採用事例・エコシステム

誰が使っているか

以下の採用企業はプロジェクトの ADOPTERS.md に記載された組織のみである。出典のある採用企業だけを含む。

組織	ユースケース	出典
Capital One	ML/AI ワークフロー・オーケストレーション	ADOPTERS.md
IBM Research Foundation Model Data Engineering Team	Foundation Model のデータエンジニアリング	ADOPTERS.md
Red Hat	ML/AI とデータのオーケストレーション (OpenShift AI のパイプラインは KFP ベース)	ADOPTERS.md
Sophotech	ML/AI とワークフローのオーケストレーション	ADOPTERS.md

これとは別に、GCP Vertex AI Pipelines は KFP DSL を採用している (Google Cloud ブログ)。これは KFP のオーサリング面の上に構築された製品であり、ADOPTERS のエントリとは別枠である。

採用のシグナル

2026-06-24 時点、GitHub REST API より:

• kubeflow/pipelines: 4,157 stars, 2,009 forks, open issues 457, コントリビュータ約 554。
• アンブレラの kubeflow/kubeflow: 15,742 stars。
• 最新リリースは 2.16.1 (2026-05-05 公開)。

CNCF は Kubeflow の health metrics を LFX Insights で追跡している (CNCF プロジェクトページ)。

エコシステム

KFP v2 は実行エンジンとして Argo Workflows にコンパイルして動き、リネージに ML Metadata (MLMD)、artifact に MinIO や S3 などのオブジェクトストア、メタデータに MySQL を使う (README.md の compatibility matrix)。Kubeflow 内の兄弟サブプロジェクトには Katib (ハイパーパラメータ調整と AutoML)、Trainer / Training Operator (分散学習)、KServe (推論、現在は独立)、Spark Operator がある。KFP DSL を消費するマネージド提供には GCP Vertex AI Pipelines がある。

代替候補

代替	違い
Flyte	最も近い競合。Kubernetes ネイティブで強い型付けと再現性。KFP は Argo に依存し、リネージに MLMD を使い、SDK を Vertex と共有する点が差
Apache Airflow	汎用ワークフロー/データ・オーケストレーション。タスク = コンテナ前提ではなく、ML ネイティブな artifact・リネージ・metadata 追跡が弱い
Metaflow	データサイエンティスト体験重視、当初 AWS 寄り
Prefect / Dagster	汎用データオーケストレーション。KFP は Kubernetes 上の per-step コンテナ実行と MLMD リネージが差
Tekton	CI/CD パイプライン。KFP はかつて Tekton backend を持ったが現在は Argo が主 (kfp-tekton は archived)

KFP を選ぶのは、Kubernetes 上で、artifact リネージ・ステップキャッシュ・マネージドバックエンドでも動く DSL を備えた ML パイプラインが欲しいとき。ML ではなくデータエンジニアリングが対象で metadata モデルが価値を生まないときは汎用オーケストレータを選ぶ。