著者：Léon Levinas-Ménard
最終更新日：2026年11月4日
Intuendiは、需要予測、在庫計画、補充のためのクラウドソフトウェアを提供している。小売企業、ブランド企業、卸売企業が、需要の推定、在庫リスクの特定、購買・生産・移動指示の作成に利用する。Symphonieアシスタントと外部AI連携は、計画情報と一部の操作への対話型アクセスを提供する。(1, 2, 5)
サプライチェーン総合スコア：4.2/10
| 評価項目 | スコア |
|---|---|
| サプライチェーンへの理解の深さ | 4.2/10 |
| 意思決定と最適化の実質 | 4.4/10 |
| 製品とアーキテクチャの整合性 | 5.0/10 |
| 技術的透明性 | 3.8/10 |
| ベンダーの真剣さ | 3.6/10 |
Intuendiは、仕入先やコンテナの制約を含め、予測を実行可能な補充へとつなげている。しかし、数値計算に関する説明は、確率的な需要、サービス目標、在庫カバー期間の設定、計画担当者の介入を組み合わせたところで止まっている。公開資料では、発注を選ぶ際に、不確実な需要、不確実な入荷、利益率、限られた現金をどのように同時評価するのかが示されていない。納品の何か月も前にコンテナ単位で仕入れる顧客にとって、この欠落は特に重要である。(3, 4, 9)
顧客事例には有用な業務上の詳細がある一方、見出しに使われる測定値の一部は、その信頼性を損なっている。97%という精度は事業全体の予測を指し、別の事例では、作業時間75%削減の計算に使う基準値が途中で変わっている。また、新しいエージェント型という位置づけも、結果への質問と計画パラメータの調整が中心である。既存のプロセスを速く操作できても、繰り返し必要になる判断と保守の負担は大部分が残る。(7, 10, 5)
IntuendiとLokadの比較
Intuendiが説明する購買プロセスは、需要予測と在庫方針から始まり、発注案を作成し、購買担当者が修正するものだ。Lokadの在庫最適化サービスは、顧客固有の数値モデルを使い、期待される金銭的貢献に基づいて判断を順位づけする。定量的サプライチェーンのアプローチでは、データ準備や本番計算を含む意思決定ロジックの構築、運用、保守をサプライチェーンサイエンティストが担う。
コンテナにあと一枚のパレットを積める卸売企業を考えてみよう。よく売れる低利益率の商品と、売れ行きは遅いが欠品すると重要顧客を失う補修部品が競合するかもしれない。どちらを追加発注しても、別の仕入先への支払いに回せた現金を使う。予測精度と目標カバー期間だけでは、この選択は決まらない。輸送が遅れる確率も含め、各選択肢の追加的な金銭的影響を計算する必要がある。
IntuendiのCasa de las Baterías事例では、計画担当者はコンテナへの積載時に利益率と回転率を優先すると述べている。Labsには価格設定シナリオ計算機もある。これらの機能は関連する経済要因を認識しているが、公開説明には、価格、購買、輸送、商品の入手可能性を一体としてどう最適化するかが示されていない。(8, 17)
違いは、不適切な推奨をどう修正するかにもある。Intuendiは、予測、カバー期間、入荷予定日、その他の設定を調整することを重視する。Lokadが示す運用モデルでは、専門家が再利用可能な意思決定ソフトウェアを改訂する。どちらにも保守は必要だ。経済的な評価で問うべきは、その作業が、管理されたテストと本番反映を伴う品ぞろえ全体の持続的改善を生むのか、それとも購買担当者が覚えておくべき例外をまた一つ増やすのかである。この視点は、ホリミゼーションと『Introduction to Supply Chain』で展開されている。
補充エンジンが実際に行うこと
購買問題全体の説明に至る前に、需要の不確実性の説明が終わる
Intuendiは現在、すべての需要予測に確率帯が付くと明示している。過去の売上に販促や外部要因を組み合わせ、類似商品の発売実績から新商品を推定し、階層の異なるレベルで上書きできる。財務部門が売上目標を入力すると、アプリケーションはそれを数量計画に変換する。(2)
これらの機能には、別々の問いがある。まず、表示される帯には、確率、予測期間、較正テストの定義が必要だ。次に、購買計算は、不確実性を修正済みの点推定へ潰すのではなく、実際に利用しなければならない。公開文書には、分布モデルも、分布を金銭的に順位づけされた行動へ変換する方法も示されていない。
売上目標が予測需要になると、特に問題が生じる。売上を伸ばしたいという意欲によって、顧客が購入する確率が上がるわけではない。条件付き予測、営業上の施策、経営目標を区別しなければ、購買は、結局実現しない需要への願望に資金を投じかねない。
在庫計算は、予測、サービスレベル、希望するカバー期間、商品分類、補充制約を組み合わせる。複数階層について、Intuendiは、下流の補充要求をシミュレーションして上流の在庫所要量を求めると説明する。(3) ネットワーク構造は考慮しているが、重要な配分の問いは未解決である。追加で在庫に投じる一ユーロは、ネットワークのどこで最大の期待収益を生むのか。
リードタイムの不確実性も同じくらい重要だ。固定された納品期間に対する需要分布は、納品日そのものが不確実な場合と同じリスクを表せない。代替の仕入先も混雑しているときに、ある仕入先の遅延が多くの商品へ同時に影響することもある。Intuendiは、仕入先リードタイムの入力と調整ツールを公開しているが、こうした依存関係を発注へ伝播させる、検証可能な方法は示していない。
発注とコンテナ制約には業務上の実質がある
購買モジュールは、仕入先への発注、生産依頼、在庫移動を準備する。購買カレンダー、最低数量、予算、梱包、パレットを扱い、購買担当者はERPや仕入先へ注文を送る前に、数量と入荷の想定を修正できる。注文の変更に応じてコンテナの積載状態も更新される。(4)
これは意味のある実行可能な出力である。同時に、SKUごとの独立した目標を並べるだけでは評価できない相互作用も生む。コンテナを埋めるために低価値の商品を追加すると、単位当たり運賃が下がる一方、過剰在庫によって全体の収益が下がる可能性がある。逆に、空きを残す方が経済的に正しい場合もある。優れたエンジンは、これらの選択肢を、後日購入する、別の仕入先を使う、欠品を受け入れる、といった案と比較しなければならない。
Casaのコンテナ事例は、月額ほぼ100万ドルの購買、仕入先の選択、商品の利益率を調整する過程を説明するが、目的関数も、コンテナ計算に起因する測定済みの改善も示していない。(8) したがって、公開情報が裏づけるのは、制約付きの発注準備と、経済性を意識した顧客の業務プロセスである。統合的な確率的最適化を裏づけるものではない。
精度と顧客の成果
97%という主張は購買に不適切な粒度を測っている
2026年4月のCasa事例は、97%の精度を事業全体の予測に対して示している。売れ筋の部分集合について94%とも述べるが、その対象は十SKUと約800 SKUという矛盾した説明になっている。どちらの割合にも、指標、予測起点、時間区分、重みづけが付いていない。(7)
集約は、まさに購買が防ぐべき誤りを隠してしまう。一方のバッテリーの過大予測と、もう一方の過小予測は、事業全体では相殺しても、倉庫には誤った在庫が残る。売れ筋だけを選べば、予測の難しい品ぞろえの裾野がさらに除外される。
M5コンペティションは、この影響の大きさを示している。主催者が公開した上位50件の点予測提出結果を100 × (1 − WAPE)で再計算すると、**SKU・店舗・日単位では約22.1–25.1%**だが、**商品と店舗を日ごとに合算すると95.8–98.2%**になる。これは同じ予測を診断目的で再計算したもので、M5の公式指標ではない。したがって、100%に近い割合でも、意思決定の粒度では大きな誤差が共存し得る。(23)
IntuendiのTannico事例は、別種の結果を示す。平均予測誤差が36%、絶対誤差が62%低下し、最良の場合のMAEは四週間で三単位だった。(12) 相対的な改善は有用な証拠だが、出発点の誤差と評価対象集団の定義がなければ、これらの数字で発注結果の質を裏づけることはできない。
欠品と作業時間：有用な成果だが、測定にはばらつきがある
Casaの2026年5月の事例は、約1,000 SKU、四か国75支店、二～六か月の仕入先リードタイム、そして欠品25%削減を説明している。(9) 厳しい購買制約の下での、意味ある業務成果だ。この事例では、改善を投下資本、サブスクリプションとサービスのコスト、あるいは比較可能な未導入期間と突き合わせていない。在庫の入手可能性だけでは純収益を示せない。
Wells Lamontの受注・発注管理事例は、作業時間をより具体的に示す。以前の週4–10時間が1–3時間になり、報告された71%削減は七時間から二時間への変化から算出されている。(11) 残る作業が見え、計算も理解できる。ただし、ベンダー側の作業、設定の保守、品ぞろえの拡大は測っていない。
付随する在庫分析事例には内部矛盾がある。冒頭では週5–20時間の作業量としながら、75%削減という主張を22.5時間から5.75時間への変化で計算している。(10) 導入後の作業量は正確かもしれないが、公表された基準値は見出しの比較を支えない。Intuendiの幅広いマーケティングで繰り返される数字の信頼性が、これによって低下する。
生産性の問いは、ソフトウェアが表計算を上回るかどうかにとどまらない。商品点数とネットワークの拡大に伴い、予測の確認、在庫リスクの調査、発注承認は繰り返される。持続的な改善を示すには、経済的な意思決定の質を保ちながら、成長に応じて総作業量がどう変わるかを示す必要がある。
技術の歴史：予測AIから対話型計画へ
Intuendiは、フィレンツェ大学の技術者と研究者を中心に生まれた。(1) その歴史には、予測と補充での継続性と、その後のより広範な対話型機能の主張が見られる。
| 時期 | 公表された約束または仕組み | 実現内容と未解決の問い |
|---|---|---|
| 2017年 | 記事は、類似商品の教師あり分類やクラスタリングによる新商品予測を説明している。 | 特定の統計課題だが、説明に付随する本番運用のベンチマークは公開されていない。(13) |
| 2021年 | Web Summitのカタログ掲載文は、売上とROIの改善を目的とするAI駆動の需要計画と補充を訴求している。 | 商業的な目的は明確だが、再現可能な財務評価はない。(14) |
| 2025年12月 | Symphonieの一般公開時には、対話型の推奨を宣伝し、市場で比類のない知能と応答性を主張した。 | 例は仕入先、Aクラス商品の購買、売れ筋商品に関するものだ。発表には、優越性の主張を裏づける比較がない。(15) |
| 2026年 | Symphonieをエージェント型アシスタントとして訴求し、MCP接続で外部アシスタントへアクセスを広げた。 | 文書に示される実行例は、承認を伴う予測とリードタイムの調整にとどまる。この層に固有の効果として、計画業務の総作業量が減ったという測定はない。(5, 6) |
| 2026年 | デマンドセンシングは短期予測の継続更新を約束し、Labsは価格シナリオと新商品ツールを追加した。 | 公開資料は、新たなシグナルの寄与を切り分けず、価格設定と補充の統合的な判断も実証していない。(16, 17) |
2017年の説明は、2025年の独自の知能という主張より技術的に具体的だ。分類とクラスタリングは、範囲を限定した予測課題には妥当なツールである。対話型インターフェースをエージェント型と呼んでも、元の補充モデルに残された、より難しい最適化の問題は解決しない。
デマンドセンシングの資料は、別の不整合を示す。予測期間は二か月までと説明される一方、Casaの導入環境ではリードタイムが六か月に達する。(16, 9) 最近の観測は、手元の在庫の再配分や、今後の購買の修正には役立つ。しかし、既に確定した海外発注を遡って変更することはできない。妥当な評価には、シグナルが届く時点と、その時点でなお実行可能な行動およびコストを結びつける必要がある。
Intuendiはインターフェースと計画機能を追加してきた。公開された歴史は、それに対応する自律的な財務意思決定エンジンへの進歩を示していない。したがって、精度、知能、速度を繰り返し訴求するには、ベンダーの顧客事例が示す以上の裏づけが求められる。
エージェント、設定保守、総保有コスト
Symphonieの現在の実行例は、承認を伴う予測の微調整と仕入先リードタイムの変更である。ほかには、設定の案内、説明、監視、推奨がある。(5) これらは画面操作やサポートへの問い合わせを減らし得る。しかし、計画担当者は依然として数値運用のループ内に置かれている。
ChatGPT連携は、利用者のIntuendiアカウントで認証し、その権限を引き継ぐ。更新権限のある利用者は、会話から対応する変更を承認できる。(6) 文書化された業務フローは、計画データと操作をチャットへ持ち込むものだ。品ぞろえ全体にわたる再利用可能な経済的意思決定方針を、エージェントが構築、テスト、改善する様子は示されていない。主な成果が推奨を確認する別の手段にすぎないなら、MCPは革新性を主張する根拠として弱い。
設定作業は初期導入から既に存在する。Intuendiは、自社チームとともに予測戦略と外部要因を選び、ベンチマークを取り、パラメータを調整すると説明する。(21) その後の販促、品ぞろえ、仕入先、ネットワーク構造の変化によって、それらの選択は不適切になり得る。継続コストには、入力の確認、業務設定の維持、推奨の調査、変更のテストが含まれる。
Labsプログラムは、一部の顧客に初期段階の機能と開発チームへのアクセスを提供する。(17) 製品変更への経路は生まれるが、顧客固有の改善はベンダーの優先順位に依存する。公開文書には、顧客ロジックのバージョン管理、変更した方針の過去データによる再実行、失敗した数値改訂のロールバックの説明がない。
価格は見積もり方式で、独自開発の有無やパフォーマンスレビューの頻度により契約内容が異なる場合がある。(20) したがって、総保有コストの評価には、実際のサービス範囲と顧客側に残る作業量が必要だ。対話型アシスタントによってこの保守が消えるわけではない。変更しやすい設定が増えるだけかもしれない。
ソフトウェア構成要素とセキュリティ境界
最も明確なインフラ開示は、Intuendiの2026年5月の再処理委託先一覧である。
| 構成要素または境界 | 文書に示された役割 | 影響 |
|---|---|---|
| Amazon Web Services | 顧客データのホスティングと保存。主なリージョンはEUと記載される。 | アプリケーション、設定、復旧、リソース消費に関する責任はIntuendiに残る。(18) |
| Amazon Bedrock | 一時的な言語モデル推論とテキスト処理。こちらもEUと記載される。 | 生成される説明とツール要求は別の推論サービスに依存する。基盤モデルとルーティングは特定されていない。(18) |
| アプリケーションのデータストア | 発注FAQは、データベースと通信が暗号化されていると述べる。 | データベース技術、複製方式、計算の配置構成は開示されていない。(4) |
| MCP接続 | 外部アシスタントは、アカウントで許可されたアクセスと、対応する書き込み操作を受け取る。 | 外部の会話が、業務上の変更のための新たな入口になる。(6) |
開示された構成要素では、予測、ネットワーク計算、復旧に必要なリソースが分からない。依存関係を特定する製品固有の技術文書や求人情報がないため、インフラの簡素さと規模の経済性は評価しにくい。
Intuendiによれば、AIプロバイダーは主要データストレージではなく、一時的な推論を提供し、対応可能な範囲でデータ最小化と保持期間の制御を行う。(18) 想定する流れは明確になるが、実際のモデル設定と個々の要求の扱いは特定されていない。
2026年8月のデータ処理補遺は、ロールベースのアクセス、最小権限、顧客間の論理的分離、ログ記録、復旧措置を、適用可能性による限定付きで列挙する。(19) 技術的な問いは、コネクタ、サポート用ID、AIツールが侵害された際に、これらの境界がどう維持されるかである。公開文書には、ツール単位の書き込み制限、承認の強制、テナント分離のテスト、モデルが生成した要求と信頼された実行環境の分離が示されていない。セキュリティ評価は、こうした仕組みの欠落によって制限される。
経済的な結果への責任
IntuendiのROI計算機は、売上、在庫、利益率、SKU数、典型的なリードタイムなど、事業全体の入力を求める。予備的な推定を業界ベンチマークに基づくものとし、欠品、過剰在庫、生産性に関して期待される効果を示す。(22) この推定は商談の出発点にはなる。しかし、実際の購買の限界収益を示すことも、導入評価の基準値に代わることもできない。
2026年8月の利用規約は、公的な約束の限界をさらに明確にする。支払いは返金不可で、含まれるサポートは技術的なもの、回答時期の保証はなく、予測精度やサービス利用による損失については免責される。(20) 公表された枠組みには、経済的失敗の基準値も、収益が期待を下回った際に意思決定ロジックを修復する義務も定義されていない。
測定可能な契約関係には、合意した評価期間、収益計算に含めるコスト、推奨と上書きの記録、有害な挙動の修正責任が必要だ。Intuendiの顧客事例は成功を報告するが、その財務上の主張を、こうした再現可能な枠組みに結びつけていない。
サプライチェーンスコア
サプライチェーンへの理解の深さ
| 基準 | スコア |
|---|---|
| 経済的な問題設定 | 4/10 |
| 最終的な意思決定の出力 | 7/10 |
| サプライチェーン概念の明確さ | 5/10 |
| 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 | 2/10 |
平均：4.2/10
経済的な問題設定 — 4/10。 コンテナと価格設定の例は、利益率、資本、共有容量を認識している。不足するのは、不確実性の下で、それらの追加的な金銭的影響を比較する意思決定規則だ。報告された事業上の効果は、その代わりにはならない。(8, 17)
最終的な意思決定の出力 — 7/10。 補充は実行可能な注文に至り、実行システムへ戻す経路も示されている。購買担当者による介入は多く残り、提案数量の財務的な質は不透明である。(4)
サプライチェーン概念の明確さ — 5/10。 製品は、ネットワーク補充、仕入先制約、新商品需要を扱う。公開説明では、不確実な供給と商品間の経済的相互作用が未解決で、ネットワーク最適化という言葉の意味を制限している。(3)
時代遅れの中心的教義からの自由度 — 3/10。 合意予測、分類、カバー期間目標が業務フローの骨格になっている。こうした代理指標では、事業条件の変化に伴って利益との関係も変わるパラメータを、経営側が維持し続けることになり得る。(2, 3)
KPIの見せかけへの耐性 — 2/10。 Casaの見出しの精度は事業を集約したもので、より細かいとされる比較の粒度と対象構成も曖昧だ。この割合ではSKU単位の購買を検証できず、まさにそれを検証できるかのような推論を誘う。(7)
意思決定と最適化の実質
| 基準 | スコア |
|---|---|
| 確率的モデリングの深さ | 3/10 |
| 独自の最適化または機械学習の実質 | 4/10 |
| 現実の制約への対応 | 6/10 |
| 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 | 4/10 |
平均：4.4/10
確率的モデリングの深さ — 3/10。 需要の不確実性は明示的に表現される。較正と、相関する需要・入荷の不確実性を意思決定へ伝播させる方法は文書化されておらず、長いリードタイムの購買に重要な空白が残る。(2, 9)
独自の最適化または機械学習の実質 — 4/10。 新商品予測の説明は妥当な手法を挙げ、Tannicoは予測改善を報告している。どちらも、独自の最適化エンジンや、適切な数値的比較対象に対する再現可能な優位性を示してはいない。(13, 12)
現実の制約への対応 — 6/10。 梱包、購買カレンダー、予算、ネットワーク内の移動が業務フローに組み込まれる。残る問題は、すべての目標を満たせないときに、これらの制約間の費用を伴うトレードオフをどう解決するかだ。(4)
意思決定の自動化と労働生産性 — 5/10。 Wells Lamontは、発注処理時間の明確な削減を報告している。在庫分析の比較には基準値の不整合があり、どちらの事例も顧客とベンダーを合算した継続的な総作業量を測っていない。(11, 10)
現実の業務の複雑さに対する適応力 — 4/10。 計画担当者は、条件の変化に応じて入力と設定を変えられる。公開された運用モデルでは、新たに見つかった相互作用が、追加の手作業による調整ではなく、意思決定問題へのテスト済みで再利用可能な改訂になる過程が示されていない。(21, 17)
製品とアーキテクチャの整合性
| 基準 | スコア |
|---|---|
| アーキテクチャの一貫性 | 6/10 |
| 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総保有コスト | 4/10 |
| プログラム的運用とエージェント支援運用への適合性 | 5/10 |
平均：5.0/10
アーキテクチャの一貫性 — 6/10。 予測、在庫、発注は一貫した製品範囲を形成する。その相互作用を支える実行環境とデータアーキテクチャの説明は不十分で、障害の波及や計算の重複を評価できない。(21)
システム境界の明確さ — 6/10。 Intuendiは、計画を担う役割、実行用インターフェース、インフラ提供者、推論提供者を特定している。計画から発注への処理が中断した場合の、詳細なデータ所有権と整合性は文書化されていない。(4, 18)
セキュリティへの真剣さ — 4/10。 アカウント権限と契約上のアクセス制御は、意図する制限を説明している。侵害されたAI操作や特権アカウントの影響を封じ込めることは、公開情報では実証されていない。対話型アクセスに書き込み機能が加わるほど、その重要性は増す。(6, 19)
ソフトウェアの簡素さと総保有コスト — 4/10。 サービス範囲には調整と、場合によっては独自開発が含まれる。公開価格と保守作業量が欠けているため、報告された個別作業の削減を超える、信頼できる総コスト比較はできない。(20, 21)
プログラム的運用とエージェント支援運用への適合性 — 5/10。 連携と外部アシスタントからのアクセスは、データ移動と操作の自動化を支援する。不足するのは、エージェントが品ぞろえ全体にわたり安全に改善・展開できる、検証可能でバージョン管理された意思決定ロジックである。(6)
技術的透明性
| 基準 | スコア |
|---|---|
| 公開技術文書 | 4/10 |
| ベンダーを介さない検証可能性 | 3/10 |
| 移植性とロックインの可視性 | 4/10 |
| 導入手法の透明性 | 5/10 |
| 技術的主張を支える証拠の密度 | 3/10 |
平均：3.8/10
公開技術文書 — 4/10。 製品ページと契約上の開示は、入力と業務フローを説明する。数学的な仕様、APIレベルの実行詳細、運用上の障害分析はほとんど提供されていない。(2, 19)
ベンダーを介さない検証可能性 — 3/10。 Symphonieは出力の説明を約束するが、アシスタントの説明では、基礎となる計算が主張された経済性を実装していると証明できない。再現可能な例や検証可能な数値ロジックが欠けている。(5)
移植性とロックインの可視性 — 4/10。 データ交換はサービスに含まれ、利用規約は契約終了後の保持期間を定める。保守してきた方針、設定、判断の再現に必要な数値的挙動のエクスポートは文書化されていない。(20)
導入手法の透明性 — 5/10。 Intuendiは、データ交換、予測戦略の選択、ベンチマーク、調整を説明する。継続的な責任分担、回帰チェック、失敗した設定の扱いは、はるかに不明確だ。(21)
技術的主張を支える証拠の密度 — 3/10。 顧客名付きの事例には測定値もあるが、指標定義の欠落と基準値の矛盾が、数値的な優越性や大幅な生産性向上の主張を弱めている。(7, 10, 12)
ベンダーの真剣さ
| 基準 | スコア |
|---|---|
| 公的発信の技術的な真剣さ | 3/10 |
| 技術ロードマップの誠実さ | 4/10 |
| 概念の明確さ | 4/10 |
| 経済的な結果への責任 | 3/10 |
| エージェント型ソフトウェアの時代における競争力の持続性 | 4/10 |
平均：3.6/10
公的発信の技術的な真剣さ — 3/10。 Symphonieの発表は、比較テストなしに市場での優越性を主張する。デマンドセンシングの宣伝も、新たな計算上の貢献を切り分けず、流行の分類名を提示している。(15, 16)
技術ロードマップの誠実さ — 4/10。 歴史には継続性と実際の機能追加が見られるが、広範なAIとROIの約束が、特定のリリースに起因する経済効果や作業量の測定にまでつながった形跡は乏しい。(14, 15, 17)
概念の明確さ — 4/10。 在庫の経済性は顧客事例に現れるが、製品はなお、より良い予測、経営目標、より良い財務判断を混同している。欠けているつながりは、選択肢とその結果の明示的なモデルである。(2, 8)
経済的な結果への責任 — 3/10。 公開規約と営業用計算機は、診断と修正の義務を伴う、検証可能な純収益への約束を示していない。そのため成功の主張は、合意された経済的失敗の定義から切り離されたままだ。(20, 22)
エージェント型ソフトウェアの時代における競争力の持続性 — 4/10。 業務データ、連携、補充計算は基盤になる。人手を介さない判断や、そのロジックを保守するコストの改善が実証されなければ、対話型の確認とパラメータ編集がもたらす差別化は限られる。(5, 6)
出典
Intuendi会社紹介ページ、2026年11月4日閲覧。会社の起源、チーム、サービスの位置づけ。
Intuendi需要計画、2026年11月4日閲覧。確率帯、階層、上書き、合意形成型計画。
Intuendi在庫最適化、2026年11月4日閲覧。在庫方針、制約、ネットワーク計算。
Intuendi発注、2026年11月4日閲覧。実行可能な出力、注文編集、コンテナ処理、連携。
Intuendi Symphonie、2026年11月4日閲覧。現在のアシスタントと実行能力に関する主張。
IntuendiのMCP接続、2026年11月4日閲覧。認証と権限モデル。
不確実なリードタイムの下で入手可能性を守る、2026年4月15日。精度の主張と、明示された対象集団。
収益性向上のためのコンテナ最適化、2026年4月9日。購買と積載の業務フロー。
長いリードタイムでも欠品を減らす、2026年5月20日。導入範囲と、報告された入手可能性の改善。
在庫分析を戦略的優位に変える、2026年3月16日。作業量の数値と、不整合のある基準値。
受注・発注管理の自動化、2026年3月16日。報告された週当たりの処理作業量。
予測誤差の削減、2026年3月16日。モデル選択と報告された誤差。
新商品予測のための機械学習、2017年12月5日、2026年2月14日アーカイブ。分類とクラスタリングの説明。
イタリア貿易振興機構の出展者カタログ、2021年。当時のIntuendiの製品の位置づけ。
Intuendiの公開発表、2025年12月4日、発表文の日付は12月2日。主張と作業例。
Intuendiのデマンドセンシング記事、2026年5月26日。主張されるシグナル、予測期間、応答性。
Intuendi Labs、2026年11月4日閲覧。顧客との開発プログラムと価格設定シナリオ。
AIサービスと再処理委託先、2026年5月更新。AWS、Bedrock、明示された処理境界。
Intuendi DPA、2026年8月発効。アクセス、分離、復旧、データ処理に関する約束。
Intuendi利用規約、2026年8月更新。サブスクリプションの範囲、サポート、保持、責任。
Intuendiソリューション概要、2026年11月4日閲覧。初期設定、ベンチマーク、調整。
Intuendi計算機、2026年11月4日閲覧。入力、ベンチマークに基づく推定、主張される改善余地。
M5主催者が公開した手法と提出結果。最後の28日間と上位50件の点予測提出結果を用いた、粒度比較の根拠。