00:00:00 サプライチェーンで優れた人物となる要素は何か
00:00:42 キャリアコンパニオンとソフトスキルのギャップ
00:02:18 サプライチェーン教育における理論と実践の対比
00:06:29 コミュニケーションの誤りとメッセージの再構築
00:09:55 なぜ形式的な教育はサプライチェーンで十分な成果を上げられないのか
00:15:48 LLMS、ライティング、そして現代教育における思考
00:20:30 研究ツールとしてのLLMs vs. 浅薄なプロンプト
00:24:58 挫折を招く演習を通してリーダーシップを教える
00:31:40 Excel論争と妥当性確認の重要性
00:36:50 必須のサプライチェーンツール vs. あれば嬉しいツール
00:42:40 主体的なAIと未来のデジタルリテラシー
00:45:55 分析職におけるAI主導の雇用変革
00:48:40 機械化からパートナーとの協働へ
00:52:00 まとめ：高度な思考 vs. 自動化
00:53:05 生涯にわたる好奇心とソフトスキルの価値
概要
Conor Dohertyが主催する対話で、Philip AuingerとJoannes Vermorelは、優れたサプライチェーン実務者を定義する要素について探求する。Philipは自身のサプライチェーンでの経験を活かし、分析力と対人スキルの橋渡しの重要性、業界でしばしば見受けられるそのギャップを強調する。2019年に設立されたPhilipの会社Career Companionは、企業や学術界向けに理論の実践的応用を促すインタラクティブなワークショップを提供することで、この不足を補っている。Joannesは時代遅れの学術モデルを批判し、効果的なコミュニケーションの必要性を訴える。彼らは、技術革新の中でも核心となる批判的思考が依然として重要であるとし、AIが教育に与える影響について議論する。両者とも、将来のサプライチェーンの役割において対人交流を取り入れることの重要性を強調している。
拡張概要
LokadTVのConor Dohertyが主催するインタビューでは、サプライチェーン管理における自己啓発の先駆者であるPhilip Auingerと、LokadのCEOであるJoannes Vermorelとの間で、「真に卓越したサプライチェーン実務者とは何か」というテーマに沿った注目すべき議論が展開される。議論は、分析力と対人効果の統合にまで踏み込み、Philipは数量的スキルが人間関係スキルに取って代わることで、サプライチェーンにおける重大な人的課題を引き起こすという、業界でしばしば見受けられるギャップを強調する。
Philip Auingerは、インターン時代のネジの数えから需要計画チームの指揮に至るまで、自身のキャリア軌跡を振り返り、サプライチェーンの複雑性に取り組む中で、2019年にCareer Companionを創業するまでの歩みを浮き彫りにする。彼の語りは、Conorが指摘するように、従来の教育システムが若手専門家に対して十分な準備を提供できていない点に光を当てる。Philipは、理論学習と実践的応用の橋渡しを提唱しており、この理念は、企業や学術機関向けに実施されるワークショップに反映され、組織内でのソフトスキル向上を目指している。
Joannes Vermorelは、ハードスキルに関する議論に参画し、古臭い学術理論に対する懐疑的見解を改めて示す。彼は、効果的な文章表現がトレードオフの管理の中心であると説き、大学の教育方針に対して批判的な視点を提供する。Philipは、自身の逸話を通じて需要計画のシナリオにおけるコミュニケーションの失敗例を示し、これらの議論は、関係者間の調整とサプライチェーン戦略の推進において、正確なコミュニケーションが不可欠であることを強調している。
対話は内省的な展開を見せ、PhilipとJoannesは共に、形式的な訓練の限界を探求し、サプライチェーン教育を、工学や外科手術といったより厳格に定義された分野と対比させる。Philipは、LinkedInの調査から得た洞察を拡大し、成功している実務者の多様な学歴を浮き彫りにするとともに、資格認定が現実の関連性やコストから乖離していると批判する。Joannesもまた、Philipの批判に呼応し、微妙な問題解決や複雑なトレードオフ提示といった必須スキルを評価できない学術評価の構造的制約に焦点を当てる。
対話の中で、ChatGPTのようなAIツールの登場が浮上し、教育に与える影響についての検討が始まる。PhilipとJoannesは、それぞれAIを活用して文章作成の一部を自動化する視点を示しながらも、根幹となる批判的思考と体験学習が依然として重要であると主張する。Philipのアプローチは、グループディスカッション中の学生の積極的な参加とAI利用を並行させ、スキルの本質的な定着を促すものである。
Conorは会話を実践的な能力の探求へと導き、PhilipとJoannesはExcelのような従来のツールや、Pythonのようなプログラミング言語の有用性について詳細に検証する。Philipは、技術進化によりインターフェースがより使いやすくなるにつれて、Excelが『必須』から『あれば良い』へと変化していくと展望する。一方、Joannesは、どのプログラミング言語を習得するにしても、その背後にある概念的な思考の重要性を強調する。
将来のサプライチェーンの役割に対するAIの影響は、さらなる重要なセグメントを形成する。PhilipとJoannesは共に、分析職務における大規模な自動化を予測し、ますます自動化が進む環境で生き抜くためには、適応性と対人スキルの育成が必要であると強調する。サプライチェーンの役割を将来にわたって確保するための戦略として、Joannesが提案する内部分業の自動化と並行して、フロントオフィスでの交流を取り入れることが含まれ、Philipは共感と適応力に優れたプロフェッショナルなマインドセットの重要性を訴える。
インタビューが終盤に差し掛かる中、JoannesとPhilipは永続的なスキルについて考察する。Joannesは、管理職の課題に即した高次の思考を提唱し、Philipは対人能力の重要性を強化、技術革新が急速に進む中でも人間関係が取り返しのつかない資産であると主張する。Conorは、両ゲストの貴重な貢献を評価し、彼らと聴衆をそれぞれの追求に戻るよう促して締めくくる。
全文字起こし
Conor Doherty: LokadTVへお帰りなさい。Joannesと私はPhilip Auingerと共にお送りします。彼はCareer Companionの創設者であり、本日は個人の成長と本格的な分析の交差点に位置する非常に重要な質問、すなわち「サプライチェーンで優秀な人材とは何か？」という問いに対する彼の見解を共有するために参加しています。さて、始める前にいつものように、YouTubeチャンネルの登録とLinkedInでのフォローをお願いします。そして、そのプロモーションを済ませたところで、今日のPhilip Auingerとの対談をお届けします。
Well, Philip, thank you very much for joining us.
Philip Auinger: 参加させていただき、大変光栄です。
Conor Doherty: 長い準備期間を経てきましたが、本格的な対談に入る前に、まずご自身の紹介と、Career Companionが何をしているのかを聴衆にお伝えいただけますか？
Philip Auinger: はい、私の名前はPhilip Auingerです。サプライチェーンの分野で約8年間働いており、そのうち4年間は地域チームのリーダーとして従事していました。ある時、サプライチェーンは数字だけの世界ではなく、本質的には人に関するものだと気づきました。そして、多くのサプライチェーン関係者が数字には優れているものの、人に関してはそれほど得意ではないことを知り、自分にとって「これこそ絶好の分野かもしれない、もっと深く掘り下げるべきだ」と実感したのです。
That’s back in 2019 when I founded my own company, Career Companion, which focuses on communication skills for people who are specifically working in supply chain. I love working mostly with young people because they used to have all of their careers ahead of them, and it’s kind of me thinking, “Boy, I wish I had known this when I started out.” That whole motivation is always in the back of my head when I work for the supply chain community, especially on LinkedIn also.
Conor Doherty: 実は、それがきっかけであなたの存在に気づいたのです。あなたの投稿をいくつか拝見しました。実際、昨日もLinkedInであなたの投稿にコメントしていましたが、今日のための雰囲気作りとは全く無関係です。しかし、あなたは多くの若いプロフェッショナルと仕事をするのが好きだとおっしゃっていました。では、若いプロフェッショナルが求めるマインドセット、十分に提供されていないソフトスキルとは具体的に何だとお考えですか？
Philip Auinger: 私は、若い人たちが大学で理論を学んでいるのか、あるいは何らかのアカデミーや応用科学大学で実践的なサプライチェーンを学んでいるのかを区別する必要があると思います。それらの間には大きな隔たりがあるのです。つい最近、ある企業の資料をレビューする依頼を受けましたが、それは純粋に理論だけのものでした。
I said, “Yes, it could be that I don’t know if you want to calculate safety stock, this is the correct formula, but if you have a sales rep yelling at you that you have to have everything on stock, you won’t convince them by quoting the formula.” And I think that’s the key point really for young people also to understand that there’s theory and there’s practice.
The best way you can start off into your career is understanding that both are important and kind of drawing the connections between the two, because many people who work in supply chain don’t have the theoretical knowledge but kind of learned it on the job.
But if you, especially as young students, learn the theory and then during your studies you already work with companies, you already have real-life data, real-life case studies, that’s where you can make that connection, and that’s where young people definitely have a starting advantage.
Conor Doherty: では、Philip、ありがとうございました。Joannes、またお待たせしました。以前、あなたはあるスキルについてあいまいだと述べ、よりハードスキルに焦点をあてるべきだと言っていました。Philipの話を聞いて、あなたはどうお考えですか？
Joannes Vermorel: ええ、ハードスキルとソフトスキルの両方は非常に重要だと私は考えています。しかし、サプライチェーンにおいて多くの大学で教えられている理論はかなり時代遅れで、実用性に欠けるといえます。たとえば、安全在庫の数式は解析的な表現があるため、数学的なパズルとしては面白いものですが、実際の業務で役立つ知識としては限定的です。正規分布を使うので、実際に書き下ろし計算することは可能ですが、その実用性は疑問です。
Another example would be the EOQ, economic order quantity, which can be framed as a second-degree polynomial which has a nice analytical solution, so you can literally write it down and you will have a square root in the middle. Oh yeah, great. So I think most of it is things that are first. I mean, it is technical, but it is also a little bit trivial rather than deep technical knowledge. It is relatively shallow; it is not things that are very, very useful.
And then on the other hand, when it comes to soft skills, I would say it’s mostly absent. For me, what I see as one of the areas that is most lacking is proper writing skills. The supply chains are complex; they are complex beasts. For example, just framing what are the trade-offs that we’re trying to address because it’s critically important. If you don’t have that, then yes, people will be complaining. The CFO would say, “Oh, that’s way too much working capital.” Sales would say, “Oh, it’s way too many stockouts,” and then other people, etc., etc.
So, but the reality is that you only have trade-offs. Before stepping into the technicalities of the trade-off, you should be, as a supply chain practitioner, able to convey that in a meaningful way, ideally in writing. I mean, it’s best if you can then support those writings with probably with meetings, as many meetings it takes. But here when we are touching this sort of soft skills, which is highly structured, very high-quality communication, this is completely absent.
Completely absent. That would be my take of the sort of most glaring gap in the education of young professionals for supply chain jobs.
Philip Auinger: An example of exactly what you said, of how you write it—this was stupid young Philip who did this. So I used to collect forecasts for very important products from sales. Obviously, if you’re in demand planning, you don’t want to overdo this, because if you ask too much, you won’t get any answers anymore.
So what I did was I used to send out monthly emails to ask for forecasts, and then I thought it would motivate them to say, “Hey, if you had been more precise with this one estimation we would have been at 80% forecast accuracy.” So what does a sales rep care about my forecast accuracy? Of course, it was important for me, but now looking back, that was a stupid way of phrasing it.
If I say, “Hey, thanks for your inputs because based on this we were able to purchase the raw materials and we were able to deliver on time and it was better now than it was before when you didn’t give us any forecasts.” That’s the way to sell it to sales. If you kind of always have in the back of your head what does this mean for other departments, what does it mean for that one person that I’m trying to convince, that’s where you have that magic wand where you can get a project off the ground which normally would just be, “Yeah, it’s a nice to have, but who cares if you do it or not.”
But if they see the value in it and they trust you with it, then you can really make a difference because suddenly you have people working with you and not against you.
Conor Doherty: この会話に参加している人は文字通り皆、何かしらの教授であると感じるので、実は私たちは皆、第三次教育機関に所属しています。同僚としてお伺いしたいのですが、教育やスキル、すなわち学生が何を学んでいるのかというテーマを設定したうえで、まずは彼らが何を欠いているのかだけに焦点を当てるのではなく、寛大な視点で見たいと思います。あなたは、若者が職業訓練校や大学などに進学する話をされましたが、彼らが理論面で正しく学んでいる点は何でしょうか？つまり、得られている有効な理論は何で、もしかすると欠けている理論は何でしょうか？
Philip Auinger: 一歩引いて考えてみましょう。なぜなら、今私たちが話しているのは、サプライチェーンで働くために大学などの高等教育を受けた人々についてです。しかし、多くの人はそうしていません。そこで一度調査を行い、LinkedInのネットワーク内で「実際にサプライチェーンを学んだ人はどれくらいいるか」と尋ねたところ、全体の半数にも満たず、約55％が他分野出身でした。最も極端な例は海洋生物学出身で、サプライチェーンの分野で働いており、優秀な供給計画者であったということです。
つまりまず先に付け加えると、サプライチェーンを学ばなくてもこの分野で働くことはできるということです。もしサプライチェーンを学び、その分野で働く意思があるなら、私が関わっている学生たちに見られるのは非常に高い分析能力です。それはまるでシャーロック・ホームズのようなアプローチで、問題を発見し、徹底的に掘り下げ解決策を見つけ出す、あるいは根本原因にたどり着くために「なぜ？」を五回問いかけるようなものです。この能力は若い人たちに共通して見られるものであり、生涯にわたって維持すべきものだと思います。それこそ、同じ失敗を繰り返さないための鍵であり、サプライチェーンで働きたい学生にとって第一歩から非常に価値のある思考法です。
Joannes Vermorel: つまり、明らかにそうですが、あなたの調査で正式なサプライチェーンのバックグラウンドを持つ人が45％、いや50％もいたと聞いて、正直驚いています。
私の経験では、もし数字を推測するならば、それは単なる印象に過ぎず、実際に調査を行ったわけではないので、私はむしろ3分の1程度だろうと考えます。つまり、さらに低いということです。
私にとって、これはサプライチェーン理論と呼ばれる多くのものが根本的に欠陥だらけであるという証拠です。その理由は、例えば機械工学のような分野で正式な訓練を受けた人と受けていない人を比べると、仕事を遂行する力や実際に物事を行う能力が、訓練を受けた人のほうが桁違いに優れているからです。
外科手術についても同様です。決して「我々の外科医の半数は全く訓練を受けていないが、問題なく業務をこなしている」とは言えません。もしそうであれば、訓練と呼ばれるものは全く意味をなさなくなるでしょう。
そして、あなたが説明されているように、実際に訓練を受けずに成功している人たちは、持っているスキルが他の分野にも通用する、つまり分析能力や非常に勤勉で組織的な働き方といった能力を備えているという点で、私は大いに同意します。
そのため、通用する能力は十分に備わっているのですが、一方で、これは学界や多くの専門職訓練機関におけるサプライチェーン教育の現状が非常に不十分であることの反映でもあります。
Because again, you would expect people with formal training to be, if we had true, genuine, very efficient theories, to be an order of magnitude better. I mean, again just think of how many people are self-taught playing violin and being excellent at it, it’s like almost nobody.
サッカーなどの基本的なスポーツにおいてさえ、特定のコーチングプログラムやメンタリングを受けた人々は、そうでない人たちとは全くレベルが異なります。
この分野に対する私の認識と、あなたの調査結果で示された割合は、非常に興味深いことに、私の直感を裏付けるものだと思います。
Conor Doherty: フィリップ、先ほどの件に戻りますが、あなたが55％と言ったということは、実質的にあなたの聴衆の約半数が正式なサプライチェーンの訓練を受けているということでしょうか？それとも、大学で学んだとか、APICSやシックスシグマのような職業訓練や資格取得のコースを受けたという意味でしょうか？
それとも、正式な大学教育を受けたという意味ですか？
Philip Auinger: それは少し前の話ですが、私自身は「正式な教育、例えば大学の学位を持っていますか？」という形で表現したと思います。
なぜなら、大学の卒業証書を取得し、実際に2年、3年、5年とこの分野で働くというのは、単に資格を得るのとは全く異なるものだからです。
Conor Doherty: それでは次の質問に移りますが、誰かが「そもそもサプライチェーンで卓越するために、必ずしも形式的な高等教育が必要なわけではないのでは？」と言う可能性もあります。つまり、シックスシグマやAPICSのような短期のコースだけで十分なのではないかということです。あなたのご意見では、そうしたもので十分だと思いますか？
Philip Auinger: 質問を言い換えますと、十分であるだけでなく、必要なのです。
私がこのように言うと、多くの人が反論しますが、私は資格取得が大の苦手です。私自身、レベルが5段階ある資格を持っていますが、非常に手間がかかり、試験を通過するのも大変です。学校時代は合格点が50％であるのに対し、あれは93％が合格ラインだったのを覚えています。
もし92.9点だったら、私の場合は1点足らずで不合格になりました。本当に非常に厳しかったのですが、正直、そこで得た学びはそれほど素晴らしいものではありませんでした。
特に、今は名前は出しませんが、世界を自分たちの見方で支配しようとする大手アメリカの機関があったのです。
ヨーロッパにいると、輸送市場や物品輸送のやり方が異なるため、多くの点で意味を成さないことに気づかされます。
私たちは自社にとって明らかに間違っていると分かっていた事柄を、試験に合格するためにはその方法で学ばなければならなかったのです。だからこそ、時には過大評価されていると感じるのです。
同時に、それらは高額な費用がかかります。もし自分でその費用を負担していたら、支払った金額に対して得られる価値に非常に腹が立っていただろうと思います。
もし企業が支払った場合でも、10～15～20人規模で行われ、その費用は何万ユーロにも上ります。そうした大金をかけたうえで、結果的に「この内容を学んだし試験にも合格したが、実際の仕事にあまり関係がなかった」と思う人がほとんどだというのは、大きな問題です。
全く経験がない場合には、以前の不足していた教育を補う良い方法かもしれません。それは正しい道かもしれません。
Conor Doherty: さてフィリップ、次の質問に移らせてください。あなたは以前、形式的な教育と、必ずしも形式的でない教育、つまり形成的評価と総括的評価の違いについても言及されました。たとえば、「エッセイを書け」とだけ言えば、多くの人はChatGPTに書いてもらうでしょう。一方で、形成的評価、たとえば小規模な評価を複数実施し、私の前でグループワークやリアルタイムの問題解決をさせるようなものを行っています。これは私が修士課程で実施している方法でもあります。そこで質問ですが、実際の授業で、学生が必要とされるスキルを本当に身につけているかどうか、どのように評価しているのですか？
Joannes Vermorel: 私の見解としては、これらのツールは素晴らしいものであり、一日中使い続けています。だからこそ、以前のように修士課程全体を教えているのではなくなったのです。しかし、これらのツールの登場は、授業内容をどのように改変すべきかという深い問いを投げかけています。実際、最近読んだプログラミングの本が非常に良かったのです。
タイトルは「Python for Thinking Like a Computer Scientist」といった感じで、非常に短い本でした。著者は脚注で「もしさらに質問があれば、お気に入りのバーチャルアシスタントにキーワードを投げかけてみてください」とまで書いていたのが面白かったです。議論を非常に短くまとめながらも、展開のためのヒントを丁寧に与えており、見事に仕上げられていました。
私がこう考え、LLMツールを使うにあたってのスタンスは、あるテーマに取り組み筆記する際、わからないことや理解の限界に近い事柄について、ツールにどんどん問いかけるというものです。「それについてもっと教えてくれ」と。そして、もしツールがでた情報が根拠に乏しいと疑った場合は、必ずダブルチェックを行います。結局のところ、問題は自分自身の無知に他ならないことが多いのです。
つまり、ツールの限界を巧妙な推論にまで押し広げるようなことはしていません。私の専門はsupply chain softwareですから、例えば造船の各段階など、非常に具体的な質問をされても、私自身はその分野の専門家ではなく無知な部分が多いのです。だからこそ、LLMはそうした知識のギャップを迅速に埋める助けとなります。
Conor Doherty: 以上、ペダゴジーの議論を重くしないようにするためでもありますが、フィリップ、先ほど形式的な教育と形成的な教育の違いについて言及されました。総括的評価、つまり「エッセイを書け」という方法なら、多くの人がChatGPTに任せるでしょう。しかし、形成的評価、すなわち小さな評価を連続して行い、グループワークやリアルタイムの問題解決を課すといった方法であれば、学生が本当に必要なスキルを習得しているかどうかをどのように評価しているのですか？
Joannes Vermorel: いや、私自身は大学で7年間教えてきた経験から、学生の採点というのが教える内容や方法に大きな制約を与えることに気づかされました。非常に恵まれた環境で、好きなように授業を展開でき、事務スタッフも私に寛大で、採点方法が定型的であるかどうかはあまり問題視されませんでした。
しかし、ルール通りに採点しようとすると、まさにあなたが指摘されるように、学生が雑多な知識を吸収できるかどうかのチェックに偏り、本来もっと興味深い、しかし捉えどころのないスキルを評価する余地がなくなってしまいます。
例えば、非常に複雑で曖昧なトレードオフを、専門知識のない人にも理解できる形にまとめるというライティング能力を議論したとき、教員として学生にエッセイの作成を課すことはできますが、その採点には膨大な時間がかかり、全く異なる次元の作業となります。学生がエッセイを書くのに1時間かかるとしたら、教授が採点するのにも1時間かかる、といった具合で、本当に過酷な作業です。
Philip Auinger: 最近では、学生自身がまだ自分でエッセイを書いていると思いますか？
Conor Doherty: それを私も聞こうと思っていたところです。
Joannes Vermorel: もちろん、これが興味深い点です。ChatGPTやその他のLLMツールは素晴らしいツールです。私も日常的に使っています。しかし、もし思考力が低く、はっきり考えられなければ、無意味なプロンプトを入力してしまい、ChatGPTはそれに快く従ってしまいます。結果として、表面的には非常に整った、よく書かれた文章が出力されるかもしれませんが、実際には全く狙いとずれている可能性があります。
Philip Auinger: ここで一言付け加えさせてください。多くの人は、ChatGPTが書いた文章をざっと読めば理解し、記憶に定着すると思い込む傾向がありますが、私たちの脳はそんな風には働きません。もしChatGPTに任せ、その結果を1ヶ月後に「ChatGPTは何を書いたのか」と聞かれても、全く覚えていないでしょう。コンピューターでタイピングした文章なら一部覚えているかもしれませんが、手書きで書いたならほとんど覚えているはずです。これは技術が進んでも変わらない基本的なことです。
そして、そのために私自身も、母校の大学でリーダーシップに関するコースを担当しています。当然、反省文を含む筆記試験もあり、基本的には3つのリフレクション・クエスチョンがあります。しかし、「ChatGPTを使って書いても構わない」と言っているのです。警察官のようにチェックはしませんが、最終試験としてグループでの面談を行い、学生が本当に自ら考えたのか、あるいはLLMに丸投げしたのかをすぐに見抜けるようにしています。
結局のところ、たとえそれで不正を働いても、口頭試験に合格できたとしても、それはあなたにとっては良いかもしれません。しかし、その過程で本当に何かを学んだのか、それともシステムの抜け穴を利用して最小限の努力で済ませただけなのか。私は、彼らにもっと深く考えさせ、自分の脳を使って解決策や「これでは解けません。教授、この点についてどうお考えですか？」といった質問を生み出すよう促すほど、ChatGPTに5ページ書かせるよりも遥かに多くの学びがあるといつも言っています。そうした方法が、本来の学び方ではないのです。
Joannes Vermorel: 私の見解では、これらのツールは本当に素晴らしいものです。私自身、一日中使っていますし、以前のように修士課程全体を担当していた頃とは大きく異なっています。しかし、これらのツールの登場は、教育そのものをどう再構築すべきかという、もっと深い問いを投げかけています。例えば、最近読んだプログラミングの本はとても良かったのです。
タイトルは「Python for Thinking Like a Computer Scientist」といった感じで、非常に短い本ですが、著者は脚注で「もしさらに質問があれば、お気に入りのバーチャルアシスタントにそのキーワードを投げかけてみてください」と書いていました。議論を極力短くまとめつつも、話を広げるためのヒントを丁寧に提供しており、非常に巧妙に仕上げられていました。
ですから、私がこう考えるのは、あるテーマに取り組み書き留めるとき、わからない部分や理解の限界に達している事柄について、常にツールに「もっと教えて」と問いかけるということです。そして、もしその情報が根拠に欠けると疑った場合は、必ず再確認を行います。実際、多くの場合の問題は、自分自身がその分野について何も知らないことに起因するのです。
つまり、ツールの限界を巧妙なトリッキーな推論に押し上げているわけではなく、私の専門はsupply chain softwareであるため、例えば造船の各段階など非常に具体的な質問をされた場合、私自身はその完全な専門家ではなく、むしろ無知な部分が多いのです。そして、LLMはその知識のギャップを非常に迅速に埋める助けとなります。
Conor Doherty: さてフィリップ、ここで一言。私は教育学の話に深入りしたくはありませんが、あなたは以前、形成的評価と総括的評価の違いについて言及されました。たとえば、単にエッセイを書けと言えば、多くの人はChatGPTに任せるでしょう。しかし、形成的評価、つまり小規模な評価を連続して行い、私の前でグループワークやリアルタイムの問題解決を実施する方法なら、学生が必要なスキルを本当に習得しているかをどのように見極めているのですか？
Philip Auinger: もちろん、みんなの心を覗くことはできません。一人の心すら覗くことはできません。もしグループがあれば、私は運が良く、18人、20人という比較的小さなグループならチェックできます。ですから、聴衆の中で疑わしげな眉が見えるか、皆大丈夫かを見るのはかなり簡単です。大きな違いがあります。つまるところ、眉だけで多くのものを読み取ることができます。
しかし、ある時私が行ったことは、私たちがラテラル・リーダーシップについて話していると考えたことでした。つまり、誰もあなたに直属の部下がいなくても、このプロジェクトにおいてあなたがプロジェクトリーダーである場合のことです。それは非常に難しい状況です。では、どうすればその難しさを教えられるでしょうか？私は美しいパワーポイントを作り、五つのポイントを書いて、「ラテラル・リーダーになるときは気をつけるべきです」と言うこともできたでしょうし、「このプロジェクトでラテラル・リーダーだった場合、重要な経路は何だと思いますか？」と尋ねることもできました。しかし、私が選んだのは実験でした。
もちろん、入室して「これは実験です。今、私のことが嫌になるかもしれませんが、試してみましょう」と言いながら、議論を進行しなければなりません。そこで私は、基本的でかなりひどい指示を与え、30分間そのままにして、以降は黙っていました。一言も発さず、彼らはイライラし、どうすればいいのかわからなくなっていました。そして、その間に、さらに事態を悪化させるためにいくつかのヒントを出しました。例えば、「あなたのチームメンバーの一人が次のグループに行き、到着したらこれまで行われたことに反対する」とか、「あなたのチームメンバーの一人が突然黙る、または『これはナンセンスだ。理解できない。なぜこんなことをするのか？』と言う」という具合です。
最後の数分で、私は歩き回りながらすべてを批判し、「これが君たちの書いている内容か？本気で言っているのか？」と厳しい言葉を投げかけました。そして30分後、その実験を終了し、「さて、今回の実験で何を学び、何に気づきましたか？」とフィードバックを求めました。彼らが挙げたすべての点は、私のパワーポイントに書かれていたはずですが、彼ら自身で考え出したものです。そしてそれは、単にChatGPTに尋ねたり、理論上で議論した結果ではなく、実際に体験したからこそのものです。彼らは明確なリーダーシップ、明確な目標、構造化された目標を持つことの重要性に気づいたのです。つまり、メンバーがあちこち動き回って全員が絡み合っている状態ではないということです。
それを学んだ彼らに、私は言いました。これは予言のようなものです。まだ証明はできませんが、あなたがプロジェクトでラテラル・リーダーとして初めてこの立場に立つとき、必ずこの瞬間を思い出すだろうと。ですから、読んだり書いたり話したりするだけでなく、体験することで物事を理解してもらうためのインパクトを与えたと願っています。これこそが、学び方や教え方の最先端だと言えるでしょう。人々に体験させることができれば、他のどんな方法よりも多くを学ぶことができるのです。
Conor Doherty: これにより、ここでの転換が始まります。再び、特に若者を中心に、どのようにキャリアに向けて人々を準備するかについて多く語ってきました。実際、あなたはリーダーシップの問題に言及しました。そして、次のポイントとして、フィリップ、あなたの経験から見て、サプライチェーンの概念を学ぶ段階から、これを実際の企業環境で応用する現実の世界へと移行する際に、若者が直面する最大の問題は何だと感じますか？
Philip Auinger: 期待というものが大きなテーマです。まず、あなた自身でそれを判断する必要があります。今やあなたはサプライチェーンの修士号を持っているので、すべてを知っているかのように思えるでしょう。しかし、速いペースの消費財業界での初日の計画に直面すると状況は一変します。例えば私は乳製品の計画を担当しましたが、初週にパニック発作に見舞われ、トイレに駆け込み、顔に冷たい水をかけ、泣き止もうとしました。全てを理解していると思っていた矢先、理論で学んだことが今日の現場には全く通用しないという現実にぶつかりました。上司が怒っている中、トラックの運転手が積荷の場所を知りたがっていたり、営業担当者が怒っていたりと、準備していなかった様々な事態が次々と襲ってきたのです。
同時に、例えばLinkedIn上での全体的な意見を聞いてみると、皆がExcelを非難しています。「ああ、これはあまりにも古いツールで、ひどい」と。しかし、ほとんどの企業は依然としてExcelでサプライチェーンを運営しています。そして同時に、ほとんどの場合、これから100年間も有効な基本的な数学を使っているのです。Excelというツールで行おうが、別のツールで行おうが、結局は数学を応用しているのです。
多くの学生は「大企業に行けば全てがAI主導になるんだ」と思いがちですが、実際はそうではありません。どこかのERPで乱雑なデータに苦しみ、それを取り出すのに奮闘し、運が良ければそれをExcelに組み込んで結論を導き出そうとするはめになるのです。
ですから、こうして自分でできるということ、つまり「さて、これが現在のやり方だ。もっと賢くなる方法はあるのか？自動化する方法は？毎週8時間かけて作成する代わりに、AIがこのレポートを作成してくれる方法はあるのか？」と気づくことができるというのが、学生たちが違いを生み出せるポイントだと思います。なぜなら、彼らは今やデジタルネイティブだからです。
もしも2025年に学業を終えるなら、あなたはおそらく2000年以降に生まれた世代です。つまり、サプライチェーンにおいて、数学の仕組みを理解し学んだ上で、それと同時に人間の脳よりも遥かに賢いツールを活用できる、両方の良い面を取り入れられる未来の担い手なのです。これこそが、学生たちが本当に変革をもたらせる場だと思います。
どちらの面でも得意でなければ、問題に直面することになります。もし頭の中で数学ができず、ChatGPTやその他のツールが提示する結果を二重にチェックすることができなければ、そしてその数字が妥当かどうかを確認することができなければ、あなたは困ったことになります。なぜなら、ツールが言ったことを盲目的に報告してしまう危険があるからです。「見て、私のツールがこんな素晴らしいことを言ったんだ」と。
一つ小さな逸話を許してください。かつてインターンの女性がいて、彼女は大掛かりな豪華な分析を行い、それで誇らしく思っていました。当時、彼女は計算の結果、小国スロバキアの倉庫コストが、会社の全世界売上高が180億ユーロであった時に170億ユーロにも上ると結論付けたのです。
私は尋ねました、「あなたの数字が正しいと絶対に確信していますか？」と。彼女は「はい、分析結果はそう示しています」と答えました。「では、私たちが一国の一つの倉庫において、利益の90%あるいは売上の90%を無駄にしていると絶対に確信していますか？本当に？」と。すると彼女は「おそらく桁を一つ忘れてしまったのかもしれません」と言いました。そこで私は、「いや、むしろ27桁も忘れている可能性がありますよ」と言ったのです。
実際にその会話を交わしたのですが、心の奥では、数字の妥当性をもっとよく確認する必要があるな、と思っていました。
Conor Doherty: ジョアネス、あなたは長年にわたって企業の監査を行ってきましたし、16年間も会社を経営してきました。学生時代から急に現場に移行する中で、同様の話や課題があるに違いありません。
Joannes Vermorel: ええ、デジタルネイティブに関する発言もありますが、答えは一概にはいともいいえとも言えます。ある意味、若い世代はコンピュータに対して抵抗感がないので、その点では確かにそうですが、現代ではPCやスプレッドシートなどに慣れていない人を見つけるには、65歳以上のベテランのサプライチェーンディレクターを探す必要があるほどです。
若い人も見つかるかもしれませんが、全体的にはそうですが、非常に若い世代にさえもデジタルに対する無知が多いと感じます。ここで言う「デジタル無知」とは、例えば外に出てみると—速い消費財業界（FMCG）はデータ管理において最も簡単な部類で、製品数が非常に限られているのですが—ということです。
つまり、高い数量ながら製品は少ないということです。もし非常に難しいサプライチェーン、例えば航空宇宙の分野に入れば、何百万もの部品が存在します。そして、その部品の多くは、ねじから航空機のエンジンまで様々です。多様性は極めて豊かで、一部は液体であったり、一部はケーブルであったりするのです。
つまり、その多様性は非常に驚くべきものであり、例えば石油・ガス産業でも同じです。油田プラントを稼働し続けるために必要な物品のリストを作成しようとすると、信じられないほど複雑になるのです。
さて、ここで気づいていただきたいのは、データが一つのERPに収まっているわけではなく、むしろ10個ものERPにまたがっているということです。そして、そのうちの3つは古く、決して廃止されることなく、さらに合併や買収もあったため、90年代以前にさかのぼるような数多くの古い企業向けソフトウェア製品が集約されたアプリケーションランドスケープが存在するのです。それらは今もなお稼働し続けています。
そして、先ほども述べたように、人々はデジタルネイティブですが、複雑なアプリケーションランドスケープを乗り越える能力があるのでしょうか？Excelのスプレッドシートを開いて数字をコピー＆ペーストできるというだけでは、はるかに求められるものとは言えません。
私が見たところ、困難に直面すると、人々はすぐに手を抜き、問題をIT部門に丸投げすることがあまりにも頻繁にあります。すると、IT部門は4年ものバックログを抱えることになるのです。ですから、確かにITはあなたのためにこのSQLクエリを作成してくれるかもしれませんが、たとえばそれが2年後に行われるかのような状況です。
ですから、これこそが、真に—私が「真のデジタルネイティブ」と呼ぶにふさわしい者に求められるものです。すなわち、日々、その複雑に入り組んだアプリケーションランドスケープから知識を得て、親しみを持ち、異なるシステムに対してクエリを投げられるようになるということです。
どこで助けを見つけられるかを探し、ITを杖やあなたが持つべきスキルの代用品として使ってはいけません。むしろ、本当に行き詰まったときに、何とか前進するための助けとなるメンターとして活用するべきです。
しかし、あくまでメンターとしてであり、2年後にあなたの仕事を代わりにやってくれる同僚のような存在としてではありません。
Conor Doherty: さて、再びスキルについて少し触れましたが、今回は少し異なるアプローチを試してみたいと思います。そこで、私はいくつかのスキルのリストをまとめ、それを皆さんに提案したいのです。
あなた方には、それが必須か、なくてもよいがあればあった方が良いものかを一言で教えていただき、その理由を簡単に説明してもらいたいと思います。では、最も明白なものの一つ、フィリップから始めましょう。必須ですか、それともあると良い程度ですか？Excel。
Philip Auinger: これまでにおいては、絶対に必須でした。将来的には、あったら良い程度です。
Conor Doherty: では、なぜですか？
Philip Auinger: なぜなら、明らかに、Excelが登場したのは90年代だと思われます。それ以降、存在していた企業では基本的に唯一のツールでした。しかし、近年の変化を見てください。
多くの人が非常に新しいと考えるもの、例えばChatGPTさえも見てください。ここ数か月での進歩をご覧になれるでしょう。したがって、今後数年以内に、Excelができる機能は、ワンクリックで適切なプロンプトを入力するだけで他のツールが行うようになると信じています。
とはいえ、以前にも述べた通り、そのツールが正しい結果を出しているかどうかを理解できることは重要です。基本的な数学、論理、妥当性のチェックは依然として意味がありますが、将来的にはExcelは必要なくなるでしょう。しかし、これらの変化がいつ起こるかはまだ分かりません。
Conor Doherty: さて、ジョアネス、罵倒はやめてください！でも、Excelは必須ですか、それともあったら良い程度ですか？
Joannes Vermorel: ええ、スプレッドシートはずっと昔から存在しています。実際、1970年代後半に登場し、その後1980年代中盤にMicrosoft Excel自体が登場しましたが、もう古典的な存在です。正直なところ、10日間Excelに取り組めば、すでに非常に使いこなせるようになるので、基本的には必須だと言えるでしょう。
つまり、真剣に取り組めば、人生の2年を投資する必要はありません。10日間、努力すれば、すでにExcelを確実に使いこなせるようになるのです。
Conor Doherty: では、ありがとうございます。次に進みましょう。
Joannes Vermorel: 正直、サプライチェーンを運営するには、30種類ほどの関数があれば十分なのです。それだけで足ります。
Conor Doherty: ええ、ええ。さて、次は再びフィリップです。必須か、あると良い程度ですか？Python。
Philip Auinger: あったら良い程度です。私が企業を離れたときに大きなトレンドでした。つまり、それはほぼ7年前の話です。その時の新しいものは、PythonやRでした。
やがてChatGPTが登場し、圧倒的に優れた機能と、多くのことをより良く実現するための選択肢を持つようになったため、PythonやRといったツールはかつての未来への期待の中間的存在に過ぎなくなり、今やあまり重要ではなくなりました。ですから、あったら良い程度だと言えるでしょう。
Conor Doherty: ジョアネス、同じ質問です。Pythonは必須ですか、それともあったら良い程度ですか？
Joannes Vermorel: 必須だと言えますが、ただしどのプログラミング言語であっても構わないという前提付きです。重要なのは、一つのプログラミング言語を習熟することです。どの言語かは問題ではなく、それによってコンピュータが実行できることに対する考え方が養われるのです。
つまり、突然、「ああ、この問題はアルゴリズムが実行して計算結果を得られる明確な解析解が存在する」と、そうでなく、非常に曖昧でLLMが答えを出すかもしれないという問題とを区別できるようになるのです。しかし、根本的にはこれは計算可能な領域に属するものではありません。
ですから、少なくとも一つのプログラミング言語—どれであっても、派手なものである必要はありませんが—を習得することは非常に重要だと思います。少なくともどの言語でも基本をマスターすることが必要なのです。
Conor Doherty: ありがとうございます。フィリップ、次はPower BIまたはその他のデータ可視化ツールは必須ですか、それともあったら良い程度ですか？
Philip Auinger: データの可視化は、絶対に非常に重要です。前にも述べましたが、他人を説得する際、数字が羅列された大きなスプレッドシートだけでは説得力がありません。それをグラフにすると、一目で状況が把握できるのです。
私の考えでは、サプライチェーンで働く人にとってPower BIは必ずしも必要ではないと思いますが、この種の業務を担当する部門があって、標準のユーザーでは作れない素晴らしいExcelシートを作成できるオタク集団が存在し、それを意思決定支援部門のように扱うのは良いことだと思います。
私は、ある企業（たぶんネスレだと思います）が、データ分析部門を「ディシジョンサポート」と呼んでいると思います。もし、サプライチェーンを理解している人々のチームにPower BIを投入し、そのチームが作成したレポートを会社全体が利用するならば、それは非常に非常に価値があります。
しかし、改めて申し上げますが、サプライチェーンに関わるすべての人がそれを必要としているわけではありません。ですから、あれば嬉しいものという感じです。
Conor Doherty: ジョアンネス、同じ質問ですが、Power BIは必須ですか、それともあればいい程度のものですか？
Joannes Vermorel: ええ、主にあればいい程度だと言えるでしょう。改めて申し上げますが、こういった概念が頭にないことが、ChatGPTから適切なガイダンスを得るのを妨げるわけではありません。
ご覧の通り、私がPythonのあればいい程度かどうかを比較していた時、もしプログラミングがどのように動作するか、つまり分岐やループなどでコンピュータの命令が一つずつ展開される仕組みすら考えられなければ、そんな概念が欠如している場合、ChatGPTから意味のある回答を得るのに非常に苦労することになるでしょう。
可視化に関しては、もしデータを細分化するための基本的な仕組みを頭に持っていなかったり、棒グラフ、折れ線グラフ、円グラフなどと呼ばれていることを知らなくても、問題はありません。そのツールは非常に視覚的であるため、適切に導いてくれるのです。
ですから、あればいいものだと思います。あまりその概念に精通していなくても、何とか乗り切れるはずだと考えます。これが私の見解です。
Conor Doherty: ところで、確認ですが、ジョアンネス、あなたはフランス語を母国語とされていますよね。フランス語で円グラフは「カマンベール」と呼ばれる、ということでしょうか？
Joannes Vermorel: はい、その通りです。私たちはそれを「カマンベール」と呼んでいます。
Conor Doherty: すみません、それは本当に…と言うか…その一言を言うのを二年間も待っていました。やっとその時が来たのです。
確かに、私のことをよく知る人たちにとっては深い意味を持つ発言です。とにかく、このセグメント最後の質問です。では、フィリップ、エージェントAIは必須ですか、それともあればいいものですか？
Philip Auinger: それについて、ジョアンネスの意見を聞いてみたいですね。
Joannes Vermorel: 必須ですが、すぐにデジタルネイティブとしての関連性を維持するためのものへと変わっていくでしょう。ここでいう「エージェント」とは、例えばOpenAIのディープリサーチ機能によって、約200ページを見てあるテーマの入門知識を提供できるLLMのことです。
つまり、このエージェントがループを実行し、LLMが自らを呼び出して、一度の完了だけでは達成できないタスクを反復処理で完了する状況は数多く存在するのです。
しかし、これは非常に速く進化しているものだと私は信じています。どのタイミングでどのように、そしてどこでその能力を活用するかを把握することは、「あなたはChatGPTやその競合製品を効率的に使いこなせていますか？」ということの一部になるでしょう。
改めて言えば、これは私にとって、GoogleマップやUberなどを使いこなすような、デジタルネイティブとしての必須スキルの一部でもあります。もしGoogleマップの使い方を知らなければ、人々は「ああ、それくらいなら大したことはないだろう」と考えるでしょう。
しかし、そもそもその存在すら知らなければ、すでに使いこなしている人々と比べて不利になります。しかし、そのスキルを習得するのは全く簡単なことです。
人々が考えるのは、実際の未来のあり方に他なりません。しかし、これを、あなたがコンピュータ上のファイルの管理をChatGPTに委ねる未来のバージョンだと捉えてください。
かつては完全に隔離されたウェブページ内に閉じ込められていたこのLLMですが、最近まで全く外部と断絶されていたのに対し、今ではChatGPTはウェブを参照し、タスクの明確化など開始前に質問をするのが非常に得意です。
それは役立ちます。つまり、境界を打破する一つの方法です。そして次に破られる境界は、「ああ、私はChatGPTに自分のローカル環境へのアクセスを許可し、自分のマシン上のファイルを確認させる」というものになるでしょう。
それは実現するでしょう。そして、そうしたエージェントについて考え始めるのです。例えば、「フォルダーに200個のWord文書が散乱している。めちゃくちゃだ。10個、12個ほどフォルダーを作り、机上の文書を適切に整理してくれ」というような、より多くの反復処理を必要とする質問が出るかもしれません。
まだそこには至っていませんが、1、2年後にはこれらの機能が主流になると、いくらかのお金を賭けてもいいくらいです。それほど複雑なことではなく、再び人々はこのようなことを使いこなすことが求められるでしょう。
しかし、これもまた、デジタルネイティブであるという大きな枠組みの一部に含まれます。
Conor Doherty: さて、フィリップ、その点で、エージェントAIであれその他であれ、AIがサプライチェーンの職種全体の未来をどのように形作るとお考えですか？
Philip Auinger: 非常に刺激的でエキサイティングな一方、特にサプライチェーンや分析系の職種では、利用可能な職の50%、60%、70%を失ってしまうのではと非常に懸念しています。AIファンは「そうですが、新たな仕事も生まれるでしょう」と常に言います。
確かにその通りですが、現実には、現在失業状態にある60%を埋めるほどの新規職が生まれるとは思えません。ですから、これによって素晴らしい機会が生まれるのは明らかですが、結局のところ職は少なくなるでしょう。
つまり、高齢者の世話をする、薪を割るといった手作業の仕事はAIでは代替できません。しかし、数値処理や意思決定、例えば「どれだけ買うか、どれだけ売るか」といった業務は、非常に迅速に代替されるでしょう。
鍵となるのは、その変化を受け入れ、なおかつこれらすべてを調整する役割を担う人物になることだと思います。ですから、こうした役割は非常に需要が高く、これはかなり新しい概念です。サプライチェーンの未来を見据えるなら、スキル面でこれを強化する必要があるのです。
全体的に見れば、地球や生活を営む人々、そして実際に職に就きたい人々にとって、AIは非常に厄介な存在です。すべてを暗く描こうとはしませんが、これには大きなリスクが伴います。
Conor Doherty: この点について、あなたの意見を聞かせてください。もちろん、以前にも耳にしましたが。
Joannes Vermorel: Lokadは、本当に…というか、我々は大規模自動化を強力に推進している側の一員です。私の見解としては、基本的にバックオフィスの仕事は大規模に自動化されるでしょう。
厳密にバックオフィスに限定されるサプライチェーンの仕事、つまりLokadがクライアントに提供しているのは大規模な自動化であり、それが急速に進んでいると考えています。しかし、皆さんにお伝えしたいのは、従来の需要と供給のプランナーが非常に内部志向であったということです。人々は社内の情報を集め、需要を予測し、発注を組織しようとしていました。
我々が言いたいのは、社内のすべての作業を自動化すれば、それ自体は単なる機械化に過ぎませんが、さらに先の可能性を切り開くということです。その「さらに先」とは、クライアントやサプライヤーとの連携です。つまり、情報を統合し、適切な numerical recipe を整え、予測や replenishment スケジュールなど面倒な事務作業が自動化されれば、すべてが処理されたということになります。そして、それにより、次のレベル、つまりクライアントおよびサプライヤーとのより良い協力関係という新たな局面に進むことができるのです。
ここで言いたいのは、もはやそれが単なるバックオフィスの仕事ではなく、外部との連携が必要となればフロントオフィスの仕事になるということです。そして、それはAIに任せるにははるかに困難です。なぜなら、求められるのは単なる分析能力ではなく、対話を確立し、クライアントやサプライヤーからコミットメントを獲得する能力だからです。
つまり、私の具体的な見解としては、はい、自動化は進んでいます。Lokadはその波の一部です。しかし、若い実務者にとっての道は、サプライヤー、運送業者、またはクライアントのいずれかと連携することです。社内の厳密な分析に依存しない何かとの繋がりがあれば、安心です。そうすれば、Lokadのような企業が数値的レシピを機械化しただけで、あなたの価値が消えてしまうことはないでしょう。
Conor Doherty: フィリップ、もう四つ目ですが、最後の質問です。順番を逆にして、ジョアンネス、進む自動化の時代において、今話し合ったすべてを踏まえると、サプライチェーンの実務者にとって時代遅れにならない唯一のスキルまたはマインドセットは何だと思いますか？
Joannes Vermorel: 現時点では、高度な思考能力は依然としてLLMの提供範囲外だと考えています。非常に複雑な状況について透き通るような明快な思考ができるのであれば、LLMがそれを模倣できるとは到底言えません。LLMは言語パターンに関しては非常に優れているのです。
Lokadのような数値的手法を用いたリスク評価やリスク定量化においては非常に優れています。しかし、どちらの場合も、何をすべきか、なぜその実行のアーキテクチャが必要なのかといった点について、非常に明確な思考軸が必要です。ですから、私の提案は、高度なスキルを養うことです。その代理として、あたかも自社のサプライチェーンディレクターであるかのように考えることが挙げられます。
まるで自社のCEOであるかのように思考し、彼らが抱える問題に共感するよう努めてください。たとえば、現時点で私の仕事はこのセグメントの補充対応ですが、毎日、自分の役割を少しずつ引き上げ、経営陣が直面している高度な問題に取り組むことを心がけるのです。これこそが、少なくとも現在市場に出回っているソフトウェア技術を考慮すると、すぐに自動化されることのない高度な思考能力を育む確実な道だと思います。
Conor Doherty: ありがとう、ジョアンネス。そしてフィリップ、同じ質問です。
Philip Auinger: 私は、企業の組織図や人名が記されている限り、つまり我々がそれを持ち続け、ロボットやR2-D2、HAL、さらにはKITTのようなものが記されていない限り、対人スキルが最前線に立つと考えています。なぜなら、それこそが私たちを機械と区別する唯一の要素であり、機械が「申し訳ありませんが、このルールは適用されない」と言ってくる状況を打破するからです。
しかし、人間であるあなたが判断して「はい、わかっていますが、本当に急ぎです。これは我々の最も重要なお客様です」と言えば、何かを実現できるのです。つまり、これらの対人スキルは絶対に保持すべきものであり、また、それらは単なるスキルセット以上に、一生涯にわたって好奇心を持ち続けるというマインドセットの一部だと私は感じています。他者と話し、業界誌を読み、耳を傾け、LinkedInで人々をフォローするのです。
最近何が起こっているのか、未来の傾向はどうなるのかを理解することは重要です。これらの変化には時間がかかりますが、もし起これば準備ができるのです。明らかにソフトスキルは大きく変わることはありません。しかし、技術に関するその他すべてのものは、過去5年間で何が変わったかを見て、そこから今後5年間の未来を予測する必要があります。
ですから、好奇心を持ち続け、新しいことを学び、かつて真実だと思っていたがもはや真実でない古い考えを捨てるのであれば、おそらく正しいマインドセットが身につくでしょう。
Conor Doherty: ええ、これ以上質問はありません、フィリップ。本当にご参加いただきありがとうございました。大変楽しかったです。
Philip Auinger: どうもありがとう。
Conor Doherty: では、この辺で締めさせていただきます。お二人とも、そして皆さん、仕事に戻ってください。
