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の問題。
00:02:20 AIの台頭と複雑な数値計算レシピがブラックボックスの問題を悪化させる。
00:03:59 旧来のERPシステムと現代のシステムの違い、およびブラックボックスの問題との関係。
00:06:10 ブラックボックスの問題とその企業への影響の実世界の例。
00:07:36 エクセルシートを使用してブラックボックスの問題を克服する企業の取り組み。
00:09:06 透明性と洞察のためのホワイトボックス化の概念。
00:11:27 決定を説明するためにいくつかのよく設計された数値を作成することの重要性。
00:14:17 意思決定に経済ドライバーを使用する利点。
00:15:28 エクセルの複雑なデータ処理の制約とより良いツールの必要性。
00:17:36 ゴミのような出力を避けるためにシステム入力の詳細なドキュメンテーションの重要性。
00:18:47 中間計算をサポートするアジャイルなデータ処理レイヤーの必要性の探求。
00:20:08 誤解を招かないように独立した経済ドライバーを作成する重要性。
00:21:09 ホワイトボックス化の重要性と透明なプロセスの欠如の結果。
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「ホワイトボックス化」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技術を組み込むことでより不透明になることがあります。Vermorelは、従来のERPシステムはゼロインテリジェンスで設計されていることが多く、この不透明性に寄与していると主張しています。Lokadのホワイトボックス化アプローチは、いくつかの注意深く作成された数値に焦点を当て、経済ドライバーなどの企業全体のメトリクスを使用することで透明性を再現することを目指しています。Lokadのプログラミング言語であるEnvisionを使用することで、サプライチェーン最適化プロセスにおいて透明性を維持するお手伝いをしています。ホワイトボックス化を受け入れることで、サプライチェーンシステムへの信頼を築き、全体的な効率を向上させることができます。
拡大要約
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企業であるLokadの創設者であるJoannes Vermorelと「ホワイトボックス化」の概念について話し合っています。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」の問題の説明から始まります。これは、内部の動作を理解せずに入力と出力を観察できるシステムを指します。これは、さまざまな産業での人工知能の普及に特に問題があります。
Vermorelは、サプライチェーンは多くの人々、製品、場所を含む複雑なシステムであると説明しています。この複雑さにより、関係者がサプライチェーンの動作を完全に把握することは困難になります。ソフトウェアの追加、特に特に「スマート」ではない基本的なソフトウェアの追加は、この不透明性をさらに悪化させることができます。この問題は、高度な数値計算レシピやAI技術が導入されるとさらに複雑になり、組織内の関係者がこれらのシステムによって生成される数値や結果の意味を理解することがますます困難になります。
Vermorelによる定義によれば、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特定することの困難さを指します。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、それにどの要素が寄与したのかを理解することが難しいということを意味します。
Vermorelによれば、ブラックボックスの問題はサプライチェーン業界で広く見られます。従来の企業資源計画（ERP）システムや他の古い技術は、データベースの効果的な関係スキーマの設計の困難や、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単純かもしれませんが、組み合わせると混乱と複雑さを引き起こすことがあります。適切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、不透明性をさらに増大させます。
これらのシステムに高度な数値計算レシピやAI技術を導入すると、不透明性が急増することがあります。これにより、サプライチェーンに関与する人々が生成される数値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、異なるシステムで在庫値を手動で確認することが可能であったかもしれません。しかし、複雑な数値計算レシピが追加されると、このような検証はますます困難になります。
Vermorelは、従来の企業資源計画（ERP）システムは、計画よりも管理に関するものであり、通常はゼロの知能で設計されていると説明しています。一部のベンダーがAIと呼ぶ高度な数値計算レシピは、通常、ERPシステムの上に重ねられており、プロセス全体をより不透明にしています。
実際の例では、Vermorelは、安全在庫などの単純な計算でもブラックボックスの効果が生じることを観察しています。たとえば、企業が99.9%のサービスレベルを入力したが、実際のサービスレベルは97%にとどまった場合、入力と出力の間の不一致はシステムの内部動作の理解の欠如につながります。企業は通常、この問題を解決するためにExcelシートを使用し、ERPシステムから基礎データを抽出し、独自の数値計算レシピを作成して計算を制御します。
Vermorelが説明するように、ホワイトボックス化のアプローチは、複雑なサプライチェーンのシナリオに適用された場合でも、単純なモデルでも不透明になる可能性があることを認識しています。ホワイトボックス化の目標は、これらのモデル内で透明性と理解を再現することです。透明性を再現するための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。
ホワイトボックス化のアプローチの課題の1つは、メトリクスや指標の過剰な量です。ブラックボックスモデルに直面した際、企業はしばしばより多くのKPIや指標を要求しますが、これはさらなる複雑さと不透明性につながる可能性があります。Vermorelは、モデルによって行われた決定を説明するために、いくつかの注意深く作成された数値に焦点を当てることを提案しています。
ホワイトボックス化の目標は、生産、購買、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決定の最終結果に対する説明を提供することです。このため、プロセスでは、これらの決定を説明するいくつかの数字を考慮し、ドルやユーロで測定されることが最も企業全体で意味をなすとされる単位で説明します。エンドゲームに焦点を当て、企業全体のメトリクスで決定を説明することにより、ホワイトボックス化のアプローチはサプライチェーンの最適化において理解と透明性を生み出すのに役立ちます。
Vermorelは、ストックアウトのリスクが生産ラインの停止につながる場合、購入するアイテムの価値よりもはるかに高くなる可能性があると説明しています。これに対処するため、Lokadは経済的なドライバを適用して意思決定を行います。これらのドライバは、会社全体での比較が可能になるため、同じメトリクスを使用して意思決定が行われることを保証します。
従来のサプライチェーン最適化技術の課題の一つは、多くの解析システムがブラックボックスであることです。これに対して、Lokadのアプローチはホワイトボックスをサポートしており、ユーザーはシステムの内部動作を理解し、出力を検証することができます。Vermorelは、Excelが小規模なホワイトボックシングには効果的なツールであると指摘していますが、大規模なデータセットや複雑な計算に対処する際には苦労すると述べています。
この制約に対処するため、LokadはEnvisionという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近い状態を保ち、検証を行い、ダッシュボードを生成することができます。これにより、サプライチェーン最適化プロセスの透明性を維持することができます。
ブラックボックス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はシステムの入力についての徹底的なドキュメンテーションから始めることをお勧めしています。多くの場合、企業はデータ入力の文書化が不十分であり、ゴミの入力によるゴミの出力の状況になってしまいます。次のステップは、システムの解析レイヤがExcelと同様に柔軟性を持つことを確認することです。これにより、ユーザーは列を追加し、ロジックを簡単にデバッグすることができます。
これらの前提条件が満たされたら、企業はできるだけ互いに独立した良い経済的なドライバを作成することに焦点を当てるべきです。これにより、意思決定プロセスでの二重計上や重要な要素の見落としなどのリスクを回避することができます。
ホワイトボックシングはサプライチェーン最適化において重要であり、システムの結果の妥当性を保証します。もし人々がシステムを信頼しなければ、彼らはExcelシートに頼ることになります。これはVermorelが「システムの狂気」に対する必要な防御策として説明しています。ホワイトボックシングを受け入れることで、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築き、全体的な効率を向上させることができます。
フルトランスクリプト
Kieran Chandler: 今日のLokad TVでは、ホワイトボックシングとして知られるソリューションについて話し合います。では、ジョアネス、まずはブラックボックスの問題から始めましょう。ブラックボックスとは何ですか？そして、ここでの問題は何ですか？
Joannes Vermorel: サプライチェーンは多くの人々が関与し、多くの製品や場所が関係している複雑なシステムです。最初から、それは非常に複雑な問題であり、その複雑さにより、既にその困難さが生じています。全体を把握するのは非常に難しいです。そして、その中にソフトウェアのレイヤを追加すると、問題はさらに悪化します。私は、サプライチェーンのITの配管部品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について話しているだけですが、それでも別の透明性のレイヤが作成されます。今、何が起こっているかというと、一部のベンダーがAIを宣伝していますが、私はサプライチェーンのためのスマートで高度な数値レシピと考える方が好きです。ソフトウェアの中に非自明な数値レシピを追加すると、実際にサプライチェーンを駆動しているソフトウェアの中に新たな透明性のレベルが生まれます。
Kieran Chandler: そこで、透明性というキーワードを挙げましたが、透明性について詳しく説明していただけますか？
Joannes Vermorel: 透明性とは、サプライチェーンで働いている組織の人々にとって、数値が正確に何を意味しているのか、それがどこから来ているのか、なぜその値がこの値に設定されているのか、別の値に設定されていないのかを把握するのが非常に難しいことを指します。透明性は、サプライチェーンを調査する際に、事柄の本質に迫るのがいかに困難であるかを反映しています。
Kieran Chandler: つまり、結果がシステムから出てきても、それがどこから来たのかよくわからないというブラックボックスの問題について話しているわけですね。この問題はどれくらい広範に存在していますか？サプライチェーン業界でよく見られるものですか？
Joannes Vermorel: はい、私は古いERPやITシステムはさまざまな理由で非常に不透明であったと言えます。当時は、データベースのための良い関係スキーマを設計することが非常に難しかったため、内部のセットアップは少し乱雑になることがあります。複雑なサプライチェーンで統合されていない多くのシステムが存在するため、それらをすべて組み合わせると、かなりの混乱と、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生じます。これにより、個々には比較的単純なシステムから新たな透明性が生まれます。そして、数値レシピを組み合わせると、数値の正確性を検証することが非常に困難になります。
Kieran Chandler: 在庫の値を中央システムで確認し、リモートの場所での在庫の値をリモートのシステムで確認する、ということではありません。これらの種類のチェックを行うのは、時には難しいことがあります。ただし、数値レシピが関与しない限り、それは可能です。線形回帰モデルが絡んでくると、何かを再現することさえ困難になり、何が起こっているのかを理解することも難しくなります。だから、おそらくこれが古いERPシステムとより現代的なシステムの違いなのでしょう。私たちは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？それがなぜこのブラックボックスアプローチが起こっているのでしょうか？
Joannes Vermorel: 典型的には、これらの高度な数値レシピはERPに存在しません。ERPは、その名前にもかかわらず、企業資源計画とはほとんど関係ありません。それはすべて管理に関するものです。したがって、通常はゼロの知能で実装される企業資源管理があります。資産を追跡したいだけで、上には分析のレイヤーがあります。しかし、その分析のレイヤーの中には、一部のベンダーがAIと呼ぶかもしれない高度なレシピが存在し、それにより非常に不透明になります。
Kieran Chandler: これらのブラックボックスの問題が企業にどのように影響を与えているのか、実際の例を教えていただけますか？
Joannes Vermorel: 実際の世界では、ブラックボックス効果を引き起こすためにAIは必要ありません。もっと単純なことでも、広範なブラックボックス効果が生じています。私は、需要が正規分布であると予測し、リードタイムにも同じことが当てはまると仮定した場合に必要な在庫量であるセーフティストックの計算という、単純なことさえも多くの企業でブラックボックス効果が生じているのを見てきました。彼らは「99.9パーセントのサービスレベルを入力しているのに、実際には97パーセントのサービスレベルしか得られていない」と言います。したがって、システムに入力した設定（99.9など）と、実際に得られる結果（97）との間に奇妙な不一致が生じます。これは、ブラックボックスが存在し、何が起こっているのかを理解できない状況です。明らかに、システムの出力は、システムから期待されるものと一致していません。したがって、このブラックボックス効果に直面しています。
Kieran Chandler: これが広範に広がっているのであれば、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、彼らはエクセルシートをトラックロードで克服します。システムから信頼できない数値がある場合、人々はERPから基礎データを抽出します。在庫レベル、過去の販売データ、過去の発注データなど、信頼できる基礎データです。彼らはエクセルシートがシステムと整合していることをダブルチェックし、ブラックボックス効果がないことを確認します。さらに、エクセルシートの内容が倉庫の棚に実際にあるものと一致していることもダブルチェックします。そして、供給チェーンの専門家が計算の各ステップで制御できるエクセルシート自体で、独自の数値レシピを作成し始めます。それは非常に視覚的です。これにより、ブラックボックス効果から遠ざかろうとします。ただし、エクセルシートが数年にわたって供給チェーンの専門家から別の専門家に渡されると、エクセルシート自体にある程度の不透明性とブラックボックス効果が生じることがあります。エクセルは銀の弾丸ではありません。ただ助けになるだけです。
Kieran Chandler: ソリューションについて話しましょう。ホワイトボックスアプローチ、つまりホワイトボックスは実際には、私たちの観察から、いくつかの些細な数値レシピ、単純な安全在庫の計算式や移動平均よりも少し複雑なものでさえ、ブラックボックスです。ブラックボックスを得るためにAIは必要ありません。3つの変数を持つ線形モデルでさえ、ほとんどの人は頭で計算できません。したがって、3つの変数を持つ線形モデルのような単純化されたモデルでも、このモデルの結果を実際に使用している人々にとっては非常に不透明になります。
Joannes Vermorel: サプライチェーンにある非線形性を捉えるような、よりスマートなものに移行すると、デザイン上、それは非常に不透明になります。必要なのは、私たちがホワイトボックスと呼ぶプロセスであり、デフォルトでは逆の結果が得られることを知っていることを前提として、透明性と洞察力を再現するプロセスです。他に選択肢はありません。安全在庫のような単純化されたモデルですら不透明である場合、在庫の確率的予測とリスクの確率的評価に基づくより良い、現実的なモデルは、それよりも不透明になります。むしろ、それはより不透明になります。したがって、私たちはこのホワイトボックスプロセスが必要であり、理解を生み出し、信頼を生み出し、最終的にはExcelシートを放棄する理由を持つ人々になる必要があります。
Kieran Chandler: では、実際にはどのように機能しますか？与えられた結果をチェックする方法と、本当のホワイトボックスアプローチを持つ方法は何ですか？
Joannes Vermorel: 1つの難しい側面は、メトリクスの海に溺れることが非常に簡単であるということです。ブラックボックスに直面しているとき、主な反応は「もっと指標を作成してください、もっとKPIを作成してください、もっと見たいです」と言うことです。しかし、それを行うと、まだ完全に不透明で非常に複雑な数十の列を持つ巨大なテーブルになります。出発点は、意思決定を説明するために非常にうまく作り上げられた数値がいくつか必要であると言うことです。
まず、1つの考え方は、特に数値のアーティファクトについてはすべてを説明しようとしないことです。計算の中間ステップについては本当に気にしません。気にするのは最終的な結果であり、サプライチェーンに物理的な影響を与える意思決定です。生産するか、もっと購入するか、在庫を別の場所に移動するかを決定することです。それが最終目標であり、それが関心のある意思決定です。
ホワイトボックスは、各意思決定ごとに、おそらく半ダースの数字を持つことに関してです。これらの数字は、ドルまたはユーロで測定され、これらの意思決定を説明します。第2の考え方は、ドルとユーロを使用することです。なぜなら、それが会社全体でより意味をなすからです。製品の100個の追加購入の理由を知り、在庫切れのリスクが5万ユーロであるという変数がある場合、「このものがなくなると、生産ラインが停止するため、在庫切れのコストは購入するものの価値よりもはるかに高くなる可能性があります。」これらは人々が得る洞察です。
Kieran Chandler: したがって、これらの経済的な要素が適用されます。それについてはどうですか？経済的な要素は非常に有用です。なぜなら、会社全体で比較可能だからです。問題は、1つの意思決定には半ダースの経済的な要素があり、他のタイプの意思決定には他のタイプの経済的な要素があるため、すべての測定値が互換性があるようにする必要があることです。リンゴとオレンジがある場合、どちらがどちらかわからなくなります。これがすべての誤差の割合で起こっていることです。経済的な要素以外に、Lokadのアプローチは他の技術とどのように異なるのですか？
Joannes Vermorel: それにはツールが必要であり、ほとんどの分析システムはホワイトボックスをサポートするのに非常に優れた仕事をしていません。Excelは実際には非常に優れていますが、データに非常に近い状態にとどまることができますが、データの複雑さとボリュームが増えると崩壊します。Excelは、10列未満と1000行未満のデータに対しては非常に優れています。しかし、数百万行と数十の列を処理し始めると、Excelスプレッドシート内の巨大なスパゲッティコードベースのようになります。Excelは、規模が制限されている場合に非常に優れていますが、複雑さに直面すると崩壊します。
多くの分析システムはExcelの特性を保持できず、データはユーザーから非常に遠くなります。Lokadでは、Envisionというプログラミング言語を開発しました。この言語の名前には「ビジョン」という言葉が含まれており、このプログラミング言語では常にデータに非常に近い状態を保つ必要があるという考えから派生しています。Envisionを使用すると、Excelのようなバリデーションを常に行うため、数式を作成してダッシュボードにプロットすることが非常に簡単になります。これにより、Excelで行っていたように、数値を確認することができます。
アイデアは、主要なドライバーが目立つように表示される高度に複合的なダッシュボードを生成できるというものですが、Excelで行うように、すべてのチェックを含む多くの小さなタイルを持つことができます。これにより、計算が正しいかどうか、中間ステップが完全に狂っていないかを確認できます。
Kieran Chandler: もし私が企業で、そのソフトウェアが多くのブラックボックスの特性を示している場合、私は何をすべきですか？何をすべきですか？何が起こっているかについての理解を向上させるための最初のステップは何でしょうか？
Joannes Vermorel: まず、システムに入力されるものについての徹底的なドキュメントが必要です。通常、ドキュメントは存在しません。明確にするために言うと、ITのドキュメントではなく、サプライチェーンやビジネスに関連するドキュメントについて話しています。
Kieran Chandler: クライアントと一緒に作業すると、フィールドごとに1行のドキュメントがあれば、私たちは満足しています。通常、20のテーブルがあり、各テーブルに20のフィールドがあり、テーブルごとに1行のドキュメントがほとんどありません。フィールドごとに1ページのドキュメントが必要です。したがって、おそらくほとんどの企業にとっては、システムの入力を完全に文書化することが出発点になるでしょう。そうしないと、ゴミが入力され、ゴミが出力されます。
Joannes Vermorel: 2番目のことは、データのクランチングレイヤーや分析レイヤーがExcelのような柔軟性を提供しているかどうかを確認することです。つまり、いくつかのステートメントやコードの行で、ロジックをデバッグするために必要な簡単なレポート列を追加できるようにすることです。残念ながら、Excelと同様に、数式などが関与するため、コーディングが必要です。しかし、わずか数行のコードで、これらの列をすべて持つことができます。Excelのように中間計算をダブルチェックするための列を作成できるような、このようなアジャイルなプロセスをサポートするシステムがない場合、基本的にはゲームオーバーです。ブラックボックスの底にたどり着くことは決してありません。
したがって、おそらくこの段階では、アジャイル性を提供するレイヤーがない場合は、分析レイヤーを変更する必要があります。次に、非常に優れた経済ドライバーを作り始めることです。そして、非常に優れたとは、各ドライバーが他のドライバーとできるだけ独立している必要があるということです。非常に直交したものを持つことが望ましいです。危険なのは、文字通り直交していないものを反映している一連の指標を作成できない場合であり、その場合、同じものを複数回見て、誤解される可能性があります。
それは難しい部分ですが、経済指標を見るときに、€100のコストまたは報酬を示すものは、他のドライバーとできるだけ独立していることを確認したいと思います。
Kieran Chandler: したがって、キーポイントは、入力と出力を理解し、経済ドライバーを定義することです。最後に、なぜホワイトボックシングが非常に重要なのですか？
Joannes Vermorel: ホワイトボックシングは非常に重要です。そうでなければ、サプライチェーンの最適化に関するすべての取り組みが無駄になります。人々は、理にかなった理由で、Excelシートに戻るでしょう。なぜなら、ホワイトボックシングプロセスがない場合、それらのシステムから出てくる結果が正常であることを保証してくれないからです。その結果、あなたの結果が正常ではないという可能性は圧倒的に高いです。人々は正常なことをします。つまり、それらの結果を信頼せずにExcelシートに戻ります。Excelシートは、残念ながら、システムの狂気に対する必要な解決策です。ホワイトボックシングは必要です。さもなければ、サプライチェーンの専門家チームがExcelシートをすぐにやめることは期待しないでください。彼らはやめませんし、それをやらないことで、あなたの会社を守っています。狂ったシステムを信頼することは、Excelシートで時間を無駄にするよりもはるかに悪いです。
Kieran Chandler: そして、多くのアナリストがExcelは狂気を引き起こすと考えていたことを誰が知っていましたか。それでは、今週は以上です。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。
