スケジューリング最適化のTimefold、約13億円のシリーズAを調達

2026年6月23日、ベルギーのスタートアップであるTimefold（タイムフォールド）は、スケジューリング最適化のAPIファーストプラットフォームにおいて、1300万ドル（約13億円）のシリーズA資金調達ラウンドを発表した 。同社は、車両ルーティングやシフトスケジューリングのためのAPIを提供し、開発者がフィールドサービスや人材管理ソフトウェアに組み込めるように設計されている 。

資金調達ラウンドの詳細

シリーズAはAlstin Capitalがリードし、Kompas VCが共同投資家として参加。既存の支援者であるLakestarとSmartfinも引き続き出資した 。このラウンドは、同社の本拠地であるベルギーのヘントから発表された 。

約1100万ユーロ（当時のレートで約1300万ドル相当）のこのラウンドは、米国市場への本格進出とプラットフォームのプロダクト開発を加速するために明確に指定されている 。

プラットフォームと機能

Timefoldが提供するのは、車両ルーティングとシフトスケジューリングを最適化するAPIファーストのプラットフォームである 。主な機能は以下の通り。

• 集配ルーティングAPI — ジョブをドライバーと車両に自動的に割り当て、生産性の向上と移動時間の短縮を最適化する
• シフトスケジューリング — 現実世界のさまざまな制約、変動する需要、計画の乱れ、ワークフォースの複雑さに対応する
• オープンソースソルバー（Apache 2.0ライセンス） — JavaまたはKotlinでカスタム最適化モデルを構築可能。車両ルーティング問題（VRP）、メンテナンススケジューリング、ジョブショップスケジューリング、従業員のシフト作成などをカバーする
• ステートレスREST over JSON — テクノロジーに依存せず、本番環境でのスケールを想定して設計されている

Kompas VCはこのプラットフォームを「AI時代のスケジューリング最適化プラットフォーム」と表現し、開発者が複雑な数理最適化の専門知識を必要とせずに、エンタープライズグレードのルーティングとスケジューリングを組み込める点を評価している 。

この技術は18年にわたるオープンソース開発（OptaPlannerプロジェクトに端を発し、2023年にTimefoldがフォーク）の上に構築されており、あらゆる制約をあらゆる規模で処理し、毎回決定論的な正確性を保証する 。

事業の勢い

Timefoldの年間経常収益（ARR）は2025年に4倍に成長した 。同社のAPIをミッションクリティカルなスケジューリング業務に組み込んでいるエンタープライズ顧客には、NEC Software Solutions、CBRE、ルフトハンザ、タレス、Orange Telecom、ADP、スバルなどが名を連ねている 。同社の求人情報によると、現在約300万ドルから1000万ドルのARRへの成長を目標としている 。

別の情報源によると、Timefoldの2025年9月時点での収益は330万ドルで、従業員数は30名と推定されている 。同社のオープンソースソルバーは、毎日、数百万件の訪問、シフト、またはタスクを従業員、車両、機械に割り当てている 。

CEOのビジョン：最適化を基盤インフラに

マールテン・ファンデンブルックCEO兼共同創業者は、Timefoldの使命を明確に次のように語っている。

「スケジュールは世界を動かしています。私たちは皆、スケジュールの影響下にあり、日々をスケジュールに左右される何百万人もの現場労働者も同様です。」

「ソフトウェアがますます自律的になるにつれて、最適化は基盤となるインフラストラクチャになります。」

ファンデンブルック氏は、AIエージェントが自律的なソフトウェアの振る舞いに新たな可能性をもたらす一方で、LLM（大規模言語モデル）が生成するスケジュールはその確率的な性質ゆえにしばしば不十分であり、Timefoldはそのギャップを決定論的で制約を認識した最適化で埋めると主張している 。

競争上のポジショニング

Timefoldは、APIファーストのインフラストラクチャの台頭、自律的なソフトウェアエージェントへの移行、そしてエンタープライズ業務における決定論的な意思決定の必要性という、いくつかのトレンドの交差点に位置している。カスタムモデルを構築したい開発者向けのオープンソースソルバーと、プラグアンドプレイのスケジューリングを求めるチーム向けのマネージドAPIの両方を提供することで、Timefoldはエンタープライズアプリケーションにおける標準的な最適化レイヤーとなることを目指している 。

同社のアプローチは、LLMベースのスケジューリングツールとは一線を画す。ファンデンブルック氏は、LLMベースのツールではエンタープライズの制約を大規模に確実に処理できないと論じている 。