【革命】文章を書かないAIが速すぎる 確信度付きで即判断するJEVが開発現場を変える
【革命】文章を書かないAIが速すぎる 確信度付きで即判断するJEVが開発現場を変える
2026年9月にSystem One AIという会社が公開したJEVというモデルが、ソフトウェア開発の現場で注目を集めている。文章を書くAIではなく、ソフトウェアがそのまま使える判断を返すことに特化したAIだ。従来の言語モデルは人間のように自由な文章を返すのが得意だが、システムの中で使うには毎回文章の形が少し変わることが大きな問題だった。プログラムから呼び出して結果を使いたいのに挨拶が混ざったりフォーマットが崩れたりし、必要な情報だけを取り出すための後処理に手間がかかっていた。AIがどれくらい自信を持っているのかという確信度も数値として使いにくく、いつも自信満々に誤った答えを出してくる点も悩みだった。
JEVは答えだけをズバリ返す。例えばこれは緊急かどうかを0.999という値で返し、問い合わせの担当部署は技術部、感情はネガティブというように結論だけを出す。システムに組み込むなら自然な文章ではなく型付きの判断エンジンが必要で、プログラムにとって扱いやすい形は挨拶のない結論だけのデータだ。従来はAIの出力を解読するためのプログラムをわざわざ書いていたが、JEVならその手間を丸ごと省略できる。プログラマーのストレスも大幅に減る。
仕組みは判断材料となる状態と質問定義の2つを受け取る形だ。状態とはユーザーの文章や履歴、構造化データなどの入力情報で、質問としてチョイスとスコアとノールという3つの形式のどれかで聞く。チョイスはあらかじめ決めた選択肢から1つを選ぶ形式、スコアは評価や順位を数値で返す形式、ノールはイエスかノーかの確率を返す形式だ。すると型付きの答えと確率を計算して返してくる。分かりやすく言えば賢い条件分岐をAPIとして呼び出すイメージで、通常のプログラムだとルールを全部人間が細かく設定しないといけないところを、複雑で曖昧な情報からでもAIが自動で判断してくれる。しかも答えだけでなく確からしさという確信度も教えてくれるため、自信がない時は人間のスタッフに確認を頼むという使い分けができる。ソフトウェアの一部として判断を下す脳みそを直接組み込む感覚で、これまでのAIが人間とおしゃべりする相手だったのとは全く違う役割だ。
複数質問を一気に処理 型で縛ってエラーを消す
全体の流れもシンプルだ。業務アプリやエージェント側で入力文や履歴を状態として準備し、知りたいことを質問としてまとめてJEVに渡す。JEVは内部で並列サンプリングという技術で評価を行い、複数の質問を並行して一瞬で処理する。緊急度とカテゴリーと感情という3つの質問を一緒に投げても応答時間はほとんど変わらない。従来なら3回質問するか長い文章で全部答えさせる必要があったが、その待ち時間を劇的に減らせる。リアルタイムで判断が求められるサービスには欠かせない技術で、人間を待たせずに裏で瞬時に複数の条件をさばける。文章を組み立てる無駄な計算を省略して効率を極限まで高めた仕組みだ。
型安全な出力も重要な柱だ。出力を3種類に完全に限定することでプログラムのパース失敗をなくせる。パースとは受け取ったデータを使える形に変換することで、従来はAIが予想外の言葉を返して変換に失敗することがよくあった。JEVなら指定した型以外のものが返ってくることはなく、受け取った結果をそのまま条件分岐に直結できる。安全性が保障されているからこそ重要な業務システムにも組み込める。幻覚と呼ばれるAIが嘘の情報を作り上げる現象も理論上起こらない。自由な会話を奪う代わりに絶対の信頼性を手に入れた形だ。
90パーセントは本当に90パーセント 確率で自動化を回す
3つ目の柱がRLCDと呼ばれるキャリブレーション技術だ。予測の確率と実際の正解率を合わせることで、JEVが90パーセントの確信を出したら実際に約90パーセントで正解する状態を目指して学習している。従来の言語モデルは自信満々に誤る傾向があったが、RLCDによって返す確率の数値をそのまま信頼できるようになる。確信度が95パーセント以上なら自動処理し、それ以下なら人間のスタッフに回すという設定が機能する。確率がでたらめだと自動化の仕組みは動かない。従来の学習が好ましい文章を重視していたのに対し、RLCDは信頼できる確率を重視し、元OpenAIのメンバーたちが判断に特化して徹底的に鍛え上げたという。確率という客観的な指標でAIをコントロールできるようになり、便利な道具から頼れるシステム部品へ引き上げることができる。
性能面も圧倒的だ。問い合わせから応答までわずか70から500ミリ秒で、従来の言語モデルと比べて40倍から200倍も速い。ユーザーを待たせずリアルタイムで処理できる。コストも入力トークンが10億トークンあたり42ドルで、出力トークンを生成しないため出力コストは無料だ。文章を作る莫大なコストを省略したためけた違いの低コストを実現している。早くて安いからといって性能が低いわけではなく、判断タスクでは巨大な現場モデルと同等以上の精度を誇る。自由な文章生成はできないが組み込みやすさは抜群で、万能AIではなく判断タスクに特化した強力な道具だ。
実装イメージは問い合わせの自動振り分けが分かりやすい。決済サービスの接続に失敗したという問い合わせが来たら、その文章を状態として入力し、緊急度とカテゴリーを知りたいと質問する。JEVは瞬時に緊急度0.999で担当は技術と返し、システム側は優先対応の技術チームへ送る。緊急度が低ければ通常サポートへ回し、確信度が低ければ人間が直接確認するフローに流す。人間が一件ずつ読んでいた作業が自動化される。得意なのは分類や振り分け、優先度判定で、膨大なデータから瞬時に仕分ける作業に最適だ。逆に長文生成や会話、説明文作成は不得意で、従来の言語モデルとの使い分けが重要になる。導入の課題は質問の設計で、AIが正しく判断できる的確な質問と選択肢を用意する人間のスキルが必要だ。新しい技術のため評価の蓄積や運用ノウハウはこれから整備される段階だが、まずJEVで素早く分類して必要なものだけを大きな言語モデルに渡す前処理としての使い方が期待されている。
ネットの反応
これで株の自動取引するツールを作った。すでに30万円以上損している。
て言うか、普通のLLMでもYesかNoで答えてと言えばそう答えてくれるような気がする。
こいつが自信満々に嘘をつくことはないのか気になる。
凄さに気が付いていないとAIエンジニアとして二流みたいな空気が強くて息苦しい。ただのBERTじゃないのかと思っている。
AIの所感
文章を読ませる時代から判断を使わせる時代への転換点という表現がしっくり来た。挨拶のない結論だけのデータほどプログラムに優しいものはなく、後処理の消滅と確率の信頼性は現場の痛みを直接癒やす。株の自動売買で損をしたという笑えない報告もある通り、確信度をどう運用に織り込むかが腕の見せ所だと思う。持ちは持ち屋で、書くAIと決めるAIの分業が進めば開発の景色はかなり変わると感じた。