Природная тупость против искусственного интеллекта
Транскрипция выступления Joannes Vermorel на SCTech 2024 9 октября (2024). Тема симпозиума: «Интеллектуальные цепочки поставок — искусственные или нет». Мероприятие было организовано Международным альянсом по образованию в области цепочек поставок (ISCEA).
ИИ стал модным словом 2024 года. Поставщики, софтверные компании и консультанты ныне делают помпезные заявления о всех преимуществах, которые можно ожидать от искусственного интеллекта. Lokad, моя компания, — один из таких поставщиков, софтверный вендор, специализирующийся на предиктивной оптимизации цепочек поставок. Однако моя цель на сегодня — показать, что почти все эти инициативы в области ИИ потерпят неудачу и приведут к чистым убыткам для компаний. Этот противоречивый взгляд важен: почему? Потому что, ну, ваша инициатива в ИИ потерпит неудачу, да, она потерпит неудачу, несмотря на то, что вам продают мои конкуренты, и когда это случится, вы вспомните, что был парень с забавным французским акцентом, который вам это сказал; и, возможно, в следующий раз вы обратите внимание на то, что его компания Lokad фактически пропагандирует в отношении цепочек поставок и ИИ.
В эту эпоху зарождающегося искусственного интеллекта давайте взглянем на его заклятого врага — природную тупость. Как известно, Эйнштейн сказал: «Две вещи бесконечны: вселенная и человеческая глупость, и насчет вселенной я еще не совсем уверен». Эйнштейн был прав: важность природной тупости невозможно переоценить, и, в отличие от ИИ, она существует практически вечно. Поэтому можно с уверенностью предположить, что она останется с нами еще на несколько десятилетий.
Мое сегодняшнее утверждение будет столь же простым, сколь и оскорбительным: природная тупость — это главная преграда, которая помешает вам добиться успеха в проекте цепочки поставок, основанном на ИИ.
Скорее всего, это утверждение будет воспринято как вопиюще высокомерное. В свою защиту я скажу, что это не умоляет его правдивости, а высокомерие — также второй по величине национальный спорт во Франции, сразу после бюрократии. Если быть серьезным, я первым признаю, что эта правда горька, и я болезненно осознаю собственные ограничения, но отрицание проблемы ничем не решит ситуацию.
Сначала давайте проясним важное различие между двумя классами корпоративного программного обеспечения: системами учета и системами интеллекта. Когда речь идет о цепочке поставок, системы учета — это бухгалтеры потока физических товаров. Эти системы фиксируют продукты, заказы на закупку, производственные заказы, заказы на продажу, уровни запасов и т.д. Системы учета занимаются всей рутинной обработкой данных и автоматизируют все канцелярские задачи, такие как подсчет запасов. Они не что иное, как более дешевые, более надежные версии старых бумажных носителей. ERP, CRM, PIM, PLM, WMS … все эти максимально непрозрачные аббревиатуры относятся к системам учета. Системы учета категорически не являются интеллектуальными. Они и не глупы: к ним вообще не применимо понятие интеллекта. Таким образом, системы учета будут полностью исключены из настоящего обсуждения.
Сегодня я сосредоточусь исключительно на системах интеллекта. Система интеллекта — это класс корпоративного программного обеспечения, предназначенный для механизации процесса принятия решений. Чем умнее программное обеспечение, тем лучше принимаются решения. Например, антиспам-фильтры — это незаметные, но повсеместные системы интеллекта, которые на протяжении последних двух десятилетий решают за вас, какие сообщения заслуживают вашего внимания.
В сфере цепочек поставок ключевые решения таковы: Когда покупать? Сколько покупать? Сколько производить? Сколько распределять? И т.д. Оптимизация потока физических товаров требует принятия примерно десятка основных категорий решений ежедневно. Интеллект проявляется в способности генерировать прибыльные решения. Наоборот, тупость демонстрируется неспособностью вырабатывать прибыльные решения. Таким образом, всякий раз, когда упоминается искусственный интеллект, его следует понимать как компонент системы интеллекта.
Мое утверждение заключается в том, что системы интеллекта, предназначенные для цепочек поставок и продаваемые предприятиям с конца 1970-х годов, представляют собой непрерывный поток плачевных неудач. Компания Lokad, моя компания, положила конец этому потоку неудач в начале 2010-х. По всему миру существует еще несколько подобных исключений, однако Lokad, как и эти исключения, выходит за рамки данного доклада. Я приглашаю аудиторию посетить сайт Lokad.com и YouTube-канал Lokad TV, если вы хотите узнать больше. Возвращаясь к основной теме, тот факт, что искусственный интеллект, представленный в виде больших языковых моделей (LLMs), теперь доступен, никак не изменит тенденцию неудач в цепочках поставок. Действительно, как мы увидим, эти неудачи не были вызваны недостатком технологических инструментов, и, таким образом, добавление большего числа инструментов не изменит ситуацию, если не решить основную проблему. К сожалению, это не простая задача, поскольку основной проблемой является природная тупость.
Сначала позвольте мне продемонстрировать обоснованность моего диагноза. Еще в 1979 году Рассел Аков, американский пионер операционных исследований, опубликовал работу «The Future of Operational Research is Past». Эта увлекательная статья с большой ясностью объясняет, почему все методы, возникшие из операционных исследований, которые фактически представляют собой «ядро» современных цепочек поставок, терпят неудачу, почему вся область является ошибочной и почему она будет продолжать терпеть неудачу до тех пор, пока сообщество — как академики, так и практики — не примет эту ошибочную парадигму. Это пророческая работа, и, наверное, единственная статья, которую я хотел бы прочитать, когда начинал Lokad в 2008 году. К сожалению, я вновь открыл эту статью лишь через десятилетие, когда, по сути, пришел к тем же выводам, почти через 4 десятилетия после работ Рассела Акова. Откуда мы знаем, что эти системы интеллекта для цепочек поставок терпят неудачу? Что то, что называют корпоративным программным обеспечением для оптимизации цепочек поставок, терпит неудачу? Ну, после возможности в моей карьере поговорить с более чем двумястами директорами по цепочкам поставок по обе стороны Атлантики, я могу заявить следующее: все эти продукты корпоративного ПО неизменно приводили к тому, что команды по цепочкам поставок возвращались к табличным программам Excel.
Нет недостатка корпоративного программного обеспечения, обещающего автоматизировать процессы принятия решений в цепочках поставок. Это было центральное обещание всех поставщиков ПО для оптимизации цепочек поставок с конца 1970-х годов, и все же после каждого внедрения команды по цепочкам поставок возвращались к электронным таблицам. Вам не нужно верить мне на слово. Если вы работаете в крупной компании с оборотом, скажем, полмиллиарда евро и выше, я могу гарантировать, что каждые десять лет с 1990-х годов происходила как минимум одна неудачная попытка внедрения такого решения. Тем не менее, дорогие специалисты по цепочкам поставок, вы все еще используете электронные таблицы, и это не потому, что ваша компания незрелая или потому, что ваши коллеги ленивы. Вы все еще используете таблицы, потому что эти поставщики корпоративного ПО потерпели неудачу, потому что их системы интеллекта потерпели крах. Мое утверждение — и я сегодня не собираюсь завести много друзей — заключается в том, что эти неудачи следует объяснять природной тупостью, фактически той самой глупостью, которую Рассел Аков так ясно обозначил еще в 1979 году после десятилетий работы в области операционных исследований.
Чтобы доказать это утверждение, я рассмотрю 4 объекта, которые в контексте цепочек поставок доказуемо являются глупыми. Эти 4 объекта: RFP (запрос предложений), временные ряды, резервные запасы, и уровни сервиса. Любая компания, использующая какой-либо из этих 4 объектов, закладывает свой провал. Неважно, сколько «ИИ» к этому прибавят. Природную тупость не победить искусственным интеллектом.
Начнем с запросов предложений. Выбор правильного поставщика, безусловно, имеет решающее значение, ведь, очевидно, нет недостатка в совершенно некомпетентных поставщиках ПО, которые с радостью соберут миллионы евро в виде гонораров за плачевные технологии. Таким образом, если в вашей компании нет очень надежного процесса выбора поставщиков, вы почти наверняка закончите с некомпетентным поставщиком. Однако запросы предложений — не выход.
Как поставщик программного обеспечения, получающий запросы предложений — мы получаем несколько таких запросов в неделю — я могу засвидетельствовать, что эти документы не только неизменно глупы, но и прямо-таки безумны. Как правило, запрос предложений содержит сотни вопросов. Каждый вопрос, кажется, соревнуется за звание самого неуместного вопроса всех времен. Например, на прошлой неделе один из вопросов был: каковы возможности огнезащиты для склада, предназначенного для вашего архива факсов? Сейчас 2024 год; я не использую факс уже два десятилетия. Более того, некоторые из молодых людей в этой аудитории, возможно, даже не знают, что такое факс.
Однако даже вопросы, касающиеся цепочек поставок, являются глупыми. Почему? Потому что почти все вопросы вовсе не вопросы, а строгие требования. Большинство «вопросов» звучат так: может ли ваше программное обеспечение позволять пользователям обновлять профили сезонности на 36 месяцев вперед? С этим вопросом столько ошибок, что я даже не знаю, с чего начать.
Представьте себе, что вы пишете запрос предложений на покупку смартфона. Вы интуитивно чувствуете, что iPhone — лучший смартфон на рынке. Однако вы начинаете перечислять требования в своем запросе, такие как размер батареи, материал для экрана, точные настройки, которые должны или не должны быть доступны конечному пользователю. Каковы шансы, что ваш список требований в итоге исключит iPhone из предложения? При условии, что вопросов будет 100 или более, вероятность равна 100%. Вы неизбежно исключите всех достойных поставщиков. Единственные поставщики, которые будут играть в эту глупую игру, — те, кто настолько отчаян, что их технологии настолько отстали, что у них нет иного выбора, кроме как говорить ДА каждому ошибочному требованию, выдвинутому клиентом.
Таким образом, запросы предложений — это первый элемент природной тупости, который необходимо устранить.
Затем у нас есть временные ряды. О, я не отрицаю, что временные ряды хороши для визуализации, но для оптимизации цепочек поставок это глупо. В результате любое решение, платформа или технология, которые ставят временные ряды в центр внимания, обречены на провал; кроме того, этот провал ляжет на вас, потому что вы должны были понять, что использование временных рядов — это глупая идея с самого начала.
Действительно, временные ряды, как математическая модель, просто не способны передать ту информацию, которая нам нужна. Временные ряды являются одномерными, и для цепочек поставок этого просто недостаточно. Например, рассмотрим компанию, которая на протяжении многих лет продает около 100 единиц в неделю. Спрос кажется чрезвычайно стабильным. Теперь рассмотрим два варианта этой ситуации. В первом случае у компании 1000 клиентов, где каждый клиент покупает 1 единицу каждые 10 недель. Во втором случае у компании один уникальный клиент, который покупает 100 единиц в неделю. Каковы шансы, что продажи могут упасть до нуля на следующей неделе и остаться на нуле навсегда? Что ж, в первом случае эти шансы очень низки. В конце концов, клиентов 1000. Потерять всех из них, скорее всего, потребуется время. Однако во втором случае достаточно того, чтобы один клиент передумал, и продажи упали на 100%. Эти две ситуации совершенно не похожи, и все же у них одинаковые временные ряды.
Этот пример демонстрирует, почему временные ряды не могут адекватно представлять прошлое. Можно найти десятки других примеров. Оставлю это в качестве упражнения для аудитории.
Однако временные ряды не справляются лучше, если мы рассматриваем будущее. Ваши временные ряды утверждают: «вот что произойдет», «вот одно будущее». Однако будущее зависит от решений, которые еще не приняты. Временные ряды совершенно не учитывают этого, они трактуют будущее как полностью симметричное прошлому. Но цепочки поставок — это не физика. Мы не можем рассматривать будущий спрос на продукт так, как если бы это было движение планеты Марс. Будущее радикально отличается от прошлого, потому что мы можем изменить будущее.
Тем не менее, мы можем изменить будущее только если будем готовы его изменить, то есть если перестанем использовать временные ряды. Снова напомню, что в цепочках поставок никакое количество искусственного интеллекта не сможет устранить природную тупость, связанную с временными рядами.
Теперь обратим внимание на резервные запасы. Это один из столпов современной теории цепочек поставок. Едва ли найдется учебник по количественной теории цепочек поставок, который не охватывал бы резервные запасы. Резервные запасы также являются одной из базовых функций, которые должно содержать любое, якобы достойное, программное обеспечение для оптимизации цепочек поставок. Однако мое утверждение — и это не должно вызывать слишком большого удивления на данном этапе — заключается в том, что резервные запасы являются глупыми.
Причина чрезвычайно проста: формулы резервных запасов являются правильным ответом на неправильный вопрос. Рассмотрим цепочку поставок, в которой неизменно участвуют тысячи артикулов (SKU). Если у вас есть 1 евро для инвестиций в запасы, то вопрос заключается в следующем: «какая единица запасов среди всех артикулов максимизирует мою прибыль?» Неправильно формулировать вопрос как «Должен ли этот конкретный артикул получить 1 дополнительную единицу на складе?». Все артикулы конкурируют за один и тот же ограниченный ресурс: денежные средства компании. Рассматривать все артикулы по отдельности — это как предполагать, что сумма денег, доступная компании, является бесконечной.
Более того, само определение экономики — это наука, изучающая распределение ограниченных ресурсов, имеющих альтернативные применения. Сам концепт страховых запасов противоречит элементарной экономике, фактически, он противоречит самому определению экономики.
Таким образом, учитывая масштаб ошибки, которую представляют страховые запасы, совершенно неадекватно охарактеризовать эту ошибку как заблуждение; теперь у нас есть гораздо лучшее выражение для этой категории ошибок: тупость.
Наконец, давайте рассмотрим уровни сервиса. Если бы я зарабатывал 1€ каждый раз, когда компания использует уровень сервиса для того, чтобы нанести себе экономический ущерб, я бы уже стал миллиардером. В цепочке поставок уровень сервиса — это вероятность того, что конкретный SKU не столкнется с отсутствием товара в следующем цикле инвентаризации. Как элемент описательной статистики, уровни сервиса вполне приемлемы — они не умны и не глупы, как любой другой простой статистический показатель.
Глупость проявляется только тогда, когда люди начинают предполагать, что уровень сервиса — этот процент — каким-либо образом коррелирует с удовлетворённостью клиентов или прибыльностью компании. Это не так. Рассмотрим моду: чтобы освободить место для новой коллекции, компании необходимо распродать предыдущую коллекцию. Сведение уровней сервиса к нулю необходимо, чтобы внести новизну и сохранить удовлетворённость клиентов.
Напротив, давайте рассмотрим авиацию. Типичный реактивный авиалайнер состоит примерно из 300 000 различных деталей. Десятки тысяч деталей необходимо регулярно проверять и заменять. Если оказывается, что одна деталь NO-GO недоступна, самолёт остаётся на земле, что приводит к экономическому ущербу в сотни тысяч евро в день. Наличие 99% уровня сервиса для всех ваших SKU ничего не значит: имеет значение только вероятность того, что самолёт не останется на земле. Именно слабое звено определяет количество инцидентов AOG (самолёт на земле), с которыми вы столкнётесь. Средний уровень сервиса совершенно не имеет значения.
Аналогичные проблемы существуют в каждом секторе, не только в моде и авиации. Снова оставляю это как упражнение для этой аудитории. Элементарная логика гласит, что только дураки будут гнаться за уровнями сервиса, и тем не менее, мы здесь, когда большинство компаний делают именно это, а их менеджеры задаются вопросом, стоит ли им инвестировать в технологии оптимизации уровня сервиса на базе искусственного интеллекта.
В заключение, искусственный интеллект не спасёт вас от фиктивных теорий цепочки поставок. Он не избавит вас от консультантов, чья единственная компетенция — умение устраивать шоу и способность внушать уверенность. Он не избавит вас от поставщиков программного обеспечения, которые более чем охотно продадут вам любую безумность, оказавшуюся сегодня в моде.
Чтобы добиться успеха с искусственным интеллектом, сначала необходимо победить естественную глупость. В глобальном плане моя компания, Lokad, не достигнет успеха; но если мы сможем внести хоть какую-то лепту в решение проблемы, указывая на наиболее популярные глупые идеи в цепочке поставок, как я сделал сегодня, то это уже шаг к победе.
