IBMとConfluent、時系列基盤モデルをストリーミング基盤に統合する新機能を発表――Confluent Cloudで先行提供開始

要点

• IBMとConfluentは、時系列基盤モデル（TSFM）をデータストリーミング環境で直接実行できる新機能を発表した。

• 本機能はConfluent Cloud上でアーリーアクセスとして提供が開始されており、今後はConfluent Platformへの展開も予定されている。

• 事前学習済みの基盤モデルを活用することで、個別の専用モデル開発を行わずに需要予測や異常検知、類似パターン検索、プロセス最適化を実行できる。

• データサイエンティストによる数カ月単位の開発作業を不要にし、現場の計画担当者やエンジニアが自身のデータストリーム上で直接高度なインテリジェンスを活用可能にする。

• 米IBMの研究部門であるIBM Researchと米Confluentは2026年9月2日、IBMの時系列基盤モデルをConfluentのデータストリーミング基盤上で直接実行可能にする新機能を発表した。リアルタイムにデータが流通するパイプライン上で予測や異常検知などの分析を行えるもので、現在はConfluent Cloud向けにアーリーアクセス（早期アクセス）として提供されている。

ストリーミングデータ処理における従来の課題

企業における基盤モデルの活用はこれまで、テキストや画像といった非構造化データからの価値創出が中心であった。しかし、発注量の決定、不正な決済取引の阻止、産業機器の故障予知、生産ラインの稼働調整、過去の類似事例の参照など、極めて重要な意思決定の多くはリアルタイムに生成されるストリーミングデータ（連続して発生するデータ群）の領域に存在している。

従来の手法では、こうした時系列データの分析を行うにあたり、特定のユースケースごとに個別の専用モデルを構築する必要があった。1つのモデルを構築するだけでもデータサイエンティストなどの専門家が数カ月を費やすため、高い費用対効果が見込める上位数百件程度のデータ系列にのみモデルを適用せざるを得ないという経済的な制約が存在していた。その結果、モデル化されなかったその他の多数のデータについては、安全マージンや余剰在庫、許容範囲の設定などでカバーし、問題が発生した後に事後対応を行う運用が一般的となっていたという。

時系列基盤モデル（TSFM）がもたらす新たなアプローチ

今回導入された時系列基盤モデル（TSFM：時間とともに変化する数値データを大規模に事前学習させたAIモデル）は、こうした従来の課題を解消するアプローチを提供する。TSFMは、膨大かつ多様な信号データを用いて一度事前学習を行えば、これまでに学習したことがない未知の時系列データに対しても汎用的に適応できる能力を持つ。

利用者は一定期間の測定データをモデルに入力するだけで、以下のような多様な分析機能を即座に利用できる。

• 将来予測（Forecasting）: 現在までの測定値の推移から、その後に起こるデータ変化を予測する。
• 異常検知（Anomaly Detection）: 通常の動作パターンからの乖離度合いを数値化し、異常な兆候を検知する。
• セマンティックインテリジェンス（Semantic Intelligence）: 過去の履歴データの中から、現在の状況と波形や特徴が最も似ている過去の事象を検索・特定する。
• プロセス最適化（Optimization）: 設定目標を達成するために、制御可能なパラメータの最適な組み合わせを導き出す。

IBMはこれらのモデルの周辺機能を整備することで、これまで個別の開発プロジェクトとして立ち上げる必要があった予測や異常検知、最適化といった処理を、標準的な機能として即座に呼び出せる仕組みへと転換させていると説明している。

現場担当者による直接運用と製造現場での具体例

この新機能の大きな特徴は、大規模なデータサイエンスチームを介さずとも、業務部門の担当者が直接扱える点にある。需要予測の担当者、不正検知のアナリスト、あるいは製造現場のプロセスエンジニアなどが、自身が管理するデータストリームに対して直接モデルを適用することが可能だ。また、現場が制御する設定条件に応じた分析や、さらなる高精度が求められる場合のファインチューニング（特定データに合わせた微調整）にも対応している。

元記事では具体的な適用例として、チョコレート工場のテンパリング（温度調整）ラインにおける運用が紹介されている。温度や搬送速度、処理量などを数秒単位でサンプリングしている製造ラインのストリームに基盤モデルを組み込むことで、以下のような運用が可能になるという。

• 夕方シフトの生産予測: 当日の稼働状況から夕方以降の生産量を予測し、供給不足が生じる前に対策を講じる。
• 品質不良の予兆検知: ダークチョコレート製造時の通常挙動と現在のデータを比較・スコアリングし、製品の表面が白化するブルーミング現象が発生する前のわずかな挙動の変化（ドリフト）を捉える。
• 過去ログからの類似事例検索: プラントの履歴データから最も状況が近い過去の稼働実績を検索し、当時の運転結果や対応策をエンジニアが確認する。

このように、データサイエンスの専門チームを用意することなく、同一のモデルを工場内のあらゆるラインや拠点へ横展開できる点がメリットとして挙げられている。

提供形態と今後の展開

本機能は、データが実際に流通しているストリーム環境そのもので動作する「ストリームネイティブ」な形で提供される。現在はクラウドサービスの「Confluent Cloud」においてアーリーアクセスとして利用可能となっており、今後はオンプレミスや自社管理環境向けの「Confluent Platform」への展開も予定されている。