KetteQのレビュー、サプライチェーン計画ソフトウェアベンダー

レオン・ルヴィナ＝メナールによる

最終更新: 2025年12月

KetteQは、米国に拠点を置くサプライチェーン計画ソフトウェアベンダーで、2018年に設立されました。同社は従来のAPSシステムに対する「適応型」かつ「AIファースト」の代替手段として位置付けられており、UXにはSalesforceを、計算負荷の高いバックエンドにはAWSをネイティブに活用しています.¹²³⁴ 同社の主力商材は、そのPolymatiQ™ソルバーで、特許出願中の「エージェンティックAIエンジン」として説明され、需要、在庫、生産、サービスの各シナリオを自動的に数千種類実行、パラメータを調整し、市場の変動から継続的に学習してより強靭な計画を推奨します.⁵¹⁶⁷ KetteQは、製造、流通、サービスの中堅および大企業を対象としており、Coca-Cola、Carrier、Johnson Controls、NCR Voyix、Alliance Consumer Groupなどのブランドを顧客として挙げています.⁷⁸⁹ 2021年以降、同社は約3,090万米ドルのベンチャー資金を調達し、2025年8月にVocap Partners主導の2,000万米ドルのシリーズBラウンドで、グローバルな拡大とエージェンティックAIの研究開発を加速させました.¹⁰¹¹¹²¹³¹⁴ アーキテクチャ的には、KetteQはSalesforceを取引・コラボレーション層として利用し、データ及び計算集約の作業はAWSにオフロードするマルチテナントSaaSプラットフォームを提供、組み込みのワークフロー、通知、分析は主にSQL、Python、JSON上に構築され、独自DSLではありません.¹²⁶⁴¹⁵ 技術的には、公開情報からは、複数パスのシミュレーションとシナリオ生成を機械学習による予測とパラメータ調整で統率するソルバーが示唆されるものの、モデルクラス、目的関数や最適化アルゴリズムの詳細な開示はなく、予測コンペティションと同等の独立ベンチマークも存在しません.⁵¹⁶³¹⁰ 商業的には、同社は実際の顧客、モダンな技術スタック、かなりの資金調達があるものの、完全に成熟したグローバル大手ではなく、スケールアップ段階にあります.³¹⁰⁷⁸⁹ 以下のセクションでは、KetteQの歴史、製品、技術についてより詳細に解説し、Lokadの定量的サプライチェーンプラットフォームとのアプローチの違いを双方の情報に基づき対比しています.¹⁶¹²¹⁷¹³¹⁸¹⁹²⁰

KetteQの概要

KetteQは、アトランタを拠点とするソフトウェア企業で、「適応型」サプライチェーン計画および実行プラットフォームを提供し、AI駆動のシナリオプランニングとSalesforce統合に強く重点を置いています.⁵¹²⁴ Sourcing Innovationという独立系業界ブログによれば、KetteQは2018年に設立され、100以上の過去のサプライチェーン計画実装および創業者による2つの以前のサプライチェーン企業からの教訓を活かし、「完全にモダンなマルチテナント・クラウドネイティブSaaSスタック」の上に意識的に構築されました.³¹¹ KetteQ自身の資料では、SalesforceとAWSという信頼のおける基盤上に構築されたクラウドネイティブプラットフォームとして提示され、アーキテクチャはユーザーエクスペリエンスとコラボレーションにSalesforce、分析およびソルバーコンポーネントにAWSを使用しています.¹²⁴¹⁵

The flagship capability is the PolymatiQ™ solver, described as a patent-pending, agentic AI engine that automatically runs and evaluates thousands of scenarios, tunes planning parameters and delivers “real-time adaptability” across demand, inventory, production and service.⁵¹⁶⁷⁸ → 主力機能はPolymatiQ™ソルバーで、特許出願中のエージェンティックAIエンジンとして説明され、数千のシナリオを自動的に実行・評価し、計画パラメータを調整、需要、在庫、生産、サービス全体で「リアルタイムな適応性」を提供します.⁵¹⁶⁷⁸ 製品ポートフォリオは、サプライチェーン計画（需要、在庫、供給計画）とサプライチェーン実行（コントロールタワー、フルフィルメント、作業指示、サービスパーツ）に分かれ、各々がPolymatiQ™シナリオ分析およびAI/ML予測によって支えられています.⁵¹⁷²¹ KetteQは、2010年以前に構築された「静的」な従来型計画システムに対抗するものとして自社を位置付け、旧来のAPSツールは水平スケーラビリティ、リアルタイム統合、動的適応性に欠けると主張しています。Sourcing Innovationのレビューは、KetteQのプラットフォームをモダンでマルチテナント、クラウドネイティブと概ね評価しています.⁶³²²

商業面では、KetteQは参考顧客やロゴとして、Coca-Cola、Carrier、Johnson Controls、NCR Voyixなどを掲示しており、外部の資金調達報道もこれらの名前に言及し、平均年間CARR成長率約170%や導入成功率100%といった指標を挙げています.⁷⁸¹³¹⁴⁹ 最新のシリーズBラウンド（2025年8月の2,000万米ドル調達）により、公開された総資金調達額は約3,090万米ドルに達し、KetteQがシード段階を超えたものの、まだスケールアップ段階にあることが強調されています.¹⁰¹¹¹²²³¹³¹⁴

KetteQ 対 Lokad

サプライチェーンサイエンスの観点から見ると、KetteQとLokadは（需要予測、在庫および供給計画、並びにより広範なサプライチェーンの意思決定）という重複する問題領域を扱っていますが、その哲学やアーキテクチャには著しい違いがあります。

プログラミングモデル対設定可能なアプリケーション。 KetteQは、プランナーが主にSalesforceベースのUI、標準データモデル、シナリオワークベンチを通じて操作する、設定可能なクラウドネイティブアプリケーションスイートとして提示され、拡張性はSQL、Python、JSONといった主流技術に依存しています.¹²⁶ 一方、Lokadは、サプライチェーン予測最適化のためのドメイン固有言語であるEnvision DSLを中心に構築された、根本的にプログラム可能なプラットフォームです.¹⁷¹³¹⁸ EnvisionはLokadの実行エンジンおよびカラム型ストレージと緊密に統合され、確率的モデリングと大規模サプライチェーンデータセットに対する最適化を明示的にサポートするよう設計されています.¹⁷¹³ つまり、KetteQは「設定可能なパッケージアプリ」モデルに近いのに対し、Lokadはカスタムの意思決定ロジックをスクリプトとして実装できる言語中心の環境を提供します。

不確実性の取り扱い。 KetteQの資料は「マルチパスの確率的アプローチ」や数千のシナリオを強調していますが、確率分布の表現方法や不確実性が計画パイプライン全体で数学的にどのように伝播されるかについては詳細が限られています.⁵¹⁶³ これに対して、Lokadはポイント予測（2008年）から分位予測（2012年）、分位グリッド（2015年）、確率予測（2016年）、そして微分可能プログラミングに基づく予測・最適化（2019年以降）への多世代の進化を公開しており、需要やその他の不確実な変数に対する完全な確率分布を中心に据えています.¹²²⁴²²²³¹⁵¹⁹ Lokadのドキュメントでは、Envisionに組み込まれたランダム変数の代数と、それが意思決定最適化アルゴリズムに直接反映される確率モデルが説明されています.¹⁷¹³¹⁸¹⁹

最適化とソルバーの透明性。 KetteQのPolymatiQ™は、数千のシナリオを実行しパラメータを調整、強靭な計画を返す特許出願中のエージェンティックAIソルバーとして位置付けられていますが、公開資料では、基盤となる最適化が数理計画、メタヒューリスティクス、強化学習、もしくはそのハイブリッドであるか、また目的関数や制約がどのように正式に表現されるかが明示されていません.⁵¹⁶³¹⁰ 一方、Lokadは、確率的離散降下法による在庫判断、予測と最適化のための微分可能プログラミング、組み合わせ最適化のためのドメイン固有ヒューリスティクスといった、最適化パラダイムについて比較的詳細な記述を提供しており、これらはすべてEnvisionを通して調整され、一般および技術的な文献で文書化されています.¹²¹⁷¹³¹⁸¹⁹²⁵ また、Lokadは、M5コンペティションにおいて全909チーム中6位、SKU集約レベルでは1位を獲得した、確率論的かつ微分可能プログラミングに基づくモデルを使用し、予測および最適化スタックの外部評価に言及しています.¹⁹¹⁴⁹²⁶

意思決定のアウトプット。 KetteQのメッセージは、リアルタイムプランニング、コントロールタワーの可視性、「エージェンティックAI」による「あらゆる可能性に対する数千のシナリオ実行」を強調していますが、公開例は主にシナリオ生成、ダッシュボード、予測精度の向上に焦点を当てており、経済的要因を明示した財務的にランク付けされたアクションリストについては触れていません.⁵¹⁶⁷²¹⁸ 一方、Lokadの技術ページや事例研究では、在庫保持コスト、欠品ペナルティ、陳腐化、バスケット効果などの経済的ドライバーに基づく収益化された目的関数および、期待ROI順に並べられた投資・撤退の推奨リスト（発注ライン、転送）が強調されています.¹³¹⁸²⁶²⁰²⁷²⁵ 例えば、Air France Industries MROのケースでは、サービスレベルと在庫に縛られた運転資本との明確なトレードオフを反映した、投資または撤退すべき部品の優先順位リストが文書化されています.²⁰²⁷²⁵

アーキテクチャとクラウドの姿勢。 両社ともマルチテナントSaaSかつクラウドネイティブですが、その実装は異なります。KetteQは、Salesforce（UX、コラボレーション、セキュリティ、データ共有）とAWS（ソルバー、分析、データ管理）間で責任を分担し、SQLやPythonなどの標準ツールを用いたオープン性を強調しており、独自スタックには依存していません.¹²⁶⁴¹⁵ 一方、LokadはMicrosoft Azure上で動作するシングルスタックSaaSとして運用され、カスタムのイベントソースデータストア、コンテンツアドレス可能なブロブストレージ、Envisionスクリプト用の分散実行エンジンを備え、外部依存を最小限に抑え、社内開発の予測および最適化ライブラリを含む、きっちり統合されたスタックを採用しています.¹⁷¹³¹⁸

「AI」主張の証拠と成熟度。 KetteQのAIに関する言説は、エージェンティックAI、世界で最も適応性の高い計画、リアルタイム適応性、マルチパス確率計画といった野心的な表現を用いていますが、公開ドキュメントは大枠でマーケティング寄りであり、詳細なアルゴリズムのホワイトペーパーや、顧客の引用やアナリスト／ブログ報道以外の外部ベンチマーク結果は存在しません.⁵¹⁶³¹⁰⁸¹³ 一方、LokadのAIナラティブは、確率的予測、ディープラーニング、微分可能プログラミングといった具体的なアルゴリズムファミリーに基づき、公開ドキュメントや動画で解説され、M5コンペティションやAir France Industriesの10年にわたるケーススタディなど外部の証拠に支えられています.¹²²³¹⁷¹³¹⁸¹⁹¹⁴⁹²⁰²⁵

要するに、KetteQは、モダンでSalesforce中心、シナリオ駆動型の計画スイートとして現れており、AI/MLは主に予測やシナリオスコアリングを支えるために用いられる一方、Lokadは、確率的予測と経済最適化をプログラム可能な環境に統合した言語駆動型プラットフォームで、より明示的な技術開示と外部検証がなされています。購入者にとっては、Salesforceネイティブのパッケージ型アプリケーション（KetteQ）と、不確実性や経済性のモデリングに対してより深い制御が可能な、モデリング作業を伴う定量的サプライチェーン「エンジン」（Lokad）の選択肢となります。

企業の歴史、資金調達およびポジショニング

設立とリーダーシップ。 Sourcing Innovationによれば、KetteQは2018年に設立され、同社は多数の過去のサプライチェーン計画実装や、創業者による2つの以前のサプライチェーンソフトウェアベンチャーから得た教訓を体現するため「ゼロから構築」されたと強調されています.³¹¹ KetteQ自身の「About」ページでは、業界のベテランによって築かれた、技術、データ管理、サプライチェーンプロセスにおける数十年の経験を有する企業として説明され、SalesforceおよびAWS上で「企業がサプライチェーン計画と実行に取り組む方法を再定義する」ことを目指していると述べられています.² 2021年、長年のサプライチェーンソフトウェア幹部（元Servigistics、元Genpact）のマイク・ランドリーがCEOに就任し、独立報道では彼が創業CEOのサイ・スミスから引き継ぎ、プラットフォームのスケーリングを担当することになったと伝えられています.¹⁵⁴²¹

資金調達ラウンド。 公開された資金調達情報および二次報道は概ね一致しています：

プレシリーズA: 2021年に約190万米ドル（後のサマリーで報告されましたが、当時の主要報道ではあまり文書化されていません）。³¹²
シリーズA: 2023年に900万米ドル（資金調達サマリーおよびシリーズB関連報道にて言及）。³¹¹¹²
シリーズB: 2025年8月5日に、Vocap Partners主導、既存投資家Circadian Venturesの参加を得て、総公開資金調達額が約3,090万米ドルに達する2,000万米ドルが発表されました.¹⁰¹¹⁷¹²¹³¹⁴

シリーズBのプレスリリースおよびニュース記事は、資金調達がグローバルな拡大、エージェンティックAIのロードマップ（PolymatiQ™およびAgentforce）の拡大、及び提供能力の増強を目的としていると一貫して位置付けています.¹⁰¹¹¹³¹⁴⁹

総合すると、KetteQは初期成長段階にある、VC支援を受けたプラットフォームベンダーとして提示され、資金調達も行い商業活動も活発ですが、まだ数十年の歴史を有する大手ではなく、スケールアップ段階にあります。

市場でのポジショニング。 KetteQのメッセージは一貫して同社を以下のように位置付けています：

変動性と不確実性に対応するために設計された「適応型」かつ「AIファースト」のサプライチェーン計画プラットフォーム。⁵¹⁶⁴¹⁰
2010年以前に構築された従来型APSシステムに対する、モダンでマルチテナント、クラウドネイティブな代替手段。⁶³²²¹⁹
Supply Chainと商業データを融合し360°の視界を提供、Salesforce上でネイティブに展開可能な「唯一」のサプライチェーン計画ソリューション。¹⁶⁴

独立した情報源（Sourcing Innovation、第三者資金調達報道）は、モダンかつクラウドネイティブであるという評価を補強していますが、「唯一のソリューション」、「世界で最も適応性が高い」といった独自性の主張は、検証済みの事実ではなく、マーケティング用語として扱われるべきだと指摘しています.³¹¹⁸¹⁹⁹

製品とアーキテクチャ

製品の概要

KetteQの製品ポートフォリオは、計画と実行に分かれています：

サプライチェーン計画: 需要計画、在庫計画、供給計画、MRPおよびMEIO（マルチエシェロン／マルチアイテム最適化）。⁵¹²¹
サプライチェーン実行: コントロールタワー、フルフィルメントおよび割当、資産管理、作業指示管理、サービスパーツ計画。⁷²¹

ウェブサイト上の各モジュールセクションは、以下を強調しています：

AI駆動の統計的／機械学習に基づく予測。
PolymatiQ™による自動シナリオ分析。
予算およびサービスレベルの制約を考慮した、在庫に対するマルチエシェロンおよびマルチアイテム最適化。
複雑な製品構造（多階層部品表）および制約（生産能力、リードタイム、歩留まり、供給業者の制約）への対応。[¹][²][⁹][¹⁰]

具体的な機能例は以下のとおり:

在庫計画のための安全在庫最適化および注文ポリシー最適化。[¹⁰]
生産能力およびリードタイム制約下での供給計画。[²]
サービス部品計画およびFSL/トラック在庫の最適化。[¹⁰]
コントロールタワー型ダッシュボードによるリアルタイムの監視と調整。[⁹]

製品のメッセージングは、中～上位レベルのAPSの置き換えまたは拡張として一貫しており、戦術的な計画と一部の運用実行の可視化を網羅している。

アーキテクチャ

KetteQのプラットフォームページおよび関連ブログでは、次の2層アーキテクチャが概説されている:

Salesforce上のユーザーエクスペリエンスおよびコラボレーション層を展開し、Salesforceのデータモデル、セキュリティ、ワークフローおよびエコシステムの利点を活かしている。[²][³][⁶][¹⁷]
データおよび計算負荷の高いソルバーおよび分析コンポーネントをAWS上でホスティングし、クラウドネイティブサービスを利用して弾力性とパフォーマンスを実現している。[²][³][⁶]

KetteQが強調し、Sourcing Innovationも共鳴した主要なアーキテクチャ上の特徴は次のとおり:

横方向のスケーラビリティとリアルタイム連携のために設計されたマルチテナントのクラウドネイティブSaaS。[²][⁴][⁵][¹⁵]
独自のデータベースや表現言語ではなく、データ処理および拡張性のために主流の技術（SQL、Python、JSON）を使用している。[²][⁴]
複雑なデータレプリケーションプロジェクトを必要とせず、計画結果およびデータが商業および財務ユーザーに直接見えるようにするため、Salesforce（Salesforce Manufacturing Cloudを含む）との緊密な統合を実現している。[²][⁶][¹⁴][²⁰]

Sourcing Innovationのレビューは、このプラットフォームが実際にマルチテナントかつクラウドネイティブであり、最新のウェブ技術を活用していることを独立して確認している。[⁵][⁸] しかし、KetteQ自身のページも第三者の記事も、低レベルのダイアグラムやデータモデルの詳細（例：イベントソーシング対リレーショナルスキーマ）、同時実行制御または障害モードについては提供していない。

デプロイメントモデル

デプロイメントはSaaSベースでクラウドホスティングされている。公開資料は以下を強調している:

SalesforceネイティブUXおよび既存のITサポートを通じた迅速な展開；Salesforceのセキュリティおよび統合パターンの再利用。[²][³][⁶][¹⁷]
ドメインごとの段階的な展開（例：まず需要計画から開始し、後に在庫および供給計画へ拡張）。[¹][²]
プランナーが自然言語で質問し、シナリオを実行し、データにアクセスできる対話型Gen-AIインターフェース。[¹][²]

しかしながら、一般的な実装スケジュール、プロジェクトのスタッフ編成、またはリファレンスとしての実装パターン（例：KetteQが自社のデリバリーチームを提供するのか、パートナーのシステムインテグレーターか）に関する公開情報はほとんどない。顧客の引用では「劇的な効率性と精度の向上」や計画精度または整合性の2〜3倍の改善が述べられているが、これらはハイレベルなものであり、詳細な時系列データや前後比較のKPIで裏付けられているわけではない。[¹][²][¹¹]

AI、ML、および最適化の主張

予測とAI

KetteQはその計画ページ全体で以下を主張している:

「AI駆動のインサイト、高度な機械学習を用いた需要予測、及び自動シナリオ分析」の活用。[¹][²][¹⁰]
「常に先行する変化の兆候を探している」及び絶えずシグナルを監視するAI/ML強化MRP。[²]
計画ソリューションと対話するためのGen-AI対話型インターフェース。[¹][²]

これらの主張は、KetteQが需要予測に機械学習を使用し、大規模言語モデル型のインターフェースを統合していることを示している。しかし、欠如している詳細は以下の通り:

使用されるMLモデルの種類（例：勾配ブーストツリー、ニューラルネットワーク、確率モデル）。
予測がどのようにキャリブレーション、評価、及び更新されているか（例：誤差指標、再学習の頻度）。
リードタイム、返品、その他の需要以外の不確実性が明示的にモデル化されているかどうか。

対照的に、Lokadの需要予測に関するFAQおよび技術ページでは、Lokadが微分可能なプログラミングとディープラーニングを使用して、詳細な履歴データおよび関連する外部シグナルに基づいて確率的な需要とリードタイムの予測を生成していることを明示的に述べ、またM5コンペティションの結果を最先端性能の外部証拠として強調している。[¹³][¹⁶][²⁰][²¹][²²][²³] これはKetteQのAI主張を否定するものではなく、KetteQの公開情報がより高レベルで技術的な詳細に欠けることを際立たせている。

PolymatiQ™ ソルバーと最適化

PolymatiQ™ ソルバーは次のように説明されている:

「革新的で特許出願中の」サプライチェーン計画ソルバーで、何千ものシナリオを実行し、パラメーターを自動調整し、ダイナミックな市場変動から継続的に学習する。[¹][²][⁴][⁹][¹¹]
サプライチェーン計画における「世界初の主体的AIエンジン」で、何千もの潜在的未来を並行して探索することで適応型計画を可能にする。[²][⁴][⁷][⁸]

シナリオに関連する主張は、計画および実行ページの両方で一貫しており、PolymatiQ™は何千もの潜在的な結果を自動評価し、KPI全体で計画のレジリエンスをスコアリングし、障害に強い戦略を特定すると評価されている。[¹][²][⁴][⁹][¹⁰][¹¹] しかしながら、いくつかの技術的な疑問は公開情報では未回答のままである:

目的関数: 最適化されるのは何か? コスト、サービスレベル、利益、レジリエンス指標、もしくはそれらの重み付けされた組み合わせか？
制約: 生産能力、リードタイム、予算、およびサービスレベル目標はどのようにモデル化されているか？
アルゴリズム: PolymatiQ™ は、数理計画法（LP/MIP）、制約プログラミング、メタヒューリスティックス（例：遺伝的アルゴリズム、シミュレーテッド・アニーリング）、強化学習、またはそれらのハイブリッドに依存しているのか？
不確実性の表現: シナリオは明示的な確率分布から生成されるのか、それともヒューリスティックやストレステストによるのか？

Sourcing Innovationのレビューは、KetteQがマルチパス最適化と多くのシナリオを効率的に実行できる最新のスタックを使用していることに触れているが、アルゴリズムの詳細は明かしておらず、技術的なディープダイブではなく定性的な支持にとどまっている。[⁵][⁸]

これに対して、Lokadのソルバーに関する説明はより明確であり、技術およびドキュメントページでは、確率的な需要およびリードタイムの分布が整数決定のための確率的離散降下法および微分可能プログラミングベースの最適化にどのようにフィードされるか、また経済的要因（在庫保有コスト、品切れペナルティ、バスケット効果など）がEnvisionスクリプトにどのようにエンコードされ、順位付けされた決定を生み出すかが説明されている。[¹³][¹⁸][¹⁹][²⁰][²¹][²⁴] さらに、Lokadの微分可能プログラミングに関するドキュメントやブログ記事では、大規模なリレーショナルデータ上で勾配ベースの最適化がどのように適用され、予測モデルと意思決定ポリシーを共同で学習するかが詳述されている。[¹⁸][²⁰][²¹][²⁷]

公開されている情報から判断すると、PolymatiQ™ は単純なルールベースのMRPや固定安全在庫の計算式以上のものであると結論づけるのは合理的である。マルチシナリオ分析、パラメーター調整、及びレジリエンススコアリングに重点を置いていることは、少なくともシミュレーション駆動の最適化コンポーネントを示唆している。しかし、詳細なドキュメントがないため、PolymatiQ™ は内部の動作が公開情報から独立して評価できないブラックボックスソルバーとして扱うべきである。

デプロイメント、クライアントおよび証拠

指名された顧客と業界

KetteQは、いくつかの指名された顧客を公開している:

Coca-Cola、Carrier、Johnson Controls、NCR Voyix、Alliance Consumer Group などが、資金調達関連のニュース報道でKetteQのプラットフォームを「信頼している」ブランドとして引用されている。[⁹][¹¹][²³]
ケーススタイルのウェブサイトコンテンツでは、MobilityWorks（自動車モビリティ）、自動販売機運営企業、Salesforceを使用する製造業者などの顧客が言及され、効率、精度、成長の向上が引用されている。[¹][²][¹¹]

これらの参照は、KetteQが製造、流通およびサービスオペレーション全体にわたる実際の指名されたエンタープライズ顧客を持っていることを確認している。しかし、公開されたケースの説明は比較的ハイレベルなままであり、パーセンテージの改善（例：170%のCARR成長、3倍の精度、2倍の成長軌道）を示しているが、詳細な前後の指標、時系列データやモデル診断は明かされていない。[¹][²][¹¹][²³]

Air France Industries MROやその他のセクター（小売、航空宇宙、製造業）に関するLokadのケース資料は、やや詳細な記述を提供しており、歴史的なスパン（10年分のデータ）、データ量（約100万SKU）および明示的な財務成果（例：数千万円規模の投資撤退機会の特定、サービスレベル向上と同時の運転資本の削減）を含んでいる。[¹⁹][²⁰][²⁴][²⁵][²⁶][²⁷] とはいえ、Lokadの公開されたケーススタディであっても完全なデータセットを公開していない点は、この分野の商業ソフトウェアベンダーに典型的である。

デプロイメントおよび実装の実践

KetteQは以下を強調している:

SalesforceネイティブのUXにより、ユーザーの迅速な採用と容易なITガバナンスを実現している。[²][³][⁶][¹⁷]
Salesforce Manufacturing Cloudへの直接連携により、売上予測とサプライチェーン計画とのより良い整合を可能にしている。[¹⁴][²⁰]
洞察へのアクセスとシナリオ実行時の摩擦を低減するためのGen-AI対話型インターフェース。[¹][²]

Salesforce関連のプレスリリースやポッドキャストなどの独立した情報源は、KetteQがSalesforceを活用して部門横断的な可視性およびユーザー採用を向上させているという見解を裏付けているが、構成手法、データクレンジングの実践、またはチェンジマネジメントのパターンに関する詳細はあまり提供していない。[⁶][¹⁴][²⁰]

これに対して、Lokadはより明確にプログラム的なデプロイメントパターンを説明している。データはファイル/API経由で取り込まれ、サプライチェーンの専門家がEnvisionスクリプトを作成・改善し、日次バッチ実行で順位付けされた決定が生成され、それがERPやWMSに統合される。Air France Industriesのケーススタディや航空宇宙在庫のページでは、約6か月の実装とその後の6か月の並行運用フェーズが詳細に説明され、10年分の履歴データ、12のソースシステム、および投資／投資撤退リストの優先順位付けが言及されている。[¹⁹][²⁰][²⁵][²⁶][²⁷]

トレードオフは明確で、KetteQは従来型のエンタープライズアプリのデプロイメント（たとえ最新のスタック上であっても）を提供しているのに対し、LokadはDSL中心のモデリングプロジェクトを提供しており、より正確である一方、より専門的なモデリング作業を要求する。

技術的深度と商業的成熟度の評価

技術的深度（公開情報から見える範囲で）。

KetteQの強み：
- 現代的なSalesforceおよびAWSを用いたマルチテナントSaaSアーキテクチャであり、Sourcing Innovationによって独立して裏付けられている。[²][³][⁵][⁸][¹⁵][¹⁷]
- Salesforce Manufacturing Cloudとの緊密な統合能力を実証しており、SalesforceネイティブのUX内で計画の洞察を提供できるため、既にSalesforceに標準化されている組織にとっては大きな利点である。[²][⁶][¹⁴][²⁰]
- 需要予測およびシナリオ評価にAI/MLを使用し、PolymatiQ™がマルチシナリオ分析とパラメーター調整を統括することで、従来のMRPやスプレッドシート計画を超える非自明な最適化ロジックを示唆している。[¹][²][⁴][⁵][⁹]
KetteQのギャップ／不明点：
- PolymatiQ™のアルゴリズム内部（目的関数、制約の処理、最適化手法）に関する公開技術ドキュメントが存在しない。
- 不確実性がどのように数学的にモデル化および伝播されるか（確率分布対ストレステスト）についての詳細が限られている。
- 最先端と比較した性能を定量化するための、外部の需要予測または最適化のベンチマーク結果（例：公開コンペティション）が存在しない。

Lokadとの比較： Lokadの技術情報はかなり詳細である。Envisionの言語仕様、確率的予測および微分可能プログラミングのドキュメント、詳細な技術ページにより、アーキテクチャ上およびアルゴリズム上の選択を理解することが可能であり、またM5コンペティションの結果が予測精度の外部ベンチマークを提供している。[¹³][¹⁶][¹⁸][¹⁹][²⁰][²¹][²²][²³][²⁴] さらに、Lokadは整数の取り扱いや大規模リレーショナルデータ上での最適化など微妙なトピックも文書化しており、かなり高度なレベルでの継続的な研究開発投資を示唆している。[¹⁸][²⁰][²⁷]

厳密な「最先端」の観点から見ると、KetteQはPolymatiQ™およびそのAIスタックがLokadや一部の学術文献で文書化されている、確率分布中心および微分可能プログラミングに基づくアプローチの洗練度に達しているかどうかを評価するための十分な技術的透明性をまだ提供していない。KetteQの内部手法が洗練されている可能性は十分にあるが、ドキュメントやベンチマークがないため、選ばれた顧客の推薦を超えた実証がなされていないと、懐疑的かつ証拠に基づく評価をせざるを得ない。

商業的成熟度。

KetteQは以下を有している:
- 製造、流通およびサービスにおいて複数の指名されたエンタープライズ顧客を有している。[⁹][¹¹][²³]
- ベンチャー資金として3090万米ドルを調達しており、成長中のチームを持つ。CEOおよびリーダーシップのプロフィールは、サプライチェーンソフトウェア企業のスケールアップの経験を示している。[⁷][⁸][¹¹][¹⁷][¹⁹][²²]
- Salesforce中心の組織に焦点を当てた、明確に説明された製品スイートと市場投入ストーリーを有している。
しかしながら:
- 会社は7年目（2018年設立）であり、フラッグシップソルバーおよびブランドは過去数年間で急速に進化している（例：最近の「主体的AI」表現へのシフト）。[⁵][⁷][⁸]
- 公開されたリファレンスケースは定量的な詳細が比較的薄く、古参のAPSベンダーと比較して対象となる業界も限られている。

対照的に、Lokadは2008年から運営されており、ホスト型予測から完全な確率的最適化プラットフォームへの10年以上の進化を遂げ、Air France Industriesのような10年にわたる協力関係など、特定の分野（例：航空宇宙MRO）においてより高い商業的および技術的成熟度を示唆する長期の導入実績が記録されている。[¹²][¹³][¹⁹][²⁰][²⁴][²⁵][²⁶][²⁷]

要約すると、KetteQは信頼性のある現代的なVC支援ベンダーであり、着実な実績と技術的に最新のアーキテクチャを有しているが、研究主導の観点から見るとそのAIおよび最適化能力はやや不透明である。一方、Lokadは規模は小さく専門的であるものの、高度な確率論的および最適化技術、そして複雑な環境における長期の導入実績に関するより直接的な証拠を提供している。

結論

KetteQは、Salesforce中心の現代的なサプライチェーン計画・実行プラットフォームを提供しており、そのPolymatiQ™ソルバーを通じたAI駆動のシナリオプランニングに明確に注力しています。公開情報は、同社のプラットフォームがマルチテナント、クラウドネイティブであり、SalesforceとAWS上に設計されていること、予測に機械学習を利用していること、そして実在する実名のエンタープライズ顧客および大規模なベンチャー資金調達を確保していることを支持しています。独立した解説（Sourcing Innovation）は、そのスタックの先進性を裏付け、製品がレガシーコードの単なる薄い塗り替えではないことを確認しています。

しかしながら、KetteQの公開ドキュメントは、PolymatiQ™および「agentic AI」というブランドの背後にある数学的・アルゴリズム的な中身を明らかにするには至っていません。目的関数、制約、確率モデル、最適化手法についての詳細な開示はなく、予測コンペティションや完全な前後指標を備えた再現可能なケーススタディと比較できる公開ベンチマークデータも存在しません。したがって、厳密で懐疑的な評価では、KetteQのAIおよび最適化の主張を、マーケティング資料や顧客の引用を超えた裏付けがないまま、もっともらしいが未検証のものとして扱うべきです。

定量的予測、確率分布、ディープラーニングおよび微分可能プログラミングを通じた進化を公開文書で示し、外部で予測性能（M5）や複雑な環境での長期にわたるケーススタディを検証しているLokadと比較すると、KetteQはより従来型でありながらも現代的なエンタープライズアプリケーションスイートとして提示されます。Salesforce中心のIT環境との整合性は取りやすいものの、AIおよび最適化スタック内部の動作については透明性に欠けています。購買者にとって、選択は単なる機能面だけではなく、プログラム可能なホワイトボックスの定量的サプライチェーンエンジン（Lokad）をどれだけ評価するか、あるいは強力なUXとITストーリーを持つパッケージ化されたSalesforceネイティブアプリケーション（KetteQ）をどれだけ価値あるものと見るかという点にも依存します。いずれの場合も、適切なデューデリジェンスはマーケティングページを超えて、技術的な詳細説明、モデルのドキュメント、および具体的な過去のKPI改善実績を求めた上で、「agentic AI」や「世界で最も適応性の高い」計画という主張をそのまま受け入れるべきではありません。