00:00:00 第5章: 意思決定には情報に基づいた賭けが必要
00:04:48 シャノン理論: 計算可能な量としての情報
00:09:36 データはビットであり、冗長性は何も隠さない
00:14:24 知識は情報を利益を生む行動に変換する
00:19:12 不変の過去の原則: ERP設計はこれに反する
00:24:00 在庫切れのゼロが書き換えられ、予測が偏る
00:28:48 経済的苦痛: 資本の誤配分と低いリターン
00:33:36 不良データのスケープゴートがアーキテクチャの混乱を隠す
00:38:24 歴史学者の例え: 固定された記録と果てしない意味論
00:43:12 システムの分離: 記録、報告、インテリジェンス
00:48:00 報告は遵守を強制するが、意思決定を促さない
00:52:48 インテリジェンスは不確実性下で割り当てを生み出す
00:57:36 Excelは意思決定層が既にハイブリッドであることを示す
01:02:24 記録が魔法のように売られ、ベンダーが利益を得る
01:07:12 リトマス試験: ソフトウェアは過去を変えてしまうか
01:12:00 信じがたい主張、M5の現実チェックにさようなら
要約
サプライチェーンにおける意思決定は不確実な未来への賭けであり、だからこそ明快な考えが重要です。この議論はデータ、情報、知識の間に明確な区分を設け、ほとんどのサプライチェーンソフトウェアがそれらをひどく曖昧に扱っていると主張します。最も重要な点は、過去は不変でなければならないということです。企業が弱いモデルに合わせて歴史を書き換えると、良い意思決定の基盤が損なわれます。そこから、記録システム、報告システム、インテリジェンスシステムという実践的な区分が生まれます。企業は誇大化された台帳に過剰な支出をし、本物の意思決定エンジンには十分投資せず、結果としてパフォーマンスが低下する理由に驚くのです。明確なカテゴリーこそが、ベンダーの神秘性ではなく、能力の始まりです。
詳細な要約
この議論は、単純でありながらも広範囲に及ぶ考えに焦点を当てています。サプライチェーンの意思決定は不確実性下での賭けであり、したがってそれらの意思決定に影響を与えるものは非常に重要です。中心となる問題点は、ほとんどのサプライチェーンに関する思考がデータ、情報、知識の間に明確な区別を設けることに失敗しているということです。データは単なる記録された記号に過ぎず、情報は不確実性を軽減するものであり、知識とは意思決定者（人間または機械）が情報を経済的リターンを向上させる行動に変換できる因果関係の理解なのです。
この基盤から、第二の重要な点が導かれます。すなわち、過去は不変であると扱わなければならないということです。企業の記録は、プランナーが望むものではなく、実際に起こったことを反映すべきです。しかし、多くのシステム、特に標準的なエンタープライズソフトウェアは、過去を書き換えられる仕組みで構築されています。これは、悪いモデルが不都合な事実と衝突する際に特に魅力的になります。例えば、在庫切れがゼロの記録売上をもたらす場合、単純な予測システムはそのゼロを弱い需要の証拠と誤解するかもしれません。モデルを修正する代わりに、実務者はしばしば記録を「修正」します。つまり、現在の限界に合わせるために過去を偽造しているのです。それは単なる技術的ミスではなく、概念的な誤りであり、結果的に資本の誤配分と低いリターンを招くのです。
第三の区別として、企業は記録システム、報告システム、そしてインテリジェンスシステムを分離する必要があります。記録システムは称賛された台帳であり、その役割は考えることではなく、過去の信頼できる記録を保持することにあります。報告システムは過去の活動を要約し、経営陣が既存のプロセスの遵守を促すのに役立ちます。これらは後ろ向きの監視手段です。一方、インテリジェンスシステムは全く異なり、未来に向き合い、資源の配分に関する意思決定を生み出します。
議論の要点は、企業が本質的には高価な簿記ツールである記録システムに対して過剰に支出する一方で、構築や説明、販売が困難なために優れたパフォーマンスの真の源であるインテリジェンスシステムが十分評価されていないということです。
実用的なアドバイスは驚くほどシンプルです。ソフトウェアを評価する際には、それが過去を改変するかどうか、また記録保持と意思決定を明確に分離しているかどうかを問いただしてください。もしベンダーが率直に答えられなければ、それ自体が答えとなります。企業が台帳に考えること、報告に決定を、そして営業担当者に真実を語らせようとすると、エンタープライズソフトウェアへの大きな失望が始まるのです。
完全な書き起こし
Conor Doherty: おかえりなさい。本特別シリーズでは、ジョアネスと私は彼の新著『サプライチェーン入門』を取り上げ、章ごとにそのメリット、課題、問題点、実践的なヒントについて議論を交わしています。
このシリーズでは、ロカッドもジョアネスも知らず、量的サプライチェーンの視点にも全く馴染みのない者の立場をとります。実際、私はサプライチェーン業界の約1000万人の実務者のうちの一人として、本が書店やAmazonの棚に並んでいるのを見つけ、手に取って読み始め、疑問を抱くかもしれない読者の立場を模倣しています。そして、このシリーズにおける私の役割は、皆さんの声となることです。私がその疑問をジョアネスに問い、皆さんが不明瞭だと感じる点についての説明を引き出そうとするのです。
さて、これは第5回目です。もし前の4回をご覧になっていないなら、ぜひご視聴をお勧めします。なぜなら、本日の内容が前回までの議論に必ずや関連してくるからです。
では、ジョアネス、再びお会いできて嬉しいです。さて、第5章：情報についてです。議論の枠組みを整えるために、第5章の冒頭の一節を実際に朗読しようと思います。なぜなら、それがこの議論にとって非常に良い視点を提供していると考えるからです。第5章はこう始まります：「すべてのサプライチェーンの意思決定は不確実性下での賭けである。良い結果を出すためには必ず情報に基づいていなければならない。」これについてどうお考えであり、第5章の実践的なメッセージは何でしょうか？
Joannes Vermorel: まず第一に、これは自明であるべき事実を指摘しているのです。自明なことに、あなたのサプライチェーンは複雑で、多くの人々、多くの機械、多くの場所、多くの在庫で構成されています。
もしそれらすべてについて全く無知であるならば、あなたの意思決定が非常に悪くなるのは自明だと言えるでしょう。情報がない状態で正しい決定を下すための何か予知能力や魔法のようなスキルがあるかどうかという哲学的議論に入ることもできますが、それはすぐに現実的でないことが明らかになるでしょう。
つまり、良いマネージャーは情報を持っていなければならず、意思決定も情報に基づくべきなのです。これこそが我々の関心の方向性ですが、具体的にはそれはどういう意味なのでしょうか？どういう意味なのでしょうか？
そして短い答えとして、情報は20世紀を通じて完全に数学的に定式化されてきたのです。したがって、推測する必要はありません。これは実際に非常に高品質で信頼性の高い科学的知識が存在する分野なのです。
この知識は理論的なものではありません。実際、今日ではあらゆるソフトウェアが、サプライチェーンにおいても、何十通りにもこの知識を応用しています。つまり、あなたが使用するどのソフトウェアも、この情報理論を何十通りにも活用しているのです。
ええ、あなたのブラウザ、あなたのスマートフォン、ビデオ会議に使うシステム、あらゆるもの、そしてサプライチェーンソフトウェアも同様です。
Conor Doherty: では、私の提案、ERPというのは、あなたが言いたいことですか？
Joannes Vermorel: ええ。ERP、なども同様です…繰り返しますが、情報の理論、すなわちシャノン理論は、基本的な算術のように極めて基礎的なもので、至るところに存在しています。これが要点です。
つまり、極めて巨大でかつ至るところに存在する何かがあるのです。それがなければ、ほぼすべてのソフトウェアは機能しなくなるでしょう。些細なものかもしれませんが、少しでも複雑なものは全く動作しなくなります。にもかかわらず、なぜ私はこの理論がサプライチェーンの教科書で一度も言及されないのかと疑問に思うのでしょうか。これには問題があります。
Conor Doherty: お話の中で…すみません、ありがとうございます。ここで情報について語る際に、特にサプライチェーンの文脈で、あなたが意味するのはデータのことですか？それとも具体的には何を意味しているのですか？
Joannes Vermorel: いいえ、そこがポイントなのです。情報という用語は非常に方向性を持って使われます。例えば、「情報とは何か？『ああ、あれは私がニュースで聞くものだ』」と言われることもあります。これは大筋では正しいのです。
しかし、非常に正確で数学的に明瞭な定義、つまり有効性ではなく数学的な明確さを持つ定義はどうでしょうか？実際に方程式で処理できるほど純粋なものは何でしょうか？これが私が主張したい点です。我々は、あらゆるものに対してそのような驚異的な理論を持っているわけではありません。
例を挙げるならば、知能に関しては、完璧に純粋で高度な理論というものは存在しません。いや、まったくそうではありません。非常に不明瞭で混乱した理論しか存在しないのです。したがって、常にそれが利用できるわけではありません。
しかし、情報に関しては、20世紀を代表する最も優れた知性の一人であるシャノンがこの問題を解明し、非常に美しく、シンプルで、効率的なシャノンの情報理論を私たちに提供してくれたのです。
Conor Doherty: それは一体何なのでしょうか？
Joannes Vermorel: つまり、それとは何かと言うと、文字通り情報が何であるかを数学的なレベルで定式化するものです。そしてこれは数学的な憶測ではありません。
この数学的定式化は驚くほど効率的で、ソフトウェアの動作を向上させます。実際、現代のコンピュータで行えるほぼすべてのことは、この理論を利用せずには実現できないのです。ですから、これを知らないというのは少し奇妙かもしれませんが、コンピュータサイエンスに少しでも携わったことがある人にとっては、算術と同じくらい自明なものです。これは基礎中の基礎であり、この情報理論のない世界を想像するのは非常に困難です。
Conor Doherty: わかりました。では、いくつか引用を読み上げます。なぜなら本は500ページにも及ぶので、少し文脈を補足して、より具体的にお答えいただくためです。
つまり、すべてのサプライチェーンの意思決定は不確実性下での賭けであり、良い結果を出すためには必ず情報に基づいていなければならないという考えです。さらに、あなたは「主流のサプライチェーン理論は、データを一律に情報に単純化する。需要、リードタイム、サービスレベルといった意思決定対象の量を直接観測可能なものとして扱う」とも記しています。では、本を読む1000万人の実務者やサプライチェーンのバックグラウンドを持つ全てのフォロワーに対して、あなたは何を伝えたいのか、またその情報を受け取った時にどのように変わるのでしょうか？
Joannes Vermorel: まず、私がこの章で行っているのは、データ、情報、知識の違いを明確にすることです。人々は直感的にはある程度理解していますが、詳しく問うと、その違いは非常に曖昧になります。そして、一般的なサプライチェーンの教科書を見ると、著者はこれら三者の違いについて全く見当がついていないのが明らかです。
改めて言いますが、違いと言う際には、数学的レベルでの明瞭さがあるかどうかという意味です。これは非常に重要です。なぜなら、もしそれらの概念について数学的な明瞭さがなければ、方程式を用いることができず、結果としてそれをソフトウェアに落とし込むことができなくなるからです。
つまり、これが非常に重要なのは、この明瞭さが単なる望ましい特性ではなく、文字通りソフトウェアに翻訳可能とするための必須の要素であるからです。結局、ソフトウェアとは基本的な算術に過ぎないのです。
ですから、もしあなたが自分の考えを段階的な算術に翻訳できなければ、実際にそれをソフトウェアに実装することはできないのです。
Conor Doherty: では、データ、情報、知識に戻り、特にあなたが例として挙げる需要、リードタイム、サービスレベルに関して、この理論はどのように適用されるのでしょうか？
Joannes Vermorel: まず、データとは何か、その違いを考えてみましょう。データとは、ゼロと一を記憶する能力に過ぎません。つまり、データはゼロと一という記号の表現でしかありません。それがデータなのです。
さて、問題は、データはゼロと一として数えた場合、実際には何も情報のようなものを伝えないという点にあります。なぜなら、例えば数字の1について考えてみると、単に「1」と書くこともできるし、カンマと100万個のゼロを付けて書くこともできるからです。
Conor Doherty: 同じ数字です。
Joannes Vermorel: 同じ数字です。
Conor Doherty: フランス語でも英語でも…あるいはドットでも。
Joannes Vermorel: ええ。
Conor Doherty: もし十進法の小数点が英語ではドットだと思っている人がいたら、ということで。
Joannes Vermorel: その通り。そして、100万個のゼロを埋めることもできます。データの観点から言えば、その100万個のゼロを追加しても、1メガバイトのデータになるだけです。しかし、情報が増えるわけではありません。結局、それは依然として1という数字であり、その表している意味は同じなのです。
このように、何事も様々な方法で表現でき、方法によって冗長さが異なります。データの問題は、データ自体がその表現が冗長かどうかを教えてくれない点にあります。たとえば、「1メガバイトのデータがある」と言っても、それが全てゼロであれば、実際にはデータというよりただのゼロでしかありません。
さて、そのときの問い、そしてそれはシャンノンが問いかけた疑問でもありました。「では、表現に依存しないものとは一体何だろう？」私たちは、データに含まれる本質、すなわち表現に依存しないべき本質そのものに関心を持っているのです。
そしてシャンノンは実際に「さて、私たちは正確に何を解決しようとしているのか？」と考えていました。それは大きな疑問です。なぜなら、私たちにはあらゆる表現があるのに、最終的な目的、さまざまな方法で表現されることの終着点は何なのか？と。シャンノンはその問いに対して非常に驚くべき、秀逸でシンプルな答えを示しました。それは、究極的には不確実性を解消する能力なのです。
つまり、情報とは最も純粋な意味であなたの不確実性を解消する能力のことなのです。だからこそ、私が本から引用しているように、たとえばこの数値を1文字でも、もしくは100万文字でも表現できるのは、どちらの場合も同じ役割を果たすからです。同じ方法で不確実性を解消させるのです。したがって、全く同じ情報を伝えているのです。
そしてシャンノンはさらに一歩進めます。この「不確実性解消能力」という理解があれば、何が起こっているのかを実際に理解するための数学的枠組みが得られるのです。情報エントロピーのようなツールを提供し、実際に情報の量を測ることができます。つまり、情報は定量化できるのです。キログラムやリットルを定量化できるのと同じように、情報はシャノンという単位で定量化できるのです。
つまり、これは実に興味深いものであり、情報が根本的な単位であることを証明しているのです。情報の基本単位なのです。
さて。そして、これが極めて基礎的なものであるため、あらゆるソフトウェアはその考えに基づいて構築されていることがわかりました。そして今、サプライチェーンが「情報に基づく」状態に戻るということは非常に興味深いのです。なぜなら、突然、極めて根本的なものを手に入れ、再び数学的な明瞭さで「情報に基づく」とは実際に何を意味するのかを明確にしたからです。
それは非常に重要なことです。なぜなら、これにより単に方向性が正しいだけでなく、極めて正確に正しいものを手に入れることができるからです。そして、それは非常に有用な手段となります。この章で私が暗に批判しているのは、情報理論というこの手段が、見た目の良い付随的なものとして扱えるものではなく、根本的なものであって、サプライチェーンの実務家は少なくともこの理論が何をもたらすのかを理解すべきだという点です。
Conor Doherty: 実は、これはこの質問への完璧な橋渡しとなるのです。なぜなら、私がこれらの議論の準備としてこの章を再読していた際に、データと情報と知識の違いが非常に抽象的に感じられるかもしれないと心配していたからです。具体的な引用をいくつかご紹介し、その後で具体的な質問を投げかけることで、少しでも明確にできればと思ったのです。
では、あなた自身の言葉で要約してください。文字通りあなた自身の言葉で：「データとは記録された記号であり、情報とはその記号が不確実性を解消する能力である」。そしてあなたが述べたように、「知識とは、人間であれ機械であれ、心が情報を企業の収益向上に結びつく決定に変える原因構造である」（ちなみに、あなたは機械を好むと聞いています）。
さらにあなたは、133ページで「生の記録、すなわちデータを、すでに不確実性を解消しているかのように扱うことが、決断を下さないダッシュボードや計画を立てない計画モジュールの根本原因である」と述べました。そこで私の質問ですが、実務家はどの思考モードにいるのかをどのように判断すればよいのでしょうか？彼らは単にデータを扱っているのか、知識を扱っているのか、あるいは情報を扱っているのか？あなたの見解では、違いを生むのは知識だけなのですから。
Joannes Vermorel: そうです。では、ここで混乱をどう避けるかというと、とてもシンプルです。過去は変えられません。
Conor Doherty: では、それはどういう意味ですか？
Joannes Vermorel: 文字通りの意味で、心の中で過去が変わり得るものとして描いていないかを考える必要があるのです。もしそう考えてしまうなら、大変なことになります。なぜなら、過去は変えることができないからです。自明の理ではありますが、サプライチェーンでよく見かけるのは、過去が非常に変わりやすいとするメンタルモデルなのです。
Conor Doherty: つまり、過去のデータをただ取り出して、その上で未来の決定を行っているということですか？
Joannes Vermorel: 過去は文字通り、概念上、哲学的なレベルでは変えられるものとされることがあります。しかし、それが問題なのです。再々言いますが、過去は変えることができないのです。
Conor Doherty: つまり、過去が変えられると言っているのですか？
Joannes Vermorel: 主流の理論に従えば、そうです。しかし私は、それが非常に奇妙で、よく考えると極めて間違っていると考えます。なぜなら、当然ながら過去は変えることができないからです。
つまり、要するに、ここでのポイントは一種の第一原理に基づく推論があるということです。我々は自己明白なものを前提とします。仮定を立てなければならないのですが、無理な大きな仮定はしたくありません。できるだけ小さな仮定に留めるべきなのです。
つまり、ここで私はただこう言っています。第一原理として：「過去は変えられない」。それだけのことです。仮定をしてはいますが、無理な仮定ではありません。
Conor Doherty: では、人々はどのようにして過去が変えられると考えているかのように振る舞うのでしょうか？―それのほうがより適切な表現かもしれませんね。
Joannes Vermorel: それは、彼らがソフトウェアを設計する際の方法に起因します。過去は絶対に変更可能になるのです。例えば、市場に出回っているすべてのERPシステムでは、過去は変更可能です。これはリレーショナルデザインという設計上の性質によるものです。ですから、CRUD（作成、読み取り、更新、削除）の原則に従ってアプリケーションを設計すれば、過去は絶対に変更できます。過去は変更可能なのです。それは概念上の問題です。
Conor Doherty: そして実務家にとっては…
Joannes Vermorel: 実務家にとってもその通りです。なぜなら、もし過去が変更可能だと考えてしまうと、結果的に大きな問題に直面するからです。「ああ、多分大丈夫かも」と思うかもしれませんが、そうではありません。なぜなら、あなたが行っていることは、明らかに「過去は変えられない」という自己明白な原則に猛烈に反しているからです。
サプライチェーンの視点から見ると、これはどういう意味になるのでしょうか？それは、あなたの方程式が過去を不変なものとして扱っているのか、それとも過去を変化させているのかということです。何かを計算する際、たくさんの数値を入力とし、多くの数値を出力として得るでしょう。問題は、入力と出力の間に明確な境界が存在するかどうかです。
もし出力側が…見てください。生の取引履歴のような、過去を表す数値があり、「分かった、これは凍結されている。既に起こったことだから、これ以上触れることはできない」と考える場合…
Conor Doherty: なぜなら、既に起こったことだからです。
Joannes Vermorel: まさにその通りです。だからこそ、それらは過去であり、不変であるため、触れることはできません。しかし、ここで想像してみてください。ソフトウェアでは非常に容易なことですが、もし私が何らかのフィードバックループを持つロジックを構築し、それが論理的に過去に作用するとしたら。
Conor Doherty: それが過去に作用する、ですね。では、なぜそうするのでしょうか？何のために？
Joannes Vermorel: まず、目的が必要ないのです。ソフトウェアは非常に複雑で、偶然に多くのことが起こり得るからです。ですから、「私の過去は不変である」と明確に規定しなければ、結局は過去が変更可能になってしまうのです。これこそがソフトウェアの法則です。ソフトウェアは複雑であり、過去が不変であることは厳格に守られるべきなのです。守られなければ、偶然に変更されてしまいます。
では、ここで実例を挙げてみましょう。過去が…再び、過去は…非常に哲学的な話かもしれませんが。
Conor Doherty: 分かりますが、これは非常に哲学的な話だと感じます。
Joannes Vermorel: しかし問題は、サプライチェーンの問題があまりにも根本的に間違っているため、人々がその全貌を理解できず、何が正しいのかが見えなくなってしまうことにあります。無茶苦茶な状況が長期間続いた結果、人々は混乱してしまうのです。
Conor Doherty: 彼らは混乱している、だからこそ我々はここにいるのです。
Joannes Vermorel: では、どうやって過去を変更可能にしてしまうのでしょうか？例えば、品切れが発生した場合を考えてみましょう。あなたの記録には、販売した数量が記されています。たとえば、ある日は1ユニット、別の日は3ユニット、またある日は4ユニット、そしてある日はゼロであった――といった具合です。
問題は、過去に観測されたゼロという数字が、実際には品切れによるものであったという点です。
Conor Doherty: つまり、ゼロを販売したという事実こそが過去であり、それが真実なのです。あなたはゼロを販売したのです。
Joannes Vermorel: はい。
Conor Doherty: わかりました。ここまでは誰も異議を唱えないと思います。では、どうやって過去を変更可能にするのでしょうか？
Joannes Vermorel: すると問題が生じます。なぜなら、あなたが使用している時系列予測アルゴリズムが正しく動作しなくなるからです。ゼロを入力として与えると機能不全に陥ります。というのも、過去の数値、すなわち過去における意味内容と、未来におけるその意味内容との間にインピーダンスの不一致が生じてしまうからです。
過去において、あなたが持っているのは観測された販売データです。
Conor Doherty: はい。
Joannes Vermorel: つまり、これが過去に観測・記録されたものの意味内容です。観測された販売データそのものです。しかし未来においてあなたが関心を持つ意味内容はこれではなく、未来の需要なのです。これが主流のサプライチェーン理論の視点です。
さて、問題は、時系列予測の手法で過去の販売データを外挿すると、そのゼロが大きな下方バイアスを生み出してしまうという点にあります。
つまり、ある意味で…すみません、とてもシンプルな話です。再び、もし大量のゼロを観測すれば、あなたのモデル、すなわち何らかの移動平均の変種―上にいくつかの周期性が乗ったただの洗練された移動平均ですが―は、そのゼロを取り込んで、需要を過小評価してしまうのです。なぜなら、そのゼロという販売数は、実は品切れによるものを入力としているからです。
これが人々が直面する問題です。そして、その問題を非常に誤った方法で解決するにはどうすればよいか？それは、「過去は不変である」という不変条件を忘れてしまうことです。では、どのようにして根本的に誤った方法で解決するのでしょうか？それは、過去を変更可能にしてしまうことです。
どうするか？販売したユニット数を書き換えて、その日にもっともらしい需要に見合う数字にするのです。つまり、過去のデータを修正し、本来観測されたゼロを、その日のもっともらしい需要に置き換えてしまうのです。あなたがしたことは、過去を変えてしまったということです。分かりますか？それは非常に矛盾しています。
そしてご想像の通り、あなたは大きな苦境に陥るでしょう。なぜなら、あなたの行ったことは論理的にあまりにも誤っており、他の方法はありえないほどだからです。それは次々とあらゆる問題を引き起こす連鎖反応となるのです。
Conor Doherty: そして改めて、人々は…あなたにそのポイントを最後まで話してもらいますが、そこには解明すべき重要な詳細があります。つまり、間違っているというメカニズムは説明されましたが、間違っていることによる痛み、その結果として生じる影響が説明されていません。あなたは「論理的に間違っている」と述べました。それがメカニズムです。では、間違ってしまった結果、どんな影響が現れると感じますか？それこそが結果なのです。
Joannes Vermorel: 結果として現れるのは、あなたの資本配分です。経済的な問題に戻るのです。資本配分が乱れてしまいます。つまり、資本の誤配分が実際に起こり、その結果、本来あるべきリターン率よりもはるかに低いものになってしまうのです。
ご覧の通り、どんな資本配分であっても、たとえそれが良かれ悪しかれリターン率は発生します。そして、運が良ければ、優れた業界では、悪い配分であっても時には正のリターン率を生むこともあります。しかし、結局のところ、目指すべきは最大のリターン率なのです。
要するに、根本的な苦痛は、すべての資本配分においてリターン率が低下するということなのです。
Conor Doherty: 要するに、金額が少なくなるということですね。
Joannes Vermorel: その通りです。金額が少なくなるのです。そしてそれは常に問題となります。もしあなたが会社を不適切に運営すれば、その結果、利益が減少するのです。そう、それだけのことです。
そしてここで理解しなければならないのは、「過去を修正してはならない」というこの不変条件が極めて重要であり、この不変条件をいじくることはできないという点です。なぜなら、論理的にあまりにも矛盾しているため、どんなに賢いと自負していても、サプライチェーンに非常に悪い結果をもたらすのです。この種の原則に逆らうことはできません。
再び言いますが、これはビジネスにおける因果関係を誤って読み解くようなものです。もしAがBを引き起こすと思い込んでいたのに、実際にはBがAを引き起こしているとしたら、その誤解は経済的損害をもたらすのです。根本的に間違ったことをしているため、その誤解は波及し、あらゆる問題を引き起こす深刻な誤認と言えるでしょう。
そして、その負の結果は非常に多岐にわたり、至るところに広がるのです。そして、サプライチェーンは複雑であるため、問題が各所に散在し、最終的に根本原因を診断するのが非常に困難になるのです。
言っておきますが、根本原因に立ち返れば、過去を無制限に変更してはならないということに他なりません。それはそれだけシンプルな問題です。そして、「無罪」という言葉を使うときは、道徳的な判断ではなく、経済的な判断だと考えてください。この無罪状態は、結局ドルで代償を払うことになるのです。
Conor Doherty: わかりました。この点についてさらに掘り下げたいと思います。この章には他に少なくとも2つの核心的な柱があるのですが、その間にデータに関するもう一つの問題が存在するのです。
この章では、先ほども述べたように、データは単なる記録された記号に過ぎず、何かを表しており、あなた自身の解釈が可能であると話しました。さらに、データが財務上の損失やプログラムの失敗の原因としてしばしばスケープゴートにされるという考えに反論しています。そして、あなたは実際に公の場でも述べたのですが、我々が以前ライブイベントで聞いたように、「あなたのデータは悪くない。取引データさえあれば、使用しているソフトウェアにもよるが、基本的には問題ない」という主張をしています。
これはまた別の例であり、あなたの視点と、いわば主流の視点が対立する場合があることを示しています。なぜなら、私たちはどちらも、例えば100回から1000回程度（その規模で）「マスターデータが新しいプロジェクトを始めるには十分でない」と聞いたことがあるからです。あなたはその考え方に明らかに同意していません。なぜでしょうか？
Joannes Vermorel: では、過去は変更不可能であるべきだという点に戻ると、確かにその通りですが、実際のところ、サプライチェーンの運用方法は実践的にはソフトウェアによって行われています。過去30年間、どんな規模のサプライチェーンでもソフトウェアが存在しないものは知られていません。ソフトウェアは至る所にあるのです。
しかし、過去を表すものと、未来を推測するものとの間に非常に明確な境界がなければ、大混乱に陥るでしょう。重ねて言えば、ソフトウェアは複雑であり、サプライチェーンもまた複雑です。つまり、複雑さは至るところに存在するのです。
したがって、もしその境界を強制しなければならないとすれば、過去を扱うソフトウェアのカテゴリを必ず確立すべきであり、それを「システム・オブ・レコード」と呼びます。そして未来を扱うソフトウェアのカテゴリを持ち、それを「システム・オブ・インテリジェンス」と呼ぶのです。
もしこれら二つを区別せずに運用してしまうと、何が何だか分からなくなるごちゃ混ぜの状態になり、誰も何が起こっているのか理解できなくなります。結果として、「どうしてこんなに問題が多かったのか。データが悪かったに違いない」とデータのせいにしてしまうのです。
そして、悪いデータは非常に都合の良いスケープゴートです。データは人ではないので、誰かを責めることがなく、データを非難することは、まるで宇宙を非難するようなものです。それで問題ないのです。
古代にさかのぼれば、まるで原始部族が自分たちの問題の原因を何らかの神々のせいにしていたのと同じです。明らかに、現代の私たちは神を非難するほど時代遅れではないので、神を責めることはしません。代わりに、より現代的な構造物を非難するのです。つまり、サプライチェーンの神を非難するのではなく、データを非難するのです。しかし、合理的に考えれば、これは全く同じことなのです。人々が「私のデータに問題がある」と言うとき、私には「サプライチェーンの神」や「ITの神」を非難しているように聞こえるのです。
Conor Doherty: 公平を期すために言わせてもらえば、そして私の以前の知識を踏まえると、あなたの立場は聞こえるほど厳格ではないと知っています。非常に断定的に聞こえますね。
Joannes Vermorel: いいえ、そうではなく…
Conor Doherty: 公平を期すために、私はその点を追及しているのです。
Joannes Vermorel: ええ、その通りです。
Conor Doherty: しかし公平を期すために、以前あなたは（要約すると）データ自体は悪くないと言っていました。そして、あなたの主張は、取引データはそれ自体のものであるというものでした。
Joannes Vermorel: はい。
Conor Doherty: しかし、あなたは意味論の問題があるために、それが難しい場合もあると指摘しました。そして、この本にはそのことについては触れていないと思います。記憶が正しければ、これは実はあなたの最初の著書、Quantitative Supply Chain Manifesto、あの大赤本に書かれているのではないでしょうか。
Joannes Vermorel: はい。はい。
Conor Doherty: そしてあなたは例を挙げました—私のお気に入りの例の一つであり、以前にも話したことがあります—例えば、1日の売上とは何を意味するのでしょうか？元帳を開いたとき、その売上は月曜日に発生したものでしょうか？それとも、2週間前の売上の保証期間が終了した時点のものなのでしょうか？1日の売上単位を測る方法は、10通り、12通り、15通り、あるいは1000通りもあるのです。
Joannes Vermorel: はい。そして、これがつまり、過去のデータは不変であるということを理解するためのポイントです。歴史家の文書のようなものだと考えてください。文書は、ただそれ自体であるのです。
ですから、歴史家が研究を行う際、文書は不変です。たとえば、ある日付に二国間で締結された条約があった場合、その条約は完全に記録され、変化することはありません。
Conor Doherty: はい。
Joannes Vermorel: しかし、そこには、何が起こっていたのかを真に理解するために失われる多くの微妙な要素が存在するかもしれません。したがって、歴史家の仕事は、これらの事実や記録を再検討し、何が起こったのかについて新たな理解を構築することにあるのです。
Conor Doherty: この比喩は好きです。
Joannes Vermorel: ご覧の通り、歴史家の仕事は極めて困難です。確かに、記録自体は明白ですが、その記録から得られる解釈は無限に存在します。そして、これはソフトウェアにも当てはまるのです。
つまり、あなたのソフトウェア—ここでは、あなたのソフトウェアが適切に設計されていると仮定します（実際には通常そうではありませんが）—が、本当に過去を不変にすることを重視しているとしましょう。そうすると、過去が不変であるクリーンなソフトウェア、足元で常に動くことのないクリーンな記録を持つことになります。これは良いことです。
しかし、私はその記録を理解することが簡単であるとは言っていません。記録を理解することは非常に複雑になり得ます。だからこそ、何らかのフィードバックループによって過去に情報が再注入され、状況をさらに悪化させたくないのです。
歴史家が歴史文書を扱っていると考えてみてください。ただし、彼には「こちらが、17世紀フランスで起こった出来事に関する私の文書コレクションです。これが私が持っている文書のリスト、すなわち私の理解に基づく参考資料です」と示す図書館があると想像してください。
そして、今その図書館に常に偽造文書を挿入する人々がいると想像してみてください。つまり、常に偽の17世紀文書がその図書館に追加されるのです。そうなれば、歴史家は完全に途方に暮れてしまいます。彼は「もともと、この時代を理解するというだけで十分に困難だったのに、さらに興味のある時代以降に作られた偽造文書を排除しなければならなくなった」と嘆くでしょう。
ご覧の通り、これはまさに悪夢のような状況です。ですから、歴史家は自分が持っている文書が本当にその時代のものであり、事後に作られた偽造ではないことを非常に厳密に確認しているのです。
これが私の言いたいことです。したがって、過去を不変にする必要があるのです。しかし、過去を不変にすること（すなわちシステム・オブ・レコードを確立すること）は、過去を容易に把握可能にするとは限らず、依然として非常に困難なものなのです。
Conor Doherty: だからこそ、サプライチェーン・スペシャリストのような、意味論を解析できる専門家が必要だとあなたは語るのです。
Joannes Vermorel: その通りです。そして、これは難しいですが、問題となるのはそれらの観察結果がゴミであるからではありません。事後に作られた偽造品によって汚染されているわけではなく、本来持っている内在的な困難、すなわち非常に解釈が難しいという性質によるものです。私が「過去の売上」と言うとき、それは非常に曖昧な表現なのです。本当に曖昧な表現です。
そして、まさにそこに知識が生まれるのです。知識とは、この曖昧さを解消し、情報を実行可能なものに変換できる能力のことです。すべての不確実性—いや、正確には不確定性ではなく曖昧さ—を解決する必要があるのです。
Conor Doherty: わかりました。さて、章の中核をなす柱、そして実務者にも訴える内容、さらには書籍自体を超えるテーマとして、企業がどこに資金を配分するかという点について触れる時が来たと思います。つまり、システム・オブ・レコード、システム・オブ・レポート、システム・オブ・インテリジェンスの話です。
つまり、システム・オブ・レコード： あなたのERPなど、あなた自身のたとえを借りれば、企業の歴史家のようなもので、「いつ何が起こったか」、すなわち過去の出来事を扱います。
Joannes Vermorel: それは歴史家ではありません。システム・オブ・レコードは、文字通り事務職員、書記官のような存在です。ただ記録を書く人に過ぎないのです。
Conor Doherty: つまり、デジタル版の書記官というわけです。
Joannes Vermorel: その通りです。記録を保持するだけの書記官のデジタル版です。彼は知性を働かせようとはせず、ありのままに—良いことも、悪いことも、ミスも、偉大さも—記録するだけなのです。それだけです。
Conor Doherty: わかりました。システム・オブ・レポートとは、すなわちビジネス・インテリジェンスツール、つまりその表現方法を指しますね。
Joannes Vermorel: その通りです。システム・オブ・レポートは全く異なる目的で使われます。コンプライアンスのために使用されるのです。つまり、プロセスやルール、そしてベストプラクティスが存在し、経営陣がそれを実行するための手段となるのです。
つまり、システム・オブ・レポートは、知性を得たり未来を理解したりするためのものではなく、基本的には大企業が自社のプロセスに従っているかを維持するためのツールにすぎません。それだけなのです。
Conor Doherty: 彼らは洞察を求め、何が起こっているのかの可視化を望んでいるのです。
Joannes Vermorel: それが、ビジネス・インテリジェンスを販売するベンダーが言っていることです。しかし実際のところ、私はこうしたツールがその目的で使われているのを見たことがありません。結局、誰も実際に有益な洞察を得ているわけではないのです。たまに、非常に稀に、誰かがビジネス・インテリジェンスのレポートから洞察を得ることはあっても、それがその技術カテゴリの本来の目的ではないのです。極めて稀なケースです。
私にとっては、これまた弱い例え話ですが、あまりにも稀なので非常に二次的なものに過ぎません。まるで、アルコールが科学的発見をもたらすための手段として使えると言うようなものです。はい、まれに科学者が大量のアルコールを摂取し、その結果、変性した心状態で発見をすることもあるでしょう。しかし、アルコールを科学の道具だと主張するのは、少々行き過ぎです。
Conor Doherty: さて、今あなたは目的論的な議論をしていますね。実際、もう少し背景を整理させてください。そうすれば、この考えをより普遍的に捉えることができると思うのです。
改めて、あなたはシステム・オブ・レコードについて詳述しました—それは事務員、すなわち何が起こったかの記録そのものです。そして、システム・オブ・レポートは、ビジネス・インテリジェンスのような可視化ツールです。これらは意思決定のためのものではありません。実際、サプライチェーンを運営する企業は極めて大規模で複雑であり、自社の掲げるプロセスに一貫して従うのは非常に困難です。したがって、システム・オブ・レポートは、マネージャーが部下が会社のコンプライアンスを守っているか確認するための非常に有効な手段なのです。
ええ、実際にあなたは…私のマイクが邪魔しています。ちょっとお待ちください。「ほとんどの企業の失望は、これら異なるシステムを混同し、元帳に考えさせたり、分析層を真実の源として扱ったりすることから生じる」というお言葉でしたね。
これで、あなたがまだ詳しく述べていないカテゴリー、すなわちシステム・オブ・インテリジェンスの話が始まります。そして、私もこの章を読んで、そこで意思決定とより良いパフォーマンスが実現すると考えているのだと実感しました。ですから、システム・オブ・インテリジェンスとは何か、そして根本的になぜ他の二つのシステムをシステム・オブ・インテリジェンスとして扱うべきでないのかを、やや簡潔に説明してください。
Joannes Vermorel: ところで、これが核心のポイントなのです。本質的なポイントと言えます。
まず、システム・オブ・レコードは過去を扱います。過去の記録であり、過去に関する最良の情報です。そして、システム・オブ・レポートもまた過去に焦点を当てています。単に、過去に自社のプロセスに従っていたかどうかを示すだけです。つまり、非常に後ろ向きなアプローチです。
ご覧の通り、システム・オブ・レポートは単に過去の物語を伝えるにすぎません。過去に関するナラティブを構築する手段ですが、それ自体はあまり精巧ではありません。まるで経済史のように、1世紀前のフランス人が裕福であったのか貧しかったのかを示すにすぎません。何百万というフランス人の収入明細の記録を持つ代わりに、集約された統計情報を提供するのです。それがシステム・オブ・レポートの役割です。
Conor Doherty: しかし、この二つは既に取り上げました。では、インテリジェンスについて話を進めましょう。
Joannes Vermorel: そして三番目のシステムは、全く全く異なるものです。それは唯一、実際に未来を見据えているのです。
Conor Doherty: わかりました。それはどのような方法で未来を見据えているのですか？
Joannes Vermorel: 設計上、未来を見据えるようになっています。なぜなら、それが目指しているのは意思決定の生成だからです。この意思決定は常に前向きで、何らかのリターンが期待できるために何かを決定するのです。
そして、サプライチェーンの特定のケースにおいて、意思決定はリソースの割り当てであると明確にしました。つまり、リソースの割り当てとは、ある時点で何らかの投資回収が期待できるために行われる行為なのです。そして、システム・オブ・インテリジェンスは、そのリソースの割り当てを生成するための装置にすぎません。それだけです。
Conor Doherty: 話を遮るつもりはありませんが、要点を強調するために言うと、過去に批判してきた「高いサービスレベルを維持する」といった指標に基づいて意思決定をしているとしても、それは結局、望ましい投資収益を得るためのものに過ぎないのです。
Joannes Vermorel: 全くその通りです。これが全体的な目標なのです。そして、適切に設計されたシステム・オブ・インテリジェンスもあれば、不適切に設計されたものもあります。違いは、あなたの意思決定から得られるリターンの率に現れるだけの問題です。
しかしまず、意思決定システムが存在するという事実を回避することはできません。なぜなら、リソースは必ず割り当てられるからです。資源が割り当てられるのです。だから、意思決定は必ず行われます。この事実は避けられないのです。
企業として、原材料の購入や、補充される在庫の購入、従業員に何らかのタスクを与えるなど、常に資金を費やしています。これらはすべてリソースの割り当てです。これらのことは常に起こっており、回避することはできません。
そして、私が言いたいのは、1世紀前は非常に明快な状況だったということです。知能のシステムは専ら人間によるものでした。したがって、記録は既に部分的に機械的なものになっていました。なぜなら、1世紀前でさえ、記録は本に書かれていたからです。
Conor Doherty: ある意味で、記憶媒体は既に人間的ではない何かになっていました。それは人の心の中にあるものではありませんでした。
Joannes Vermorel: 彼らはその情報を自分の頭の中に保持していたのではなく、すでに何らかの装置を通じて保持していました。もちろん、その装置は洗練されてはいなかったですが、装置であり、本を通じてかなりの情報を保存できたのです。つまり、記録として本質的にアーティファクトを既に持っていたということです。コンピュータはより優れたアーティファクトですが、私たちは既にアーティファクトを持っていたのです。
意思決定に関しては、それは純粋に人間的なものでした。純粋に人間的でした。しかし今では、過去30年の間に、私たちが持つものは混合型になっています。もはや純粋に人間だけの意思決定レイヤーは存在しないのです。存在しません。存在しないのです。
たとえ人々が「すべて手作業でやっている」と言ったとしても。
Conor Doherty: 「本当に手作業でやっているのですか？」
Joannes Vermorel: ええ、そうです。「すべてが手作業で行われています。私たちはただExcelを使っているだけです。」
私は「そうですか」と答えます。ご存知の通り、Excelは極めてソフトウェアらしい存在です。Excelはソフトウェアであり、基本的な算術処理を大量に行うための、あなたの思考の延長のようなものです。つまり、すでに人間の心と機械が融合したハイブリッドシステムを持っているのです。Excelのスプレッドシートがあれば、それ自体でハイブリッドシステムとなり、ソフトウェアと人間の心の両方が働いているのです。
そして時が経つにつれて、私が見てきたのは、ソフトウェアの部分がどんどん大きくなっているということです。たとえそれがExcelのスプレッドシートだけであったとしても、なぜならご存知の通り、Excel自体は変動する目標ではないのです。20年前のExcelは最大65,000行でしたが、今では100万行に達しています。
つまり、Excelは過去20年で機能が拡張され、今ではExcelのスプレッドシート内にPythonスクリプトを組み込むことさえ可能となりました。Excel自体がより強力になったのです。そして、他にも多くのものが強化されました。例えば、「ただExcelを使っているだけだ」と人々は言いますが、果たして本当にただExcelだけを使っているのでしょうか？いいえ。記録と報告のシステムの能力を活用して、スプレッドシートの入力となる抽出データを生成しているのです。
つまり、実際には純粋なExcelだけではなく、入力を生成するアプリケーション群などが混ざったものになっています。私が言いたいのは、全体として年々、機械に委ねられる部分がどんどん大きくなっているということです。これが現状であり、だからこそそれを制御する必要があるのです。
Conor Doherty: ええ。そして、章の中でも、実際にスケーラブルな収益性はシステム・オブ・レコードではなく、システム・オブ・インテリジェンスにより多く投資することで見いだせると主張していましたね。
さて、以前のエピソードで議論したように、支出は非常に非対称的な傾向があります。例えば、記録システムに大部分の支出が割かれているかもしれませんが、それは意思決定を生み出さないという議論をしているにもかかわらずです。「私には最も洗練された会計士や元帳がある」としても、それがより良い意思決定につながるわけではありません。では、なぜ支出はこんなに非対称なのでしょうか？
Joannes Vermorel: なぜなら、ソフトウェアは大きく複雑なものだからです。そして人々は、ソフトウェアをベンダーのオフィス内で起こる何かのブードゥーの魔法のようなものだと扱うのです。もちろん、ソフトウェアは基本的なものであり、決してブードゥーの魔法ではありません。
Conor Doherty: 一部のベンダーによって、そう表現されているのですね。
Joannes Vermorel: その通りです。なぜなら、ベンダーは「私には秘密のレシピがある。真似できない魔法の成分がある」と言い、製品を宣伝しようとするからです。でも、それは合理的ではありません。
さて、ソフトウェアに戻りますが、例えば、過去のみを扱うという非常に明快な環境、つまりシステム・オブ・レコードとしてのソフトウェアのクラスを維持し、不変条件を強制すれば、ふと気づくのです。「ああ、過去だけを扱うこのソフトウェアは、ただ私の会計簿を美化しただけのものだ」と。何も特別なものはなく、ただ長い記録の連なりに過ぎないのです。
そしてご存知の通り、ハードドライブは安価です。ですから、何十億もの記録を持っていても安く済みます。だから、そのために高額な料金を支払うべきでしょうか？いいえ。シンプルです。したがって、安価でなければならないのです。
あなたはソフトウェアベンダーとして、顧客に自分の手元にあるものが非常に安価であるべきだと気づいてほしいと思いますか？いいえ。だからこそ、顧客を惑わせるのです。顧客を惑わせ、全体に混乱の層を作り出し、人々が混乱して、本質的に非常にシンプルなものを持っていると気づかないようにするのです。
システム・オブ・レコードは非常にシンプルです。ただの美化された元帳に過ぎません。それ以上でも以下でもなく、全くストレートフォワードなのです。
Conor Doherty: 企業、つまり人ではなく企業が、システム・オブ・レコードに5億ドルもの費用をかけるでしょう。
Joannes Vermorel: その通りです。なぜなら、企業向けソフトウェアベンダーは自社製品を魅力的に見せるのが非常に上手だからです。彼らは「このソフトウェアはこれ以上のものだ」と人々が考えるように、莫大な混乱を作り出すのです。
しかし、私は「いいえ」と言います。あなたが購入しているのは幻想であり、それ以上のものではありません。もしERPを購入しているのなら、あなたはシステム・オブ・レコードを購入しているに過ぎず、それは非常に安価で、簡素であるべきです。そして、もし「いや、私のERPは全てをこなす。AIもある、これやあれもある」と説明して顧客を惑わせようとするソフトウェアベンダーに直面しているのなら、あなたは惑わされています。これが私のメッセージです。あなたは惑わされているのです。
まるで会計士が「私はロックスター会計士だ。魔法を使う。私が数字を数える方法で利益が出る。あなたはもっと儲かる」と言っているかのようです。
Conor Doherty: 実際、ちょっと考えてみてください。それは実に素晴らしい一言です。会計士が「私の優れた経理のおかげで、あなたのためにこれだけのお金を生み出せる。無からお金を作り出してやる」と言ったらどうでしょう。
Joannes Vermorel: 詐欺のように聞こえますね。
Conor Doherty: 詐欺のように聞こえます。
Joannes Vermorel: つまり、会計士は無からお金を生み出すことができるべきではありません。もしそれができる会計士がいるとすれば、通常はエンロン方式のように、シンジケートやエンロンのために働き、非常に奇抜な会計トリックを使っているに過ぎません。そこは認めざるを得ません。エンロンは極めて、極めて創造的な会計を行っていました。
Conor Doherty: その度胸には敬服しますね。
Joannes Vermorel: そうです。彼らは前衛的な会計技術の開拓者のようなもので、本当に良いものではありません。実際、本当に、本当に良くないのです。
ですから、もう一度言いますが、あなたの元帳を革新の場にすべきではありません。これは間違った知的枠組みです。独創的な会計士は求めないのです。創造的な会計士ではなく、勤勉で信頼でき、コスト効率の高い会計士を求めるべきです。それがあなたの望むべき姿です。
ちなみに、これら全ての資質はあなたのシステム・オブ・レコードにも当てはまります。全く同じなのです。
Conor Doherty: そうです。これが再び重要なポイントです。本の中でも、また他のビデオでも触れていました。我々は重いソフトウェアアーキテクチャの話に深入りする必要はありません — すでにほぼ1時間も話しているので — ですが、あなたがおっしゃったように、記録は勤勉で迅速であるべきだという点です…
ここで改めて重要な違いですが、この2つ、システム・オブ・レコードとシステム・オブ・インテリジェンスは、しばしば混同されがちな2つのクラスだと思います。本では、意思決定は骨の折れる決定だと記述されています。なぜなら、良い判断を下すのには時間がかかるからです。これを支えるためのソフトウェアアーキテクチャは、記録を正確かつ迅速にするためのものとは正反対なのです。
具体的に言えば、あなたは倉庫や店内にいて、物を販売しています。そこで、在庫がいくつあるのかを知りたいのです。倉庫内の在庫数をできるだけ正確かつ迅速に把握したいのです。
Joannes Vermorel: はい。
Conor Doherty: これがシステム・オブ・レコードの役割です。ご存じの通り、以前スポーツのアナロジーを使って説明していました。基本的には、世界最高のマラソンランナーのように非常に速く走るか、あるいはパワーリフティングのチャンピオンであるかのどちらかで、両方を同時に実現するのは非常に困難です。なぜなら、一方に秀でるともう一方は犠牲になるからです。ですから、私がうまく言えなかった部分を、もっと良い言葉で展開してください。
Joannes Vermorel: つまり、会計士のアナロジーですが… 趣味で会計士をしているロックスターなんて何人いるでしょう？ゼロです。ゼロ。優れた会計士になるための気質があれば、ロックスターになる気質はなく、その逆もまた然りです。
薬物を使用したり奔放な行動をする人に、会計を任せることは決してありません。
Conor Doherty: ということは、このアナロジーでは意思決定がロックスターということですね。
Joannes Vermorel: 意思決定は、はい、少しはそうです。革新的で創造的だからです。本質的には、あなたが目指すのは偉大さの達成なのです。
Conor Doherty: その通りです。
Joannes Vermorel: そして、会計は偉大さを目指すためのものではありません。なぜなら、会計における偉大さ、すなわち精度はエンロンを意味するからです。偉大さは求めるものではなく、精度における革新は望みません。常に同じ、信頼でき、退屈なものを求めるべきなのです。
Conor Doherty: 退屈だ。
Joannes Vermorel: ええ、その通りです。退屈さは会計士にとって驚くほど重要な資質です。むしろ、もしあなたの会計士が非常に面白い性格であれば、信頼しないかもしれません。結局のところ、性格の問題です。偉大な会計士とは、あまりにも信頼性が高いあまり退屈になってしまう人です。それが会計士に期待される姿なのです。
一方、ロックスターは全く信頼できないこともあります。しかし、時折彼は天才的なひらめきを見せ、その瞬間に偉大さが現れるのです。それが素晴らしい意思決定です。これこそが、意思決定レベルで求められるものです。
なぜなら未来は不確実であり、常に賭けのようなものだからです。だから、意思決定レベルでは常に推測に基づくしかありません。他に方法はなく、未来は予測できないのです。したがってリスクが伴い、そのリスクのおかげで、もし未来を見通す力が非常に高ければ、信じられないほどの、非常に高いリターンを得る可能性があるのです。
Conor Doherty: 私はそのアナロジーの中の会計士の要素が非常に好きです。ちょっと提案したいのですが、あなたはどう感じるか教えてください。
音楽のアナロジーを使うなら、私が捉えたのは、会計士がシステム・オブ・レコードであるということです。私たちはそれを平凡で、信頼性があり、頼りになるものにしたいのです。一方、システム・オブ・インテリジェンスはバッハやモーツァルトのようなもので、彼らは作曲します。その作業は骨の折れるもので、集中的で、創造的であり、神秘的です。非常に優れたアロケーションや補充は、あちこちからシンボルを集めるようなもので、時間と労力がかかります。システムが再計算を繰り返し、そして最後にはFür Eliseのような、史上最高の音楽作品のひとつが生み出されるのです。
ロックスターは混沌と感じさせるかもしれませんが、私にはそれがクラシック音楽のように感じられました。正確で、科学的な側面があり、すべてのビートが決められたパラメータ内に収まることが求められるのです。
Joannes Vermorel: しかし、真の偉大さを持つクラシック音楽、これこそはもっと適切なアナロジーですが、境界を設けることはできません。たとえ極めて厳格に規定されていても、真の天才は常にその境界を超えて、音楽があるべき姿を再定義し、意図を持ってその境界を押し広げるのです。
そして、それは会計士とは正反対です。会計士は境界を押し広げるべきではありません。良い会計士とは、定義上、常に退屈で制約された存在であるべきなのです。
もしあなたが意思決定の場にいるなら、そう、それはモーツァルトのようなものです。音楽があり得る範囲の境界を押し広げなければならず、そうすることで真の偉大さが達成されるのです。そして、このアナロジーはこのステージでは本当によく機能しています。
Conor Doherty: わかりました。さて、ここで改めて…業界全体で、なぜか体系的に — ダジャレですが — クラシック音楽、つまりシステム・オブ・インテリジェンスが過小評価されているのはなぜでしょうか？
Joannes Vermorel: さて、ここでソフトウェアベンダーのインセンティブを見てみましょう。あなたのインセンティブは何でしょう？最も低コストで製造できるものを、最高の価格で売りたいのです。つまり、私はソフトウェアベンダーとしてお金を稼がなければならず、私が得る金額は人々が支払う価格であり、私にとってのコスト、すなわちソフトウェアを製造するために支払う金額がそれにあたるのです。
これまでのところ、ソフトウェア業界は生産と同じです。すなわち、安く買って高く売るのです。
Conor Doherty: その通りです。
Joannes Vermorel: その通りです。さて、先にも言ったように、システム・オブ・レコードは非常にシンプルで製造コストが低いのです。ソフトウェアベンダーである私にとっては素晴らしいことです。なぜなら、費用が安いからです。製造コストが低い。素晴らしいのです。
しかし問題は、クライアントの支払意欲があまり高くないことです。ご覧の通り、私のコストは低いのですが、クライアントが支払う意欲も低いのです。あまり良い状況ではありません。
しかし、もし自分のソフトウェアが正確に何をするのかを顧客に曖昧に伝えれば、その支払意欲を大幅に膨らませることができると想像してみてください。だがその魔法のトリックを使うには、まさに魔法使いが必要になるのです。なぜなら、それ自体が一種のマジックであるからです。ですから、その魔法使いを用意しなければなりません。誰がその魔法使いになるのか？それは企業向けソフトウェアの担当者なのです。
そしてご存知の通り、これらの企業向けソフトウェアベンダーを見てみると、彼らの労働力の最大3分の2は実際にはベンダー、つまり営業担当者で構成されています。つまり、典型的な企業向けソフトウェアベンダーの場合、製造されるソフトウェアそのもののために支払っているのではなく、ソフトウェアを販売するためのコスト構造のために支払っているのです.
本質的には、あなたはベンダーに対して、彼らが持つ魔法使いのような人材、つまりソフトウェアが実際以上に素晴らしいという錯覚を生み出す存在に対してお金を払っているに過ぎず、その結果、あなたの支払い意欲を高めてしまっているのです。あなたは「それはとてもシンプルだ」と言うかもしれませんが、実際、シンプルであり、しかも機能するのです。
そのため、多くのエンタープライズソフトウェアベンダーはまさにその手法を採用しています。生産コストが安いソフトウェアを用意し、その上で企業向けの営業担当者を投入し、その人たちが呪術のような手法を駆使して顧客の支払い意欲を膨らませるのです。結果として、顧客は誇大な期待に基づき高額な料金を支払い、結局そのソフトウェアは約束を果たすことができない、というわけです。
そして、この話は残念ながら過去40年間、何度も繰り返され続けています。
Conor Doherty: 正直に言うと、もう1時間ほど話が続いていますので、締めくくりの質問をしてもいい頃だと思います。これは今日の議論だけでなく、実はこれまでの4章に基づいたものであり、実務者のみならず彼らが働く企業にとっても、恐らく最も重大な質問のひとつだと思います。
あなたは記録システム、報告システム、知能システム、それぞれの機能とその価値の所在を説明してきました。では、ソフトウェア設計やアーキテクチャの専門知識があなたほど豊富でない実務者が、明日ERP、すなわち記録システムの購入交渉に入る際に、どうすれば「今、ぼったくられるのか？インチキ商品が売られているのか？」と判断できるのでしょうか？
Joannes Vermorel: 基本的な質問、つまり「あなたのソフトウェアは過去を変えてしまっていますか？」と尋ねるべきです。奇妙な質問だと承知はしていますが。
Conor Doherty: それは、ベンダーにその質問をしてほしいからです。
Joannes Vermorel: そうです。はい、ただ「あなたは過去を変えますか？」と尋ねるだけです。それだけです。本当にシンプルな質問なのです。「あなたは過去を変えますか？」
そして、情報がどのように機能するかを最終的に理解するにつれて、あなたがしているのは、ソフトウェアが基本的な不変条件を守っているかどうかを見極めるためのリトマス試験となるシンプルな質問を投げかけているということです。
もしその担当者、つまりベンダーがこの質問に戸惑うのであれば、それはひどい回答です。なぜなら、ベンダーが自分のしていることについて何も理解していないことを意味するからです。もしベンダーが自分の行為を理解していなければ、購入すべきではありません。
Conor Doherty: 購入すべきではありません。
Joannes Vermorel: 購入すべきではありません。もう一度例えてみましょう。ソフトウェアは非常に抽象的で、人々は時に混乱してしまいます。ですが、車に関する質問に戻ってみましょう。車を買う際に「この車は安全ですか？」と尋ねるとします。もしベンダーが「安全ですか？その意味がよくわかりません」と答えたら、あなたは「では、別の車にしよう。むしろ、『ああ、うちの車はとても安全です。シートベルトもあって、エアバッグも装備され、もし衝突したらエンジンが脚を押し潰す代わりに下に回る設計です』と説明してくれるところの車がいい」と思うでしょう。
それが良い回答です。あなたが望むのはまさにそのようなベンダーです。望むべきベンダーは、「ああ、過去の変更性。確かに、それは非常に重要な問題です。私たちはそれに大いに注意を払っています」と言うのです。
それはシンプルな問題です。車を買う際に「安全ですか？」と尋ね、ベンダーが「安全ですか？そんなことは考えたことがありません」と答えるのは、決して良い回答ではありません。それは非常に恐ろしいほどの悪い回答であるべきです。
そして申し上げたいのは、ソフトウェアは思っているよりも簡単でシンプルだということです。単にソフトウェアに「あなたは過去に関連するものを販売しているのか、それとも未来に関連するものを販売しているのか？」と問いかけるべきです。もし過去に関連するものであれば、過去を変えずにクリーンな方法で扱っているのでしょうか？そして、未来に関連するものであれば、明確に分離され、すべてを無作為に混ぜ合わせようとしていないのでしょうか？
ですから、これらの基本的な質問をする必要があるのです。そして、この種の情報は、なぜ過去と未来のクリーンな分離が必要なのかという理由を理解するための一助となります。結局、情報として認められるものは過去からのみ生まれ、そこにあなたの知識が上乗せされ、意思決定が生成されるのです。
知識は過去を見ているのではありません。本質的に未来を見据えているものです。しかし、再度申し上げますが、非常にシンプルな方法でソフトウェアベンダーに異議を唱えるためには、不可欠な基本要素が必要なのです。
そして改めて、もし「あなたのソフトウェアは過去を変えますか？」と尋ねて、ベンダーが戸惑うのであれば、すぐに離れるべきです。これは悪い状況です。本当に非常に深刻です。これは「安全性？あなたが何を言っているのか全くわかりません」と言う自動車ベンダーと同じくらい悪いのです。つまり、これらは非常に重要なシンプルな質問であり、私が提案するのはそれらを使うことです。だからこそ、この章を読むことをお勧めするのです。これほど痛みを伴うほどシンプルな質問を投げかけられるようになれば、それが危険なほど無能なベンダーを見抜くための優れたリトマス試験となるでしょう。以上のことを申し上げています。
Conor Doherty: そうですね。別の切り口として、皆さんのご意見も伺えればと思います。たとえば、車の例を出してくださったように。
Joannes Vermorel: はい。
Conor Doherty: 私が聞いて思ったのは、たとえばセダン、普通のファミリーカーを購入する際に、「この車で坂道や山道を走れるのか？大丈夫なのか？」と尋ね、相手がやや懐疑的に「はい」と答えるのと同じだということです。
これをソフトウェアのアナロジーに当てはめるなら、あなたはERPを購入するときに「これでより良い意思決定ができるのか？」と尋ね、彼らが「はい」と答えるのです。私としては、「私は初心者なのですが、意思決定に必要な計算処理は非常に負荷がかかるものであり、単一のソフトウェアでそれを担うと記録システムの低レイテンシを妨げるはずです。どうやってその難題を緩和しているのか、詳しく説明してください」といった質問が適切だと思います。もしその質問に対して答えがなければ、私は懐疑的になるでしょう。なぜなら、計算処理に優れた要件があるほど、記録の処理にリスクが伴うからです。
Joannes Vermorel: 私は「はい」と答えるでしょうが、問題は…考えてみると、これは良い質問であり、良いテストでもあるということです。問題は、典型的なエンタープライズソフトウェアベンダーは、あなたが理解できないような回答を返してくるという点にあります。その回答は見た目にはスマートで一貫しているように思えるのです。だからこそ、私は事実に基づいた回答を求めるのが好きなのです。
Conor Doherty: しかし、それらも事実ではありませんか？
Joannes Vermorel: いいえ、それは事実とは言えません。なぜなら、彼らは嘘をつくことができるからです。私は彼らを否定するつもりはありません。問題は、機能させるための方法が存在するということです。分かりますか？記録システムと知能システムを混合させることは可能ですが、しかしそこには落とし穴があります。費用が指数関数的に増大するのです。
例えば、これが可能であることを示すシンプルな例として、Googleがそれを実現しています。彼らはウェブ全体のクリーンな記録と、リアルタイムで意思決定を行う知能システムを統合して運用しているのです。つまり、記録システムと知能システムの両方を組み合わせ、見事な回答を提供しているのです。両者を混合することは可能なのです。
しかし、可能であるとはいえ、実際には非常に多くの費用がかかります。ベンダーにとっては指数関数的にコストが増大し、また信じられないほどの才能も必要となるのです。結局のところ、記録システムと知能システムの両方に優れたものを持つことは可能でしょうか？答えは「いいえ」ではなく、膨大な資金と莫大な才能があれば「はい」と言えるのです。
そして、ベンダーが言うであろうのは、「ああ、それは私たちです」ということです。
Conor Doherty: 「それは私です。まさに私です。」
Joannes Vermorel: 「まさに私ですが、あなたが考えているほどではありません。」
Conor Doherty: その通りです。
Joannes Vermorel: その通りです。ここで私が言いたいのは、あまりにも良すぎる話は本当ではないということです。あまりにも良すぎる話は、本当ではない可能性が非常に高いのです。
そして、Googleと競争するのは非常に困難です。こういったことを同時に行うのは極めて難しく、費用も莫大なため、実際に誠実な相手と向き合っている可能性は極めて低いと言えます。再度、懐疑的になるべきだと思います。
ですから、良い質問だと思いますが、問題はベンダーが「AI、我々はとても優れている」といったように容易に嘘をつける点にあります。通常、その価格帯ではありえないはずなのに、「我々はあまりにも優れているので可能である」と主張するのです。
そして、そこでは気付かなければなりません…あなたはブラフをかけています。すみません、ただのブラフです。なぜなら、もしもあんなに素晴らしい人材がいて、偉大なことを成し遂げるのであれば、あなたはサプライチェーンソフトウェアなど扱うはずがなく、もっと儲かる事業を展開しているはずだからです。
想像してみてください。もしあなたのチームがGoogle並み、いやそれ以上に優れており、さらに信じられないようなことができるのなら、なぜGoogleに挑んで彼らを打ち負かそうとしないのでしょうか？おそらく、それは実際にそのようなチームを持っていないからに他ならないのです。
そして、もし再び「あまりにも良すぎる」という話に戻るなら、M5コンペティションの話に戻りましょう。M5コンペティション――これは予測に関するコンペティションでした。分かりますか？予測です。
私の仲間やLokadの競合他社は、彼らのウェブサイトで「最先端の予測技術。私たちが最高です」と主張しています。皆、「私たちは最高の予測を持っている」と言っています。時にはそれほど露骨ではないかもしれませんが、明示されていなくても非常に強く示唆され、まさに目の前に突き付けられているのです。
つまり、現状は100社ものエンタープライズソフトウェアベンダーが「私たちは最先端の予測モデルを持っており、可能な精度の限界に本当に、本当に挑戦している」と主張しているのです。素晴らしい。素晴らしい。では、なぜダメなのでしょうか？
さて、M5コンペティションには世界中から1000チームが参加していました。上位100名を見てみると――これはKaggleのコンペティションであり、記録はすべて公開されています。聴衆の誰でも私の言っていることを確認できるはずです。Kaggleの記録を見れば、世界規模のこのコンペティションの上位100名の中に、エンタープライズベンダーが一社も存在しなかったことがわかります。
あ、待ってください。上位100名の中にエンタープライズソフトウェアベンダーは一社だけ存在しました。それがLokadで、他は皆、存在しなかったのです。
Conor Doherty: 私の記憶が正しければ、SKUレベルで第一位でしたね。
Joannes Vermorel: はい、私たちはSKUレベルで第一位、集約レベルで第五位でした。当初は第六位でしたが、あるチームが不正を働いたため失格となり、その結果として最終的には第五位にランクされました。
分かりました。しかしご覧の通り、だからこそ「あまりにも良すぎる」という話になるのです。もし人々があんなに優れているのであれば、必ず何らかの副作用が伴うはずです。
例えば、Facebookのような企業はAIの最先端技術を押し進めています。実際にそうです。どうしてそう思うかというと、彼らは誰もが利用する多くの技術を発明しているからです。たとえば、ディープラーニングコミュニティの約3分の2が使用しているPyTorchは、かつてFacebookのラボ（現在のMeta）から生まれた製品です。
ご覧の通り、もし素晴らしいエンジニアリングが存在し、Metaに優れたエンジニアがいるならば、その副産物として、ラボから素晴らしい技術成果が生み出されるのです。再び、Googleも同様です。例えば、GoogleはTransformerを発明しました。事実、ジェネレーティブAIの革命はGoogleで始まったのです。これもまた、彼らが真に優れたエンジニアを持っている証拠です。
記録システムと知能システムの両方を実現できると主張する人々に対して、そして彼らがあんなに優秀な人材を抱えていると主張するならば、私はこう言わざるを得ません。「では、その優秀さの証拠はどこにあるのか？あなたたちが持つ驚異的な人材を何らかの形で証明する成果はあるのか？」と。
そして非常に多くの場合、答えは何もないのです。なぜなら、実際にあなたが手がけているのは記録システムの構築であり、それは退屈で面白みに欠け、技術的な挑戦もほとんどないからです。記録システムを構築するのであれば、トップレベルのエンジニアに高額な報酬を払う必要は全くありません。設計すべきものはごくシンプルなものだからです。そもそも、なぜ最初から彼らを雇う必要があるのでしょう？短く言えば、雇う必要はないのです。
Conor Doherty: 分かりました。さて、かなり長々とお話しされましたので、これ以上の質問はありません。いつもながら、私の反論に付き合っていただき、本当にありがとうございます。今日はあまり厳しくしすぎなかったことを願いますが、やはり、あなたは解雇です。
Joannes Vermorel: 解雇です。まさにその通り。
Conor Doherty: その通りです。これが…ええ、これが私の最後の抵抗です。あなたが目の前に見ているのは、まさにカスターなのです。
しかし、いつも通り、私は素晴らしい本であり、本当に、本当に良いアイデアが詰まっていると思うその核心に迫ろうとしているだけで、あなたを既に知らない人々にもより明確に伝えられるようにと、あえて突っ込みを入れているのです。というのも、明らかに私が読んでいるときには…
Joannes Vermorel: そして、私に同意する理由がない人々です。
Conor Doherty: そして、あなたに同意する理由がない人々です。全くその通りです。ですから、私は反論しているのです。あなたに頼まれた通り、悪魔の代弁者を演じています。
Joannes Vermorel: はい。
Conor Doherty: そして、視聴中の皆さん、本日の質問に感謝します。実はジョアネス、今日私があなたに投げかけた多くの質問は、実際には聴衆から寄せられたものです。また、文脈を補完する引用やフィードバックも聴衆からいただいております。
ですから、もし他にフィードバックがある場合や、ジョアネスと私との会話を続けたい場合は、LinkedInで私たちとつながるか、contact@lokad.comまでメールをお送りください。
それでは、次回の第6章でお会いしましょう。そして、さあ、仕事に戻ってください。
