IBMとConfluentは、リアルタイムのデータストリームで使用するため、時系列基盤モデル（TSFM）を統合する。従来のアプローチでは、データ系列ごとに個別のモデルを開発し、専門家が数か月にわたって作業する必要があった。一方、これらのモデルは、これまで見たことのない系列にも汎化し、予測、異常検知、類似性検索、分類、欠損データの補完、最適化を実現できる。これにより、安全在庫、余剰キャパシティ、意思決定の遅れに備えて確保されるマージンの削減を目指す。
このソリューションでは、IBM Granite Time Seriesモデルがシグナルを分析し、Confluentが企業のライブデータをストリーム形式で提供する。Apache Flink上のネイティブ推論により、モデルはConfluent Cloud内で直接実行できる。Flinkは、各系列に必要な過去のデータを耐障害性のある形で保持し、最新のコンテキストに基づく予測と異常検知を可能にする。このサービスは、Confluent Cloud上でAWS向けのEarly Accessとして提供され、Confluent Platformを通じてオンプレミスおよびハイブリッド環境にも展開する計画だ。
IBMとConfluentは、異なる利用ニーズに対応する4つの補完的なモデルをEarly Accessとして提供する。PatchTST-FMは、変数を個別のチャネルで処理し、確率分布を生成する。FlowStateは、秒単位のSCADAデータから時間単位の市場データまで、連続的な時間ダイナミクスを追跡する。TTMは、CPU上で100,000系列を一晩で処理できる小規模なアーキテクチャを提供する。TSPulseは、異常検知、分類、欠損データの補完、過去の類似イベントの検索に重点を置く。モデルは、ConfluentのAI_FORECASTおよびAI_DETECT_ANOMALIES Flink SQL関数を使い、SQLパラメーターを1つ変更するだけで利用できる。
応用分野には、小売需要計画、金融詐欺の検知、製造最適化などが含まれる。モデルは、新製品について過去のデータがない場合でも類似系列を活用できるほか、決済フローにおいてカードの通常の挙動からの逸脱を取引完了前に特定できる。製造現場では、温度、速度、投入量、粘度などの変数に基づき、目標とする性能や制約に沿って新たな設定を提案できる。
IBMは、このソリューションをまず自社の製品および業務でテストし、その後、セメント、鉄鋼、紙、食品、通信の各業界における設計パートナーとテストしたと説明している。同社によると、生産性の向上幅は5～10×に達する可能性がある。Graniteモデルはさらに、モデルの出自とライセンスの透明性を含むIBMの企業向けAIガバナンスフレームワークを使用する。
なぜ重要か
この統合は、データサイエンスチームが個別にモデルを構築するプロジェクトとして行われてきた時系列分析を、ライブデータストリームが存在するプラットフォーム内で利用できるサービスへと変えることを目指している。これにより特に小売、金融、製造において、業務上の意思決定を過去のレポートだけでなく、リアルタイムのシグナルや類似イベントに基づいて行えるようになる可能性がある。一方で、精度、誤警報率、提案された設定を業務プロセスにどのように適用するかは、依然として未解決の問題だ。モデルがConfluent Cloud内で動作することで、既存のFlinkおよびSQLインフラを利用する企業にとって導入のハードルが下がる可能性があるが、ソリューションを社内環境やハイブリッド環境へ移行することは、まだ計画段階にある。Early Accessのステータスであるため、アクセスおよび利用範囲は限定的であり、IBMが示す生産性向上が異なる業界でどのような条件の下で再現されるかも、テストの進展に左右される。
背景
IBMはFikirPilotのアーカイブにおいて新しい名前ではない。この名前が登場するニュース記事を過去90日間に公開しており、その記事の日付は2026年8月24日だ。