なぜ実務家はこの「AI時代」のサプライチェーン・ビジョンを無視することが正しいのか
40人余りの教授や業界関係者が、AI時代のサプライチェーンに関する「ビジョン声明」を発表すると、実際のサプライチェーンのプロフェッショナルが月曜の朝により良い意思決定を行えるための何かが提示されることを期待してしまう。
私が念頭に置いている論文は、Maxime Cohen、Tinglong Dai、Georgia Perakis および39人の共同著者による Supply Chain Management in the AI Era: A Vision Statement from the Operations Management Community である。この論文のアブストラクトでは、オペレーションマネジメント（OM）コミュニティが、AIがサプライチェーンをどのように変革するかを形成するだけでなく、AIを支えるサプライチェーンを「持続可能で、弾力性があり、公平な」ものにするための「重要な役割と責任」を担っていると宣言されている。そして、知性、実行、戦略、人間、インフラの5層のフレームワークを展開し、その視点から膨大なOMおよびAIに関する文献を概観している。
書面上では、有望に聞こえる。しかし実際には、サプライチェーンの実務家が本分野の学術的成果の大部分を無視するのが正しい理由をほぼ完璧に示している。
私の最近の著書 Introduction to Supply Chain では、サプライチェーンを物理的な商品の流れにおける不確実性下での選択肢の管理と定義し、市場経済におけるサプライチェーンの実践的な目標は、企業が触れる希少資源―資本、能力、時間、信用―のリスク調整後の収益率を高めることであると論じている。通常期待される効果、すなわちサービスレベルの向上、リードタイムの短縮、環境に優しい輸送、従業員の満足は、すべて長期的な硬貨価値で表される利益に寄与する限りにおいてのみ重要である。サプライチェーンは道徳哲学ではなく、台帳によって存続が決まる応用経済学である。
この尺度に照らすと、この「ビジョン声明」は、サプライチェーンに関する学術執筆で私が信頼できなくなったほぼすべての警告点―超経済的な美徳シグナリング、実際の意思決定に触れないフレームワーク、自己言及的な引用の氾濫、そして時間系列モデリングと最新のAIのもう一層が、数十年にわたって実務家を失望させてきたプランニングパラダイムを何とか救済しようとするという揺るぎない信念―にチェックを入れている。
その理由を詳しく説明しよう。
超経済的な美徳と他者のバランスシートの倫理
論文全体で最も示唆に富む一文が、アブストラクトに現れている：
“OMコミュニティは、AIがサプライチェーンをどう変革するかだけでなく、AIを支えるサプライチェーンが持続可能で、弾力性があり、公平なものになるように設計されることをリードする上で、重要な役割と責任を担っている。”
結論では同じ三つの美徳が繰り返され、OMは我々を「より知的で、公平かつ持続可能な」サプライチェーンへ導くべきであると宣言している。
ここで何が起こっているかに注目してほしい。サプライチェーンが何のために存在するのかを語る前に、著者たちはそれが満たすべき形容詞―持続可能、弾力性、公平―を提示する。明示的な経済的目的は一切示されず、利益、資本効率、リスク調整後の収益率は、もし現れるとしても間接的にしか触れられない。論文は単に、「効率」と「弾力性」が好まれる道徳的目標と並んで存在すると仮定し、OMコミュニティの義務はそれらすべてを一度に推し進めることであるとしている。
私の著書の第4.4.5章「超経済的目標」では、正にこのパターン―超経済的―を指すためにこの用語を使用している。すなわち、単なる金銭的考慮事項を凌駕すると主張される目的への訴えが、価格、コスト、機会費用という規律を無視することを正当化するのだ。時には道徳的な語調（「企業は顧客サービスを超えた社会的アジェンダを推進すべきだ」）になり、時には黙示録的な語調（「差し迫った大惨事が収益性の即時犠牲を要求する」）になる。いずれの場合も、経済計算が静かに軽視され、著者が好む関心事がそれを凌駕して高く評価されるのは同じである。
問題は、持続可能性や公平性が重要でないということではない。問題は、これらを呼び起こしたからといって希少性が消滅するわけではない点にある。ある目的に費やされるすべてのパレット、労働時間、硬貨は、他の目的から差し引かれるのだ。著書でも述べたように、より高い目的を呼び起こすことは「希少性を解消するのではなく、単にトレードオフのラベルを変更するにすぎず…利益と損失以外の選択肢は存在しない」となる。
もし炭素排出が重要であるなら、それは炭素価格、規制、顧客行動、またはブランドリスクなどを通じたコストとして計算に組み込まれる必要がある。こうすることで、代替の意思決定が共通の単位で比較可能となる。もし公平性が重要であるなら、誰の公平性であるか、どの程度の価格で、どんな結果をもたらすのかを、後に意思決定に反映され監査可能な形で示さなければならない。そうでなければ、単に形容詞で議論を飾っているに過ぎない。
しかし『AI時代』のビジョン論文は、サプライチェーンが「持続可能かつ公平」であるべきだと宣言する一方で、これらの言葉が運用上具体的に何を意味するのか、誰がそのコストを負担し、どれほどの費用がかかるのかを一切示していない。例えば医療のセクションでは、配送サプライチェーンは「厳格な安全性および公平性の制約」の下で運用されなければならないとされる。倫理的には安心感を与えるが、サプライチェーンの観点からは中身が伴わない。「十分に安全」とはどの程度の安全性なのか？どの患者群に対する公平性であり、失われるスループットのコストはどのくらいで、どの代替案と比較されるのか？数値も価格もトレードオフも示されていない。
さらに悪いことに、この論文は、これらの超経済的な目標をOMコミュニティが他者のバランスシートに対して担うべき責任として提示している。民主的な議論を経て議会が税金や安全基準を設定するのは一つのことだが、学者がマネージャーに対して、誰から誰へ再分配するのかという明確な数値化もなく「公平な」サプライチェーンを設計する義務があると告げるのは全く別の問題である。前者は政治であり、後者はせいぜい父性的であり、最悪の場合、株主、債権者、従業員、そして同じ優先事項を共有しない顧客に対する受託者責任を裏切る静かな誘惑にほかならない。
いずれの理念も超経済的な優先権を主張できると受け入れるならば、制限原理は存在しなくなる。著書でも指摘しているように、歴史は後に破滅的と認識される理念に熱狂的に賛同した企業で溢れている――公然たる差別的採用から優生学への慈善的支援に至るまで――当時、印象的な「科学的コンセンサス」を武器にしていた。いずれの場合も、経済計算は超経済的なレトリックに従属され、その結果、顧客によりよいサービスを提供するために活用できた資源が浪費されたのだ。
超経済的な美徳シグナリングは無害な装飾ではない。それ自体が倫理的失敗であり、トレードオフに関する判断を曇らせ、著者自身が配分する権利のない資源を浪費することになる。このようなシグナリングで始まり終わるサプライチェーンの「ビジョン」は、次世代の実務家に対して、意思決定の硬貨価値の結果ではなく、形容詞の最適化を行うべきだと教えることになる。
フレームワーク、レイヤー、そして深みの錯覚
この論文の第二の特徴は、フレームワークと文献への愛情である。
アブストラクトの後、著者たちは、AIとサプライチェーン管理の相互作用を、知性、実行、戦略、人間、インフラという5つの「レイヤー」に基づいて議論を構成すると発表する。各レイヤーはそれぞれ独立したセクションを持ち、論文全体がこの分類に沿って編成されている。
分類学そのものに本質的な問題はない。常に問われるのは、今回この特定の分類があることで、どのような意思決定が変わるのかということである。もし明日、5層が3層にまとめられたり、8層に分割されたとしても、個々の発注、転送、または価格に違いが生じるだろうか？著者たちはこの問いに答えようとしない。このフレームワークは、既存のアイデアを整理するためのファイリングキャビネットのようなものであり、選択のツールではない。
実務家はこのパターンを既に見たことがある。『Introduction to Supply Chain』では、1990年代にエンタープライズシステムのマーケティングバナーとして「プランニング」がどのように採用されたかについて数ページを割いている。当時、それらのシステムは時系列予測や基本的な安全在庫の計算以上のものを持たなかったにもかかわらず、ERPベンダー、その後APSベンダーは一般的な記録管理を「統合プランニング」、次いで「高度なプランニング」、そして最近では「デジタルツイン」や「コントロールタワー」と再ブランド化してきた。用語は変わったが、基盤となるスプレッドシートや事務処理のワークフローは変わっていない。
この論文の5層アーキテクチャは、まさにその車輪の別の回転のように感じられる。深みの印象を与えるが、それが異なる意思決定やより良い自動化、あるいは経済性の向上に繋がるという証拠はない。倉庫現場や補充サイクルで実際に何が起こるかを変えない分類学は、実務家の視点からは装飾にすぎず、進歩ではない。
参考文献リストとその使われ方にも同じことが言える。論文は、42人の研究者、実務家、テクノロジーリーダーが関与した「広範な協働プロセス」から生み出されたことを強調しており、その多くは著者たちの次回刊行予定の書籍『AI in Supply Chains: Perspectives from Global Thought Leaders』にも寄与している。その後、参考文献は同じサークルに大いに依拠し、Cohen、Dai、Perakisおよびその共同著者の複数の引用、さらに著者チームによる最近のワーキングペーパーや準備中の論文が集約されている。
改めて言うが、自己の研究を引用すること自体に不正はない。問題は、その広範なリスト自体が、一種の証拠として提示される点にある。実務家は、「機械学習が如何にサプライチェーン管理を変革するか」、「パニック買いを検出するためのAIの活用」、「サプライチェーン最適化のための大規模言語モデル」といったタイトルのパレードを目にするが、これらの各論文が、実際の全領域にわたる、混沌とした企業データに適用され、放置された意思決定を生み出し、実際の損益で評価される際にどのように機能するかは一切示されない。
もしあなたが工場や倉庫のネットワークを運営しているなら、あるトピックに関して論文がいくつ存在するかは気にしない。あなたが気にするのは、自社の記録に、あなたの制約条件下で適用可能な数値的なレシピが存在し、それが明日の発注、転送、価格を昨日よりも現金価値で改善するかどうかである。そのためには、十分に文書化された現場での実装例が、完全な経済結果や明確な限界とともに、十数のビジョン声明や50件の引用よりも価値がある。
『AI時代』論文は、前者の実例を、かすかな逸話的な形でしか提供していない。「最適な機械学習」に関するセクションでは、あるコンサルティング会社がサービスレベルを改善し在庫コストを削減したとされるFortune‑150企業の2件のケーススタディに触れている。しかし、読者には基準値も反事実も、投入資本の総額や前後のリスクプロファイルに関する詳細すら示されない。他の業界の「スポットライト」では、JD.comが強力なアナリティクスチームを構築し、AIを用いて経営陣に予測を説明したことや、人道支援組織が在庫の適切な前配置のためにAIを利用できると伝えられる。これらはすべて事実であるかもしれないが、いずれもマーケティング用パンフレットレベルにとどまっている。
外部から見ると、著者同士やその学生が互いに引用し合い、既に合意されたフレームワークを支持する形で閉じた循環を形成しているように見える。時折実務家の逸話が散りばめられている。学者にとっては、これが分野の活動を示すシグナルであり得るが、実務家にとっては、ここに来週の購買量を決定するための何の助けにもならないことを意味する。
AI、予測、そして旧来のプランニング均衡
論文の核心―「知性レイヤー」―は、AIそのものに捧げられている。ここで著者は、機械学習が予測をいかに改善するか、強化学習が在庫管理にいかに応用できるか、「意思決定重視のAI」と呼ばれる新たなパラダイムがどのように最適化目的を損失関数に組み込み、また大規模言語モデル（LLM）が複雑なサプライチェーン問題に対して自然言語インターフェースや「チェイン・オブ・ソートによる主体的推論」を提供し得るかを論じている。
これらの内容の多くは、狭義では技術的に正確である。実際、機械学習は多くの特徴を取り入れることができ、強化学習はシミュレーション下で方針を学習でき、LLMは最適化モデルを取り巻く文章を解析および生成することができる。問題は、これらのツールが存在するか否かではなく、論文で示される使い方がサプライチェーンのプランニングパラダイムに内在する構造的弱点に対処しているかどうかである。
そうではない。
予測は良い例である。著者は、機械学習が「予測精度を向上させる」と記述し、高度な需要予測は「内部および外部のデータセットから得られる何百もの動的変数」に依拠できると述べている。後に、意思決定重視のAIについて議論する中で、従来の「予測してから最適化する」パイプラインが予測と意思決定の不整合を招く可能性があることを認め、下流の意思決定コストに直接訓練するモデルの提案を行っている。
これらすべては、サプライチェーン予測の根本的な問題が、時系列モデルの洗練不足にあるかのように進められる。しかし、そうではない。
著書では、時系列パラダイムがいかにして構造的にビジネスの意思決定に適さないかについて、一章を割いて詳述している。時系列とは、取引履歴を時間の枠で区切った数字の連なりに収束させるものである。その表現は、重要な面で情報を失っている。たとえば、週ごとの売上シリーズが同一でも、1000人の独立した顧客が各々1単位ずつ購入する場合と、1つの大口顧客が全1000単位を購入する場合がある。前者では需要は緩やかに崩れるが、後者では一晩で崩壊する可能性がある。週ごとの時系列はこれらを区別しないが、在庫リスクは全く異なる。
同様に、週に10単位を売る製品は、10個の小さなバスケットであっても、1個の大きなバスケットであってもよい。時系列は同一であっても、適切な在庫水準は4倍以上異なる可能性がある。いかに洗練された時系列予測であっても、集約そのものが失った情報は取り戻せない。これは、単により多くの特徴やより深いネットワークを追加すれば解決する問題ではなく、意思決定にとってその表現自体が誤っているということである.
論文は、この構造的批評に一切取り組むことはなく、これまで数多くの論文がそうであったように、より優れた時系列予測がサプライチェーンにおける中心的なボトルネックであり、機械学習がその自然な解答であると単に仮定している。意思決定重視の損失関数への短い言及は漸進的なもので、モデルはより適切な損失関数を最適化するようになったものの、依然として同じ貧弱な対象で訓練されている。
さらに悪いことに、論文が具体的な意思決定基準に触れると、例の定番であるサービスレベルと在庫コストに頼る。OMLは、ケーススタディにおいてサービスレベルを「大幅に」改善し在庫コストを削減したとして称賛されている。しかし、どのリスクプロファイルの下でどのオプションにどれだけの資本を投入すべきかという根本的な経済的疑問は、決して明示的に定式化されていない。
本書では、安全在庫の公式を「危険な在庫」と呼び、これらがサプライチェーンにおける重大な無能さを示すリトマス試験紙となっていると指摘している。これらの公式は、例えば95%という目標サービスレベルを選び、そのパーセンテージをあたかも利益と内在的な結びつきがあるかのように扱うことに依存している。しかし、実際にはそうではない。サービスレベルは、在庫切れの痛みと保管コストとの間の現金的トレードオフの代理変数に過ぎない。両側の価格が算出され、トレードオフが明示的に計算されなければ、「95%」や「97%」を目標とするのは数秘術に等しい。さらに述べるように、サービスレベルは古典的な「逸脱指標」KPIとなり、経済的根拠から切り離された代理変数が組織を支配する一方で、実際の価格を提示する必要はない。
『AI時代』の論文は、このKPI文化に疑問を呈することなく、その内部にAIを組み込んでいる。予測は改善され、在庫ポリシーは調整される可能性があり、サービスレベルはやや上昇し在庫はやや低下する――そしてこれが進歩であると示される。リスク調整後の収益率、運転資本の制約に対するオプションの評価方法、またERPに書き戻され実際に資金が動く境界でのモデル性能の評価については一切触れられていない。
大規模言語モデルの扱いもまた一例である。論文は、LLMが「先進的な計画ツールをよりアクセスしやすくすることを約束する」と示唆し、「先進的な意思決定ツールへのアクセスを民主化する」自然言語インターフェースを提供できると述べている。
本書では、言語モデルは一般に、同じ仕事を行う専門のアルゴリズムに比べて桁違いに多くの計算資源を消費し、数値データ処理において競争力があるとは考えにくいと主張している。彼らのサプライチェーンにおける本来の役割は狭く、数値レシピやドキュメントの作成・維持の迅速化、そして非構造化テキストからの特徴抽出に限定される。これらを予測エンジンとして使用するのは明確に誤った考えであり、彼らは「時系列予測――いや、いかなる数値作業にも不向き」であり、基本的な統計モデルと比較して高コストかつ性能が低い。
このビジョンペーパーは、再び流行に乗るかのように、LLMが「主体的な」問題解決者となり、強化学習ポリシーの調整に貢献し、複雑なサプライチェーンの意思決定について連鎖的な思考を通じて推論できると主張している。数値的信頼性、コスト、あるいは何百万ドルもの在庫を伴う無監視のコミットメントに対して確率的テキスト生成器が非常に不適切な基盤であるという基本的な点については、真剣な議論はなされていない。
AIの表面的な輝きを取り除けば、論文が提示しているのは数十年にわたって支配的だった同じ計画の均衡である。すなわち、時系列としての予測、時系列の束としての計画、守護符としてのサービスレベル、そしてその結果を検証する人間である。AIはこの積み重ねの上に、前提に異議を唱えるのではなく、付加価値を与える役割として組み込まれている。
なぜ実務家は（そしてすべき）目を背けるのか
もしこの論文が単なる学術的演習に過ぎなかったなら、これらすべてはそれほど重要ではなかっただろう。しかし、これは明確に実務家や教育者のためのガイドとして位置付けられている。著者たちは、研究者、業界リーダー、大学に対し、人間とAIの協働を中心としたカリキュラムの構築、「倫理的」なAI導入のためのガバナンス・フレームワークの開発、そして「レジリエンス、生産性、社会福祉」を高めるサプライチェーンの設計を求める呼びかけで締めくくられている。
問題は、根底にあるメンタルモデルがセミナールームという快適な環境から一切離れないことである。
手法が、現金基準に基づいて評価される未監視の意思決定を発する、フルスコープで混沌とした企業データ上でテストされることを主張する姿勢はない。また、利益を凌駕する前に、経済を超えた懸念が価格、規制、または定量化されたリスクに変換されることを要求する姿勢も見られない。さらに、枠組みが、購入され、移動され、価格が付けられるという具体的な変化によって正当化されるのではなく、埋めることができるスライドの枚数によって正当化されるという主張もない。
私の著書の第6.2章で、一般知能とサプライチェーンにおけるソフトウェアの役割について論じる際、多くの公開されたモデルが目的、制約、許容可能な選択肢という重要な設計判断を暗黙のうちに扱っていると指摘している。これらのモデルは、きれいに区切られたパズルの中で動作する一方で、実際に起業家が報酬を得る混沌とした部分は舞台裏に置かれている。解決策は概念的には単純だが実践では困難であり、経済的目的を貨幣的に明示し、許容可能な選択肢を列挙し、停止条件を定義し、その後、作業を機械が解決できる限定されたサブプロブレムに分解することである。
『AI時代』のビジョンステートメントはそれを行っていない。無価格の形容詞から始まり、分類を重ね、自身およびその仲間が執筆した文献を主に概観し、その上でAIという旗の下に同様のものをさらに要求する。雄弁で誠実ではあるが、サプライチェーンの運営に携わる者にとっては、ほぼ全く的外れなのだ。
だからこそ、実務家はこの種の研究を無視するのである。それは反知性的だからではなく、客観的な目的関数のない枠組み、表現の限界について正直に議論されない予測、経済的尺度のないAI、そして価格が設定されない倫理がすべて、印象的なスライドデッキ、控えめなパイロットプロジェクト、そして事業の収益率に持続的な向上をもたらさないという点に収束することを、彼らが痛感しているからである。
学術界が再びサプライチェーンで重要な存在になりたいのであれば、本論文が明確に示したパターンを覆す必要がある。形容詞ではなく、経済学から始めよ。環境的、社会的、またはその他の懸念を道徳的なスローガンの代わりに明確なトレードオフに変換せよ。予測モデルは、現実の制約下で、未監視の意思決定と金銭がかかる中で、混沌としたデータ上での実績によって評価すべきである。多くの問題において時系列計画が行き詰まりであり、AIが欠陥のあるパラダイムに対する魔法の肥料ではないことを受け入れよ。
それまで、実務家がこのようなビジョンステートメントを無視するのは単に正当化されるだけでなく、むしろ賢明な行動である。
