Jevとは？ソフトウェアの中で判断を担うAI
Jevに渡すのは、判断材料と質問です。判断材料には問い合わせの文章などを、質問には「どの担当に送るべきか」などを指定します。すると、指定した候補から選んだ答えや、その候補ごとの確率が返ってきます。
使い方をイメージするため、次の架空の問い合わせを考えてみましょう。
パスワードを変更したのですが、ログインできなくなりました。
アプリ側で「請求」「ログイン」「不具合」「その他」という分類を用意し、Jevに選ばせる。その結果を受け取ったアプリが、該当する窓口に問い合わせを送る、という流れです。
ここで、分類を判断するのがJev、実際に送信するのが周囲のソフトウェアです。Jevを呼び出すだけで、問い合わせの解決まで自動化されるわけではありません。上の例も実際の出力ではなく、役割を説明するための例です。
Jevが注目される背景は？ChatGPTにつながる研究者の新しい挑戦
TypeSafe AIは2026年9月15日、Jevの早期アクセス提供を発表しました。CEOのDiogo Almeida氏は、OpenAIでChatGPTにつながる研究に携わった人物です。公式のチーム紹介では、RLHFやInstructGPTの研究への貢献が紹介されています。
RLHFは、人からの評価を学習に取り入れる手法です。人の指示に応じるAIの研究に関わったAlmeida氏が、今度はソフトウェアの自動化に向けたモデルを打ち出した。これがJevを理解するうえでの背景です。
発表で掲げたのは、判断に必要な時間と費用の削減でした。同社は応答時間を70〜500ミリ秒、つまり0.07〜0.5秒と説明しています。ただし、公開評価は主に米国西海岸から実施しており、日本からの利用でも同じ時間になるという保証ではありません。Jevの発表記事
ChatGPTとの違いは？返す答えの形が違う
ChatGPTのような会話型AIは、説明文やメール、コードなどを生成できます。Jevは、あらかじめ決めた答えの範囲で判断を返します。公式資料では、文章やコード、判断理由の説明を生成しないとされています。System Oneの公式解説
| 比べる点 | ChatGPTのような会話型AI | Jev |
|---|---|---|
| 答えの例 | 問い合わせへの返信文 | 問い合わせの分類 |
| 依頼の例 | 「おわびのメールを書いて」 | 「どの担当に送る？」 |
| 出力の使い道 | 人が読んだり、加工して使ったりする | アプリが次の処理を選ぶ材料にする |
| 自由な文章の作成 | できる | 生成しない |
役割分担を考えると、Jevで問い合わせを分類し、文章生成AIで返信案をつくる、といった組み合わせが想像できます。これは活用の一例であり、導入効果を確認した事例ではありません。
「Jevのほうが賢いか」という一つの比較だけでは、使いどころを判断しにくい製品です。まず、必要な出力が文章なのか、選択や採点なのかを分けると整理できます。
System Oneとは？小さな判断を組み合わせる考え方
System Oneという名前は、心理学者ダニエル・カーネマンが広めた、速く直感的な「システム1」と、時間をかけて考える「システム2」の区別に由来します。TypeSafe AIは、速く焦点を絞った判断をするモデルの名称に採用しました。人間の脳と同じ仕組みで動くという意味ではありません。公式解説
Jevには、主に3種類の質問方法があります。
| 種類 | 何を聞くか | 質問の例 |
|---|---|---|
| Choice | 候補の中から選ぶ | 「この問い合わせはどの分類？」 |
| Score | 定義した段階に沿って採点する | 「この不具合の深刻さはどの程度？」 |
| Noul | 条件に当てはまる確率を返す | 「この文章は返金を求めている？」 |
Scoreでは、それぞれの段階が何を意味するかを使う側が定義します。Noulは0〜1の数値を返し、1に近いほど「はい」と判断しています。0.5は「程度が中くらい」という意味ではなく、はい・いいえの判断が分かれている状態です。質問形式の公式説明
質問のつくり方もポイントです。「この顧客にどう対応すべきか」と大きく聞くより、「返金を求めているか」「緊急性があるか」などに分けます。複数の答えを、会社のルールに沿ってソフトウェア側で組み合わせる設計です。
たとえば「緊急性が高ければ優先キューへ」「分類が曖昧なら人が確認する」といった処理につなげられます。業務のルールを整理する作業は、使う側に残ります。
「高速」「ハルシネーションなし」はどこまで本当？
TypeSafe AIは、公式サイトで約194倍の高速化、約445倍の低コスト化を掲げています。これは特定の業務フローでの比較であり、同社自身も実際の改善幅の上限に近い数字になり得ると説明しています。公式発表の比較条件
公開されている評価は、セキュリティ対応や請求書処理など4種類の業務が対象です。また、判定の基準には他の高性能AIモデルの回答を使っています。人が確定した正解を使う試験や、あらゆる業務を代表する評価と同一視することはできません。公式評価サイト
もう一つ注意したいのが、「ハルシネーションなし」という表現です。公式発表で示すゼロは、定めた出力形式から外れないという保証に基づきます。すべての判断が正しいことを実測した数字ではありません。
先ほどの問い合わせで考えると、存在しない分類を勝手につくらないことと、「ログイン」を正しく選べることは別です。形式が正しくても、分類を取り違える可能性はあります。
確信度が高ければ、そのまま任せてよい？
ChoiceとScoreには、判断の確信度を示す「confidence」が付いています。これは選択肢などへの確率の分布を、一つの値にまとめたものです。Noulには、この項目は別途付きません。確信度の公式説明
確信度0.9を、そのまま「今回の答えが90％正しい保証」と読むのは適切ではありません。実際の業務データで、どの値のときにどの程度間違うかを確かめる必要があります。
問い合わせの仮分類と、実際にお金を返す処理では、間違えたときの影響が違います。公式資料も、行動ごとに基準を変え、不確かな場合は人や別の仕組みに回す設計を案内しています。
Jevの料金と使い方は？
2026年9月20日時点の公式モデル資料では、Jev 1.13の入力料金は100万トークンあたり0.042ドルです。出力トークンの料金は無料とされています。トークンは、AIが文章を処理するときの単位で、日本語の文字数とは一致しません。公式モデル・料金情報
仮に1回の入力が1,000トークンなら、入力料金の単純計算は0.000042ドル。1万回で0.42ドルです。実際には、質問文や判断材料の長さで使用量が変わります。これはJevへの入力費用だけの計算で、周辺システムの費用は含めていません。
公式サイトはウェイトリストを案内しています。利用可能になったアカウントでは、ブラウザ上のPlaygroundで判断材料と質問を入力して試せます。アプリに組み込む場合は、APIというソフトウェア同士をつなぐ窓口を使います。公式サイト／使い始め方
最初から業務全体を任せるより、分類先が決まっている問い合わせなど、答えを確認しやすい作業で試すと評価しやすいでしょう。人が付けた分類と比較すれば、速さだけでなく、どこで判断を誤るかも把握できます。
Jevについてよくある疑問
日本語でも使える？
公式資料では、日本語を含むCJKの文字を扱える一方、学習の中心は英語で、精度も英語が最も高いと説明しています。日本語でも同じ精度が出るとは限らず、自社の文章で検証することが必要です。言語対応
画像や音声を見て判断できる？
現時点で受け付けるのはテキストです。画像・音声・動画の直接入力には対応していません。画像の内容を判断材料にするなら、別の仕組みで文字やデータに変換する工程が必要です。入力仕様
JevだけでAIエージェントをつくれる？
選択結果を次の処理につなぐ仕組みはつくれます。ただし、外部サービスから情報を取得する、メールを送る、といった実行部分は周囲のソフトウェアが担います。文章で説明する必要がある場面では、文章生成AIなどを組み合わせることになります。System Oneの業務フロー
実際の業務への導入については、AIエージェントが実証実験で止まる理由を整理した記事でも解説しています。
まとめ
- Jevは、選択・採点・判定をソフトウェアに組み込むためのAI。必要な答えの形から考えると、文章生成AIとの使い分けが見えてきます。
- 高速化や低コスト化の数字には比較条件があります。形式を守ることも正解の保証ではなく、自分の業務での精度確認が欠かせません。
- 活用の鍵は、質問を小さく分け、曖昧な判断を人に戻せる設計です。日本語で使う場合も、確認しやすい作業から試すと適性を判断できます。
