Destro AIの倉庫ロボティクス、ハードウェアよりオーケストレーションを優先
Destro AIは、800万ドルのシードラウンドとともにステルス状態から姿を現し、ロボティクス業界に根強いハードウェア優先の常識に挑戦する主張を掲げた。Destro AIの倉庫ロボティクス戦略は、別の機械を設計することではなく、まず現場全体を調整することから始まる。
このスタートアップはすでに、Yusen Logisticsの施設内でその主張を検証している。同社のソフトウェアは、移動ロボット、現場スタッフ、カート、在庫、積み込みエリアにまたがって作業を割り当てる。最初の3台のロボットによるパイロットは現在26台へ拡大中で、南カリフォルニアでは別の17台規模のパイロットも始まっている。
これによりDestroは、ロボット向け人工知能を売り込むだけの企業とは一線を画す。同社が真に対抗するのは、サプライヤーが個々の機械を最適化し、顧客に全体の接続を委ねるロボット中心のモデルだ。Destroはその接続レイヤーを担おうとしている。
Destro AIの倉庫ロボティクスがYusenで変えたこと
Destroは小規模なロボット実証を、ソフトウェアが物流ワークフロー全体を調整できるかを試す取り組みへと変えた。
Destroは2026年9月29日にステルス状態を解除した。Base10 PartnersとBonfire VenturesがCoFound Partnersの参加を得て、同社の800万ドルのシード資金調達を共同主導した。投資家らは、自社を倉庫運営のための共有インテリジェンスレイヤーと位置づける企業に賭けている。
この違いは重要だ。多くのロボティクススタートアップは、新しい機械、マニピュレーションシステム、あるいは人工知能モデルから出発する。その後、その技術が価値ある業務を担える倉庫を探す。
Destroは逆の道筋を取った。創業者兼CEOのManthan PawarはTechCrunchに対し、同社の優位性は従来型のロボティクス企業のように振る舞わないことにあると語った。同社のエンジニアは顧客のワークフローから着手し、その課題に合わせてハードウェアを選定する。
PawarはNYU Tandonでロボティクスの修士号を取得し、サプライチェーンとロボティクスで約8年の経験を持つ。warehouse deploymentの報道によると、Destroは当初、商品を個別注文ごとにピッキングおよび梱包することに注力していた。
方向性が変わったのは、PawarがYusen Logisticsの米国事業における自動化ディレクター、Richard Brunelleと会った後だった。Brunelleは、コンベヤー、ソーター、新しいロボットシステムを含む、米国内約30施設の自動化を統括している。
BrunelleはDestroにクロスドッキングの課題を提示した。クロスドッキングは、入荷した商品を両工程間で長期保管をほとんど、あるいはまったく行わずに、直接出荷便へ振り向ける方式だ。作業員は1台のトラックから荷下ろしし、その中身を別のトラック向けの混載貨物として仕分ける。
カートを運ぶだけのロボットは、この工程の限定的な一部分しか解決しない。現場では、カートが満載になったことを認識し、行き先を判断し、変化する優先順位を追跡し、人の行動を調整する必要もある。
Destroは、より広範なこの課題に合わせてシステムを改良した。最初のパイロットでは、Miva Robotics製のカート搬送ロボット3台を太平洋岸北西部にあるYusenの施設へ導入した。
人間の作業員が商品をカートに積み込み、ロボットは満載のカートを識別して目的地へ運んだ。Destroのソフトウェアは、人、ロボット、カート、積み込みエリアを一つのワークフローの構成要素として調整した。
Yusenは現在、このパイロットをロボット3台から26台へ拡大している。南カリフォルニアの施設でも、17台のロボットを用いる別のパイロットを開始している。これらの拡大は、Destroのモデルがより広い倉庫市場で機能することを立証するものではないが、同社を管理された実演の段階から前進させるものだ。
資金調達の発表も同じ製品方向を裏付けている。Destroは、この資金を追加のエンタープライズ導入、製品開発、エンジニアリングおよび研究チームの拡充に充てるとしている。
出資者はこのスタートアップを、倉庫のミッションコントロールレイヤーと表現する。the investment thesisでCoFound Partnersは、倉庫にはロボット、作業員、在庫、既存ソフトウェアを接続するシステムが必要だと主張している。
したがって、当面の変化は新種のロボットではない。ロボットと人の上位にソフトウェアレイヤーを置き、両者を指揮する権限を持たせることだ。
ここにDestroの中心的な緊張関係が生まれる。より優れた機械よりも運用の調整が大きな価値を生むなら、ロボットメーカーは他社のプラットフォームの下で代替可能なサプライヤーになるリスクを負う。
圧力はロボットメーカーからオーケストレーションへ移る
Destroのソフトウェア優先アプローチは、周辺のワークフローを解決せずに高性能ロボットを販売するベンダーに圧力をかける。
倉庫の購入者が、整然とした均一なフリートを運用していることはめったにない。施設にはコンベヤー、自律移動ロボット、フォークリフト、ロボットアーム、スキャナー、倉庫管理ソフトウェア、手作業の工程が共存し得る。
各システムは単独では正しく機能していても、全体の運用は非効率なままであり得る。ロボットは割り当てられた移動を完了しても、作業員の準備が整う前に到着するかもしれない。別の機械は、カート、パレット、または積み込みバースが使えないために待機する可能性がある。
ここでオーケストレーションが戦略的に重要になる。倉庫オーケストレーションソフトウェアは運用状況を把握し、タスクに優先順位を付け、接続されたシステム全体にリソースを割り当てる。高位の事業計画と、個別の行動を実行する機械または人との間に位置する。
TechCrunchによると、YusenでDestroは、名前が明かされていない既存のロボティクススタートアップ2社と競合した。1社は、固定地点間でカートを移動できるロボットを提供していたが、その移動に伴う積み込みや荷下ろしを管理できなかった。
もう1社にはフリート管理ソフトウェアがあったが、工程のオーケストレーションには依然として人が必要だった。Brunelleによると、Destroがパイロットを獲得したのは、そのシステムがクロスドックのワークフロー全体に対応したためだ。
この比較は、Pawarの最も鋭い主張を裏付ける。「私たちがロボティクス企業に勝っている最大の理由の一つは、私たちがロボティクス企業ではないからです。」
この発言は意図的に挑発的だが、現実の購買課題を指摘している。ロボットが自律移動に成功しただけでは、倉庫は投資対効果を得られない。注文がより速く動き、労働力が効果的に使われ、サービスが一貫して初めて恩恵が生まれる。
Destroだけがこの機会を認識しているわけではない。既存の倉庫自動化企業も、ロボットと人の作業を調整するソフトウェアをすでに展開している。
たとえばLocus Roboticsは、同社のrobot orchestration platformが大規模なロボットフリート全体に作業を割り当て、倉庫管理システムと接続できるとしている。GreyOrangeも、ロボットと手作業によるフルフィルメント工程を調整するソフトウェアを販売している。
これらの企業には豊富な導入経験もある。そのためDestroは、オーケストレーションの一般的な価値だけでなく、より少ないカスタム統合で、より幅広いハードウェアとワークフローを調整できることを示す必要がある。
Destroはハードウェア独立性を重要な優位性として位置づけている。ハードウェアに依存しないシステムなら、事業者は運用を管理するソフトウェアレイヤーを作り直すことなく、機械の入れ替えや追加を行える。
この提案は、購入者に共通する懸念に応えるものだ。ロボットは何年も稼働し続ける一方で、サプライヤー、人工知能モデル、通商政策、運用上の要件は変化する。一社のハードウェアとソフトウェアのスタックに縛られた倉庫は、より良い機器が登場した際の選択肢が少ない。
ただし、独立性にはそれ自体の技術的負担もある。ロボットごとに、異なる制御方法、性能上の制約、安全挙動、障害状態がある。汎用的な調整レイヤーは、運用目標を各機械が確実に実行できる行動へ変換しなければならない。
さらに、倉庫の正確な状態把握も維持しなければならない。在庫データの欠落、遅延したステータス更新、作業員の位置に関する誤った前提は、他の点で高度な計画を損なう可能性がある。
したがって競争の本質は、ソフトウェア対ハードウェアという単純なものではない。複数サプライヤーの製品にまたがる中立的な制御レイヤーと、統合されベンダーが管理する自動化との戦いである。
統合システムは、一社のベンダーがすべての構成要素を制御するため、より緊密な最適化を提供できる。一方、中立的なレイヤーは柔軟性をもたらすが、より多くのインターフェースと例外ケースを管理しなければならない。
Destroの初期のYusen導入は、中立モデルに有利な材料となっている。Yusenはすでに多様な設備を運用しており、Brunelleは実稼働中のクロスドック環境に適合するシステムを求めていた。Destroは、顧客に独自仕様のロボットに合わせてその環境を再設計するよう求めなかった。
未解決の問いは、Destroがこの結果を再現できるかどうかだ。柔軟なパイロットであっても、スタートアップのチームによる集中的なエンジニアリング支援に依存している可能性はある。新しい施設が数カ月に及ぶカスタム作業なしに採用できるようになれば、このモデルの価値はさらに高まる。
ロボットメーカーにとって、再現に成功すれば交渉力の所在は変わる。タスクを指示し、運用データを収集し、成果を測定する企業が顧客との関係を支配することになる。
ロボットハードウェアは依然として不可欠だが、オーケストレーションプロバイダーは各タスクをどの機械に与えるかを決められる。この位置づけは、コンピューティングにおいてオペレーティングシステムが求める制御点に似ている。ただし、物理環境にははるかに高い信頼性と安全性が求められる。
これが、Destroの控えめなシードラウンドが、その規模を超える意味を持つ理由だ。同社は、倉庫で最も価値ある製品がもはやロボットではないのかを試している。すべてのロボットと人が次に何をすべきかを決めるシステムなのかもしれない。
MothershipOSは人と機械を一つのワークフローとして扱う
Destroの中核的な仕組みは、人の労働とロボットの挙動を個別に最適化するのではなく、両者を調整する共有の意思決定レイヤーだ。
Destroは自社技術を大きく2つのレイヤーに分けている。MothershipOSは施設全体の活動を調整し、VisionOSは個々のロボットにより近い位置でインテリジェンスを提供する。
同社はMothershipOSをエージェント型人工知能エンジンと説明している。この文脈でエージェント型AIとは、変化する状況を評価し、行動を選択し、運用目標に向けて作業を指示するソフトウェアを意味する。
MothershipOSは、ロボット、作業員、在庫、注文、施設状況を監視するよう設計されている。その後、次の行動を割り当てる前に、優先順位と利用可能なリソースを評価する。
Destroによると、このシステムはロボットに指示を送ると同時に、ウェアラブルデバイスを通じて人間の現場スタッフを誘導できる。同社のcoordination platformは、人、機械、フォークリフト、エンタープライズソフトウェアを一つの運用モデル内のリソースとして提示している。
これが、このスタートアップにとって最も重要な設計上の選択だ。従来の自動化では、フリート管理と労務管理が分けられることが多い。一つのシステムがロボットを配車し、監督者または別のソフトウェア製品が作業員を指示する。
こうした並行システムは、プロセス全体を改善せずに局所的な効率を生むことがある。ロボットは移動距離を最小化しても、人員不足のステーションに資材を届けるかもしれない。作業員は、もはや最優先ではないタスクを完了する可能性がある。
Destroは、一つのシステムにこうしたトレードオフを判断させようとしている。Yusenでは、作業員がカートへ商品を積み込むタイミング、ロボットがそれを回収するタイミング、商品を次にどこへ動かすべきかを調整することを意味する。
このスタートアップはこのアプローチを「multi-body intelligence」と呼ぶ。この用語は、1台のロボット内部だけに閉じた知能ではなく、複数の機械と人にまたがる意思決定を指す。
VisionOSは、スタックの別の部分を担う。Destroによれば、同社はオープンウェイトの視覚・言語・行動モデルを使用しており、視覚的な観測と指示を物理ロボットのコマンドへと結び付けている。
オープンウェイトモデルは、開発者が該当ライセンスの範囲で検査または適応できるパラメータを公開する。視覚・言語・行動モデルは、画像と言語を、カートへの移動や物体の操作といった行動に変換する。
Destroの現在のクロスドック導入では、すべてのロボットに器用な操作能力は求められていない。カート搬送ロボットはより制約の多い環境で稼働し、荷下ろしや仕分けの多くは依然として人が担う。
この役割分担は、人間とロボットの協働モデルの中核だ。このシステムは、ロボットが人間のあらゆる技能を身に付けるのを待たない。反復的な搬送は機械に割り当て、人は判断力、柔軟性、または器用さを要する作業を扱う。
この実践的なアプローチは、産業用ロボティクスにおけるより広範な転換とも一致する。国際ロボット連盟は、2026年の倉庫自律化に関する議論で、完全な無人自動化を追求するよりも、統合と相互運用性を重視した。
この分析では、人がロボットへの積み込みと荷下ろしを行う場合でも、ロボットは有用な価値を提供できると指摘された。より難しい課題は、その機械を業務システムに接続し、実際のシフトを通じて安定した性能を実現することだ。
産業用ロボティクスの分析が説明するように、個々のロボット能力が倉庫全体のパフォーマンスに自動的につながるわけではない。機械は作業を受け取り、人と連携し、結果をシステムへ報告する必要がある。
Destroは、この隔たりに賭けている。同社は利用可能なロボットやオープンモデルを活用しながら、ワークフローの判断、統合、導入にエンジニアリングを集中させることができる。
このアーキテクチャは、他の領域での進歩によって改善される可能性がある。より優れたナビゲーションモデルは、移動ロボットの信頼性を高めるかもしれない。より優れた操作モデルは、ロボットアームや移動マニピュレーターに割り当てる作業を拡大し得る。
サプライヤーがこうした能力を利用可能にすれば、Destroはすべての基盤技術の進歩に資金を投じる必要はない。同社のソフトウェアは、より高性能なコンポーネントを取り込みつつ、上位レベルの運用ロジックを維持できる。
Pawarがロボットとモデルをプラットフォームと表現する際に意図しているのは、まさにこの点だ。Destroは、それらのコンポーネントを機能するオペレーションへ変えるためのハーネスを構築するつもりだ。
ただし、「ハーネス」という言葉では課題の大きさを過小評価している。物理的な作業の調整には、タイミング、例外処理、安全境界、人とのコミュニケーション、倉庫管理システムとの統合が関わる。
このシステムは、作業者が信頼できるほど明確に意思決定を説明しなければならない。作業者に必要なのは、抽象的な最適化の結果ではなく、実行可能な指示だ。管理者は、シフト中に優先順位がなぜ変わったのかを理解する必要がある。
導入が拡大すれば、データも別の優位性を生む。調整レイヤーは、作業が滞る場所、スループットを改善する割り当て、実環境で異なる機械が示す性能を観察できる。
こうしたフィードバックは、Destroがスケジューリングとシミュレーションを改善する助けになる可能性がある。また、運用履歴が蓄積されるにつれて、顧客のプラットフォームへの依存を深めることにもつながり得る。
それでもDestroは、この優位性を測定できるほど十分な独立した性能データを開示していない。同社のウェブサイトは大幅な生産性改善と短い投資回収期間をうたうが、これらの数値は依然として同社が提供するマーケティング上の主張にとどまる。
顧客が導入規模を拡大しているため、Yusenでの拡大はより強い証拠となる。それでも、いずれの当事者も、当初のパイロットから得られた詳細なスループット、エラー率、稼働率、労働生産性の結果を公表していない。
現時点では、その仕組みはもっともらしいものの、測定は不十分だ。Destroは、1つの実稼働クロスドックワークフローを調整できることを示した。しかし、MothershipOSが倉庫向けの汎用的な運用レイヤーになれることは、まだ示していない。
ソフトウェア優先の論点にも厳しい限界がある
利用可能なロボットでは実現できないハードウェア能力をワークフローが必要とする場合、Destroの優位性は縮小する。
ソフトウェアはリソースを調整できるが、ハードウェアに欠けている物理的能力を生み出すことはできない。これはDestroのAI倉庫ロボティクス論における最も明確な限界だ。
Yusenのワークフローでは、構造化された施設内でカート搬送ロボットを使用する。人がカートに荷物を積み込み、機械が完成した積載物を搬送する。この作業は高度なロボットハンドを必要とせず、調整の恩恵を受ける。
一方、他の倉庫業務はそこまで寛容ではない。不規則な形状の物体のピッキング、密に積み込まれたトレーラーの荷下ろし、損傷した段ボール箱の操作には、知覚、器用さ、力制御、予期せぬ状況からの復旧能力が必要となる。
汎用的なロボット本体とオープンモデルは、商用に耐える信頼性でこれらの作業を一貫して解決してはいない。適切なハードウェアが存在しなければ、Destroは不足した能力をオーケストレーションで補うことはできない。
このスタートアップは、操作作業に対応するためVisionOSを開発している。同社のロボット知能レイヤーによれば、この製品は段ボール箱および個別アイテムのレベルでの物理的相互作用に焦点を当てている。
しかし、これらの能力は依然として同社の主張にとどまる。Destroは、VisionOSが専門的なロボティクスシステムよりも多様な物体を高い信頼性で扱えることを示す独立ベンチマークを公開していない。
外部のロボットおよびモデルサプライヤーへの依存も、別のリスクをもたらす。高度な基盤モデル、ロボットハンド、ヒューマノイドプラットフォームを開発する企業は、最高の技術を自社の統合製品向けに保持する可能性がある。
サプライヤー自身が競合するオーケストレーションソフトウェアを構築する可能性もある。ロボットメーカーが物理システムと施設レベルの調整の両方を支配する場合、Destroはその上位で差別化されたレイヤーを維持するのが難しくなるかもしれない。
同社は反対方向からの圧力にも直面している。倉庫実行ソフトウェアのベンダーはすでに、人と自動化設備をまたいで作業を指示している。その一部は、顧客システムとのより深い統合と、より長い運用実績を持つ。
これにより、戦略上混み合った中間領域が生まれる。Destroはロボティクス企業が構築したハードウェアに接続しつつ、倉庫テクノロジープロバイダーのソフトウェアと競争しなければならない。
安全性と説明責任は、この立場をさらに難しくする。オフィス業務向けの推奨エンジンは不便な回答を生成することがある。だが倉庫内の調整システムは、重量機器を共有される物理空間へ送り込む可能性がある。
ロボットは一般にローカルな安全システムを維持するが、MothershipOSは依然として作業がどこで、いつ行われるかに影響を与える。Destroは、施設全体の最適化と機械レベルの安全制御の間に明確な境界を定めなければならない。
人への指示にも関連する懸念がある。「作業者に何をすべきか伝える」という表現は、システムの観点からは効率的に聞こえるかもしれないが、作業者はそのソフトウェアを管理者として体験する。
ウェアラブルを通じて提供される指示は、書類作業を減らし、割り当てを明確にできる。一方で、システムがスループットのみを最適化する場合、監視を強め、判断時間を圧縮し、仕事をより硬直的にする可能性もある。
Destroは、作業者が誤った指示にどう異議を唱えるのか、安全でない状況をどう報告するのか、自動化されたタスク割り当てをどう理解するのかを公に詳述していない。プラットフォームの権限が強まるほど、こうしたガバナンスの問題は重要になる。
人間とロボットの協働は、人を交換可能なアクチュエーターとして扱うことを意味すべきではない。作業者は多くの場合、ソフトウェアが関連する文脈を捉える前に、損傷品、危険な経路、または通常と異なる顧客要件を認識する。
強力なオーケストレーションシステムには、人によるオーバーライドとフィードバックの仕組みが必要だ。また、速度と安全性、品質、持続可能な作業負荷を両立させるパフォーマンス指標も必要となる。
商用規模への拡大も、別の不確実性を加える。BrunelleがYusenのクロスドックにおける課題を説明した後、Destroのエンジニアは製品を適応させた。この対応力はプロジェクト獲得に役立ったが、再現性を証明するものではない。
個別仕様の統合は、初期顧客に優れた成果をもたらし得る。しかし、施設ごとに異なるワークフロー、システム、例外への対応が必要になると、エンジニアリングリソースを消費し、利益率を制限することにもなり得る。
PawarはTechCrunchに対し、Destroが2026年末までにキャッシュフロー黒字化への道筋にあると語った。この予測は独立して検証されておらず、同社は売上高や運営コストも開示していない。
この資金調達によりDestroは拡大のための資源を得るが、800万ドルのシードラウンドは、フィジカルAIやヒューマノイドロボティクスに流入する資本と比べれば依然として小さい。Destroのモデルは、ハードウェアビルダーよりも効率的にこの資本を活用することに依存している。
同社はまた、ソフトウェアプラットフォームを装ったシステムインテグレーターになることを避ける必要がある。統合の専門性は重要な契約を獲得できるが、ソフトウェアの経済性には再利用可能なコンポーネントと予測可能な導入が求められる。
Yusenでの拡大は、この違いを検証する助けになる。3台から26台への移行では、小規模なパイロットに隠れていたスケジューリングの競合、通信障害、保守中断、人による導入上の問題が明らかになるはずだ。
南カリフォルニアでの導入は、さらに重要な試験となる。2拠点目でワークフローを繰り返すことで、Destroが地域条件に合わせて製品を作り直すことなく、運用ロジックを移転できるかが示される。
これらの結果が明らかになるまで、Destroの勝利は限定的に表現すべきだ。顧客と同社によれば、同社は名前の明かされていない2つの代替案を相手に、特定のワークフローで勝利した。
これは意味のある証拠ではあるが、倉庫ロボティクス全体での優位性を確立するものではない。より大きな論点は、なお検証可能な仮説として残る。ロボットそのものを所有することよりも、調整の方が大きな価値を獲得する、という仮説だ。
Destroの優位性を試す3つのシグナル
次の証拠では、再現性、測定可能な運用上の改善、そして単純なカート搬送を超えた拡大が示されなければならない。
第1のシグナルは、Yusenの太平洋岸北西部施設における26台のロボット導入だ。重要なのは導入された機械の台数ではない。交通量、タスクの競合、例外処理が増加しても性能が安定するかどうかである。
DestroとYusenは最終的に、スループット、稼働率、エラー率、必要な労働力、導入時間を開示すべきだ。より大きな規模で一貫した改善が確認されれば、オーケストレーションが運用価値を生むという主張は強まる。
頻繁な手作業による介入は、その主張を弱める。Destroのエンジニアに大きく依存する長い立ち上げ期間も同様だ。
第2のシグナルは、南カリフォルニアでの17台のロボットによるパイロットだ。この導入では、DestroのAI倉庫ロボティクスモデルが施設間で通用するかが試される。
倉庫は、レイアウト、ソフトウェアシステム、人員配置パターン、在庫、顧客へのコミットメントが異なる。再現性のあるプラットフォームは、製品を全面的に作り直すのではなく、設定と標準的な統合によって適応できるはずだ。
2拠点目での成功は、Destroの「コピー＆ペースト」型拡大戦略をより強く裏付ける。また、製品プラットフォームと成功したカスタムプロジェクトを区別する助けにもなる。
第3のシグナルは、操作を必要とするワークフローへの拡大だ。Destroは移動ロボットと調整された人の労働を中心に有用な事業を構築できるが、同社のより広範な野心は、より能力の高い物理システムに依存している。
ケース、トート、パレット、または個別アイテムを扱う信頼できる導入は、VisionOSがオーケストレーションレイヤーをより困難な作業へ拡張できることを示すだろう。独立した性能データは、さらに管理されたデモンストレーションよりも重要になる。
操作作業での失敗は、MothershipOSを無効にするものではない。しかし、Destroが対応できるワークフローを制限し、人または第三者システムへの依存を高めることになる。
これらの導入と並行して、競合他社の対応にも注意を払うべきだ。ロボットメーカーは自社のフリートソフトウェアを強化でき、倉庫実行ソフトウェアのベンダーは混在するロボットフリートへのより深いサポートを追加できる。
Destroの機会は、市場が依然として分断されているからこそ存在する。大手ベンダーが相互運用性を標準化したり、既存製品に同等のオーケストレーション機能を組み込んだりすれば、その優位性は縮小する。
このスタートアップのソフトウェアファースト戦略がなお注目に値するのは、倉庫の購買担当者が抱える現実的な課題から始まっているためだ。Yusenに必要だったのは、より派手なロボットではない。商品、人、機械が、絶え間ない手作業の調整なしに一つのプロセスの中で動けることだった。
この焦点が、Destroに信頼に足る突破口を与えている。ただし、それが倉庫制御レイヤーの支配を保証するわけではない。
今後数カ月で、大まかな主張は運用上の証拠に置き換わるはずだ。より大規模な展開でも性能が維持されるか、2番目の施設への導入が迅速に進むか、そしてVisionOSがより困難な物理的タスクを処理できるかに注目したい。
自動化を追う読者にとって、中心的な問いは今や明確だ。価値は機械そのものに蓄積するのか、それとも利用可能なあらゆる機械と人を統括する知能に蓄積するのか。
こうした証拠を評価するチームは、導入事例、ベンチマーク、オペレーターからのフィードバック、ベンダーの主張を、共有のknowledge workflowに記録すべきだ。Destroの論旨が説得力を持つのは、それらの情報源が魅力的なパイロットではなく、再現可能な成果を示す場合に限られる。
