00:00:07 サプライチェーン管理におけるブラックボックス問題.
00:02:20 AIの台頭と複雑な数値レシピがブラックボックス問題を悪化させる.
00:03:59 従来のERPシステムと現代のシステムの違い、そしてそれらがブラックボックス問題にどう関係しているか.
00:06:10 ブラックボックス問題の実際の例と、それが企業に与える影響.
00:07:36 企業がExcelシートを用いてブラックボックス問題をどのように克服しているか.
00:09:06 透明性と洞察のためのホワイトボクシングの概念.
00:11:27 意思決定を説明するために、いくつかの洗練された数値を作成する重要性.
00:14:17 意思決定において経済ドライバーを使用する利点.
00:15:28 複雑なデータを扱う際のExcelの限界と、より良いツールの必要性.
00:17:36 不適切な出力を避けるために、システム入力を徹底的に文書化する重要性.
00:18:47 中間計算をサポートする機敏なデータ処理層の必要性の探求.
00:20:08 誤解を招く結果を避けるために、独立した経済ドライバーを作成する重要性.
00:21:09 ホワイトボクシングがいかに重要で、透明なプロセスがなければどのような結果を招くか.

要約

このインタビューでは、Kieran Chandler と Joannes Vermorel が サプライチェーン最適化 における「ホワイトボクシング」の重要性について議論しています。サプライチェーンは複雑なシステムであり、ソフトウェアやAI主導の手法が取り入れられることで、より不透明になる可能性があります。Vermorel は、しばしばゼロインテリジェンスで設計される従来の ERP システムがこの不透明さに寄与していると指摘します。Lokad のホワイトボクシングアプローチは、数値を丁寧に設計し、経済ドライバー のような全社的な指標を用いることで、透明性の再構築を目指しています。自社プログラミング言語 Envision を用いることで、Lokad はサプライチェーン最適化プロセスにおける透明性の維持を支援します。ホワイトボクシングを取り入れることは、サプライチェーンシステムへの信頼を築き、全体的な効率性を向上させることができます。

詳細な要約

このインタビューでは、ホストの Kieran Chandler が、サプライチェーン最適化に特化したソフトウェア会社 Lokad の創設者である Joannes Vermorel とともに「ホワイトボクシング」の概念について議論します。会話は、コンピュータサイエンスにおける「ブラックボックス」問題の説明から始まり、これは内部動作を理解せずに入力と出力のみが観察されるシステムを指します。これは、さまざまな業界で 人工知能 の普及が進む中、問題となり得ます。

Vermorel は、サプライチェーンは本質的に多数の人々、製品、そして場所が関与する複雑なシステムであると説明します。この複雑さが不透明性を生み、関係者がサプライチェーンの動作を完全に把握するのを困難にします。特に、あまり「スマート」でない基本的なソフトウェアであっても、その追加はさらにこの不透明性を悪化させる可能性があります。さらに、高度な 数値レシピ や AI主導の手法が導入されると、組織内の人々がこれらのシステムで生成される数字や結果の意味を理解することがますます難しくなります。

Vermorel が定義するところの不透明性とは、システムによって生成された結果や測定値の起源や意味を判断するのが困難であることを指します。サプライチェーンの文脈では、特定の値や結果がなぜ生成されたのか、その要因が何であったのかを理解することが難しいということです。

Vermorel によれば、ブラックボックス問題はサプライチェーン業界に広く存在します。従来のエンタープライズ・リソース・プランニング(ERP)システムやその他の古い技術は、効果的なリレーショナルスキーマの設計の難しさや、十分に統合されていない複数のシステムの存在など、さまざまな理由で不透明でした。これらのシステムは単体では比較的シンプルかもしれませんが、組み合わせると大きな混乱と複雑さを生み出します。十分に文書化されていないシステム間のアドホックな統合は、不透明性をさらに助長します。

これらのシステムに高度な数値レシピや AI主導の手法が導入されると、不透明性は急激に増大します。これにより、関係者が生成される数字が正確であるかどうかを検証することがさらに困難になります。以前は、例えば、異なるシステム間で在庫値を手動で確認することが可能でした。しかし、複雑な数値レシピが加わると、そのような検証はますます困難になります。

Vermorel は、従来のエンタープライズ・リソース・プランニング(ERP)システムは計画というよりも管理に重点を置いており、しばしばゼロインテリジェンスで設計されていると説明します。一部のベンダーが AI と呼ぶ高度な数値レシピは通常、ERP システムの上に積み重ねられており、そのため全体のプロセスがより不透明になります。

実際の例として、Vermorel は、安全在庫のようなシンプルな計算であっても、ブラックボックス効果を引き起こすことがあると観察しています。例えば、ある企業が サービスレベル として 99.9% を入力しても、実際には 97% のサービスレベルしか達成できない場合があります。入力と出力の間にこのような乖離が生じると、システムの内部動作が理解されなくなります。企業は通常、ERPシステムから基礎データを抽出し、自社で数値レシピを作成して計算を管理するために、Excelシートを活用することでこの問題に対処しています。

Vermorel の説明によれば、ホワイトボクシングのアプローチは、複雑なサプライチェーンの シナリオ に適用されると、単純なモデルであっても不透明になり得ることを認識しています。ホワイトボクシングの目的は、これらのモデル内で透明性と理解を再構築することです。透明性を再構築するプロセスを開発することで、企業は信頼を生み出し、最終的にはExcelシートへの依存から脱却することができます。

ホワイトボクシングのアプローチにおける一つの課題は、指標やインディケーターの過剰な混在を避けることです。企業はブラックボックスモデルに直面すると、より多くのKPIやインディケーターを求めがちですが、これはさらに複雑さと不透明性を増大させる原因となります。Vermorel は、モデルによる意思決定を説明するために、いくつかの丹念に設計された数値に焦点を当てることを提案しています。

ホワイトボクシングの目的は、生産、購買、あるいは在庫の移動など、サプライチェーンに物理的な影響を与える意思決定の最終結果を説明することにあります。これを実現するために、プロセスはこれらの意思決定を説明するいくつかの数値(ドルやユーロで測定される、全社的に最も意味のある単位)を考慮に入れます。最終的な成果に焦点を当て、全社的な指標に基づいて意思決定を説明することで、ホワイトボクシングのアプローチはサプライチェーン最適化における理解と透明性の創出に寄与できます。

Vermorel は、品切れのリスクが、もし生産ラインの停止につながる場合、購入される商品の価値をはるかに上回る可能性があると説明します。この問題に対処するために、Lokad は経済ドライバーを用いて意思決定を行います。これらのドライバーは、全社的に比較ができるため、比較可能な指標を用いて意思決定が行われることを保証する有用なものです。

従来のサプライチェーン最適化手法の課題の一つは、多くの分析システムがブラックボックス的である点です。これに対し、Lokad のアプローチはホワイトボクシングをサポートしており、ユーザーがシステムの内部動作を理解し、その出力を検証できるようにします。Vermorel は、Excel が小規模なホワイトボクシングには有効なツールである一方で、大規模なデータセットや複雑な計算を扱う場合にはその限界があると指摘しています。

この制約に対処するために、Lokad は Envision と呼ばれるプログラミング言語を開発しました。これにより、ユーザーはデータに密接に関わり、検証を行い、ダッシュボード を生成できます。これがサプライチェーン最適化プロセスにおける透明性の維持に役立ちます。

ブラックボックスのソフトウェアソリューションを使用している企業に対して、Vermorel はまずシステム入力の徹底的な文書化から始めるよう勧めています。しばしば、企業はデータ入力の文書化が不十分であり、その結果としてゴミ入力はゴミ出力となる状況に陥ります。次のステップは、システムの分析層がExcelのように柔軟性を持ち、ユーザーが容易に列を追加したりロジックをデバッグできることを保証することです。

これらの前提条件が整ったら、企業はできるだけ互いに独立した優れた経済ドライバーの作成に注力すべきです。これにより、意思決定プロセスにおいて重要な要素を重複計上したり見落としたりするリスクを避けることができます。

ホワイトボクシングはサプライチェーン最適化において重要です。なぜなら、それがシステムの結果の妥当性を保証するからです。システムが信頼されなければ、人々はExcelシートに頼るようになり、Vermorel はこれを「システムの狂気」に対する必要な防御策であると表現しています。ホワイトボクシングを採用することで、企業はサプライチェーン最適化プロセスに対する信頼を構築し、全体的な効率性を向上させることができます。

完全な書き起こし

Kieran Chandler: 本日の Lokad TV では、解決策、すなわちホワイトボクシングについて議論していきます。では、Joannes、ホワイトボクシングに入る前に、まずブラックボックス問題から話を始めましょう。ブラックボックスとは何であり、そこでどのような問題があるのでしょうか?

Joannes Vermorel: サプライチェーンは多くの人々が関与し、多くの製品、そして場合によっては多数のロケーションが存在する複雑なシステムです。初めから、それ自体が非常に複雑な問題であり、その複雑さゆえに既に独自の不透明性を抱えています。全体を把握するのは非常に困難です。そして、その中にソフトウェアの層を加えると、問題はさらに悪化します。ここで言うのは、サプライチェーンITの配管部分を単にシャッフルするだけの比較的基本的なソフトウェアのことです。賢いものではありません。しかし、それでさえもさらなる不透明性の層を生み出すのです。

Kieran Chandler: そこに「不透明性」というキーワードがありましたが、その意味するところをもう少し詳しく説明していただけますか?

Joannes Vermorel: 不透明性とは、組織内でサプライチェーンに関わる、またはサプライチェーンを管理する人々にとって、ある数字が正確に何を意味するのか、どこから来たのか、なぜその値に設定され、他の値ではないのかを把握するのが非常に困難であるということを指します。この不透明性は、サプライチェーンを調査しようとする際に、物事の核心に迫ることがいかに難しいかを反映しています。

Kieran Chandler: つまり、システムから結果が出力されるものの、その結果がどこから来たのかがよく分からないブラックボックス問題について話しているということですね。この問題はどれほど広範に存在しているのでしょうか?サプライチェーン業界でよく見られる現象なのでしょうか?

Joannes Vermorel: はい、以前のERPやITシステムはさまざまな理由で非常に不透明でした。当時は、データベースの適切なリレーショナルスキーマの設計がずっと困難であったため、内部構造がやや混沌としてしまいました。複雑なサプライチェーンでは、十分に統合されていない多くのシステムが存在することもあり、それらをすべて組み合わせると大きな混乱や、十分に文書化されていないシステム間のアドホックな統合が発生します。こうして、個々は比較的シンプルなシステムから、不透明性が生じるのです。そして、その中に数値レシピが加わると、不透明性は急上昇し、数字が正しいかどうかを検証するのが非常に困難になります。

Kieran Chandler: 要するに、リモートロケーションにあるべき在庫値を中央システムで確認し、さらにそのリモートロケーション自体のシステムで在庫値が一致しているかを確かめるというチェックではありません。確かに、そんなチェックは時に厄介なこともありました。しかし、数値レシピが関与していなければ、それは実行可能でした。ところが、途中に線形回帰モデルが入ると、何かを再現することや、何が起こっているのか理解することすら地獄のように困難になります。これが、従来のERPシステムと現代のシステムとの大きな違いなのだと思います。私たちは今、より複雑な数値レシピを使用しています。それが大きな変化なのでしょうか?これがブラックボックスアプローチが発生する理由なのでしょうか?

Joannes Vermorel: 通常、その高度な数値レシピはERP内には存在しません。つまり、ERPはその名称にもかかわらず、エンタープライズ・リソース・プランニングとはほとんど関係がなく、管理に重点が置かれているのです。すなわち、資産を追跡するためのエンタープライズ・リソース・マネジメントがあり、その上に分析の層があるのです。しかしご指摘の通り、その分析層内に、一部のベンダーがAIと呼ぶ高度なレシピが存在し、結果として全体が非常に不透明になります。

Kieran Chandler: では、これらのブラックボックス問題が実際に企業にどのような影響を与えているのか、実例を挙げてもらえますか?

Joannes Vermorel: 実際のところ、ブラックボックス効果を得るのにAIは必要ないというのが驚くべき点です。もっと単純なことでも、既に広範囲にブラックボックス効果を引き起こしています。需要が予測値に従って正規分布していると仮定した上で必要な在庫量、つまり安全在庫の計算のようなシンプルな処理でさえ、ブラックボックス効果を生んでいる企業を多く見てきました。例えば、ある企業では リードタイム に基づき、99.9% のサービスレベルを入力しても、実際の測定では97%に留まっているという状況です。つまり、システムに入力する設定値(例:99.9)と、実際に得られる結果(97)との間に奇妙な乖離が生じ、システムの内部で何が起こっているのか理解しづらいブラックボックス状態に陥っているのです。

Kieran Chandler: もしこれがこれほど広範囲に及んでいるのなら、企業はどのようにしてこれらの問題を克服しているのでしょうか?

Joannes Vermorel: 通常、彼らは大量のExcelシートを使ってこれを乗り越えます。システムから信頼できない数字が出る場合、どうなるのでしょうか?人々はERPから、信頼できる基礎データ、例えば在庫レベル、過去の売上、過去の購買注文などのデータを抽出します。そして、Excelシートがシステムと整合しているかを二重にチェックし、ブラックボックスの効果がないことを確認します。さらに、Excelシート内の数字が実際に倉庫の棚にあるものと一致しているかを再確認するのです。そして、サプライチェーン担当者が各ステップで計算をコントロールできるよう、非常に視覚的な独自の数値レシピをExcelシート内で作り上げ始めます。これがブラックボックス効果を避けるための方法です。ただし、Excelシートが年々異なるサプライチェーン担当者に渡っていくと、そのシート自体にもある程度の不透明性やブラックボックス効果が生じる可能性があります。Excelは万能解ではなく、あくまで補助的なツールにすぎません。

Kieran Chandler: では解決策について話しましょう。私たちの観察から言えば、ホワイトボクシングというアプローチは、実際には単純な安全在庫の計算式や移動平均より少し複雑な些細な数値レシピであっても、ブラックボックスとして作用します。AIがなくてもブラックボックスは成立するのです。つまり、変数が3つある任意の線形モデルは、多くの人にとって頭の中で計算することができず、結果として、そのような単純な3変数線形モデルであっても、実際にその結果を使用する人々には非常に不透明になってしまうのです。

Joannes Vermorel: より高度なもの、特にサプライチェーン固有の非線形性を捉えるものに進むと、設計上、不透明になるのは必然です。そこで必要なのは、あらかじめ得られる結果がほぼその反対であることが分かっている中で、透明性と洞察を再構築するためのプロセス、すなわちホワイトボクシングです。他に選択肢はありません。たとえ安全在庫のような単純で過度に単純化されたモデルですら不透明であるならば、確率論的予測や在庫リスクの確率的評価に基づく、より現実的なモデルがそれより不透明でないと期待することはできません。むしろ、それはもっと不透明になり、結果としては非常に正確になるのです。したがって、理解を深め、信頼を生み出し、最終的には正当な理由により人々がExcelシートを手放すようになるために、このホワイトボクシングプロセスが必要なのです。

Kieran Chandler: では、実際の運用ではどのように機能するのでしょうか?提示された結果をどのように検証し、本当のホワイトボクシングアプローチを実現しているのですか?

Joannes Vermorel: 一つの難点は、人々が指標の海に溺れやすい点です。ブラックボックスに直面したときの主な反応は「もっと多くの指標を、さらに多くのKPIを作って、もっと見せてくれ」というものですが、その結果、何十もの列を持つ巨大なテーブルができ、依然として全く不透明で非常に複雑なものになってしまいます。出発点として、意思決定を説明する際には、極めて精巧に作り込まれたほんの数個の数字が必要だということです。

まず、すべてを説明しようとしないという考え方があります。特に数値的な成果物については、計算の中間段階がどのように行われているかはそれほど重要ではなく、重要なのは最終結果、すなわちサプライチェーンに実際的な影響を及ぼす決定です。あなたは生産を増やす、追加で購入する、または在庫をある場所から別の場所へ移動すると決定します。それが最終目的であり、関心を持つべき決定なのです。

ホワイトボクシングとは、各決定に対して、例えば6個程度の数字(ドルやユーロで測定された)を提示し、その決定を説明することにあります。第二の考えは、ドルやユーロを使用するということです。なぜなら、それが全社的に意味を持つからです。例えば、製品を100単位追加購入する理由として「この製品が不足した場合、生産ラインが停止するため、在庫切れのリスクは50,000ユーロに相当する」という変数があれば、実際に購入する商品の価値以上に在庫切れのコストが高くなる可能性があるのです。こうした洞察が得られるのです。

Kieran Chandler: つまり、適用する経済的ドライバーが存在するということですね。それらは一体何なのでしょうか?経済的ドライバーは、全社的に比較可能であるため非常に有用です。つまり、ある決定に対しては6個程度の経済的ドライバーが存在し、別の種類の決定には他の経済的ドライバーがある場合、すべての計測値が互換性を持ち、リンゴとリンゴ、オレンジとオレンジを比較できなければなりません。もしリンゴとオレンジであれば、比較が困難になってしまいます。これが誤差のパーセンテージとして現れるのです。では、経済的ドライバー以外に、Lokadのアプローチはどのようにホワイトボクシングを可能にしているのでしょうか?他の手法とどのように異なるのでしょうか?

Joannes Vermorel: そのためのツールが必要ですが、ほとんどの分析システムはホワイトボクシングを十分にサポートしていません。Excelは実際、データに非常に近い位置にあるためかなり優れていますが、データの複雑さや量が増加するとすぐに限界に達します。10列未満、1000行程度ならExcelは素晴らしいのですが、数百万行、数十列を扱おうとすると、まるで巨大なスパゲッティコードのように崩壊してしまいます。Excelは限定的な規模では非常に優れていますが、複雑さに直面すると使い物にならなくなります。

多くの分析システムはExcelの特性を保持できず、データがユーザーから乖離してしまいます。そこでLokadでは、常にExcelライクな検証を行えるよう、データに非常に近い位置で動作するプログラミング言語「Envision」を開発しました。Envisionは、ダッシュボード上に数式で作成したすべての数値をプロットし、Excelと同じようにそれらを検証できる仕組みを非常に簡単に構築できます。

つまり、主要なドライバーが目立つ形で表示される高度に統合されたダッシュボードを生成できる一方で、Excelで行うように検証用の小さなタイルを多数配置し、計算が正確で中間処理が狂っていないかをチェックできるのです。

Kieran Chandler: もし私が企業で、ブラックボックス的な特徴を多く持つソフトウェアを使用している場合、何をすべきでしょうか?現状を理解するために、最初にどんなステップを踏むべきですか?

Joannes Vermorel: まず、システムに入力されるものについて徹底的なドキュメントを作成する必要があります。通常、そのようなドキュメントは存在しません。ここで言うドキュメントとは、IT関連のものではなく、サプライチェーンやビジネスに基づいた1ページ程度のテーブル形式の説明書のことです。

Kieran Chandler: ご存知の通り、クライアントと業務を行う際、各フィールドに1行の説明があれば理想的なのですが、普通は20のテーブルに対して各テーブル20のフィールドがあり、テーブルごとにせいぜい1行の説明しかないのが現状です。各フィールドに対して1ページの説明が必要です。これが大半の企業の出発点となるべきであり、システムへの入力が完全に文書化されていなければ、結果的に「ごみ入力、ごみ出力」となってしまいます。

Joannes Vermorel: 第二に、データ集計層や分析層が、Excelと同様の敏捷性を持っているかを確認する必要があります。つまり、数行のコードやステートメントで、論理をデバッグするために必要な簡単なレポート用の列を追加できるようにするのです。残念ながら、Excelと同様に数式などを使うため、ある程度のコーディングは避けられません。しかし、数行のコードでこれらの列を作成できるのであれば問題ありません。もし、中間計算を二重にチェックするためにExcelのように列を生成できる柔軟なプロセスをサポートするシステムがなければ、基本的に行き詰まってしまい、ブラックボックスの核心にたどり着くことはできなくなります。

ですから、この段階では、敏捷性を提供する層が存在しない場合、分析層を変更する必要があります。次に、非常に優れた経済的ドライバーの作成に取りかかることです。「非常に優れている」とは、各ドライバーが他のドライバーから可能な限り独立している必要があるということです。つまり、非常に直交的なものにしなければなりません。もし、文字通り直交する複数の指標を作り出せなければ、同じ事象を何度も見てしまい、誤った判断に導かれる危険性があります。

これは難しい部分ですが、たとえば「100ユーロのコストまたは報酬」を示す経済指標を見る際、それが他の「100ユーロの報酬またはコスト」を示す指標からできるだけ独立していることを確認する必要があります。

Kieran Chandler: つまり、重要な点は入力と出力をしっかり理解し、さらに経済的ドライバーを定義することにあるのですね。最後に、なぜホワイトボクシングがこれほど重要なのでしょうか?

Joannes Vermorel: ホワイトボクシングが非常に重要なのは、これがなければサプライチェーンの最適化に向けたすべての努力が無駄になってしまうからです。システムから出る結果が正当であるという安心感を全員に与えるホワイトボクシングプロセスがなければ、人々は当然の理由でExcelシートに頼り返すでしょう。つまり、人々は賢明な判断として、その結果を信用せず、Excelシートに依存するのです。残念ながら、Excelシートはシステムの狂気に対する必要悪とも言える解決策なのです。ホワイトボクシングは必須であり、これがなければサプライチェーン担当者のチームがすぐにExcelシートを放棄することは期待できません。彼らがExcelシートを使い続けることで、狂ったシステムを信用するよりも会社を守っていると言えます。

Kieran Chandler: 多くのアナリストがExcelが狂気をもたらすと考えていたとは誰が予想したでしょうか。しかし、というわけで、今週はこれで全てです。貴重なお時間をいただき、ありがとうございました。また来週お会いしましょう。ご視聴ありがとうございました。