00:00:07 サプライチェーン科学と数値レシピの作成。
00:03:21 アルゴリズムと数値レシピの違い。
00:05:21 数値レシピがアルゴリズムに比べてサプライチェーンの曖昧な問題を解決するのに適している理由の説明。
00:06:00 アルゴリズムがソフトウェア企業に存在し、現実世界の問題の歪んだビジョンを持つ危険性についての議論。
00:07:48 機械の単一のねじの最適化とサプライチェーンの大きな問題の比較。
00:08:02 数値レシピの重要性についての議論。
00:08:54 アルゴリズムと数値レシピの客観性の比較。
00:09:44 数値レシピの主観性がサプライチェーン科学者の専門知識を重要とする理由の説明。
00:13:02 解決策を問題に合わせ、エラーの可能性を最小限に抑える重要性。
00:15:52 ミスを防ぎ、解決策の品質を向上させるためのプロセスとツールの必要性についての議論。
00:17:16 数値レシピに起こりうる問題の説明。
00:18:07 サプライチェーン業界の企業が数値レシピを通じて運営する方法についての議論。
00:20:01 サプライチェーンの問題を解決するためのツールが不適切であるという批判。
00:22:00 数値レシピの重要性：サプライチェーンの問題においておおよそ正確であり、アジャイルであること。
概要
ロカドの創設者であるジョアネス・ヴェルモレルは、サプライチェーン最適化における数値レシピの概念についてのインタビューで、アルゴリズムや機械学習が客観性や問題と解決策の明確な境界線を与える誤った印象を与える可能性があると主張しています。数値レシピは、現実世界のサプライチェーンの複雑さと変化に対応するためのより良いアプローチだと彼は述べています。ヴェルモレルは、アライメント、設計による正確さ、ミスを防ぎ、サプライチェーン最適化の成功を保証するための良いツールの重要性を強調しています。彼は数値レシピがサプライチェーンの予測不可能な世界での成功に不可欠だと信じています。
詳細な概要
このインタビューで、Kieran Chandlerとロカドの創設者であるジョアネス・ヴェルモレルは、サプライチェーン最適化における数値レシピの概念について議論しています。ヴェルモレルは、1980年代に出版された成功した書籍「Numerical Recipes」からこの用語を借用したことを説明しており、問題解決に対する独自の視点を提供しています。
彼は、サプライチェーン管理における問題解決は、明確に定義された問題と解決策を持つだけでは単純ではないと強調しています。代わりに、使用される解決策のタイプが問題を形作り、それらの間にはトレードオフやフィードバックループが存在すると述べています。ヴェルモレルは、「数値レシピ」という用語が、サプライチェーン最適化で使用されるアプローチをより適切に表現しており、これらの解決策の固有の複雑さと適応性を認識していると考えています。
ヴェルモレルは、アルゴリズム、機械学習、およびその他の用語が客観性と問題と解決策の明確な境界を与えるという誤った印象を与えることを説明しています。しかし、実際には、現実のサプライチェーンはより複雑で「泥だらけ」した状況を示しています。彼は、問題の明確さと数学的な特性を持つソートアルゴリズムの明確さと、交渉、変化する状況、および他の現実世界の要素を含むサプライチェーンの問題の曖昧さとの対比を説明しています。
たとえば、サプライチェーンにおける最小発注数量（MOQ）は、物理的な法則のように固定されているわけではなく、サプライヤーとの交渉の結果です。もしもMOQが問題を引き起こす場合、企業はより有利な取り決めを交渉することができるかもしれません。スマートな数値レシピは、これらの現実世界のオプションを捉えることができ、従来のアルゴリズムよりもサプライチェーンの問題に対処するための適切なアプローチとなります。
Lokadはソフトウェアスタックで多くのアルゴリズムを使用しているものの、ヴェルモレルはアルゴリズムに完全に依存することが現実のサプライチェーンの問題の歪んだ理解につながる可能性があると主張しています。特に、コンピュータサイエンスやソフトウェアエンジニアリングの形式的な教育を受けた人々にとっては、従来のアルゴリズムは明確に定義された問題と明確な出力に適していることが多く、数値レシピはより適応性があり、サプライチェーンの複雑で変化する性質に適していると述べています。
ヴェルモレルは、数値レシピの概念がサプライチェーン最適化で使用される方法をより適切に表現しており、それらの適応性と現実世界のサプライチェーンの問題に固有の複雑さと曖昧さを扱う能力を認識しています。このアプローチは、問題と解決策の間のトレードオフとフィードバックループの重要性を認識し、サプライチェーン管理のより微妙な理解を可能にします。
彼らはサプライチェーン最適化の課題とサプライチェーンサイエンティストの役割について議論しました。ヴェルモレルは、数十年にわたる研究にもかかわらず、サプライチェーン最適化のためのソートアルゴリズムにはまだ利点と欠点があると説明しています。彼は、単一のコンポーネントが最適化されていても、全体のシステムの効率が保証されるわけではないという複雑な機械のメタファーを使用しています。
ヴェルモレルは、現実のサプライチェーンの問題はしばしば厳密に定義されたアルゴリズムではなく、数値レシピを必要とすることを指摘しています。これらのレシピは、サプライチェーンサイエンティストによって作成され、その専門知識が解決策の作成に重要な役割を果たしています。アルゴリズムは客観的で数学に基づいていますが、ヴェルモレルは数学においてもエレガンスのような概念が主観性に影響を与えることを認めています。
数値レシピに関して、ヴェルモレルは、現実の一部の側面は数学的な枠組みには収まりきらないほど複雑であると主張しています。高度な統計的手法はデータからパターンを抽出することができますが、判断が必要な場合もあります。たとえば、サプライチェーンサイエンティストは、過去の販売履歴に先例がないかもしれない独自の状況に基づいて意思決定をする必要があります。ヴェルモレルは、これを料理の芸術になぞらえ、さまざまなスキルレベルのシェフが高度に主観的であるにもかかわらず優れたものまたは劣ったものとされる料理を作ることがあると述べています。
異なるクライアントや業界間で品質を維持するという課題について話し合う中で、ヴェルモレルは考慮すべき複数の視点があることを認めています。その一つは、エンジニアがビジネスを裏切らないようにすることです。彼らは洗練されたように見える数式を作成するかもしれませんが、根本的な問題に対処していないかもしれません。
ヴェルモレルは、解決すべき問題と適用される数量モデリングの間に整合性があること、および日々のミスを最小限に抑えるツールがあることの重要性について説明しています。彼は、設計による正確さが重要であり、終末的なミスを防ぐためにも重要であり、人々が賢くなるには疲れすぎている場合でも、賢明な決定をすることができると強調しています。ヴェルモレルはまた、Lokadの成功の半分は数量的なサプライチェーンイニシアチブを展開する方法を知っていることによると述べています。
ヴェルモレルは、サプライチェーン業界の企業が数値的なレシピを用いて運営しているが、多くの企業はまだ古典的なアルゴリズムベースのアプローチに固執していると指摘しています。彼は、スプレッドシートがサプライチェーンのモデリング方法を理解する具体例である一方で、不確実性や多段階のサプライチェーンに対応するのには適していないと述べています。ヴェルモレルは、ツールが不適切で主観的であり、狭義の数値的なレシピが含まれていると批判しています。彼は、企業が数値的な安定性の問題を防ぐために多くのプロセスを設計する必要があると考えています。これらの問題は工場や倉庫を停止させる可能性があります。
ヴェルモレルは、サプライチェーンの最適化において、整合性、設計による正確さ、良いツールの重要性を強調しています。また、スプレッドシートの制約や不確実性、多段階のサプライチェーンに対応するためのより良いツールの必要性も指摘しています。
彼は、現代の企業が数値的なレシピを用いて運営しているが、サイロなどの不適切なツールやプロセスに直面することが頻繁にあると主張しています。ヴェルモレルは、数値的なレシピは必要不可欠であり、サプライチェーンの問題に関与する際には適切な考え方であると考えています。彼は、数値的なレシピは純粋さを持たず、電磁気方程式のように非常に純粋で厳密ではないと説明しています。サプライチェーンは複雑であり、数百の半偶発的な条件や要素が必要です。ヴェルモレルは、レシピのように多様性を持ち、変化する条件に対応できるものを持つことの重要性を強調しています。彼は、トップシェフが材料の不足、短い納期、変化する制約に対応し、即興できる能力と比較していますが、彼らの狂気には常に方法があります。ヴェルモレルは、Lokadではサプライチェーンの混乱に対処する方法を育成していると説明しています。エピソードの主な結論は、数値的なレシピは、予測できないサプライチェーンの世界で正確に間違うよりもおおよその正しさを持つことが重要であるという考え方を具現化しているため、不可欠であるということです。結論として、ヴェルモレルは、変化する条件と制約に対応できる多様性のある数値的なレシピを持つことがサプライチェーン業界での成功の鍵であると主張しています。
フルトランスクリプト
キーラン・チャンドラー: こんにちは、ミシュランスターシェフのように、サプライチェーンの科学者はあらゆるシナリオに適応し進化するレシピを作成しなければなりません。そのため、今日はこれらのレシピを作成するために必要な要素、特に私たちがサプライチェーンで使用しているレシピの特徴について調査していきます。では、ジョアネス、私たちは以前に「数値的なレシピ」という用語を何度か使用してきましたが、なぜそれを再訪することが重要だと思いましたか？
ジョアネス・ヴェルモレル: この用語は、80年代に「Numerical Recipes」という非常に成功した本を書いた人々から盗んだものです。それは問題を見る方法について特定の考え方を強調しています。問題には通常、解決策がありますが、現実はそれほど単純ではありません。解決策のタイプは、文字通り問題を形作り、それらの間には相互作用があります。解決策のアプローチ方法に応じて、問題に取り組む方法にはトレードオフがあります。
ジョアネス・ヴェルモレル: 私たちは、実際のサプライチェーンを運営する企業に数値的な結果を提供したいと考えています。アルゴリズムや機械学習などといった他の用語を使用すると、問題と解決策に重点が置かれ、同じ問題に対して競合する解決策が存在することが強調されます。しかし、実際のサプライチェーンに結果を提供する場合、全体的にははるかに曖昧なプロセスです。多くの困難がある偶発的なプロセスです。最終的に得られるのは数値的なレシピであり、結果を得るための数値計算の連鎖を記述しています。
キーラン・チャンドラー: なぜアルゴリズムのようなものでは説明できないのですか？つまり、アルゴリズムが見落としているのは何ですか？
ジョアネス・ヴェルモレル: 私は「レシピ」という用語を使っているのは、これがアルゴリズムではないことを明確にするためです。コンピュータサイエンスや機械学習のバックグラウンドを持つ人々にとっては、教科書や授業でアルゴリズムについて学んだことがあるでしょう。アルゴリズムの典型例であるソートアルゴリズムを取り上げましょう。順序関係を持つオブジェクトのコレクションがあり、それらを明確に定義された手順の系列でソートすることができます。最終的に、コレクションはソートされ、アルゴリズムにはメモリ消費量や複雑さなどの特性があります。
様々な特性を持つソートアルゴリズムがあります。いくつかは決定論的であり、いくつかは確率的であり、データがすでに部分的にソートされている場合に非常に優れています。しかし、サプライチェーンの最適化には、数値的なレシピのように適応性と柔軟性が必要です。剛性のあるアルゴリズムではなく。
キーラン・チャンドラー: ソートアルゴリズムは、完全に曖昧でない問題文がある非常に明確な状況です。要素のコレクションを順序関係に基づいてソートしたい場合、数学的な明確さがあります。一方、実際のサプライチェーンの解決する必要がある問題の種類について考えると、非常に曖昧です。最小注文数量（MOQ）があるということは、物理法則のようなものではありません。それはサプライヤーとの交渉の結果です。したがって、もし数値的にMOQが本当に問題であると証明された場合、サプライヤーと電話をして、中間的な解決策を取り決めることができるかもしれません。つまり、賢い数値的なレシピは、現実世界に存在するこの種のオプションを捉えるかもしれませんが、それには結晶のような純粋さはありません。
ジョアネス・ヴェルモレル: まさにその通りです。Lokadでは、間違いなく、アルゴリズムを大量に使用しています。他の真剣または半真剣なソフトウェア会社と同様にです。Lokadスタックは文字通り非常に長いアルゴリズムの連鎖です。Lokadをドメイン固有のプログラミング言語であるEnvisionを中心に設計したため、コンパイラはスクリプト自体を抽象的な表現に変換し、実行するためのコンパイルされたプログラムの実行の連鎖まで、終わりのないアルゴリズムの連鎖です。つまり、アルゴリズムはどこにでも存在しています。
ここでの危険性は、単純な還元主義と同様であり、教養のない聴衆には危険ではありません。もしもあなたがコンピュータサイエンスの修士課程を修了したことがない特権を持っているか、ソフトウェアエンジニアのプロフェッショナルではない場合、これはあなたが直面するような問題ではないでしょう。しかし、もしもあなたがこれらのことに非常に精通している場合、クラスで教えられたことやコンピュータサイエンスのほとんどの本で読んでいることは、実際のサプライチェーンにおける問題の本当の姿を非常に歪めたものになっています。
アルゴリズムは非常に有用であり、Lokadが完全に理解されている利点と欠点を持つソートアルゴリズムのコレクションに依存できることは良いことです。これは、この小さな問題に対するさまざまな次元の包括的なマッピングを数十年にわたる研究によって実現されています。しかし、それだけです。まるで非常に複雑な機械であり、小さな歯車に完璧さを実現しているようなものです。ですから、もしもあなたが1つのネジを見て、「このネジには最適な金属は何ですか？」と言ったとしても、問題が非常に明確で狭いため、すべての制約に対して完全に最適なこのタイプの鋼を使用する必要があるという答えが得られるかもしれません。
Kieran Chandler: では、ジョアネス、サプライチェーンの最適化について話しましょう。サプライチェーンの最適解を見つけることは本当に可能なのでしょうか？
Joannes Vermorel: それはいい質問ですね、キーラン。サプライチェーンの一部を最適化することはできますが、例えば機械の中でネジが正しい位置にあるだけでは、大きな問題を解決するには十分ではありません。大規模なセットアップの細部をすべて考慮する必要があり、すべてを組み合わせると本当に意味があります。サプライチェーンの問題を解決するために現実世界に入ると、アルゴリズムではなく数値レシピになります。物事を作り上げる人の強調点と態度は同じではありません。
Kieran Chandler: なるほど。数値レシピを作成している実際の人物についてもう少し話しましょう。彼らのスキルと専門知識にどれだけ頼っていますか？
Joannes Vermorel: 実際にはかなり頼っています。それは無視してはならないものです。アルゴリズムを見ると、それは完全に客観的であり、証明と明確な数学的枠組みを持つものと言えます。アルゴリズムは数学の一分野であり、客観性の頂点です。しかし、主観性は数学の中でも非常に存在します。数値レシピに移ると、すべてを客観化するという考え方ですが、これは単なるナイーブな合理主義の別の悪い例だと私は考えています。現実は私たちが知っているどのような数学的枠組みにも収まりきらないほど複雑です。
Kieran Chandler: なるほど、言いたいことがわかります。では、判断を下さなければならない状況はありますか？
Joannes Vermorel: はい、判断を下さなければならない状況はたくさんあります。例えば、販売履歴に事前の例がない場合に、サプライチェーンの観点から発見された状況をどのように扱うかです。ある時点で、この奇妙な状況を考慮に入れた決定をしなければなりません。サプライチェーンの中で実際に起こっていることをよく把握しているスマートなサプライチェーンの科学者が、このような判断を下す必要があります。
Kieran Chandler: ですから、システム内でそれらのことが数値的にどのように反映されるべきかについては判断を下さなければならないと思います。これは、シェフのメタファーのようなものです。ある時点で、あなたが自分の正確なレシピのやり方の選択が非常に主観的であるからといって、最終的には、クラッピーなシェフと信じられないほどの才能を持つシェフの両方が現れるわけではありません。明確なルールで良いものと悪いものを分けることができるわけではないとしても、極端なものは存在します。ある程度教育を受けた人々は、優れたシェフとクラッピーなシェフを判断することができます。極端なものは明らかです。中間の微妙なニュアンスをすべて把握するには、自分自身もさらにスキルを身につけ、料理の芸術と料理に精通している必要があるかもしれません。しかし、これはかなり合理的な方法です。では、低炭水化物のキッチンにこだわりましょう。
Joannes Vermorel: うーん、議論にはたくさんの視点がありますね。まず、ビジネスを裏切らないようにする必要があります。問題の前に、優れたエンジニアを置くと、訓練により非常に深遠で科学的に見える公式を常に考えてしまう危険があります。そして、自由な道は滅びへの道であると言うことがあると思います。最も楽しい道は女性であり、最も速い滅びへの道はギャンブルですが、最も確実な滅びへの道はエンジニアを雇うことです。まず、解決すべき問題と適用される量的モデリングの洗練度との間にビジョンの整合性があることを確認する必要があります。それが最初のことです。ちなみに、これはLokadでも理解を深める必要があるため、ウェブサイトやYouTubeなど、さまざまな場所に多くの資料を持つことを育成している理由でもあります。ですから、ビジネスと技術の間には整合性が必要です。2つ目は、日々のトラブルを最小限に抑えるためのツールを持つことです。トラブルを起こすことは、銃を手に持って自分の足を撃つことです。文字通り、これらのことは何度も何度も起こります。特に、私が言うには、派手な数値レシピを扱い始めるときには。どのようなものが派手だと資格を与えるのか？たくさんの企業が「TensorFlowを使っています」と言っています。はい、素晴らしいです。ですから、あなたは自分の足を撃つ方法を100通り増やしたばかりです。
Kieran Chandler: それは非常に良いポイントですね、ジョアネス。日々のトラブルを最小限に抑える方法はどのようにすればいいのでしょうか？多くの企業が自分たちの足を撃つために多くの銃を買っているように思われますが。
Joannes Vermorel: はい、まったくその通りです。そして、異なる種類のツールがこの問題に取り組むために存在すると思います。しかし、非常に重要なことの一つは、
Kieran Chandler: その中には非常に創造的で驚きに満ちた方法もあります。ですから、まずビジネスの整合性が必要であり、それから、設計上、高い正確性を提供するツールを持つ必要があります。設計上の正確性は、Lokadの考え方に非常に広く存在するものです。
Joannes Vermorel: 教育には大いに価値があると信じていますが、設計上、人々が間違いを犯すことを許可される方が良いと思います。私たちは優秀な人材を採用していますが、優秀な人材でも悪い日があったり、時々、あまりよく眠れなかったりすることがあります。ですから、非常に愚かなターミナルのミスを防ぐためのツールが必要であり、疲れていてもより賢くなるためのサポートが必要です。
Kieran Chandler: そして、もう一つのアイデアは、多くのプロセスをエンジニアリングする必要があるということです。
Joannes Vermorel: はい、例えば、Lokadでは、量的なサプライチェーンのイニシアチブを展開するノウハウが本当に重要だと言えます。量的なサプライチェーンのイニシアチブを展開するとは、例えば、ターミナルの問題を持たない数値レシピをどのように作成するかということです。ターミナルとは、問題が非常に大きいため、人々が正当にこのイニシアチブを終了することが最善の方法だと判断することを意味します。
Kieran Chandler: では、どのような問題が発生する可能性がありますか？
Joannes Vermorel: 数値レシピにはさまざまな問題があります。計算時間の分散が大きすぎるという問題があります。つまり、時には1時間かかり、時には8時間かかり、人々はなぜか正確にはわかりません。それは大きな問題です。また、それが非常に不透明であるために問題になることもあります。このブラックボックス効果は、数値的に優れていても、サプライサイエンティスト自身にとっても即座に理解できないものです。また、数値の安定性の問題もあります。平均的にはレシピが優れているのですが、0.1%の状況では完全に狂っています。これは企業にとって多くの運用上の問題を引き起こします。サプライチェーンのコストは極端に集中する傾向があります。おおよそ正しい場合は問題ありませんが、完全に狂っている場合は、工場や倉庫を停止させるような大きな運用上の問題が発生する可能性があります。
Kieran Chandler: サプライチェーン業界自体についてもう少し話しましょう。その業界の企業が数値レシピを実装している割合はどのくらいですか？それとも、ほとんどの人々や企業がまだ古典的なアルゴリズムベースのアプローチに固執していると言えるでしょうか？
Joannes Vermorel: 面白いことに、ほとんどの企業は、実際にはすべての企業が、レシピを通じて運営しています。このアルゴリズム的な思考は、ある種のデータサイエンスの災害のレシピです。ですので、実際には、多くの話題がありますが、実際には何も生産されていません。実際には、ほとんどの市場シェアはExcelであり、Excelを見下す人々がいますが、それはExcelだけではありません。それは供給チェーンを定量的にモデル化する方法に関する理解の具現化です。したがって、これらのExcelスプレッドシートは、文字通り数値レシピであり、それらのレシピの洗練されたバージョンです。この点ではかなり良いです。それがあまり良くないのは、スプレッドシートは一般的に、デスクトップ上のスプレッドシートであろうと、Webアプリ上のスプレッドシートであろうと、オフラインまたはオンラインであろうと、スプレッドシートまたは表形式の思考は、供給チェーンの問題を解決するのには適していないということです。
Kieran Chandler: Excelシートは、それがデスクトップ上のスプレッドシートであろうと、Webアプリ上のスプレッドシートであろうと、「ただのExcel」ではないと言っています。それは供給チェーンを定量的にモデル化する方法に関する理解の具現化です。したがって、これらのExcelスプレッドシートは、文字通り数値レシピであり、それらのレシピの洗練されたバージョンです。この点ではかなり良いです。それがあまり良くないのは、スプレッドシートは一般的に、デスクトップ上のスプレッドシートであろうと、Webアプリ上のスプレッドシートであろうと、オフラインまたはオンラインであろうと、スプレッドシートまたは表形式の思考は、供給チェーンの問題を解決するのには適していないということです。
Joannes Vermorel: 私の大きな批判は、ツールが不適切であるということです。不確実性に対処できない、カニバリゼーションに対処できない、多段階のサプライチェーンに対処できないなど、スプレッドシートには適合しない問題がたくさんあります。どのようにスプレッドシートをパッケージ化しようとも、それらの問題には適していません。私の批判は、スプレッドシートの問題ではなく、それらは非常に主観的で狭い範囲を含んだ数値レシピであるということです。これは問題の一部ではありません。これは問題の解決策の一部です。現在の企業は数値レシピを通じて運営していますが、これが良いことであることを認識しておらず、このことは消えることはありません。これは、サプライチェーンの問題に対処するための非常に合理的な提案です。ただし、彼らが直面する問題は、通常、不適切なツールと頻繁に不適切なプロセスです。たとえば、シロの問題に関連する分割と征服の問題です。価格に対処しようとする人々と計画に対処しようとする人々がいる一方で、それは文字通り同じコインの2つの側面です。前回のエピソードで議論したように、数値レシピはここにあり、私の立場は、サプライチェーンの問題が関与する場合、それが正しいマインドセットであるということです。
Kieran Chandler: それでは、まとめていきましょう。今日のエピソードの主な結論は何ですか？なぜ数値レシピが非常に重要であり、なぜそのマインドセットを変えることが非常に重要なのでしょうか？
Joannes Vermorel: 数値レシピは、「正確に間違っているよりもおおよそ正しい方が良い」という考え方の具現化です。純粋なものではありません。電磁気の方程式のように、すべての電磁気現象を定義できる超きちんとした方程式ではありません。それは非常に純粋で緻密ですが、サプライチェーンはそうではありません。サプライチェーンの数値レシピは、数百の半偶然的な条件、要素、変化があり、全体として意味をなし、おおよそ正しいものであり、完全に狂ったことは何もしません。予測可能性が非常に高くなるべきであり、数値レシピの出力にはあまり驚きがないことが理想的です。また、優れたシェフのレシピと同様に多目的であるべきです。
Kieran Chandler: あなたはデザートを作りたいと思うかもしれませんが、今日は砂糖を使うことは許しません。
Joannes Vermorel: ああ、まったく。砂糖なしでデザートを作るなんて、どうやってやるんだろう？それは、非常に敏捷でなければならない状況です。つまり、奇妙な条件があるために何かが欠けている場合でも、立ち往生しないようにする必要があります。前に進む方法が必要です。ちなみに、それは非常に興味深いことです。なぜなら、トップシェフのショーでは、時間が不足しているか、通常4時間かかるものを30分しか準備する時間がないか、材料が不足しているか、道具が不足しているか、あるいは総じて不足しているかのいずれかの課題が与えられます。それでも、前に進む方法を見つけなければなりません。それが、私たちが考えるレシピの姿です。時間とともに変化する奇妙な制約があります。それは、ある程度の驚きを伴う状況です。
本当のシェフは文字通り即興できる人です。しかし、よく見ると、それらのショーはそれには方法があることを明らかにしています。それが本当に優れたシェフとの違いです。優れたシェフは、材料が不足しているか、非常に短い期限がある場合にランダムなことをする人ではありません。実際には、この混乱にどのように対処するかには、10年の経験があることが本当にわかります。それには方法があります。それが私たちがLokadで育てているものです。
Kieran Chandler: では、ここで終わりにしましょう。しかし、トップシェフの比喩は非常に強力であり、このオフィスでは関連性があると思います。ここには多くのファンがいます。それでは、今週は以上です。ご視聴いただき、ありがとうございました。次のエピソードでお会いしましょう。ご視聴ありがとうございました。
