過ぎません。ERP、CRM、PIM、PLM、WMS … これら極めて不透明な略語全ては記録システムを指しています。記録システムは、本質的にインテリジェントではありません。愚かでもありません。なぜなら、そもそも知性が適用される対象ではないからです。したがって、記録システムは本論では全く取り上げません。
本日は、インテリジェンスシステムにのみ焦点を当てます。インテリジェンスシステムとは、enterprise softwareの一種で、decision-makingプロセスを自動化することを目的としています。ソフトウェアがより知的であればあるほど、より良い判断が下されます。例えば、スパムフィルターはこの20年間、目立たないながらも至る所に存在し、あなたに代わってどのメッセージに注意を払うべきかを判断してきました。
サプライチェーンにおいて、関心のある判断事項は次の通りです：いつ購入するか？いくつ購入するか？いくつ生産するか？いくつ割り当てるか？など。物理的商品の流れを最適化するには、毎日約12種類の主要な判断が必要です。知性は利益を生み出す判断によって示され、逆に、愚かさは利益を生み出せないことによって示されます。したがって、人工知能が言及される際には、それがインテリジェンスシステムの一要素であると理解する必要があります。
私の命題は、1970年代後半から企業に販売されているサプライチェーン専用のインテリジェンスシステムが、ひっきりなしに惨めな失敗の連続を生み出してきたというものです。私の会社であるLokadは、2010年代初頭にこの連続的な失敗に終止符を打ちました。世界中には同様の例外がいくつか存在しますが、Lokadもその例外の一つであり、本講演の範囲外です。詳細を知りたい方は、Lokad.comのウェブサイトやLokad TVのYouTubeチャンネルをご覧になることをお勧めします。 本題に戻りましょう。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になったからといって、このサプライチェーンの失敗の傾向が改善されるわけではありません。実際に、これらの失敗は技術的手段の不足が原因ではなく、根本的な問題に対処しなければ、手段を増やしても何も変わらないのです。残念ながら、その根本的な問題は自然の愚かさに他ならないのです。
まず、私の診断の正当性を示しましょう。1979年、オペレーションズ・リサーチの先駆者であるアメリカのRussell Ackoffは、“The Future of Operational Research is Past”を発表しました。この魅力的な論文は、現在サプライチェーンの「コア」とされるほぼすべてが失敗している理由、なぜこの分野全体が欠陥だらけであるのか、そして学術界も実務家もこの誤ったパラダイムを是認しない限り、なぜ今後も失敗し続けるのかを非常に明快に説明しています。これは未来を見据えた論文であり、私が2008年にLokadを始めた時に読みたかった一篇でもありました。残念ながら、私はこの論文を再発見したのはその10年後であり、Russell Ackoffの研究から約40年後にほぼ同じ結論に到達していたのです。 どのようにして、サプライチェーン用のインテリジェンスシステムが失敗していると分かるのでしょうか？supply chain optimizationにあたるエンタープライズソフトウェアが失敗しているというのはどういうことでしょうか？まあ、私のキャリアを通じて大西洋の両岸で200人以上のサプライチェーンディレクターと話す機会に恵まれた結果、次のように断言できます：これらすべてのエンタープライズソフトウェア製品は、必ずサプライチェーンチームがExcelのスプレッドシートに戻るという結果を生んでいるのです。
shortageするほどの、サプライチェーンの意思決定プロセスを自動化するエンタープライズソフトウェアは溢れています。これは1970年代後半以来、サプライチェーン最適化に関わるすべてのソフトウェアベンダーの中心的な約束でありましたが、実際に展開されたすべての場合において、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っています。私の言葉を鵜呑みにする必要はありません。もし、あなたが年間売上5億ユーロ以上の大企業で働いているなら、1990年代以降、各10年ごとに少なくとも1度はそのようなソリューションの導入が失敗していることを保証できます。しかし、親愛なるサプライチェーンの実務家の皆さん、あなた方が未熟な会社であるとか、同僚が怠惰であるためではなく、その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、つまり彼らのインテリジェンスシステムが失敗したから、あなた方は今なおスプレッドシートを使用し続けているのです。 私の命題は――これで多くの友人ができなくなるかもしれませんが――これらの失敗は自然の愚かさ、つまりRussell Ackoffが1979年にオペレーションズリサーチの分野で何十年も貢献した後に非常に明快に指摘した、あの種の愚かさによるものだということです。
この命題を実証するために、サプライチェーンの文脈で明らかに愚かな4つの対象を調査します。それら4つとは、RFP（request for proposals）、time-series、safety stocks、およびservice levelsです。これらの4つの対象のいずれかを使用する企業は失敗に向かって自らを追い込んでいるのです。どれだけ「AI」が投入されたとしても、自然の愚かさは人工知能によって打ち負かされることはありません。
まず、提案依頼書（RFP）から始めましょう。適切なベンダーを選定することは明らかに重要です。なぜなら、惨めな技術のために数百万ユーロの手数料を喜んで徴収する、全くもって無能なソフトウェアベンダーが決して不足していないからです。したがって、企業が非常に確固たるベンダー選定プロセスを持っていなければ、ほぼ確実に無能なベンダーを選んでしまうでしょう。しかし、RFPは解決策ではありません。
受注側のソフトウェアベンダーとして――私たちは週に数通のRFPを受け取っています――その文書が常に愚かであるだけでなく、全くもって正気を失っていると言えます。一般的に、RFPには数百の質問が含まれます。どの質問も、史上最も無関係な質問の賞を競っているかのようです。例えば先週、ある質問がありました。それは、「あなたのファックスアーカイブ専用の保管室に用意されている耐火性能は何ですか？」というものでした。私たちは2024年に生きています；私は20年以上ファックスを使っていません。実際、この聴衆の若い世代の中には、ファックスが何かさえ知らないかもしれません。
しかし、サプライチェーンに関する質問ですら愚かです。なぜなら、ほとんどすべての質問は、実際には質問ではなく厳格な要件だからです。ほとんどの「質問」は次のような形をしています：あなたのソフトウェアは、ユーザーが36ヶ月先までseasonalityプロファイルを更新できるようにする機能を有していますか？この質問には問題が山ほどあり、どこから議論を始めれば良いのかさえ分かりません。
一度立ち止まって、スマートフォンを購入するためのRFPを書く自分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るはずです。しかし、バッテリーのサイズ、画面の素材、エンドユーザーが利用可能であるべきまたはそうであるべきでない正確な設定など、さまざまな要件をRFPに列挙し始めます。要件のリストがiPhoneをRFPから除外する結果になる可能性はどれほどあるでしょうか？もし100以上の質問があるとすれば、その可能性は100%です。結果として、まともなベンダーは全て除外されるのです。この愚かなゲームに参加するベンダーは、技術が大いに不足しているために、顧客から提起される誤ったすべての要件にYESと言わざるを得ない、必死の者だけです。
従って、RFPは排除すべき最初の自然な愚かさの一例です。
次に、時系列があります。時系列が可視化には適していることは否定しませんが、サプライチェーンの最適化においては、これは愚かな考えです。その結果、時系列を前面に押し出すいかなるソリューション、フレームワーク、または技術も失敗することが保証されているのです；ただし、その失敗はあなた自身に降りかかるでしょう。そもそも時系列を使用すること自体が愚かなアイデアであると気付くべきだったのです。
実際、時系列は数学的モデルとして、必要な情報を伝達することはできません。時系列は一次元的であり、サプライチェーンにとっては決して十分ではありません。例えば、何年も毎週100単位前後を販売している企業を考えてみましょう。需要は極めて安定しているように見えます。さて、この状況の二つのバリエーションを考えます。第一の状況では、企業は1000人の顧客を持ち、各顧客が10週間に1単位を購入しています。第二の状況では、企業は1人のユニークな顧客が毎週100単位を購入しています。来週、売上がゼロに落ち込み、その後永遠にゼロのままである可能性はどれほどあるでしょうか？第一の状況では、その確率は非常に低いのです。何しろ顧客は1000人もいます。すべてを失うには時間がかかるでしょう。しかし、第二の状況では、たった1人の顧客が気を変えれば、売上の100%が失われるのです。この二つの状況は全く異なるにもかかわらず、同じ時系列を示しているのです。
この例は、時系列が過去を表現するのに適していない理由を示しています。他にも数多くの例が挙げられます。それは聴衆の皆さんへの課題として残しておきます。
しかし、未来を見る場合においても時系列は改善されません。あなたの時系列は「これが起こる」、「これが唯一の未来だ」と述べています。しかし、未来はまだ決定されていない判断に依存しています。時系列はこれを全く考慮せず、未来を過去と全く対称的なものとして扱います。しかし、サプライチェーンは物理学ではありません。私たちは、製品のfuture demandを、火星の動きのように捉えることはできません。未来は、私たちが変えることができるため、過去とは根本的に異なるのです。
しかし、未来を変えるには、変える意志がある、すなわち時系列の使用をやめる意志がなければなりません。再度申し上げますが、サプライチェーンにおいて、どれだけの人工知能を用いても、時系列に付随する自然の愚かさを解消することはできません。
さて次に、安全在庫に注目しましょう。これは現代サプライチェーン理論の柱の一つです。定量的なサプライチェーンの教科書で、安全在庫について触れていないものはほとんどありません。安全在庫は、いかなる一見まともなサプライチェーン最適化ソフトウェアにも搭載が期待される基本的な機能の一種です。しかし、私の命題は――そしてここまででさほど驚くことではないはずですが――安全在庫は愚かだということです。
理由は極めて単純です。安全在庫の公式は、誤った質問に対する正しい答えだからです。常に数千のSKU（stock keeping units）が関わるサプライチェーンを考えてみましょう。もし在庫に投資できる資金が1ユーロなら、問題は「どのSKUの在庫単位が最も利益を最大化するか？」となります。特定のSKUに対して「このSKUに特別に1単位の追加在庫を持たせるべきか？」という枠組みで考えることは意味がありません。すべてのSKUは同じ希少な資源、すなわち企業の現金を巡って競争しているのです。すべてのSKUを孤立して扱うことは、企業が利用できる現金が無限であると仮定するようなものです。
さらに、経済学の定義そのものが、代替用途を持つ希少な資源の配分を研究する科学であるという点にあります。安全在庫の概念自体が、初歩的な経済学に反しており、実際、経済学の定義そのものに矛盾しているのです。
したがって、安全在庫がもたらす誤差の大きさを考えると、このエラーを単に「行き違い」と呼ぶのは全く不十分であり、むしろこの種のエラーを表現するのに、はるかに適切な言葉がある：愚かである。
最後に、サービスレベルについて考えてみましょう。もし企業が自らに経済的損害を与えるためにサービスレベルを利用するたびに私が1ユーロを手に入れることができたなら、今頃私は億万長者になっていただろう。サプライチェーンにおいて、サービスレベルとは、特定のSKUが次の在庫周期で品切れにならない確率を示すものです。記述統計の一要素として、サービスレベルは問題なく、他の単純な統計指標と同様に、知的でも愚かでもありません。
この愚かさが現れるのは、人々がサービスレベル―このパーセンテージ―と顧客満足度や企業の収益性との間に何らかの相関関係が存在すると仮定し始めた時だけです。しかし、実際はそうではありません。ファッション業界を例にとってみましょう。次のコレクションのためのスペースを確保するには、企業は前のコレクションを一掃しなければなりません。新しさをもたらし、顧客を満足させるためには、サービスレベルをゼロにまで下げる必要があるのです。
逆に、航空を考えてみましょう。典型的なジェット旅客機は約300,000個の異なる部品から構成されています。数万個の部品は定期的に検査・交換が必要です。もしたった1個の使用不可部品が欠品してしまった場合、その航空機は運航停止に陥り、1日あたり数十万ユーロの経済的損害を引き起こすことになります。すべてのSKUで99%のサービスレベルを実現していても意味はありません。航空機が運航停止に陥らない確率だけが重要であり、最も弱い部分がAOG（航空機地上停止）事故の発生数を決定してしまうのです。平均的なサービスレベルは全く意味を持たないのです。
ファッションや航空業界だけでなく、あらゆる分野で同様の問題が存在します。改めて、これは読者の皆さんへの課題として残しておきます。初歩的な論理が示すのは、サービスレベルを追い求めるのは愚か者だけだということですが、にもかかわらず、現実にはほとんどの企業がまさにその通りのことを行っており、その経営者たちはAIを活用した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るのです。
結論として、人工知能はでたらめなサプライチェーン理論からあなたを守ることはありません。ショーマンシップと信頼感を植え付ける能力しか持たないコンサルタントや、今日流行しているどんな狂気でも平然と売りつけるソフトウェア販売業者からも、あなたを救うことはできないのです。
人工知能で成功するためには、まず自然な愚かさを打ち破らなければなりません。広い視点で見れば、私の会社Lokadが成功するとは言えませんが、もし今回のようにサプライチェーンにおける最も広く普及している愚かな考えを指摘することで問題に一石を投じることができたなら、それはすでに勝利への一歩となるのです。
