00:00:00 予測と懐疑の重要性について議論します。
00:00:40 ジョナサン・カレルセとジョアネス・ヴェルモレルのゲスト紹介。
00:01:37 「未来の歴史」を執筆するきっかけと予測手法への疑問の重要性について。
00:05:49 予測の定義とそれが20世紀初頭における起源。
00:08:53 将来を予測するための一連の測定値の拡張の合理性についての議論。
00:09:40 21世紀の予測の視点と時系列への依存性。
00:10:33 予測における成功の測定の再校正とビジネスでの利益追求への焦点の置き方。
00:13:25 ニュートンの原理と予測における決定論的アプローチとそれらが経済思想に与える影響。
00:16:55 数学と統計学のヨーロッパでの進歩とそれが北米の予測手法に与える影響。
00:18:25 予測の固有の不正確さへの適応と完璧に正確になることはないという考えの受け入れ。
00:19:29 決定論的予測の問題と確率的アプローチの受け入れ。
00:20:36 AIについての初期の考え方とその能力に関する予測。
00:21:55 予測における行動経済学の影響と古典的アプローチ。
00:23:00 人間の非合理性と行動経済学の出現。
00:26:34 ヒューリスティクス、その進化的利点、およびデータの解釈におけるデメリット。
00:28:55 データに基づいて意思決定する際の人間の行動の検討。
00:29:37 データをストーリーでフレーム化することが意思決定に与える影響。
00:31:13 予測における組織的なバイアスの影響。
00:33:00 販売予測における過度の楽観主義の問題。
00:36:23 非合理性の上に理性を適用することと人間の創造力の可能性。
00:38:53 運用戦略において複雑なモデルに過度に依存しないことの重要性。
00:39:48 「裸の予測」の危険性とビジネスとの具体的な関連性の必要性。
00:42:34 バイロクラティックなプロセスとサプライチェーンが予測の問題に対して脆弱であることの議論。
00:45:31 行動経済学と予測プロセスにおける人間のバイアス。
00:47:53 バイアスを理解することで予測における人間の判断力の価値を最大化すること。
00:48:39 バイアスを認識し、予測におけるその役割を重視することの重要性。
00:50:40 予測における時系列の視点の制約。
00:52:00 バイアスを超えた予測における人間の問題。
00:54:53 AIの開発の未来と人間の予測者の支援または置き換えの役割。
00:57:01 人間の創造力と適切な質問の重要性。
00:58:47 数値レシピと自動化における人間の役割についての議論。
01:01:58 サプライチェーン管理における将来の自動化。
01:04:11 第2版の書籍の潜在的なトピック。
01:05:22 Cレベルの会議で行動経済学を活用すること。
01:08:46 航空業界や小売業における予測の制約。
01:09:30 意思決定と予測モデリングの奇妙な性質に焦点を当てること。
01:10:27 未来の予測の奇妙さを量子力学と比較すること。
01:11:12 ジョナサンのサプライチェーン実践者へのアドバイス。
01:11:56 結論とゲストへの感謝。
要約
インタビューで、Lokadの創設者であるJoannes VermorelとNorthFind ManagementのCEOであるJonathon Karelseは、ビジネスにおける予測の目的を理解し、疑問を持つことの重要性について議論しています。彼らは懐疑的なアプローチを提唱し、精度が成功の唯一の尺度ではないと強調しています。予測は、継続的な改善のためのエラーの特定と対処のための診断的な指標として見るべきです。両者はバイアスが予測に影響を与えることに同意し、具体的な影響を持つ技術に焦点を当てるべきだと述べています。また、AIのサプライチェーン最適化における役割についても議論し、AIが支援できる一方で、人間の創造力が不可欠であると指摘しています。
詳細な要約
このインタビューでは、司会者のConor DohertyがLokadの創設者であるJoannes VermorelとNorthFind ManagementのCEOであるJonathon Karelseと予測について話し合っています。Karelseは、予測のアプローチはビジネスへの影響を理解することに重点を置いていると説明しています。多くの組織は予測を行っているが、なぜ予測を行っているのか、プロセスを改善する方法はないかという問いについてはしばしば考えません。彼は健全な懐疑心を持ち、予測の実践を継続的に問い続けることの重要性を強調しています。
Karelseは、自身の書籍「未来の歴史」のインスピレーションについて語り、予測の歴史的な文脈と特定の予測原則の妥当性を調査するという彼の願望から生まれたものだと述べています。彼は、科学的原則の確実性を疑問視し、それらが生まれた歴史的文脈を理解することを提唱したBruno LaTourの研究を参照しています。このアプローチは、Karelseが予測の分野に同様の視点を適用することをインスピレーションとしました。
予測の定義を求められた際、Karelseはそれは基本的に将来の姿を推測することだと述べています。推測はより科学的でガイドされたものになるかもしれませんが、予測が最終的には不確実性に基づいていることを見失わないことが重要です。Vermorelは、20世紀初頭にさかのぼる古典的な予測の視点は、時間の経過に伴う測定値の拡張に焦点を当てていると述べています。しかし、彼は21世紀になっても未来を見る新しい方法が続々と現れると信じています。
Karelseは、予測の精度は成功の唯一の尺度ではないと強調しています。代わりに、予測の精度はエラーやサブオプティマリティの根本原因を特定し、再キャリブレーションと最適化に活用するための診断的な指標として見るべきです。予測の目標は利益を上げることであり、ビジネスの具体的なニーズと期待を理解することが効果的な予測の利用には重要です。
Vermorelも、予測は常に懐疑的な視点で取り組まれていなかったと同意しています。初期の提唱者であるRoger Babsonのような人々は、科学の絶対的な力を信じて未来を予測しモデル化することを信じていました。しかし、KarelseとVermorelの両者は、従来の知恵に疑問を投げかけ、ビジネスに利益をもたらすように予測方法を改善するよう提唱しています。
議論は、予測の歴史の概要から始まり、その発展において文化的および地理的要素が果たした役割について簡単に説明します。その後、数学的および科学的原理に基づいて正確な結論に至るために数学的および科学的原理に依存した決定論的な哲学に基づいた古典的な予測手法について議論が展開されます。この手法の制約についても議論されており、人間は常に合理的な行動者ではなく、無意識のバイアスが意思決定に影響を与えることができるという事実も含まれています。ヒューリスティックスの概念が紹介され、それに頼る利点と欠点が議論されます。行動経済学に関する議論の前提となる自信過剰の概念も探求されます。その後、確率的予測の重要性と、それが組織が予測の制約をより良く理解するのにどのように役立つかについての議論が展開されます。議論は、人工知能についての簡単な言及と、予測に対する理解の能力には限界があるという必要性も含めて結論付けられます。
予測におけるポジティブバイアスの問題について議論が行われますが、特に成長とポジティブな結果に対する文化的およびビジネスに基づくバイアスを持つ組織において顕著です。明示的なバイアスがなくても、研究によれば、人々は予測に対して負の調整を行うよりも4倍もの頻度で正の調整を行う傾向があります。このバイアスは、リスク回避とアップサイドの可能性を具現化する進化的傾向に起因しています。
Joannes Vermorelは、小売業におけるクライアントの経験を共有しました。そこでは、プロモーションに対するポジティブなアップリフトへのバイアスが支配的であり、非現実的な予測が行われていました。彼の解決策は、予測を核とするのではなく、他の多くの手法の一つとしてアプローチすることでした。これには、ビジネスに具体的な影響をもたらす数値的手法のみを使用することが含まれます。たとえば、何かを生産する、物をAからBに移動する、または何か具体的なものに直接関連するデータを使用するなどです。Vermorelは、予測を他の多くの手法の一つとして扱い、何か具体的なものに関連付けられていない裸の予測を持たないようにする必要性を強調しました。
Jonathon Karelseは、すべてのモデルは間違っているが、一部のモデルは有用であり、究極の目標は簡潔さとモデルの選択を目指すことであると議論に貢献しました。彼はまた、予測のマイクロマネジメントに反対し、7〜8ヶ月の予測精度が既に酷い場合には時間の無駄であると警告しました。彼は、アップサイドの確率が最も高い特定のアプリケーションにおいて無限の創造力を適用することが前進の道であると提案しました。
彼らは、予測は単なる多くの手法の一つであり、将来にアプローチする唯一の方法ではないと結論付けました。彼らは、組織内で行動経済学のより深い理解が予測を改善することができると合意しました。予測に影響を与える可能性のあるバイアスを認識することで、組織は非現実的な予測を避け、ビジネスに具体的な影響をもたらす手法に焦点を当てることができます。
議論は、AIと予測を供給チェーンの最適化においてどのように活用するかについて展開されます。彼らは、人間の判断におけるバイアスの源泉と程度を探求し、それがプロセスにどのように影響を与えるかを調査します。Vermorelは、スケールで動作し合理的な意思決定を生成する数値的なレシピのエンジニアリングに焦点を当てるべきだと主張しています。彼は、そのようなレシピは日常の実行に完全に自動化されるべきであり、人間はより多くの精神的な帯域幅を必要とする長期的な意思決定に焦点を当てるべきだと述べています。Karelseは、AIは予測に人々を支援することができるが、置き換えることはできず、人間の創造力がAIが解決できる興味深く重要な問題を提起する上で依然として重要であると同意しています。議論は、Karelseの希望で終わります。組織が人間の洞察の潜在的なアップサイドと、私たちの心の不完全さによる弱点とのバランスを取ることができるという希望です。
サプライチェーン最適化の未来。Vermorelは、より良いツールと技術により、サプライチェーン管理の大規模なチームが不要になる可能性があると述べ、明らかに非合理なことをしている人々が証拠にもかかわらず持続する様子を目の当たりにした経験について説明しました。KarelseはVermorelに同意し、Cレベルの幹部がなぜ彼らのプロセスが欠陥であるかを理解し、ビジネス価値を測定する方法を理解するのに行動経済学を活用していると付け加えました。Vermorelは、サプライチェーン管理での予測モデリングに焦点を当てることがますます奇妙になると考えており、Karelseは実践者が単に知ることに満足せず、常になぜを尋ねるべきだと勧めました。インタビューは、KarelseがVermorelの本を推薦し、両ゲストがDohertyに対して時間を割いてくれたことに感謝することで終わりました。
フルトランスクリプト
Conor Doherty: ショーへようこそ。私はホストのConorです。今日は、Lokadの共同創設者であるJoannes Vermorelと、特別ゲストのJonathon Karelse、NorthFind ManagementのCEO兼共同創設者が参加しています。彼は無意識の偏見の分野で研究を行い、この素晴らしい本「未来の歴史」を執筆しています。Jonathan、参加していただきありがとうございます。
Jonathon Karelse: お招きいただきありがとうございます。
Conor Doherty: さて、Jonathan、お世辞の海に準備はできていますか？実際に本を読んだので、本当に楽しめました。実は私はあなたのターゲットオーディエンスかもしれません。私は読み書きができるだけでなく、経済学、ビジネス、行動経済学などに興味があります。しかし、私は正式な訓練を受けていません。私のバックグラウンドは、音楽と哲学です。ですので、予測の歴史を通じてかなり学びました。あなたの文章は非常に分かりやすく読みやすく、本当にありがとうございます。では、まずは最初から始めましょう。過去100年の予測について本を書くというインスピレーションは具体的には何でしたか？
Jonathon Karelse: 私の予測と実践へのアプローチは常にビジネスへの影響を理解することです。これは当たり前のことのように思えるかもしれません。しかし、多くの組織では、予測は「するべき」という理由だけで行われ、なぜ予測を行っているのかについてはあまり考えられていません。その結果、ビジネスでプラスの影響を与えている予測プロセスの要素を本当に理解せずに、ビジネスに影響を与える予測プロセスを単に機械的に行っているだけです。それを改善するための方法はあるのか、そして最も重要なのは、なぜなのか？
「なぜ」の質問は、私は自分自身を反対者とは呼ばないかもしれませんが、少しの健全な懐疑心や懐疑論を持つことは常に良いことだと思います。私は常になぜを尋ねてきました。私が経済学の学生だったときに本当に共感した本は、Bruno LaTourが書いたものです。彼はLaTour家の一員です。彼はワインを作っていないため、家族の黒羊ですが、Bruno LaTourはLe Cole de Mineで認識論の博士号を取得しています。それはかなり優れた大学だと知っている人にはわかるでしょう。彼は学習のモードと知識のモードに多くの時間を費やし、『Science in Action』という本を書きました。
この『Science in Action』は、DNAの二重螺旋構造など、科学の黒箱の基礎を見つめ直し、それらが事実になる前、黒箱になる前の歴史的な文脈を理解するのに役立ちます。それによって、これらの科学的な確信は私たちが思っているほど確信度が高くないことを実際に示しています。それは便利です
Conor Doherty: では、予測という用語を使うとき、具体的には何を意味していますか？
Jonathon Karelse: それは素晴らしい質問です。本質的には、予測は将来の姿を推測することです。この推測はより科学的で不確実性の原則に基づいて導かれることがありますが、最終的には推測です。不確実性に基づいていることを忘れないようにすることが重要です。
Conor Doherty: それは興味深いポイントですね。そして、Johannes、Lokadの基本原則の1つは不確実性を受け入れることですね？
Joannes Vermorel: はい、しかし予測に関する質問に答えるために、私は20世紀初頭にさかのぼる古典的な予測の視点があると考えています。ロジャー・バブソンやアーヴィング・フィッシャーなどの人々によって普及されました。この視点では、時系列を通じて予測にアプローチします。時間の経過に伴って行われる測定値、例えば生産される鋼の量や収穫されるジャガイモの数などがあります。これにより、時間の経過とともに測定値の系列が得られます。次に、曲線を延長して次にどこに行くかを見るのが当然のことです。これが20世紀初頭に登場した古典的な予測の視点の本質です。しかし、これはただの1つの見方に過ぎません。
本当の問題は、測定値の系列を単に延長して将来にアプローチすることが意味があるかどうかです。必ずしも間違っているわけではありませんが、これは将来にアプローチするための主観的な方法です。このアプローチは20世紀のものであり、その間に方法を進化させ、洗練させてきました。しかし、21世紀にはおそらく新しい将来の見方が現れる可能性があります。その中には古典的なアプローチよりもはるかに奇妙なものもあるかもしれません。
Conor Doherty: 古典的な予測へのアプローチに関するその点について、Jonathonに戻してみたいと思います。あなたの仕事全体に浸透しているのは、予測の成功を測定する方法の再調整です。あなたの論文では、予測の正確さそのものではないということのようです。それについて詳しく説明していただけますか？
Jonathon Karelse: 予測の古典的なアプローチと異なる予測の哲学についてのアイデアについては、今後も追跡していきたいと思います。しかし、その間に、私を困惑させることの1つは、人々が予測が常に間違っているというように話すことです。彼らは「予測をしてほしいと言っています。最善を尽くしますが、予測は常に間違っているので、それが間違っているときに私を責めないでください」と言います。
Conor Doherty: …しかし、彼らは依然として運用戦略や実際には正確な予測を期待して、さらには金融戦略を調整しています。先週のアムステルダムでのカンファレンスでこれについて話しましたが、特にソフトウェアベンダーのセッションでは、非常に怒った人々がいました。「予測なんて関係ない」と言っています。はっきりさせたいのは、予測は特定のアプリケーションにおいては非常に重要であり、ROIの観点からは関係ない場所もあります。
Jonathon Karelse: オーダーメイドの服飾業者で、年に3着のスーツを作ることができ、顧客が10年待つことを望んでいる場合、需要の予測に多くの時間を費やす必要はありません。最大限の能力に達しています。ROIは最小限になります。他のすべての場合では、おそらくROIが存在するでしょうが、ポイントは私にとって予測の正確さはスコアカードの指標ではないということです。予測の正確さは目標ではありません。予測の正確さは、エラーやサブオプティマリティの根本原因を特定するために使用できる診断的な指標です。それを再調整し、改善のために最適化するためのツールの1つです。予測の目標はお金を稼ぐことです。ビジネスの目標はお金を稼ぐことです。それができないビジネスにいる場合を除いて。そして、予測はそれを実現するための手段の1つです。適切に扱われれば、最も優れたツールです。他の場合では、支援的なツールであり、他の場合では多くの利益をもたらさないかもしれません。しかし、予測に対して何を期待すべきかを理解するためには、自分のビジネスを理解することが重要だと思います。
ジョアネス・ヴェルモレル: 予測は常に間違っており、今では人々がそれを「刑務所からの脱出カード」として使用しています。この表現が本当に好きです。興味深いことに、これは常に主流の視点ではありませんでした。ご存知のように、ロジャー・バブソンはサー・アイザック・ニュートンの仕事の熱狂的なファンであり、その当時でも、科学の絶対的な力に対する信じられないほどの信念がありました。数値モデリングのようなものを持っていて、数世紀後の火星の位置を秒単位まで予測できるということです。
ジョナサン・カレルス: 彼らは両方とも、私が最終的に信じているように、数学がすべての基盤であり、私たちに十分なデータと能力があれば、数学ですべてを説明できると信じていました。しかし、実際にはまだそこには到達していません。そして、それは20世紀初頭にはあまり理解されていなかったと言えます。そこにはまだ難易度の桁違いの差がありますので、究極の公式がすぐそこにあるわけではありません。
ジョアネス・ヴェルモレル: 私は21世紀の重要な発見の1つは、知識に関連するすべてのことにおいて、私たちの理解を逃れる完全な知識の分野があることを認識することです。重力の法則に相当するものを見つけるだけではありません。そこでは、たくさんのことを説明できる1つの方程式で説明できるようなものです。それが当時存在していた考え方でした。
コナー・ドハティ: 聴衆の皆さんに説明しますが、私たちはアメリカ合衆国で生まれた本に記載されている北米の統計学者について話しています。中間層の出現があったためにアメリカ合衆国で出現しました…
コナー・ドハティ: ですので、株式オプションを所有している人々、株式オプションではなく、株式を所有している人々は、彼らに最高のリターンをもたらすものについての予測をしたいと思っていました。彼らはそのような予測に非常に興味を持っていましたので、それは本当にアメリカ合衆国と北米で出現したものです。文化的な要素や地理的な地域的要素が重要です。
ジョアネス・ヴェルモレル: それは非常に重要です。北米では特に統計的なドライブではありませんでした。指摘したように、バブソンはニュートンとニュートンのすべてを愛していました。彼は統計的な理解を持たずにニュートンの原理のかなり表面的な理解を取り入れて予測に応用しようとしました。基本的には、何かがしばらく上昇したら、それはしばらく下降するということです。それが重力の起こることですから。
ジョナサン・カレルス: アーヴィング・フィッシャーは、北米で最初の経済学の博士号を取得した人物で、それまで社会科学であったものに数学的なバックグラウンドを適用しようとしました。統計学のいくつかを結びつけ始めましたが、それは北米よりもヨーロッパで推進されていたと言わざるを得ません。結局のところ、予測が使用する数学で進歩が起こっているのはヨーロッパでした。
ジョアネス・ヴェルモレル: 人々は将来を機械的な方法でモデル化できると信じていた決定論的なアプローチがありました。この考え方は長い間続きました。60年代のようなサイエンスフィクション作品、例えばアイザック・アシモフのファウンデーションシリーズでも、未来を非常に機械的に予測できる科学である心理歴史学のアイデアを受け入れていました。
ジョナサン・カレルス: それは非常に興味深いことです。なぜなら、数十年にわたってかなり不正確な予測で運営してきたため、予測が常に間違っていることに気付いてきたからです。しかし、それが完全に正しいことは決してないという結果にはまだ到達していません。
ジョアネス・ヴェルモレル: それは興味深い点です。人々は予測が常に間違っていることを道徳的に受け入れており、それによって人々を解雇しないでいる、それは良いことです。しかし、私たちは予測のこの側面を深く受け入れるために再び挑戦すべきでしょうか？実際にはそうではありません。
ジョナサン・カレルス: 非常に興味深いのは、あなたが何度か決定論について言及したことです。19世紀と20世紀初頭に世界中で新たに出現し始めた科学の多くは、北米だけでなく、ルネサンスで得た勢いから生まれたものです。暗黒時代を脱し、科学的な原則を適用することで、これらの暗い領域に光を当て始めることができることを理解し始めました。
コナー・ドハーティ: 知識の領域を高め、私たちは自分たちがそれを行うことができるという点で、少し傲慢になり始めました。19世紀と20世紀初頭に、私たちは努力さえすれば、私たちが学べないことは本当に何もないと信じるようになりました。そして、それは予測における2つの非常に重要なテーマを形成しています。最初のテーマは、この哲学に合致する決定論的なアプローチです。これは、私が十分に努力し、十分に賢ければ、正確な結論にたどり着くことができるということを意味します。それは愚かな試みではないと受け入れるのではなく、私は常に間違っていて、確率的なアプローチはそれに対応しています。それは偶然の産物ですが、…
ジョナサン・カレルス: …そしてそれらのどれも。ジョアネス・コマガロフは、これらの初期の決定論的なアプローチが生まれた時期と同じくらいの統計学の研究を行っていました。ですから、確率的なアプローチの可能性を待つためにさらに100年待たなければならなかったわけではありませんでした。数学は存在していました。2つ目のポイントは、努力と集中さえすれば、私たちは何でも理解できると信じることです。これが今日非常に注目されているAIのアイデアにつながります。今、AIが人間のために付加価値のない活動やルーチンの活動を解決できるという考えは新しいものではありません。実際、1950年代にダートマスカレッジでAIの初期の考え手たちが開催した会議で、彼らはAIが次の10年で達成できると考えていた10のことを示しました。しかし、70年後の今でもそれらのうちのどれも達成していません。それは私たちが試みるのを止めないということではありませんし、試みることは重要だと思います。しかし、私たちは最終的には、私たちの理解力には限界があることを受け入れる必要があります。そして、それを理解したら、確率的な予測などの他のアプローチにもよりオープンになります。それによって、私たちは常に間違っていることを知っています。しかし、それを受け入れた上で、実際のビジネスの成果としてどのように見えるかを理解し、私たちの戦略を、私たちがどうやら正しいという希望ではなく、私たちが間違っているという知識に基づいて調整しましょう。
コナー・ドハーティ: あなたは非常に興味深い2つの要点を挙げたようですね。1つは、行動経済学の前兆についてであり、おそらく過信を指しているのだと思います。2つ目はAIについてです。第6章で詳しく取り上げる予定ですので、順番に話を進めましょう。まず、行動経済学について、それが予測にどのように影響を与えるかについて少し詳しく説明していただけますか。
ジョナサン・カレルス: もちろんです。ジョアネスは、会話の初めに何度か古典的な予測手法について言及しました。そして、私は古典的な予測手法自体が、古典的またはより正確には新古典派経済学のビジネスに対する視点の副産物であると言いたいと思います。そして、それは非常に19世紀と18世紀の視点からのものであり、私たちがこれに数学的な科学的な原則を適用し、理解することができるというものです。1776年にアダム・スミスが書いた画期的な著作「国富論」では、彼の主なポイントの1つは、基本的にはすべての商業活動が、人間が合理的な行為者であり、明確な価値に基づく選択肢が与えられた場合、最も有用性の高い選択肢に自然に傾くという基本原則によって理解できるということです。それは必ずしも最もお金が多いということではなく、何らかの利益が最も大きい選択肢です。直感的にはそれは正しいように感じられます。問題は、経済学を学んだことがあるリスナーの中には、特に計量経済学の場合、需要と供給のシステム、価格設定、そして最終的な意思決定がどのように無意識のドライバーや心理的なドライバーに影響を受けるかをより広い意味で理解する必要があるということです。これらのドライバーは環境的なものである場合もあれば、進化的にハードワイヤードされている場合もありますが、どの場合でも存在しています。どれだけバイアスから自由だと思っていても、どれだけ客観的だと思っていても、データを解釈するためのレンズを作り出す無意識のバイアスの影響を受けるのです。
コナー・ドハーティ: 確かに、応用では新古典派経済学の原則が成り立つ場合もありますが、需要と供給のシステム、価格設定、最終的な意思決定が無意識のドライバーにどのように影響を受けるか、そしてそれがどのように意思決定に影響を与えるかを、より広い意味で理解する必要があります。これらのドライバーは環境的なものである場合もありますし、進化的にハードワイヤードされている場合もありますが、どの場合でも存在しています。どれだけバイアスから自由だと思っていても、どれだけ客観的だと思っていても、データを解釈するためのレンズを作り出す無意識のバイアスの影響を受けるのです。
コナー・ドハーティ: 実際には、申し訳ありませんが、あなたは実際に本の中で、一般的な人は1日に約30,000の意思決定をすると言いましたが、私たちは明らかにそれらのすべてに意識的ではありません。不可能ですよね。
ジョナサン・カレルス: そうですね、これが私たちが持っているこれらのヒューリスティックプロセスの利点です。私たちはしばしばヒューリスティックを軽蔑的なものと見なしますが、それはショートカットです。ジョアネスが70年代と80年代に言及したとき、より複雑な科学的または統計的な予測手法が出現し始めたとき、彼らの支持者であるジョージ・ボックスとウィレム・ジェンキンスは、シンプルな指数平滑化やホルト・ウィンタースのトリプル指数平滑化などのより単純な手法を軽蔑しました。
ジョナサン・カレルス: しかし、最初の4つのMコンペティションが示したのは、実際には多くの場合、ヒューリスティックであることは必ずしも悪いことではないということです。そして、心理的には、進化の観点から非常に迅速に意思決定をすることには非常に大きな利益があります。私が森の中で周辺視野に虎が私を待ち伏せしていることに気づいた場合、私が停止してすべての可能性を考え、虎ができるさまざまなことや私が持つさまざまなオプションを考え、私にとって最も適切なものを考えようとすると、おそらく私は虎に食べられます。それは私が繁殖しないことを意味し、それは私のDNAが存在しなくなることを意味します。したがって、時間の経過とともに、私たちは進化的に私たちに利益をもたらすヒューリスティックプロセスの数々を学んできました。
ジョナサン・カレルス: そのうちの1つは代表性ヒューリスティックです。これは「これは以前に見たことのあるものに似ている、前回遭遇したときに成功した結果を出したものです。私はそれを再びやるつもりです。」というものです。ヘビに似たものから赤ちゃんが身を引くことを教える必要はありません。それは生まれつきのものです。私たちはバスが向かってくるときに何をすべきか考える必要はありません。私たちは後ろに飛び退きます。そして、私たちが1日に行わなければならない30,000の意思決定のほとんどは、ある種のヒューリスティックによってナビゲートされています。客観的にそれらすべてについて考えなければならないとしたら、私たちは制約されます。
ジョナサン・カレルス: ヒューリスティックのデメリットは、私たちが以前に見たものに似ていると思われるものが実際にはそのものを表していないことです。特にデータの解釈に関しては、クラスター錯覚バイアスと呼ばれるものによってしばしば影響を受けます。データを解釈し予測するために人々に報酬を支払っているとき、彼らは付加価値を提供する必要を感じます。私たちは彼らにパターンを見つけるために報酬を支払っており、彼らは実際には存在しないパターンを見つけます。これは自然なことです。彼らを非難することはできません。しかし、私たちの能力には、合理的かつ客観的にデータを解釈する能力に影響を与えるさまざまなバイアスがあります。
コナー・ドハーティ: ジョナサン、その点について、あなたは実際に本の中で、別の場所で発表した研究からの例を持っています。あなたは完全に無作為なデータを一群の人々に提示し、その線が上がるか下がるか、静止するか、それともわからないかを推測するように頼みました。それについてとその結果の重要性について説明できますか？
ジョナサン・カレルス: もちろんです。私たちが提示した選択フレームワークは、最終的に私たちのバイアスアッセイを行う人にとってネタバレです。提示されたデータの多くは確率的です。私たちにはさまざまな確率的データセットが与えられましたが、それらのいずれにも傾向や季節性がある可能性はありませんでした。これらは最も確率的なものです。これらのデータセットには、トレンドや季節性、その他のパターンをどの統計パッケージも見つけることはできません。
私たちが編集されていない、フレームのないデータセットを提示し、需要がどこに向かうか尋ねたとき、上昇、下降、変化なしの間にほぼ均等に分かれました。多くの人々が自分が何も知らないという事実を表すために「わからない」とは言いませんでした。彼らはデータの意味について何も知らないという利点さえ持っていません。トレンドや季節性があるかどうかを確認するために統計ツールを実行できるわけでもありません。ところで、未来を予測することはできません。それが正しい答えですが、実際にはほとんどの人がそうは言いません。
その後、同じデータセットをアッセイの後半にプレゼンテーションしましたが、その間に他のいくつかの質問がありました。しかし、今回はそれに物語が添えられました。データは同じですが、物語にはデータには関係のない情報が含まれています。私たちが見つけたのは、約70％の人々が自分の意思決定についてより確信を持つようになるということです。通常、「わからない」と答えた人はそのキャンプから離れ、ほとんどの人が「上記」または「以下」のカテゴリーに移動します。
それはフレームの仕方によります。ポジティブなフレームがあれば、多くの人々がその方向に傾くことがわかります。これは実際の予測の観点から非常に重要な洞察です。データは変わっていません。最初の例では、結果はおそらく人間から期待できる最も適切なものに近いでしょう。コンピュータならすぐにやってしまうでしょう。しかし、それを物語と一緒に提示すると、突然すべての論理と合理性が失われ、データに対する極めて偏った見方になってしまいます。
問題は、実際にはそれほど異ならないことです。私たちは人々に需要計画を作成するように頼んでいますが、彼らは成長とポジティブな結果に対する組織の文化的なバイアスやビジネスに基づくバイアスの広い文脈の中でこれを行っています。それはそれほど驚くべきことではありません。したがって、コンピュータベースの予測における人間の介入の効果を測定すると、最も頻繁にポジティブなバイアスが生じることがよくあります。場合によっては、組織内でポジティブなバイアスを持つことに対する明示的な圧力さえあり、予測、計画、特定の目標の達成を求められます。人々は基本的に変わるように言われています。
コナー・ドハティ: 予測ですが、それらの明示的なバイアスを除いても、Len Tashmanや、えー、ああ、名前をすべて忘れてしまうんですが、Spheros Mocker Docus、うーん、Paul Goodwinによるいくつかの研究によると、統計的に駆動された予測から正の調整を行う可能性は、負の調整を行う可能性の約4倍高いということがわかっています。これは統計的に駆動された予測からの残差は、予測の両側で正規分布に従うべきですから、全く意味がありません。時間の経過に伴う人間の調整が必要な場合、バランスが取れるはずです。しかし、私たちはリスクを避ける傾向が報酬を求める傾向よりもはるかに強い無意識のバイアスがあるため、それは起こりません。また、その進化的な理由もありますが、私たちは上昇の可能性を実現することを、下降リスクを実現することよりもはるかに好む傾向があり、予測においては人々のポジティブなバイアスが顕著になります。予測を行う際に、それが望ましいと思いますか？
ジョアネス・ヴェルモレル: そうですね、私たちがまだ、いわゆるクラシカルな予測を行っていた10年前、Lokadがソフトウェアベンダーとして始まったとき、私たちはクラシカルな予測を行っていました。今では、ツールキットに予測モデリングの要素があると言えますが、私たちの運営方法については話し合うことができます。それは非常に、非常に奇妙であり、21世紀の未来の木についての歴史について話し始めない限り、関連性のあるものではありません。しかし、それらの経験に戻ると、非常に興味深いです。特に、私たちのクライアントとの類似の経験を持っていました。私たちは、小売業において、プロモーションの予測に関して、よく次のようなことを聞かれました。プロモーションの効果は限定されています。例えば、ハイパーマーケットでは、売上が30〜50％増加するかもしれません。それは多いですが、人々が期待していた「この製品に対して10倍にする」というレベルには遠く及びませんでした。
そして興味深いことは、それらのプロモーションのために、実際には非常に単純なアップリフトをモデリングするチームと、マイクロ最適化を行っている人々との間でベンチマークのワールドシリーズを行ったことです。彼らは「ああ、私はこのチョコレートのブランドを正確に知っている」と言って、正確さの観点から上位に来るものを見てください。そして、非常に単純なモデルである、指数移動の複雑さのオーダーに属するようなもの、ただしアップリフトは定数の要素に50を加えるだけで終わりです。それは実際には良かったですが、マイクロ最適化をしている人々よりもはるかに良かったです。実際、バイアスは非常にポジティブであり、彼らは「でも、このブランドは過去10年間で初めてプロモーションされるんだよ。10倍になるよ！」と言うでしょう。しかし私たちは「うーん、おそらくそうではないですね。おそらく50プラスになるでしょう。あなたが失望することはわかっています」と考えています。
しかし、そうすると、予測が完全に非現実的なものになるという非常に奇妙なことが起こります。たとえば、10倍になると言って実際には10倍にならないが、10倍を購入することが実際には良い選択である理由は、サプライヤーが小売業者に大幅な割引を提供するからです。基本的には在庫の価値に関する推測です。そして、サプライヤーが時間の経過とともにあなたに25%の割引を提供する場合、それは賢明な決定になるかもしれませんが、考え方には非常に奇妙な要素があることがわかります。それは、私が以前と同じように非現実的な予測をすることから始め、通常プロモーションでは在庫をサプライヤーから大幅な割引で購入することで、時間の経過とともに良い操作を行うことになるからです。
Conor Doherty: しかし、あなたは、合理性の要素があることに気付くでしょう。間違った理由で正しい結果になるのです。
Joannes Vermorel: しかし、あなたは、解体すると、合理性の要素があります。間違った理由で正しい結果になるのです。
Jonathon Karelse: まさに、それは非常に興味深いことです。知覚的には合理的ではないかもしれませんが、それに対して理性を適用することはできます。絶対に、それは非合理的ですが、私の考えでは、人間の創造力には限界がないと言えます。それは私の信念ですが、それは科学の要素ではありません。私の根本的な信念は、人間の創造力の量には限界がないということですが、間違いなく、対処するためには非常に膨大な量の人間の創造力が必要であり、おそらく、何世紀にもわたる作業が必要です。ですので、私たちはこの科学の大いなる旅において非常に謙虚でなければなりません。それは数世紀前に始まったものであり、これはまだ始まりに過ぎません。そして、おそらく、私たちはまだ存在すら疑わないような知識のクラスが存在するでしょう。
Joannes Vermorel: そうですね、私もあなたに完全に同意します、ジョナサン。それは私の根本的な信念でもあります。
Jonathon Karelse: もし存在するなら、量化できるとパスカルが言ったと信じています。もちろん、私たちの能力には制限がありますが、私は究極的には、十分な能力があれば、すべてを量化して理解することができると信じています。しかし、実際には、その能力からは遠く離れているため、その哲学でビジネスの旅を始めることは狂気です。しかし、それは予測が常に間違っているという考えと、ジョアネスが予測の細部について述べたポイントからの重要な続きです。ジョージ・ボックスが「すべてのモデルは間違っているが、いくつかのモデルは有用である」と言ったのは、予測が常に間違っているという考えの出所です。彼が言った他の2つのことをほとんどの人が無視していることがあります。最初は、「すべてのモデルは間違っているが、いくつかは有用であるため、モデルの選択において簡潔さを目指す」というものでした。つまり、どのような場合でも間違ってしまうので、特に経済学者が巨大で複雑なモデルを構築する必要性を予測してはいけません。なぜなら、それでも間違ってしまうからです。しかし、2つ目は、私にとっては実践上より重要なものです。「虎がいるときにネズミにこだわるな」というものです。予測が常に間違っていることを知っていると言う組織と一緒に働く回数は数え切れませんが、彼らは予測の正確さが実際にはひどいですが、7〜8ヶ月先のSKUの水平で1〜2％について数時間議論するのは狂気です。たとえば、SKUレベルの予測精度は30％です。
Conor Doherty: それを1〜2％調整しても無意味です。間違ってしまうし、その1〜2％の調整にかかった時間は完全な時間の無駄です。最終的には、確信を持って将来について何かを理解し、それが歴史に反映されていない場合にのみ、究極の無限の創造力を適用することを考えるべきです。そして、それが最も可能性のある上昇の確率が最も高い特定のアプリケーションであるときです。そして、それがA）将来について確実に理解していること、B）触れているものの価値が介入を正当化するほど十分に価値があること、そして最終的にC）その介入のスケールが十分に大きいことです。そうしないと、エラーマージンの内側に入り、安全在庫や他のメカニズムがそれを処理してしまいます。
Joannes Vermorel: それは非常に興味深いですね。それはLokadが経験した旅のように非常に反映しています。現在のアプローチ方法は、将来の予測を結果のためにのみアプローチすることです。それがなぜ、今ではLokadの教義の一部として、裸の予測は許されていないと言っているのです。ですから、それをすることは許されていませんし、それが強化されています。私はLokadのCEOであるため、それを強制することができます。裸の予測を行うと、定義上、現実の世界の結果から隔離されています。予測自体は、将来の測定の抽象化です。それはあなたのビジネスが良いか悪いかを示しません。はい、数値を微調整することができますが、最終的には現実とはほとんど関係ありません。それは非常に抽象的なものです。
また、人々がこの種の演習に参加する意欲があるのは、古典的な予測がほとんど希少化されているからです。予測を行うことができるという履歴書を持つ人々がいます。予測があり、需要プランナーというものが存在します。彼らにはポジションとプロセスがあります。ですから、非常に抽象的なこれらのものが、求人ポジションやソフトウェアコンポーネントを通じて具体化されています。それらを手に入れるためにライセンス料を支払うので、それが現実的なものであるとわかります。もし何かにお金を払うなら、それは確かに存在すると言えます。
そして、もし私たちが「裸の予測」という考えに戻ると、Lokadが持っていた答えは、予測を他の数値技術の一つとして扱う必要があるということでした。ビジネスには多くの具体的な影響を与える要素がたくさんあります。アイデアは、何か非常に具体的なものに直接的なつながりを持っていない場合、例えば何かを生産する、場所Aから場所Bに何かを移動する、あるいは何かを生産して材料を処分し、結果を得るなど、予測モデリングを持つことは許されないということです。それは非常に魅力的なものです。時間系列データや他の種類のデータがあるとすぐにモデルを作り出すことができます。
Conor Doherty: Joannesさん、サプライチェーン最適化における予測の課題について洞察を提供していただけますか？
Joannes Vermorel: 予測は、関連性や賢明さに関係なく実現可能です。ただし、問題は手にハンマーを持っていると、すべてが釘のように見えるということです。予測技術の認証を持っている場合、どんなデータセットでもモデルを適用し始めることができます。Lokadの方針は「裸の予測はしない」ということです。なぜなら、それらはあまりにも危険だからです。予測を非常に現実的なものと結びつけない限り、強いバイアスや官僚的な問題にさらされることになります。メトリックを考え出した場合、組織内にはこのでっち上げのメトリックに対して最適化するためのさまざまな要素が存在するかもしれません。サプライチェーンは本質的に官僚的なものであり、供給と需要を調整することは非常に官僚的な演習です。多くの人々、プロセス、ソフトウェアを同期させることに関わるものです。火に油を注ぐと、大きな問題に急速に発展する可能性があります。サプライチェーンは、多くの人々、ソフトウェア、プロセスから成り立つ人間の構築物であり、特に予測に関しては問題の温床となります。
Conor Doherty: Jonathanさん、組織内での行動経済学の理解が具体的な形で予測プロセスを改善する方法について教えていただけますか？
Jonathon Karelse: 私は、それがプロセスを改善する方法として2つの大きな方法があると言いたいと思います。まず、多くの組織は、人間が予測プロセスに影響を与えていないと考えているため、人間の判断を予測プロセスからできるだけ遠ざけようとします。彼らは、その結果、バイアスやゲームプレイが起こることに対してより免疫があると信じています。しかし、私は、私たちが人間をプロセスから遠ざけたと思っている状況でも、それにはまだ人間の手が絡んでいると主張します。データの選択、ソフトウェアの選択、そして最も重要なのは、予測プロセスの結果として私たちが取る行動に人間の影響があります。
予測自体は単なるアイデアであり、潜在的な指示セットや地図です。それを後でどうするかを決める必要があり、それにはサプライチェーン内の人間が行動を起こす必要があります。私たちのプロセスにどれだけバイアスがあるか、そしてどのような方法でバイアスがあるかを理解することは、私たちのプロセスの潜在的な落とし穴を理解するのに役立ちます。特定の結果にプロセスが私たちを導くと仮定するのではなく、潜在的な結果からプロセスに逆算することで、関与する人々のバイアスの源と程度をよりよく理解することができます。
Conor Doherty: サプライチェーンと計画においては、それらの結果がどのようなものになるかをより深く理解することができます。おそらく、組織は予測や需要計画のプロセスを持っており、ある程度の自動化やコンピュータによる要素を組み合わせていますが、同時に人間の判断も統合しています。特定のガイドラインに従うことを前提として、判断を統合することには時間の経過とともに価値があると考えています。ただし、その判断を提供する人々がどの程度バイアスを持っているかを理解することで、その人間の判断が付加価値をもたらす可能性を最大化するのに役立ちます。バイアスがないと信じたくないか、バイアスがあることに気づいていない組織では、判断を積極的に統合するか、他の場所に存在するこれらの人間の指紋を通じて需要計画プロセスにバイアスを伝える可能性が最も高いです。組織内に存在するバイアスを見つめ直すと、その影響を軽減するためのガードレールを提供することができます。それは常に存在するでしょう。つまり、人間の判断は常に誤りを含んでいるということですが、それは私たちの心の働き方の不完全さによるものです。
Joannes Vermorel: 私は、もし自分自身にバイアスがある可能性すら認識していないのであれば、バイアスの量を最大化するための非常に実証済みのレシピだという考えに同意します。組織にとっても、それは非常に私自身の経験です。私がさらにこの未来にアプローチするという考えを解体する必要がある場合、人々がこれらのバイアスについて考えるとき、彼らはまだ時間の経過の視点を持っています。そして、自分の予測活動で何が間違っているのかを考えるためには、それを行うための解決策やメカニズムを持っていることが非常に難しいです。バイアスとは、あまりにも高すぎるか、あまりにも低すぎるということを指しますが、これは時間の経過という非常に一次元的な視点です。
Lokadの技術的な進化の一環として私が見てきた問題の種類は、将来に関する情報を伝えるために、時間の経過では表現できないクラス全体が存在するということです。それは数値で表現できないという意味ではありません。ただし、時間の経過では表現できません。時間の経過は非常に単純化された方法であり、将来にまで延びる一連の測定値です。例えば、ある製品の販売を見ている場合、販売数量を予測することができますが、販売数量は私が実施する価格に依存しており、価格は与えられたものではなく、私自身の決定です。したがって、非常に正確な予測ができたとしても、それは不完全なものになります。
Conor Doherty: おかしなことは、数学的には、これをすればこの結果になるという関数である必要があるということです。したがって、ここで私たちは、バイアスやその他の要素を持つこの非常に決定論的な視点から見ているとしても、非常に大きな要素を考慮に入れるのに時間の経過の視点は非常に弱いと指摘しています。単に高すぎるか低すぎるものだけでなく、考慮されていない別の次元が存在するのです。したがって、ここでは、他の行動によって結果を文字通り形作ることができるという考えを示しています。それは単に惑星の動きを観察するだけではありません。私は行動を起こし、将来の結果を変えることができます。ただし、純粋に受動的な観察者のままでいる場合でも、時間の経過ではまだ不十分な状況があります。
Joannes Vermorel: たとえば、航空宇宙のメンテナンスを行う場合、私は自分の航空機のラインを維持したいと思います。部品の需要を予測することはできますが、問題は、航空機を修理する際に交換する必要のある部品のリストがあるということです。つまり、私はスキーマを単純化しています。航空機がメンテナンスのためにハンガーに入ってきて、人々が診断を行い、交換する必要のある部品のリストがあり、それらの部品のすべてが交換されるまで、航空機は再び飛ぶことはできません。地上にとどまっています。すべての部品について予測が完璧であっても、すべての部品の共同の可用性については何も教えてくれません。理論的には、すべての部品について予測が完璧であれば、共同の知識も完璧になります。しかし、非常に微小な不確実性が各部品にある場合、聴衆にとって航空機は約30万の異なる部品で構成されていることを知っているとしても、各部品に対する必要性の種類について非常に微小な不確実性があるということは、航空機を修理するために必要なすべての部品の共同の可用性に対する不確実性が非常に大きいということです。
Joannes Vermorel: これは、古典的な時系列の視点では数学的に表現できない例です。これは、バイアスのような問題のクラスです。予測が高すぎるか低すぎるというバイアスがありますが、他の非常に人間的な問題のクラスもあります。それらは正しい方向を見ていないか、関連する答えを提供するような構造を持っていません。これらは、私たちが21世紀になってから非常に興味深い問題です。
Jonathon Karelse: 完全に同意します。
Conor Doherty: それでは、私たちは将来について、または次の100年について、未来の未来について、未来の未来について話し合うために、Jonathon、まずあなたに行きます。AIの開発と技術に関して、予測を支援するのか、それとも最終的にはそれらを置き換えるのか、どう思いますか？
Jonathon Karelse: ダニエル・カーネマンにAIが人々を置き換えることについて尋ねられたとき、彼は一方ではそれが起こることを望んでいます
Conor Doherty: 私たちは客観的な判断をするのがとても下手ですが、一方ではそれが絶対に起こらないと確信しています。そして、これは、私にとって、理論的または哲学的なものと実践的なものを区別する重要性です。理論的な側面では、将来のある時点で、データ処理の能力、人間の思考の仕組みをより微妙で詳細なレベルで理解する能力が、人間の脳を数十年で複製できると考えられていたダートマス会議の人々が目指していたような複雑なシステムを生み出すことができるようになるでしょう。それが理論的な側面です。
現実の生活では、私の人生、あなたの人生では、それは起こらないとは思いません。過去70年間のAIの軌跡を見るだけで、それをある程度の確信を持って言えます。確かに、今日私たちはたくさんのことを学んでいます。コンピューティング処理能力は指数関数的に拡大しており、利用可能なデータの量も同様ですが、それにもかかわらず、AIの実践において人間を置き換えるような画期的な進展はまだ生まれていません。私たちを支援することはできますか？もちろんです。今日、AIの初期の適用は、さまざまな分野で利益をもたらしていますが、人々を置き換えるというギャップは依然として大きな溝です。
ジョアネスが初めに言ったことに戻ると、私は非常に同意します。人間の創造力の能力は、コンピュータやAIによって置き換えられる危険性はないと思います。私たちの価値は、複雑な問題に答えることができる能力にあるのではなく、まず興味深い重要な質問をすることにあります。それらの質問を提起することによって、私たちは今日の技術の総力を結集して答えを見つけることができますが、それは革新的な質問をすることによって、人間がプロセスの重要な部分であるということです。
ジョアネス、何か追加したいことはありますか？あなたに投げます。
ジョアネス・ヴェルモレル: 私の考えでは、人々が予測を人間の活動として見ているような、古典的な意味での予測、たとえば数百人のクラークを持つ会社や彼らのS&OPプロセスがスプレッドシートを処理し数値を生成することをサポートすること、私は自分の人生の中でそれが消えるのを非常に楽観的に見ています。Lokadで行っているような実践が私を非常に楽観的にさせます。私たちが提供するクライアントにとって、それはほぼ完全に排除されています。
ただし、私たちがそれを行った方法、それが製品の種類ですが、人々を排除することでも人工知能を持つことでもありません。私たちが行った方法は、それらの意思決定に焦点を当て、スマートなエンジニアが数値のレシピを作り出すことです。私が使用する典型的な用語ですが、それはヒューリスティックスかもしれませんし、もっと単純なフィルターなどかもしれません。それでもそれはヒューリスティックスではなく、それはもっと基本的なものです。
コナー・ドハティ: ですから、それは企業にとってどういう意味ですか？
ジョアネス・ヴェルモレル: それほどでもありません、なぜなら、数値のレシピは非常に人間の製品です。それを作り出すには、非常に優れた人間のエンジニアが必要ですし、メンテナンスも完全に人間によって行われます。数値のレシピは、合理的な意思決定を生成するためにスケールで動作する数値プロセスのノウハウです。数値のレシピには知性がありますか？全くありません。数値のレシピは非常に機械的なものです。はい、機械学習の要素があるかもしれませんが、それは統計的な技術にすぎません。それらは依然として非常に機械的な性質です。
コナー・ドハティ: では、それは非常に興味深いところはどこですか？
ジョアネス・ヴェルモレル: この視点から出発すると、まだ大企業で数百人の人々を忙しくさせている何かを自動化するプロセスになります。しかし、結局のところ、数値のレシピを担当するチームはまだ存在し、それらは自己で動作しません。鍵は、人間が考えるためのメンタルバンド幅を持つことです。サプライチェーンの非常に複雑な詳細に完全に埋もれてしまうと、難しくなります。
サプライチェーンの非常に複雑なものの例として、毎日の基準で50百万のSKUを細かく管理する必要がある場合があります。在庫を1つ、2つ、3つ、5つなどにするかどうかを選択する必要があります。そして、私はその在庫レベルを毎日細かく管理する必要があります。このような意思決定に必要な細かい予測が、日々の実行の意味で完全に自動化されることを願っています。しかし、1年から次の年までのようなより長い期間、会社自体が進化し、市場が進化し、答えるべき正しい質問が進化する場合、私は自分の人生で機械によってそれが解決されることはないと思います。
コナー・ドハティ: では、それは実際の企業にとってどういう意味ですか？
ジョアネス・ヴェルモレル: 私はこの自動化が、特にS&OPの傘の下で付加価値が非常に少ない作業を行っている人々のエコシステムの層を置き換えると信じています。それが本当のS&OPでないか、良いS&OPでないかという議論は別としても、私が供給チェーン業界で観察してきたのは、数え切れないほどの大企業が、数字を上げ下げするだけの非常に大きなチームを持っているということです。そして、それがなくなる可能性があると私は疑っています。人間の必要性を排除するような幻想的なツールがあるわけではなく、むしろより良いツールを使うことで、供給チェーン管理の効率を向上させることができるからです。
ジョナサン・カレルス: ジョアネスと同じ意見です。私たちがより良いツールと技術を開発し続けることで、人間が供給チェーン管理で果たす役割が変わっていくでしょう。自動化は多くの単調で繰り返しの作業を処理できますが、戦略、イノベーション、進化する市場状況に適応するためには人間の専門知識が依然として重要です。
コナー・ドハティ: そして、より良い技術を持つことで、非常に大規模なスケールで動作するものを設計できる少数のスマートな人々を持つことができます。では、ジョナサン、それに対する何かコメントはありますか？最後の言葉をあなたに譲りたいので。
ジョナサン・カレルス: 最後の言葉を言うことはできますが、私は彼が言っていることに広く同意しています。そして、「S&OP」の議論に巻き込まれるつもりはありません。
コナー・ドハティ: それでは、少し進めてみましょう。もし「歴史の未来の未来 21世紀の第2部」の第2版を書くことになったら、特に焦点を当てるべき具体的なアイデアはありますか？
ジョナサン・カレルス: いいえ、私の2冊目の本はこの本の続編ではありません。私の2冊目の本は、私が引退した後になる必要があります。なぜなら、それは私のキャリアの間に人々がサプライチェーンで行ってきた狂気じみたことの物語になるからです。それは、それをやることがどれだけクレイジーであるかの証拠の山があるにもかかわらず、彼らはそれをやり続けるのです。ただし、もちろん、現在のクライアントの皆さん、心配しないでください、あなた方はその本には登場しません。しかし、いいえ、私たちはこの本を出版してから数か月しか経っていないので、まだ発見されていないジョアネスが言ったようなこれらの新しい知識システムや科学の種類は、考え始める必要はないと思います。
コナー・ドハティ: それでは、そのノートで、そして私が以前に質問する機会を得られなかったことですが、ジョアネス、あなたも同じ質問をします。NorthFindでの経験から、Cレベルの幹部と一緒にいるときに、私たちが話しているこれらのアイデアを彼らに売ろうとするとき、先入観を通じた抵抗に遭遇した場合、どのように行動経済学を活用して、ちょうど今言及したような狂気じみた例を避けるのですか？
ジョナサン・カレルス: 質問の前提を一部否定します。私は特にこれらの議論で望ましい結論にたどり着くために行動経済学を使おうとは思いません。おそらく私は、ソフトウェアベンダーと比べて、その地域を航行するのが比較的簡単な立場にいると思います。なぜなら、私にとってのビジネスの成功は、ソフトウェアの一部を売ることではないからです。もちろん、ソフトウェアは重要です。それは重要なエンエーブラーです。しかし、私たちはプロセスと課題を評価し、最終的にソリューションを設計するビジネスですので、私はCスイートの人々を特定の方向に押し進める立場にはあまりないのです。それはむしろ、彼らのビジネスの文化、利用可能なリソース（データ、ツール、人材）に基づいて、プロセス変革への旅の最初のステップはどこにあるのか、最も可能性の高いまたは最適な場所を理解することです。そして、もし彼らが予測を手放すことに強く反対しており、毎月300人の営業担当者が予測を調整する時間を費やしたいと本当に望んでいるのであれば、それは私が死ぬべき山ではありません。つまり、それは大丈夫です。もし、これが私たちの現実であるなら、プロセスの一部としてそれを持っていましょうが、重要なのは、その活動のビジネス価値を測定することです。そして、彼ら自身が結論に達することがよくあります。これらのクレイジーな活動が存在する理由は、
コナー・ドハティ: これらの組織の遺産は、それらが持続することを可能にする何らかの測定基準です。それは、その活動がどれだけクレイジーであるかを明らかにしない測定基準です。測定基準自体がしばしばクレイジーであり、クレイジーなプロセスを裏付けるためにはクレイジーな測定基準が必要です。組織に行って、トップレベルのドル価値と3か月間の平均値を測定しているのを見ると、それは予測プロセスがどれだけ悪いかを知りたくないからです。なぜなら、それが診断目的であるべきであるのに対して、複数の月を集計したり、階層を高く集計したりする必要はないからです。少し話が逸れましたが、要点は、彼らが本当にクレイジーなプロセスにこだわっている場合、私は彼らを結論に押し込むことを試みていません。私たちはただ、そのクレイジーなプロセスのビジネス上の利益を測定することで、彼らがそれを続けるかどうかを理解するのを助けるだけです。そして、彼ら自身が結論に達することがよくあります。
ジョアネス・ヴェルモレル: 明らかに、ソフトウェアモデルの立場にいる私のアプローチは通常非常に異なります。私のアプローチは通常、できるだけシンプルな例を示すことです。予測が求めているものを提供することができないようなものです。時には、非常に単純な状況もあります。航空業界では、部品レベルで作業を行っても、航空機を修理するかどうかについてはまったく情報を提供しません。小売業に入って、店舗には非常に良い代替品がたくさんあると言っても、別の問題があります。それは私にとって良い指標を提供しません。このような組織で非常に成功しているのかどうかはわかりません。おそらく、彼ら自身の旅をするようにするあなた自身のアプローチの方が効率的かもしれません。それは困難な旅です。Lokadの経験を興味深く、必ずしも簡単ではないものにする要素の1つは、意思決定に焦点を当てることであり、予測モデリングのようなことを行っていることは非常に奇妙です。最も有用な予測はますます奇妙になっているという旅があります。私は21世紀の未来の歴史は非常に奇妙になると思います。まるで量子力学と関連するような奇妙さです。それは直感的では全くないアイデアの一連です。それにはまったく奇妙な数学が付属しています。それを適用すると、予想以上に奇妙なことが起こります。
ジョナサン・カレルス: さて、紳士たち、これで終わりにしましょう。しかし、行く前に、ジョナサン、サプライチェーン管理またはサプライチェーンの実践者にアドバイスを一つだけ与えるとしたら、何ですか？
ジョナサン・カレルス: 本を買ってください。店頭で入手可能です。それはおそらく私の会計士が与えるアドバイスです。もし一つだけアドバイスをするなら、なぜかを尋ねることです。ただ知ることに満足せず、なぜかを理解しようと努めてください。実際に非常に素敵な引用があります。あなたが書いたかどうかはわかりませんが、「データを持つ悪い予測者は、ランプポストを持つ酔っ払いのようなものです。それは照明ではなく支えとして使用します。」常に光を探してください。
コナー・ドハティ: どうもありがとうございました。ジョナサン、お時間いただきありがとうございました。ジョアネス、あなたもありがとうございました。そして、ご視聴いただきありがとうございました。次回お会いしましょう。
