AIといえば「質問すれば文章で答えてくれるもの」──ここ数年、私たちはそう思い込んできました。ChatGPTもClaudeも、聞けば流暢な文章を返してくれます。

ところが2026年9月15日、その常識にあえて逆らうAIが登場しました。名前は 「Jev（ジェヴ）」。作ったのは、米スタートアップ TypeSafe AI。中心人物は、ChatGPTの源流にあたる「InstructGPT」論文の共著者である元OpenAI研究者・Diogo Almeida氏です。

Jevの最大の特徴は、ひとことで言えば 「文章を書かないこと」。質問に対して長い説明を返すのではなく、判断（結果）だけを返します。開発元はこれを「スマートなif文」と表現しています。

Jevは「文章」ではなく「判断」を返す

普通のAI（LLM＝大規模言語モデル）は、何を聞いても文章で返そうとします。便利ですが、システムに組み込むには少し扱いづらい面があります。返ってくるのが自由な文章なので、「結局この問い合わせはサポート宛て？　請求宛て？」を機械が確実に読み取るには、もうひと工夫が要るのです。

Jevはそこを割り切りました。TypeSafeはJevを 「System One（システム・ワン）モデル」 と呼びます。人間でいう“じっくり考える思考”ではなく、「これはA？　B？」を瞬時に判断する反射的な処理に特化した、という位置づけです。

返せるのは、次の3種類の“限定された判断”だけ。しかもすべて確率（自信の度合い）付きで返ってきます。

  • 選ぶ（Choice）：あらかじめ決めた選択肢（最大255個）から1つを選ぶ。例：問い合わせを「営業／サポート／請求」のどれに回すか。
  • 点数をつける（Score）：決めた範囲の中で点数を返す。例：緊急度を0〜10で。
  • はい／いいえ（Noul）：「はい」の確率を0〜1で返す。例：この内容は人間の確認が必要か？

なぜ「スマートなif文」なのか

ここがJevの発想の核心です。

これまでは、複雑な判断ロジックを プロンプト（AIへの長い指示文）に英語や日本語でダラダラ書く のが普通でした。TypeSafeはこれを逆にします。判断は最小単位に分けてJevに投げ、それを組み合わせる段取りは、信頼できる普通のコード（if文）で書く。だから「スマートなif文」なのです。

たとえば、こう組めます。

「Jevに“この問い合わせは緊急か？”と聞く → 自信が高ければそのまま自動で担当へ振り分け、自信が低ければ人間に回す」

判断に確信度が付くからこそ、「AIに任せる部分」と「人が確認する部分」を、プログラム側できっちり線引きできる。これは、AIを“おしゃべり相手”ではなく “判断の部品” として使う、という考え方です。

売りは「速さ」と「安さ」──ただし開発元の主張

TypeSafeがJevで打ち出しているのは、圧倒的な速さと安さです。ただし、以下の数値はいずれも同社の評価によるもので、第三者による独立検証は現時点で確認できていません。読むときは「開発元の主張」として受け止めてください。

  • 速さ：多くの判断が 約100ミリ秒（0.1秒前後、幅は70〜500ms）で返る。文章を書くAIが数秒〜数分かかる処理と比べて桁違い、とする。
  • 安さ：入力100万トークンあたり 約$0.042、出力側はほぼ無料。
  • 総合効率：フロンティア級のLLMと比べて 「約190倍速く、約440倍安い」（同社評価）。

名前の「Jev」は、経済学者ウィリアム・スタンレー・ジェヴォンズに由来します。「効率が上がるとかえって需要が増える」という “ジェヴォンズのパラドックス” になぞらえ、「判断が極端に安くなれば、あらゆる場面に判断AIが入り込む」という賭けを込めた命名だそうです。

会話AIの“置き換え”ではない

誤解してはいけないのは、Jevは ChatGPTやClaudeを置き換えるものではない という点です。文章を書く仕事、相談に乗る仕事はこれまで通り会話AIの領分。Jevは、その周りで発生する 大量・高速・低コストの「判断」 を引き受ける、いわば裏方の部品です。

想定される使いどころは、たとえば次のようなもの。

  • 問い合わせメールの自動振り分け（ルーティング）
  • タスクや案件の優先度付け
  • 投稿・コメントの内容チェック（モデレーション）
  • 他のAIが出した答えの検証・ガードレール
  • 大量データの分類・仕分け

この流れは、実は最近このブログで追ってきたテーマと地続きです。「一番大きいモデルを何にでも使う」のではなく、用途に合った小さく速い部品を選ぶ時代へ──最強のAIが、選ばれない──自社モデルを作ったトムソン・ロイターと、「ちょうどいいAI」の時代で触れた“右サイズ化”、同じAIが30点から100点に──Nvidiaが見せた“主役はモデルじゃない”時代、モデル工場には60億ドルで書いた“モデルより周辺の作り込み”、そしてAIは安くなったのに、なぜ請求書は増えるのか ── エージェント時代の「隠れコスト」との付き合い方で扱った“トークンコストの現実”。Jevは、その延長線上にある答えのひとつです。

中小企業の持ち帰り

まだ開発者向けの段階で、日本語対応や国内提供の時期もはっきりしていません。今すぐ導入する話ではありませんが、考え方は今日から役に立ちます。

  1. 「AIに全部しゃべらせる」以外の道がある。判断だけを切り出して部品化すると、速く・安く・確実になる場面が多い。自社の業務で「毎日大量に繰り返す小さな判断」を探してみる。
  2. “自信が低いときは人へ”を前提に設計する。確信度で自動と手動を分ける発想は、Jevを使わなくても、AI業務化の基本設計として応用できる。
  3. 速い・安いの数字は鵜呑みにしない。魅力的な倍率は開発元の主張。導入時は必ず自社の実データで精度とコストを測る。

「AIとは文章を書くもの」という思い込みを一度外すと、自動化できる仕事の地図が少し広がります。Jevは、その地図を描き替える一手として注目に値します。

あわせて読みたい

参考

本記事は複数の公開情報をもとに作成しています。速度・コスト等の数値は開発元の発表・評価に基づくもので、独立した検証がなされたものではありません。