Al salir de esa reunión, me di cuenta de que en realidad no se trataba del tamaño de la base de datos, sino de dos filosofías muy diferentes. Una que cree que más detalle significa automáticamente mejores resultados, y otra que reconoce la realidad de los rendimientos decrecientes.

Cada capa de detalle y cada campo adicional puede aportar valor, pero también añade complejidad, más datos que mantener y más tiempo dedicado a forzar a la herramienta a dar resultados. En algún punto, esa “robustez” adicional socava el verdadero objetivo de la herramienta: decisiones útiles y oportunas.

Y si se acaba el tiempo, ningún modelo importa. Eso era cierto hace 30 años, y lo sigue siendo hoy.

Cuando Lotus 1-2-3 era el rey

El tiempo ha sido un recurso crítico prácticamente desde el primer día. Unos años después de que Jobs y Wozniak comenzaran a experimentar en ese ya famoso garaje, las PC estaban transformando fundamentalmente la toma de decisiones en los negocios. Los gerentes de repente tenían acceso a aplicaciones visuales, basadas en menús, con las que podían interactuar en tiempo real.

Este cambio de la computación por lotes, mediada por TI, a aplicaciones interactivas controladas por el usuario democratizó el soporte a la decisión, permitiendo que los individuos tomaran decisiones en el momento en lugar de esperar informes estáticos que a menudo llegaban desactualizados.

Para quienes trabajábamos en soluciones de planificación y optimización en el ámbito de la cadena de suministro, eran tiempos emocionantes. Finalmente podíamos comenzar a vincular modelos de Investigación de Operaciones (IO) con el nuevo mundo de aplicaciones visuales e interactivas.

Con la llegada de solucionadores comerciales, empezamos a desarrollar herramientas de diseño de redes y planificación táctica que los gerentes podían usar directamente. Pero el tiempo rápidamente se convirtió en un gran cuello de botella: no solo el tiempo de preparar escenarios e interpretar resultados, sino sobre todo la capacidad de procesamiento necesaria para ejecutarlos.

La velocidad de cómputo, más que cualquier otra cosa, estableció los límites prácticos de lo que era posible.

Para ofrecer soluciones asequibles con una probabilidad razonable de éxito, no tuvimos más opción que diseñar —o más exactamente, ajustar— modelos a las máquinas que teníamos. La optimalidad en el sentido de los libros de texto generalmente no era una opción.

Hasta el día de hoy, el objetivo sigue siendo el mismo: soluciones que puedan generar consistentemente resultados de buena calidad en un tiempo razonable y a un costo accesible.

Llámalo Pareto aplicado a la IO. El hecho de que muchas de estas soluciones hayan durado mucho más que la norma de la industria —uno de los primeros sistemas de planificación de la cadena de suministro cumplió recientemente 32 años— es una sólida indicación de que este enfoque funciona: dimensiona bien el modelo, apunta a buenos resultados y no lo compliques de más.

De vuelta al futuro

Así que cuando ese experto sugirió que el tamaño de nuestra base de datos no era lo suficientemente grande para una solución robusta, entendí su perspectiva, pero no voy a cambiar de opinión.

Algunas aplicaciones de modelado de cadenas de suministro buscan manejar problemas más complejos. Para hacerlo, incorporan las funciones y características necesarias para soportar esa complejidad, lo que inevitablemente se da a costa de la usabilidad, la velocidad y la adopción.

En Factible Tools hemos elegido un camino diferente: construir una herramienta de diseño de redes de suministro y planificación táctica que entregue lo que la gran mayoría de organizaciones realmente necesita.

Agregamos complejidad solo cuando beneficia a la comunidad más amplia de usuarios. Nuestra solución no será la adecuada en todos los casos, y eso está bien. Pero para muchos que quieren respuestas buenas y rápidas, sin tener que atravesar interminables pantallas de configuración, “menos” no es solo más, es lo justo.

Después de más de 30 años de ver cómo las soluciones más simples superan en duración a las más sofisticadas, seguiré persiguiendo la métrica que más importa: ¿la gente realmente usa lo que construimos para tomar mejores decisiones?

Porque al final, esa es la señal más clara de que hemos estado en el camino correcto, y de que aún lo estamos.