IBM ve Confluent, gerçek zamanlı veri akışlarında kullanılmak üzere zaman serisi temel modellerini (TSFM) bir araya getiriyor. Geleneksel yaklaşımda her veri serisi için ayrı model geliştirilmesi ve aylarca uzman çalışması gerekirken bu modeller, daha önce görmediği serilere de genellenerek tahmin, anomali tespiti, benzerlik arama, sınıflandırma, eksik veri tamamlama ve optimizasyon sağlayabiliyor. Böylece güvenlik stokları, fazla kapasite ve geç alınan kararlar için ayrılan marjların azaltılması hedefleniyor.
Çözümde IBM Granite Time Series modelleri sinyalleri analiz ederken Confluent, işletmenin canlı verisini akış halinde sunuyor. Apache Flink üzerindeki yerel çıkarım sayesinde modeller doğrudan Confluent Cloud içinde çalışabiliyor. Flink, her seri için gerekli geçmiş veriyi hataya dayanıklı biçimde tutarak tahmin ve anomali tespitinin güncel bağlamla yapılmasını sağlıyor. Hizmet Confluent Cloud üzerinde AWS için Early Access kapsamında açılıyor; Confluent Platform ile şirket içi ve hibrit ortamlara da taşınması planlanıyor.
IBM ve Confluent, farklı kullanım ihtiyaçlarına yönelik dört tamamlayıcı modeli Early Access olarak sunuyor. PatchTST-FM, değişkenleri ayrı kanallarda işleyerek olasılık dağılımı üretiyor. FlowState, saniyelik SCADA verilerinden saatlik piyasa verilerine kadar sürekli zaman dinamiklerini izliyor. TTM, CPU üzerinde 100,000 seriyi gecelik işleyebilecek küçük bir mimari sunuyor. TSPulse ise anomali tespiti, sınıflandırma, eksik veri tamamlama ve geçmişte benzer olay aramaya odaklanıyor. Modeller, Confluent’in AI_FORECAST ve AI_DETECT_ANOMALIES Flink SQL işlevleriyle, yalnızca bir SQL parametresi değiştirilerek kullanılabiliyor.
Uygulama alanları arasında perakende talep planlama, finansal dolandırıcılık tespiti ve üretim optimizasyonu bulunuyor. Modeller, yeni ürünlerde geçmiş veri olmadan benzer serilerden yararlanabiliyor; ödeme akışlarında kartın normal davranışından sapmaları işlem tamamlanmadan belirleyebiliyor. Üretimde ise sıcaklık, hız, dozaj ve viskozite gibi değişkenlerden hareketle hedeflenen performans ve kısıtlar doğrultusunda yeni ayarları önerebiliyor.
IBM, çözümü önce kendi ürün ve operasyonlarında, ardından çimento, çelik, kâğıt, gıda ve telekomünikasyon sektörlerindeki tasarım ortaklarıyla test ettiğini belirtiyor. Şirkete göre verimlilik kazanımları 5 to 10× seviyesine çıkabiliyor. Granite modelleri ayrıca model kökeni ve lisans şeffaflığını içeren IBM kurumsal yapay zekâ yönetişimi çerçevesini kullanıyor.
Neden önemli
Bu entegrasyon, zaman serisi analitiğini veri bilim ekiplerinin ayrı ayrı model kurduğu projelerden, canlı veri akışının bulunduğu platform içinde kullanılabilen bir hizmete dönüştürmeyi amaçlıyor. Bu durum özellikle perakende, finans ve üretimde operasyonel kararların yalnızca geçmiş raporlara değil, anlık sinyallere ve benzer olaylara dayandırılmasını sağlayabilir; ancak doğruluk, yanlış alarm oranı ve önerilen ayarların iş süreçlerine nasıl uyarlanacağı açık sorular olarak kalıyor. Modellerin Confluent Cloud içinde çalışması, mevcut Flink ve SQL altyapısını kullanan işletmeler için uygulama eşiğini düşürebilirken çözümün şirket içi ve hibrit ortamlara taşınması henüz plan aşamasında bulunuyor. Early Access statüsü nedeniyle erişim ve kullanım kapsamı sınırlı; IBM’in belirttiği verimlilik kazanımlarının farklı sektörlerde hangi koşullarda tekrarlanacağı da testlerin ilerlemesine bağlı.
Arka plan
IBM, FikirPilot arşivinde yeni bir ad değil: son 90 günde bu adın geçtiği bir haber yayımladık; o yazı 24 Ağustos 2026 tarihli.