最近読んだ技術系ニュースレターで、Googleの時系列予測AIモデル「TimesFM」の新バージョン（2.5）が公開されたという話が紹介されていたんですよね。

ざっくり何者かというと、時系列データ（売上推移、在庫推移、アクセス数など）の「未来を予測する」ための基盤モデルです。200Mパラメータで動いて、最大16,000トークン分の過去データを参照できる。BigQueryの公式機能としても使えるようになっていて、自前でMLインフラを組まなくても高精度な予測が出せる、というのが要点です。

これ、EC運営にどう関係するか

私がこれを読んで最初に思ったのは「これ、需要予測に使えるじゃないか」ということでした。

EC・通販業では、在庫の読み間違いって本当に痛い。売れ残ったら資金が寝るし、欠品したら機会損失どころか評価まで下がる。特に季節ものやトレンド品は難しくて、「去年の実績×適当な係数」みたいな感じで乗り切ってきた会社も多いと思います。

でも、ちゃんとした時系列予測モデルを自前で作ろうとすると、データサイエンティストを雇うか、外注するか、という話になって、中小規模のEC事業者には現実的じゃなかった。

TimesFMはそこを変える可能性があると思うんですよね。オープンソースで、GitHubで公開されていて、BigQueryからも使える。データエンジニアが一人いれば、自社の売上データを食わせて需要予測を出せるようになる、というイメージです。

「基盤モデル」という発想の意味

今まで機械学習の需要予測って、「自社のデータで自社のモデルを一から学習させる」のが王道でした。データが少ない会社には精度が出ないし、学習コストも馬鹿にならない。

基盤モデルの考え方は違います。大量のデータで事前学習したモデルを「転用する」という発想です。LLMと同じロジックを時系列予測に適用している、ということですね。自社データが少なくても、ある程度まともな予測精度が出やすくなる。

これって特に、データが蓄積しきれていない新興ECブランドや、商品数が多すぎて全SKUにモデルを当てられなかった事業者に効くと思います。

実際に使うとどうなるか

コードサンプルを見ると、こんな感じで動かせます：

import timesfm
model = timesfm.TimesFM_2p5_200M_torch.from_pretrained("google/timesfm-2.5-200m-pytorch")
point_forecast, quantile_forecast = model.forecast(horizon=12, inputs=[your_sales_data])

12ヶ月先まで点予測と信頼区間付きで出てくる。シンプルです。

もちろん、これで全部解決するわけじゃない。プロモーションの影響とか、競合の動きとか、外部要因を組み込むには工夫が要ります。でも「まず試してみる」ためのハードルがかなり下がったのは事実です。

中小企業にとっての意味

私が関わってきた現場では、需要予測って「勘と経験」で回してきたところが多い。それが悪いとは言わないけど、SKU数が増えたり、多チャネル展開したりすると、人の感覚だけじゃ追いつかなくなる。

TimesFMのようなモデルが普及することで、「AIを使いこなす側」に早めに回れる会社と、そうじゃない会社の差が広がっていくと思います。

ツールはもう出てきています。あとは「どう使うか」を考える人間の側の話なんですよね。

---

*著者：SHINJI*

← ブログ一覧に戻る