ディシジョンネクストのRobert Pierce氏、共同創設者兼チーフサイエンスオフィサー – インタビューシリーズ

ボブ・ピアースは、ディシジョンネクストの共同創設者兼チーフサイエンスオフィサーです。彼の仕事は、数学分析を新しい市場や業界に導入し、企業が戦略的な意思決定を行う方法を改善してきました。ディシジョンネクストに入社する前は、シグナルデマンドのチーフサイエンティストとして、製造業者向けのソリューションの科学的根拠を指導していました。ボブは、キメトリクス（現SAP）やコンセプトラボなどで上級研究開発役や学術的な役職を歴任し、ナショナルアカデミー・オブ・サイエンス、ペンシルベニア州立大学、カリフォルニア大学バークレー校などで研究を行ってきました。彼の研究分野は、商品や製造業など多岐にわたるもので、経済計量学、海洋学、数学、非線形力学などの分野に貢献しています。彼は数多くの特許を取得し、複数の査読付き論文の著者です。ボブは、カリフォルニア大学バークレー校で理論物理学の博士号を取得しています。

ディシジョンネクストは、2015年に設立されたデータ分析および予測会社で、AI駆動の価格および供給予測を専門としています。同社は、従来の「ブラックボックス」予測モデルの限界に対処するために設立されました。従来のモデルの多くは、透明性や有用な洞察が欠けていたためです。ディシジョンネクストは、AIと機械学習を統合することで、企業に予測に影響を与える要因に関するより深い洞察を提供し、市場リスクとビジネスリスクの両方を考慮した情報に基づいた決定を下すことができます。同社のプラットフォームは、サプライチェーン全体で予測の精度を向上させることを目的として設計されており、顧客が直感に基づく意思決定を超えて進むことができます。

ディシジョンネクストを設立した当初の考えやインスピレーションは何でしたか？また、理論物理学の背景や様々な業界での役割は、どのようにしてこのビジョンを形作ることになりましたか。

私の共同創設者マイク・ニールと私は、過去の会社で小売業者や商品加工業者向けの最適化および予測ソリューションを提供する中で多くの経験を積みました。そこで得られた2つの重要な教訓は以下のとおりです：

1. ユーザーは、予測やソリューションがどこから来ているのかを理解している必要があります。
2. ユーザーは、自分が何を思っているかと、実際に起こる可能性を区別するのが非常に難しいです。

これらの概念は、人間の認知とソフトウェアが問題を解決する方法に関する深い根源を持っています。人間の脳は、確率を計算するのが得意ではないことはよく知られています。物理学者として、私は不確実性に対処するための概念フレームワークを作成し、分散コンピューティングプラットフォームを構築してそれを探求することを学びました。これが、私たちのソリューションの技術的な基盤であり、不確実性の中でより良い決定を下すためのものです。つまり、市場がどのように進化するかはわかりませんが、将来の利益を最大化するために今何をすべきかを決定しなければなりません。

チーフサイエンスオフィサーへの役割変更は、日々の焦点とディシジョンネクストへの長期的なビジョンにどのような影響を与えましたか。

チーフサイエンスオフィサーへの役割変更は、私の日々の焦点を、製品がどのようにして顧客に価値を提供するかという点に絞ることになりました。私は、他の人に任せられる日々のエンジニアリングの責任を放棄しました。新しい機能やアイデアを追加してソリューションを改善するためのアイデアはいつもありますが、この役割は、私に新しい革新的なアプローチを研究するための時間を与えてくれました。

商品市場には、AIや機械学習のソリューションの採用に特に適した、または抵抗している、独自の課題があります。どのような課題があり、ディシジョンネクストはそれに対処するためにどのようにしていますか。

商品市場をモデル化することは、構造的および確率的特性の魅力的な組み合わせを伴います。これを、物理的な取引や材料の生産における利用方法の数えきれない多様性と組み合わせると、非常に豊かで複雑な分野になります。しかしながら、数学的には、株式の世界よりもはるかに発展が遅れています。AIや機械学習は、より効率的なモデリング方法を見つけて、複雑な意思決定をナビゲートするのに役立ちます。

ディシジョンネクストは、機械学習モデルの使用と、商品の意思決定に重要な人間の専門知識のバランスをどのようにとっていますか。

機械学習は、文脈や因果関係の扱いにおいてまだ苦労しています。私たちの経験は、モデル化のある側面では、人間の専門知識と監督が依然として重要であることを示しています。顧客は、市場を供給と需要の基礎的な側面から見ています。如果モデルがその信念を反映していない場合（教師なしモデルはしばしばそうである）、顧客は信頼を築けません。重要なのは、ユーザーが信頼できないモデルを日常の意思決定プロセスに組み込まないということです。したがって、明らかに正確な機械学習モデルであっても、直感に反するものは、棚にしまわれる可能性が高くなります。

顧客からの人間の専門知識も重要です。観測データは決して完全ではないということは、真実です。モデルは現実を模倣するものではなく、ガイドとして機能するべきです。市場に精通しているユーザーは、モデルへの入力として利用できない重要な知識や洞察を持っています。ディシジョンネクストのAIは、ユーザーがモデル入力を強化し、市場シナリオを作成できるようにします。これにより、予測と意思決定の推奨に対する柔軟性が高まり、ユーザーの信頼とシステムとのやり取りが向上します。

商品の予測に革命をもたらす、AIやデータサイエンスの特定のブレークスルーがありますか。ディシジョンネクストは、将来の変化にどのように対応していますか。

機能的なLLM（大規模言語モデル）の出現は、ビジネス上の意思決定に長期にわたって影響を与えるブレークスルーです。モデル自体の改善のペースは依然として速いですが、AIをビジネスプロセスに統合する最も効果的な方法を理解するには、まだ道のりが長いと思います。私が直面する多くの問題は、複雑な制約を持つ最適化問題として表現できます。ビジネスプロセス内の制約は、しばしば文書化されていないか、厳密にではなく文脈によって適用されます。我々は、これがAIの巨大な未利用機会であると考えています。AIは、歴史的なデータから暗黙の制約を発見し、適切な文脈最適化問題を構築して解くことができます。

ディシジョンネクストは、これらの問題を解決し、重要な情報や予測に簡単にアクセスできるプラットフォームです。ディシジョンネクストは、システムの使用を容易にし、ユーザーの指示に従って複雑なタスクを実行するLLMベースのエージェントを開発しています。これにより、我々はビジネスプロセスや業界でさらに価値を追加し、拡大することができます。

あなたの研究は、海洋学、経済計量学、非線形力学など、多様な分野に及んでいます。これらの学際的な洞察は、商品予測の問題を解決するにあたってどのように貢献していますか。

私の幅広い背景は、私の仕事に3つの方法で影響を与えています。まず、私の仕事の幅は、特定の分野に深く掘り下げることを妨げてきました。代わりに、私は多くの異なる分野に触れてきました。2つ目は、高性能分散コンピューティングが私の仕事を通して一貫したテーマとなっています。物理学を学んでいた頃に、adhocなコンピューティングクラスターを構築するために使用していたテクニックは、現在の主流フレームワークで使用されています。最後に、さまざまな問題に取り組むことで、私は哲学的な好奇心を養ってきました。大学院で物理学を学んでいたとき、経済学で働くことになるなどとは夢にも思いませんでした。5年後の自分が何をしているかはわかりませんが、面白いことになるでしょう。

ディシジョンネクストは「ブラックボックス」予測モデルの枠を超えることを強調しています。透明性はなぜ重要であり、ユーザーの信頼と採用にどのような影響を与えますか。

典型的な商品トレーダー（取引所での取引やオフ取引）は、業界の基礎を生産側で学び、変動する市場でベットする才能を持った人です。彼らは、供給側のビジネスで実務経験がない場合、経営陣の信頼を得ることができず、トレーダーとして昇進することもできません。また、ギャンブルに親和性がなければ、取引を実行する際にストレスが溜まります。ウォール街のクォンツと違い、商品トレーダーは、確率と統計の正式な背景を持っていないことがよくあります。信頼を得るには、直感的で迅速で、供給と需要が主要な市場動向の原動力であるという認識を反映するシステムを提示する必要があります。したがって、私たちは「ホワイトボックス」アプローチを取り入れ、すべてを透明にすることを目指しています。通常、顧客はシステムの根底にある理由を深く調べ、我々はその過程をガイドします。信頼が確立されると、ユーザーは通常、深く掘り下げる時間を費やしませんが、重要な予測や驚くべき予測が出たときに、時折戻ってきて質問します。

ディシジョンネクストのリスク認識予測アプローチは、企業が市場状況に反応するだけでなく、戦略を積極的に形成するのを助ける方法について説明してください。

商品取引は、取引所に限定されません。大多数の企業は、リスクをヘッジするために先物取引へのアクセスが制限されています。原材料としてリストされている商品（たとえば、牛）を購入する加工業者は、その出力（たとえば、牛肉）も変動する商品です。入力と出力の価格が相関しないことがよくあります。高価な施設を持つ加工業者は、安全に運営するために、ほぼ常に最大容量で運営しなければなりません。したがって、スポット市場だけで運営することはできません。材料を購入し、出力を売るために、将来に向けて契約する必要があります。ディシジョンネクストは、加工業者が、供給、需要、価格変数の全エコシステムを予測し、ビジネス上の意思決定が市場の全範囲の結果によってどのように影響を受けるかをシミュレートできるようにします。ペーパートレーディングは戦略の一部になるかもしれませんが、最も重要なのは、材料と販売のコミットメント、および処理決定を理解して、容量の活用を確保することです。ディシジョンネクストは、これに特化しています。

ディシジョンネクストのようなプラットフォームが、AIとシミュレーションを使用して、透明なデータとオープンな推論に基づいて、ビジネスプロセスを変革することを考慮して、科学とAIの交差点で最も興奮することは何ですか。

行動経済学は、認知がビジネス上の意思決定に与える影響について私たちの理解を変えてきました。AIは、ソフトウェアツールを使用して人間の認知をサポートし、より良い決定を下す方法を変えてきました。AIによる自動化によって実現される効率性の向上は、経済的に重要です。商品企業は薄利益で高労働コストで運営されているため、自動化から大きな利益を得る可能性が高いと思われます。さらに、私は、ビジネス上の決定が、直感やルールに基づいて行われることが多く、情報が限られているか不透明であるという、隠れた非効率性があると考えています。決定は、限られた情報とシンプルなスプレッドシートツールに基づいて行われることがよくあります。私にとって、最も興奮する結果は、ディシジョンネクストのようなプラットフォームが、AIとシミュレーションを使用して、ビジネスプロセスを変革し、透明なデータとオープンな推論に基づいて、コンテキストとリスクを認識した決定を下すことを助けることです。

素晴らしいインタビュー、詳しく知りたい読者はディシジョンネクストを訪問してください。