Confluent Intelligenceの新機能：Real-Time Context Engineのアップグレードや新しいモデルのサポート、ML関数など

AI モデルがますます使い分け可能になる中で、重要なのは「どの大規模言語モデル（LLM）を選ぶか」ではなく、エージェントがビジネスのリアルタイムな状態を把握し、それに基づいて行動できるかどうかです。コンテキストに基づいて行動できることこそが、本当の競争優位性となります。コンテキストが古く、分断され、脆弱なポイントツーポイント連携の後ろに閉じ込められていたら、どれほど優れたモデルであっても本番環境で信頼性の高い意思決定をすることはできません。

Confluent Intelligence は、この問題を解決するために開発されました。Confluent Intelligence は Confluent Cloud 上で提供されるフルマネージドのサービスです。Apache Kafka® と Apache Flink® を統合したデータストリーミングプラットフォーム上で、リアルタイム性、豊富なコンテキスト、高い信頼性を備えた AI システムを構築できるのです。Confluent Intelligence を使うことで、インフラをつなぎ合わせることなく、業務のイベントをストリーミングで処理できるほか、外部データを継続的に取り込みながらデータをエンリッチできます。また、組み込み ML を適用し、Streaming Agents や AI アプリケーションに常に最新のコンテキストを提供できます

今回Confluent Intelligenceは新たなフェーズへ進化しました。強力なReal-Time Context Engineの一般提供（GA）、エージェント機能の拡張、より多くのモデルオプション、リアルタイム AI 向けの新しい ML 関数が追加されました。

2026 年第 2 四半期：Confluent Intelligence の新機能

以下の新機能が追加されました。

• Real-Time Context Engine (GA):今回のアップグレードには、低レイテンシで高度なクエリ機能が含まれます。フィルター（Filters）、範囲指定（Ranges）、複合クエリ（Compound Queries）、射影（Projections）、並べ替え（Ordering）などに対応し、エージェントは外部データベースに依存することなく豊富なコンテキストへアクセスできます。

• Streaming Agents (GA): Apache Flink と Apache Kafka 上でネイティブに動作し、本番環境に対応するイベント駆動型エージェントです。一般提供が開始され、エンタープライズグレードの機能も提供されます。

• Agent Management Console (GA): Streaming Agents を大規模に作成および運用するための、UI ベースの集中管理機能です。

• 追加のモデルをサポート:

  • TimesFM（EA：アーリーアクセス）: ストリーミングパイプラインに組み込まれる時系列予測モデル

  • Anthropic (GA): Anthropic モデルをネイティブサポート

  • Fireworks AI (GA): 最適化された基盤モデルの広範なカタログへのアクセス

• 組み込みML関数:

  • 多変量解析異常検知（OP：オープンプレビュー）: アーリーアクセスからオープンプレビューへ移行。複数のメトリクスを相関分析し異常を検知

  • PII検出（GA）: 機密フィールドをリアルタイムで自動的に検出してマスキング

  • センチメント分析（EA）: イベントやテキストのストリームに対してセンチメントスコアを付与し、カスタマーサービスや業務に活用

重要な領域について詳細をご説明します。

Real-Time Context Engine (GA): ライブテーブルに対する高度なクエリ

Real-Time Context Engineは、MCP 経由であらゆる AI エージェントまたはアプリケーションに低レイテンシで最新コンテキストを継続的に提供できます。これまでこの機能はプライマリキーによるルックアップを中心としており、エージェントに対して行単位での超高速な取得を提供していました。新機能が GA になり、低レイテンシのコンテキストエンジンとしての役割が拡張され、個別のデータベースを立ち上げたり管理したりすることなく、より柔軟にテーブルへクエリできるようになります。

今回の GA により、Real-Time Context Engineには、以下の機能が追加されます。

• 低レイテンシでの拡張クエリがサポートされ、フィルター（Filters）、範囲指定（Ranges）、複合クエリ（Compound Queries）、射影（Projections）、並べ替え（Ordering）など、ストリーミングデータでより高度なクエリに対応しました

• あらゆる規模への柔軟な対応：ストリーミングデータのボリュームおよび種類の多さに合わせてスケールするよう設計されており、トラフィックが増加しても別のRDBへ移行する必要はありません

• すべてのスキーマ形式に対応：

  • すべてのスキーマタイプ：AVRO、JSON、Protobuf、スキーマ進化にも対応

  • ネスト値：ネスト構造および複雑なデータ構造に対するファーストクラスサポート

  • すべてのデータ型：character、string、integer などの幅広いデータ型をカバー

• TerraformおよびUIによる管理・操作のサポート：

  • Real-Time Context Engineに取り込まれるトピックの有効化/無効化

  • エージェントおよびその他 MCP クライアントで使用されるツール記述の更新

  • テーブルの公開範囲およびプラットフォーム自動化の一部としてのライフサイクルのプログラム的管理

多くのチームにとって、AIを本番環境で運用する際の最も難しい課題はコンテキストエンジニアリングです。つまり、意思決定のタイミングで、適切で最新かつガバナンスされたデータの一部を組み立てることです。詳細はeBook「AI のためのコンテキストエンジニアリング完全ガイド」（英語）を参照してください。Confluent CloudのReal-Time Context Engineのドキュメントはこちらで入手できます

ユースケース：リアルタイム与信

銀行は、顧客プロファイルとリスク分類、直近一定期間のトランザクションデータ、デバイスフィンガープリント、地理的パターンといったテーブルを保有している場合があります。新しい与信申請があった際、エージェントは以下を実行できます。

1. Real-Time Context Engineを使用し、最新コンテキストへアクセスし、必要に応じて動的に高度なクエリを実行

2. 組み込みML関数によって異常を検知し、申請内容の矛盾や不整合を検出

3. Flink SQLからLLMを直接呼び出し、説明を生成

4. 承認/否認/要検証の意思決定を数時間や数日後ではなくリアルタイムで実行

Streaming Agents（GA）およびAgent Management Console（GA）：本番環境に対応するイベント駆動型AI

Streaming Agentsは、AIエージェントをデータストリームに直接組み込みます。イベント駆動型のStreaming Agentsは、データウェアハウスをポーリングしたり、バッチスナップショットに依存したりせず、ライブのビジネスシグナルを継続的に監視し、リアルタイムで自律的にアクションを実行します。

Streaming AgentsがGAとなったことで、99.99%のSLA、本番環境サポート、高スループットストリームを処理する長時間稼働エージェントに対する一貫したランタイム動作等のエンタープライズグレードな信頼性が提供されます。また、エージェントリフレクションパターンが提供されます。これは、エージェントがストリームに単一の信頼できるイベントを出力する前に、自身の出力を反復的に振り返り、改善する仕組みです。クイックスタートとドキュメントを利用すれば、数分でイベント駆動型エージェントの構築を開始できます。

Agent Management Consoleにより、Confluent Cloud UIでStreaming Agentsをより柔軟に運用管理できるようになりました。Agent Management Consoleにより、これらの機能を 1 つの画面で視覚的に管理できるようになります。Streaming Agentsは正式な管理リソースとして表示されるため、開発者やプラットフォームチームは、コードを追わなくても、エージェントの入力・出力、プロンプト、モデル、ツール、テーブルなどがどのように接続されているかを確認できます。

新しいAgent Management Consoleにより、チームは以下を実行できます。

• エージェントの可視化と管理：すべてのエージェント、ステータス、および重要な設定を1か所で確認でき、SQLやジョブを個別に追う必要はありません

• 開発サイクルの加速：プロンプト、モデル、ツール、データフローを、コードだけでなくガイド機能のあるコンソールから作成して改善できます

• 信頼性の高い運用：サンプル入力でエージェントをテストし、ライブ実行を監視し、ログを確認することで、精度、レイテンシ、信頼性を改善できます

Agent Management Consoleは、AI チーム、データチーム、プラットフォームチームが、エージェントの構成や本番環境での挙動について共同で管理・改善を行うための基盤となります。これにより、Confluent Cloudの他のコアサービスと同様の厳格な運用管理をエージェントにも適用できます。

すべてがイベント駆動型かつ再生可能であるため、パイプラインやエージェントロジックを、完全な可観測性と監査性を維持したまま継続的に改善となります。

多変量解析異常検知（OP）、PII 検出（EA）、センチメント分析（EA）：ML 活用をよりシンプルに

2026 年第 1 四半期では、複数のメトリクスを相関して異常を同時に検知するための組み込みML 数として、多変量解析異常検知をプレビュー版として導入しました。今四半期、この機能はオープンプレビューへ移行し、さらに信頼性およびカスタマーエクスペリエンスの向上を主な目的とした2つの新しいML関数がアーリーアクセスとして追加されました。

多変量解析異常検知

多変量解析異常検知は、単一の指標が静的なしきい値を超えたかどうかだけで判定するのではなく、複数のシグナルを1つのベクトルとして扱い、指標を組み合わせた振る舞いが異常かどうかを検知します。

このユースケースには以下が含まれます。

• 不正検知：取引金額、加盟店カテゴリ、デバイス、位置情報を単一の特徴ベクトルとして組み合わせ、リスクの高い行動を検出します

• 予防保全：生産機器全体の温度、振動、圧力を監視し、初期の故障パターンを検出します

• カスタマーサービス業務：PV数、カートの行動、遅延など複数のシグナルにまたがる異常を検出し、実際のコンバージョン問題を検知できます

PII 検出およびマスキング

PII 検出およびマスキングのための新しいML 関数は、ストリーミングデータ上で動作し、機密データを保護するのに役立ちます。この機能は、Apache Kafkaを流れるストリーミングデータ内の氏名、住所、電話番号、メールアドレス、IDなどの一般的なPII（個人情報）を検出し、機密フィールドをリアルタイムでフラグ付けまたはマスキングしたうえで、コンプライアンス要件に準拠したクリーンなデータを下流のトピックへ出力します。カスタムソリューションを構築したり、データをウェアハウスへ移動したりせずに、チームは単一のSQL関数呼び出しでPIIを保護できます

このユースケースには以下が含まれます。

• AIの安全性：テキストやイベントを AIパイプラインおよび外部のLLMへ送信する前にPIIをマスキングします

• データガバナンス：チームやアプリケーション全体で一貫したマスキングポリシーを適用します

• 規制遵守：コンプライアンスチーム向けに違反を検出し、機密情報が平文のまま境界の外部に出ないようにします

センチメント分析

センチメント分析用の新しいML関数はストリーミングデータに対して実行され、顧客向けのテキストの感情的ニュアンスをリアルタイムでスコアリングします。また、コスト、品質、待ち時間、サポートなど特定の観点ごとにセンチメントを分析することも可能です。構造化されたセンチメントシグナルをApache Kafkaトピックへ直接出力することで、システム内で送信されるイベントの中で、ユーザーが何に不満を持っているのかを検知できるようになります。これにより、センチメント分析はバッチジョブから、即座にアクションへつなげられるリアルタイム処理へと進化します。詳細については、こちらのドキュメントから確認できます

このユースケースには以下が含まれます。

• カスタマーエクスペリエンスのライブ監視：ユーザーがサービスを利用している最中に、待ち時間やサポートに対するネガティブなセンチメント（感情）を検出します

• インシデントおよびエスカレーションワークフロー：チケットやチャットにおけるセンチメントの変化に基づいて、アラートの発行や適切な担当への振り分けを行います

• プロダクトおよび価格のフィードバックループ：ローンチ、プロモーション、障害発生に対するユーザーの反響を即座に把握します

• エージェント駆動型システム：構造化されたセンチメントシグナルを直接 Apache Kafka上のStreaming Agentsへ提供したり、Confluent Intelligenceにおける異常検知パイプラインの一部として利用できます

アーリーアクセスに参加登録すると、PII 検出およびセンチメント分析向けのML関数を試用することができます

TimesFM、Claude、Fireworks AIのサポート

Confluent Intelligenceは、特定のモデルに依存しない設計を採用しています。ユーザーは任意のモデルを利用でき、Confluentはリアルタイムかつガバナンスに対応したコンテキストとストリーミングインフラを提供します。第2四半期では、時系列予測およびLLM 領域にわたる新しいオプションが追加されます。

TimesFM（EA）：時系列データに対する時系列予測

TimesFM のサポートにより、最先端の時系列予測モデルをストリーミングパイプラインから直接呼び出し、イベント到着と同時にトラフィック、需要、リソース使用量をリアルタイムで予測できます。

新しいAI_DETECT_ANOMALIES関数は、Google Researchが提供する時系列予測向けに設計された基盤モデルのTimesFM 2.5 を採用しています。この機能はインコンテキスト学習を実行し、過去データを入力として提供することで、モデルが予測パターンを学習しやすくなります。これは既存のML_DETECT_ANOMALIESとは異なります。ML_DETECT_ANOMALIESはARIMAベースの統計的予測を使用しており、伝統的な時系列分析手法に基づくアプローチです。新しいAI_DETECT_ANOMALIESはそれをさらに進化させ、大規模な時系列データセットで学習されたマネージド基盤モデルを使用することで、より高度なパターン認識をすぐに利用できます。これは、信頼性の高い電卓から、時系列データの振る舞いを理解できるモデルへ進化したものと考えるとわかりやすいでしょう。詳細については、こちらのドキュメントから確認できます

これらの予測結果は、Streaming Agentsがオートスケーリング、補充、動的価格設定などの自律的なアクションを開始するために使用できます。

Anthropic Claude（GA）および Fireworks AI（GA）：柔軟性とセキュリティ

Confluentは、Apache Flinkベースのリモートモデルサポートを拡張しました。これにより、チームは自分のAnthropicおよびFireworks AIアカウントをストリーム処理ワークフローに直接統合し、高度なリアルタイムAIアプリケーションを構築できます。

• Anthropicのサポート：Claudeの高度な推論能力をデータストリーム内で直接活用できます。（ドキュメントを見る）

• Fireworks AIのサポート：低レイテンシで最適化されたオープンソースモデル（例：Llama 3、Mistral）を利用できます。（ドキュメントを見る）

このアプローチにより、よりシンプルでコスト効率の高いAIパイプラインを構築できます。モデルはクラウドサービスプロバイダー（CSP）を経由することなく、ユーザー自身の認証情報を用いてFlink SQLから直接呼び出すことが可能です。さらに、Real-Time Context Engineによるコンテキスト、ベクトル検索、組み込みMLと組み合わせることで、モデル推論の出力を常に最新かつ信頼できるデータに基づかせることが容易になります。

Confluent Intelligenceはモデル選択の柔軟性を提供し、チームが用途に応じて最適なツールを利用できるようにします。Claudeの推論能力が必要な場合でも、Fireworksの超高速性能が必要な場合でも、あるいはその両方を組み合わせる場合でも、AIパイプラインの一部として利用可能です。また、モデルを安全かつユーザー管理下で運用できます。自分のアカウントを使用することで、APIキー、レート制限、モデル構成を完全に制御できます。

Confluent Intelligence でリアルタイムかつコンテキスト豊富な AI の構築を始めましょう

AI をサイロ化された実験段階から本番システムへ移行するには、スナップショットではなく、発生した運用イベントにリアルタイムで対応する Streaming Agentsが必要です。Real-Time Context Engineは、AIアプリケーションに対して信頼できるコンテキストを継続的に提供します。また、AI/ML関数は複雑な異常検知、PII保護、センチメントの理解をリアルタイムで支援します。これらはすべて、任意のクラウドプロバイダー上で安全に利用できる、モデル非依存のエコシステム上に構築されています。

Confluent Intelligenceはこれらすべてを、KafkaおよびFlinkによって支えられた完全マネージドのプラットフォームとして統合します。これにより、ビジネスを前進させるAIの構築に集中できます。

今すぐ始めましょう。

• Confluent Cloudにサインアップして、クラスタおよびトピックで Confluent Intelligenceを有効にしてください。

• TimesFM、PII検出、センチメント分析のアーリーアクセスに登録すると、コードや MLの専門知識がなくてもデータストリーム上にMLを直接適用できます。

pache®、Apache Kafka®、Apache Flink®、Flink® およびそれぞれのロゴは、米国およびその他の国における Apache Software Foundation の商標です。これらの商標の使用は、Apache Software Foundation による承認や推奨を意味するものではありません。その他のすべての商標は、それぞれの所有者に帰属します。