市場調査に戻る
Pandoは、製造業、卸売業、小売業向けに輸送管理ソフトウェアを提供しています。用途は、輸送サービスの調達、積載計画、運送会社の割り当て、出荷追跡、運賃請求の監査と支払いです。Fleetxは2026年8月にPandoのTMS事業を買収し、Pandoのブランドと経営陣を維持しました。(1, 3)
サプライチェーン総合スコア：5.2/10。
| 評価軸 | スコア |
|---|---|
| サプライチェーンへの理解の深さ | 5.4/10 |
| 意思決定と最適化の実質 | 5.2/10 |
| 製品とアーキテクチャの整合性 | 5.0/10 |
| 技術的透明性 | 5.4/10 |
| ベンダーの真剣さ | 4.8/10 |
Pandoには相応に充実した輸送実行機能と、文書化された最適化手法があります。主な弱点は、こうした限定された作業と、自律的なサプライチェーンというはるかに広い約束との隔たりです。公開された数理定式化は輸送料金に集中しており、需要、輸送時間、輸送能力、在庫の同時不確実性を踏まえて意思決定を評価するものとは確認できません。エージェントによる通信文の生成や報告の高速化は、事務作業を削減しても、この経済的な隔たりを解消するわけではありません。(1, 5, 6, 8)
企業の変遷も、AIに関する証拠の解釈を変えます。Pandoは2025年4月にインドのTMS事業と米国のAI事業を分離しました。2026年2月には、Piを開発したチームと技術を引き継ぐFreehandが発足しました。Pandoのウェブサイトには、Fleetx傘下のTMSと並んで、今もPiの資料が掲載されています。重なり合うページが示すのは共通の歴史ですが、現在の購入先や製品に関する責任は別々の事業に分かれています。(2, 3, 4)
PandoとLokadの比較
Pandoが扱うのは、積み荷の準備、運送会社からの運賃取得、出荷の追跡、請求書の照合など、輸送取引に近い業務です。Lokadのサプライチェーン最適化は、将来の需要と供給が不確実な状況で、何を購入し、生産し、配分し、移動し、値下げするかという経済的な選択から始まります。Introduction to Supply Chainで展開する視点は、各部門のワークフローを個別に最適化するのではなく、財務的な帰結を通じてこれらの選択を結び付けます。(1)
混載を待つことも、車両の一部を空けたまま直ちに出発することもできる出荷を考えてみましょう。積載エンジンは、より安価な物理的配置を見つけられます。経済的な意思決定にはさらに、待機が生産や販売を危うくするか、次の入荷がどれほど不確実か、その在庫に別の用途があるかが関わります。Pandoが公開した配送費用の定式化は、有用な輸送の部分問題を捉えていますが、この広い計算を実証してはいません。Lokadのアプローチでは、こうした帰結を明示的にモデル化し、実際の失敗が欠落した費用や選択肢を明らかにしたらモデルを改める必要があります。(5)
運用負担にも違いがあります。Pandoは、取引プラットフォーム、運送会社のワークフロー、顧客設定、それらのサポートを維持します。Lokadのサプライチェーンサイエンティストは、顧客の数値的意思決定モデルとデータ準備を維持します。どちらにも継続的なエンジニアリング作業が伴います。生産性を測るうえで重要なのは、こうした作業も含めて、企業全体で信頼できる意思決定を生成し改善するための費用です。アシスタントが巡回できる画面やメッセージの数ではありません。(6, 12)
最適化が実際に計算するもの
具体的な積載モデルと、限定的な経済目的
Pandoの2023年12月の発表は、機械学習に関する主張を、2022年12月に成立した特許US11537977B1に結び付けています。この特許は深層強化学習を用い、三次元の積載と配送先への割り当てを組み合わせ、適合性、積み重ね、アクセスの制約に違反する行動をマスクします。ここには実際の相互作用があります。最安の経路と最良の積載配置は、通常、互いに独立して選べません。(5, 16)
例示されている車両当たりの費用は次のとおりです。
delivery charge = vehicle charge + (number of consignees − 1) × drop charge
二つの料金は固定の入力値です。学習時の報酬は、最終的な配送費用への寄与に応じて積載順序を評価します。(5)
この目的は、契約運賃には適しているかもしれません。しかし、さらに一日の遅延を受け入れる、希少な部品を確保する、高額の注文を分割する、高額なテールリスクを減らすため高い運送会社を選ぶ、といった重要な事業上の選択は、例示された計算の外にあります。提示された料金をよりよく最適化しても、モデルに存在しない帰結は取り戻せません。これはHolimizationの問題です。既存の行動空間をより徹底的に探索するだけでなく、事業が学ぶにつれて定式化そのものを改善しなければなりません。
この特許には、顧客を対象とした再現可能なベンチマークが付属していません。現在の各計画機能との関係も明記されていません。現行TMSは別途、混載、経路制約、運送会社の選択、予測到着時刻、三次元積載を宣伝しています。公開説明からは、これらの計算が不確実性をどう共有し、目的の衝突をどう調整するのかは分かりません。(1, 5)
調達シナリオはリスク調整後の意思決定を実証しない
Pandoの2025年1月の調達記事では、輸送区間をクラスタ化し、入札を比較し、費用や運送会社に関する考慮事項に応じて配分シナリオを調整します。荷主が提案を承認してから対案に進みます。Piの調達ページでは、運送会社との連絡、入札内容の確認、契約更新までワークフローを広げています。(6, 7)
これらの手順は、入札を実施する手間を減らせます。しかし経済的には、安い落札が役に立つのは、実際に生じる条件のもとで運送会社が必要なサービスを提供できる場合だけです。シナリオの比較には、輸送時間、輸送依頼の拒否、能力不足、将来の出荷量について、その依存関係も含めた較正済み確率が必要です。Pandoの公開資料では、これらの分布が共通の期待利益計算に組み込まれているとは確認できません。予測到着時刻や外部のリスク情報は、この仕事への入力であって、その完成形ではありません。(1, 7)
調達ページが掲げる**サービス信頼性100%**という約束には、観測期間、失敗率の分母、契約上の救済措置が定義されていません。見積依頼を自動化しても、物理的な輸送には不確実性が残ります。絶対的なサービスをうたう見出しは、輸送の意思決定エンジンが定量化すべきトレードオフそのものを覆い隠します。(6)
AIの生産性と残る作業
Piは実際の事務作業を自動化した
2025年2月のPi発表時、Accurideは、仕入先のメールや梱包明細から、確認可能な出荷記録を作成し、数日かかっていた作業を数分に短縮したと説明しました。これは具体的な文書処理の改善です。ただし、残る確認作業を測定したものでも、自律的な輸送判断を実証したものでもありません。(19)
日付のないPiの顧客事例は、輸送支出が500万ドルを超える匿名の産業部品メーカーを扱っています。Pandoによると、四半期ごとの調達業務が8–12時間から二時間未満に短縮され、年間20万ドルを超える輸送支払いの漏出が解消され、実行ワークフローの生産性が90%向上しました。最初の指標には作業と改善前後の所要時間がありますが、より広い生産性の数字には、総労働量の基準値、導入作業、継続サポートの分母がありません。四半期に行う一つの作業の節約だけでは、物流運営の仕事が90%減ったとは言えません。(9)
JBF Consultingの2025年の文書は、段階的な導入方法を示しています。エージェントは初期には厳重な監督のもとで小さな処理を行い、その後、より大きなワークフローの一部になります。例として、欠けた受領証の請求、料金の不一致の指摘、重量の食い違いをマスターデータ修正に回すことが挙げられています。また、信頼度スコアと顧客のフィードバックをシステム改善に使うとも説明します。有用な管理策ですが、その信頼度スコアの較正や、誤った行動の発生率は示していません。(20)
現在のPando分析は人間の意思決定プロセスを維持する
2026年8月、Pandoの製品・エンジニアリング責任者は、会話型分析の一貫性不足への具体策を説明しました。有用な分析を確認し、定義を固定したうえで、一貫した実行方法で再利用するというものです。ナレッジグラフが業務の文脈を提供します。これにより、新たなLLMの解釈が定期財務報告の意味を気付かれないまま変えてしまう危険は減ります。(8)
しかし、このワークフローでは依然として、人間が事業上の質問から回答へ、さらに意思決定へと進みます。分析へのアクセスは改善しますが、出荷当たりの介入回数や業務上の意思決定ルールを改める労力が持続的に減ることは実証していません。また、過去の判断を記録しただけでは、適切なルールと、繰り返し承認されてきた誤りを区別できるとは限りません。次に必要な実質的改善は、業務上の失敗を、改訂して検証した意思決定ロジックに変えるプロセスを測定することです。(8)
技術の歴史とロードマップの整合性
| 時期 | 公開された主張または提供内容 | 技術的な意味 |
|---|---|---|
| 2018年4月 | 創業者がネットワーク化された配送管理を紹介し、シード資金200万ドルを調達しました。 | 当初の問題意識は、物流の関係者とシステムの分断でした。(14) |
| 2021年11月 | Zydusが10xTMSを選定しました。AI/MLによる発送計画、可視性、自動請求などが約束されました。 | 発表は導入で期待する効果を説明していますが、AIの寄与を測定していません。(15) |
| 2022年12月 | 積載と貨物配送の特許が成立しました。 | 具体的な技術開示です。(5) |
| 2023年12月 | Pandoが自律物流、予測到着時刻、特許アルゴリズムを宣伝しました。 | 自律性に関する主張が、公開された最適化定式化の範囲を超えました。(16) |
| 2024年9月 | Pandoが物流書類と支払いへのブロックチェーン利用を宣伝しました。 | 技術説明には、医薬品追跡要件の誤った説明が含まれていました。(17, 18) |
| 2025年2月–4月 | Piが発表され、その後TMSと米国AI事業は別々の運営モデルとロードマップを持つようになりました。 | ワークフローエージェントが製品の新たな方向となり、その後組織が分離しました。(2, 19) |
| 2026年2月–8月 | PiのチームからFreehandが発足し、FleetxがPandoのTMS事業を買収しました。 | 現在のAIの所有関係と製品の継続性は、この分離をたどって確認する必要があります。(3, 4) |
2024年のブロックチェーン記事は、技術的な不正確さをよく示しています。DSCSAが「ブロックチェーンを含む」EPCIS標準を義務付けたと述べています。しかしFDAのガイダンスは、EPCISを、異なる技術的アプローチと両立するデータ交換標準として推奨し、取引相手に合った選択を明示的に認めています。ブロックチェーンは必須の技術スタックに含まれていません。Pandoは、裏付けのない規制要件に、流行の実装技術の名前を結び付けています。(17, 18)
この歴史で強い部分は、積載特許と、再現可能な分析に関する現在の説明です。弱い部分では、ネットワーク化された実行から自律的サプライチェーンへと言葉が繰り返し拡張する一方、公開された経済モデルや検証は同程度には広がっていません。特許は、初期のAIの主張を評価するための具体的な手法を示していますが、より広い経済効果の約束は未検証です。(5, 8, 15, 16)
Freehandは、自らをPiの進化形と明示し、現在はより広範なサプライチェーン支出管理を対象にしています。それらはFreehandの主張です。Fleetxの買収発表は、車両管理から貨物輸送までを扱う広いスタックを約束しますが、統合の完了、共通の意思決定モデル、組み合わせによる業務改善を文書化してはいません。(3, 4)
ソフトウェア構成部品とセキュリティ
特定できる構成要素
| 層 | 公開証拠 | 意味 |
|---|---|---|
| アプリケーションのバックエンド | Pandoの2026年8月の技術職求人は、Node.jsの開発と文書化を担当業務としています。 | 維持されているアプリケーションバックエンドを直接確認できます。(12) |
| データとインターフェースの採用要件 | 同じ求人はMongoDB/PostgreSQL経験を求め、Vue.jsを追加資格としています。 | データベースの選択肢と任意のUI技能は採用要件であり、本番環境の組み合わせは不明です。(12) |
| クラウド基盤 | 2026年1月のセキュリティ自己評価はAWS EC2、S3、KMSを挙げています。 | 計算、文書保存、鍵管理はAWSサービスに依存します。(13) |
| AI分析 | 2026年8月の技術記事は、ナレッジグラフと承認済みの再利用可能な分析を説明しています。 | アプリケーションに、維持すべき分析定義が加わります。(8) |
Pandoの構成部品に関する公開証拠は、ホスティング費用やアプリケーション全体の更新作業を見積もるには限られすぎています。より見えやすい維持負担は意味の管理です。運送会社識別子、運賃表、契約上の例外、文書抽出、連携、定期報告の意味を維持しなければなりません。共通の画面があっても、これらの依存関係は消えません。2025年の事業分離と2026年の買収によって、どの組織がどの部分を維持するのかという、具体的な製品境界の問題も加わっています。(2, 3, 6, 8)
セキュリティは強制可能な境界に依存する
Pandoが公開したセキュリティ自己評価は、通常の企業認証情報とは別のMFAで保護された専用の管理ホストと、アクセスの記録を説明しています。また、S3のバージョニングとKMSに基づく暗号化も説明します。これらは特定できる仕組みです。テナント分離への回答は、論理的分離に関する一般的説明とEC2ハイパーバイザーの分離を組み合わせていますが、同じアプリケーションやデータベースを共有する顧客間で分離をどう強制するかは説明していません。ネットワーク防御への回答は、攻撃の検知や封じ込めではなく、暗号鍵のポリシーに言及しています。(13)
そのため、輸送エージェントには重要な疑問が残ります。運送会社のメールやアップロードされた請求書は、信頼できない入力です。一方、料金、発送指示、支払い記録を更新できるエージェントは、それを読む以上の権限を持ちます。Piの公開文書は、業務上のガードレールと人による検証を説明しますが、文書内の指示と実行権限の間に独立して強制される境界、外向きアクセスの制限、誤った外部書き込みからの復旧は明らかにしていません。人間の信頼感は、こうした制御の代わりになりません。(6, 20)
設定の保守、保有・運用費用、説明責任
Piの導入では、自律性を高める前に、企業データの準備、用途の選択、意思決定フロー、ガードレール、人による検証が必要です。運送会社の新たな慣行や契約上の例外は、その定義を変える可能性があります。したがって恒常的な費用は、古くなった前提を検知し、修正を実装し、広範な影響を検証し、事業が変化しても自動化を動かし続けるための労力です。(6)
Pandoの2026年8月のカスタマーサクセス求人は、価値測定、成功計画、業務レビュー、研修、問題調整、契約更新、拡大を担当業務としています。これは、節約額の定量化を明示的な責任とする継続的サービス関係です。公開された提供内容は、それに顧客とベンダーが費やす時間や、正しい業務判断一件当たりの費用の推移を示していません。(12)
Accurideの記録には有用な商業的実質があります。2023年6月の選定発表は、可視性と入荷実行を当初の課題として挙げています。その後の運賃監査記事は、段階的導入により年間150万ドルを超える節約と四か月以内の初期費用回収を実現したとしています。しかし後者は、基準となる輸送支出、計算方法、ソフトウェアの効果と運賃交渉・業務変更の効果の分離を公表していません。顧客便益が報告されたことは裏付けますが、因果関係の特定には限界があります。(10, 11)
継続的な説明責任のためには、出荷と請求の履歴を通じて、各提案を最終的な帰結に結び付ける必要があります。悪い割り当てが生じたら、計画担当者により多くの例外を確認させるだけでなく、その判断を生んだ価格、サービスリスク推定、除外された代替案を調べるべきです。公開資料は、こうした失敗をモデルの修正と再検証まで追跡しておらず、約束した節約が実現しなかった場合に誰が経済的負担を負うかも定義していません。(6, 8, 12)
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
| 評価項目 | スコア |
|---|---|
| 経済的な問題設定 | 6/10 |
| 最終的な意思決定出力 | 6/10 |
| サプライチェーンに関する概念の明確さ | 6/10 |
| 時代遅れの中心的教義からの自由度 | 6/10 |
| 見せかけのKPIへの耐性 | 3/10 |
平均：5.4/10。
経済的な問題設定 — 6/10。 輸送費用と請求の回収額には直接的な財務上の意味があります。公開された目的は、待機、欠品、不確実なサービスの重要な帰結を省いており、サプライチェーン全体への適用範囲を制限しています。(5, 11)
最終的な意思決定出力 — 6/10。 積載、入札、配分、支払対象の記録は実行可能な出力です。自律的な完了と承認の境界は、今もワークフローや製品世代によって異なります。(1, 6, 7)
サプライチェーンに関する概念の明確さ — 6/10。 積載と配送の結合は、実際の相互作用を扱っています。輸送、在庫、生産、需要のより広い関係は、公開定式化では十分に展開されていません。(5)
時代遅れの中心的教義からの自由度 — 6/10。 製品の中心は、ABC在庫分類やS&OPの儀式ではなく、輸送取引と業務制約です。それでも、シナリオ選択と運送会社の業績レビューには、相当な手動の意思決定作業が残ります。(1, 7, 8)
見せかけのKPIへの耐性 — 3/10。 絶対的信頼性や広範な生産性の主張には、評価に必要な分母がありません。個別作業の時間はより具体的ですが、総業務労働について同じ結論を支えるものではありません。(6, 9, 19)
意思決定と最適化の実質
| 評価項目 | スコア |
|---|---|
| 確率的モデリングの深さ | 3/10 |
| 独自性のある最適化・機械学習の実質 | 7/10 |
| 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 |
| 実際の業務複雑性に対する強靱さ | 4/10 |
平均：5.2/10。
確率的モデリングの深さ — 3/10。 到着予測とリスク情報は宣伝されています。しかし、較正された需要・供給の同時不確実性を、行動の経済価値に伝播させる仕組みは実証されていません。(1, 7, 16)
独自性のある最適化・機械学習の実質 — 7/10。 公開された最適化は技術的に具体的で、一般的なAIという看板を超えています。再現可能な比較や導入先の測定がないため、実務上の優位性の評価には限界があります。(5)
現実の制約への対応 — 7/10。 物理的な問題には実質的な取り組みがあります。より広い業務全体で制約とその経済的意味を日常的に改める仕組みは、あまり見えません。(1, 5)
意思決定の自動化と労働生産性 — 5/10。 公開事例は、完了した事務作業と短縮されたワークフローを特定しています。残る監督、例外処理、保守は顧客業務全体で測られておらず、Piを引き継いだ会社と現行TMSも区別する必要があります。(2, 4, 9, 19)
実際の業務複雑性に対する強靱さ — 4/10。 業務履歴と信頼度に基づく導入は、フィードバックの経路を提供します。公開記録には、高額な失敗が定式化の改訂、過去の判断での再実行、検証済みの本番修正につながった例がありません。(8, 20)
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 | 6/10 |
| システム境界の明確さ | 5/10 |
| セキュリティへの真剣さ | 5/10 |
| ソフトウェアの簡潔さと保有・運用費用 | 4/10 |
| 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：5.0/10。
アーキテクチャの一貫性 — 6/10。 調達、実行、監査は関連する輸送の実体を共有し、探索的な分析から一貫した報告への道筋も説明されています。これらの機能と買収先の車両プラットフォームをまたぐ共通の経済モデルは確認できません。(1, 3, 8)
システム境界の明確さ — 5/10。 企業発表は分離と買収を特定しています。TMSとPiの資料の重なりが続くため、現在の製品提供、運営責任、統合境界は分かりにくくなっています。(2, 3, 4, 6)
セキュリティへの真剣さ — 5/10。 管理アクセスと復元可能な保存の仕組みが説明されています。アプリケーションレベルのテナント分離の強制と、信頼できない文書を処理するエージェントの封じ込めは、十分に公開されていません。(6, 13)
ソフトウェアの簡潔さと保有・運用費用 — 4/10。 アプリケーションの一部とクラウド依存関係は特定できます。その運用費用も、顧客固有の定義や連携を維持する負担も定量化されていません。(8, 12, 13)
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。 接続された実行機能と文書エージェントは自動化を支えます。公開された運用方法には、なお相当な初期設定と人による検証が必要であり、制御された自律的改善の証拠は限られています。(6, 20)
技術的透明性
| 評価項目 | スコア |
|---|---|
| 公開技術文書 | 6/10 |
| ベンダーの仲介なしでの検証可能性 | 4/10 |
| 移植性とロックインの可視性 | 4/10 |
| 導入方法の透明性 | 7/10 |
| 技術的主張を支える証拠の密度 | 6/10 |
平均：5.4/10。
公開技術文書 — 6/10。 特許、技術記事、求人記録、セキュリティ質問票は、意味のある仕組みを明らかにしています。現行モデルの評価と業務上の失敗処理の文書は、依然として乏しい状況です。(5, 8, 12, 13)
ベンダーの仲介なしでの検証可能性 — 4/10。 読者は、例示されたアルゴリズムと実装の概要を確認できます。提供資料から顧客の報告した改善を再現したり、現行の意思決定エンジンを試したりすることはできません。(5, 9, 11)
移植性とロックインの可視性 — 4/10。 既存企業システムとの連携は提供内容の中心です。蓄積したグラフ、意思決定定義、検証履歴、運送会社固有の自動化をエクスポートできるかは説明されていません。(1, 6, 8)
導入方法の透明性 — 7/10。 導入手順は、データ準備、用途、監督、段階的な拡張を特定しています。継続保守の労力と、定量的なリリース基準が主な不足点です。(6, 20)
技術的主張を支える証拠の密度 — 6/10。 技術資料と実名の導入例は、実在する製品を裏付けています。広い成果の主張と製品世代をまたぐ自律性の主張は、それを支える評価の詳しさを超えています。(5, 9, 10, 15)
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整合性 | 5/10 |
| 概念の明確さ | 6/10 |
| 経済的な説明責任 | 4/10 |
| エージェント型ソフトウェアの世界での競争力の持続性 | 5/10 |
平均：4.8/10。
公開発信の技術的な真剣さ — 4/10。 再現可能な分析には具体的な説明があります。ブロックチェーンに関する規制の誤りと絶対的サービスの主張は、物流技術ベンダーに期待される正確さを損なっています。(6, 8, 17, 18)
技術ロードマップの整合性 — 5/10。 記録には、特定可能な技術進歩と、明確な事業・製品の転換があります。転換をまたいで古い自律性の表現が続いていることのほうが、現在誰が各機能を所有し提供しているかより明確です。(2, 3, 4, 5, 16)
概念の明確さ — 6/10。 Pandoは輸送の分断と、反復可能な業務分析の必要性を理解しています。より広い自律性の物語では、経済的不確実性について同じ程度に完全な扱いをまだ示していません。(7, 8, 14)
経済的な説明責任 — 4/10。 価値測定は顧客に対する継続的責務に含まれ、顧客の節約も報告されています。公開資料には反実仮想評価や、経済効果が得られなかった場合の明確な救済措置はありません。(11, 12)
エージェント型ソフトウェアの世界での競争力の持続性 — 5/10。 輸送連携、実行履歴、物理的な積載ロジックは、会話型画面を超えた資産です。エージェントによって文書処理や報告作成が安価になるなか、持続的価値は、運用と改善に必要な総労力を減らせるかにかかっています。(1, 5, 8, 20)
出典
[1] 国内輸送管理システム | PandoのAI駆動型マルチモーダルTMS
国内輸送管理システム | PandoのAI駆動型マルチモーダルTMS。現行ページ、2026年11月4日閲覧。現在の国内TMSの機能と制約。
[2] Pandoがインドと米国事業の独立した成長を促進する戦略的再編を発表
Pandoがインドと米国事業の独立した成長を促進する戦略的再編を発表。2025-04-03、2026年11月4日閲覧。TMSと米国AI事業の別々のロードマップ。
[3] 車両管理から貨物輸送へ：Pando.aiとFleetx.aiが輸送ライフサイクルの接続に向けて協力
車両管理から貨物輸送へ：Pando.aiとFleetx.aiが輸送ライフサイクルの接続に向けて協力。2026-08-20、2026年11月4日閲覧。買収発表とブランド維持。発表日は8月20日。
[4] Freehandがサプライチェーン業務向けAIチームを発表 | Freehand
Freehandがサプライチェーン業務向けAIチームを発表 | Freehand。2026-02-09、2026年11月4日閲覧。Piからの系譜とFreehandの独立した発足。
[5] US11537977B1 — 貨物配送を最適化する方法およびシステム
US11537977B1 — 貨物配送を最適化する方法およびシステム。2022-12-27、2026年11月4日閲覧。特許明細書。費用式と制約付き行動の仕組みを参照。
[6] 輸送サービス調達用AIエージェント | 見積依頼の自動管理
輸送サービス調達用AIエージェント | 見積依頼の自動管理。現行ページ、2026年11月4日閲覧。調達ワークフロー、絶対的信頼性の主張、導入手順。
次世代インテリジェンスによる輸送交渉戦略の再定義。2025-01-08、2026年11月4日閲覧。入札準備、シナリオの選択、承認フロー。
物流のAI分析：会話より信頼が重要な理由。2026-08-12、2026年11月4日閲覧。再利用可能な分析と意思決定の文脈に関する技術説明。
[9] 複数業界向け部品メーカーがAIエージェントで輸送費用を200Kドル超削減
複数業界向け部品メーカーがAIエージェントで輸送費用を200Kドル超削減。日付なし、2026年11月4日閲覧。日付と顧客名のないPi導入事例。作業単位および広い成果の主張。
[10] Accurideが入荷業務全体の機動性と可視性向上のためPandoを選定
Accurideが入荷業務全体の機動性と可視性向上のためPandoを選定。2023-06-01、2026年11月4日閲覧。実名顧客の選定と当初の導入範囲。
[11] 物流の費用漏出を最小限にする：輸送監査と支払いのベストプラクティス10選
物流の費用漏出を最小限にする：輸送監査と支払いのベストプラクティス10選。日付なし、2026年11月4日閲覧。Accurideで報告された節約と投資回収。
Pandoの求人。2026-08-10および2026-08-07、2026年11月4日閲覧。公開ページに埋め込まれた求人記録：Fullstack Developerは8月10日、Customer Success Managerは2026年8月7日。
[13] Pando CAIQ v4.0.2セキュリティ自己評価
Pando CAIQ v4.0.2セキュリティ自己評価。登録更新2026-01-07、2026年11月4日閲覧。ダウンロード可能なベンダー質問票。参照箇所にはCEK-03.1、IAM-10.1、IVS-06.1、IVS-09.1が含まれます。
新しい（そして従来の）パートナーを発表します！。2018-04-16、2026年11月4日閲覧。シード資金調達の発表と当初の製品構想。
[15] Zydus Wellnessがサプライチェーンと物流業務のデジタル変革を加速するためPandoを選定
Zydus Wellnessがサプライチェーンと物流業務のデジタル変革を加速するためPandoを選定。2021-11-22、2026年11月4日閲覧。導入発表。便益は将来の期待です。
[16] Pandoは2023年に市場の進化と製造業・小売業による物流AI技術採用の急増を観測
Pandoは2023年に市場の進化と製造業・小売業による物流AI技術採用の急増を観測。2023-12-27、2026年11月4日閲覧。自律性の位置付けと積載特許への明示的なリンク。
技術と革新がマルチモーダル物流をどう変えるか。2024-09-10、2026年11月4日閲覧。ブロックチェーンの宣伝とDSCSAに関する主張。
相互運用可能な情報交換のためのDSCSA標準。2023-09、2026年11月4日閲覧。最終ガイダンス、第VIII–IX節：データ標準と技術的アプローチ。
[19] PandoがPiを発表：世界的ブランド向けに輸送調達・計画・支払いを自律化する物流AIチーム
PandoがPiを発表：世界的ブランド向けに輸送調達・計画・支払いを自律化する物流AIチーム。2025-02-10、2026年11月4日閲覧。発表資料とAccurideの文書処理事例。
[20] Pandoがエージェント型AIで物流技術を変革する方法
Pandoがエージェント型AIで物流技術を変革する方法。2025-07、2026年11月4日閲覧。導入方法と用途の例、4–6ページ。