Иметь цепи поставок на автопилоте благодаря прогнозирующим технологиям и достижение производительности выше человеческой на масштабе остается далекой целью почти для всех компаний, кроме обычных подозреваемых (например, Amazon). Это положение вещей еще более удивительно, учитывая огромное количество поставщиков программного обеспечения, которые обещают радикальное сокращение запасов и дефицит товара - среди прочего. Долгое время шутка в Lokad была в том, что единственный способ, которым Lokad могла бы конкурировать с заявлениями наших конкурентов, было бы начать говорить, что мы тоже лечим рак.

Факторы успеха в прогнозирующих цепях поставок

Однако мои поверхностные наблюдения среди предыдущих опытов1 базы клиентов Lokad указывают на то, что подавляющее большинство инициатив по прогнозирующим цепям поставок терпят неудачу. Под неудачей я конкретно подразумеваю, что эти решения даже не удается набрать 10 из 12 баллов в нашем 5-минутном тесте производительности цепи поставок. Более строгим критерием успеха было бы продолжительное улучшение общей финансовой производительности цепи поставок, но на данный момент наш скромный 5-минутный тест достаточен, чтобы установить разумную верхнюю границу для уровня успеха.

Трудно оценить фактический уровень успеха, так как успешных случаев настолько мало, что я считаю общий рыночный уровень успеха2 менее одного из десяти. Однако, как и в лотерее, победитель (единственный) становится новостью, в то время как проигравшие (толпы) игнорируются. Проблема усугубляется тем, что и клиент, и поставщик сильно стимулируются рекламировать себя как успешных, независимо от фактического результата проекта. Для поставщика успех, очевидно, является отличным материалом для PR. Для сотрудников клиента3 успех означает лучшие перспективы работы4. Хуже того, позволить остальной части компании понять, что многомиллионные инвестиции были потрачены зря, слишком часто является рецептом для увольнения или отклонения от карьеры. К счастью, количественная оценка производительности цепи поставок является чрезвычайно сложной задачей - в основном из-за сетевых эффектов. Таким образом, действительно требуется эпическая5 ошибка, чтобы не иметь возможности замести следы просто немного подкрутив цифры.

Первым заметным исключением являются “AI” решения6 - в оптимизации цепей поставок - которые достигают впечатляющего уровня успеха в нулевом проценте на основе моих обширных наблюдений7. Патрик Кузо, один из моих бывших преподавателей по компьютерным наукам, сказал мне еще в 2002 году, что в компьютерных науках “решение” называется “AI” только до тех пор, пока мы не имеем ни малейшего представления о том, как его заставить работать. Как только находится практический путь к его работе, решение получает другое название: выпуклая оптимизация, статический анализ, обучение с подкреплением и т. д. Четыре года спустя, Мехряр Мори, мой научный руководитель того времени, повторил мне то же самое. Два десятилетия спустя эти идеи оказались предсказательными8, и действительно, у этих поставщиков искусственного интеллекта не кажется быть ни малейшего понятия о том, как сделать их “AI” доставлять что-либо, что можно было бы квалифицировать как производственного уровня с точки зрения цепей поставок.

Если бы это не было таким расточительством ресурсов, ситуация была бы воспринята как комичная. Давайте возьмем недавний международный конкурс прогнозирования спроса Walmart: из двух десятков “заметных” поставщиков цепей поставок, перечисленных, скажем, Gartner, ни один из них не попадает в Топ-100 из более чем 900 команд. Разрыв между тем, что объективно работает, и тем, что рынок покупает или продвигает, поразителен. Тем не менее, свободные рынки - невероятные фильтры: со временем то, что работает недостаточно хорошо, устраняется. Это происходит не потому, что люди приходят в себя и меняют свое мнение, а просто потому, что компании, застрявшие с неэффективными методами, постепенно исчезают и заменяются своими конкурентами - творческим разрушением, как определил Шумпетер.

Вторым заметным исключением является Lokad9. За последние два года наш показатель успеха был последовательно выше трех из четырех. Риски все еще существуют, но теперь мы на порядок менее рискованные, чем наши конкуренты. Исторически это не всегда было так. Согласно тем же критериям успеха, перечисленным выше, в течение первых трех лет, с 2008 по 2011 год, мы достигли ровно нулевых успехов. Нам понадобилось почти десятилетие упорного труда, чтобы заработать каждый дополнительный процент успеха, благодаря десяткам постепенных улучшений. Было бы утомительно попытаться перечислить все это, но давайте рассмотрим отобранный список заметных открытий.

  • Мы поощряем клиентов расторгать договор, если они не удовлетворены. С 2008 года Lokad продвигает месячные подписки, в то время как наши конкуренты все еще настаивают на годовых или многолетних обязательствах. Это не случайно. Когда клиент уходит, это является ясным сигналом, что что-то не работает. Обычно это сводится к неисправности технологии или недостатку компетентности (или и тому, и другому). Нет смысла приукрашивать это. Это трудно, но мы можем учиться на ошибках. В отличие от этого, обычно нет ничего, что можно было бы извлечь из выдуманных вежливых проблем, возникших год спустя после событий, чтобы история выглядела лучше, чем она была на самом деле10.
  • Правильная технология прогнозирования важнее просто точной. Нам потребовалось много лет, чтобы понять, что классические голые прогнозы на самом деле вредны. Мы решили эту проблему с помощью вероятностных прогнозов и специализированных алгебр для присвоения финансовых оценок решениям.

  • Правильная платформа для обработки данных важнее сырых возможностей. Данные по цепям поставок сложны, неоднородны и плохо понимаются. Есть множество достаточно обыденных проблем, которые нужно решить, чтобы избежать проблем “мусор внутри, мусор снаружи”. Упрощение документирования данных на месте - хороший старт, а избегание глупых опечаток с помощью автозаполнения быстро становится необходимостью.

  • Возможность достичь правильности через дизайн - это не вариант для цепей поставок. Ошибки в закупках или производстве чрезвычайно дорогостоящи. Уже достаточно сложно управлять цепью поставок в высокохаотичном мире, и предсказательная технология не должна ухудшать ситуацию, добавляя свой собственный уровень энтропии.

  • Приближенная правильность лучше, чем абсолютная неправильность. Сложные проблемы, такие как изменчивость времени выполнения заказа, изменение цен конкурентов, каннибализация в ассортименте, самопророческие эффекты и т.д., следует принимать на вооружение, а не отвергать. Более того, легко сорвать инициативу, сосредотачиваясь на неправильных проблемах, таких как учет погоды, потому что это круто, в то время как отказываясь от хвостовых рисков, потому что планирование на худшее требует силы воли и стойкости.

Большинство элементов, которые сыграли решающую роль в повышении успешности наших инициатив по предсказательным цепям поставок, оказались базовыми - фундаментальными даже - концепциями, такими как пересмотр самой идеи о том, что должен представлять собой прогноз, и переосмысление нашей технологии и процессов с нуля, основываясь на новом понимании столько раз, сколько необходимо. Мы будем продолжать делать это и в будущем. Наше обязательство - в решении проблемы, а не в конкретном решении настоящего дня.


  1. Компании, связывающиеся с Lokad, которые имеют оборот более полумиллиарда евро или долларов США, обычно имеют ряд предыдущих неудачных попыток оптимизации прогнозирующих цепей поставок, распределенных за последние два (иногда три) десятилетия. Однако эти неудачи не всегда идентифицируются как таковые, потому что предыдущие итерации были разнообразными пакетами - наподобие настройки или обновления ERP - и непрогнозирующие элементы работают нормально. ↩︎

  2. Это наблюдение исключает сторону управления проблемами цепей поставок, которая обычно имеет довольно высокий уровень успешных реализаций, таких как OMS (система управления заказами), WMS (система управления складом), PMS (система управления закупками) и т. д. Эти решения поддерживают рабочие процессы и автоматизируют большинство рутинных административных задач, генерируемых самими рабочими процессами. Абсолютное отсутствие любого рода интеллекта в этих системах, кроме самых механических, позволяет им достигать более высоких уровней успеха. ↩︎

  3. В вопросах программного обеспечения интересы сотрудников и интересы компании часто противоречат друг другу по своей природе. Для сотрудников существует сильное скрытое стимулирующее воздействие делать вещи, которые улучшают их резюме, такие как получение опыта работы с модными технологиями дня или последними “гиповыми” методологиями. Поскольку рынок труда значительно недооценивает “скучные” и “бездраматические” работы в области программного обеспечения, люди сильно склоняются к “захватывающим” и “высокодраматическим” вещам, в ущерб производительности компании. ↩︎

  4. Основываясь на собеседованиях на работу, которые я регулярно провожу в Lokad, ясно, что большинство людей считают, что видимый успех является важным. Кандидаты, готовые признать настоящие неудачи в своем прошлом опыте работы, встречаются редко. Однако только люди, готовые принимать меры, когда-то совершают ошибки, и только люди, способные к самоанализу, могут определить свои ошибки и улучшаться со временем. В результате, с моей точки зрения, эти кандидаты являются наиболее желательными. ↩︎

  5. Например, Lidl попал в заголовки газет, признав в 2018 году, что потратил 500 млн евро на провал обновления SAP, которое изначально предполагало достижение ряда оптимизаций запасов. ↩︎

  6. Я определяю решение цепи поставок класса “AI”, если оно маркетингово позиционируется таким образом его поставщиком. Естественно, на основании этого определения, конкретика технологии искусственного интеллекта сильно варьируется от одного поставщика к другому. ↩︎

  7. Отсутствие доказательств не следует путать с доказательством отсутствия. Я просто указываю на то, что эти успехи искусственного интеллекта в оптимизации цепей поставок, если они есть, являются чрезвычайно редкими, а не невозможными. ↩︎

  8. По мере того, как все больше людей узнают об этой проблеме с искусственным интеллектом, поставщики начали переключаться на альтернативные модные слова, которые, по сути, полностью эквивалентны искусственному интеллекту в своей пустоте, но менее очевидны для обывателя. На данный момент, предсказание спроса кажется одним из таких модных слов. ↩︎

  9. Будучи генеральным директором и основателем Lokad, мое мнение можно отбросить как полностью предвзятое. Однако, я бы привел свою личную биографию. Еще в 2008 году, задолго до бума, я бросил свою диссертацию по машинному обучению, чтобы основать Lokad. В 2010 году мы были среди первых переходить в облако. В 2011 году я определился и инвестировал в Bitcoin. В 2012 году мы стали первым поставщиком, предоставляющим квантильные прогнозы. И так далее. Я склонен думать, что удача не может объяснить все этот успех. ↩︎

  10. Через год после событий люди вежливо приписывают неудачу “стратегическому повороту”, который, к сожалению, был несовместим с успехом данной инициативы. Или они винят проблемы с “плохими данными”, вызванными “устаревшей системой”. Или они винят проблемы с приемом, которые не позволили решению набрать обороты и т.д. ↩︎