この図解の案内人
けんさん
案内人個人事業主として、Web・写真・AI活用などに日々向き合っている案内人。現場で試しながら、本質を丁寧に整理する。
まりなさん
受け手けんさんのアシスタント。一般人目線で素朴な疑問や感想を代弁し、読みやすさをサポートする。
AI先生
整理係日々の対話相手であるLLMを擬人化した存在。親しみを込めて「先生」と呼ぶ、構造化の頼れる相棒。
まりなさん 受け手 — 導入 最近よく聞く生成AIって、文章やイラストを考えて作るイメージがありますよね。でも「判断するAI」のJevって、一体何が違うんですか？
けんさん 案内人 — 本質化 そうだなぁ…AIに毎回長い文章を考えさせるんじゃなくて、「あらかじめ決まった選択肢からどれか1つを瞬時に選ぶ」ことに特化した新しいAIなんだよね。現場の仕事をどう流すかという、交通整理の主役なんだ。
「文章を考えるAI」から、「選択肢をすばやく決めるAI」へ。
仕事を流す「判断」に特化することで、圧倒的な速さとブレない安定性を実現する
文章を作る頭脳
入力文を深く推論して自由記述
企画・提案・要約・コード作成
応答：約700ms〜数秒
瞬時に仕分ける反射神経
文章は一切書かない（非生成型）
決まった選択肢から確率付きで1つ選ぶ
応答：155ms（約4.5倍高速）
完全一致のルール処理
決まっている条件式を評価
URL一致・ID照合・数値比較
応答：0.1ms・完全無料
AI先生 整理係 — 構造化 従来の生成AIが「じっくり文章を練る頭脳」だとすれば、Jevは「瞬時に仕分ける反射神経」と言えます。まずは前提となる最新の技術背景から、順に紐解いていきましょう。
前提知識 ― TypeSafe AIと「システム1モデル」とは？
人間の思考モードに学ぶ2つのAIアプローチ
熟慮するAI（従来の生成AI）
- 代表例：ChatGPT, Claude, Geminiなど
- 働き：1文字ずつ文章を生成しながら、じっくり論理的に推論する
- 得意：企画の立案、長文の要約、相談、コードの執筆
- 課題：1回ごとに数秒かかり、利用コストも高め
直感で判断するAI（Jev）
- 提唱元：TypeSafe AI（元OpenAI研究者 Diogo Almeida氏が創業・2026年9月発表）
- 働き：文章は一切書かない。あらかじめ用意した選択肢から確率付きで1つ選ぶ
- 得意：カテゴリの振り分け、合格/不合格判定、ルーティング
- メリット：わずか0.1秒台で即答、コストは数分の一、ブレない
いま世界で注目されているTypeSafe AIは、元OpenAIの研究者であるDiogo Almeida氏が立ち上げたAIスタートアップです。彼らが2026年9月に発表したJevは、業界初となる「システム1モデル」という新しいカテゴリのAIです。
心理学（ノーベル賞受賞者ダニエル・カーネマンの理論）では、人間の思考を「直感的な反射（システム1）」と「じっくりした熟慮（システム2）」の2つに分けます。これまでの生成AIはすべて「熟慮して文章を紡ぎ出すシステム2」でした。
しかし実際のビジネスやソフトウェアでは、「長い文章を考えてほしいわけではなく、ただ次の行き先をパッと決めてほしいだけ」という場面が数多くあります。Jevはそうしたプログラム直結の判断（Decision）だけを行うために生まれた、全く新しいタイプのAIです。
まりなさん 受け手 — 代弁 なるほど！「文章をじっくり練る頭脳」と「瞬時にパッと振り分ける反射神経」を分けたんですね。だから文章を書かずに、判定結果の選択肢だけを返してくれるんだ！
Jevが得意なこと ― 答えの候補が決まっている仕分け
依頼文から行き先判定へのステップフロー
依頼の到着
「十字屋珈琲の注文アプリの提案書を整理したい」
意味と意図の読解
単語の完全一致ではなく「文脈と主目的」を読み取る
確率付きの判断
client-work : 98%
internal : 2%
その他3つ : 0%
次の処理へ直結
提案書は書かず、即座に担当窓口へ振り分ける
Jevの最大の役割は「仕事をすること」ではなく、「仕事をどこへ流すべきかを判断すること」です。
たとえば普通のプログラム（キーワード検索など）では、「十字屋珈琲」という固有名詞や、「提案書を整理したい」という文脈のニュアンスを汲み取ることが難しく、ルールが増えるほど誤判定が増えてしまいます。
一方Jevは、自然言語の意味をしっかり理解した上で、あらかじめ定められた5つの行き先の中から「どれが最も適切か」を確率つきで瞬時に返してくれます。
けんさん 案内人 — 本質化 要は、オフィスの総合受付や郵便の仕分け人と同じなんだよね。提案書そのものを書くのは別の専門家に任せて、自分は迷わず正しい窓口へ届けることに徹しているんだ。
4つの役割分担 ― Code・Jev・LLM・Human
仕事の性質に応じた4層の適材適所
AI活用というと「何でも生成AIに投げれば解決する」と考えがちですが、それはシステムを重くし、費用を跳ね上げ、回答のブレを招く原因になります。
「決まっていることはプログラムで処理する」、「文脈を読んだ仕分けはJevに任せる」、「自由な発想や文章作成は生成AIに任せる」、そして「全体の基準と責任は人間が決める」。
この4層の適材適所の設計こそが、現場で本当に安定して動き続ける仕組みをつくるための鉄則です。
まりなさん 受け手 — 共感返し なんでもかんでもAIに頼むんじゃなくて、普通のプログラムで済むところはプログラムに任せた方が、安くて確実なんですね！
実際の検証結果 ― 未見50件のブラインドテスト
50件の未見テストケースに対する3方式の直接比較
※開発時に学習・調整していない新規50ケースで検証
既知のルールには完璧だが、短文（60%）や砕けた口語（60%）で大きく失点。
3回繰り返しても判定ブレがゼロ。高速・低コスト・高精度の三拍子が揃う。
文脈を読む力は最高峰。ただし常時動かすルーターとしてはやや重くコストもかかる。
実験の結果、非常にリアルな傾向が浮き彫りになりました。
ルールベースのプログラムは、事前に登録したキーワードには完璧に対応できるものの、「短い単語だけの指示」や「口語表現」になると正解率が76%まで急落しました。
一方のJevは、未見のテストケースでも94.0%の高い正解率を維持。さらに特筆すべきは、「各ケースを3回繰り返しても判断の一致率が100%（一切ブレない）」という決定論的な安定性と、生成AIの約4.5倍の速さ・1/4以下のコストで稼働した点です。最高精度を狙うなら生成AIですが、日々の仕分け役としてはJevが極めて実用的なバランスを示しました。
けんさん 案内人 — 本質化 最高性能のAIを常にフル回転させるのが正解とは限らないんだよね。速くて、安くて、ブレない。この実用性の高さこそがJevの本当の価値なんだ。
安全運用の工夫 ― 「AIの自信の度合い」を見る
よくある誤解
確率が高い（Confidenceが高い）からといって、絶対に正解とは限らない。
現場での正解
1位と2位の確率の差（マージン）を見て、AI自身が「迷っているか」を判定する。
マージンを活用した3段階の安全フィルター
自信あり（差 ≧ 0.40）
1位が圧倒的なので即座に目的先へ自動分岐（全体の約7割）
境界線（差 0.20〜0.40）
迷いが生じているため、再チェック候補としてマーク
判断不能（差 ＜ 0.20）
自動処理を止め、人間の確認画面または生成AIへ回す
AIを実務に組み込む際、一番危険なのは「間違っているのに自信満々に処理してしまうこと」です。
今回の検証でJevが誤判定したケースを詳しく分析したところ、1位と2位の確率差がわずか「0.22」まで縮まっており、AI自身が激しく迷っている状態が数値として明確に現れていました。
つまり、「迷っているときは無理に自動で通さず、人間に確認を求める」というフィルターをプログラムで1行挟むだけで、誤作動を未然に防ぎ、実質的な安全性を極めて高い水準に保つことができます。
けんさん 案内人 — 現場確認 迷ったときは無理をせず、そっと人にバトンを渡す。この安全装置があるからこそ、現場でも安心して自動化を任せられるんだよね。
まとめと仕事への活かし方 ― AI時代の新しい道具箱
迷ったときの技術選定ツリー
すべての前提：何を正解とし、どこに価値を置くかは「人間（Human）」が決める
まりなさん 受け手 — 理解確認 「とりあえず全部ChatGPTに聞く」じゃなくて、仕分け係のJevがいて、文章を考える生成AIがいて、ルールを守るプログラムがいる…みんなでチームを組んでいるみたいで、すごくスッキリ分かりました！
けんさん 案内人 — 次の一手 そうだね。新しい技術が出るたびに飛びつくのではなく、自分の仕事のどこに当てはめると一番無理なく続けられるか。その視点さえ手放さなければ、AIは本当に頼もしい相棒になってくれるからね。