予測を、もっと身近に。時系列基盤モデルが拓くデータ活用の未来

田﨑「LLMで言語処理が一気に身近になったのと同じような波が、今度は"数値の世界"でも起こり始めているのではないか——最初にTSFMの論文に触れたとき、そんな感覚を持ちました。事前学習済みのモデルが、追加学習なしでそれなりの予測を返してくる。これは、データサイエンスの進め方そのものに影響を与えうるテーマだと感じました。」

これまで需要予測や異常検知は、データサイエンティストが時間をかけてモデルを作り込む領域だった。データ収集、特徴量設計、モデル選定、ハイパーパラメータ調整……予測対象が増えるごとにモデルの数も加速度的に増えていく。

田﨑「これまでデータサイエンティストが長期間かけて取り組んできた予測の世界に、未知のデータに対して追加の学習を行わずに予測を行うゼロショット予測という入り口が新たに加わった——そんな感覚があります。完全な民主化というのは少し早いかもしれない。けれど、専門家でなくても予測の世界に触れられる入り口が"すぐそばに来た"という期待感は大きいです。」

清重「結果を見たときに、"これは検討を進める価値がある"と研究員一同で感じました。追加学習をしていないモデルでも、一定の予測性能が得られるケースがある。もちろん条件次第ではありますが、短期間で予測可能性を検証する手段として期待が持てたことが、その後の展開を後押ししました。」

竹内「TSFMはモデルごとに学習データも設計思想も異なります。だからこそ、お客様に提案する以上、どのモデルがどんなデータで強いのか／弱いのかを、客観的な物差しで語れる必要があります。今回の発表は、その第一歩です。」

清重「TSFMはここ数年で主要モデルが立て続けに公開され、研究としての成果は積み上がってきました。論文ベースではオープンデータに対して従来手法を上回る結果も多く報告されています。一方で、実際にお客様の実務寄りのデータに適用してみると、作り込まれた従来手法のほうが精度が高いというケースの報告もあるのが現状です。だからこそ、2026年は、論文の段階から実務データでの検証が問われる段階に移ってきている——それが私の実感です。」

清重「これは私たちも同じ感覚を持っています。TSFMが全てを置き換えるわけではありません。データの性質、予測のホライズン、業務制約——そういった条件によって、最適なアプローチは変わります。だからこそ、大和総研のデータサイエンティストが、お客様の現場でその見極めを客観的にお伝えできることに意味があると考えています。
華やかな"何でも当たる万能モデル"の物語ではなく、ここは効く／ここは別の手段が良いという見極めを、データに基づいて誠実にお伝えする。それが、研究と実務の両方を抱えている私たちの強みだと思っています。」

清重「従来は熟練のデータサイエンティストが時間をかけて作り込んでいた需要予測や異常検知が、少量データと短期間のPoCで、まず試してみることのできる時代になりつつあります。専門家の知見が不要になるわけではありません。むしろ、専門家の知見は"どこに使うべきか""どう業務に組み込むべきか"という、より価値の高い場所にシフトしていく。
私たちはこの動きを、もっと広い業界、もっと多くのお客様にお届けしたい。予測という営みを、一部の専門家のものから、現場の意思決定に寄り添う日常の道具に——そう変えていけたら、データサイエンティストとしてこれほど面白い時代はありません。研究員として、その最前線に居続けたいと思います。」