00:00:00 サプライチェーン最適化の概要とトヨタの文脈
00:07:28 経営層への価値の伝達；意思決定と資金
00:12:45 デジタルトランスフォーメーション：大規模な複雑性の簡素化
00:17:49 現代的なサプライチェーンの手法と言語の採用
00:24:00 フィルタされないデータと生産準備におけるエッジケース
00:29:44 意思決定の改善：異議、混乱、および予測
00:34:05 安全な意思決定とサプライヤーリスクの管理
00:36:23 おもちゃの問題とサプライチェーンにおける現実世界の不確実性
00:41:13 経営層のエンパワーメント、シナリオテスト、およびROI
00:46:10 ビジネスインパクト：精度のメトリクスを超える移行
00:49:45 需要は設計される：アクセサリー、予測、および履歴
00:55:01 共著による最適化と関係性の価値
01:00:51 ステークホルダーの整合、文化、および管理戦略
01:09:29 デジタルトランスフォーメーションの推進とKPIの変化
01:15:19 ソフトウェア、インセンティブ、および大手企業からの教訓
01:21:17 オーディエンス、言語、および効果的なコミュニケーション；書籍のアドバイス
要約
LokadTVのインタビューで、Conor Dohertyが司会を務め、サプライチェーン最適化が中心テーマとなり、LokadのCEOであるJoannes Vermorel、Adam Dejans Jr、トヨタのJohn Elamが登場する。対話では、グローバルなサプライチェーンにおける意思決定が探求され、文化的変革と複雑なプロセスの簡素化が強調される。Adam Dejans Jrはシステム全体の再考の必要性を訴え、John Elamは運用規模が複雑性の源であることに焦点をあて、望ましい結果に合わせた言語の整合を強調する。この会話は透明性と信頼構築を促し、経営層を巻き込むための明快なコミュニケーションの重要性、多様な文化的アプローチの紹介、そして従来の慣行を変革するための継続的な学習の推進についての洞察を共有する。
詳細な要約
Conor Dohertyが司会を務めるインタビューでは、LokadのCEOであるJoannes Vermorel、Adam Dejans Jr、トヨタのJohn Elamを迎え、サプライチェーン最適化の緻密な領域に踏み込む。この議論は、勤勉さと明快さをもってサプライチェーンにおける最適化の多面的な探求を明らかにする。
対話は、グローバルなサプライチェーン変革における意思決定の探求から始まる。Adam Dejans Jrは、変革は単なる自動化を超え、文化的変革と混乱への適応が必要であると強調する。彼は、プロセスの単なるアップグレードではなくシステム自体の再考が重要であると訴え、大企業内の労働分業がもたらす複雑性をJoannes Vermorelも指摘する。Vermorelは、簡素化がこの複雑性に対する重要な対抗策であると主張する。
John Elamは、運用規模が質問自体ではなく複雑性の源であることを指摘し、特に経営層を説得する際には望む結果に合わせた言語の整合を訴える。Adam Dejans Jrもこれに続き、信頼構築のために段階的に複雑性を導入すること、および政治的障壁が意思決定の連鎖を複雑化する役割を強調する。
印象的な比較を通じて、Joannes Vermorelは、政治的な課題にもかかわらず効率的な手法を採用するSpaceXのような競合他社について論じ、効率化に取り組まない企業は存続に関わる脅威に直面すると主張する。そこで、政治的およびビジネスの視点を理解し統合することが重要であるという合意が形成される。
対話が経営層を巻き込む最適化に進むにつれて、ElamとDejans Jrは、技術的側面だけでなく、不確実性を受け入れ、財務指標に基づく計画の整合が中心であると再確認する。彼らは、シンプルなモデルから始め、段階的に複雑な層を導入することで、透明性を醸成し、関係性を構築して最適化フレームワークの受容を得ることを提唱する。
Lokadのアプローチを検証する中で、Joannes Vermorelは、確率的予測への注力と、技術的手段よりも成果を優先する必要性を説く。彼は、エッジケースに対応して包括的な生産グレードのソリューションを確保するために、意思決定の反復と洗練の重要性を強調する。
John ElamとAdam Dejans Jrは、トヨタの運用と類似点を引き合わせ、複雑なサプライチェーンの理解とマネジメント責任を超えたプロセスの検証に焦点を当てる。彼らは、客観的な業績向上を通じた信頼構築の重要性を強調し、部分的な理解にもかかわらず実践的な戦略と透明性を融合させる。
Conor Dohertyの問いかけはチェンジマネジメントの探求へと繋がり、John Elamは不確実性を意思決定に統合するための例としておもちゃの問題を紹介する。このアプローチは、Adam Dejans Jrがディーラー向けに共感できる提案を行った経験と相まって、経営層を巻き込むためのシンプルなコミュニケーションの有効性を浮き彫りにする。
対話は文化的マネジメントアプローチへとシフトし、米国のテクノロジー企業とフランスの実践との対比を通じて、企業ダイナミクスへの影響の違いが示される。既存企業内における旧態依然としたシステムを乗り越え、革新的な変化を推進するためには、新たな創造的リーダーシップのアプローチが不可欠である。
重要な側面として、経営層と効果的にコミュニケーションを取るための言語の簡素化が挙げられる。John Elamはレトリックとテクニカルライティングの指導から得た知見を共有し、対象や状況に合わせたメッセージの適応によりエンゲージメントを強化する。議論は読書の推薦で締めくくられ、継続的な学習と適応の価値が強調される。
インタビュー全体を通じて、技術的専門知識と経営層の意思決定を橋渡しする深い洞察が浮かび上がる。それは、複雑性を乗り越え、協働による進化を促進するための旅であり、謙虚さ、戦略的コミュニケーション、そしてサプライチェーン最適化の分野における具体的な成果の追求によって支えられている。
完全なトランスクリプト
Conor Doherty: みなさん、成功するサプライチェーンの最適化を望むものの、特に経営層を含むすべてのステークホルダーがその意味を十分に理解しているかどうか、十分に時間を取らないことが多いのです。さて、幸運なことに、今日のパネルはまさにそのテーマについて議論するものです。今日参加しているのは、トヨタからのAdam DejansとJohnny Elam、そしてスタジオからLokadの創設者であるJoannes Vermorelです。
パネルに入る前に、動画を「いいね」し、YouTubeチャンネルを購読し、LinkedInでもフォローするのをお忘れなく。それでは、今日のパネルを始めます。
では、Adamさん、Johnさん、本日はご参加いただきありがとうございます。これはおそらく、LokadTV史上最速の対応かもしれません。数週間前にAdamさんに連絡したところ、すぐに参加してくださったわけです。ご参加、ありがとうございます。
Adam Dejans Jr: お招きいただきありがとうございます。こちらに参加できて光栄です。
Conor Doherty: Johnさん、最初に、あなたのバックグラウンドとトヨタでの役割についてLokadTVの視聴者に紹介していただけますか？
John Elam: 私の名前はJohnny Elamです。現在、トヨタでビジネスインサイトおよび戦略のマネージャーを務めています。技術リードやプロダクトオーナー的な役割で、サプライチェーンの機能を支援する3つの異なるプロダクトを担当しています。
さまざまな機能が動いています。需要の感知、供給の実行、さらには過去の販売実績から顧客の好みを理解しようとするカスタマープリファレンスエンジンもあります。私はそのための3つのチームを管理しています。これまでの経歴として、アプリケーション開発者、データアナリスト、データエンジニアとして働いてきた経験があり、技術的知識を広いビジネスビジョンに結びつける自然な流れの中で、今ではプロダクトオーナーとして活動しています。ここにいることを楽しみにしています。
Conor Doherty: Adamさん、二人ともトヨタで働いていると伺っていますが、私はあなたがミシガンにおられるのを知っていますし、Johnさんはテキサスにおられるそうです。では、Adamさん、どうやってトヨタにたどり着いたのか、そしてあなたの役割は何なのか教えてください。
Adam Dejans Jr: はい、私の経歴は数学とオペレーションズリサーチにあります。デトロイト生まれということもあり、しばらく自動車業界でキャリアを積んできました。これが私の全てという感じです。フォードで働いたり、コンサルティングを経験した後、製品の所有権を本当に自分で持つためにトヨタに参加しました。
現在、トヨタではプリンシパル・ディシジョンサイエンティストとして働いています。主にJohnと共にサプライチェーン変革に取り組んでおり、私はミシガンにいながらも、ミシガンセンターでは働かず、実は現在はテキサス本社でリモート勤務をしています。
私の主な役割は、Johnが担当している多くのプロダクトで技術的な視点からシステム設計や、各種アルゴリズムやプロダクトの数学的基盤の構築に取り組むことです。我々の目標は、北米のサプライチェーン変革を推進し、その成果をグローバルに展開することで、現在大規模なデジタルトランスフォーメーションの取り組みの真っ只中にあります。
Conor Doherty: ありがとうございます。紹介を聞いて、全国規模、あるいはグローバルな変革について話す際、意思決定はどのように組み込まれているのでしょうか？LinkedInでAdamさんが頻繁に投稿されているテーマであり、あなたたちは常に意思決定に着目しているようですが、説明していただけますか？
Adam Dejans Jr: 私が考える最大のポイントは、本当に文化的シフトであるということです。特に長い歴史を持つ企業では、現状でも多くの手作業が行われています。変革を始めるとき、最初に行うのは既存のプロセスを自動化することです。
つまり、連続して行われるこれらのステップを、手作業から自動化に切り替えたいということです。しかし、それでは大した変革にはなりません。それは単なる自動化であり、変革ではありません。変革にはシステム全体の再考が必要です。コンピュータが引き継ぐ現状のままではなく、まず達成したいビジネスメトリクスを決定し、そのために必要な意思決定を行い、最後にシステムが何故問題を起こす可能性があるのか、そしてどのように回復するのかを考える必要があります。
私たちは、パンデミック、港湾ストライキ、部品不足などに直面しています。部品が予定通りに届かない、または不良品が出た場合、次に何をすべきかをどのように判断するのでしょうか？それを、知的かつ自動的に、そしてリアルタイムに適応できる方法で決定するのです。
John Elam: また、制御可能な範囲の現実的な境界を見極めることも重要です。我々はグローバル企業であり、アメリカ内では制御を行っていますが、それ以外では要求を受ける形になっています。日本が本拠地であり、エンジンなど多くのグローバルに管理される戦略的な供給リソースに関する意思決定は日本が行っています。我々は、トヨタモータースヨーロッパやトヨタモータースアジアと、グローバルに配分される部品の獲得競争を繰り広げています。
意思決定の一環として、実際に我々が行える決定を見極めることが求められます。特定の決定を行うのは望ましいですが、現時点ではできないこともあります。価値の証明、成長、そしてグローバルへの貢献を示すことが求められるのです。小さく始め、自分たちの限界を知ることが重要です。現実を理解せずに理想状態を描くことでつまづいてしまうのです。あなたができる決定もあれば、制御の範疇外のものもあるのです。
Conor Doherty: Joannesさん、すぐにあなたの意見を伺いますが、Johnさん、トヨタという大企業になると、どのようにしてAdamさんが語る方向に人々を向かわせるのでしょうか？旧来のサプライチェーンにおける意思決定の方法から、より最適化やオペレーションズリサーチに焦点を当てた方法へと移行するのでしょうか？
John Elam: その質問に対しては、全プロジェクトに共通する答えがあります。多くの技術者が聞きたくないかもしれませんが、それが厳しい現実です。相手のいる場所に合わせるのです。もし彼らが平均値、中央値、最頻値の世界にいるなら、その言語を用いて話しかけるべきです。彼らの知識に合わせ、その言語で話すのです。誰も新しい言語を学びたがりません。
「ポルトガル語を学びたくはない。なくても成功できる。」ポルトガルでは役立つかもしれませんが、生活に必須というわけではありません。若いエンジニアとして新たな知識を学ぶ中で、多くの人は数学やツールに興味があるのではなく、それが自分たちの世界で何をもたらすのかに関心があると気づきました。
ビジネスリーダーシップにおいては、金銭が全てです。どれだけの利益を生み出し、どれだけの時間を節約できるか、などです。私は自分の言語を脇に置き、彼らの言語を取り入れて理解を深めます。自分の方がより良い方向を示せるとしても、彼らの言語で照らし出すしかないのです。それが、人々を前進させる唯一の方法です。
Conor Doherty: では、Joannesさん、この点についてあなたの意見はいかがですか？私たちはヨーロッパ、北米で活動しており、同様の経験があるのでしょうか？
Joannes Vermorel: はい、もしくはいいえ。私が大企業を見るとき、議論しているのは、つまり大企業、デジタルトランスフォーメーション、意思決定の追求といういくつかの要素が組み合わさっていると考えています。さあ、これらの要素を一つにまとめましょう。
現実として、サプライチェーンにおける意思決定は極めてシンプルです。特定の言語を必要としません。例えば、トヨタが年に5000万台のエンジンを生産できるとしましょう。これは作り話かもしれません。数字はわかりませんが。
そして、生産をどのように割り当てるか、すなわち北米にどれだけ、どこかにどれだけ割り当てるかという問題があります。要するに、資源の配分とどのエンジンを使うかという問題なのです。細かい部分は非常に複雑で、さまざまなエンジンが存在するなどの要素もありますが、現実としてはサプライチェーンに対する一連のシンプルな意思決定が存在するのです。
基本的にはリソースの割り当てと移動のことです。根本的には非常に抽象的なものではなく、把握するのもそれほど難しくありません。物理的で実体のある要素があるのです。しかし、大企業がこれを手作業で行おうと考えたとき、彼らは分業体制を整える必要がありました。
その結果、非常に単純な決定がなされ、その決定に部分的に寄与する20の異なる部署が存在することになります。これはすべて分業の結果に過ぎません。もし超知能のAIなどがあれば、分業は必要なく、単一の存在が直接決定を下すでしょう。
このような複雑さを目にするたび、私の見解は、これはほとんど分業の副産物であり、複雑性が爆発しているだけだということです。しかし、これは完全に作り出されたものであり、実体はなく、巨大な組織を支えるために合成されたものなのです。
そして非常に頻繁に、問題はその複雑な層を経た先にある基本的な決定事項を明らかにすることにあります。通常、そこに本当の驚きがあり、200人が関与しているように見えても、最終的にはたった1つの数字であるのです。そして、面白いのは、もしコンピュータのように計算できるデジタルな何かがあれば、必ずしも200人が関与する必要はないと気づく点です。
これこそが変革が非常に重要であると私が考える理由です。Lokadでは、分業によって莫大に複雑になっていたプロセスを、最終的にはかなり単純なものに置き換えてきました。そんなに多くの人は必要なく、あまり多くの人の関与が、数値的な手法を導入することで消える一連の問題を生み出していたのです。
Conor Doherty: John、あなたは何度も頷いていましたね。あなたのご意見をお聞かせください。
John Elam: いや、彼の言っている通りです。解決すべき問題の規模のせいで作り出された複雑性がたくさんあるのです。例えば、私たちには約21,000もの異なる制約が組み込まれた一つのツールがあります。
つまり、誰もそれを人間が管理できるわけではありません。人間が管理していたとしても、それは本当の意味での管理ではなく、「左から右へ移動させる」といったようなもので、「どうすればこの情報を再編成してより良い決定ができるか」という管理ではなかったのです。
人間が良い決定を下すための形で情報を整理する方法はなかったのです。ですから、適切な場所で適切なツールが、複雑さを切り裂いてシンプルなものにしてしまう様子を私は実際に見てきたのです。
あなたの言う通り、多くの場合、私たちはただ予測の世界であれば需要を理解し、配分であれば物事を本来あるべき場所に最適に配置しようとしているだけです。実際の決定は、とても具体的で、エンジンがその工場に向かい、その車を作る様子がはっきりと見えるのです。
しかし、実際に進行中の事柄の規模が複雑さを生み出しているのであって、問題そのものが複雑なのではありません。
Adam Dejans Jr: そこで、私も少し付け加えさせてもらいます。先ほども言いましたが、一連の決定が存在します。うまく表現はできませんでしたが、そのプロセスの問題のひとつは、その決定の連鎖が異なる管理の柱にまたがっているということです。
また、それは組織の異なる部分に属しているため、あなたが入り込んでその一部さえ学ぶことが許されない場合もあります。解決策を思いついても、政治的にうまくいかないのです。政治的には、ほとんど逆転させる必要があるかのようです。
一つの決定が20の部分に分かれているかもしれませんが、今度は一度に5ステップを自動化し、次の5ステップを実行。そうして段階的に進めるのです。しかし、これもまた、本当に見落とされがちな問題、すなわち政治的側面の問題なのです。
Joannes Vermorel: 全く同感です。しかし、ここでの私のメッセージは、そうした政治的な角度に屈しないでほしいということです。具体例を挙げると、非常に成功しているアメリカ企業、SpaceXです。彼らは、NASAやAriane Groupとは異なり、自社のロケットのサプライチェーンを合理的に整理・統合することを決定しました。
一見古典的に聞こえるかもしれませんが、実際は特に革新的ではありません。一般に、現代の大多数の企業はそのように組織されています。しかし、ロケットに関しては、ヨーロッパのAriane Groupが、実際に西ヨーロッパ全域にロケットの製造を分散させていたのです。
その結果、すべてのヨーロッパ諸国を満足させるためだけに、50カ所でロケットが製造されることになりました。NASAも自社のロケット生産をアメリカ全州に分散させていたことが判明し、それが完全に機能不全に陥っていたのです。
その結果、莫大なコストで物を生産する組織ができあがります。それは、競合他社が「政治なんてどうでもいい、合理化する」と決めるまではうまく機能していました。政治を捨て去り、理にかなった方法を採るべきなのです。
私の見解では、競合からそれほどプレッシャーがかからなければ、ゆっくりと進んで各ボスの権益や独立性を維持する余裕があるのです。しかし、競合他社からのプレッシャーが激しければ、そのような贅沢は許されません。
これは大きな挑戦であることに同意します。しかし、歴史的に見れば、非常に優れていた企業も、この変革に失敗したために倒産してしまったのです。競合他社がビジネスのやり方を、時には劇的に簡素化する方法を考え出し、急に低価格を実現したためです。
そして、古い企業はこの新しい環境で生き残ることができなかったのです。
Adam Dejans Jr: 私たちは完全に同意します。私の言いたいのは、ビジネスの視点で見る場合と個人の視点で見る場合の2側面があるということです。
Joannes Vermorel: しかし、トヨタは非常に非常に競争力があります。例えば、現在の英国では自動車産業がほとんど存在しなくなっています。より現代的な生産方法を採用できなかったために、彼らは再び絶滅してしまったのです。
Conor Doherty: さて、いくつかの点をまとめ、本題に戻りたいと思います。すなわち、特に経営層を含む人々を最適化に賛同させるために説得するという点です。その鍵となる要素は、不確実性を受け入れることにあります。個人的な興味として、トヨタやコンサルタントとしての現場において、レガシーシステム、既存の慣行、社内政治がある企業で、決定事項—確率的予測であれその他であれ—に関して、どのように自分の視点を理解させているのでしょうか？
John Elam: ええ、最初の回答と同じように、まず相手がどこにいるのかを把握することから始めます。あなた自身はどこにいるのか、その言葉を学ぶのです。そして、その後、誰かを決定論的最適化という考えにまで引き上げるのですが、これは多くの人にとって全く新しい働き方なのです。そして、量的-供給-チェーン-マニフェストやSDAのように、実際に時間要素を補うものとなると、全く別のレベルになります。
正直なところ、多くの場合、私は層を重ねて導入していくだけなのです。まずは、あなたの現状から始めましょう。現状では、昔ながらの最小最大-在庫-計画-定義や補充ロジックを使っています。率直に言えば、可能であれば、たとえ多くの相互依存関係があって最適解が局所的になってしまう困難があったとしても、分割やコンテナ化できる何かを見つけ出すのです。POCとして実証し、その価値を示すのです。
そしてそれを彼らに結びつけます。正直なところ、多くは単に話をして彼らの言葉を使うだけです。彼らはドル、時間、安全係数に関心があります。p値や分散には関心がなく、その意味すら半分程度しか理解していません。不幸なことですが、それが彼らの現状なのです。彼らが使う言葉は、私たちが何年も使ってきたものとは違い、市場シェア、利益、収益、ボリュームといったものなのです。
そして、連携させ、実例、おもちゃのような例を作成するのです。まずは「あなたの現状、私の考え」、小さくシンプルなExcelで作った例などから始め、どのように展開されるか示します。その後、実際に動作している実例を取り出し、しばらく並行して実行するのです。これがあなたのプロセスであり、これが私のプロセスです。特に決定論的最適化をしていない場合、良いモデルを設定すれば最初の試みで驚異的な成果を上げることができます。
そして、信頼が築かれるのです。信頼が得られると、実験する自由が大きく広がります。そしてまた、次の層を追加していきます。毎回、次の複雑な層を取り入れていくのです。最終的には、フレームワーク、つまり時間を通じた最適化問題や予測決定についての考え方を理解してもらえるようになります。そうすれば、彼らは拡大を許してくれるのです。しかし、ただ現れて自分のやり方を売り込むだけではいけません。売り込むというのは、実証することなのです。
私が関わるプロダクトチームとよく話すことの一つに、「早く進みたいなら信頼が必要」というものがあります。そして信頼を得るためには、透明性が不可欠です。だからこそ、私は自分が何をし、どのようにそこに到達するかを非常にオープンに伝えています。多くの場合、相手も応じてくれます。返報性のバイアスは非常に強いのです。結果として、人々は自分の情報の一部を提供してくれるのです。多くは人間関係に起因します。数学的な解答に辿り着けたら良いのですが、正直なところ、私自身が好かれることが戦いの九割なのです。
Conor Doherty: Joannes、改めてですが、これはLokadでのあなたの経験とどの程度一致していますか？
Joannes Vermorel: Lokadでは、私たちはかなり異なる方法で取り組んでいます。私たちの問題へのアプローチは、手段、特に技術的手段がほとんど重要ではないというものです。結局のところ、はい、私たちは確率的予測を用いています—それで十分です。確率的最適化も同様、問題ありません。彼らが一度も聞いたことがなく、知らず、気にも留めず、時間もない多くの事柄があるのです。そして、それで十分なのです。
私たちが目指すのは、あらゆる決定事項が明確に特定される状態に到達することです。生産配分、在庫割当、購買数量、さらには価格の変動を伴う価格最適化など、多岐にわたります。重要なのは、信頼を得るためのマイルストーン、すなわち（ちなみにこれが実際には生産に移行するための主要なマイルストーンです）0%の常軌を逸した状態でないということです。そのために、理想的には何百万もの規模で決定を生成する必要があり、私たちは直接大規模なスケールを目指すのです。
その理由は、実際にそれがより簡単で、速く、そして安価だからです。直感に反するかもしれませんが、データが多ければ多いほど統計は上手く機能します。そしてERPからデータを抽出する際、フィルタリングしようとすればロジックが複雑になります。ですから、フィルタリングしなければ、適切なツールがあれば実際は簡単になるのです。通常、フィルタリングは特にデータ-抽出-パイプラインにおいて多くの複雑さを生むのです。
ですから、私たちは「自分たちのシステムと協調し、フィルタリングせずに全てを取り込む」と言うことを好みます。それで問題なく、すべてが容易になるのです。そして、決定事項が0%の常軌を逸していなければ、つまり、私たちが生成した全ての決定を見たときに、誰も異議を唱えられない状態でなければならないのです。
最初は、必ず人々から異議が出るため、反復して改善していきます。「この決定は興味深いが、これやあれの理由で実行できない」と言われたら、ロジックを変更して修正します。または、「こちらでは十分に注意が払われていない。このクライアントはVIPだ」と言われたら、新たな概念、VIPクライアントについて教えてもらい、その理由を説明してもらいます。そうして、VIPクライアントを考慮に入れるようにするのです。繰り返し反復し、スケールで最大のパラメータを用いて進めます。
そして最終的には、たった数週間で、人々がどんな点にも異議を唱えられない何かが完成するのです。それが信頼を得る瞬間です。突然、彼らは非常に理解しやすい決定事項を生成するシステムを手に入れるのです—決定事項であれば、誰も本当に異議を唱えないのです。
私たちにとって、これが信頼を得る方法です。通常、すべてのエッジケースや奇妙な事例を取り入れることで、「POC」の雰囲気ではなく、実際に本番運用可能な状態を実現します。たとえ技術的にはパイロットプロジェクトに過ぎなくても、実際は最大規模で奇妙な事例も完全にカバーできるのです。つまり、最適化の観点で完璧でなくても—あなたのツールがcrud-ビジネス-アプリのように粗削りであっても構わず、それは後回しにできるのです。私たちにとって初期の課題は超最適化されたものを持つことではなく、誰も正当な異議を唱える一行もないものを持つことなのです。
John Elam: 似たような点に取り組んでいると思います。「何かを切り取る」とは、トヨタのサプライチェーンに含まれるもの、すなわち…と言いたいのですが、ここに来て3年になるのに、今でも理解しきれていません。私たちは第4層、第5層のサプライヤーを持っています。アクセサリーもあります—工場で取り付けられるアクセサリー、プラントでのアクセサリー、ディーラーや車両流通センターで取り付けられるアクセサリー。そして、私たちからアクセサリーを購入することも可能です。
そして、それはアクセサリーだけの話です。その後、エンジンがあります—世界中で製造しています。ですから、私が「POC」と言うときは、それらのスイムレーンの一つ、つまり全部を選ぶことはできないという意味です。なぜなら、それらはすべて交差しているからです。それもまた一つの問題です。アクセサリーの予測を正確にするためには、まず車両の予測を正しくしなければなりません。例えば、シエナにいくつのマッドフラップを取り付けるかを予測するなら、いったい何台のシエナを製造しているのかが問題なのです。
つまり、それは切り刻もうとしているようなもので――あの、どれを実際に…スイムレーンに留まれるでしょうか？そして、多くの場合、私がスイムレーンと言うと、それは正直なところ、マネージャーの責任範囲を意味しています。なぜなら、彼らの影響力の領域には境界があるからです。ですから、あなたは全く正しいです。私が特に気に入ったのは、あなたが取り組むべき事柄におけるすべてのエッジケースをカバーしていると言ったことです。はい――そのものを作り上げるのです。スイッチを入れれば、本番稼働可能になり、すべての問題を解決します。
はい、その点には十分に同意します。私はこれを「体系的データ変換」アプローチと呼んでいます。つまり、どのように物事にアプローチするかというと、プロセスごとに進めて組織全体を巻き込むのか、あるいは組織の一部だけで全プロセスを実施し、それを下位に展開するのか、という二つの異なる方法があるということです。
しかし、どの方法であっても――プロセスごとに進めて異なる販売の垂直領域すべてをカバーするにしても、あるいは北米だけで全体に実施するにしても――どのレーンを選ぶにしても、100%完成していなければなりません。なぜなら、それが私が信頼を得る唯一の方法だからです――自分が実際にあなたと同じだけ優れていることを示すことによって。そして多くの場合、客観的に私の方が優れている場合もあります。これが私の言うPOCの意味なのです。
そうですね、あなたの意見に賛成です。ここでのPOCは、科学フェアの実験という意味ではなく、本当にコンセプトが証明されたという意味です。そして理想的には、POCが完了したとき、本物のMVPが完成している状態であるべきです。これは実際に使えるプロダクトであり、ビジネスが価値を追加するのに役立ちます。すべてのエッジケースを徹底的に処理した後に。しかし、本当に良いポイントだと思います。私たちがJupyterノートブックを作ってそれで終わりだと人々に思われるのは望んでいません。
Joannes Vermorel: そう、その通りです。ノートブックです。まさに。私が言いたいのは、これが私が何度も見てきた data science の落とし穴であるということです。その中には明らかに間違っている行が非常に多く、最終的に意思決定に責任を持つオペレーション担当者たちは、数字を見るたびに、10行ごとに常軌を逸したものを発見するのです。まさに非常識なものです。うまくいかず、通用せず、損害や複雑さを引き起こすでしょう。
そして私にとって、それは全ての信用を一瞬で失う最速の方法です。どの技術が使われていても、意思決定をレビューするマネージャーが非常識な点を見抜けるならば、さらなる反復が必要です。そして、異議がなくなるまで反復し続けなければなりません。人々はその意思決定を見て、「もし同僚がやっていたら、すぐに承認していただろう」と言うでしょう。おそらく、時間が経てば、その決定のいくつかは間違いであったと判明するでしょう――予測は完璧ではないのですから。しかし現時点では、私の持っている情報を踏まえると、私はそれらすべてを承認するでしょう。それで終わりです。
John Elam: ええ、それは良い考え方です。優れたメンタルモデルだと思います。同僚ならこれを合理的な予測や意思決定と考えるでしょうか？もしそうでなければ、更に進展することはできません。まだ信頼を勝ち取っていないのです。
Joannes Vermorel: 非常に頻繁に、異議が出たときは、モデル化の中にただ間違っている部分が存在します。それは、たとえば、仕入先に対して依頼している発注数量は適切であっても、倉庫での納品を受け入れる能力が限られているということを忘れているなど、愚かな点があるのです。そしてここで、衝突が起こります―同じ日に当倉庫の入り口にあまりにも多くのトラックが集まるのです。ですから、ご注文の数量は正しいかもしれませんが、残念ながら、見た目には無関係に思える他の何かが、実行を阻んでいるのです。
再び、様々な要素が存在します。そして、これらの異議を取り入れることが非常に重要です。そうすることで、人々が「この数字は実現可能性の領域にも入っていない。これやこれやこれが組み合わされても、実用的な解決策にはならない」といった直截な異議を唱えることを防げるのです。
Adam Dejans Jr.: 私の場合、経営陣に直撃するような多くの質問を投げかけています。例えば、「昨年の港のストライキを覚えていますか？あれはまずかったですよね？」といった具合です。そして――お金を失うのは本当に嫌なことです。
実際、よく耳にするのは「予測の精度を向上させる必要がある」という話です。そして、私が彼らに説明しようとする、または共に考えようとするのは、すべてが順調に進んでいる場合、予測するのはかなり簡単だということです。すべてが安定して順調であれば、ええ、もしかするとより正確かもしれません。しかし、時が来て――たとえば港でのストライキが発生したとき――そのような事象は予測できないのです。
ですから、最もこの予測が必要なときこそ、予測は失敗するのです。最も必要とされる瞬間と、予測が失敗する瞬間はまさに一致します。では、これを回避し存在しないかのように振る舞うのではなく、むしろ受け入れてプロセスに組み込むとしたらどうでしょう？これが私の提案しているアプローチです。大部分はうまくいっています。ただ、これはゆっくりと進むプロセスです。大規模な組織では、変革を行うのは非常に難しいのです。その多くは、部門ごとに閉じこもってしまっているからです。
しかし、それが推測であって――私は彼らに実際に起こった現実の例と結びつけて説明しようとしています。彼らが解決したいと思っているものの、どのように対処すればよいのか分からない状況において。そして、それが彼らが直面し、苦しんできた問題点に対処する機会を提供するのです。
Joannes Vermorel: それは興味深いですね。なぜなら、これらの混乱をモデル化するのはそれほど複雑ではないからです。単に「うん、主要な供給側の混乱が年間5%の確率で発生すると仮定しよう」と言うだけです。では、なぜ5%なのか？と言うと、過去一世紀で二度の世界大戦や他にも多くの出来事があったため、最近では主要な供給側の混乱の年間発生確率を5%と仮定しても、実際にはそれほど高くはないのです。そして、需要側やその他の面にも同様のリスクが存在します。これらのパーセンテージはほとんど推定値であり、それで十分なのです。
The interesting thing is that’s why at Lokad, we don’t deliver forecasts because it’s way too complicated to understand that. We focus on the decisions. And the decisions—usually when we get to this insanity—people would say, “Oh, this decision, for example here, this inventory looks a little bit high.” And here the discussion becomes: yes, but is it crazy high? You know, there might be problems, so are we so high that it’s unreasonable?
そして、面白いのは、人々が立てた予測を見ると、同時に考えなければならないことが非常に難しいという点です。需要が100になるかもしれないし、50になるかもしれないというように、何か奇妙な状況が起こっているからです。あらゆる可能な未来を考えるのはとても困難です。しかし、意思決定に目を向けると、人々は「はい、この意思決定は多数のリスクを集約している」と言い、あなたは「確かに保守的に見えるかもしれませんが、実はサプライヤーの信頼性の低下、遅延、港でのストライキなど、さまざまな問題が発生する可能性がある。最終的には、それが安全に感じられる」と答えるのです。
そして、これが興味深い点です。私たちは最終的な意思決定、例えば資源の配分についての議論を置き換えようと試みます。そうすることで、特に経営側の人々は、この意思決定に、自分でも十分に理解できない莫大なリスクが含まれているという考えに、より安心感を抱くのです ― それはただ一つのパッケージにすぎない、というわけです。そして、この方法は、ファットテール・イベントなどの奇妙な特性を持つ予測について説明するよりも、はるかに効果的なのです。
Conor Doherty: ええと、それに続けて話しますと――すみません、次のポイントに繋げさせてください。これもまたチェンジマネジメントの一部であり、ジョン、あなたが情熱的に語るのがお好きなテーマだと存じます。しかし、その一環は単にユーザーの賛同を得るだけでなく、実際に動作しているのを見たとしても、人々はその仕組みについてある程度理解することを望むのです。多くの場合、人々は「まあ、それで十分だ」とは言いたくなく、少なくとも「確率分布は一体どのように動作するのか？どうやってそれを意思決定に変換するのか？」という概要を知りたがるのです。ではジョン、まずあなたから――このチェンジマネジメントの部分、つまり内部で実際に行われている複雑な数学を人々がある程度理解できるようにする方法は、具体的にどのように扱っているのですか？
John Elam: 正直なところ、いわゆるおもちゃの問題は本当に素晴らしいですね。単純でわかりやすい例が非常に有効です。たとえば、どれくらいの在庫を地上在庫として保有するかという意思決定に不確実性を組み込みたいとします ― では、月ごとに車を注文している（現在はそのペースを大幅に速めようとしていますが、今は月に一度注文しています）という前提で、1%の確率があると仮定しましょう。つまり、毎月、港でストライキが発生する確率が1%であると仮定するのです。
そうすると、その確率はさらに変動するかもしれません。たとえば、契約期間の終了が近づくと、港でのストライキの可能性は上がるかもしれません。つまり、港でのストライキの発生率は上昇する可能性があり、私はそれを非常にシンプルにプロットするのです。1%の確率から始め、例として数字を当てれば10%にまで上がるとしましょう。そして、その増加を示すのです。そして次に、「ほら、毎月、安全性を考えると、もしかすると1%分余分な車、あるいは一定数の追加車両を注文しておく必要がある」と説明するのです。
現在、その確率はかなり低いかもしれませんが、期限が近づくにつれて上昇します。ですから、その非常に不確実な状況が発生する可能性が高まると認識して、地上在庫を増やしたくなるのです。そして、考えられるシナリオは二つです。ストライキが発生しない場合、あるいは発生する場合です。そして、結果を示すのです。「ほら、ストライキは起こらず、多少の余剰在庫があった。そして翌月は不確実性が低下したため、注文量を少なくして通常のレベルに戻した。そして、その追加在庫をヘッジするために、次の二ヶ月間追加の保管コストを負担した。つまり、数百万ドルのコストがかかったのです。」
では、反対のシナリオを見てみましょう。はい、他方ではストライキが発生します。通常、ストライキはどれくらい続くのでしょうか？二週間程度でしょう。過去を振り返れば、「通常これらはどのくらい続くのか？」と確認できるでしょう。つまり、二週間は車が一台も入ってこない期間となるのです。これは信じられないほどのコストになるでしょう。二つのシナリオの数字を示し、どちらのコストを受け入れたいかを問うのです。どちらか一方は必ず発生するのですから。そして、これは、いずれにしてもストライキが発生するか否かという非常に明確な状況であることに誰もが同意するでしょう。こうして、このおもちゃの例を通じて、分布や不確実性、そして時間の経過と共に変動する不確実性について考えさせるのです。
おもちゃのようなExcelの問題は素晴らしいです。シンプルでわかりやすく、人々はそのような形で学びたいと思っているのです。誰もが賢く感じたいものです。私も賢く感じたいし、あなたも賢く感じたい、私たちは皆そう望んでいます。では、どうすれば彼らをその方向に導けるでしょうか？必ずしもすべての内容を詳細に示すのではなく、「さあ、一緒にこれを作り上げよう」と提案するのです。もしパワーポイントを使って説明すれば、それは失敗に終わります。ホワイトボードを使いましょう。一緒にホワイトボードを前にして、共に学び、解明していくのです。
そして、私は彼らの抱える問題から始めるのが好きです。彼らはアクセサリーの分野にいるかもしれませんし、エンジンの注文をしているかもしれませんし、他の何かを注文しているかもしれません。あなたの現場はどんな状況ですか？一緒にシナリオを進めながら、「どのような不確実性がありますか？」と問いかけるのです。「ええ、時にはこういった問題があります」などと。例えば、「昨年は列車のストライキがあって大問題でした。これについて、そしてその二つの意思決定のモデリングについて話しましょう」と。こうして彼らの言葉を借り、彼ら自身が導いてくれるのです ― 本当に共同作業として。私がある考え方を提示すれば、彼らは実際に経験している苦痛を持ち寄る。これが製品を作る最善の方法です。すなわち、経験されている痛みに焦点を当てることで、痛みがなくなれば問題は解決されるということです。
Adam Dejans Jr.: もうひとつの点ですが、ああ、そうですね ― 彼らが「どうやって動いているのか？」と尋ねるとき、アルゴリズムそのものにはあまり関心がないことが多いのですが、私が気付いたのは、彼らが本当に知りたいのは、どのレバーを操作して変化をもたらせるのかという点です。つまり、「これを試すことはできますか？」ということです。一例としてシナリオテストがあります。彼らはシナリオテストをとても好みます。例えば、「10%のところが50%になったらどうなりますか？」あるいは「安全在庫をもっと追加できますか？」といった具合です。こうした操作レバーが利用できること、そして自分たちが何をいじれるのかを知ることが、納得感を得る上で非常に役立つのです。
Conor Doherty: ええ、全くその通りです。まさに内部統制感覚、つまり自分がその一部であると感じられることが大切です。そして、それについてですが、あなたのこのアプローチはその考えと一致していますか？
Joannes Vermorel: 確かに類似点はありますが、私たちは全く異なる方法でそれを行っています。Lokad流の典型的なやり方は、あらゆる意思決定に、私たちが「経済ドライバー」と呼ぶ半ダースの要素を付加することです。ケースに応じて、予測される在庫コスト、ストックアウトのコスト、サプライヤー遅延のコスト、これやあれのコストを評価するのです ― 業界によってもちろん異なりますが。 But the idea is every decision comes with half a dozen of assessment in dollars of what is at stake. And the interesting thing—and I go back, that’s why there are similarities—you know, we definitively go to the stakes in dollars, and then when it comes to challenging the decision, what we try to have is people challenge our assessment in dollars. You see, because it should be a way for people to say, “I disagree with this cost that you’re putting on that.”
彼らは我々がこの計算にどのようにたどり着いたかにはあまりこだわらないが、一般的に非常に有用なのは、たとえば「サプライヤーの遅延によるリスクのドル評価があまりにも低すぎる」と言う点である。これは非常に興味深い―もしかすると、リード-タイムの見方が正しくないか、あるいは他の要素を考慮していないからかもしれない。しかし根本的には―そしてこれが私がレバーに注目する理由―、100回のシミュレーションを要求する人々をある程度抑制する一つの方法なのだ。
実際には、「では、どの点について―我々は何にお金がかかるのかというビジネス・ビジョンで意見が分かれている」といった感じだ。例えば、港でのストライキの場合、それは支払わなければならない保険料と考えることができる。果たして我々はこの保険料のコストを正確に捉えているのか？適切な範囲内に収まっているのか？ここで頻繁に戻ってくるのは、シミュレーターや手法を用い、飾り気のない例に立ち返りながら、「つまり、ストライキなどのリスクにおけるこのコストについて、概算で正しい範囲にあるかどうかを示すことができるか？」という点である。
そして再び、常識の範囲内でなければならない―つまり、このコストは我々が正しいと考える範囲内である必要がある。もしそうであれば問題はない。しかし、もし経済的要因の一つを大幅に過大評価または過小評価していると気付いた場合、それは修正が必要なサインである。
John Elam: 私はその言葉遣いが大好きだ―まさに「保険」という表現。なぜなら、それこそが本質だからだ。はい、人々が「なぜこのコストを支払っているのか？」を理解する助けになる素晴らしい表現だ。まるで賭けをヘッジして、保険に入っているかのようだ。本当に素晴らしい。
Conor Doherty: ありがとう。そしてまた、意思決定に対するROIの視点―つまり、場合によっては意思決定自体を保険と見なすという考え―は、既存の意思決定アプローチから逸脱する、または逸脱し得るものだ。例えば、Adam、以前「ただ精度を上げたいだけだ」と言っていたじゃないか。正直なところ、このテーマはいつも話題になるもので、展示会や潜在的な見込み客と話す度に、その話題に花が咲く。彼らは「私の痛みは、もっと精度が必要だということだ」と話す。だから、改めてAdam、どうやってその二つを分けるのか？昨日LinkedInで「より良い意思決定はより良い予測よりも優れている」と投稿していたのを知っているからだ。
Adam Dejans Jr.: 重要なのは、ひたすら「予測で何をしているのか」を主張し続けることだ。まず、どのビジネスメトリクスを改善しようとしているのかを決定する必要があり、その上で他の全てはその補助となる。どんなに精度の高い予測を持っていても、使い方次第では結果が変わるのだ。
精度を追求するもう一つの点は、何と言っても、物事は変化するために100%の精度は永遠に実現できないということだ。この変化を意思決定のフレームワークに組み込む必要がある。しかしその上で、たとえばあなたが95%の精度に達しているとする。その上で、実際に96%に上げるためにはどれほどのコストをかけたいのか？そして、その微増分をビジネスメトリクスに結びつけられなければ、結局データチームは具体性のない任意の精度指標を追う羽目になり、それがビジネスにどのような影響を与えるかは不明瞭なままとなる。
では、1%の向上はどれほどの価値があるのか、定量化できるのか？最終的にビジネスにどのような金額として反映されるのか？つまり、どう活用するのか？これが私が特に大手の老舗企業、たとえばトヨタのような会社でよく見かける重要な点だ。トヨタは日本の企業で、一度もリストラを行ったことがない。皆がそこに定着し、キャリアを築く企業だ。そして彼らはこれまで行ってきた手法に従い成功してきた。ナンバーワンの自動車会社である理由はそこにある。つまり、「これまで通り続ければ、同じ結果が得られる。では、もっと良くしてみよう」という考え方なのだ。
そして、先に述べたように、いずれは変化しなければならない。誰かが現れて変革をもたらすのだからな。と、少々説教じみた話になってしまうが、そんなところだ。
John Elam: ひとつ話したいのは、意思決定に焦点を当てると、これまで以上に多くの話題が出てくるということだ。予測にばかり注目する必要はなくなる。例えば、我々が構築したツールの一つにサジェッションエンジンがある。これは予測のことは全く知らず、全く気にかけない。その目的は純粋に収益を増やすことにある。そして「収益を増やす」というのは、車両に対して限界点までアクセサリーを追加するという推奨を行うことだ。つまり、どれだけアクセサリーを付け加えても、顧客が車を好み、販売が順調であり続けるかという点を追求する。
正直なところ、どれだけ速く売れるかは分からない―それは測定項目に含まれていなかったからだ。測定の対象は、平均的に同じ速さで売れるかどうか、また販売時に車一台当たりの金額が増加するかどうかであった。我々はパイロットグループとコントロールグループにおいて、対応のあるt検定や対応のないt検定を実施し、同一期間中の歴史的平均を比較した。そして、アクセサリー推奨を受けたグループでは、はるかに多くの収益を上げることができた。ここには予測は存在せず、その精度についての議論もない。
我々は、実際に勝利しているディーラーの戦略を文字通りコピーし、その戦略を苦戦しているディーラーに転用するだけで、より多くの利益を生み出した。そして、その製品については「いつ予測をするのか？いつ、何を指示するのか？」といった多くの質問が寄せられるが、私の回答は「そんなことはしない。これは、特定の機能を担う人々に対して、この推奨に従えばおそらく同じ速さで売れ、さらに収益が増えると示すだけだ」というものである。これだけで十分であり、それ自体が意思決定なのだ。非常に単純な意思決定だが、ビジネスを助け、より多くの利益を生み出すのに役立っている。
だからこそ、私は完璧な予測よりも、どのような意思決定を行うかに重点を置くのが好きだ。なぜなら、意思決定には数多くの選択肢があり、予測は正直なところ価値を生み出さないからだ。予測に基づいて意思決定を行うことで初めて価値が創造される。そう、誰もが水晶玉を欲しているが、それは決して手に入らないのだ。
Joannes Vermorel: 全くその通りだと思うし、車に適切なアクセサリーをあらかじめ搭載するという例は、その顕著な例と言える。主流のサプライチェーンにおける予測の考え方は、需要をあたかも惑星の未来の位置のように―必然的に起こるものとして―捉えるものである。そして、もしそれを0.00001%の誤差にまで固めることができたとしても、それは全くのナンセンスである。ここであなたが示しているのは、需要が人為的に作り出されるものであり、より良い車をより高い価格で顧客の前に提示すれば、彼らはより高価で良質な車を買う可能性があるということである。
もちろん限界は存在する。なぜなら、ある時点で「本当に素晴らしい車で、良い点はたくさんあるが、もう手が出せない」となってしまうからだ。つまり、明確な限界がある。しかし、その限界を試すまでは、金銭的な機会損失が発生してしまう。そして、過去において保守的すぎた場合、その予測は、十分に装備された車を顧客の前に出さなかったという過去の失敗を再現することになる。
つまり、これが惑星の軌道を前提とした考え方だ。過去だけを見ていても、実際のところ未来は、まだ行われていない意思決定に依存しているのだ。だからこそ、私は意思決定が予測に優ると強く同意する。なぜなら、未来は本質的に、これから下す意思決定の結果であって、その逆ではないからだ。
Adam Dejans Jr.: また、例えばリコールがあったり、部品やアクセサリーが手に入らなくなったりして、その結果として過去6ヶ月間のデータから抜け落ちた場合を考えてみてほしい。これがすなわち、今は誰もそれを求めていないという意味になるのか？歴史的には需要が減少していると見られ、例えば車にマッドフラップが必要なくなると考えられるかもしれない。しかし、それは明らかに正しくない。
John Elam: それは非常に良い指摘だ。時として、メーカーとして品質上の穴が生じることがある。これは我々トヨタの文化の核心であり、TPS（トヨタ生産方式）を学んだ者ならご存知の通り、問題が発生すれば生産ラインを即停止するのだ。そして、もし問題が十分大きければ、数日、あるいは数週間停止し、その問題を解決してから次の車の生産に移る。故意に不良な車を作ることはない。
その結果、非常に人気のあった特定の車種の生産を数ヶ月間停止したこともあった。もし単純に過去の平均値を延長して予測を立てれば、実際には非常に押し寄せた需要があるにもかかわらず、大幅に低い予測値になってしまう。我々は各ディーラーで何百台もの未処理の注文を抱えている。だからこそ、予測とは何か―すなわち、需要を予測しているのか、それとも過去の実績を予測しているのか―を見極める必要がある。
Joannes Vermorel: 主流のサプライチェーン理論の最大の誤りの一つは、再び時系列データに固執することであり、あたかもそれが一次元のベクトルであるかのように扱う点だ。ほぼすべてのビジネスにおいて、時系列だけでは現実の状況を反映し得ない。
例えば車の場合でも、需要は一次元的なものではない。車を待つことに耐えられるか？例として、メルセデスの場合を挙げると、もしメルセデスが欲しいなら問題ない―1年待てばメルセデスは車を販売している。つまり、状況に依存する。答えは「状況次第」だ。しかし、本質は、需要は価格、遅延、場所に依存する多次元的なものであり、もし需要を単に「1日あたりの車の台数」として平坦化してしまえば、これらすべての次元を完全に見落としてしまう。
しかも、それらは必ずしも非常に複雑である必要はない。ここが興味深い点だ。あなたが述べたように、極度の複雑さは不要であり、例えばシンプルなヒューリスティクスに基づいた単純な論理で、最良のディーラーの成功戦略をコピーするという方法もある。これ自体も美しいもので、時には良い意思決定を導くための工夫は、実際に優れた予測を行うよりも桁違いに容易である。未来の細部が不透明な中でも、優れた意思決定に到達できるのだ。
John Elam: 他に何もなければ、単純な在庫補充（order-up-to）ロジックでさえ非常に役立つ。
Conor Doherty: さて、意思決定に至るプロセスの議論を聞くと、その重要な部分―つまりチェンジマネジメントに戻るが―は、数学の専門家でない人々がどのように関与するかという点だ。数学の天才、ウンダーキンドとして入っても、他分野のエキスパートがいる部屋で実装しようとすることになる。そこで気になるのは、どのようにして彼らと共に、または共同でイニシアティブや最適化を創り上げるのか？結局、彼らの知識が必要なのだが、それをあなたのプロセスにどう組み込んでいるのか、ということだ。
John Elam: 以前のコメントでも言ったが、PowerPointを持ち込んではいけない。なぜなら、それでは答えを既に持っているということになり、私はそうしたくないのだ―皆、少なからず自我を持っていると思う。私はそれを共に築き上げたいのだ。聞こえは非常にシンプルで、ほとんど自分を繰り返しているが、本当にそれほどシンプルなのだ。彼らの問題は何か、どんな言葉を使うのか、彼らが何を知っているのかを理解し、そして彼らを我々が進むべき方向へ導くのだ。
そして多くの場合、問題の核心は「痛み」を明らかにすることである―つまり、人々は自分たちの仕事で何が苦痛なのかを理解している。しばしば彼らは、本来解決する必要のない問題に多くの時間を費やしているか、解決しても大きな助けとならない問題に時間を費やしている。しかし、彼らはしばしばこう理解している：「今日我々が行っているのはこれだ、ここに問題がある」と。そして、その点についてはかなり議論できる。その問題は、自動化できるもの、予測できるもの、あるいは単純化できるものかもしれない。
つまり、彼らの現状に合わせ、彼らの言葉を学ぶことが重要だ。前にも言ったように、彼らなしで何かを作ることはできない―彼らと共に作り上げ、要求を引き出し、必要ならば正しい答えへと導く。しかし、決して「教え込む」ことはしてはならない。人に何かを命令することはできない――この点は強調してもしきれない。多くの人は指示されるのを好まない。彼らは「アハ！」と気付く瞬間を愛している。だから、もし「ねえ、あそこに答えがあると思う、一緒に見に行こう」と導くことができれば、それで十分だ。時には私がすでに答えを知っていても、それを無理に押し付ける必要はなく、そっと示すのだ。
Adam Dejans Jr.: さらに簡単な、または別の視点を示そう。しかし、私にとっては、これまでの年月を通じて、何よりも人間関係の構築がすべてに勝るものであった。そして、いわゆる「パワーチャート」、つまり影響力のある組織図を認識することも重要だ。組織図では、これらの人物が上司であり、マネージャーや経営者が存在する。人々はそのチェーン上で権力や説得力が増すと考えがちだが、実際はそうとは限らない。
しばしば、役員の耳元で密かにささやく人物が存在する―それは友人関係であったりする。そして、ネットワークを広げ、関係を築き、人々の話を注意深く聞き、対話することで、後により技術的な話題にアプローチできるようになる。相手は、既にある程度の関係性があるため、耳を傾けてくれる。その点が非常に重要で、多くの人、特に若手のエンジニアや科学者は、自分たちが客観的により良い答えを持っていると考えがちだが（通常それは正しいこともある）が、その方法では実装できないのだ。
そして、そのために企業内でも人々がフラストレーションを感じるのです。なぜなら、客観的に見ればより悪い解決策が存在する可能性があるからですが、そうした解決策はより巧妙に売り込まれるからです。つまり、その人物が話す力、販売力、あるいは築き上げたネットワーク内の人間関係など、より影響力を持っている場合が多いのです。我々の業務の一環としてキャリアコーチングも行っており、その際、この点について詳細に語るセクションを設けています。変革を促す上で非常に重要でありながら、しばしば見落とされがちな要素です。
Conor Doherty: トヨタの日本本社との調整についてお話しされるのは知っています。そして、私自身、5年間中国で働いた経験があるので、その重要性を痛感しています。例えば、あなたが「関係」と言ったときに私が思い浮かべたのは「グアンシー」という言葉で、これは大雑把にはネットワーキングや人間関係と訳されますが、中国ではそれが非常に強力な意味を持ちます。もし、上司や同僚と良好なグアンシーがなければ、何も進まなかったり、あるいは、あなたがおっしゃるように客観的に優れた、または極めて印象的なアイディアがあっても、物事を進めるのが非常に複雑になるのです。
あなたが部屋に入ったときの立ち振る舞いや、物事の枠組み方、その結果として人々を馬鹿にするような印象を与え、彼らを巻き込まなかった――ジョン、あなたがおっしゃったように、プロセスに彼らを関与させなかったという点でしょうか。そこで質問ですが、あなたが「関係」と言うとき、そういった意味も含んでいるのですか？アメリカ人が日本企業と働く中で行う異文化間の仕事がどれほど影響しているのか、あるいは一般的な話なのかを教えてください。
John Elam: ええ、どちらとも言えます――確かに両方です。しかし、日本、すなわちローコンテキストまたはハイコンテキストの文化においては、それが極めて重要であるという点には私も全面的に同意します。実際、そのための用語も存在しており、私たちは常に使用していますし、社内のウェブサイトでも取り上げています。日本語で「根回し」と呼ばれるこの言葉は、直訳すると「土を準備する」という意味ですが、文化的・社会的には「皆で意見を合わせよう」という意味を持っています。
そして、アダムが言っていたように、非公式なパワーチャートであれ、ましてやこの文化では通常の階層構造においても、私たちは皆、意見を合わせなければならず、基本的には決定は公式に表明される前に既に決まっているのです。つまり、私の言いたいのは――率直に申し上げて、あなたが言ったように、これがこの文化で物事を進める唯一の方法だということです。
私は、実質的に自分たちの業務に中程度の影響を与えるすべてのステークホルダー一人ひとりと個別に関係を構築し、彼らに我々が何をしているのか、どのような利益があるのか、彼らの環境に何が変わるのかを理解してもらう必要があります。そして、その後、どのようにすべきかを決定する会議を開くと、すでに決定はされた状態で、皆が答えを知っているのです。正直なところ、その段階で何か問題があるのであれば、前進は不可能です。戻って改めて根回しを行わなければならないのです。ですから、これは非常に重要なプロセスなのです。
しかし、アメリカの文脈、つまり我々がコンサルティング業務を行う際でも、人間関係は依然として最重要です――全員が完全に同意している必要はないものの、一定の臨界質量は求められます。そして、当然ながら、ある人物は他の人物以上の影響力を持っているというのがパワーチャートの本質です。しかし、前に進むためには、肝心な人たちの支持が必要なのです。クールなアイディアや非常に優れた指標だけでは、組織の働き方を一変させることはできません。
Conor Doherty: ジョアネス、すぐにあなたにお聞きしたいことがあります。というのも、我々はフランスの企業です――フランスはハイコンテキストな文化です――ですが、フランス企業でありながら、クライアントの大半がフランス国外にいる状況です。文化や物事を進める方法という点では、あなたはどのようにお考えですか？
Joannes Vermorel: ええ、とても興味深い話です。私が観察してきた限りでは、アメリカ、特にテック企業では、非常に徹底した対立的な経営アプローチが取られているということです。例えば、2002年のジェフ・ベゾスのメモでは、彼は事実上チーム全体に向けて、「2週間以内に自部門のデータをAPIで公開する計画がないマネージャーは――もし計画がなければ、解雇する」と宣言しました。そして、最終的に、（正確な数字は覚えていませんが）マネージャーの15％を解雇したのです。
しかし――これは極端な例です。フランスであれば、それは考えられず、ほぼ不可能、非常に高コストになるでしょう。解雇は可能ですが、単にその方法で行えば、途方もなく高いコストがかかってしまいます。しかし実際、テック企業を見ると――ほとんどがアメリカ発なのです。例えば、Amazonはヨーロッパで生まれたのではなく、アメリカで生まれました。そして、他のテック大手が経営において行ってきたことを見れば――かつてMicrosoftは――はい、解雇はしませんでしたが、多くの面で非常に厳しいアプローチを取りながらも、驚異的な成功を収めたのです。
私の見解では、必要とされる根回しの量と厳しさのバランスは、業界の変化の速さに多少依存すると考えます。業界の変化が緩やかであれば、いわゆる日本式の、着実で小刻みに物事を改善していく方法が、結果として大切な人的資産を失うことなく、最も効果的と言えるでしょう。
一方、ソフトウェアのように超高速で進化する業界では、そのアプローチを取ると、たとえ雰囲気は良くても、企業自体が時代遅れになり、最終的にはあなたの市場シェアを奪ってしまう可能性が高いです。ですから、私としては、答えは競合他社が何をしているか、そしてどれほどの変革をもたらしているかに依存すると思います。つまり、業界や時代によって最適なアプローチは異なるということです。
John Elam: それは非常に良い指摘です。なぜなら、ソフトウェアの場合、例えばLokadを例に取れば、もし彼らがある機能を提供して、それがあまり受け入れられなかった場合、すぐにその機能を変更するでしょう。フィードバックはおそらく非常に迅速に得られ、その上で改良を重ね、新たな成果を短期間で提供できるのです。
一方、プリウスを製造する場合、そのプリウスは20年間――いや、私のこれまでの職業人生よりも長い期間にわたって稼働する可能性があるのです。ですから、最初の試みにおいて完璧を目指すことが非常に重要になるのです。しかし、あなたがおっしゃる通り、我々がソフトウェアを開発する場合、日本のトヨタで直面する文化的変化は大きな挑戦です。ソフトウェアは単に更新すればよいものですから、「何が問題か教えてくれれば、改良して、来月には新しいものを提供できる。もっとフィードバックをちょうだい」というアプローチが可能なのです。
そして、そのような考え方自体が大きな挑戦となります。とはいえ、企業は確実にその方向に舵を切っており、少なくともソフトウェア面では、システムが動き、より柔軟で反復的な手法へと変わっているのが見えてきます。しかし、やはりこれは大きな挑戦です。ただし、あなたの指摘通り、時と場所に合った適切な文化と哲学が存在するのだと思います。
Joannes Vermorel: 大規模な変革が迫っているのであれば、残酷な手法が勝利を収めると考えます。しかし、一方で、ただ着実に物事を進めるだけでは、無意味な混乱を生むだけです。そして、例えば、絶対的な残酷さの象徴とも言えるが、同時に賢明な選択だった例として、Twitterの買収があります。結果的に従業員の90％が解雇され、最終的には製品はこれまで以上の機能を持ち、トラフィックも増加しました。これに対して、もちろんトヨタの場合、「トヨタで働く人々の90％を解雇することで、より多く、より良い車が作られると考えられるか？」という疑問が湧きます。答えは、絶対にあり得ないでしょう。
しかし、ソフトウェア業界ではこうしたことが実際に起こり得るのです。そして――改めて言いますが、これは非常に異なる文化の問題です――興味深いのは、デジタルトランスフォーメーションが進むにつれて、従来はしっかりとした理由で守られてきた手法が、より残酷で急速かつ混沌とした業界の性質として企業に浸透してきている点です。
John Elam: これは間違いなくパラダイムシフトとして感じられており、技術者が伝統的な枠組みや働き方を持つ企業に加わったり、その逆に、非常に伝統的な企業がAIや機械学習といった才能を採用したりする中で、皆が成長を遂げています。そこには少し摩擦もありますが、優れた経営は、製造業のような環境で必要とされる調和と、我々が行っていることを変革するために求められる進歩や革新的な思考とのバランスを的確に見極めるものだと思います。
Adam Dejans Jr.: これは時間のかかるプロセスです。トヨタでは非常にゆっくりと進みます。フォードでも同様でした――これには自動車業界特有の事情が影響しているのです。フォードでは、私が短期間、自律走行車のグループで働いた経験がありますが、そのグループはスタートアップのように扱われながらも、フォード・モーター・カンパニーの資金によって支えられていました。つまり、莫大な資金が背景にあったのです。ええ、明らかに違いはあり、その環境では迅速な動きを求められたため、従来の階層的な自動車文化はあまり見られませんでした。しかし、やはり違いはあり、ただ単に時間がかかるのです。
Conor Doherty: 例えば、我々は30、40年この方法で働いてきた多国籍数十億ドル規模の企業です。一体、どんな人物が入ってきて「そのやり方を全部やめろ」と言う権利があるというのでしょう？
John Elam: ええ、まるで「我々より多くの車を作っている人物を見せてくれ」というようなものです。そうなると、苦労することになるでしょう。
Conor Doherty: 根本的にその通りです。もしあなたがMITの数学の学位を持って入社し、「全部クソだ」と言ったとしても、もしくは、いやすみません、ジョン、あなたが説明したあのベルベットラブ、つまりホワイトボードを用いたアプローチを取ったとしても、結局のところ、何十年にもわたる比類なき高収益な成功という壁にぶつかることになるのです。では、その壁から来る抵抗はどれほどのものなのでしょうか？技術が好きではない、または技術に精通していないという理由のほかに、「現状維持で十分だ、これなんか必要ない」といった抵抗もあるのです。
John Elam: 私はデジタルトランスフォーメーション担当として採用されたという幸運に恵まれました。つまり、採用の際、彼らはこれが大きな課題であると明確に認識しており、外部の人材を取り入れる理由があるのです。ですから、私がこの会社にいる理由は、現状のやり方では我々が目指すべき場所に到達できないからであり、その点では多少事情に通じています。しかし、それが私の直属のリーダーシップ以外のすべてのステークホルダーが「ジョン、私はこの方法で長い間成功してきた」と考えていることを意味するわけではありません。
正直なところ、その成果はさまざまな形を取り得ます。私が以前述べたように、ホワイトグローブの対応、ホワイトボードを用いたサービス、共同創造など様々です。場合によっては、彼らのリーダーシップやエグゼクティブ層に対して示すこともあります。多くはパワーチャートに関わる問題で、意思決定レベル、つまりVPレベルの、実際に影響力のある人物を特定できるかどうかにかかっています。そして、その人物と繋がっている人たちを見つけ出すことが重要です。正直に言うと、もし私がステークホルダーとの間で壁にぶつかった場合、彼らを迂回して、他の協力者と共に彼らの経営陣に何が可能かを示さなければならないこともあります。つまり、「フランク対ボブ」という単純な構図ではなく、「フランクと仲間たち対、40年間このやり方を続けてきたボブ」という状況で、エグゼクティブであるあなた方に対して、KPIがどのように変わるかを示しながら導いていくのです。
しかし幸運なことに、私はデジタルイノベーター、正確にはデジタルトランスフォーメーションマネージャーとして採用されたため、電話が鳴って「ジョン・イーラム」と名が出ると、多くの人々が「何かを変えに来るのだ」と理解してくれます。まさに、私たちがこのデジタルトランスフォーメーションチームに採用されたという肩書きのすぐ隣にそれが記されているからなのです。
ですから、人々が連絡してくると、私たちがそこにいる理由がすぐに伝わります。ええ、正直に言うと、それに対する魔法の解決策はありません。人々と協働し、非常に多くの忍耐が必要なのです。場合によっては、私が生まれてからずっと業務に取り組んできた人々と相手にしていることになるのです――文字通りです。例えば、私は36歳ですが、会社には40年の経験を持つマネージャーもいます。ですから、忍耐力があれば、非常に長い道のりをゆっくりと進むことができるのです。
Conor Doherty: また、あなたがこの話をする際、しばしばテック業界の例を挙げることを知っています。テック業界は、確立された大企業や数十年、場合によっては50年、60年という歴史を持ち、既存のプロセスと莫大な成功の伝統を守る企業よりも、明らかに敏捷性に富んでいます。そこで、そのような会話の中で「テック業界ではこう機能している」というレトリックは、人々にどのように受け取られているのでしょうか？
Joannes Vermorel: 実際のところ、ビジネスの歴史を振り返ると、非常に確立された企業が安定しているというのは、単なる錯覚に過ぎません。例えば、史上最高の小売チェーンの一つであるA&Pを見てみると、ほとんど誰も覚えていませんが、20世紀の大部分において彼らは世界最大の小売チェーンであり、米国に本拠を置いていました。しかし、今では店舗を一つも残していないと思います。
このように、無敵に思われた巨人たちが次々と消えていったのです。私の見解では、市場は優れたフィルターであり、ソフトウェア業界――ちなみに、ソフトウェアが世界を席巻するという一般的な傾向があります――のおかげで、業界は善かれ悪しかれ、ソフトウェアのダイナミクスに従っていくと感じています。なぜなら、ソフトウェアはあらゆるものの中でますます大きな割合を占めつつあるからです。
例えば非常に興味深いのは、SpaceXを見ると分かる通り、彼らは実質的にはソフトウェア企業なのです。SpaceXはロケット企業ではなく、何よりもまずソフトウェア企業です。例えば、彼らがロケットエンジンにおいてもたらした改善の大部分は、エンジンを設計するための優れたソフトウェアによるものであり――それこそがロケットの真の魔法だと言えるでしょう。ロケットのほとんどの魔法は、打上げ台に接触する約30秒前でも、ロケットがまだ時速数百マイルで飛行し続けるという、超人的な操縦能力にあります。
ちなみに、ロケットは着陸前に20Gで減速しているんです。もしそれが人間だったら、その人は死んでしまう―ものすごく速くブレーキをかけているんです。だから、人間が20Gの減速を操縦することはできません。そこはソフトウェアだけができるというわけです。改めて言いますが、これは非常に非常に難しい問題で、壮大な失敗例も多いのですが、一例として挙げられます。
そして明日、例えば自動車産業において、自律走行車が、私が言う生産グレードになると（現状どこにいるかは不明ですが）、大部分はソフトウェアの戦い、プラットフォームなどの戦いになるでしょう。
とにかく、私はそう考えており、多くの企業やそのサプライチェーンにとってデジタル変革は、ソフトウェアがもたらす最大の変革の一つになると思っています。
Conor Doherty: アンドリーセンと言いましたか？ マーク・アンドリーセンですか？
Joannes Vermorel: ああ、そうです。その通りです。
John Elam: そうですね、サーキットシティが思い浮かびます。ヨーロッパではあまり知られていないかもしれませんが、アメリカではとても人気がありました―今はなく、破産しました。実は高校時代、私もあそこで清掃の仕事をしていたんですよ。
Joannes Vermorel: ラジオシャックも同じです。ラジオシャックはなくなりました。それに、ノキア、コダックも。
Conor Doherty: コダックは、以前話した興味深い例ですよね。コダック、もし間違っていたら訂正してください、彼らはデジタルカメラを発明したのでしょうか、それとも私の記憶違いでしょうか？
Joannes Vermorel: 携帯用デジタルカメラは発明しましたが、それ以上の展開には至りませんでした。そして興味深いのは、彼らには予測があったことです―コダックのもう一つの興味深い点は、予測力です。実際、70年代初頭に、ある重役がほぼ正確に、デジタルカメラが2000年代初頭に支配的になるタイミングを見越しており、そのズレは大体3年程度。予測自体は正しかったのです。だから、正しい予測があっても行動に移さなければ、結果は致命的になり得るというわけです。
John Elam: 仮説を一つ。コダックにはレンズ、カメラ、フィルム、サービスなど、さまざまな部門があったと思います。恐らくフィルムとサービスが会社の大部分を占めていたでしょう。だから、その分野の重役たちは意思決定に大きな影響力を持っていて、自分たちの仕事を守るための決定を下したに違いありません。
Joannes Vermorel: まさにそれが理由でした。
John Elam: ですから―政治は常に存在しますし、もし人々に会社を支えるためのインセンティブがなければ、彼らは自分の利益のために動くでしょう。私がリーダーやほかのテックリーダーと話す時に言っているのは、「与えたものが返ってくる」ということです。人はコイン-operatedです。私も同じです。払った分だけが手に入る。営業担当―個人的には大好きですが―彼らは最も純粋です。直接目で見分けることができます。しかし、正直なところ、誰もがそうです。だから、自分の領域や王国を守るようにインセンティブを与えれば、必ずやその王国を守るのです。だから、何にインセンティブを与えるかを注意しなければ、悪い、大きな誤った決断を招いてしまいます。
Conor Doherty: アダム、ジョン、もしもう一度触れたい点があれば、遠慮なく教えてください。後で戻って議論することもできますし、それともこれで大丈夫ですか？
John Elam: ええ、少しどう始めようかと考え中です。話が言語や人々とのコミュニケーションに関することだったので。そして、我々の書籍に載せたあるイメージがあります。ここでは見ることはできませんが、後ほど皆さんにその画像を提供します。いずれにせよ、それは我々の書籍からのコンセプト、「ワードホイール」と呼んでいるものです。これはエモーションホイールを盗用したものです。少し拡大すると、単語は読めなくても、そのコンセプトは非常にシンプルです。
円の外側には、あなたが探している最も技術的で具体的な単語があり、円に向かって進むにつれて、単語はより一般的になります。そして、そのコンセプトは本当にシンプルです。あなたの仲間―このコールに参加している多くの方々―は、この外縁で使う単語を使います。正直言えば、私自身は個人的に中間程度にいるかもしれません。例えば、ここで「貪欲な最良優先探索」というのはどうでしょうか？
私自身はわかりません。パスファインディングアルゴリズムは学んだことがないのですが、もしそれがパスファインディングアルゴリズムだと言われれば、「了解、少なくともこれをどのカテゴリーに分類すればいいかイメージできる」と思えるでしょう。そして、エグゼクティブ―つまりエグゼクティブや顧客の中で最も中心に位置する方々にとっては、最も基本的なもの、単なるアルゴリズムです。我々はただアルゴリズムを使っているだけです。彼らは「パスファインディング」とさえ言いません、なぜなら「パスファインディング？それは何ですか？」と、話題にしないのです。
そして正しい言葉を選ぶことで、正しい聴衆と繋がることができるのです―具体性を求める人々には具体性を、気にしない人々には（本当に気にしないので）情報を与えすぎないようにする。結局、それは単なる雑音となり、雑音は本来のメッセージを台無しにしてしまいます。
Conor Doherty: でも、大きな言葉を使わなければ、どうやって自分が賢いと示すのですか？学位を見せるとか、そういうものですか？ただ、ジョン、私はメモを取っているだけです。
John Elam: 大きな言葉を使って賢そうに見せるのは本当に難しいですね。大切なのは謙虚さです。誰もが自分より多くのことを知っていると知りつつ、私自身は教えるよりも学ぶべきことの方が多いと常に考えています。
教えるというのは、単に言葉や概念を伝えることではなく、自分のアイデアを相手の頭に入れることです。そして時には、技術的に正しくない言葉を使わなければならないこともありますが、結果としてよりよく理解してもらえるなら、それでいいのです。大事なのは、自分のできることとできないことを理解することであり、聴衆に応じては完璧な詳細より、シンプルな説明の方が効果的な場合も多いのです。
Joannes Vermorel: やや逆説的な視点ですが、もちろん、聴衆の頭上を越えてしまうような答えは良い答えではありません。しかし、わずかに逆説的な答えは、このLLM時代において、私自身が言葉に詰まることがしばしばあったと実感しています。そして、LLMに正しい質問を投げるには非常に豊富な語彙が必要だということを学んだのです。
そして非常に興味深いのは、LLM時代においてキーワードを散りばめることが、聴衆にとって最も効果的な手段となり得る点です。例えば、たくさんの単語を持っている―すべてを一時間かけて説明するつもりはありませんが、皆さん自身でLLMを使って調べることができる。しかし、私が提供しているのは、LLMに質問するための追求すべきキーワードのリストであり、そのおかげでLLMは、賢明ではないかもしれませんが、非常に広範な知識、特に概念に関する豆知識を提供してくれるのです。例として「根回し（nemawashi）」があります。キーワードを与えれば、ChatGPTは三ページの要約を出してくれるでしょう。もし10ページの要約が欲しければ、それもできる。段落だけの要約でも同じです。
だからこそ、この語彙へのアプローチがこれまでとは少し違うと私は強く感じるのです。昔なら、学生にたくさんの概念を名前で羅列するのは時間の無駄だと思っていたかもしれませんが、LLM時代においては、一枚のページに百の単語とそのポイントをまとめることがむしろ有益なのです。
Adam Dejans Jr.: いや、私はただ、それが非常に聴衆依存だと言いたかったのです。たとえこれらの単語をエグゼクティブに渡しても、彼らは本当に気にせず、どうせ調べにも行かないでしょう。だから、3分以内にポイントが伝わらなければ、彼らは探しに行かず、LLMが使えるとしても利用しないのです。要は、聴衆を理解し、それに合わせることが鍵だということです。
John Elam: 例えば、確率的最適化が何かを知らないシニアアナリストがいるとします。私が接してきたほとんどのアナリストは非常に好奇心旺盛で、まるで生涯学生のようなものです。こうした人々には、大きな言葉を並べて、彼ら自身で調べさせればいいと思います。ですから、両方に一理あると思います。LLMによって、私自身が今まで調べることがなかった多くのことを、私なりに消化できるようになりました。特に、LLMは私が知っていることの背景まで把握しているため、「今取り組んでいるあのプロジェクトは、あれに似ている」という説明ができるのです。非常に助かっています。
しかし、アダムの指摘どおり、私が今まで関わってきた多くのエグゼクティブは、率直に言って、概念をもっと深く調べようという自然な好奇心を持っていません。だから、説明はしっかりと相手に伝わらなければなりません。
Adam Dejans Jr.: 中間管理職でさえ、あまり気にしないのです。
Conor Doherty: 私は、あなたの説明の仕方が本当に好きです―まあ、皆さんもそんな感じだと思いますが。私自身、レトリックも技術文書作成も教えており、あらゆるコミュニケーション形態に共通して適用する一つの視点があります（そして、私がこのように皆さんにメッセージを送る方法にも表れています）。それは、聴衆と目的です―誰に話すのか、彼らがすでに知っていること、何を知る必要があるのか、既存のスキルセットはどうか。そして目的―具体的に何を伝えたいのか、彼らから何を得たいのか。メール、テキスト、ブリーフィング、パワーポイント、スピーチ、ビデオなど、すべてにおいて聴衆と目的の理解が欠かせません。誰が見ているのか、何を伝え、また何を引き出したいのか、そしてなぜそれを行うのか。これらを理解するには、やはりアダムが言うように、聴衆の知識レベル、時間、意欲など、さまざまな条件が変動するのです。
本当に、例えば時差のせいで午後6時になっている場合、あなたは一日の始まりで元気な状態なのに、彼らは疲れ果て、コーヒーを飲んだ直後かもしれません―脳内のグリコーゲンも不足しているかも。これが文脈です。つまり、聴衆、目的、そして文脈―会話がどこで行われているのか―を理解する必要があるのです。さて、最後の質問に移りましょう。レトリックについてもっと学びたいのなら、私はアリストテレスをお勧めします。しかし、確率予測やサプライチェーンについて学びたいのであれば、私がこのインタビュー用の投票で出題された質問がありました。それは非常にシンプルに、「皆さん―コナー、聴衆またはパネルに、サプライチェーンの最適化、確率予測、またはアドバイスについて、何か推薦はありますか？」というものでした。では、逆の順番で最後の質問です。ジョアンネス、もっと学びたい人に向けた本やアドバイスはありますか？
Joannes Vermorel: 私がYouTubeで制作した一連の講義シリーズをお勧めします―時間に余裕がある方ならですが、正直なところ、質がどうかは別として、100時間の旅になるので、時間と覚悟が必要です。
Conor Doherty: しかし、トランスクリプトを要約できるLLMもあります。はい、完全なトランスクリプトはウェブサイトにも掲載されていますし、LLMがあればそれを1枚のページにまとめることもできるのです。では、ジョン。
Adam Dejans Jr.: どうしてそれを私たちのためにやって、我々の食事を噛み砕いてくれないのですか？
John Elam: 一冊お勧めしたいのは、もちろんプロダクト担当である私からの推薦で、『The Lean Startup』by Eric Riesです。決して技術書というわけではありません―実際、この聴衆にはあまり推奨されないかもしれませんが―全てはプロダクトと問題解決について書かれているのです。エリック・リースは非常に素晴らしい本を書いており、アイデアをどのようにテストするかという良い例が沢山あります。
そして彼は、さまざまな政府機関がどのようにして効率化し、市民により多くの価値を提供できるようになったかについても語っています。彼は、技術すら使わずに、スタートアップが立ち上がる数多くの例―ゼロテックの状態で―を紹介しています。「これは本当に問題なのか、そして人々はそれに対してお金を払うのか？」と。実際、存在する問題に対してお金を払い、解決に導く人は少ないのです。だからこそ、私が推奨する一冊が『The Lean Startup』by Eric Riesなのです。
Adam Dejans Jr.: ええ、もし技術書を探しているなら、探すべきものはたくさんあります。私自身は、コンサルティング時代に読んだ『Just Listen』by Mark Goulstonという本に戻ります。この本は、人々を防衛的な態度から脱し、共感を共有させ、説得する方法について書かれており、技術的な部分よりもむしろ重要だと思うのです。技術的な概念はどこかで必ず見つかるでしょう。そしてもちろん、我々自身の書籍―『Got the Data Job, Now What?』です。
“データジョブを手に入れたあとは、どうする？”—これは、ジョンと私が共著した本です。この本は、非常に優秀な同僚たちが、自分のアイデアを伝え方が分からなかったり、適切な人脈や基盤が整っていなかったために、そのアイデアが見過ごされる現実から生まれました。ジョンが詳しく説明してくれるでしょう。
John Elam: ええ、この本をまとめるのはとても楽しかったです。なぜなら、私自身のキャリアを通して感じたすべての問題や、アダムが経験してきた多くの問題の集大成のようなものだったからです。つまり、良いキャリアを築き、職場で影響を与えるための基本的な要素について取り上げています。そして「職場での影響」とは、学術の場でも同じです。例えば、本当に素晴らしい新しいアルゴリズムを作って、あらゆる学術誌でレビューされても、誰も使わなければ意味がありません。多分、あなたの研究がいつか活かされることを望むのです。
そして、この本は最初の章としてコミュニケーションを取り上げています。コミュニケーションにはカバーすべき小さな要素がたくさんあり、若いエンジニアだった私は「これが正しい方法だと、客観的に示してみせよう」と思っていました。しかし、実際には、私たちは人間であり、とても感情的で、物語を愛し共感する社会的な生き物であると気づいたのです。
本書には、先ほど共有したワードホイールに関する多くの内容や、さまざまなストーリーテリングのテクニックが紹介されています。さらに、コナー、あなたが話していたように、プレゼンテーションを行う際に自分自身に問いかけるべき5つの質問、すなわち「なぜここにいるのか」「なぜ聴衆はここにいるのか」「彼らの現状はどうなっているのか」「本当に伝えたいことは何か」「その後、何を行動に移すのか」というフレームワークも含まれています。
もしそれを行わなければ、ただ話しているだけになってしまい、何となくポイントは伝わるかもしれませんが、「これが私が伝えたいこと、そして彼らはこんな状態にある」という風に導くことができれば、聴衆を適切な方向へと導けます。また、初めてのデータプロジェクトをどのように立ち上げるか、そもそもどのようなものなのかという点も取り上げています。プロジェクトに参加したことはあっても、最初から最後まで実行した経験がない人々のために。
そして、本書で触れたい最後の重要だがしばしば見落とされがちなテーマのひとつがリーダーシップです。形式的なリーダーシップや非公式なリーダーシップについても述べていますが、私自身が若い頃にもっと早く学んでいればよかったと思う主な点のひとつがビジネスケースの作成方法です。若いエンジニアの時にビジネスケースの作り方を知っていたなら、もっと多くのプロジェクトが資金提供を受け、働いていた企業にも大いに貢献できたはずです。
ビジネスケースから私が皆に持って行ってほしい主な点は、その驚くほどシンプルな構造です。10個以上の項目が入ったビジネスケースを見たことはありません。常に「本日何をするのか、毎月のコストはいくらか、明日何をしたいのか、固定費はいくらか、変動費はいくらか、その差はどれか」といった具合で、その後、皆は「どこにサインすればいい？」と尋ねるのです。つまり、本当にシンプルなのです。「ナプキン一枚分」と言う時、そのシンプルさの重要性は計り知れません。金銭に関するビジネス判断で、ナプキン一枚分で済まされないものは見たことがありません。
私たちは、当時持っていた情報をもとに、可能な限り最善のものを作ろうとしているだけです。ですから、この本が皆さんにとって何らかの価値を持つものであれば幸いです。私たちの成功談や失敗談といった楽しげなエピソードも収録していますので、ぜひ価値を感じていただければと思います。
Conor Doherty: 最後に、この本がAmazonで購入可能であることをお伝えしておきます。そうです、あなたが恥ずかしくて言えなかったので、私が代わりに伝えます。ともかく、皆さん、本当にありがとうございました。心配はいりません。これ以上の質問はありません。アダム、ジョン、本当に長い時間割いていただき、感謝しています。
John Elam: とても楽しかったです。お招きいただき、ありがとうございました。
Conor Doherty: 他の皆さんも、ありがとうございました。さあ、仕事に戻りましょう。
