市場調査に戻る
E2openは、サプライチェーン計画、仕入先との協業、物流実行、国際貿易、販売チャネル業務向けのソフトウェアを提供する。e2netネットワークは、メーカー、仕入先、卸売業者、運送会社、その他の取引先の間で情報を交換する。計画アプリケーションは、需要予測、制約付き供給計画、在庫目標、予想される不足を扱う。WiseTech Globalは2025年8月4日に同社を買収した。1 15 16
サプライチェーン総合スコア：4.9/10。
| 評価軸 | スコア |
|---|---|
| サプライチェーンへの理解の深さ | 5.6/10 |
| 意思決定と最適化の実質 | 5.4/10 |
| 製品とアーキテクチャの整合性 | 4.2/10 |
| 技術的透明性 | 5.0/10 |
| ベンダーの真剣さ | 4.2/10 |
E2openの最大の強みは、業務情報と取引の流れの中で占める位置にある。文書化されたAPIで海上輸送の予約を送信、変更、確認できる。需要予測には注文と下流の販売を組み込める。在庫計算は複数段階と補充リードタイムの不確実性を考慮する。3 5 17
経済的に優れた行動を選ぶシステムとして見ると、計画の提案は説得力に欠ける。開示された仕組みの多くは、サービス目標の下で在庫を最小化し、優先順位から供給計画を構築し、あるいは別の工程が判断へ変換する予測を改善する。顧客が維持するパラメーター、照合、合意形成による計画が、運用モデルの大きな部分を占め続ける。E2open自身の2026年の事例は、計画担当者の修正が予測誤差を悪化させたと報告しながら、担当者の作業削減の可能性を生産性向上として提示する。親会社は現在、引き継いだ事業を営業主導と説明し、統一された製品ロードマップを構築中だとしている。これらの事実は、認知型、知的、エージェント型サプライチェーンと広がり続ける語彙より重く見るべきだ。2 7 14 21
E2openとLokadの比較
E2openは企業を結び、計画、出荷、予約、コンプライアンス情報を交換する業務を支援する。Lokadは、何を購買、生産、配分、補充すべきか、不確実な未来の下でどの行動が最高の期待経済収益をもたらすかという、サプライチェーンの意思決定の計算に集中する。よりよく接続された計画プロセスでも、体系的に不適切な判断を下すことはあるため、この違いは重要だ。
E2openの多段階在庫アプリケーションは、サービス要件を満たしながら在庫を最小化する。供給計画アプリケーションは、顧客の優先順位と業務ルールを用いて実行可能な計画を構築する。Lokadのサプライチェーンの視点は、欠品、過剰在庫、遅延、能力消費の非対称な費用を含め、行動の金銭的結果を出発点とする。在庫最適化のアプローチは、合意済み予測やサービスレベル目標を事業価値の最終仕様とせず、確率的予測を意思決定計算の入力に使う。2 3
E2openは供給の不確実性も扱う。Supply Sensingは、需要、供給、輸送の変動から不足リスクを特定する。残る違いは、リスクの特定と、それらのリスクを横断する整合的な経済計算による行動選択の間にある。E2openの公開説明は、不足確率と対応策を示すが、結合された不確実性モデルと金銭的な選択ルールを明示しない。4
海上輸送の実行、貿易コンプライアンス、取引先ネットワークはLokadの提供範囲を超える。ここで比較するのは、在庫と生産の判断、その経済的品質、そして判断を支える計算を維持するための反復作業である。
十年にわたる約束と実現
予測の実質はAIの総称より先に存在した
E2openは2016年3月にTerra Technologyを買収した。発表では、需要センシング、多段階在庫最適化、輸送予測の既存事業と、2002年から開発されてきた技術を示している。そのため予測製品群には、最近のAIという看板を超えて追跡できる歴史がある。10
2018年の予測ベンチマークは、企業向けソフトウェアとしては珍しく情報が豊富だ。予測誤差を品目・拠点・週の単位で定義し、予測付加価値分析に用いる月次集計と区別し、数量加重による誤差計算を説明する。参加企業がすべてE2open Demand Sensingを利用していることも明記する。これは顧客集団の調査であり、予測システム間の中立的な競争ではない。8
同年のHarmonyホワイトペーパーは、この基盤を、認知型AIと未来のサプライチェーンというはるかに広い物語へ展開した。その構成は、データ取得、意思決定エンジン、共通インターフェースを結び付けた。この構造はアプリケーションをまとめる方法を説明するが、別々の目的とモデルが整合的な意思決定システムへ統合されたことを証明しない。11
個別のリリースが保守負担を示した
2021年12月のリリースはSupply Sensingを導入し、計画の具体的な変更を説明した。事業計画の表示用のインメモリー・グラフエンジン、供給計画におけるヒューリスティクスと費用最適化の選択、80を超える需要センシングパラメーターのシミュレーション制御である。12
パラメーター数は特に示唆的だ。自動調整とされる予測エンジンでも、担当者とデータサイエンティストに広大な設定領域を残し得る。誰かが適用する設定を決め、変更を試し、リリースをまたいで保持し、性能悪化を調査する必要がある。リリースは制御の自由度を称える一方、その所有費用を定量化しない。インメモリー実行は処理を速められるが、作業の必要性を消さず、より良い判断も証明しない。
エージェント型の主張は測定された生産性を先行する
2025年8月の解説は、エージェントを、業務全体を調整し、細部を見落とさない疲れ知らずのサプライチェーンコーチとして描く。2026年9月の発表は、Digital Assistantが質問応答を超え、協調した行動と複数段階のワークフローへ進化すると説明する。進化自体はあり得るが、このエージェント型ワークフローの運用上の比較基準、残存人員の測定、財務成果は示されていない。24 13
歴史的には、確認できる予測・在庫機能と、実現状況の検証がはるかに難しい、次第に広がる主張が組み合わされている。2018年の認知型AIの提案は、付属技術資料に記載された統合と専門的な意思決定支援を超えていた。
WiseTechの2026年8月の決算は、この診断をさらに明確にする。親会社は、E2openの明確な製品戦略を定め、チームを製品群に合わせ、統一ロードマップを作っているという。財務報告は、引き継いだE2openの手法を、製品開発投資の比率が低い営業主導のものと評価し、製品主導モデルへの移行を説明する。これは買収企業自身による、なお進行中の仕事の説明である。14 15
計画の仕組みが実際に行うこと
在庫最適化は主に方針に沿った計算
E2openのMEIOアプリケーションは、各倉庫を独立に計算する代わりに、複数段階を横断した在庫目標を求める。ネットワーク関係、予測誤差、生産能力、保存期限、変動する供給パラメーターを考慮する。特に有用なのは、週次や月次の誤差指標を機械的に拡大せず、各商品・拠点の補充リードタイムにわたって直接予測誤差を測る点だ。3
明示された目的は、目標サービスレベルに対する在庫最小化のままである。サービス目標は、しばしば非常に粗い形で商業的判断を埋め込む。同じ目標を持つ二つの商品でも、利益率、代替機会、契約上の違約金、他の購入への影響は異なり得る。ネットワーク全体の在庫計算は、指定された方針の中で整合性を高めるが、その方針を経済的に妥当にはしない。
鮮度計画はその境界を示す。アプリケーションはサービスのための最低在庫と、顧客が定める鮮度目標のための最大在庫を計算する。例では、数量の99.5%が必要な残存保存期間を満たし、0.5%を値引きや廃棄に回す目標を用いる。この割合は方針上の前提であり、予測精度ではない。担当者は鮮度、サービス、生産ロット、補充を調整する。最大在庫制限は、流通計画を介して生産を遅らせることがある。9
これは実用的な制御だが、難しい経済的選択の一部はユーザーが既に与えている。経済的に選ばれた発注なら、不確実な結果を通じて、廃棄と値引きの期待費用を、逸失利益、生産の経済性、代替案と比較する。選択した鮮度割合は、そのトレードオフを解くのではなく隠す場合がある。
供給の不確実性を認識する一方、統合した行動選択は不透明
Supply Sensingは、リードタイムの影響を含め、需要、供給、輸送の変動を明示的に扱う。不足確率を計算し、代替調達や製造変更といった対応を支援する。4
公開資料は、それらの不確実性をどう共同表現するか、確率をどう較正するか、競合する対応をどう評価するかを示していない。別々のリスク指標で起こりそうな問題を把握しても、輸送を急ぐか、代替するか、待つか、不足を受け入れるかは担当者に残り得る。共通の仕入先、能力、現金が選択を結び付けるため、単独では魅力的な介入が同じ資源を奪い合うことがある。
Supply Planningは、人が設定する方針の層を明示する。材料と能力の制約に加え、顧客、チャネル、売上、約束に対する業務ルールと優先順位を用いて計画を構築する。2021年のリリースは、ヒューリスティクスと費用最適化の選択を追加した。エンジンの選択肢が開示されても、モデル内の費用が変わり続ける事業とどう一致し続けるかは分からない。2 12
より深い問題は、ホリミゼーションが扱う、事業の変化に伴って新しい相互作用を経済的に意思決定モデルへ取り込めるかという点だ。代替仕入先や新たな顧客への約束を加える際、やがて矛盾する優先順位と例外の層を重ねるべきではない。E2openは豊富な設定機能を文書化するが、それらの整合性を長期的に保つ費用については、根拠が乏しい。
予測精度と情報の価値
Demand Sensingは、過去の需要を、注文、POSデータ、販促、チャネルのシグナルなど新しい情報と組み合わせる。2026年のForecast Engineの概要は、多変量予測層、自動的な手法選択、日次の予測公開を説明する。推定手法や再現可能な評価は開示しない。5
2026年9月の消費財事例は、予測期間に応じてMAPEが13–38%、バイアスが最大78%改善したと報告する。システムは七週間の短期を対象とし、注文と下流データを取り込み、流通計画の予測を毎日更新する。事例は二年間の過去実績を報告するが、絶対的な誤差水準、評価粒度、情報締切時点をそろえた比較を示さない。6
この締切時点の欠落は重要だ。顧客注文の到着後に更新した予測は、以前の計画にはなかった情報を持つ。改善は情報の受け渡しを良くする根拠にはなるが、すべてを優れた予測アルゴリズムの成果とすることはできない。また、生産や調達を約束した後に届くシグナルで、過去の判断を修正することもできない。適切な検証は、シグナルごとに、その情報が得られた時点でも変更可能だった行動までたどる。
E2openの2018年のベンチマークは、測定をより明確に示す。MAPEと呼ぶ指標は、絶対誤差の合計を出荷量の合計で割る。個別の百分率誤差の平均ではなく、数量加重の指標である。予測誤差は品目・拠点・週の観測を使い、予測付加価値の計算はベースコード・拠点・月の観測を使う。これらは異なる問いに答える指標であり、同じ粒度として比較すべきではない。8
ベンチマークは、三つの在庫管理シナリオで必要安全在庫も比較する。従来の単段階計画は14.7日、需要計画の誤差を使うMEIOは12.8日、需要センシングの誤差を使うMEIOは10.2日だ。結果の31%削減は、計算上の必要安全在庫の比較である。顧客の総在庫が31%減ったことも、ソフトウェア、連携、運用費用控除後の純収益も証明しない。モデル上の在庫比較から最終利益の改善へ進む議論は性急だ。8
生産性、設定の保守、責任
E2openの2026年9月の工業メーカー事例は、手作業の計画に対する珍しく有益な批判を含む。統計的な基準予測のMAPEは62%、担当者の合意予測は67%だった。担当者は計画区分の39%を修正していた。公開された工程は、労力を使いながら、自ら選んだ予測指標を悪化させていた。7
事例は、担当者の生産性を30–50%高める余地を指摘する。末尾の図は、同じ範囲を生産性向上として提示する。本文は、その可能性が実現したことを証明しない。有害な予測修正の除去は、生産性の問題の一部でしかない。顧客には依然として、補充と生産の判断、データ保守、設定の管理、例外解決、経済成果の監視が必要だ。
E2openでは、反復的な仕事のいくつかが明示されている。2021年のリリースは80を超える需要センシング設定を公開する。在庫計画にはサービスと鮮度の方針が要る。供給計画には優先順位と業務ルールが要る。顧客セキュリティ方針は、適時かつ正確なERPデータと、ERP情報とE2openレポートの照合を顧客の責任にする。これらは利用料と導入費とともに、総所有費用へ含めるべきだ。3 9 12 21
自動化は、消える作業で評価しなければならない。日次の無人予測は有用だが、次の合意形成会議に向けた予測準備を速めても、大きなワークフローは残る。例外の確認を助けるアシスタントは、手作業の計画の処理量を増やしても、それを自律的にはしない。E2openの公開事例は、判断の全周期に残る人員工数をまだ定量化していない。
マーケティングには契約上の境界もある。E2openの公開するコンサルティング・研修条件は、返金不可の料金を定め、宣伝された精度や適合性の保証なしでサービスと成果物を提供し、マーケティングの説明は契約の基礎とならないとする。これらは指定されたコンサルティングと研修の案件に適用される。購入者には、業務仕様書で受入基準、責任、経済的測定を明記する必要が残る。23
WiseTechは、FY26中に達成したE2openの費用相乗効果を、年換算で6400万ドルと報告する。これはベンダーの費用基盤の測定された改善だ。顧客側の同じ問い、すなわち同等以上の判断に必要な継続的人件費と基盤費用が減ったかについては、確認したエージェント型資料は答えていない。14
ソフトウェア構成部品とアーキテクチャの一貫性
E2openの公開サブプロセッサー一覧は、共通プラットフォームという表現より具体的な姿を示す。製品ごとに異なるホスティング構成を特定し、採用情報は異なる技術要件を示す。18 19 20
| 製品または根拠の範囲 | 開示された構成要素 | アーキテクチャ上の意味 |
|---|---|---|
| 制限対象者の照合と貿易自動化 | Ohio、Ireland、GermanyのAWS拠点 | 製品ごとのクラウド配備と地域別運用 |
| Logistyx | 米国とEUのMicrosoft Azure | 製品群内の別個のホスティング環境 |
| China Trade Management | China Telecomの主系・副系データセンター | さらに別の配備・復旧境界 |
| E2open Digital Assistant | Google GeminiとVertex AI Search | アシスタントの処理経路に外部モデルと検索サービスが入る |
| Bangaloreのソフトウェアエンジニア求人 | Java、RedshiftとGlueを含むAWSデータサービス、PythonとSQLの要件 | 広いクラウドサービス領域を持つデータパイプライン開発 |
| Hyderabadのソフトウェアエンジニア求人 | Java、Groovy、Oracle SQL/PLSQL、Protobuf、Python、Docker、Chef、Terraformを含む配備技術 | データベース、シリアル化、配備の保守を伴う別の技術構成 |
求人は、雇用主が求める技術スキルを説明するが、対応するアプリケーションは特定しない。ホスティングの行は、製品への帰属がより明確だ。合わせると、複数のプラットフォームと配備方法に運用費用がまたがるシステム群が見える。
共通の画面では、こうした費用は消えない。別々のリリース、IDの境界、データモデル、監視、復旧手順は、技術作業を必要とする。分離の一部は地域や製品要件による。商業的に重要なのは、顧客が設定、照合、サービスを通じて繰り返し統合費を払うかどうかだ。WiseTechが統一ロードマップに取り組み続けていることは、これが現在の所有費用の問題であることを示す。14
公開されたINTTRA API文書は、明確なシステム境界の有用な例だ。HTTPSとJSONの要求、トークン認証、予約の送信と変更、船会社のスケジュール、確認用Webhookを仕様化する。これらのインターフェースは、人が画面を繰り返し操作せずに取引処理をプログラムで実行できるようにする。17
この能力は、対話型アクセスだけの場合より重く評価すべきだ。ただしE2openの顧客セキュリティ方針は、アプリケーションを操作する自動ボットに事前承認を要求する。独自エージェントを予定する購入者は、対応APIと権限を通じた合意済みの経路を必要とする。無制限のアプリケーション自動化は、公開された標準ではない。21
セキュリティ：明示された制御と運用責任
顧客セキュリティ方針は、いくつかの妥当な区別を設ける。本番データは書面承認なしに非本番環境へ入れてはならず、サービスアカウントの認証情報を個人ログインに使ってはならず、顧客は適切な権限を維持しなければならない。これらは明示された運用ルールだ。ページは、アプリケーションがどう強制するか、侵害された連携アカウントの損害をどう制限するかを説明しない。21
WiseTechの技術的・組織的措置は、認可制御、暗号化、ログイン制限、バックアップを説明する。その対象は個人データ保護である。文書は、E2openの全業務状態について、分離モデル、不変の復旧機構、復旧性能を示していない。主な事故が個人情報漏えいでなくても、注文や在庫の破損でサプライチェーンは停止し得る。22
Digital Assistantは、具体的な外部境界を加える。Googleのモデル・検索サービスがE2openのサブプロセッサー一覧に載る。一覧は依存先を特定するが、どの業務データがアシスタントへ渡るか、検索結果をどう権限で絞るか、どの行動が認可を要するかを説明しない。セキュリティ評価では、こうした仕組みが認証バッジより重要である。18
サプライチェーンスコア
スコアは、文書化された能力と運用モデルを評価する。各評価軸は五つの項目の平均、総合スコアは全25項目の平均である。
サプライチェーンへの理解の深さ
| 評価項目 | スコア |
|---|---|
| 経済性を軸とする問題設定 | 6/10 |
| 最終成果としての意思決定 | 8/10 |
| サプライチェーンの概念的な明晰さ | 6/10 |
| 時代遅れの中心教義からの自由度 | 3/10 |
| KPIの見せかけに対する堅牢さ | 5/10 |
平均：5.6/10。
経済性を軸とする問題設定 — 6/10。 在庫、廃棄、輸送、材料の利用可能性を明示的に扱う。一方、サービスと鮮度の目標が依然として複数の金銭的トレードオフを代替し、安全在庫ベンチマークは計算量から経済的利益へ性急に飛躍する。3 8 9
最終成果としての意思決定 — 8/10。 製品群は、予約と変更を含む実行可能な取引まで達し、在庫目標と制約付き計画を提供する。独立した予測ダッシュボードより大幅に業務へ踏み込んでいる。2 17
サプライチェーンの概念的な明晰さ — 6/10。 リードタイム別の予測誤差、多段階、保存期限の制約、不確実な供給は重要な細部だ。局所的な方針とシステム全体の経済性の関係は、説明が不十分である。3 4 9
時代遅れの中心教義からの自由度 — 3/10。 合意予測、サービス目標、担当者の上書き、優先順位ルールが中心に残る。FVAの事例は手作業の介入費用を示すが、計画プロセス全体の代替を確立していない。2 7
KPIの見せかけに対する堅牢さ — 5/10。 過去のベンチマークは指標と集計水準を定義し、FVA事例は担当者の介入に不利な結果を公表する。2026年の需要センシング事例は絶対誤差と同等の情報締切時点を省き、関連事例の図では生産性の可能性が実績へ変わっている。6 7 8
意思決定と最適化の実質
| 評価項目 | スコア |
|---|---|
| 確率的モデル化の深さ | 5/10 |
| 独自の最適化・機械学習の実質 | 5/10 |
| 現実の制約への対応 | 7/10 |
| 意思決定の自動化と労働生産性 | 5/10 |
| 現実の業務の複雑さに対する対応力 | 5/10 |
平均：5.4/10。
確率的モデル化の深さ — 5/10。 Supply Sensingは、需要に加えて供給と輸送の不確実性を認識する。MEIOは補充リードタイム上の予測誤差を用いる。公開資料は、経済的な行動選択へ結び付く較正済みの結合モデルまでは示していない。3 4
独自の最適化・機械学習の実質 — 5/10。 Terraの予測技術の系譜、多段階計算、詳細なベンチマークには、AIという看板以上の実体がある。現在の予測概要は手法を不透明なままにし、供給計画のヒューリスティクスと費用最適化の選択も、基礎となる意思決定モデルを開示しない。5 8 10 12
現実の制約への対応 — 7/10。 材料と能力の制約、代替、ネットワーク関係、鮮度要件を明示的に扱う。残る弱点は、競合する要件の間の金銭的な裁定だ。2 3 9
意思決定の自動化と労働生産性 — 5/10。 自動予測と取引APIは、特定できる作業を取り除く。最も関連の深い生産性事例は依然として可能性を示す段階で、エージェント型の発表は全周期の人員測定を提供しない。5 7 13 17
現実の業務の複雑さに対する対応力 — 5/10。 企業間データと不足検知は混乱への適応を支える。蓄積するルール、パラメーター、顧客による照合の負担は、業務が変化しても意思決定モデルが整合性を保つという信頼を制限する。4 12 21
製品とアーキテクチャの整合性
| 評価項目 | スコア |
|---|---|
| アーキテクチャの一貫性 | 4/10 |
| システム境界の明確さ | 6/10 |
| セキュリティへの真剣さ | 3/10 |
| ソフトウェアの簡素さと所有費用 | 3/10 |
| プログラムおよびエージェント支援による運用への適合性 | 5/10 |
平均：4.2/10。
アーキテクチャの一貫性 — 4/10。 Harmonyは共通の統合と画面という説明を提供する一方、現行一覧は製品別のホスティング環境を示す。WiseTechはまだ統一ロードマップを構築中で、共通の意思決定上の意味体系を示す公開根拠は弱い。11 14 18
システム境界の明確さ — 6/10。 INTTRAのAPIと製品別サブプロセッサー一覧により、実行とホスティングの境界の一部を確認できる。計画エンジンのインターフェースと内部モデル境界は、それほど開示されていない。17 18
セキュリティへの真剣さ — 3/10。 公開資料は、運用責任と一般的制御を特定する。強制されるテナント分離、エージェント権限、業務データ破損からの復旧については詳細が乏しい。欠落は保護の構成に関するものであり、認証の有無ではない。18 21 22
ソフトウェアの簡素さと所有費用 — 3/10。 複数の製品環境、大規模な方針設定、顧客責任の照合が並存する。設定負担も継続的な顧客作業も、主張される生産性改善との収支が示されていない。12 18 21
プログラムおよびエージェント支援による運用への適合性 — 5/10。 文書化された予約APIは、実際の機械向けインターフェースを提供する。ボット承認要件と計画自動化の限定的な開示は、広いエージェント型の提案を制限する。17 21
技術的透明性
| 評価項目 | スコア |
|---|---|
| 公開技術文書 | 5/10 |
| ベンダーの仲介なしで確認できる程度 | 5/10 |
| 移植性とロックインの可視性 | 4/10 |
| 導入方法の透明性 | 5/10 |
| 技術的主張を支える根拠の密度 | 6/10 |
平均：5.0/10。
公開技術文書 — 5/10。 公開API例、在庫手法の詳細、定義されたベンチマークは有用だ。主要計画エンジンについて同等の数学的・運用上の文書は依然として少ない。3 8 17
ベンダーの仲介なしで確認できる程度 — 5/10。 技術者は予約のペイロードと認証フローを確認でき、研究者は過去の指標定義を調べられる。計画結果の再現には、なおベンダーのアクセスと文書化されていないモデル化の選択が必要だ。8 17
移植性とロックインの可視性 — 4/10。 取引APIは交換点を開示する。確認した文書は、予測設定、供給優先順位、蓄積された在庫方針モデルについて、同等のエクスポート仕様を提供しない。これらの資産は離脱費用に影響する。12 17
導入方法の透明性 — 5/10。 出典は、入力シグナル、予測更新、方針の制御、顧客のデータ責任を開示する。設定済みソリューションを継続的に検証し保守する工数については、情報が少ない。5 12 21
技術的主張を支える根拠の密度 — 6/10。 資料には長年のベンチマーク、具体的なパラメーター開示、公開API仕様、実際の誤差値を示す事例がある。広いエージェント型の主張は、こうした限定された能力に比べ裏付けがはるかに弱い。7 8 12 13 17
ベンダーの真剣さ
| 評価項目 | スコア |
|---|---|
| 公開発信の技術的な真剣さ | 4/10 |
| 技術ロードマップの一貫性 | 4/10 |
| 概念的な明晰さ | 5/10 |
| 経済成果への責任 | 3/10 |
| エージェント型ソフトウェア時代の競争力 | 5/10 |
平均：4.2/10。
公開発信の技術的な真剣さ — 4/10。 予測と在庫の具体的説明が、細部を決して見落とさないエージェントという主張と並ぶ。後者は、信頼性指標や運用境界を定義せずに安心感を与える。3 5 24
技術ロードマップの一貫性 — 4/10。 Terraの手法と後続のセンシングリリースは継続性を示す。2018年の認知型という位置付けから2026年のエージェント型発表への飛躍は、実現した成果との結び付きが弱く、新所有者はまだ製品戦略を統一している。10 11 12 13 14
概念的な明晰さ — 5/10。 E2openは企業境界を越える情報の重要性を理解し、不必要な予測介入の害を示す。一方、公の説明は、良い予測、接続されたワークフロー、経済的に良い判断を混同し続ける。7 8 16
経済成果への責任 — 3/10。 測定された予測改善には、純収益と残存労働の完全な計上が伴わない。公開コンサルティング条件は、成果物を宣伝上の保証から切り離すため、契約上の受入基準が特に重要となる。6 7 23
エージェント型ソフトウェア時代の競争力 — 5/10。 取引先との接続、取引インターフェース、業務固有の情報は、アシスタントだけでは代替できない資産だ。計画担当者向けの調整機能の競争力は弱く、とりわけ顧客の主な便益が手動レビューの高速化にとどまる場合にそう言える。16 17 24
出典
出典は2026年11月4日に閲覧した。製品文書は、公表日または改訂日の記載がない限り日付なしとする。
Supply Chain Planning。製品範囲と計画アプリケーション群。
Supply Planning。ルールに基づく供給計画、優先順位、材料と能力の制約。
多段階在庫最適化のデータシート。多段階の目標、補充リードタイム上の予測誤差、サービス要件。
Supply Sensingのデータシート。需要、供給、輸送の変動を使う不足確率。
[5] Demand Sensing Forecast Engineの概要
Demand Sensing Forecast Engineの概要（2026）。予測入力、自動的な手法選択、日次公開。
消費財メーカーの需要センシング事例（2026-09-29）。七週間を対象とする需要センシング導入と、報告された予測改善。顧客は匿名。
工業メーカーの予測付加価値の事例（2026-09-28）。基準予測と担当者予測のMAPE、手動調整された区分の割合、将来の生産性改善の範囲。
2018年予測・在庫ベンチマーク調査（2018）。指標定義、集計水準、調査対象、モデル化された安全在庫比較。
鮮度を考慮した在庫計画の概要。鮮度目標、最小・最大在庫、生産計画との相互作用。
[10] E2openによるTerra Technology買収
E2openによるTerra Technology買収（2016-03-07）。Terra買収と、センシング・在庫アプリケーションの起源。
デジタルサプライチェーンの構築（2018）。過去のHarmony構成と認知型AIの位置付け。
[12] 四半期技術更新：Supply SensingとGlobal Logistics Orchestration
四半期技術更新：Supply SensingとGlobal Logistics Orchestration（2021-12-01）。Supply Sensing、供給計画エンジンの選択肢、80を超えるパラメーターを記録する原版リリースPDF。
[13] Control Tower Technology Value Matrixに関する発表
Control Tower Technology Value Matrixに関する発表（2026-09-15）。Digital Assistantとエージェント型業務の方向性を説明するベンダー発表。
[14] WiseTech GlobalのFY26決算説明資料
WiseTech GlobalのFY26決算説明資料（2026-08-26）。統一ロードマップの作業、E2openの費用相乗効果、引き継いだ営業主導モデル。
WiseTech GlobalのFY26財務報告（2026-08-26）。監査済みの買収日と財務報告の文脈。
e2netの企業間ネットワーク。取引先接続とネットワークの提案。
[17] INTTRA Ocean Execution API v1仕様
INTTRA Ocean Execution API v1仕様。apidocs.inttra.comの背後にある公開JSON仕様。予約メソッド、認証、Webhook。
[18] WiseTech Globalグループのサブプロセッサー：e2open固有の一覧
WiseTech Globalグループのサブプロセッサー：e2open固有の一覧。製品別ホスティングと、Digital Assistantのモデル・検索提供者。
[19] e2openのBangaloreソフトウェアエンジニア求人
e2openのBangaloreソフトウェアエンジニア求人。データプラットフォーム開発要件を説明する雇用主作成の求人。公表日は不明。
[20] e2openのHyderabadソフトウェアエンジニア求人
e2openのHyderabadソフトウェアエンジニア求人。言語、データベース、配備の要件を説明する雇用主作成の求人。公表日は不明。
e2open顧客セキュリティ方針（2024-10-04）。顧客によるデータ照合、権限、サービスアカウント、ボットの事前承認。
[22] WiseTech Globalの技術的・組織的措置
WiseTech Globalの技術的・組織的措置（2024-11-18）。認可とバックアップの制御を含む、公開された個人データ保護措置。
e2openのコンサルティング・研修条件。保証の制限とマーケティング記述を含む、コンサルティングと研修の条件。
[24] より賢く働く：エージェント型AIがサプライチェーン管理の新基準を定める
より賢く働く：エージェント型AIがサプライチェーン管理の新基準を定める（2025-08-06）。エージェント型AIと、その運用上の特性についてのベンダーの説明。