00:00:00 Введение в интервью
00:02:09 Качество против затрат в решениях цепочки поставок
00:05:16 iPhone как пример качества
00:08:36 Принятие решений и опциональность в цепочке поставок
00:11:47 Ключевые показатели для оценки эффективности цепочки поставок
00:14:27 Уровни сервиса как мера эффективности
00:17:24 Важность релевантного качества в проектировании продукта
00:20:42 Сложность, превосходящая возможности человеческого разума в цепочке поставок
00:24:11 Влияние ИИ и автоматизации на цепочку поставок
00:27:59 Использование крупных языковых моделей в Lokad
00:31:21 Скорость современных компьютеров и стоимость ИИ
00:34:34 Анализ источников и влияние ИИ на затраты
00:38:17 Компромиссы затрат в цепочке поставок
00:41:38 Определение количества конкурентов для мониторинга
00:45:10 Сравнение сложности программного обеспечения с численностью персонала
00:48:26 Инвестиции в понимание драйверов цепочки поставок
00:51:43 Рыночная ситуация не может быть проецирована в будущее
00:54:23 Прибыль как мера качества решений
00:58:12 Сложность цепочек поставок из-за цифровизации
01:00:52 Успех Amazon и стратегии роста
01:03:24 Призыв не бояться сложности цепочки поставок
01:06:01 Лучше приблизительно правильно, чем точно неверно
Резюме
В диалоге с директором по коммуникациям Lokad, Конором Дохерти, генеральный директор Lokad Жоанн Верморель обсуждает соотношение качества и затрат в управлении цепями поставок. Верморель подчеркивает, что качество относится к принятию решений, а не к характеристикам продукта, и что качество, воспринимаемое клиентом, может не совпадать с оптимальными решениями в поставках из-за затрат. Он критикует традиционные ключевые показатели (KPI), утверждая, что они не отражают подлинного качества. Верморель также обсуждает роль крупных языковых моделей (LLMs) в управлении цепями поставок, отмечая, что они могут способствовать принятию более умных решений, но при этом увеличивать бюджеты на IT. Он предполагает, что дилемма качества и затрат является мета-игрой, требующей программной инженерии для решения проблем цепочек поставок и оценки компромиссов.
Расширенное резюме
В провокационном разговоре между Конором Дохерти, директором по коммуникациям Lokad, и Жоанном Верморелем, генеральным директором и основателем Lokad, пара углубляется в тонкое понятие соотношения качества и затрат в управлении цепями поставок. Верморель разъясняет, что качество в контексте цепочки поставок относится к качеству принимаемых решений, а не к физическим характеристикам продуктов. Он подчеркивает, что наивысшее качество сервиса с точки зрения клиента не обязательно соответствует наивысшему качеству с точки зрения решений в поставках для бизнеса из-за связанных затрат.
Верморель далее поясняет, что, хотя инвестирование в дополнительные ресурсы, персонал и программное обеспечение может привести к принятию лучших решений, эти решения не должны отождествляться с качеством, воспринимаемым клиентом. Он признает субъективность измерения качества решений, в отличие от более прямой оценки физических продуктов. Однако он утверждает, что воспринимаемое качество продукта часто выходит за рамки его физических характеристик, приводя в пример iPhone и его маркетплейс приложений.
По мнению Вермореля, управление цепями поставок — это мастерство выбора, где качество решений может быть неуловимым. Он предполагает, что некоторые метрики, такие как решительность, могут измеряться объективно. Он критикует использование KPI, таких как уровень сервиса и точность прогнозирования спроса, для оценки эффективности цепей поставок, утверждая, что они не отражают подлинного качества. Он описывает эти KPI как числовые артефакты, которые могут не коррелировать с качеством и успехом цепочки поставок.
Верморель также обсуждает роль крупных языковых моделей (LLMs) в управлении цепями поставок. Он объясняет, что хотя LLMs дороги, они могут привести к принятию более умных, качественных решений. Он предупреждает, что компании тратят огромные суммы на эти системы, что может значительно увеличить их IT-бюджеты. Он предполагает, что в некоторых случаях использование более дешевой версии LLM может быть более экономически выгодным.
Верморель считает, что с помощью LLM компании могут конструировать качество своих решений и управлять компромиссами затрат. Он отмечает, что это понятие не часто обсуждается в традиционном управлении цепями поставок. Он объясняет, что современные цепочки поставок выполняются с помощью программного обеспечения, которое можно оптимизировать. Он отмечает, что существуют простые метрики для измерения затрат на работу программного обеспечения, такие как время, использование памяти и дискового пространства.
Верморель утверждает, что дилемма качества и затрат заключается в разработке программного обеспечения для решения проблем цепей поставок и оценки компромиссов. Основное внимание следует уделять созданию программ, которые могут определить, что означает более высокое качество для клиентов. Он подчеркивает, что дилемма качества и затрат — это мета-игра, в которую компании должны играть, чтобы создать превосходные цепочки поставок. Он сравнивает это с шахматной партией, которую можно выиграть только с помощью программного обеспечения.
В заключение, Верморель рекомендует определить ключевые решения в цепочке поставок и оценить, что в широком смысле означает качество. Он предлагает выделить 20 аспектов цепи поставок как более всесторонний подход, чем упрощенные схемы. Этот разговор напоминает о сложности и тонкостях, связанных с управлением цепями поставок, и о необходимости более продуманного подхода к принятию решений и оценке качества.
Полный текст
Конор Дохерти: Добро пожаловать в Lokad. Каждое бизнес-решение отражает тщательный баланс между качеством, насколько вещь хороша, и ее стоимостью. Но распространяется ли это соотношение качества и затрат на цепочку поставок? Сегодня с нами основатель Lokad, Жоанн Верморель.
Итак, Жоанн, соотношение качества и затрат, подобно дефициту, я уверен, у людей есть общее представление о том, что подразумевается, когда об этом говорят. Но не могли бы вы кратко объяснить, что это означает, и затем явно связать это с темой цепочек поставок и объяснить, почему это важно?
Жоанн Верморель: Качество — это атрибут, который вы бы скорее применили к самому физическому продукту. Например, iPhone — это высококачественный смартфон. У вас может быть очень дешевая машина, очень качественная дорогая машина и всё, что между ними. Это, наверное, самый простой способ подойти к этому вопросу. Но когда мы говорим о цепочке поставок, оказывается, что цепочка поставок не занимается инженерией продуктов, она их не производит. Таким образом, когда мы рассматриваем качество с точки зрения цепочки поставок, нас интересуют не столько физические характеристики продукта.
Хотя это может в некоторой степени быть проблемой цепочки поставок, мы, возможно, вернемся к этому позже, но в основе своей это не входит в ответственность цепочки поставок.
Если включить это в цепочку поставок, то цепочка становится настолько обширной, что теряет смысл, поскольку она становится почти неотличимой от всего бизнеса. Итак, для ясности, давайте скажем, что качество, то есть физические характеристики продуктов, — это не совсем то, что относится к цепочке поставок. Это не то, что я подразумеваю под качеством в контексте цепочки поставок.
Под качеством в контексте цепочки поставок я подразумеваю качество принимаемых решений. Первая ловушка заключается, вероятно, в том, что качество решений не равно качеству сервиса, как его воспринимает клиент. Например, отсутствие дефицита товара может считаться высшим уровнем мгновенного обслуживания в очень простых розничных условиях. Это наивысшее качество обслуживания с точки зрения клиента. Но является ли это наивысшим качеством с точки зрения решения в поставках для вашего бизнеса? Абсолютно нет, потому что это будет неустойчиво дорого для вашего бизнеса. Таким образом, под качеством решений я и имею в виду соотношение качества и затрат.
Чтобы принять лучшее решение, мы можем инвестировать больше ресурсов, людей, программного обеспечения, а в конечном итоге вложить средства в исследования и разработки, чтобы улучшить всю систему. Всё это относится к затратной части, и тогда мы получим решения, обладающие более высоким качеством с точки зрения цепочки поставок, которое не должно отождествляться с качеством, воспринимаемым клиентом.
Опять же, цепочка поставок — это всё о компромиссах. Таким образом, очень качественное решение — это решение, которое действительно тщательно балансирует все эти компромиссы. Как я говорю в своей серии лекций, цепочка поставок — это мастерство выбора. Так что, если мы говорим о сверхвысоком качестве, мы имеем в виду успешно выполненное решение, высокий уровень мастерства в непрерывном принятии решений в сфере цепей поставок.
Конор Дохерти: Чтобы сразу вернуться к этому, вы приводите пример iPhone. Если речь идет о качестве самого устройства, о гарантиях качества и всех протоколах, входящих в оценку соотношения затрат и качества, можно указать на физические характеристики iPhone и сказать: вот качество чипа, вот качество памяти. Я могу это измерить и сказать, что это высокое качество. Но когда речь идет о качестве решений, мы вступаем в область, где многое субъективно.
Жоанн Верморель: На поверхностном уровне, да, когда речь идет о физических продуктах, оценить качество достаточно просто. Но только на поверхностном уровне. Если мы вернемся к iPhone, который является довольно хорошим примером, то качество iPhone на самом деле, в первый год выпуска, продажи были не очень высоки. Если я правильно помню, для Apple это было неплохо, особенно учитывая, что в то время Apple действительно испытывала серьёзные трудности, но результаты были относительно скромными.
iPhone стал невероятно популярным через несколько лет после появления App Marketplace. И именно тогда Apple решила создать маркетплейс, позволяющий в один клик устанавливать приложения, где вы просто нажимаете на приложение, платите $1, и у вас появляется приложение, полностью совместимое, супер лёгкое в установке на ваш смартфон. Именно тогда популярность и воспринимаемое качество iPhone резко возросли. Если смотреть на физические характеристики, да, это было очень хорошее устройство, но на самом деле смартфон в плане базовой функции – осуществления звонков – был довольно посредственным. Это не был отличный телефон, если говорить о выполнении основной задачи, а именно приёма и осуществления звонков.
Но воспринимаемое качество взлетело, когда они представили App Store, потому что внезапно формат смартфона стал иметь полный смысл. Ведь у вас был настоящий мини-компьютер, и можно было делать так много вещей, и тогда восприятие качества заключалось в том, что это уже не просто телефон, а смартфон. Но люди помнят, что это изменилось только спустя год. Суть в том, что качество, да, включает в себя базовые, фундаментальные аспекты: лучший материал, большая устойчивость к нагрузкам и усталости, чтобы устройство не ломалось и не ухудшалось. Оно должно быть лёгким. В общем, всё, что нужно перемещать, если это легче, то, как правило, лучше и т.д.
Так что да, есть некоторые фундаментальные аспекты, но также качество физических продуктов часто гораздо больше, чем можно увидеть на первый взгляд. Могут быть ожидания, что с продуктом можно сделать больше, что у него есть экосистема, всевозможные аксессуары, которые его дополняют, или даже если это просто декоративный элемент, он будет смотреться хорошо в разных интерьерах. Знаете, объект, который очень декоративен и может стать отличным элементом вашего интерьера, даже если стиль квартиры совершенно иной, может обладать некой сверхтонкой, неуловимой качественностью, но она всё же присутствует в той или иной степени.
Конор Дохерти: Но очень мало из этого применимо к решениям в цепочке поставок.
Жоанн Верморель: Качество, да, в отношении физических продуктов, по крайней мере, у вас есть множество простых, прямых метрик, но всё же существует глубокий уровень, который трудно оценить. А когда речь заходит о цепочке поставок, цепочка — это мастерство выбора, то есть буквально наблюдение за вариантами и, в какой-то момент, выбор одного из тех вариантов, которые вы сознательно развивали, и это станет вашим решением.
Ладно, это очень абстрактно, поэтому качество становится чем-то неуловимым. Хотя даже если мы говорим о чем-то достаточно неуловимом, например, о качестве решений, существуют некоторые метрики, которые не так сложны. Например, в армии есть поговорка: худшего плана не бывает, кроме как отсутствия плана, и на поле боя нет ничего хуже хирурга, который просто не может принять решение. Нерешительность почти всегда приводит к ошибке. Это означает, что даже если ваше решение — ничего не делать, ждать, пока противник совершит ошибку, это совсем не то же самое, что быть нерешительным и ничего не делать.
То есть, я решил, что лучшее решение — это дождаться подходящего момента, и это совсем не то же самое, что быть нерешительным, не знать, что делать, паниковать и ничего не предпринимать. Знаете, это совершенно иной психоэмоциональный статус, и я бы сказал, что, хотя по сути оба решения могут казаться похожими, когда ничего не делается, качество одного решения — когда мы ждем осознанно, намеренно, зная, чего именно ожидаем, — отличается от ситуации, когда мы просто нерешительны и находимся в состоянии полупаники. Это очень, очень разные решения с точки зрения качества.
Так что даже, знаешь, например, решительность — это то, что можно измерить достаточно прямолинейно. Так что в условиях цепочки поставок это выглядело бы так: можешь ли ты принять решение оперативно или это занимает целую вечность без веской причины? Знаешь, это был бы один из показателей, и, знаешь, измерение времени, необходимого для принятия решения, можно проводить объективно. Таким образом, в определённой степени у тебя есть простые метрики, но я бы сказал, что они не очень-очень хороши. В отличие от ситуации на поле боя, где всё должно происходить мгновенно, в цепочке поставок редко что-то бывает настолько сверхсрочным, что требует ответа в ближайшие секунды или минуты. Так что, на самом деле, это не так однозначно.
Хотя, очевидно, если на принятие какого-либо решения уходит четыре месяца, то, вероятно, ты очень неэффективен. Но да, есть те моменты, которые сложнее, они более абстрактны и к тому же невероятно неопределённы. То есть, нет никаких чётких границ того, что можно было бы рассматривать для оценки качества таких решений.
Конор Дохерти: Аналогия генерала на поле боя с любым решением, которое лучше, чем полное отсутствие решительности, вполне уместна. Ну, я имею в виду, что существуют KPI, которые компании используют для оценки качества или эффективности. Давайте пока будем говорить об эффективности, а потом можно обсудить качество для оценки работы цепочки поставок. Например, уровни обслуживания для определённого артикула или, в некоторых случаях, насколько точен прогноз спроса. Существуют KPI, которые говорят: «точность составила 50%, 60%». Ты утверждаешь, что это лучше, чем ничего?
Йоаннес Верморель: Не совсем. Во-первых, потому что эти KPI на самом деле не отражают качество в подлинном, глубоком смысле. Это всего лишь числовые артефакты. Большинство из этих KPI — просто числовые артефакты.
Конор Дохерти: Что ты имеешь в виду, когда говоришь «числовые артефакты»?
Йоаннес Верморель: Я имею в виду числа, определённые в соответствии с какой-то прямолинейной математической дефиницией. Но почему эта математическая дефиниция должна как-то соотноситься с качеством в подлинном смысле?
Конор Дохерти: Ты имеешь в виду, что это просто числа на бумаге?
Йоаннес Верморель: Да, это просто числа. И не просто какие-либо числа. Это числа, как правило, взятые из учебников или формул. Например, если я говорю о среднеквадратичной ошибке для оценки точности прогноза, то это очень популярная метрика. Эту метрику можно найти во многих учебниках, математических учебниках. Почему существует эта метрика? Потому что в учебниках с ней связано множество теорем, существует норма два, среднеквадратичная метрика, есть норма один, норма два и т.д., а также множество математических и статистических теорем, связанных с этой метрикой.
Проблема в том, что это внутренне ориентированный подход. Существует математический мир, в котором люди спрашивали: «Почему тебя интересует именно эта норма два?» Ответ: потому что с ней связано так много теорем. Я могу экспериментировать с ней, могу разрабатывать множество абстрактных конструкций и делать многое с математической точки зрения. Ладно, это делает её интересным математическим объектом, как, например, простые числа. Простые числа — это увлекательные математические конструкции. Они также очень реальны в математическом смысле. Но этого одного недостаточно, чтобы доказать, что существует какая-либо корреляция с тем качеством и успехом, которого будет достигать твоя цепочка поставок.
Конор Дохерти: Привяжи эту прекрасную аналогию к уровням обслуживания.
Йоанлес Верморель: Уровень обслуживания — почему он должен иметь какую-либо корреляцию? Да, в определённой степени: если у тебя 0% уровня обслуживания, то ничего не продаёшь, и это выглядит плачевно. Если же у тебя, например, 100% уровень обслуживания, это тоже плохо, потому что это означает, что у тебя постоянно происходят списания запасов. Ведь если ты не допускаешь дефицита, это значит, что ты никогда не сможешь распродать излишки. Так что крайние значения довольно плохи. Но между ними — возможны любые варианты. Ты понимаешь, что оптимальное значение не на краю, а где-то посередине; моя догадка так же хороша, как и твоя. Всё выглядит довольно расплывчато.
Я очень подозрителен, когда люди дают мне процент как меру эффективности или качества. Где же тут аргументация? Это просто что-то, что сваливается с неба. Ты просто даёшь мне формулу, и если у тебя нет очень веских аргументов в её защиту, у меня нет оснований верить, что этот числовой артефакт оправдан. Это просто нечто случайное, выдернутое из математического или статистического учебника.
Интересно то, что если мы перейдём к такому KPI-мышлению, то когда речь заходит о качестве, если, скажем, искать учебники по дизайну и производству, то там ведутся очень тонкие обсуждения. Например, если изучить завещание мебельного продавца от основателя Ikea, который является прекрасным документом, очень коротким, я его искренне рекомендую аудитории. Один из пунктов, я забыл, 11 или 14, их где-то около 20, и один из пунктов основателя Ikea гласит: “Не обманывайтесь простыми метриками качества продуктов.”
Например, он говорит, что первое, что нужно помнить — если вы хотите иметь красивую поверхность, то значима только та поверхность, которую люди могут увидеть и потрогать. И он имеет в виду мебель. Он сказал: “Не гордитесь, например, тем, что у вас есть высококачественная поверхность, которая будет супер долговечной, супер гладкой, супер красивой с годами, если люди не смогут её увидеть и потрогать.” То есть, он имел в виду что-то вроде задней стороны мебели или того, что находится под столом — то, что никогда по-настоящему не оценят. Таким образом, он говорил, что, инвестируя в качество, нужно удостовериться, что это действительно имеет значение, а не какая-то абстрактная мера качества вроде “у меня везде высококачественные материалы или высококачественная отделка”, включая те поверхности, которые не важны с точки зрения клиента.
И почему? Он упоминал, что если ты поступаешь так, как он описал в одном из кратких пунктов, то клиенты в итоге платят за качества, которые они не будут ценить. И с его точки зрения это было неприемлемо. Каждая копейка, которую они тратят, должна идти на качество, которое они смогут оценить. И это был очень тонкий момент, так что я бы сказал, что если мы переходим к дизайну и производству, то там ведутся такие весьма нюансированные обсуждения о том, как именно соотносить качество с затратами.
Но если мы переходим в мир цепочки поставок и процесса принятия решений, то это совершенно отсутствует, полностью отсутствует. Основная теория цепочки поставок, и я даже сказал бы, что основная бизнес-теория, скажем так, обучение по программе MBA, полностью игнорирует вопрос качества решений. Люди склонны мыслить очень, очень бинарно. Я никогда не видел, например, чтобы в учебниках по цепочке поставок или даже в общих учебниках по бизнесу подробно обсуждался спектр инвестиций и ресурсов, которые можно потратить на то, чтобы немного улучшить решения, пока убывающая отдача не сводит на нет все усилия, и затраты не превысят выгоды от улучшения решения.
И снова, если подумать о качестве достижения правильного уровня обслуживания, то компании просто говорят: “У нас есть цели по уровню обслуживания.” Но как быть с инвестициями, которые ты делаешь, как капитальными, так и операционными, для достижения правильного уровня обслуживания? Опять же, уровень обслуживания не является отличным KPI, но чтобы не усложнять для аудитории, я буду использовать его, потому что они с ним знакомы. Так что, даже если ты выберешь уровень обслуживания и скажешь: “Это моя цель, это наилучший компромисс для моей цепочки поставок и моей компании”, в чем же заключается качество этой оценки? Стоит ли тебе инвестировать — допустим, ты определил число, скажем, 95% — но является ли это лучшим значением, которое ты мог придумать, и стоит ли вкладывать дополнительные средства для дальнейшей его корректировки, и почему?
И это, как правило, никогда не обсуждается в учебниках по цепочке поставок. Люди просто дают тебе рецепт, и ты его применяешь, после чего остаётся две ситуации: либо ты соблюдаешь свой процесс, либо нет. И на этом всё. Спектр уточнения того, что вообще означает соблюдение требований и что значит качество, и в каком направлении следует двигаться, вообще отсутствует.
Конор Дохерти: Я с этим не спорю, но есть два момента. Первый: разве не разумно предположить, что существование таких бинарных разграничений «приемлемо/неприемлемо», «хорошо/плохо», лишённых утончённости, является следствием того, что описываемый тобой уровень сложности выходит за рамки возможностей человеческого разума? И поэтому существуют эти весьма грубые характеристики, такие как: да, можно идти, нельзя идти, хорошо, плохо. И я согласен, что это лишено изящества, но это не результат глупости, а скорее вопрос: как же можно управлять миллионами тарелок одновременно?
Йоаннес Верморель: Я согласен с тем, что это результат работы человеческого разума, но не обязательно так это видят. Дело в том, что мы имеем дело с людьми, а люди невероятно сложны. Дело не в том, что человеческий разум имеет ограничения, а в том, что ты сталкиваешься с группой людей, каждый из которых по-своему невероятно сложен. Поэтому действительно приходится прибегать к очень простым критериям не потому, что твой разум ограничен, а потому что люди настолько сложны, что убывающая отдача наступает очень, очень быстро, просто из-за сложности.
Предположим, у тебя есть, скажем, сто специалистов по планированию спроса и предложения. Это огромные усилия, чтобы достичь такого высокого уровня изящества и прочего. Так что я согласен с утверждением, что это слишком, но не потому, что существует какой-то предел нашего понимания. Мы можем многое. Просто мы имеем дело с людьми, которые настолько невероятно сложны и многогранны, что попытки все это механизировать, да и учитывая, что они сложны, у них своя воля и так далее, большинство попыток быть гиперрациональными просто обернутся против тебя. Знаешь, это проклятие: если ты пытаешься стимулировать людей, они начнут манипулировать системой и реагировать негативно. Обычно проще всего сохранить очень простой подход — это безопасный выбор.
Ещё один вопрос заключается в том, что управление цепочками поставок в 21 веке не должно осуществляться людьми на всех уровнях. Да, на верхнем уровне люди необходимы, но уровень исполнения должен быть полностью механизирован.
Конор Дохерти: Мой следующий вопрос: отсутствие этой перспективы, которую мы описываем в традиционных учебниках, несомненно связано с тем, что сейчас мы живем в эпоху, когда у нас есть машинное обучение, ИИ и автоматизация в таком масштабе и с такой степенью детализации, которых не было пятьдесят лет назад, даже двадцать лет назад. Так каков твой ответ?
Йоаннес Верморель: Вот где всё становится действительно интересным. Если ты говоришь, что решения будут приниматься автоматически, то будет машина, которая генерирует эти умные решения. Да, это искусственный интеллект. Не общий искусственный интеллект, но всё же искусственный. Если он постоянно принимает серию хороших решений, мы можем согласиться, что по крайней мере у него есть капля интеллекта. Это интеллект в своём, пусть и ограниченном, проявлении. Определённо не глупый.
Большие языковые модели (LLMs) демонстрируют очень прямолинейно и наглядно то, что я имею в виду под качеством при соотношении с затратами. Если ты поиграл, скажем, с ChatGPT-3.5 по сравнению с платной версией GPT-4, то увидишь, что если заплатить больше, то получишь нечто более умное. У этих LLM существует спектр интеллекта: от небольших моделей, которые дешевы и быстры, до больших моделей, которые медленнее, дороже и, действительно, намного качественнее.
Ты можешь убедиться в этом сам напрямую. Можешь вступить в диалог и попытаться заставить эту LLM решить для тебя задачу. Попробуй это с GPT-2, GPT-3.5 и GPT-4, и, скорее всего, ты будешь поражён уровнем интеллекта, который получаешь. Всё очень детализировано. Есть вещи, которые работают, а некоторые запутают меньшие модели, а когда ты переходишь к большим, более умным моделям, разговор принимает большую глубину: ответы становятся более нюансированными, суть твоего вопроса улавливается лучше и так далее.
Ты можешь сам увидеть, что значит принимать решения более высокого качества. Ты задаёшь вопрос LLM, и оно даёт тебе ответ. Вот о каком качестве идёт речь. Даже если это восприятие качества, например, очень хорошего текстового ответа, остаётся неуловимым, ты буквально за несколько минут почувствуешь спектр этого качества. Для этого не нужно иметь докторскую степень по машинному обучению. Ты можешь поиграть с GPT-3.5 10 минут, затем с GPT-4 10 минут — и ты поймёшь. Ты увидишь тот дополнительный уровень качества, который присутствует в каждом ответе системы.
Такие нюансы существуют в Lokad уже почти десятилетие. Но из-за того, что у нас не было возможности это продемонстрировать — ведь решения в цепочке поставок зачастую очень абстрактны и несколько непрозрачны, поскольку они связаны с цепочкой поставок, с которой ты, возможно, не знаком, — это не то, что можно просто указать и потрогать. И это не те вещи, которые легко продемонстрировать, и даже если ты и сможешь, люди не воспримут разницу между более низким и более высоким качеством, просто потому что им не хватает информации, контекста и тому подобного.
Но LLM стали прорывом в том смысле, что внезапно ты можешь просто поиграть с ними и увидеть: «О, да, за эти деньги я получаю решение, которое значительно лучше, и это довольно очевидно». И потом понимаешь, что бывают ситуации, когда не требуются более умные решения. Не всегда более умное значит лучшее. Есть ситуации, когда просто скорость получения ответа достаточно. Это правильный компромисс. И ты понимаешь, что в вопросе интеллекта более высокое качество не всегда означает лучше. В какой-то момент возникает компромисс. На самом деле, быстрее — иногда лучше, чем умнее.
Конор Дохерти: Как так, ведь я знаю, что теперь мы используем LLM как часть нашего предложения, так как именно включение LLM меняет соотношение качество-стоимость, которое уже само по себе довольно абстрактно? Сейчас мы добавляем ещё один уровень абстракции — LLM, но, говоря прагматично или практически, приведите, пожалуйста, пример, как это влияет на соотношение качество-стоимость с точки зрения цепочки поставок?
Йоаннес Верморель: Это, безусловно, меняет ситуацию, потому что LLM пока что очень дорогие. Я имею в виду, публика может не осознавать, но LLM — это великолепно, но стоят они дорого. По правилу большого пальца, обработка одного килобайта данных с помощью LLM стоит примерно в миллион раз дороже, чем выполнение практически любых иных вычислений с тем же килобайтом данных. То есть, буквально, LLM на порядки — и я не имею в виду один или два порядка, а шесть или семь порядков величины — дороже за обработку одного килобайта данных, и ещё медленнее, по сравнению с любыми другими вычислениями, которые вы выполняете.
Конор Дохерти: Вы говорите о количественных или качественных показателях, или и то, и другое?
Йоаннес Верморель: Просто фактические метрики — сколько времени и денег уйдет на обработку одного килобайта. Тот факт, что вы видите, как текст транслируется перед вами, многим кажется крутым, но как специалисту в области информатики, я думаю: “Вау, это так по-1950-м.” Знаете, современные компьютеры настолько быстрые, что обычно могут отображать, я бы сказал, тысячи строк за миллисекунды. Когда у вас хорошо разработанная веб-страница, она появляется целой стеной текста за миллисекунды, и вы не видите, как текст выводится по одному символу. Почему? Потому что это так быстро, что находится ниже порога восприятия.
Если вернуться к 1960-м, можно было на старых фильмах увидеть, как текст выводится по одному символу. Если посмотреть фильмы, например, про Джеймса Бонда 60-х годов и тому подобное, вы увидите древние терминалы, на которых текст появлялся по одной строке. И почему так происходило? Потому что компьютеры того времени были настолько медлительными, что это было заметно. А сейчас, когда вы кликаете по веб-странице и — бац! — она загружается, а если страница работает медленно, значит, вы загружаете эквивалент 10 или сотен тысяч страниц текста на этой веб-странице. Это не имеет никакого смысла — будь то плохая инженерия программного обеспечения или что-то еще — но в конечном счете текст должен отображаться мгновенно. То есть, он не может быть действительно мгновенным в физическом смысле, но он должен быть настолько быстрым, чтобы стены текста появлялись за доли секунды, без какого-либо заметного промежутка для человеческого восприятия. Тот факт, что вы видите, как текст появляется, говорит вам о том, что система невероятно медленная.
Итак, возвращаясь к вашему вопросу, почему это должно влиять? Потому что LLM очень затратны. Вы понимаете, что нужно быть внимательными, ведь у Open AI такая безумная оценка, потому что, знаете, инвесторы — не дураки. Они видят: “О, компании сыплют деньги на эти системы, как на ветер, миллионы долларов,” и говорят: “О, мы хотим сэкономить на IT,” и бац — приходит Open AI, а некоторые компании говорят: “Мы с гордостью тратим миллион долларов в месяц на эти LLM.” Поздравляю, вы только что взорвали свой IT-бюджет. Может, у вас есть веская причина для этого, но давайте не будем заблуждаться: это дорого.
И даже бывают ситуации в Lokad, когда мы говорим: “Нет, в данном случае на самом деле дешевле нанять дорогого офисного сотрудника в Париже,” потому что это дешевле. То есть, дело в том, что LLM, опять же, имеют значение именно потому, что они дорогие, так что вы должны обращать на это внимание, и вы увидите, что если всё делать правильно, то найдутся случаи, когда нужно сказать: “Нет, мы не собираемся этого делать, потому что это слишком затратно,” или “Нам нужно вернуться к какой-то более дешёвой версии LLM, которая не так умна, потому что если мы будем использовать самое дорогое, что есть на рынке, это окажется слишком затратным.”
Конор Дохерти: Вы можете подправить детали, где я ошибаюсь, но я помню один из наших разговоров, который как бы вдохновил меня на эту запись: вы привели пример, представьте, что мы — компания, оформляющая заказы на закупку, а наш поставщик немного ненадёжен. Мы подозреваем, что он ненадёжен, думаем, что на рынке может быть лучший вариант, можем искать поставщика в другом месте, но ведь у нас всего трое сотрудников. Буду ли я тратить ваше время на анализ, чтобы найти других, потенциальных поставщиков? Так что вы могли бы использовать LLM, чтобы при каждом размещении заказа автоматически проводить анализ источников, а затем по своему усмотрению просматривать результаты, и это было бы значительно дешевле, чем трата ваших умственных ресурсов, времени и усилий и т.п. И это масштабируется. Опять же, именно это я и имею в виду, когда говорю о влиянии на соотношение качество-стоимость.
Йоаннес Верморель: Это действительно масштабируется, но не бесплатно. Если, например, вы решите выполнять такую операцию при каждом заказе, какова будет стоимость? Просто выполнение операции по поиску источников потребует, чтобы LLM сканировали веб-страницы. Вам снова придётся сканировать, может быть, до одного мегабайта текста, поскольку вы будете анализировать интернет. Это не дешево. Таким образом, вы можете оказаться в ситуации, когда придётся составлять электронные письма и, возможно, настраивать LLM с несколькими скриптами для отправки писем, обработки ответов, ведения диалога, как это делает человек.
Да, у вас может быть полностью автоматизированная система, но вы можете заметить, что каждый раз, когда вы запускаете её для проведения обзора источников, это стоит вам примерно 5 долларов за LLM. Да, это дешево. Конечно, дешевле, чем если бы один человек работал над этим два дня, но это не совсем бесплатно. Это дешевле, чем если бы один человек работал два дня, но вовсе не бесплатно. Если вы решите, что готовы тратить 5 долларов каждый раз при размещении заказа, то в конце года поймёте, что потратили очень много денег. Возможно, вы не захотите этого делать постоянно.
Конор Дохерти: Но это крайний случай. Снова, это ещё один крайний вариант. Найдётся некая золотая середина.
Йоаннес Верморель: Именно, вот где у нас возникает этот спектр. Согласно обычному восприятию, когда речь идёт о людях, вы просто думаете: достаточно или недостаточно. Вы выбираете какой-то процесс и просто его соблюдаете. Вы можете осознавать, что существует спектр, но подходите к нему довольно грубо, как, например, в операции по выбору поставщиков: каждого поставщика пересматривают раз в год, точка. Это ваш процесс — держите его простым. Но здесь, вместо того чтобы пытаться применить тонкий подход к спектру, вы просто используете молоток процесса и решаете проблему бинарно. А с помощью LLM вы можете настроить свой спектр. Вы можете сказать: “Ну, я могу искать варианты при каждом заказе” — это одна крайность, или же делать это, скажем, раз в год — это другая крайность. Всё, что между ними, приемлемо, и вы можете с этим работать.
Интересно, потому что вы можете сконструировать качество своих решений, качество своей вариативности. И при этом у вас появляется реальный компромисс затрат, с которым нужно считаться. Это то, чего мейнстримовая перспектива цепей поставок даже отдалённо не обсуждает. Я никогда не видел учебников по цепям поставок, которые бы объясняли, как спроектировать процесс генерации решений так, чтобы на каждый вложенный доллар получать максимальную отдачу.
Конор Дохерти: Как же именно вы определяете или выявляете градации в этом спектре — от крайнего до чуть менее экстремального, вплоть до самого низкого уровня, который совершенно неприемлем? Возможно ли количественно определить шаги между каждым из этих уровней?
Йоаннес Верморель: В некоторой степени, да. С нашей точки зрения, современная цепочка поставок реализуется с помощью программного обеспечения. Этот уровень принятия решений — это машина. Это сложное программное обеспечение с набором числовых рецептов. Вы можете анализировать его пределы. И даже если вы можете об этом рассуждать, люди, которые занимаются инженерией этого процесса, остаются людьми. Существует предел рекурсии, потому что в какой-то момент вам придётся решить, сколько специалистов по цепям поставок вам нужно, и это — вопрос суждения, но, по крайней мере, базовый уровень, генерирующий решения, — это машина, и его можно настроить.
Если речь идёт о физическом продукте, у вас есть простые метрики. Если же это программное обеспечение, которое вы запускаете, у вас также есть ряд простых метрик, особенно касающихся затрат: сколько времени занимает, сколько памяти потребляет, сколько дискового пространства занимает и т.д. Таким образом, у вас есть всё это, и потом вы можете увидеть, когда существует целый спектр опциональных возможностей, которые вы можете использовать или не использовать. Например, вы можете решить, что будете проводить анализ ценообразования с помощью конкурентной разведки. То есть вы получите данные о своем конкуренте. Но о скольких именно конкурентах идет речь? Сканирование интернета не бесплатно, это стоит денег.
Для тех, кто знаком с бизнесом скрапинга, веб-скрапинга, получения сайтов своих коллег, существуют существенные затраты, связанные с этим. Если вы захотите ежедневно пересканировать каждую страницу вашего конкурента, затраты будут немалыми, особенно если у ваших конкурентов десятки тысяч товаров на витрине. Так о скольких конкурентах идёт речь? Хотите ли вы сканировать вашего основного конкурента, трёх лучших конкурентов или топ-20 конкурентов? Затраты примерно линейны. Чем больше сайтов вы хотите мониторить, тем больше будут расти затраты линейно с числом конкурентов. Но информация, которую вы получите, очевидно, будет с убывающей отдачей.
Ваши конкуренты тоже мониторят своих конкурентов. Так что, если вы мониторите, скажем, трёх лучших конкурентов, оказывается, что эти конкуренты тоже следят за своими тремя или пятью лучшими конкурентами. Это может включать компании, которые вы не мониторите. В итоге, все мониторят друг друга. Если взглянуть на граф мониторинга, вы увидите, что это очень связный граф, где практически каждый мониторит немного каждого. Крупные игроки будут следить за другими крупными компаниями плюс, возможно, за одним мелким конкурентом. Мелкие конкуренты будут следить за несколькими мелкими конкурентами и за одним крупным, просто для разнообразия.
Хотя это сложно, это не невозможно. Вы можете почувствовать, что отдача уменьшается. Запуская алгоритмы с набором данных или без него, вы можете оценить, действительно ли они улучшают или немного смещают результаты. Например, если вы решите провести оптимизацию цен и обнаружите, что до трёх конкурентов цена действительно меняется количественно. То есть добавление еще одного конкурента действительно влияет на итоговую цену.
Если я доверяю своему числовому рецепту и говорю, что добавление этого третьего конкурента в смесь меняет мои цены в среднем с, скажем, 0.75% до чуть менее 1% — ну, 0.75% не так уж не мала — а затем добавляете четвертого конкурента и видите, что изменение составляет 0.1% — я не знаю, критично ли это 0.1% для моего бизнеса, но всё же это верхняя граница прибыли, которую эта система может сгенерировать. В лучшем случае, это 0.1% маржи. Если цена каждый раз корректируется в нужном направлении, всё равно это устанавливает верхний предел влияния. И тут можно сказать: ну, это кажется действительно незначительным, и я бы сказал, что отдача уменьшается, и я не стану этого делать, потому что затраты на четвертого конкурента могут не оправдать себя.
Таким образом, видите, существуют способы, обычно они появляются, когда вы начинаете использовать более сложные, умные числовые рецепты, которые могут многое. Если провести аналогию с людьми, то это как использование очень продвинутого и умного программного обеспечения, которое начинает напоминать ваш штат сотрудников. Сколько людей я хочу привлечь для решения этой проблемы? Разница только в том, что у вас гораздо больше прямого контроля, и если вы хотите масштабироваться, вам не придётся увольнять людей или переживать за их эго. Это позволяет сконструировать всю систему, а не иметь дело с людьми, которые обычно негативно реагируют на попытки оптимизировать их ежедневные процессы.
Конор Дохерти: Мне пришло в голову, что с классической точки зрения у нас не было дилеммы качество-стоимость, потому что цепочка поставок управлялась очень простыми эвристиками. А теперь вы говорите, что с развитием технологий мы можем действительно количественно измерять соотношение качество-стоимость решений в цепочке поставок с любой нужной точностью. Это приводит к следующему вопросу: когда вы разделяете эти два понятия — качество и стоимость, используя программное обеспечение или ИИ для оценки решений в цепочке поставок, стоимость понятна. Но остаётся ли качество субъективным ощущением? Или вы говорите о возврате инвестиций в эти затраты?
Йоаннес Верморель: Прежде всего, я хотел бы обратить внимание аудитории, и сразу отвечу на ваш вопрос, что большинство компромиссов, представленных в цепочке поставок, например, типичный треугольник наличности, затрат и обслуживания — вот что мне действительно нравится в этой дилемме качество-стоимость. Это действительно поднимает тему на новый уровень. Я считаю, что все эти компромиссы, если смотреть на этот треугольник, имеют гораздо больше измерений. Это не просто треугольник, а дилемма с n-мерными аспектами, где есть сотни факторов, которые направляют вас в рамках различных ограничений, драйверов и тому подобного. То есть, это буквально компромиссы повсюду с сотней и более измерений. Вот как это выглядит.
И интересная вещь в дилемме цена-качество в подобных играх с цепочками поставок заключается в том, что она поднимает вопрос на новый уровень. Речь идет не о компромиссах, а о мета-проблеме: как создать программное обеспечение, которое решает эту проблему. Именно таким образом вы будете действовать, потому что именно через это качество вы проведёте оценку всех компромиссов. Так что, когда мы говорим о компромиссе между качеством и стоимостью в контексте мастерства опциональности, мы имеем в виду, что инвестируем в определение этих 100 драйверов и ограничений, которые формируют вашу игру с цепочками поставок. Это очень мета-подход. Вместо того чтобы думать: “Есть ли у меня нужный уровень сервиса?” вы думаете: “Есть ли у меня программное обеспечение, которое сможет определить, что означает лучшее качество для моих клиентов?” Это действительно мета. Именно об этом мы и говорим.
Вернемся к вашему вопросу, и я немного отвлёкся на него. Извините.
Conor Doherty: Измеряете ли вы качество исключительно с точки зрения субъективного восприятия или оно определяется финансовой отдачей?
Joannes Vermorel: Я бы сказал, что в теории оно должно давать исключительно количественную отдачу. Но, на практике, оно оказывается полностью субъективным. Это довольно странно, ведь вы говорите: “О, вы только что сказали, что в теории всё количественно, но на деле — субъективно. Разве это не противоречие?” Так что с теоретической точки зрения вы стремитесь обеспечить долгосрочную прибыль вашей компании. По сути, это количественный показатель.
Проблема в том, что когда вы смотрите далеко вперёд, все ваши количественные индикаторы полностью утрачивают свою актуальность. Моя личная точка зрения такова: если вы верите, что можете взять сегодняшние цифры и экстраполировать их на десятилетие вперёд, и что эти цифры дадут вам нечто ценное, то вы заблуждаетесь. Видите, это иллюзия. И я говорю это как профессиональный специалист по обработке чисел. В Lokad мы занимаемся обработкой чисел на жизнь и делаем это уже полтора десятилетия. Числа становятся полностью бессмысленными, когда вы проектируете их на десятилетнее будущее. Почему так происходит? Потому что цепочки поставок являются конкурентной ареной. Это игра против сверхинтеллектуальных субъектов. Когда я говорю “сверхинтеллектуальных”, я имею в виду, что ваши конкуренты — это нечто большее, чем сумма их отдельных частей. Они состоят из множества сотрудников, и в совокупности вы сталкиваетесь с субъектом, который по интеллекту превосходит любого человека на Земле. Если вы соперничаете с такой компанией, как Apple, то за ней стоит целая группа экспертов, очень умных людей, и итог таков, что эти люди будут делать вещи, которые вас удивят. Они обгонят вас во многих отношениях, да и новые игроки, новые конкуренты постоянно появляются. Итак, нельзя считать текущую рыночную ситуацию само собой разумеющейся и распространять её на следующие 10 лет. Это очень большая ошибка. И я говорю это как профессиональный аналитик данных. Я говорю своим клиентам в Lokad: не позволяйте стратегии на 10 лет вперёд определяться сегодняшними цифрами. Это вводит в заблуждение. Это ошибка. Рынок будет развиваться так, что эти цифры станут неактуальными. Даже если прогнозные цифры окажутся верными, например, в вопросе будущего потребления молока, найдутся иные факторы, которые сделают эти цифры неважными, просто потому что ваши конкуренты найдут способы удивить вас и обойти вас. Вот чем занимается конкуренция в более широком масштабе.
Conor Doherty: Если подытожить наше обсуждение одним вопросом: если настоящая дилемма качества и стоимости в цепочке поставок настолько сложна и дорогостоящая для решения, как вы описали, и имеет столь ограниченный временной горизонт, подобно самому прогнозированию, то почему именно люди должны отказываться от очень удобных, понятных простых метрик хорошего и плохого уровня обслуживания? Зачем делать такой шаг, несмотря на всё, что вы только что описали? В чём стимул?
Joannes Vermorel: Да, именно так. И ещё, если говорить об актуальности, статистической достоверности, можно сказать, что потребление молока — я имею в виду самый базовый продукт — можно прогнозировать на 10 лет вперёд на французском рынке с определённой точностью, ведь у нас есть солидный опыт. Но с чем я не согласен, так это с тем, что на этом можно строить бизнес-стратегию. Почему? Потому что через десятилетие то, что сделает бренд свежего молока привлекательным, может кардинально измениться по сравнению с тем, что есть сейчас. Возможно, появятся новые марки, появятся новые стандарты ожиданий относительно того, что на самом деле означает по-настоящему качественный органический продукт. Это игра, которая ведется очень агрессивно. Так что, возможно, потребление молока останется примерно на том же уровне, но сама игра может принципиально измениться из-за тонких различий в брендинге и упаковке, играющих решающую роль.
Да, я ожидаю, что через 10 лет бутылки всё ещё будут в основном белыми. Да, хорошо, но при этом упускается из виду, что существует масса мелких нюансов, способных сыграть решающую роль в захвате доли рынка, в получении прибыли и так далее. Так что видите, ничего не даётся само собой. И если взглянуть даже на очень успешные компании, скажем, на компанию Coca-Cola, то видно, что они постоянно переосмысливают свой имидж и брендинг, совмещая преемственность с обновлением каждый десяток лет. Это уже не просто игра по старым правилам. Это действительно впечатляет, если посмотреть на компании, подобные Coca-Cola, которые успешно переосмысливают себя уже практически 100 лет. Это очень впечатляет.
Именно это я и имею в виду, если вернуться к исходному вопросу: на фундаментальном уровне вы, да, стремитесь к прибыли. Да, и в будущем качество вашего решения будет оцениваться, скажем, в заработанных с упорным трудом евро или долларах. В итоге всё будет измеряться количественно, чисто количественно. Если вы добьётесь успеха, это отразится в денежном выражении. Но когда вы проектируете настолько далеко, данные КПЭ просто перестают быть актуальными. В конце концов, всё сводится почти исключительно к субъективным суждениям, то есть к качественным параметрам, потому что они, в общем, дают лучшие результаты.
И я говорю это, как профессиональный аналитик данных. Я говорю своим клиентам в Lokad: не позволяйте вашей стратегии на 10 лет вперёд определяться сегодняшними цифрами. Это вводит в заблуждение. Это ошибка. Рынок будет развиваться так, что эти цифры утратят свою актуальность. Даже если прогнозные цифры окажутся верными, например, в вопросе будущего потребления молока, найдутся другие факторы, которые сделают эти числа неважными, просто потому что ваши конкуренты найдут способы удивить вас и обойти вас. Вот чем занимается конкуренция в более широком масштабе.
Conor Doherty: Если подытожить наше обсуждение одним вопросом: если настоящая дилемма качества и стоимости в цепочке поставок настолько сложна и дорого стоит в решении, как вы описали, и имеет ограниченный временной горизонт, подобно самому прогнозированию, то почему же люди должны отказываться от очень удобных, понятных и простых метрик хорошего и плохого уровня обслуживания? Зачем это делать, несмотря на всё, что вы только что описали? В чём стимул?
Joannes Vermorel: Стимул подобен тому, чтобы стать мастером в шахматы. Это очень сложно, очень дорого и занимает много времени, но вы делаете это, чтобы побеждать. Видите, дело в том, что у вас всегда есть конкуренты, и многие говорят, что современные цепочки поставок стали невероятно сложными. Поэтому потенциал для их улучшения тоже огромен. И что интересно, сложность цепочек поставок выросла за последние пять десятилетий, отчасти благодаря цифровизации: у компаний появились ERP-системы, WMS, платформы для электронной коммерции.
Таким образом, они получили возможность управлять сверхсложными цепочками поставок — и делают это. И когда я общаюсь со многими клиентами, очень немногие говорят: “Знаете, мы хотим вернуться к более простым схемам, с меньшим количеством продуктов, с более длительными сроками поставки.” То есть, давайте упростим всё: например, у нас будут более длительные сроки поставки, то есть мы начинаем производство только после получения заказов, по принципу “сделано по заказу”.
Очень немногие компании говорят: “Знаете, мы хотим вернуться к системе производства по заказу, потому что это делало всё проще”. Нет, это не то направление, о котором мы говорим. Суть в том, что цепочки поставок благодаря цифровизации — и без заблуждений, цифровизация началась три десятилетия назад — стали невероятно сложными.
И поэтому способность действительно оптимизировать эту игру, которая выросла в такую сложность, как шахматы в пяти измерениях или что-то подобное, не продвинулась даже близко к необходимому уровню. Вот что интересно: если вспомнить историю — оба моих родителя начинали в Procter and Gamble более четырех десятилетий назад.
И тогда у них было буквально около 200 продуктов для мировой компании и для французского рынка. Игра была очень простой, а теперь она выросла, скажем, в два, если не в три порядка по сложности, и всё ещё опирается на одни и те же наивные рецепты и методы.
Но здесь есть огромный потенциал, и да, это очень сложно, я согласен, это настоящий вызов, но если вы этого не сделаете, то кто-то сделает это за вас. И люди наблюдают за Amazon. О, Amazon — такая огромная компания, такая прибыльная, и она продолжает расти.
И люди говорят: “Да, ну знаете что”. Я считаю, что, наблюдая, как Amazon растёт так быстро и так велик, можно сделать вывод, что существует целый класс конкурентов, которые не в состоянии бросить вызов Amazon в освоении этого сверхагрессивного подхода к созданию цепочки поставок.
И те вещи, которые я описал здесь, — это те игры, которые ведутся в Amazon более десяти лет. И да, люди понимают, что это по-прежнему абсолютный гигант, который вышел за рамки обычной экономики масштаба. То есть игра, в которую сейчас играет Amazon, такова, что многие не осознают: Amazon функционирует с огромным недостатком.
У них существует своего рода огромный минус. Представьте, что вы играете в гольф с человеком, которому повязаны глаза, и вам приходится с ним соревноваться. Они настолько велики, что имеют колоссальный недостаток, и всё же продолжают расти и опережать множество бизнесов.
И я считаю, что во многом это отражает неспособность многих компаний улучшить свою игру в цепочках поставок. Посмотрите: сейчас Amazon управляет чем-то вроде 300 миллионов товаров в каталоге. Это буквально почти на два порядка больше, чем у любой другой гигантской компании. Это очень, очень впечатляет.
Таким образом, моя точка зрения такова: дилемма между качеством решения и инвестициями — это своего рода мета-игра, которая проходит на совершенно ином уровне по сравнению с традиционной дилеммой, трилеммой, типа “наличные против затрат против сервиса” и тому подобное.
Это мета-игра, и я бы сказал, что если вы не начнёте играть в неё, то просто проиграете, потому что не осознаёте, что нужно для создания действительно превосходной цепочки поставок для вашей компании. Вы застряли на уровне непосредственного решения проблемы, тогда как теперь это уже мета-игра.
Как если бы вы хотели сегодня действительно выигрывать в шахматы, вы могли бы победить только с помощью программного обеспечения. Прошло два десятилетия с тех пор, как машина обыграла чемпиона мира по шахматам. Так что теперь, если вы хотите выигрывать в шахматы, в конечном итоге всё сводится к программному обеспечению.
Речь идёт исключительно о команде, которая разрабатывает программное обеспечение, против другой команды, создающей программное обеспечение. Если вы думаете, что сможете выиграть в шахматы благодаря собственным усилиям, вы уже проиграли. Это теперь битва между командами, разрабатывающими программное обеспечение.
Люди могут сказать: “О, вы проиграли, это не так интересно”. А я скажу, что, по моему мнению, это увлекательно. Ведь всё равно интересно наблюдать, как команды инженеров приходят с новыми идеями и разрабатывают различные способы создания — если честно, я никогда не был особо увлечён шахматами.
Меня всегда больше привлекала разработка программного обеспечения, которое играет в шахматы. И я считаю, что даже если вам немного страшно из-за перехода от игры в шахматы к своего рода мета-игре “что мне делать, чтобы получить это программное обеспечение”, в целом это делает игру гораздо интереснее.
Знаете, не бойтесь этого — в целом это гораздо интереснее и удовлетворительнее. Цепочки поставок настолько сложны, что вам не нужно бояться, если вы не волшебник программирования. Проблема настолько обширна, что у вас есть масса областей, в которых можно развивать свои навыки и найти свой путь в этом путешествии.
Conor Doherty: В качестве заключительной мысли, мы часто говорим «стремитесь к прогрессу, а не к совершенству». Так что, если кто-то пытается перейти от классической бинарной перспективы хорошего или плохого уровня обслуживания к движению в направлении Amazon, каков будет простой следующий шаг?
Joannes Vermorel: Во-первых, определите, какие решения принимаются в вашей цепочке поставок. Потратьте время на то, чтобы в широком смысле оценить, что для вас означает качество в цепочке поставок. И я всегда удивляюсь, когда люди говорят: “Улучшение цепочки поставок — это повышение уровня сервиса”. Нет, это не так. Или: “Дело в снижении затрат”. Нет, это лишь малая её часть. Подумайте, например, о существовании этой трилеммы: стоимость против сервиса против качества.
И ещё, качество определяет качество сервиса очень специфичным образом, например, уровень обслуживания. Мой вызов для аудитории таков: найдите 20 измерений вашей цепочки поставок. Вы должны суметь найти 20. Это не так уж сложно. Вы увидите, если действительно хорошо подумаете, что существует как минимум 20 измерений, которые оказывают влияние.
То есть, драйверы, ограничения, различные соображения. И не увлекайтесь сверхпростейшими моделями, которые обещают решить вашу цепочку поставок с помощью трилеммы. Вместо того чтобы иметь дилемму с двумя силами, тянущими в разные стороны, определите эти 20 измерений и проведите мозговой штурм.
И тогда вы начнете осознавать, что ведется очень сложная игра, которая заслуживает ответа, который в некоторой степени всё охватывает. И снова, приблизительно правильное лучше, чем точно неверное. Да, ваш ответ может быть несколько грубым, но, по крайней мере, он гораздо более всеобъемлющий, чем, скажем, “у меня есть эта оптимальная модель, которая рассматривает лишь два измерения из двадцати”.
И это дает вам иллюзию оптимальности, потому что это оптимальность, но в невероятно узком, упрощенном смысле, который даже отдаленно не учитывает того, что вообще означает иметь высококачественное выполнение цепочки поставок, которое действительно необходимо вашей компании.
Conor Doherty: Ладно, Joannes, у меня больше нет вопросов. Большое спасибо за ваше время. И большое спасибо за просмотр. Увидимся в следующий раз.