00:00:00 インタビューのイントロダクション
00:02:09 サプライチェーンの意思決定における品質とコスト
00:05:16 品質の例としてのiPhone
00:08:36 サプライチェーンにおける意思決定と選択肢
00:11:47 サプライチェーンパフォーマンスを評価するためのKPI
00:14:27 パフォーマンス指標としてのサービスレベル
00:17:24 製品設計における関連品質の重要性
00:20:42 サプライチェーンの人間の理解を超える複雑性
00:24:11 AIと自動化がサプライチェーンに与える影響
00:27:59 Lokadにおける大規模言語モデルの利用
00:31:21 現代のコンピュータの速度とAIコスト
00:34:34 調達分析とAIがコストに与える影響
00:38:17 サプライチェーンにおけるコストトレードオフ
00:41:38 監視すべき競合数の決定
00:45:10 ソフトウェアの洗練度と従業員数の比較
00:48:26 サプライチェーンの推進要因を理解するための投資
00:51:43 市場状況は将来にわたって拡張できない
00:54:23 意思決定の品質の指標としての利益
00:58:12 デジタル化によるサプライチェーンの複雑性
01:00:52 Amazonの成功と成長戦略
01:03:24 サプライチェーンの複雑性を恐れないよう促す
01:06:01 完璧に間違うよりも大まかに正しい方が良い
要約
Lokadのコミュニケーション責任者Conor Dohertyとの対話で、Lokad CEOのJoannes Vermorelは供給チェーン管理における品質とコストの比率について議論します。Vermorelは、品質は意思決定に関するものであって製品の属性ではなく、顧客が認識する品質がコストのために最適な供給判断と一致しない可能性があると強調します。彼は従来のKPIを批判し、本当の品質を反映していないと主張します。さらに、Vermorelはサプライチェーン管理における大規模言語モデル（LLM）の役割について議論し、それらがより賢明な意思決定をもたらす一方でIT予算を膨らませる可能性があると指摘します。彼は品質とコストのジレンマをメタゲームと捉え、サプライチェーンの問題を解決し、トレードオフを評価するためにはソフトウェア工学が必要であると示唆します。
詳細な要約
Lokadのコミュニケーション責任者Conor Dohertyと、Lokadの創設者兼CEOであるJoannes Vermorelとの示唆に富む対話では、サプライチェーン管理における品質とコストの比率という複雑な概念に深く掘り下げています。Vermorelは、サプライチェーンの文脈での品質とは、製品の物理的属性ではなく意思決定の質を指すと説明します。彼は、顧客の視点から見た最高のサービス品質が、関連するコストのためにビジネスにとって最適な供給判断と必ずしも一致しないと強調します。
Vermorelはさらに、より多くのリソース、人材、ソフトウェアへの投資がより良い意思決定につながる可能性があるものの、それらの意思決定は顧客が認識する品質と混同されるべきではないと詳述します。彼は意思決定の品質を測定することの主観性を認め、物理的製品のより単純な評価方法と対比します。しかし、彼は製品の認識される品質はその物理的属性を超えるものであり、例としてiPhoneとそのアプリマーケットプレイスを挙げています。
Vermorelの見解では、サプライチェーン管理は選択肢の最適化であり、意思決定の品質は把握しにくいものです。彼は、決断力のような指標は客観的に測定できると示唆します。彼はサービスレベルや需要の予測精度などのKPIをサプライチェーンパフォーマンスの評価に使用することを批判し、これらは本来の品質を反映していないと論じます。これらのKPIは、サプライチェーンの品質と成功度と相関しない数値的な副産物であると述べています。
Vermorelはまた、サプライチェーン管理における大規模言語モデル（LLM）の役割について議論します。彼は、LLMは高価であるものの、より賢明で高品質な意思決定をもたらす可能性があると説明します。一方で、企業がこれらのシステムに多大な費用を投じることでIT予算が大幅に膨らむ可能性があると警告しています。彼は、場合によってはより安価なバージョンのLLMを使用する方がコスト効果が高いと示唆しています。
Vermorelは、LLMを活用することで企業は意思決定の品質を工学的に向上させ、コストのトレードオフを管理できると考えています。彼は、これが主流のサプライチェーン管理ではあまり議論されない概念であると述べます。彼は、現代の供給チェーンはソフトウェアによって実行され、工学的に設計可能であると説明し、時間、メモリ、ディスク消費量など、ソフトウェア運用コストを測定する容易な指標が存在すると指摘します.
Vermorelは、品質とコストのジレンマはサプライチェーンの問題を解決し、トレードオフを評価するためのソフトウェアの設計に関するものであると論じます。焦点は、顧客にとってより優れた品質が何であるかを判断できるソフトウェアの作成にあるべきだと強調します。彼は、この品質とコストのジレンマは、企業が卓越したサプライチェーンを構築するために取り組むべきメタゲームに例え、チェスのようなゲームであり、ソフトウェアによってのみ勝利可能であると述べています.
結論として、Vermorelはサプライチェーンにおける意思決定を特定し、広義における品質の意味を評価することを助言します。彼は、単純なフレームワークよりも、サプライチェーンの20の次元を特定する包括的なアプローチを提案しています。この対話は、サプライチェーン管理に内在する複雑さと微妙なニュアンス、そして意思決定と品質評価に対するより洗練されたアプローチの必要性を再認識させるものです.
フル・トランスクリプト
Conor Doherty: Lokadへようこそ。すべてのビジネス意思決定は、品質、つまり物事の良さとコストとの慎重なバランスを反映しています。しかし、この品質とコストの比率はサプライチェーンにも当てはまるのでしょうか。ここで議論に参加するのは、Lokadの創設者、Joannes Vermorelです.
ではJoannes、品質とコストの比率についてですが、これは希少性のように、多くの人が他の人々がこの用語を使うときに何を意味しているか大まかな理解を持っていると思います。しかし、その意味を簡単に説明し、サプライチェーンのテーマに明確に関連付け、その重要性を説明していただけますか?
Joannes Vermorel: 品質は通常、物理的製品そのものに適用される属性です。たとえば、iPhoneは高品質なスマートフォンです。非常に安価な車、高品質で高価な車、その中間もあります。これはおそらく最も簡単なアプローチでしょう。しかしサプライチェーンにおいては、サプライチェーンは製品を設計も生産もしないのです。したがって、サプライチェーンの観点から品質を考える場合、注目すべきは製品の物理的属性ではありません.
これはある程度サプライチェーンの問題かもしれませんが、後で改めて検討するかもしれません。根本的には、サプライチェーンの責任ではないからです.
それをサプライチェーンに含めると、サプライチェーンはあまりにも広大になり、事業全体とほとんど区別がつかなくなってしまいます。ですから、明確さのために、製品の物理的な属性はサプライチェーンそのものではないと定義しましょう。これがサプライチェーンの文脈で私が意味する品質とは異なります.
サプライチェーンの文脈での品質とは、意思決定の質を指します。最初の問題点は、おそらく意思決定の質が顧客に認識されるサービスの質とは一致しないということです。たとえば、stock outが全く発生しないことは、非常にシンプルな小売環境における顧客視点での最高のサービスレベルとなります。しかし、それがビジネスにとってのサプライチェーンの意思決定としては最高の品質であるとは限りません。なぜなら、ビジネスにとってそれは持続不可能なほどコストがかかるからです。つまり、意思決定の質が品質とコストの対比において重要なのです.
より良い意思決定を得るためには、より多くのリソース、人材、ソフトウェアへの投資、最終的には研究開発への投資が必要となります。これらはすべてコスト側の要素であり、その結果、品質の高い意思決定が得られますが、これはサプライチェーンの観点での品質であり、再び顧客が認識する品質と混同すべきではありません.
繰り返しますが、サプライチェーンはトレードオフの連続です。したがって、非常に高品質な意思決定とは、これらすべてのトレードオフを慎重にバランスさせた決定のことを指します。私の一連の講義で述べているように、サプライチェーンは選択肢の最適化の達人です。つまり、非常に高品質であるとは、サプライチェーンの意思決定ゲームにおいて極めて成功した実行、つまり高度な選択肢の活用を意味します.
Conor Doherty: それに直ちに関連して、あなたはiPhoneの例を挙げています。もし、iPhoneの品質や品質保証、そして品質とコストの評価に関する各種プロトコルについて話すなら、iPhoneのチップの品質やストレージの品質といった物理的属性について指摘し、「これは高品質だ」と測定できると言えるでしょう。しかし、意思決定の品質について語ると、それは非常に主観的な領域に踏み込むことになります.
Joannes Vermorel: 表面的には、物理的製品の場合、品質の評価はより直接的です。しかし、それはあくまで表面上の話です。iPhoneの例に戻ると、実際、初年度のiPhoneの販売はそれほど良くなかったと記憶しています。Appleにとっては、特に当時Appleが非常に苦境に立たされていたため、まずまずの成果だったかもしれませんが、比較的控えめなものでした.
iPhoneは数年後に、App Marketplaceの導入により爆発的に普及しました。そこでは、Appleが、アプリをワンクリックでインストールできるマーケットプレイスを展開することを決定し、アプリを一度クリックして1ドルを支払えば、完全に互換性のあるアプリがスマートフォンに簡単にインストールできるようになりました。そしてそれがiPhoneの人気および認識される品質を爆発的に向上させたのです。物理的属性を見ると、確かにそれは非常に優れた装置でしたが、実際には電話としての基本機能、すなわち通話の受信と発信に関しては、実際のスマートフォンはかなり粗悪でした.
しかし、App Storeの導入によって認識される品質は爆発的に向上しました。なぜなら、その瞬間、スマートフォンという形式が完全なものになったからです。すなわち、ミニコンピュータとしての機能を備え、様々な操作が可能になりました。すると、もはやそれは単なる電話ではなく、スマートフォンとして認識されたのです。しかし、人々はその進化を、発売から1年後に初めて実感したことを忘れてはなりません。要するに、品質には、基本的な、より良い素材、より高い耐久性、軽量であることが含まれます。一般的に、動かすものは軽いほうが通常は良いとされます.
ですから、物理的製品の場合、非常に基本的で重要な要素は存在しますが、同時に、品質は見た目以上のものであり、製品でより多くのことが可能であるという期待、エコシステムや各種アクセサリとの連携、さらには装飾的な面で多様な状況にマッチする美しさまで、含まれる場合があります。例えば、非常に装飾的なオブジェクトが、どんな様式のアパートにも合う素敵な一品となり得るように、極めて捉えどころのない品質が存在する場合もあります.
Conor Doherty: しかし、その多くはサプライチェーンの意思決定にはほとんど反映されません.
Joannes Vermorel: 物理的製品における品質の場合、単純な指標が多数存在し、直接的に評価できるものの、深い次元が存在するのです。そして、サプライチェーンの場合は、選択肢の最適化が本質であり、観察された選択肢の中から、積極的に培われた選択肢の中から最適なものを決定するというプロセスになります.
これは非常に抽象的な話ですが、意思決定の品質が非常に把握しにくいものであるということを意味します。しかし、意思決定の品質に関しても、測定がそれほど難しくないいくつかの指標は存在します。例えば、軍隊では「最悪の計画は計画がないことであり、戦場でこれ以上の悪は、優柔不断な外科医がいないということである」といった格言があります。優柔不断さはほぼ常に誤りであることを意味します。つまり、何もしない、敵がミスをするのを待つという決断が、優柔不断で何も行動しないのとは全く異なるのです.
つまり、「最適な決断は、タイミングが整うまで待つという決断であり、これは意図的かつ目的意識を持ってなされたものである」というのは、優柔不断でパニック状態に陥り何もしない状態とは全く異なります。これらは同じ「何もしない」という決断であっても、その質に関しては全く違うものだと私は主張します.
それに、例えば決断力は比較的明快に測定できるものです。サプライチェーンの現場では、迅速に決断を下せるのか、あるいは理由もなく永久にかかってしまうのか、といった具合です。決断に要する時間を客観的に測定できるという点で、一つの指標となります。つまり、ある程度簡単な指標はあるものの、それほど優秀なものではありません。戦場の将軍のように、サプライチェーンでは数秒や数分という極端な緊急性が求められることは滅多にないのです。従って、実際にはそれほど明確ではありません。
ただし、明らかに、もし意思決定に4ヶ月もかかるのであれば、おそらくあなたのやり方は非常に問題があると言えるでしょう。しかし、そうした評価が難しい要素もあり、より抽象的かつ非常に曖昧な部分も存在します。つまり、これらの意思決定の質を評価するために何を基準にすべきか、その明確な限界は存在しないのです。
Conor Doherty: 戦場の将軍のアナロジーのように、どんな決断でも全くの優柔不断よりはましだということです。企業がすでにパフォーマンスや品質を評価するためのKPIを使用しているのはそのためです。ここではとりあえずパフォーマンスと呼び、その後で品質についても触れてサプライチェーンのパフォーマンスを評価しましょう。たとえば、各基準に対するサービスレベルや、場合によっては需要予測の精度などがあります。50％の精度、60％の精度といったKPIがあるのですが、これが何もないよりは良いということでしょうか？
Joannes Vermorel: そうとも言えません。まず第一に、これらのKPIは本当の意味での品質を深く反映しているわけではなく、単なる数値的な人工産物に過ぎないのです。ほとんどのKPIはそのようなものです。
Conor Doherty: 「数値的人工物」とはどういう意味ですか？
Joannes Vermorel: つまり、単純な数学的定義に基づいて定義された数字のことです。しかし、なぜその数学的定義が実際の品質と相関するはずがあるのでしょうか？
Conor Doherty: ページ上のただの数字という意味ですか？
Joannes Vermorel: その通りです。ただの数字ですし、しかもただの数字ではありません。通常、教科書や数式から導かれる数字です。例えば、予測精度の平均二乗誤差というのは、非常にポピュラーな指標で、数学の教科書などに頻出します。なぜこの指標が存在するのでしょう？それは、このノルム2に関連する多くの定理があるからです。ノルム1やノルム2などがあり、この指標に関連した数学的定理や統計学的定理も多く存在するためです。
問題は、これは内向きな視点であるということです。数学の世界では「なぜこのノルム2にこだわるの？」と言われます。その答えは、このノルム2に関連する定理が多く存在するからです。それを使ってさまざまな抽象的構造を構築し、数学的に多くのことが可能になるのです。確かに、これは素数のように興味深い数学的対象ですが、素数が持つ魅力とはまた別の問題であり、サプライチェーンの品質や成功との相関を証明するものではありません。
Conor Doherty: では、その素晴らしいアナロジーをサービスレベルに結び付けてみてください。
Joannes Vermorel: サービスレベルに何らかの相関があるとすべき理由は何でしょうか？確かに、例えばサービスレベルが0％なら何も売れず、それは悪いことですし、100％のサービスレベルでも常に在庫の償却が発生するため良くありません。品切れを一切許さなければ、何も処分できなくなるからです。つまり、極端な場合はどちらも問題がありますが、中間の値ならば一概に評価できません。最適な値は極端な値ではなく中間にあると理解されるものの、その正確な値は非常に曖昧です。
パフォーマンスや品質の指標としてパーセンテージが提示されると、非常に疑わしく感じます。どこにその合理的な根拠があるのでしょうか？まるで突如として空から落ちてきたかのようです。単に数式を示すだけで、これを裏付ける十分な議論がなければ、この数値的人工物が適切だと信じる理由はありません。結局、それは数学や統計の教科書から引っ張ってきたただのランダムなものに過ぎないのです。
興味深いのは、この種のKPIの考え方に立つと、品質というテーマについて、例えばデザインや製造に関する教科書では、非常に微妙な議論が展開されている点です。例えば、Ikea創業者による家具販売業者向けの遺言書は美しく短い文書で、聴衆にも大変お勧めしたいものです。その中の多くのポイントのうちの一つ（11点目か14点目だったか、20点ほどありますが）で、Ikea創業者は「製品の品質に関する簡単な指標に惑わされるな」と述べています。
例えば彼はこう言っています。美しい表面を手に入れたいのであれば、人々が触れて見ることができる表面だけが重要であると。ここで彼が話しているのは家具についてです。人々が触れたり見たりできないのであれば、例えどれほど耐久性があり、滑らかで、美しい高品質な表面であっても、誇示する必要はないというのです。つまり、家具の裏側やテーブルの下など、評価されることのない部分にまで高品質を追求するな、と。品質に投資する際は、本当に意味のある部分、顧客の目に触れる部分に焦点を当てるべきであり、「どこでも高品質」という、抽象的な品質指標に惑わされてはならないということです。
そしてなぜかというと、もしそのようにしてしまうと、顧客は実際に享受できない品質に対して支払いをする羽目になるからです。彼の視点では、それは極めて問題があるのです。顧客が支払うすべての費用は、確実に享受できる品質のためでなければならないのです。これこそが非常に繊細な問題で、デザインや製造においては、品質とコストの間の関係、つまりどのようにアプローチするかについて、非常に細かい議論がなされているのです。
しかし、サプライチェーンの意思決定の世界では、そのような議論は全く見られません。主流のサプライチェーン理論、いや主流のビジネス理論、つまりMBAスタイルのビジネス研究においても、意思決定の品質という点は非常に欠如しています。人々の論理は非常に二元論的であり、例えばサプライチェーンや一般的なビジネスの教科書において、意思決定を少しでも改善するためにどれだけの投資や資源を割くべきか、限界効用逓減により努力が無駄になり、コストが利益を上回るといった議論は一度も見たことがありません。
さらに、適切なサービスレベルの追求について考えると、企業は単に「サービスレベルの目標がある」と言うだけです。しかし、適切なサービスレベルを追求するために、設備投資（CAPEX）や運用費（OPEX）としてどれだけ投資しているのかはどうでしょうか？改めて、サービスレベル自体は優れたKPIではないのですが、聴衆にとって馴染み深いものとして取り上げます。つまり、あなたがあるサービスレベル、例えば「これが私のターゲットだ、サプライチェーンや会社にとって最適なトレードオフである」と決めたとしても、その評価の質はどうあるべきでしょう？例えば95％という数字を出したとして、それが本当に最適な数字なのか、さらにその数字を洗練させるために投資すべきかどうか、その理由は何かという問題です。
そして、これは通常サプライチェーンの教科書では議論されません。単にレシピが与えられ、「それを適用すればよい」というだけで、結果としてプロセスに準拠しているか否かという、二つの状況しか提示されないのです。コンプライアンスが何を意味するのか、品質が何を意味するのか、またどの方向に進むべきか、あるいはそのプロセス自体がどのようなものであるべきかという、細かい検討は全く行われていません。
Conor Doherty: 反対はしませんが、二点ほどあります。まず第一に、このような洗練に欠けた、受け入れ可能／非受け入れ可能、良い／悪いという二元的な区分が存在するのは、あなたが述べるような複雑性が人間の理解をはるかに超えているためではないでしょうか？つまり、そのために非常に粗野な特性、たとえば「進むか進まないか」「良いか悪いか」という判断基準が存在するのではないでしょうか。私もその洗練の欠如を認めますが、これは愚かさのせいではなく、いったいどうやって何百万、何千万もの皿をバランスよく回すのかという問題なのです。
Joannes Vermorel: 人間の性質の結果だという点には同意しますが、必ずしも人々がそう認識しているわけではありません。扱っているのは人間であり、人間は非常に複雑です。人間の心に限界があるのではなく、個々に極めて複雑な人々を相手にしているのです。だからこそ、単純な基準に頼らざるを得ないのです。それは心が限られているからではなく、極めて複雑な人々を扱っているため、限界効用逓減が非常に速く現れてしまうからです。
例えば、需要計画者や供給計画者が100人いるとしましょう。そこには非常に高度な精緻さを追求するための莫大な労力が必要です。ですから、やりすぎだという意見には賛成ですが、それは我々の理解の限界が原因というよりも、扱う対象である人々が極めて複雑で微妙であるためなのです。そして、彼らの複雑さや自律性のために、超合理的なシステムを構築しようとすれば、ほとんどの場合、それは裏目に出るのです。人にインセンティブを与えようとすれば、かえって彼らがそれを利用して悪い反応を示すというのが常です。通常、非常にシンプルに保つことが安全策となるのです。
もう一つの話題は、21世紀のサプライチェーン管理はあらゆる層で人間に依存すべきではないということです。確かに上層部には人間が必要ですが、実行層は完全に機械化されるべきです。
Conor Doherty: 次の質問ですが、伝統的な教科書で我々が述べているこの視点の欠如は、機械学習、AI、自動化がかつてない規模と細かさで存在する現代においての結果ではないでしょうか？50年前、いや20年前にはなかった規模です。では、あなたの見解をお聞かせください。
Joannes Vermorel: そこが非常に興味深い点です。もし意思決定が機械的に設計されるなら、それは賢明な決定を自動生成する機械になるでしょう。そう、それは人工知能です。一般的な人工知能ではなく、特定の人工知能ですが、反復して一連の良い決定を下すのであれば、少なくとも一端の知性を備えていると見なせます。それは、たとえ限定的ではあっても、それ自体が知性であり、決して愚かではありません。
大規模言語モデル（LLM）は、品質とコストの意味するところを非常に分かりやすく、具体的に示してくれます。たとえば、ChatGPT-3.5と有料版のGPT-4を比較してみると、より多く支払えば、より賢い結果が得られることが分かるでしょう。これらのLLMには、小型で安価かつ高速なモデルから、より大きく、遅く、コストが高い分、はるかに高品質なモデルまで、知性の幅広いスペクトルが存在します。
これは非常に直接的に体験することができます。対話形式でLLMに問題を解かせることができ、GPT-2、GPT-3.5、GPT-4と試してみれば、その知性のレベルに驚かされるはずです。非常に細かい違いがあり、ある事柄は小さいモデルではうまく機能せず混乱を生む一方、より大きく賢いモデルになると、より深みのある議論ができ、回答も微妙なニュアンスを含み、質問の意図をより的確に汲み取るようになります。
高品質な意思決定が何を意味するのか、自ら確認することができます。あなたがLLMに質問すれば、それに対する答えが返ってきます。これが、ここで問われている品質の一例です。たとえ、例えば非常に良いプレーンテキスト形式の回答という品質の認識が捉えにくいものであっても、この品質の幅を数分で感じ取ることができます。機械学習の博士号を持っている必要は全くありません。GPT-3.5で10分遊び、GPT-4で10分遊べば、その違いが実感できるでしょう。システムが返すすべての回答に、明らかに付加的な品質が備わっているのがわかります。
このような微妙な違いは、Lokadではほぼ10年間存在してきました。しかし、サプライチェーンの意思決定は非常に抽象的で、あなたがなじみのないサプライチェーンに関連しているため、実際に示すのが困難であり、手で触れられるものではありません。示すことが容易なものでもなく、たとえ示せたとしても、情報や文脈が不足しているため、低品質と高品質の違いを人々が敏感に感じ取ることはほとんどありません。
しかし、LLMは画期的な進歩を遂げました。突然、試してみると「この金額を支払えば、決定の質がこれだけ向上する。それは明らかだ」と実感できるのです。そして、より賢い意思決定が必ずしも必要でない状況があることにも気付くでしょう。必ずしも賢さが優れているわけではなく、場合によっては速さだけで十分なこともあります。これが正しいトレードオフなのです。そして、知性という観点からも、高品質が必ずしも常に優れているとは限らず、ある時点でトレードオフが存在することに気付くでしょう。実際、賢さよりも速さが求められる場合があるのです。
Conor Doherty: 私たちの提供内容の一環としてLLMを使用するようになったのは知っていますが、LLMの導入によって、もともとかなり抽象的な品質とコストの比率は具体的にどのように変わるのでしょうか？ 今、もう一層抽象性（LLM）を追加していますが、実務的、具体例を用いて説明すると、供給連鎖の視点から品質とコストの比率にどのような影響を及ぼすのでしょうか？
Joannes Vermorel: 変化は確実です。なぜなら、現時点でLLMは非常に高価だからです。聴衆は気づいていないかもしれませんが、LLMは素晴らしいものの、費用がかかります。経験則として、LLMを使って1キロバイトのデータを処理する費用は、同じ1キロバイトのデータでほぼ他のどの計算を行う場合よりも約100万倍かかります。つまり、文字通り、LLMは桁違いに高価で、1、2桁ではなく、6桁か7桁のオーダーでキロバイトあたりのデータ処理費用が高く、計算速度も遅いのです。
Conor Doherty: 定量的な話でしょうか、それとも定性的なもの、あるいはその両方でしょうか？
Joannes Vermorel: 単に、1キロバイトの処理に必要な時間と費用という事実に基づいた指標です。画面上でテキストがストリーミング表示されるのを見ると、皆「かっこいい」と感じるかもしれませんが、コンピュータ科学者としては「おお、これはまるで1950年代だ」と思ってしまいます。現在のコンピュータは非常に高速で、通常、数千行ものテキストをミリ秒単位で表示できます。よく設計されたウェブページでは、無限に続くテキストの壁がミリ秒で一気に表示され、1文字ずつ印字される様子は見えません。なぜなら、その速さが知覚閾値を下回っているからです。
1960年代に戻ると、非常に古い映画でテキストが1文字ずつ印字される様子が見られました。60年代のジェームズ・ボンドの映画などに出てくる古い端末では、テキストが1行ずつ表示される様子が確認できます。なぜそうなっていたかというと、その当時のコンピュータが非常に鈍かったからです。そして、今、ウェブページをクリックすると「パッ」と表示され、ページが遅い場合は、実際にそのウェブページ内に1万ページ、あるいは何十万ページにも及ぶテキストを読み込んでいるためです。いくら何でも意味をなさず、悪いソフトウェアエンジニアリングの結果ですが、要するに、テキストは瞬時に表示されるべきです。物理的に完全に瞬時であることは不可能でも、人間の知覚閾値をはるかに超える速さで表示されるべきなのです。もしその表示過程が見えるのであれば、そのシステムは極めて遅いことを示しています。
さて、あなたの質問に戻りますが、その影響は、LLMが非常に高価であるためです。投資家が馬鹿ではないので、企業が「LLMシステムに何百万ドルも投じている」と認識し、「IT費用を節約したい」と考える中で、Open AIの評価額は非常に高くなっています。そして、実際に「我々は月に100万ドルをLLMに費やすのを誇りに思っている」という企業も出てきます。おめでとうございます、あなたはまさにIT予算を吹き飛ばしたことになります。たしかにそれなりの理由があってのことかもしれませんが、決して安いものではありません。
さらに、Lokadでは「ここでは、実はパリの高給ホワイトカラーを雇った方が安い」という状況すら見受けられます。つまり、LLMは高価ですから、注意が必要なのです。適切に運用すれば、「これはあまりにも高コストなのでやらない」または「もっと安価で、知能が劣るバージョンのLLMに切り替えるべきだ」と判断する箇所が出てくるのです。市場で入手可能な最も高価なものを使えば、当然ながら費用はかさみます。
Conor Doherty: 私の認識に誤りがある部分があれば訂正してください。ただ、以前の会話で、ある企業が発注処理を行う際、仕入先が少し信頼できないと疑い、市場により良い選択肢が存在する可能性もあると考えながらも、従業員が3人しかいない状況で、他の潜在的な仕入先を探すための分析に時間を割くのか？という例を挙げたのを覚えています。そこで、発注ごとにLLMを使用して自動で調達分析を行い、その後、都合の良いときにレビューすることで、あなたの精神的リソース、時間、労力を割くのと比べて大幅にコストを削減できる、と。そしてその手法はスケールする。つまり、品質とコストにどのように影響するかという点で、私が言いたかったのです。
Joannes Vermorel: 確かにスケールしますが、完全に無料というわけではありません。たとえば、各発注時にその操作を行うと、どの程度のコストになるでしょうか？ 単に調達作業を行うだけでも、LLMを用いてウェブページをスキャンし、場合によっては1メガバイト分のテキストを解析する必要が出てきます。これは安価ではありません。その結果、メールを作成し、LLMといくつかのスクリプトを組み合わせてメール送信や回答の処理、まるで人間のようにやりとりを行う必要が出てくるかもしれません。
はい、完全自動化された仕組みを構築することも可能ですが、調達調査を実行するたびにLLMに約5ドルのコストがかかることに気づくでしょう。確かに、1人の社員がそのケースに2日間を費やすよりは安くなるかもしれませんが、決して無料ではありません。2日間かかるよりは安価とはいえ、発注ごとに5ドルを支出すると、年末にはかなりの出費になる可能性があります。常時それを行うのは避けたいかもしれません。
Conor Doherty: しかし、それは極端な例です。改めて言えば、それもまた一つの極端なケースであり、中間の最適点が存在するはずです。
Joannes Vermorel: その通り、ここで私たちはスペクトル（幅広い選択肢）について話しているのです。主流の認識では、人やプロセスについて「十分かどうか」を単純に判断しがちで、そのプロセスを強制するだけです。スペクトルが存在することを認識していても、たとえば調達業務のように粗い方法で対処してしまうのです。すべての仕入先を年に一度再評価する、というシンプルなプロセスです。しかし、これはスペクトルに対して微妙なアプローチを試みるのではなく、単にプロセスというハンマーで二元的に解決しているにすぎません。しかし、LLMを使えば、自分自身でスペクトルを設計することが可能です。つまり、「発注ごとに選択肢を調達する」という極端な方法から、「年に一度だけ行う」という逆の極端まで、その中間のあらゆる方法が採用可能で、適切に運用できるのです。
意思決定の質、つまり選択肢の質を自ら設計できるのは非常に興味深い点です。そしてそれに応じた実際のコストトレードオフが存在します。これは、一般的なサプライチェーンの観点ではほとんど議論されることのないテーマです。投資1ドルあたりに、意思決定生成レベルで最大の効果を得るためのプロセスをどのように設計するかという点について、サプライチェーンの教科書で言及されているのは見たことがありません。
Conor Doherty: そのスペクトル上で、「これは極端」から「やや極端」、そして「全く受け入れられない」までの各段階を、具体的にどのように区切り、識別するのですか？ これらのモジュール間の段階を定量的に特定することは可能でしょうか？
Joannes Vermorel: ある程度は可能です。我々の観点では、現代のサプライチェーンはソフトウェアによって実行されています。この意思決定層は機械であり、一連の数値的レシピを持つ複雑なソフトウェアです。その限界について論じることが可能です。しかし、その設計に携わるのは依然として人間であり、再帰には限界があるのです。なぜなら、最終的にはどれだけの supply chain scientists が必要かを判断しなければならず、これは判断に依る部分がありますが、少なくとも意思決定を生成する基盤部分は機械であり、設計可能なのです。
物理的な製品であれば、簡単な指標がいくつかあります。稼働させる必要があるソフトウェアの場合も、特にコスト面で、必要な時間、消費するメモリ、使用するディスク容量など、一連の分かりやすい指標があります。そして、実行するか否かが選択可能な、全体としてのスペクトルを見ることができるのです。たとえば、競合情報を利用して価格分析を行うと決めた場合、競合他社のデータを取得します。しかし、対象となる競合他社は何社なのでしょうか？ ウェブをスキャンするには費用がかかるのです。
ウェブスクレイピング、つまり仲間のウェブサイトの情報を取得するビジネスに精通している方であればご存知かもしれませんが、そこには相当な費用が伴います。たとえば、競合他社のすべてのページを毎日再スキャンするとなると、その費用は軽くは済まず、特に競合他社が数万点の商品を展示している場合はなおさらです。では、競合他社は何社対象にするのでしょうか？ 主要な競合1社、上位3社、または上位20社でしょうか？ 監視するウェブサイトが多ければ多いほど、コストはほぼ線形に増加します。しかし、得られる情報の価値は当然、逓減していきます。
さらに、あなたの競合他社もまた自社の競合を監視しています。たとえば、あなたが上位3社を監視すると、実際、それらの競合も上位3～5社を監視していることが分かります。中にはあなたが監視していない企業が含まれているかもしれません。結局のところ、みんながお互いを監視し合っている状態になるのです。誰が誰を監視しているかのグラフを見ると、ほぼすべての者が皆の一部を監視している非常に高密なネットワークになっていることが分かります。大手企業は他の大手企業や、場合によっては1社の小規模な競合も監視し、小規模な競合は、いくつかの小規模な他社と、儀礼的に1社の大手企業を監視するのです。
困難ではありますが、不可能ではありません。リターンの逓減効果が存在するという感覚をつかむことができます。アルゴリズムを、データセットの有無で実行してみると、本当に結果が改善されたのか、あるいはほんの僅かに変動しただけなのかが分かるのです。たとえば、価格最適化を試みた場合、競合他社が最大で3社までであれば、実際に価格が定量的に大きく変動することに気づくでしょう。つまり、追加の競合1社が最終的な価格に実質的な変化をもたらすのです。
もし私が自分の数値レシピを信じ、この第三の競合を加えることで、平均して価格が例えば0.75%から1%未満に変わると仮定したとしても、0.75%という数字は決して無視できるものではありません。しかし、第四の競合を加えると、変化が0.1%に留まることが分かるのです。この0.1%がビジネスにとって極めて重要かどうかは分かりませんが、それでもこのシステムが生み出す利益の上限を示しています。最良の場合でも、それはマージンの0.1%に過ぎません。どれだけ常に最適な方向に価格が調整されたとしても、それが持つ影響の上限が決まるのです。そして、これを見て、本当にごく微小であると感じるなら、その第四の競合にかかるコストは見合わないと判断すべきなのです。
ご覧の通り、取り組み方には方法があり、通常、より洗練された高度な数値レシピを使用し始めると、こうした微妙な違いや段階的変化が現れてきます。人間に例えるなら、非常に高度でスマートなソフトウェアを使い始めると、必要な人員数に似た形になっていくようなものです。「この問題に取り組むために何人必要か？」という問いになりますが、ソフトウェアならより直接的に制御でき、規模を拡大・縮小する場合でも、人員を解雇したり彼らのプライドを気にしたりする必要はありません。これにより、日々のプロセスを管理する人間に振り回されることなく、全体を設計できるのです。
Conor Doherty: 従来の視点では、サプライチェーンは非常に単純なヒューリスティックに支配されていたため、品質とコストのジレンマは存在しなかった。しかし、技術の進歩により、サプライチェーンの意思決定における品質とコストの比率を、望む精度で定量化できるようになったということですね。そこで次の質問ですが、品質とコストという二つの概念を分け、ソフトウェアやAIを用いてサプライチェーンの意思決定を評価する場合、コストは理解しやすいですが、品質は依然として主観的な感情なのでしょうか？ それとも、そのコストに対する投資収益率のことを指しているのでしょうか？
Joannes Vermorel: まず、皆さんにお伝えしたいのは、サプライチェーンにおいて提示されるトレードオフ、例えば現金、コスト、サービスという典型的な三角形モデルが、実はこの品質とコストのジレンマの魅力の一部だということです。これにより、議題が一段と深まります。私は、これらのトレードオフは、単にこの三角形だけではなく、遥かに多次元的な問題だと考えています。これは単なる三角形ではなく、数百もの要素が様々な制約や推進力となってお互いに影響し合う、n次元のジレンマのようなものなのです。つまり、実際には100以上の次元でトレードオフが存在していると言っても過言ではありません。
サプライチェーンゲームを行う際のコストと品質のジレンマの面白い点は、そのテーマ自体を高次元な議論へと引き上げるところにあります。これは単なるトレードオフの問題ではなく、いかにしてこの問題を解決するソフトウェアを設計するかというメタな問題なのです。なぜなら、この品質を通して、あらゆるトレードオフを評価することができるからです。ですから、「品質 versus コスト」のトレードオフについて論じるとき、私たちが言っているのは、あなたが取り組んでいるサプライチェーンゲームを枠付ける100の推進要因と制約を見極めるために投資しているということです。これは非常にメタな視点です。「適切なサービスレベルを持っているか？」と考えるのではなく、「顧客にとってより良い品質とは何かを見極めるソフトウェアを持っているか？」と考えるのです。これが私たちの議論の核心です。
ところであなたの質問に戻りますが、少し脱線してしまいました。すみません。
Conor Doherty: 品質は純粋に主観的な感情で測るものですか、それとも財務上のリターンに基づいているのですか？
Joannes Vermorel: 理論上は、純粋に定量的なリターンで測るべきだと言えます。しかし、実際には完全に主観的になるのです。つまり、理論上は完全に定量的であると言いながら、実際には全く主観的になる――矛盾しているように聞こえるかもしれません。でも現実的には、理論的な観点からは、企業の長期的な収益性を設計することが望まれるのです。すなわち、本質的には定量的なのです。
しかし、問題は先を長期的に見渡すと、すべての定量的な指標が完全に意味を失ってしまう点にあります。つまり、今日の数値を10年先に投影し、それらが何らかの価値ある情報を示すと信じるなら、あなたは幻想にすがっていると言わざるを得ません。これは錯覚であり、私がプロの数値解析者として言うところです。Lokadでは生計を立てるために数値解析を行っており、その歴史は15年以上に渡ります。数値は10年先を予測すると全く無意味になるのです。 なぜでしょうか？ それはサプライチェーンが非常に競争的なフィールドだからです。これは超知能的な存在と戦うゲームです。ここでいう超知能的とは、競合他社がその構成要素の単なる総和以上のものであり、多くの従業員から成り立っているため、その総体として、地上のどんな人間よりも賢い存在と対峙しているという意味です。Appleのような企業と競う場合、それは専門家や非常に優秀な人物の集まりとなり、その結果、彼らはあなたを驚かせる行動を取り、あらゆる面であなたを凌駕するのです。さらに新規参入者やライバルが現れるでしょう。つまり、現状の市場状況をそのまま10年先に引き延ばして考えるのは大きな誤りなのです。 そして、私はプロのデータ解析者として、Lokadのクライアントに常々言っているのは、今見えている数値に基づいて10年先の戦略を決めてはいけないということです。それは誤解を招き、間違いです。市場は、これらの数値を無意味なものに変えてしまう形で進化するのです。たとえ将来の牛乳消費量のように予測された数値が正しかったとしても、競合他社があなたを凌駕する新たな手法を見出すため、その他の要因がその数値を無意味にしてしまうのです。これが、より広いレベルでの競争の実態なのです。
Conor Doherty: ここで一言付け加えると、私自身や視聴者の皆さんが理解できるように確認させてください。あなたが言っているのは、品質とコストの比率についての議論が、一般的な予測の議論と基本的に同じものであり、有効性には限定された時間軸があるということですか？
Joannes Vermorel: その通りです。そして、統計的な有効性という観点では確かにそう言えます。例えば、非常に基本的な製品である生乳の消費量が、フランス市場で10年後もほぼ正確に予測できるという議論も可能です。なぜなら、過去の実績があるからです。しかし、私が反対するのは、その数値に基づいてビジネス戦略を構築してはいけないという点です。なぜなら、10年後には今とは全く異なる要因がそのブランドの魅力を左右するかもしれないからです。新たなラベルや、真に高品質なオーガニック製品が何を意味するのかという新しい期待基準が登場するかもしれません。これは非常に激しい競争が行われるゲームです。したがって、生乳の消費量はほぼ同じであっても、ブランディングやパッケージングにおける微妙な違いが、根本的に異なるゲームを生み出す可能性があるのです。 はい、10年後もほとんどが白いボトルであると予測します。しかし、それだけでは市場シェアの獲得や利益追求において、無数の細かなニュアンスが大きな差を生む可能性があるというポイントを見落としてしまいます。つまり、そうなることは当然ではありません。たとえば、コカ・コーラのような企業を見ても、彼らは常にイメージやブランディングを再構築しており、各10年ごとに連続性と再発明の両方を実現しています。これは単に同じゲームを繰り返しているわけではなく、実に印象的な進化と言えます。 そして、最初の質問に戻ると、本質的には、はい、あなたは利益を追求しているのです。そして将来的には、あなたの意思決定の質が、厳選されたユーロやドルといった形で評価されるでしょう。最終的には、すべてが定量的、純粋に定量的なものになるのです。非常に成功すれば、それは金銭面において現れます。しかし、遠い未来を予測すると、これらのKPIは全く意味を成さなくなります。結局のところ、最終的にはほぼすべてが判断に依存する定性的なものになってしまうのです。なぜなら、一般的に見れば、定性的な判断のほうが良い結果をもたらすからです。
Conor Doherty: 議論をまとめると、もしサプライチェーンにおける本当の品質とコストのジレンマが、あなたの説明するように複雑で解決に高額な費用がかかり、有効期限が限られている（つまり予測と同じように）のであれば、なぜ人々は便利で簡潔、かつ理解しやすい「良いサービス」と「悪いサービス」という指標から脱却し、Amazonの方向へシフトすべきなのでしょうか？すべてを踏まえた上で、どのようなインセンティブがあるのですか？
Joannes Vermorel: インセンティブは、まるでチェスの達人になることに似ています。非常に難しく、高額で、時間もかかりますが、勝利のためにそうするのです。ですから、改めて言えば、あなたには競合他社が存在し、今日のサプライチェーンは非常に複雑になっているとよく言われます。したがって、改善の余地も非常に大きいのです。もう一度申し上げると、サプライチェーンは過去50年で信じられないほど複雑化しました。これは、企業がデジタル化、つまりERPsやWMS、eコマースプラットフォームを導入したおかげです。
Conor Doherty: ここで一言付け加えると、私自身や視聴者の皆さんが理解できるように確認させてください。あなたの議論は、品質とコストの比率に関するものが、一般的な予測の話と基本的に同じであり、有効性には限定された時間軸があるという主張なのでしょうか？
Joannes Vermorel: インセンティブは、まるでチェスの達人になることに似ています。非常に難しく、高額で、時間もかかりますが、勝利のために取り組むのです。ですから、改めて言わせていただくと、競合他社の存在は避けられず、今日のサプライチェーンが極めて複雑になっているのは事実です。そのため、改善の可能性も非常に大きいのです。もう一度申し上げると、サプライチェーンは過去50年で信じられないほど複雑化しました。これは、企業がデジタル化、つまりERPsやWMS、eコマースプラットフォームを導入した結果です。
つまり、彼らは非常に複雑なサプライチェーンを実行する可能性を手に入れており、実際にそれを実行しています。そして、多くのクライアントと話す中で、「もっとシンプルに、製品数を減らし、より長いリードタイムで行いたい」という声はほとんど聞かれません。要するに、例えば受注後に生産するというような、よりシンプルな形を採ろうというのです。
注文生産に戻り、全てがシンプルになったと言う企業はほとんどありません。いや、それは我々が目指す方向ではないのです。要するに、デジタル化を通じたサプライチェーンは、間違いなく—デジタル化は実は30年前の出来事ですが—格段に複雑化してしまっています。
そして、飛躍的に複雑化したこのゲーム、いわば五次元のチェスのようなものを本当に最適化する能力は、決してそれほど速く進化していません。実に興味深いのは、私の両親が40年以上前にプロクター・アンド・ギャンブルでキャリアをスタートさせたという逸話に帰ると、その当時は非常にシンプルなゲームであったということです。
当時、彼らは世界およびフランス市場向けに実に約200製品を扱っていました。つまり、当時はとても単純なゲームだったのです。しかし、今日ではその複雑性は、2桁、あるいは場合によっては3桁にまで拡大しており、なおかつ依然として単純なレシピに頼っている面もあります。
しかし、大きな潜在能力は存在します。確かに非常に困難で挑戦的であることは認めますが、もしあなたがそれを取り組まなければ、誰かが代わりにそれを行うでしょう。そして、Amazonを見てみれば、同社は非常に巨大で、利益も多く、なお成長し続けています。
そして人々は「でも、どうして？」と言うでしょう。私としては、Amazonがこれほど巨大で急速に成長しているのを見ると、まるで全く異なる層の競合他社が存在し、Amazonのような超攻撃的なサプライチェーン構築に挑戦できずにいると感じます。
そして、ここで述べたような事柄は、Amazonで10年以上にわたって行われてきたゲームの一端に過ぎません。確かに、Amazonは依然として絶大な存在で、規模の経済をはるかに超えています。つまり、今日Amazonが取り組んでいるゲームは、実は巨大すぎるがゆえに、大きなハンデを抱えているという事実を人々はあまり認識していません。
彼らには莫大なハンデキャップがあります。まるで、目隠しをした相手とゴルフをしているかのような大きなハンデのようなものです。巨大であるため、この絶大なハンデを抱えながらも、成長を続け、多くの企業を凌駕しているのです。
また、これは多くの企業がサプライチェーンのパフォーマンス向上に失敗しているという現実の反映でもあります。例えば、Amazonは現在、約3億件の製品を管理しており、これは他の巨大企業と比べてほぼ2桁も多い数字です。非常に、非常に印象的です。
改めて私の見解ですが、意思決定の質と投資とのジレンマは、従来の「現金 vs コスト vs サービス」といった三者択一のジレンマを超えた、いわばメタゲームであると言えます。
これが現代におけるメタゲームであり、もしあなたがこのメタゲームに参入しなければ、結果として勝利を逃すことになるでしょう。なぜなら、あなたは自社の優れたサプライチェーンを構築するために必要な要件を真に理解していないからです。単なるゲーム自体に取り組むのではなく、これはメタゲームなのです。
現代のチェスで本当に勝ちたいのであれば、ソフトウェアによる戦略以外に勝ち方はありません。機械が世界チャンピオンを打ち破ってから既に20年が経過しています。つまり、チェスで勝利するためには、究極的にはソフトウェアが全てなのです。
これは、ソフトウェアを開発するチーム対チームの戦いに他なりません。もしあなたが個人の直接的な行動で勝利できると思うなら、既に敗北しているのです。現在の戦いは、ソフトウェアを構築するチーム同士の対決なのです。
人々は「負けた、面白くない」と言うかもしれません。しかし私にとっては、エンジニアリングチームがより優れたアイデアを出し、ソフトウェア構築の新たな方法を模索する様子は非常に魅力的です。正直なところ、私はチェスそのものにはあまり興味がありません。
私が常に関心を寄せてきたのは、チェスをプレイするソフトウェアを設計するエンジニアリングそのものです。そして、たとえチェスをすることから、「どうすればこのソフトウェアを獲得できるか」というメタゲームに移ったとしても、全体としてゲームははるかに面白くなると考えています。
心配する必要はありません。全体として、これは非常に興味深く、やりがいのあるものです。そして、サプライチェーンは非常に複雑であるため、あなたがプログラミングの名人でなくても問題はありません。この問題はあまりにも広大で、あなたのスキルを磨き、この旅路で自分の道を見つけるための十分な領域が存在するのです。
Conor Doherty: 結論として、「完璧よりも進歩を求めよ」という言葉があります。では、実践可能な次のステップとして、もし誰かが従来の「良いサービスか悪いサービスか」という二元論的視点からAmazonの方向へシフトしようとするなら、シンプルな第一歩は何でしょうか？
Joannes Vermorel: まず、あなたのサプライチェーンで行われている意思決定を特定してください。そして、サプライチェーンにおける「品質」が何を意味するのかを、広い視野で真摯に評価する時間を持つことです。サプライチェーンの改善＝より良いサービスレベル、またはコストに関するものだという単純な見解にとらわれがちですが、それは全体のほんの一部分に過ぎません。例えば、コスト、サービス、品質というトリレンマを思い描いてください。
そして、品質は特定の方法でサービスの質（例：サービスレベル）を定義しています。私から皆さんへの挑戦としては、あなたのサプライチェーンにおける20の側面を見つけ出すことです。20個は見つけられるはずです。思考を深めれば、少なくとも20の異なる要素が存在することに気づくでしょう。
つまり、推進要因、制約、様々な考慮点など、異なる視点があるのです。そして、サプライチェーンをトリレンマで解決できると約束するあまりにも単純なフレームワークに惑わされないでください。それは、互いに相反する2つの要素を持つジレンマの代わりに、20の側面を特定し、ブレインストーミングを行うべきだということです。
そして、あなたは非常に複雑なゲームが行われていることを理解し始め、それにふさわしい答えが求められていると認識するようになる。そして、概ね正しい答えは、全く間違っている答えよりも優れている。はい、あなたの答えはやや粗削りかもしれませんが、少なくとも、20個の次元のうち2つだけに注目している最適なモデルを持っているというよりも、はるかに包括的であるのです。
そして、それは最適性の幻想を抱かせるに過ぎません。なぜなら、それは非常に狭く単純な方法での最適性に過ぎず、あなたの会社が本当に必要としている高品質なサプライチェーン実行の本来の意味すらも十分に認識していないからです。
Conor Doherty: それでは、Joannes、これ以上質問はありません。お時間をいただき、本当に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す。また次回お会いしましょう。
