Естественная глупость против искусственного интеллекта
Транскрипт выступления Жоанна Вермореля на SCTech 2024 9 октября (2024). Тема симпозиума: ‘Интеллект поставочной цепи - искусственный или нет’. Мероприятие было организовано Международным альянсом образования в сфере поставочной цепи (ISCEA).

Искусственный интеллект (ИИ) стал модным словом в 2024 году. Продавцы, компании-разработчики программного обеспечения и консультанты теперь делают грандиозные заявления о всех преимуществах, которые можно ожидать от искусственного интеллекта. Моя компания, Lokad, является одним из таких продавцов, поставщиком программного обеспечения, специализирующимся на предиктивной оптимизации поставочной цепи. Однако моя цель сегодня будет в том, чтобы показать, что практически все эти инициативы по внедрению ИИ потерпят неудачу и приведут к чистым убыткам для компаний. Этот контраргумент является важным: почему? Потому что, хорошо, ваша инициатива по внедрению ИИ потерпит неудачу, да, она потерпит неудачу, несмотря на то, что мои конкуренты вам продают, и когда это произойдет, вы вспомните, что был парень с забавным французским акцентом, который вам об этом сказал; и, возможно, в следующий раз вы обратите внимание на то, что его компания, Lokad, на самом деле рекомендует в отношении поставочной цепи и ИИ.
В эту эпоху всплывающего искусственного интеллекта давайте взглянем на его врага, естественную глупость. Эйнштейн знаменито сказал: “Два вещи бесконечны: Вселенная и человеческая глупость, и я еще не до конца уверен во Вселенной”. Эйнштейн был прав: важность естественной глупости нельзя недооценивать, и, в отличие от ИИ, она существует практически всегда. Таким образом, можно с уверенностью предположить, что она будет с нами еще несколько десятилетий.
Мое предложение сегодня будет столь же простым, сколь и оскорбительным: естественная глупость - это главное препятствие, которое помешает вам добиться успеха в вашем проекте поставочной цепи, основанном на ИИ.
Теперь это предложение, скорее всего, будет воспринято как бесстыдно высокомерное. В свою защиту скажу, что это не делает его менее верным, и что высокомерие также является вторым по величине национальным видом спорта во Франции, сразу после бюрократии. Более серьезно, я буду первым, кто признает, что это горькая пилюля, осознавая свои собственные ограничения, но отрицание проблемы ничего не решит.
Давайте сначала проясним важное различие между двумя классами корпоративного программного обеспечения: системами записей и системами интеллекта. Когда речь идет о поставочной цепи, системы записей являются бухгалтерами потока физических товаров. Эти системы записывают продукты, заказы на закупку, заказы на производство, заказы на продажу, уровни запасов, и т.д. Системы записей заботятся о всех мелких записях данных и автоматизируют все клерикальные задачи, такие как подсчет инвентаря. Они не являются ни умными, ни глупыми: интеллект даже не применим к ним. Таким образом, системы записей полностью исключаются из настоящего обсуждения.
Сегодня я сосредоточусь исключительно на системах искусственного интеллекта. Система искусственного интеллекта - это класс предприятий программного обеспечения, предназначенных для механизации процесса принятия решений. Чем умнее программное обеспечение, тем лучше решения. Например, антиспам-фильтры являются ненавязчивыми, но повсеместными системами искусственного интеллекта, которые уже два десятилетия решают за вас, какие сообщения стоят вашего внимания.
В цепи поставок интересны следующие решения: Когда покупать? Сколько покупать? Сколько производить? Сколько выделять? И т.д. Оптимизация потока физических товаров требует принятия около десятка основных классов решений ежедневно. Интеллект проявляется в генерации прибыльных решений. Соответственно, глупость проявляется в неспособности генерировать прибыльные решения. Таким образом, каждый раз, когда упоминается искусственный интеллект, его следует понимать как компонент системы искусственного интеллекта.
Мое предложение состоит в том, что системы искусственного интеллекта, посвященные цепи поставок, которые продавались предприятиям с конца 1970-х годов, были непрерывным потоком неудач. Lokad, моя компания, положила конец этому непрерывному потоку неудач в начале 2010-х годов. Во всем мире есть еще несколько подобных исключений, однако Lokad, подобно этим исключениям, выходят за рамки этой речи. Я приглашаю аудиторию заглянуть на веб-сайт Lokad.com и на YouTube-канал Lokad TV, если вы хотите узнать больше. Вернемся к теме, тот факт, что искусственный интеллект, представленный в виде больших языковых моделей (LLM), доступен, не изменит эту тенденцию к неудачам в цепи поставок. Действительно, как мы увидим, эти неудачи не были вызваны недостатком технологических инструментов, и поэтому добавление большего количества инструментов не изменит ничего, если мы сначала не решим основную проблему. К сожалению, это не простая задача, так как основная проблема заключается в естественной глупости.
Сначала позвольте мне продемонстрировать правильность моей диагностики. В 1979 году Расселл Аккофф, американский пионер операционного исследования, опубликовал статью “Будущее операционного исследования - это прошлое”. В этой увлекательной статье с большой ясностью объясняется, почему все техники, возникшие из операционного исследования, которое включает практически все, что сейчас считается “ядром” цепи поставок, терпят неудачу, почему весь этот домен недостаточен и почему он будет продолжать терпеть неудачу до тех пор, пока сообщество, как ученые, так и практики, не придет к соглашению с этой недостаточной парадигмой. Это видение будущего, и, вероятно, это та статья, которую я хотел бы прочитать, когда начал работать в Lokad в 2008 году. К сожалению, я обнаружил эту статью только десять лет спустя, когда я в основном пришел к тем же выводам, почти через 4 десятилетия после работы Расселла Аккоффа. Как мы знаем, что эти системы искусственного интеллекта для цепей поставок терпят неудачу? Что то, что считается программным обеспечением предприятия, посвященным оптимизации цепи поставок, терпит неудачу? Что после каждого развертывания команды цепи поставок возвращаются к электронным таблицам Excel.
Не существует нехватки предприятийского программного обеспечения, обещающего автоматизировать процессы принятия решений в цепи поставок. Это было единственное центральное обещание всех поставщиков программного обеспечения, занимающихся оптимизацией цепи поставок с конца 1970-х годов, и тем не менее после каждого развертывания команды цепи поставок возвращались к электронным таблицам. Вам не нужно верить мне на слово. Если вы работаете в крупной компании, скажем, с оборотом свыше полумиллиарда евро, я гарантирую, что каждое десятилетие существовала хотя бы 1 неудачная попытка внедрения такого решения с 1990-х годов. Однако, дорогие практики цепи поставок, вы все еще используете электронные таблицы, и это не потому, что ваша компания незрела или ваши коллеги ленивы. Вы все еще используете электронные таблицы, потому что эти поставщики предприятийского программного обеспечения потерпели неудачу, потому что их системы искусственного интеллекта потерпели неудачу. Мое предложение - и сегодня я не завоюю много друзей - заключается в том, что эти неудачи следует приписывать естественной глупости, фактически тому же виду глупости, который Расселл Аккофф с такой ясностью определил еще в 1979 году после десятилетий вклада в область операционного исследования.
Для демонстрации этого предложения я рассмотрю 4 объекта, которые в контексте цепочки поставок являются доказуемо глупыми. Этими 4 объектами являются: RFP (запросы на предложения), временные ряды, резервные запасы, и уровни обслуживания. Любая компания, использующая любой из этих 4 объектов, обречена на неудачу. Не имеет значения, сколько “ИИ” будет использовано в этом случае. Естественную глупость нельзя победить искусственным интеллектом.
Давайте начнем с запросов на предложения. Выбор правильного поставщика, очевидно, критичен, так как явно не хватает компетентных поставщиков программного обеспечения, которые с радостью собирают миллионы евро за плачевные технологии. Таким образом, если у вашей компании нет очень надежного процесса выбора поставщика, вы почти наверняка окажетесь с некомпетентным поставщиком. Однако, RFP - не лучший способ.
Как поставщик программного обеспечения, получающий несколько RFP в неделю, я могу заявить, что эти документы не только неизменно глупы, но и абсолютно безумны. Как правило, RFP включает сотни вопросов. Каждый вопрос кажется конкурирующим за звание самого несвязанного вопроса всех времен. Например, на прошлой неделе одним из вопросов было: какие возможности огнезащиты доступны для комнаты хранения вашего факсового архива? Мы живем в 2024 году; я не пользовался факсом уже два десятилетия. Фактически, некоторые из молодых людей в этой аудитории, возможно, даже не знают, что такое факс.
Однако даже вопросы о цепочке поставок глупы. Почему? Потому что практически все вопросы на самом деле не являются вопросами, а строгими требованиями. Большинство “вопросов” выглядят так: Может ли ваше программное обеспечение позволить пользователям обновлять сезонные профили на 36 месяцев вперед? В этом вопросе так много ошибок, что я даже не знаю, с чего начать.
Давайте отойдем назад и представим, что вы пишете RFP для покупки смартфона. Вы интуитивно понимаете, что iPhone - лучший смартфон на рынке. Однако вы начинаете перечислять требования в своем RFP, такие как размер батареи, материал для экрана, точные настройки, которые должны быть доступны или не должны быть доступны конечному пользователю. Каковы шансы того, что ваш список требований исключит iPhone из RFP? При условии 100 вопросов или более, шансы составляют 100%. Вы обязательно исключите всех приличных поставщиков. Единственные поставщики, которые будут играть в эту глупую игру, - это те, которые настолько отчаяны, потому что их технология настолько недостаточна, что у них нет выбора, кроме как соглашаться на каждое ошибочное требование, предложенное клиентом.
Таким образом, RFP - это первый пример естественной глупости, который должен исчезнуть.
Затем у нас есть временные ряды. О, я не отрицаю, что временные ряды хороши для визуализации, но для целей оптимизации цепочки поставок это глупо. В результате любое решение, фреймворк или технология, которые ставят временные ряды на первый план, обречены на неудачу; за исключением того, что эта неудача будет на вас, потому что вы должны были понять, что использование временных рядов было глупой идеей с самого начала.
Действительно, временные ряды, как математическая модель, просто не могут передать информацию, которую нам нужно. Временные ряды являются одномерными, и для цепочки поставок это просто недостаточно. Например, рассмотрим компанию, которая уже несколько лет продает примерно 100 единиц каждую неделю. Спрос кажется крайне стабильным. Теперь рассмотрим два варианта этой ситуации. В первой ситуации у компании 1000 клиентов, каждый из которых покупает 1 единицу каждые 10 недель. Во второй ситуации у компании есть 1 уникальный клиент, который покупает 100 единиц в неделю. Каковы шансы того, что продажи могут упасть до нуля на следующей неделе и оставаться нулевыми навсегда? Что касается первой ситуации, то эти шансы очень низкие. Ведь есть 1000 клиентов. Потерять всех из них, скорее всего, потребуется время. Однако во второй ситуации достаточно, чтобы один клиент передумал, чтобы потерять 100% продаж. Эти две ситуации совершенно разные, но у них есть одинаковые временные ряды.
Этот пример демонстрирует, почему временные ряды не могут адекватно представлять прошлое. Десятки других примеров можно найти. Я оставляю это упражнение для аудитории.
Однако временные ряды не справляются лучше, если мы смотрим в будущее. Ваш временной ряд говорит: “вот что произойдет”, “вот одно будущее”. Однако будущее зависит от решений, которые еще не были приняты. Временные ряды полностью не замечают этого, они рассматривают будущее как полностью симметричное прошлому. Однако цепочки поставок не являются физикой. Мы не можем смотреть на будущий спрос на продукт, как на движение планеты Марс. Будущее радикально отличается от прошлого, потому что мы можем изменить будущее.
Однако мы можем изменить будущее только если готовы это сделать, то есть если мы готовы перестать использовать временные ряды. Опять же, в цепочке поставок ни одна искусственная интеллектуальная система не может отменить естественную глупость, связанную с временными рядами.
Теперь обратим внимание на запасы безопасности. Это один из основных принципов современной теории цепочки поставок. Едва ли можно найти учебник по цепочке поставок количественного характера, который бы не рассматривал запасы безопасности. Запасы безопасности также являются базовыми функциями, которые ожидаются от любого приличного программного обеспечения для оптимизации цепочки поставок. Однако мое предложение заключается в том, что запасы безопасности глупы.
Причина крайне проста: формулы запасов безопасности - это правильный ответ на неправильный вопрос. Рассмотрим цепочку поставок, которая неизменно включает тысячи SKU (единиц хранения запасов). Если у вас есть 1 евро для инвестиций в запасы, то вопрос звучит так: “какая единица запасов по всем SKU максимизирует мою прибыль?” Нет смысла формулировать вопрос так: “Должен ли этот конкретный SKU получить 1 дополнительную единицу на складе?”. Все SKU конкурируют за один и тот же ограниченный ресурс: деньги компании. Рассматривать все SKU в отдельности - это как предположить, что количество денег, доступных компании, бесконечно.
Более того, само определение экономики - это наука, изучающая распределение ограниченных ресурсов, которые имеют альтернативное использование. Сам концепт запасов безопасности противоречит элементарной экономике, на самом деле, он противоречит самому определению экономики.
Таким образом, учитывая масштаб ошибки, которую представляют запасы безопасности, совершенно недостаточно назвать эту ошибку заблуждением, теперь у нас есть гораздо лучшее выражение для этого класса ошибок: глупость.
Наконец, рассмотрим уровни обслуживания. Если бы я мог получить 1 евро каждый раз, когда компания использовала уровень обслуживания, чтобы причинить себе экономический ущерб, я бы уже стал миллиардером. В цепочке поставок уровень обслуживания - это вероятность того, что данный SKU не столкнется с нехваткой товара во время следующего цикла инвентаризации. Как описательная статистика, уровни обслуживания нормальны, они не являются ни умными, ни глупыми, как любой другой простой статистический индикатор.
Глупость проявляется только тогда, когда люди начинают предполагать, что уровень обслуживания - это процент, каким-то образом связанный с удовлетворенностью клиентов или прибыльностью компании. Это не так. Рассмотрим моду: чтобы освободить место для следующей коллекции, компания должна ликвидировать предыдущую коллекцию. Снижение уровней обслуживания до нуля необходимо для приношения новизны и удовлетворения клиентов.
Напротив, рассмотрим авиацию. Обычный пассажирский самолет включает около 300 000 отдельных деталей. Десятки тысяч деталей должны быть регулярно проверены и заменены. Если одна неработоспособная деталь окажется недоступной, то самолет будет приземлен, что приведет к экономическому ущербу в сотни тысяч евро в день. Иметь 99% уровни обслуживания для всех ваших SKU не имеет значения: важна только вероятность того, что самолет не будет приземлен. Слабое звено определяет количество случаев AOG (самолет на земле), которые вы получите. Средний уровень обслуживания совершенно не имеет значения.
Подобные проблемы есть во всех отраслях, не только в моде и авиации. Еще раз, я оставляю это упражнение для аудитории. Элементарная логика подсказывает, что только дураки будут гнаться за уровнями обслуживания, и тем не менее, вот мы здесь, большинство компаний делают именно это, и их менеджеры задаются вопросом, стоит ли им инвестировать в технологии оптимизации уровня обслуживания, основанные на искусственном интеллекте.
В заключение, искусственный интеллект не спасет вас от бессмысленных теорий цепи поставок. Он не спасет вас от консультантов, чья единственная компетенция - шоуменство и их способность внушать уверенность. Он не спасет вас от поставщиков программного обеспечения, которые с удовольствием продадут вам все, что сегодня является безумием.
Чтобы добиться успеха с искусственным интеллектом, сначала нужно победить естественную глупость. В общем плане вещей моя компания, Lokad, не добьется успеха; но если мы можем сделать некоторый прогресс в решении проблемы, указав на самые популярные глупые идеи в сфере цепи поставок, как я сделал сегодня, то это уже шаг к победе.