最終更新：2026年11月4日
市場調査に戻る
Thoucentric Labsは、2023年にXoriantが買収したコンサルティング企業Thoucentricの中で、予測・分析製品を開発する。製品群は、需要予測のthouSense、事業シナリオのthouPlan、商品価格のPriceVision、製造品質のPrediQで構成される。計画、調達、生産チームに予測、シミュレーション、報告、推奨を提供する。1 10
サプライチェーン総合評価：3.0/10
| 評価軸 | 評点 |
|---|---|
| サプライチェーンへの理解の深さ | 3.0/10 |
| 意思決定と最適化の実質 | 3.2/10 |
| 製品とアーキテクチャの整合性 | 3.2/10 |
| 技術的透明性 | 2.8/10 |
| ベンダーの真剣さ | 3.0/10 |
最大の弱点は、数量を予測することと、経済的に妥当な行動を選ぶことの隔たりである。公開された業務手順は、人が解釈する需要予測と代替計画を生成する。購買や配分を自動選択する、需要、供給遅延、費用、利用可能な行動の共同モデルは公開していない。
複数の主張には、はるかに強い証拠が必要である。thouSenseは、構築方法や検証を示さずに確率分布と因果説明を約束する。日付のあるPriceVision事例は、日次価格の精度95%超と大幅な調達節約を報告するが、指標と購買の比較基準を省いている。親会社のコンサルティング事例はより具体的だが、一部の成果はLabs製品ではなく他社の計画システムによるものだ。3 7 12
Thoucentric LabsとLokadの比較
Thoucentricは、分析製品に加えてコンサルティングと導入サービスを販売する。Lokadは、プログラム可能な意思決定基盤と、顧客の数値的判断ロジックを構築・保守するサプライチェーンサイエンティストを提供する。どちらのモデルにもサービスが必要だ。重要な違いは、そのサービスが何を作るかにある。維持される予測・計画プロセスか、それとも経済性に従って業務行動を選ぶ、維持された計算かである。10 14 Lokadの定量的サプライチェーンのアプローチを参照されたい。
価格が下がる可能性のある原料を買う食品メーカーを考える。PriceVisionは価格予測を、thouSenseは期待需要を提供し、thouPlanは運用シナリオを比較できる。しかし購買判断は、不確実な供給到着、手元資金、最低数量、保管、腐敗、生産中断の費用にも依存する。これらの条件によっては、安値を待つという推奨が逆転する。
公開製品説明は、これらのトレードオフを結ぶ共通計算を説明しない。個別の予測が正確でも、整合させる人が必要になる。Lokadの在庫最適化アプローチは、実行可能な行動の経済比較を中心の計算とし、判断に影響する不確実性を含める。専門家は顧客とともにデータ解釈とロジックを維持する責任を負う。その技術作業は総保有コストの比較に含めるべきだ。
予測ファイルから業務判断へ
最も明確な手順はthouSense Liteである。利用者は需要・階層ファイルをアップロードし、週次か月次の粒度と最大24か月の期間を選び、予測を実行または予約する。処理後に結果が利用でき、選んだ階層での報告と、実績到着後の過去精度表示が提供される。2
計算の予約は表計算の準備を取り除き得る。しかし発注書を決定するわけではない。組織はなお、予測を数量へ変換し、供給・生産制約を調整し、サービス方針を選び、結果の判断を監視する必要がある。したがって製品の労働面の利点は、残る作業を導入がどれだけなくすかによる。
広い範囲を扱うthouSenseページは、外部説明変数、確率分布、データへ質問するアシスタントを加える。サービスレベルの例は、ユーザーが予測を下げると何が起きるかを問う。これでは意思決定変数が不明確である。予測は不確実な需要を説明し、在庫と購買の選択がその需要をどう満たすかを決めるべきだ。好みのサービス結果を得るため予測を変えることは、未来の知識と今日の行動を混同する。3
thouPlanは、能力選択や直送とハブ経由輸送を含む需要・供給シナリオを比較する。三〜六か月の期間について、生産、輸送、倉庫、履行の代替計画と、業務・財務KPIへの影響を説明する。公開説明は、ソルバー、最適化目的、シナリオ確率、計画の選択ルールを特定しない。4
これは重大な欠落である。二つの計画が同じ倉庫能力と調達予算を使うとする。別々に評価しても、どちらが事業全体で資源を最もよく使うかは分からない。トレードオフを解くには、共通の金銭目的と結合制約が必要だ。また、ある仮定の到着日には魅力的な計画でも、入荷遅延が多ければ悪い計画になり得る。シナリオを提示しても、確率的最適化を証明したことにはならない。
確率、因果主張、予測検証
確率を扱うという主張は重要だが、不完全である。公開説明は、分位点や分布、品目間依存、較正、不確実な補充の扱いを定めていない。需要分布が在庫計算を改善するには、時点と粒度が判断に合い、重要な供給不確実性と結び付いていなければならない。
因果の主張は、モデル出力を説明することより要求が厳しい。販促は、季節需要の強まりや販路拡大と同時に起き得る。寄与度図は、当てはめたモデルが変数をどう使うかを示しても、追加販促が何を引き起こすかを示すわけではない。欠けている証拠は、介入設計か別の妥当な識別手法と、それに基づく判断の試験である。現在のthouSenseの図は、測定結果ではなく概念図であると明示している。3
親会社の2025年1月の需要計画事例は、より具体的な手法を示す。製品カテゴリーへのモデル割り当て、販促と短期販売シグナルの取り込み、マクロ経済説明変数を使うARIMAXを説明する。予測精度35%改善と労働時間30%減を報告する。ARIMAXは確立された統計手法であり、適用には用途があるが、機械学習と呼んでも追加の技術的独自性は生まれない。この事例は、Labs製品を導入基盤として特定していない。11
比較では、情報の利用可能時点を一定に保つ必要がある。結果の直前に得た未処理注文、出荷、POS観測は、予測を容易にしても、何週間も前に発注すべき注文にはほとんど役立たないかもしれない。親会社はdemand sensingを宣伝するが、独立した手法も、新しいシグナルの効果を遅い予測起点の効果から分離する試験も公開しない。14
週次、月次、階層報告にも注意が必要だ。集約は、ある品目の過大予測と別の品目の欠品を隠し得る。Liteの選択可能な報告階層は検査に有用だが、見出しの精度は、固定された過去予測と比較可能な基準を使い、購買判断の粒度で測るべきである。2
PriceVision：高い精度率は調達方針の妥当性を証明しない
2021年8月のパーム油事例は、公開された最も実質的な経済主張である。日次価格予測精度95%超、十五日・三十日の購買判断、月間調達節約15%超で1,500万INR超を報告する。顧客は匿名である。ページは、結果の再現に必要な精度式、価格経路、評価日、数量、基準購買戦略を提供しない。7
価格水準の高い割合は、有用な価格変化を予測せずとも簡単に得られる場合がある。説明用の例として、商品が今日100、来月102なら、100と予測するだけで、一から百分率誤差を引く定義では約98%の精度になる。この予測に今日の価格以上の情報はない。PriceVisionの見出しは、指標と比較可能な基準なしに調達の優位性を証明できない。
購買比較には、その時点で可能だった代替案、すなわち定期補充、価格据え置き予測、利用できるヘッジを含めなければならない。資金調達、保管、取引費用、物理的な消費需要も考慮する必要がある。後で買うことは、欠品リスクを上げながら安く見えるかもしれない。早く買えば、資金を拘束したり余剰を作ったりしながら請求価格を下げられる場合がある。
現在のPriceVisionページは、過去価格、外部変数、ニュース感情を、Fibonacci計算機などのテクニカル分析ツールと組み合わせる。ブラックスワン事象もモデル入力に挙げる。未観測の事象を既知の未来情報として入力することはできない。検証では、事象前に発行した予測と、観測可能になった後の反応を区別しなければならない。技術指標と感情スコアは、この時点の問題を解決しない。5
事例公開から五年後も、現在の製品資料は、再現可能な予測比較や費用を全て含めた購買評価を示していない。
PrediQ：具体的な産業入力、未解決の介入証拠
PrediQの出力は業務上より具体的であり、生産設定の推奨と、起こりそうな欠陥の警告を行う。現在の説明は、機械、センサー、ERP、製造実行のデータを使って品質を推定し、パラメーター変更を模擬する。この入力は、製品に明確な産業タスクを与える。6
2021年1月の自動車事例は、十三種類の塗装欠陥を説明し、チームが22モデルを作り、各モデルで少なくとも十種類のアルゴリズムを試したとする。温度と湿度の設定が介入候補とされる。モデル数を数えても予測品質は証明できない。多数の候補から選ぶほど、手を付けていない評価期間が重要になる。説明は、検証用に残したデータでの欠陥予測、誤警報率、実現した手直し削減を公開しない。8
クッキー製造の資料は、原料、機械設定、工程段階を品質問題に対応付ける。構成はデータレイク、予測、アラート、推奨、シミュレーションである。これらは識別可能なアプリ機能だ。しかし資料は、顧客の導入前後を測定した成果を報告しない。9
経済的な試験は、実際の稼働条件で設定を変える価値である。欠陥を減らすには、処理速度の低下、追加エネルギー、高価な原料が必要かもしれない。有用な推奨は、それらの費用と防止する欠陥の確率を考慮しなければならない。過去の作業者判断から学んだ相関は、ソフトウェアが違う選択を勧めるときに検証が必要である。
技術の歴史と証拠の継続性
| 時期 | 公開記録 | 帰結 |
|---|---|---|
| 2019–2021 | Labsの事例索引は、需要予測、品質予測、工場IoTのプロジェクトをこの時期に位置付ける。 | 製品の系譜は最近の生成AIブームより古い。19 |
| 2021年1月 | 塗装工場事例は、モデル選択と作業者向け工程推奨を説明する。 | 狭い産業ML作業は確認できるが、介入性能は報告されない。8 |
| 2021年8月 | PriceVisionがパーム油の精度と節約を主張する。 | 再現可能な評価なしに、強い経済的約束が現れる。7 |
| 2023年8月 | XoriantがThoucentricを買収し、Labsの個別AI/ML製品を明示する。 | 所有関係と、コンサルティングに製品を加えたモデルが確認できる。10 |
| 2025年1月 | 親会社が需要計画とS&OP変革の事例を公開する。 | 手法と作業削減は具体化するが、コンサルティング案件であり、他社製品を使う場合もある。11 12 |
| 2025年8月 | Labsが生成AIエンジニアを募集する。 | 職務はLLMアプリ、検索パイプライン、モデル導入を含むが、発売済みサプライチェーンエージェントを示さない。16 |
| 2026 | 製品がThoucentric本体サイトに掲載され、Labsの企業ページは親会社のSNSへの統合を告知する。 | 製品は販売され続け、発信が統合されている。18 |
歴史的な問題は、測定の追跡が弱いことである。以前の産業作業は狭い予測と推奨であり、実証された汎用企業知能ではなかった。現在の確率、因果、アシスタントという名称には、仕組みと貢献に関する追加証拠が必要だ。公開記録は、それらの追加を、日付のある顧客純利益の改善に結び付けていない。
2025年のARIMAX事例も、名称を精査すべき理由を示す。有用だったのは、モデル選択、データ・業務問題の修正、説明観測の取り込みである。広いAI表現で、実際に動いた内容の説明を置き換えるべきではない。
生産性、設定保守、責任
親会社のS&OP事例は、四十を超える市場で労働時間が45%超減ったと報告する。導入にはAnaplanとDOMOを使い、データ統合、業務再設計、ダッシュボード、例外中心の会議を含む。これはThoucentricのコンサルティング遂行の証拠であり、結果の業務はなお人間のレビューを中心にしている。12
別の計画変革は、主要な計画活動の58%改善を報告し、在庫削減は引き続き測定中とする。提供責任には、予測調整、変更管理、ツール性能、リリース管理、監査が含まれる。これらは計画基盤の背後の実際の保守作業を明らかにする。13
Labs製品の反復的な設定には、階層、予測期間、モデル選択、説明変数、シナリオ定義、報告の切り口がある。これらの選択はソフトウェアと同じ振る舞いをする。不整合になり、データ変更後に壊れ、回帰試験を要することがある。操作の少ない画面は、ライフサイクル全体の保守が少ない証拠にはならない。
thouSenseのアシスタントは、自然言語で情報を取り出す。画面移動は減らせるかもしれないが、生産性の機会はもっと大きい。悪い判断を検出し、誤った解釈や目的を特定し、再利用できるロジックを変え、修正案を再実行し、安全に公開することだ。公開製品は、その完全な改善サイクルを文書化していない。根底の区別についてはホリミゼーションを参照されたい。
経済的責任は、この作業の制御に対応すべきである。ベンダーがモデルを設定するなら、受け入れ方法はソフトウェア、コンサルティング、クラウド、顧客労働の費用を引いた判断を試験すべきだ。顧客が方針を保守するなら、必要な技能、道具、継続労力をベンダーが示すべきである。公表された利益率はその方法を提供せず、利益が実現しないとき誰がモデルを修理するかも示さない。
ソフトウェア部品表とセキュリティ
公開技術一覧は限定的であり、個々の製品構成より、実装技能のほうがはるかによく開示されている。
| 部品 | 帰属を確認できる範囲 | 保有・運用上の意味 |
|---|---|---|
| Microsoft Azure | Xoriantが掲載したthouSenseのマーケットプレイス情報は、Azureをバックエンドとする。15 | ホスティング名はあるが、サービス構成、能力、顧客間境界は不明である。 |
| DockerとKubernetes | LabsサイトはMLアプリのコンテナー化とフレームワーク導入に挙げる。1 | コンテナー運用とオーケストレーションには、使用箇所ごとにパッチ、資源、復旧の作業が発生する。 |
| データレイクと産業システムの入力 | 2021年のPrediQ資料はデータ収集・モデリング構成を示す。9 | 過去とリアルタイムの測定には、維持された対応関係、保存、信頼できる時刻が必要になる。 |
2025年8月のLabs求人は、Pythonと、LLMアプリ、検索、導入の作業を指定する。選択肢として並ぶ多数のフレームワークとベクトルストアは、特定製品の実装部品を特定しない。2026年4月の予測求人も、確立した統計、木構造、ニューラル手法を挙げるが、公開済みのthouSenseエンジンとの対応は示さない。採用記録は開発活動を示すものの、製品単位の依存関係・リリース一覧は依然としてない。16 17
この不透明さは、ソフトウェアの規模の確かな見積もりを妨げる。より直接的な保有上の問題は、既製機能と個別実装の境界が分からないことだ。買い手は、どの入力対応、モデル、シナリオ規則が更新後も残り、どれにコンサルタントの介入が必要かを知る必要がある。
Azureホスティングとコンテナーは、設計による安全性を証明しない。公開資料は、テナント分離、本番アクセス権限、ネットワーク制限、依存部品管理、復旧試験、顧客固有モデルの管理された本番昇格経路を文書化しない。PrediQの産業データ接続では、測定値の読み取りと機械制御の変更も明確に分離する必要がある。9 15
サプライチェーン評価
サプライチェーンへの理解の深さ
| 基準 | 評点 |
|---|---|
| 経済的な問題設定 | 4/10 |
| 意思決定の最終到達点 | 3/10 |
| サプライチェーン概念の明晰さ | 3/10 |
| 時代遅れの中核的教義からの脱却 | 3/10 |
| KPIの見せかけへの強さ | 2/10 |
平均：3.0/10。
経済的な問題設定 — 4/10。 商品調達と業務シナリオ評価は重要な費用を扱う。製品説明は、在庫、現金、能力、サービスの競合を解消する共通の金銭目的を定義していない。4 5
意思決定の最終到達点 — 3/10。 予約された予測には明確な出力があるが、公開手順は報告で終わる。実行可能な購買・配分方針、その制約、業務システムへの戻り経路は特定されていない。2
サプライチェーン概念の明晰さ — 3/10。 サービスレベルの例は、予測と行動を混同する。需要見積もりを操作すれば、リスクを経済的に処理する在庫・供給判断を選ぶ代わりに、そのリスクを隠すことがあるため重要である。3
時代遅れの中核的教義からの脱却 — 3/10。 周辺提案は依然として合意形成、S&OP、コントロールタワー、担当者向けシナリオを中心にする。公開された自律計画という表現は、Labs製品の異なる運用モデルを示していない。14
KPIの見せかけへの強さ — 2/10。 パーム油精度の見出しは定義を省き、節約主張には再現可能な基準がない。どちらの統計でも、予測技能と、価格の持続性、有利な時機、購買リスクの変化を区別できない。7
意思決定と最適化の実質
| 基準 | 評点 |
|---|---|
| 確率的モデリングの深さ | 3/10 |
| 独自の最適化・機械学習の実質 | 3/10 |
| 現実の制約への対応 | 4/10 |
| 意思決定の自動化と労働生産性 | 3/10 |
| 現実の業務複雑性に対する回復力 | 3/10 |
平均：3.2/10。
確率的モデリングの深さ — 3/10。 分布は宣伝されるが、その較正や供給到着の不確実性との組み合わせは文書化されていない。そのため、リスク調整された購買・在庫判断の技術評価ができない。3
独自の最適化・機械学習の実質 — 3/10。 塗装工場事例はモデル構築と選択を説明する。アルゴリズム、評価結果、標準的な予測モデルを上回る理由となる独自最適化機構は公開しない。8
現実の制約への対応 — 4/10。 thouPlanは能力と物流の代替戦略を明示的に扱う。公開説明は、実際の計画を選ぶ際、離散的な業務制約と共有資源をどう同時に課すかを示さない。4
意思決定の自動化と労働生産性 — 3/10。 予測の予約は反復計算を減らす。残る判断作業は数値化も自動化の実証もされていない。他社基盤でのコンサルティング成果から、Labs製品に必要な運用労働量は示せない。2 12
現実の業務複雑性に対する回復力 — 3/10。 親会社はリリース・ツール管理サービスを説明する。製品は、失敗した経済推奨を診断し、定式化を修正し、結果を再実行し、持続する修正を安全に導入する過程を公開していない。13
製品とアーキテクチャの整合性
| 基準 | 評点 |
|---|---|
| アーキテクチャの一貫性 | 4/10 |
| システム境界の明確さ | 4/10 |
| セキュリティへの真剣さ | 2/10 |
| ソフトウェアの簡素さと総保有コスト | 3/10 |
| プログラム操作・エージェント支援運用との適合性 | 3/10 |
平均：3.2/10。
アーキテクチャの一貫性 — 4/10。 四製品には識別可能な分析目的がある。カタログは、需要、調達価格、生産品質、業務計画をつなぐ共通データモデルと意思決定計算を説明しない。1
システム境界の明確さ — 4/10。 予測と工程品質の入力・出力は説明される。導入インターフェース、業務への書き戻し責任、既製ソフトウェアと個別統合の分離は記述が薄い。6 15
セキュリティへの真剣さ — 2/10。 公開のホスティング主張には、検査可能な顧客分離、権限、実行封じ込め設計がない。産業データ構成も、分析アクセスと生産制御の境界を不明確にしている。9 15
ソフトウェアの簡素さと総保有コスト — 3/10。 顧客別統合、リリース、計画支援は確認できる責任である。製品構成一覧と保守モデルがなければ、継続的な開発負担や各追加部品が費用に見合うかを購入側は判断できない。1 13
プログラム操作・エージェント支援運用との適合性 — 3/10。 実行予約は文書化されるが、公開API、版管理された判断ロジック、試験済みのエージェント支援変更過程はない。会話アシスタントは主として分析情報へのアクセスを容易にする。2 3
技術的透明性
| 基準 | 評点 |
|---|---|
| 公開技術文書 | 3/10 |
| ベンダーを介さずに検査できること | 2/10 |
| 可搬性とロックインの可視性 | 2/10 |
| 導入手法の透明性 | 4/10 |
| 技術的主張を支える証拠の密度 | 3/10 |
平均：2.8/10。
公開技術文書 — 3/10。 業務手順と製造資料は機能と入力を特定する。しかし、版付きモデル仕様、API契約、数値目的、業務セキュリティ文書までは示さない。2 9
ベンダーを介さずに検査できること — 2/10。 公開図では、主張される計画計算を評価者が再構築・試験できない。シナリオから計画への中核段階には、公開された定式化も再現可能な実験もない。4
可搬性とロックインの可視性 — 2/10。 ファイル取り込みは明示されるが、学習済みモデル、変換、シナリオ定義、その実行意味の同等な書き出しは示されない。交換費用は、過去データの抽出を大幅に超える可能性がある。2
導入手法の透明性 — 4/10。 コンサルティング事例は、データ、プロセス、モデル選択、リリース管理の作業を特定する。提供責任を理解するには有用だが、製品固有試験と継続保守は見えにくい。11 13
技術的主張を支える証拠の密度 — 3/10。 名称のある変数と業務例は、製品にある程度の実質を与える。強い精度・経済性の主張には、反証や再現に必要な評価詳細が依然として欠ける。7 8
ベンダーの真剣さ
| 基準 | 評点 |
|---|---|
| 公開発信の技術的な真剣さ | 3/10 |
| 技術ロードマップの一貫性 | 3/10 |
| 概念の明晰さ | 3/10 |
| 経済的成果への責任 | 3/10 |
| エージェント型ソフトウェア時代の競争優位の持続性 | 3/10 |
平均：3.0/10。
公開発信の技術的な真剣さ — 3/10。 予測・財務の主張は、十分な検証なしに強い言葉を使う。PriceVisionのAI予測と技術指標の組み合わせでは、各手法の追加貢献が未解決である。5 7
技術ロードマップの一貫性 — 3/10。 記録は複数年の製品と用途を示す。しかし初期の予測モデルから現在の広い主張への測定された進歩も、元の評価の穴を埋める追跡も示していない。8 10 19
概念の明晰さ — 3/10。 一部のAI用語の背後には確立された予測手法がある。重要な数値的区別、すなわち観測を予測することと経済的に正当な介入を選ぶことは、製品説明で一貫して展開されていない。6 11
経済的成果への責任 — 3/10。 事例は利益を述べるが、全保有費用を引いたリターン、反証可能な受け入れ閾値、経済的失敗の修正責任は定義しない。最も強い財務主張は独立再構築できない。7 13
エージェント型ソフトウェア時代の競争優位の持続性 — 3/10。 分野に即した導入経験には価値があり得るが、汎用予測画面と会話アクセスの開発費は下がっている。記録はまだ、独自の意思決定手法や、その際立って生産的な保守を実証していない。10 16
出典
Thoucentric Labsの製品群と導入能力。日付なし。2026年11月4日参照。製品範囲と明示された導入能力。
thouSense Liteの業務手順。日付なし。2026年11月4日参照。ファイル取り込み、予測設定、予約実行、報告。
thouSenseの製品説明。日付なし。2026年11月4日参照。確率、因果説明、会話アシスタントの主張。
thouPlanの製品説明。日付なし。2026年11月4日参照。シナリオ範囲、計画期間、KPI評価。
PriceVisionの製品説明。日付なし。2026年11月4日参照。商品価格の入力、予測期間、技術指標。
PrediQの製品説明。日付なし。2026年11月4日参照。製造品質入力、シミュレーション、推奨、警告。
7. インド大手日用消費財企業へのPriceVision導入
インド大手日用消費財企業へのPriceVision導入。2021-08-12。2026年11月4日参照。日付のあるパーム油の予測精度と調達節約の主張。
自動車塗装工場へのPrediQ導入。2021-01-13。2026年11月4日参照。日付のある塗装モデリングと工程介入の提案。
PrediQのクッキー製造資料。2021-09。2026年11月4日参照。産業工程図とPrediQの機能構成。
XoriantによるThoucentric買収。2023-08-10。2026年11月4日参照。所有関係の公式発表とLabs製品事業の説明。
効果的な需要計画が収益性を高める。2025-01-23。2026年11月4日参照。ARIMAXによる予測導入と、労働・精度改善の報告。
S&OPのデジタル変革。2025-01-23。2026年11月4日参照。Anaplan/DOMOのコンサルティング案件とS&OP労働削減の報告。
サプライチェーン計画のデジタル変革。2025-01-23。2026年11月4日参照。計画変革の責任、生産性主張、継続中の在庫測定。
サプライチェーン計画サービス。日付なし。2026年11月4日参照。現在の計画サービス、demand sensing、自律性の位置付け。
15. XoriantによるthouSenseのMicrosoft Marketplace掲載
XoriantによるthouSenseのMicrosoft Marketplace掲載。日付なし。2026年11月4日参照。発行者による製品掲載、Azureホスティング、効果の主張。
16. Thoucentric Labs — 生成AIエンジニア採用
Thoucentric Labs — 生成AIエンジニア採用。2025-08-29。2026年11月4日参照。LLMアプリと導入技術に関するLabsの公式求人。
17. Thoucentric Data Science — 予測エンジニア採用
Thoucentric Data Science — 予測エンジニア採用。2026-04-20。2026年11月4日参照。予測手法と開発技能を指定するData Scienceの公式求人。
Thoucentric Labsの企業発表。2026年、投稿日なし。2026年11月4日参照。Thoucentricへの情報発信統合の告知。
Thoucentric Labsの過去事例索引。2019–2021年の事例。2026年11月4日参照。用途を2019–2021年に位置付ける過去索引。