お問い合わせ

サプライチェーンネットワークソフトウェアベンダーEdgeVerveの評価

著者:Léon Levinas-Ménard
最終更新日:2026年11月4日

市場調査に戻る

EdgeVerveはInfosys傘下でエンタープライズアプリケーションを開発している。サプライチェーン製品TradeEdgeは、メーカー、流通業者、小売業者、物流パートナーを結び、商取引データの交換と照合を行う。下流の販売状況の可視化、需要センシング、受注の引当、製品トレーサビリティ、調達分析を支援する。現在のウェブサイトでは、これらのアプリケーションをInfosys Topaz AI Next Supply Chainとして紹介している。1

サプライチェーン総合評価:4.0/10

評価軸 評価
サプライチェーンへの理解の深さ 4.0/10
意思決定と最適化の実質 3.6/10
製品とアーキテクチャの一貫性 4.4/10
技術的透明性 4.0/10
ベンダーの真剣さ 4.0/10

EdgeVerveについて最も確かな証拠があるのは、組織の境界を越えて情報を伝達し、業務トランザクションを処理する能力である。こうした活動は、リコールの迅速化、受注処理への人手の介入削減、文書処理の短縮など、大きな改善をもたらしうる。一方、不確実性のもとで経済的に優れた補充、引当、生産の意思決定を選ぶ能力については、証拠がはるかに弱い。

この違いが重要なのは、マーケティングがデータの利用可能性から予測、最適化、自律性へと容易に話を進めるためだ。その移行には別の仕組みが必要になる。在庫状況を集約しても、乏しい在庫をどの顧客に渡すべきかは決まらない。昨日の売上から、数週間後に到着する経済的な発注が決まるわけでもない。公開資料では、予測手法、不確実な補充日の扱い、金銭に基づく意思決定基準の大半が説明されていない。

EdgeVerveとLokadの比較

TradeEdgeが扱うのは、取引先間の情報の交換と解釈である。Lokadの在庫最適化サービスは、その情報に基づいて決めるべき数量と優先順位を扱う。補充や引当には重なる部分があるが、それぞれの重点は異なる。

残った在庫を近隣の小売業者に出荷するか、別の顧客のために残すかを決める流通業者を考えてみよう。入手可能性と距離を使えば、実行可能な出荷は特定できる。経済的に選択するには、利益率、配送費、契約上の影響、別の需要が発生する確率、次の補充日の分布が必要になる。EdgeVerveは前者の引当基準を文書化しているが、後者のトレードオフに対応する計算は公開していない。4

Lokadは、確率的な将来予測と継続的に保守される意思決定ロジックを用い、期待される金銭的貢献を軸に反復的な意思決定を組み立てる。事業の変化に応じて、そのロジックに責任を持つのはサプライチェーンサイエンティストである。Introduction to Supply Chainで説明する考え方では、不確実性と経済的な優先順位を計画の中核に置く。

取引先ネットワークは、こうした計算にデータを供給できる。その有用性は、結果として得られる意思決定の質とは分けて評価すべきだ。不経済な注文を高速に伝達しても、誤りの実行が早まるだけである。

TradeEdgeが計算するもの

需要センシング:観測は新しくなるが、予測は説明されない

需要センシングのページでは、店舗・SKU別の日次売上が翌日に到着し、二時間以内に検証され、在庫、リードタイム、運転資本、販促を使って推奨発注を作成すると説明している。ある顧客の世界全体の売上の約70%を対象に、出荷情報ではなく販売情報を使うことで予測精度が20%向上したと報告する。指標、予測期間、評価期間、欠品商品の扱いは示されていない。2

これは相対的な改善の主張であり、絶対的な精度が20%や120%だという主張ではない。経済的な意味は依然として不明だ。小売業者が翌日の予測を改善しても、翌月の不確実な納品に左右される意思決定はほとんど変わらない可能性がある。また、売上の落ち込みに見えるものが、需要の低下ではなく在庫不足を表していることもある。

SAP自身のパートナー一覧では、Infosysの需要センシングソリューションを、SAP IBPの週次予測を日次予測に変換し、追加のシグナルを取り込むSAP Business Technology Platform拡張機能と説明している。3 日次の粒度は実行業務に役立ちうるが、新しい予測手法や、より良い補充方針の存在を示すものではない。決め手となる検証は、追加情報が実際に意思決定を確定する時点で行動を変え、その金銭的な結果を改善するかどうかである。

確認した技術資料には、需要とリードタイムの較正済み確率分布、それらの依存関係、その分布から発注を選ぶプロセスが示されていない。リードタイムを入力項目として挙げることと、その不確実性をモデル化することには大きな違いがある。需要センシングという言葉がモデルの開示に代わると、この違いが見えにくくなる。

受注オーケストレーション:公開された経済的最適化手法ではなく、引当ルール

受注オーケストレーションのページは、在庫の有無と近接性を引当基準として挙げ、複数のフルフィルメントパートナーへの注文分割を支援する。二秒以内の応答と、フィルレートの8–10%改善をうたっている。4

これは具体的な実行機能である。その限界は目的に由来する。近い場所の在庫が、消費する費用の最も低い在庫とは限らない。ある出荷は今日のフィルレートを守りながら、明日の欠品費用を増やしうる。注文分割は見かけのサービスを改善しながら、輸送費や荷役費を増幅させることがある。こうした選択の評価には、個々の依頼への応答を速めるだけでなく、注文間と時間をまたぐ結果の検討が必要になる。

公開資料には、数学的な意思決定目的も、引当方針を現実的な代替案と比較した実験もない。特定のソルバー、確率的最適化手法、ネットワーク全体の経済計算をTradeEdgeに帰属させるだけの証拠はない。

統合とトレーサビリティの裏付けはより具体的

統合製品は、EDIとAPIによる接続、標準データモデル、事前構築済みコネクター、設定可能なワークフローと例外処理を文書化している。5 メッセージ形式や識別子の標準化は、繰り返される統合作業を減らせる。残る難しさは意味の解釈にある。誰の在庫を納品確約に使えるのか、どのタイムスタンプが信頼できるのか、返品、取消、後からの訂正によって過去の意思決定が変わるのか、といった問題だ。

実名で示された業務事例の中で最も強いのはMarsである。EdgeVerveの2023年の事例では、追跡および出荷保留・解除にかかる時間を二日から二時間へ短縮したと報告している。このアプリケーションは、Market Connectによる取込み、在庫の親子関係、コンプライアンス報告、統合された保留・解除を組み合わせる。再利用可能なマッピングと自動回帰テストが導入を支え、最初の概念実証には12週間かかった。実名のMars幹部が統合の改善を確認している。7

この成果は、影響を受ける製品の特定と封じ込めに関するものだ。予測の画期的な進歩がなくても、その価値は大きくなりうる。事例には導入予算、継続運用費、リコール損失の実際の削減額がなく、投資の金銭的な収益全体は再構成できない。

顧客成果と労働生産性

2024年のG-Cloudサービス定義には、匿名の消費財企業で、滞留在庫の削減やフィルレート改善とともに、受注処理への人手の介入を80%減らした事例がある。別の例は十週間の概念実証と明記され、予測精度の改善は最大15%である。これらは証拠としての重みが異なる。試験段階の予測指標では、持続的な業務成果は立証されない。6

2026年4月のInfosysの記事は、船会社が予約、船荷証券、運賃監査・請求にAI Nextを使う事例を説明している。プロセス自動化が10%から70%へ、ストレートスルー処理がゼロから70%へ増え、運賃監査・請求の処理時間が24時間から30分へ減ったと報告する。社名は非公表である。このアプリケーションは、20を超えるシステムにまたがる90を超えるインターフェースを連携させ、8,000を超える顧客方針をデジタル化し、116か国の手続きを取り込んだ。8

これらの数字は、大規模なワークフロー構築を示している。自律的な在庫最適化を測ったものではない。また、導入、例外処理、方針の保守、プラットフォーム運用を差し引いた正味の労働量も定量化されていない。処理時間が大幅に減っても、別の場所に相当の専門作業が残る場合がある。

エージェント時代の生産性を評価する際の単位は、継続的な業務負荷の全体である。経済的な利益は、なくなった労働と誤りから、自動化の正しさを維持する作業を差し引いたものになる。待ち行列の短縮、従業員当たり処理件数の増加、チーム人数の削減はそれぞれ別の成果だ。公開事例では、これらが一貫して区別されていない。

設定の保守と保有費用

TradeEdgeの2024年のサービス定義には、流通業者の接続開始、問題解決、データを期限どおり入手するための督促を担う8×5のマネージドサービスチームが含まれる。設定可能なデータクレンジングルールと、顧客の計画・分析システムへの定期報告も説明されている。6 これは導入後も残る作業を明示している。供給者側に移せば請求先や人員の配置は変わるが、活動そのものはなくならない。

ネットワーク製品では、品目の対応付け、取引先の識別、メッセージの変種、検証ルール、例外の担当、契約上の定義など、各接続境界に設定が積み重なる。流通業者のERP変更によって、以前は安定していた接続が機能しなくなることもある。新しい販促も、販売チャネルによって商取引上の意味が異なるなら、データ項目の追加だけでは済まない。

船会社の導入事例は、方針の保守がどれほど大規模になるかを特によく示している。存続させる各業務ルールには、責任者、テスト、廃止条件が必要だ。そうでなければ、自動処理は以前の手作業よりも効率よく、古くなった意思決定を温存してしまう。

LokadのHolimizationが扱うのは、この実務上の問題である。経済的な問題設定そのものを、常に見直せるようにする必要がある。過去の業務前提を符号化したルールを、実行の高速化で補うことはできない。EdgeVerveの公開事例は、最初の変革については、その変革を継続的に修正する費用よりも明確に説明している。

技術の歴史と実現状況

時期 公開された主張または開発 記録から確認できること
2008–2015年 TradeEdgeは下流の売上・在庫の可視化を求める顧客の要望から始まり、その後EdgeVerveはInfosysの子会社となった。 製品の出発点は具体的な統合の問題だった。9
2017年 InfosysはNiaを、データ、オントロジー、自動化の各要素を使い、組織の知識を取り込み、プロセスを変革するAIプラットフォームとして紹介した。 LLM以前のAIの説明は、特定可能な技術と、組織の知能に関するはるかに広い主張を組み合わせていた。10
2017年7月 Infosysは投資家に対し、収益化の機会を生むため、自社のブロックチェーンネットワークをTradeEdgeに統合していると述べた。 具体的な技術上の約束がなされた。確認した現在のTradeEdge資料には、実装されたブロックチェーン要素や、それに帰属する顧客の経済的成果が示されていない。11
2019年 FinacleとR3は、18の銀行グループが参加する貿易金融ブロックチェーンの試験を報告した。 銀行分野の活動は確認できるが、これはTradeEdgeの流通計画とは別の用途である。12
2022–2023年 TradeEdgeの記事は、AI、機械学習、ブロックチェーン、自動化、デジタルツインをサプライチェーン変革技術としてまとめて紹介した。 アルゴリズムの比較評価も、提案されたツインの予測性能の検証も示されなかった。13 14
2025–2026年 EdgeVerveはエージェントのガバナンスに関する説明を加え、その後Infosysは従来のEdgeVerveプラットフォームをTopaz AI Nextの下にまとめた。 ブランドは変わり、具体的な自動化事例は継続した。共通ブランドは共通の意思決定モデルを立証しない。15 17

歴史を通じた弱点は、発表された技術と、示された証拠の隔たりにある。ブロックチェーンは、既存ネットワークへの間近な追加機能として紹介された。数年後も、アクセス可能なTradeEdgeの証拠は、ブロックチェーンの貢献より、統合、データの整合化、実行上の利点をはるかに明確に説明している。

デジタルツインの宣伝にも同じ問題がある。予測を行うツインは、大量の将来状態について主張する。その信頼性は、それらの状態にわたる検証と、改善される意思決定に依存する。予測誤差を論じずにツインを変革技術として紹介すれば、技術上の中心的な問題が説明されないままになる。

初期のAIの主張にも、同じ厳密さが必要である。オントロジー、予測モデル、ワークフロー自動化は2023年以前にも実在したソフトウェア技術だ。しかし、それによって企業の知識や推論が包括的に自動化されたという含意が正当化されるわけではない。後年のエージェントの説明は、実稼働で担う役割と測定された成果によって評価すべきであり、過去の用語遣いが正しかったことの事後的な証明にはならない。

ソフトウェア部品表

一次資料で最も具体的な技術構成の説明は、供給者のG-Cloud 14掲載情報である。その時点の要件には、次の要素が記載されている。16

要素 文書化された範囲
PostgreSQL 12とPgBouncer 1.5.5または1.12 TradeEdgeのデータベースと接続プーリングの要件
.NET Framework 3.5/4.5とIIS 7 Microsoftランタイムとウェブサーバーの要件
Java 1.8.191/192とWinSCP 追加のランタイムおよび転送に関する依存関係
Excel 2016 クライアント側の表計算ソフトへの依存

これは2024年の調達向け開示であり、2026年11月に稼働しているバージョンを示すものではない。情報の古さを踏まえると、現在の構成要素一覧、対応バージョン方針、更新履歴がないことは重要な欠落である。

複数のランタイムが混在すると、パッチ適用、テスト、展開にもそれぞれ別の責任が発生する。掲載情報は、各要素とアプリケーション機能の対応や、更新時の互換性を誰が維持するかを説明していない。これらの責任によって、顧客が負担する統合・テスト作業の量が決まる。

アーキテクチャで最も見えにくいのは、既存のサプライチェーンアプリケーションと新しいエージェントプラットフォームの境界である。共通のインターフェースの背後に、別々のデータモデルや運用チームが隠れていることがある。公開図面やリリース資料では、業務ルール、アクセス権、変更がその境界をどう越えて反映されるかを説明すべきだ。

セキュリティとエージェントの権限

G-Cloudの掲載情報は、SAML/OpenID Connect、CyberArk、AES-256暗号化、TLS 1.2を挙げている。一方、TradeEdgeの掲載情報の認証欄にはAssistEdgeも登場し、製品範囲に不整合がある。16 実際の認証・暗号化の仕組みは重要だが、認証制度の一覧では、どの製品がどの制御を実装しているかという曖昧さは解消されない。

EdgeVerveの2025年のガバナンス資料は、ツールアクセスの制限、監査証跡、承認、サンドボックス環境、取り消せる操作、緊急時の上書きを推奨している。これは企業への推奨事項であり、すべてのAI Nextエージェントにそれらの制限が適用されることを示す導入仕様ではない。17

現在のエージェント製品は、一元的な可視化と人間の監督を伴うオーケストレーションおよびライフサイクル管理を説明している。18 しかし、各ツール呼出しに与えられる権限、資格情報の分離、外向きネットワーク接続の制限、取引先から受け取った文書に埋め込まれた指示の扱いなど、重要な実行上の詳細は開示されていない。

外部文書を読み、企業システムに操作を行える製品にとって、こうした境界は中核的な問題である。請求書内の悪意ある指示はデータのまま扱われる必要があり、仕入先口座の変更や記録の持ち出しを命じる権限に変わってはならない。一部の出力を人間が承認しても、実行環境の隔離には代わらない。

業務の自律性も適切な単位で測る必要がある。例外的な金銭的約束に人の承認を求めるのは合理的でありうる。一方、すべての注文を日常的に人が確認する必要があるなら、自動化が取り除くはずの労働のボトルネックは残る。公開資料には、サプライチェーンの実稼働における無人での意思決定の測定値が、誤りの費用や監督の作業量とともに示されていない。

経済的な説明責任

公開G-Cloud資料には、協議用草案と明記された汎用的な基本サービス契約が含まれる。固定価格の成果物に対する保証は、30日間の仕様適合を対象とし、救済措置は修理または再実施である。別の条項では業務要件が満たされることを保証せず、逸失利益や期待される節約額などを除外する。これらは提案された契約条件であり、実名の顧客に適用される契約の証拠ではない。19

価格資料には、顧客が範囲を確定して成果物を管理する時間・材料ベースの契約と、範囲変更で価格が変わりうる固定価格契約がある。利益増加や費用削減に連動する、業務成果ベースまたは利益分配型の価格設定も明示されている。20

利益分配は、活動量だけへの課金に対する意味のある代替案である。しかし、公開事例からは、どの顧客が選択したか、基準値をどう定義したか、保守費用や不利な結果を計算にどう織り込んだかがわからない。解決したチケット数や処理した取引数に応じた料金は、依然として処理量への支払いであり、必ずしも経済的な改善への支払いではない。

したがって、説明責任の不足は具体的である。公開された商業条件には価値を分配する選択肢があるが、顧客成果には十分な測定や契約の詳細が伴っていない。そのため、技術的には変革を納入できても経済的には期待外れだった場合、誰がリスクを負うのかを判断できない。

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

評価項目 評価
経済的な問題設定 4/10
最終的な意思決定への到達 6/10
サプライチェーンに関する概念の明確さ 4/10
時代遅れの中心的教義からの自由度 3/10
KPIの見せかけへの耐性 3/10

平均:4.0/10

経済的な問題設定 — 4/10。 営業上の説明には、在庫、売上、サービス、処理費用が登場する。これらの成果を単一の金銭的な意思決定基準につなぐ説明がない。統合による節約と在庫からの収益は、別々に計上する必要がある。1 2 4 6

最終的な意思決定への到達 — 6/10。 受注の引当や保留・解除は、業務上の行動を生む。需要センシングの出力や分析は、最終的な補充の意思決定と、その実行責任がより不明瞭である。2 4 7

サプライチェーンに関する概念の明確さ — 4/10。 取引先データの分断は具体的に理解されている。不確実性、同じ在庫を巡る競合、観測売上と根底の需要の違いについては、技術的な説明がはるかに少ない。2 5 6

時代遅れの中心的教義からの自由度 — 3/10。 重点は依然として、可視化、予測の高速化、連携したワークフローにある。公開された設計からは、目標値に基づく計画を、不確実性のもとで経済的な順位を付けた意思決定に置き換える仕組みが確認できない。2 13

KPIの見せかけへの耐性 — 3/10。 追跡時間や処理時間には、理解可能な業務上の意味がある。予測改善率やフィルレートの数字には、金銭的価値や比較可能性を確認するだけの評価の詳細がない。2 4 7 8

意思決定と最適化の実質

評価項目 評価
確率的モデル化の深さ 2/10
独自性のある最適化または機械学習の実質 3/10
現実の制約への対応 5/10
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適応力 3/10

平均:3.6/10

確率的モデル化の深さ — 2/10。 需要とリードタイムの同時分布も、較正手法も開示されていない。シグナルの追加や更新頻度の増加では、この欠落は埋まらない。2 3

独自性のある最適化または機械学習の実質 — 3/10。 データ整合化や文書処理には、特定できる用途がある。証拠からは、独自のサプライチェーン最適化アルゴリズム、目的関数、再現可能な評価は見えてこない。2 5 8

現実の制約への対応 — 5/10。 取引先での供給可能性、注文分割、追跡上の関係、地域ごとの処理ルールは表現されている。それらがワークフロー内に共存しても、共有資源が経済的に一貫した形で扱われるとは限らない。4 7 8

意思決定の自動化と労働生産性 — 5/10。 事例は、取引処理の大幅な削減を報告している。供給者が運営するサービスや設定保守を含む、正味の継続労働は十分に測定されていない。6 7 8

現実の業務の複雑さに対する適応力 — 3/10。 ソフトウェアは異種システムや文書を処理する。関連し合う欠品が生じた際の意思決定の選択や、業務上の失敗によって誤った事業前提が明らかになった際のルールの再定式化と再テストについては、公開された証拠が弱い。ワークフローの実行だけでは、どちらの能力も立証されない。4 6 7 8

製品とアーキテクチャの一貫性

評価項目 評価
アーキテクチャの整合性 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 4/10
ソフトウェアの簡素さと保有費用 3/10
プログラムおよびエージェント支援による運用との適合性 5/10

平均:4.4/10

アーキテクチャの整合性 — 4/10。 標準的な統合モデルと再利用可能なマッピングにより、ネットワーク製品の目的には一貫性がある。そのアーキテクチャと、新しい製品横断のエージェント層との関係は、依然として十分に文書化されていない。5 6 18

システム境界の明確さ — 6/10。 取引先と既存の企業システムの間に置かれるTradeEdgeの役割は、比較的明確である。より良い予測を供給することと、その結果としての在庫意思決定に責任を持つことの境界は、より曖昧だ。2 5

セキュリティへの真剣さ — 4/10。 公開された認証、資格情報、暗号化の仕組みは、認証取得マークより具体的である。エージェント固有の隔離や、いくつかの保証の製品範囲は未解決である。16 17 18

ソフトウェアの簡素さと保有費用 — 3/10。 時点の古い構成要素一覧と、明示されたマネージドサービスモデルは、継続する運用責任を示している。ホスティング、更新、マッピング、ルール保守を、自動化による節約の主張と突き合わせたライフサイクル費用は公開されていない。6 16 20

プログラムおよびエージェント支援による運用との適合性 — 5/10。 API、データ交換、オーケストレーションは統合の自動化を支える。公開された証拠からは、安全で無人のサプライチェーン意思決定が大規模に行われているとは、まだ確認できない。5 18

技術的透明性

評価項目 評価
公開技術文書 5/10
ベンダーの仲介なしでの検証可能性 3/10
可搬性とロックインの可視性 4/10
実装方法の透明性 5/10
技術的主張を裏付ける証拠の密度 3/10

平均:4.0/10

公開技術文書 — 5/10。 調達文書は、マーケティングサイトより多くの運用上の詳細を明らかにしている。現在のアルゴリズム仕様、構成要素のバージョン、エージェントの権限モデルについては、情報が乏しい。6 16 18

ベンダーの仲介なしでの検証可能性 — 3/10。 読者は製品説明や事例を調べられるが、公開されたコード、データセット、評価手順から、予測や引当に関する主張を再現することはできない。2 3 4

可搬性とロックインの可視性 — 4/10。 標準インターフェースは通信レベルの依存を減らす。G-Cloudの退出条項では、データ移転の手順は相互合意に委ねられ、実行可能なマッピングや業務ルールの保持は規定されていない。16

実装方法の透明性 — 5/10。 事例では、統合、検証、設定、テスト、展開の作業が特定されている。展開後に必要となる継続的な作業量は、はるかに測りにくい。6 7 8

技術的主張を裏付ける証拠の密度 — 3/10。 実名の業務上の証言が、統合の成果の一部を裏付ける。広範なAI、最適化、予測の主張は、公開された手法と測定の詳細を上回っている。2 7 18

ベンダーの真剣さ

評価項目 評価
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
概念の明確さ 4/10
経済的な説明責任 4/10
エージェント型ソフトウェア時代における競争力の持続性 4/10

平均:4.0/10

公開発信の技術的な真剣さ — 4/10。 具体的な統合作業の周囲に、より広い知能の主張が繰り返し添えられる。その曖昧さにより、新しい計算能力なのか、既存ワークフローを新しく見せたものなのかを区別しにくい。1 13 18

技術ロードマップの一貫性 — 4/10。 トレーサビリティや処理のアプリケーションには、継続的な実現の記録がある。TradeEdgeのブロックチェーンの約束や、その後のデジタルツインの宣伝には、同程度に追跡可能な技術的・経済的な実現の裏付けがない。7 10 11 13 14

概念の明確さ — 4/10。 データアクセス、予測、最適化、自律性は、同じプラットフォームから順に得られる利点として扱われることが多い。それぞれに別の証拠が必要であり、特に観測を金銭的な約束に変える段階では、その区別が重要になる。2 4 18

経済的な説明責任 — 4/10。 公開された利益分配の選択肢は、利害を一致させうる。利用可能な顧客事例からは、適用される基準値、継続費用の全体、不利な結果のリスク配分は確認できない。7 8 19 20

エージェント型ソフトウェア時代における競争力の持続性 — 4/10。 既存の取引先接続と、維持されるその意味体系には、価値が残りうる。汎用的な文書処理やワークフローのオーケストレーションには、代替される圧力が強まる。持続的な差別化には、測定された意思決定の質と、総労働量の削減が必要である。5 6 8 18

出典

出典は2026年11月4日に確認した。特に断りがない限り、以下の顧客成果は掲載したベンダーの報告による。G-Cloud 14の文書は2024年の提供内容を記述している。

[1] TradeEdge / Infosys Topaz AI Next Supply Chain

TradeEdge / Infosys Topaz AI Next Supply Chain、日付なし。現在の製品範囲とブランド。

[2] 需要センシング

需要センシング、日付なし。データ頻度、推奨発注の入力、定義が示されていない相対的な予測改善の主張。

[3] Infosysの需要センシングソリューション:SAPパートナー一覧

Infosysの需要センシングソリューション:SAPパートナー一覧、日付なし。IBP拡張と週次から日次への予測変換に関するSAPの説明。

[4] 受注オーケストレーション

受注オーケストレーション、日付なし。文書化された引当基準と、応答時間・フィルレートの主張。

[5] 統合ソリューション

統合ソリューション、日付なし。インターフェース、標準モデル、統合機能。

[6] TradeEdge G-Cloud 14サービス定義

TradeEdge G-Cloud 14サービス定義、2024年5月3日。導入、マネージドサービス、事例。公開日はPDF内に記載されている。

[7] Marsが製品追跡時間を大幅短縮

Marsが製品追跡時間を大幅短縮、2023年。Marsの実名による追跡アプリケーションと顧客証言。

[8] 統合AIプラットフォームが船会社の処理時間を改善する仕組み

統合AIプラットフォームが船会社の処理時間を改善する仕組み、2026年4月16日。匿名の船会社での導入、業務範囲、報告された自動化成果。

[9] EdgeVerve年次報告書2014–15

EdgeVerve年次報告書2014–15、2015年。製品の起源と会社設立。

[10] Infosys Form 20-F 2017

Infosys Form 20-F 2017、2017年。NiaのAI、知識、自動化の構成要素に関する当時の説明。

[11] Infosys 2018会計年度第1四半期決算説明会

Infosys 2018会計年度第1四半期決算説明会、2017年7月14日。TradeEdgeへのブロックチェーン統合に関する当時の発表。

[12] FinacleとR3がブロックチェーン貿易金融の試験を完了

FinacleとR3がブロックチェーン貿易金融の試験を完了、2019年9月23日。別用途である銀行アプリケーションに関する発表元のプレスリリース。

[13] サプライチェーンの未来を形作る現代技術の役割

サプライチェーンの未来を形作る現代技術の役割、2022年12月9日。2023年以前のTradeEdgeの技術に関する説明。

[14] 2023年のサプライチェーンの5大トレンド

2023年のサプライチェーンの5大トレンド、2023年10月12日。デジタルツインと自動化の宣伝。

[15] Infosys ESG報告書2025–26

Infosys ESG報告書2025–26、2026年。Topaz AI Nextブランドへの移行の開示。

[16] TradeEdge Platform:G-Cloud 14掲載情報

TradeEdge Platform:G-Cloud 14掲載情報、2024年。当時の要件、制御、サービス境界、退出条項。

[17] プラットフォームの必要性:自律性、ガバナンス、イノベーションの均衡

プラットフォームの必要性:自律性、ガバナンス、イノベーションの均衡、2025年。エージェントのガバナンスに関する推奨事項であり、導入済み制御の仕様とは異なる。

[18] Infosys Topaz AI Next Agentic AI

Infosys Topaz AI Next Agentic AI、日付なし。現在のエージェントプラットフォームの範囲とライフサイクルに関する主張。

[19] G-Cloud 14添付の基本サービス契約草案

G-Cloud 14添付の基本サービス契約草案、2024年5月2日。調達向け提供資料とともに公開された汎用的な契約草案。第13–14条が保証と責任を扱う。

[20] G-Cloud 14価格資料

G-Cloud 14価格資料、2024年5月3日。時間・材料ベース、固定価格、利益分配などの商業モデル。