⚠️ 本記事は Jev の本番常時接続レポートでも、ベンチマーク勝ち負けの記事でもありません。
「生成AIが苦手な人が、なぜ判断特化AIには違和感が少ないのか」を個人的な発見として整理した設計・考察の読み物です。2026-09-20 時点で Jev を業務フローに常時接続しているわけではないことを先に明示します。文中のconfidenceや score などの数値は、すべて説明用の架空値です（太字で繰り返し注記します）。
生成AIが嫌いな私が、なぜ判断特化AI「Jev」には違和感を覚えなかったのか。
2026-09-20｜ChatGPT や Claude が「丁寧な段落」を返すたびに、なぜかイラッとする人は少なくない。一方で n8n の IF やスパムフィルタは、文章を書かずラベルだけ返す。**嫌われるのは「賢い機械」より「人間のふりをして話す機械」**かもしれない——そんな仮説から、TypeSafe の判断特化モデル Jev を眺め直したメモ。
三部作の位置づけ:
| 弾 | 焦点 | 記事 |
|---|---|---|
| 第一弾 | n8n への差し込み・質問設計 | n8nのIFノードをAIにしたらどうなる？判断特化AI「Jev」を実戦投入してみた |
| 第二弾 | 管理職メタファー（GO / REVIEW / STOP） | Claudeに仕事をさせる前に上司を置いたら事故は減るのか？判断特化AI「Jev」を管理職にしてみた |
| 第三弾（本稿） | なぜ受け入れやすいか（思想・心理） | 技術配線より「嫌いの正体」 |
公開メモ（人間作業）: Qiitaキャンペーン: 判断特化AI「Jev」で遊ぼう！ — 公開時に Qiita UI で「参加する」＋公開設定でキャンペーンを選択する。
はじめに：アンチAIと言い切らない
私は SNS で「AI最高」とは言わない。ニュース記事の生成画像、自信満々の長文回答、**「わたしとしては」**と主語を取るチャット——どれも、用途次第では便利なのに、胃のあたりが重くなることがある。
それでも仕事では n8n と LLM を使う。矛盾に見えるが、ここ数年で分かったのは 「AIが嫌い」は一語で言い過ぎだということ。嫌いの成分を分解すると、だいたい次に落ちる。
| 嫌いの成分 | 具体例 | 別物か |
|---|---|---|
| 倫理・環境・労働 | 学習データ、電力、代替不安 | 生成そのものと独立 |
| 品質・責任 | ハルシネーション、誰が責任を取るか | 生成AIに顕著 |
| 体験・違和感 | 人間のふり、余計な共感、長文 | 本稿の焦点 |
| 自動化への不信 | 「勝手に送るな」 | 実行系の問題（第二弾） |
本稿は説得ではなく発見のメモだ。読者を Jev ユーザーに変えるためではなく、「文章を書かない AI」が心理的に別カテゴリに入る理由を言葉にする。
なぜ嫌いだったのか——生成が主役のとき
問い合わせ下書きを ChatGPT に頼むと、返ってくるのはだいたいこういう塊だ。
（例・要約）お問い合わせありがとうございます。ご不便をおかけし申し訳ございません。
状況を拝察いたしますと、〇〇の可能性がございます。以下の手順をお試しください……
（以降、数百文字）
読みやすい。丁寧。でも 「誰が言っているのか」が曖昧なまま、完成品が届く。編集する前に、すでに他人の文体が画面を占める。ここが、キーワード IF やスパム判定には無いストレスだ。
一方、同じ「このメールは営業か？」を Jev（System One / 判断特化）に聞くと、返るのはだいたい JSON だけだ（Introduction）。
{
"is_sales": { "choice": "yes", "confidence": 0.91 },
"needs_human": { "noul": 0.72, "confidence": 0.88 }
}
※上記の confidence・noul は説明用の架空値です。
段落がない。謝罪もない。機械が機械のまま返す。 第一弾で書いた「LLMの代替ではない」という話と同じで、ここでは 読むべき散文が存在しない。
スパムフィルタはなぜ怖がられないか
極端な比喩をあえて使う。
メールのスパムフィルタは、ユーザーに「あなたのメールは怪しいので、心よりお詫び申し上げ……」とは書かない。スコアかラベルで裏方に消える。迷惑メールフォルダも、だいたい説教されない。
つまり社会は長い間、文章を書かない機械を受け入れてきた。怖いのは「判定そのもの」より、判定結果を人間の口調で包装して押し付ける体験のほうかもしれない。
生成AIは後者に寄りやすい。Jev は前者に寄せられる——出力 $0 の判断 API というより、**「判定エンジン」**として設計されている（Introducing Jev）。
「高性能な if 文」だけでは片付けない
第一弾では、Jev を 「賢い if 文」だけと呼ぶと誤解が生じる、と書いた。キーワード IF は揺れと否定に弱い。Jev は Choice / Score / Noul と 確信度を型として返し、複数質問を1リクエストに載せられる——ここまで来ると、単なる if (text.includes("返金")) ではない。
ただし心理面では、**if 文に近い「距離感」**が効いている側面もある。
- 入力: 状態（
state）＋質問（questions） - 出力: ラベルと数値（散文なし）
- 役割: 分岐のための信号（n8n の Switch の中身）
つまり実装イメージは「分岐」、アーキテクチャ上の呼び方は 「判断を API 化した AI」 や 判定エンジン——両方 true で、矛盾しない。第二弾の「管理職は長文を書かない」とも同じ線だ。
あれ？思ったほど嫌じゃない
Jev のレスポンスを初めて見たとき、正直 「は？」 だった。期待していた「AIっぽい説明」が来ない。JSON だけ。少し拍子抜けする。
その拍子抜けが、後から効いてくる。作文を奪い合わない。 下書き係（Claude / GPT）と、門番（Jev）が同じ机に座っていない——第二弾の組織図そのものだが、心理でも 役割が被らない。
中盤で刺さったのは、自分への言い訳のような一文だった。
私はAIが嫌いなのではない。AIが人間っぽい顔をして、自信満々に作文することが嫌だったのかもしれない。
嫌いの正体が「技術」ではなく 「振る舞い」 に寄っているなら、振る舞いを変えたモデルは別枠で評価できる。Jev は 人間のように振る舞わない 設計に寄せられる（System One = 生成ではなく判断）。
ChatGPT と Jev を並べる（同じ state、別の出力）
同じ入力（架空の問い合わせ1行）を想定した対比表。confidence は説明用の架空値。
| ChatGPT（生成） | Jev（判断） | |
|---|---|---|
| 求めること | 「返信案を書いて」 |
category / urgency 等を Choice・Score で |
| 出力の形 | 数百文字の日本語 | JSON のみ |
| 読後感 | 編集前に文体が乗る | 信号だけが残る |
| 自動化で怖い点 | そのまま Send に繋がると人間の手紙 | そのままでは送れない（分岐用） |
| 架空 confidence | （生成モデルは別概念） | 0.91（架空） |
生成 AI は コンテンツを届ける。Jev は 次のノードを選ばせる。用途が違うので、好き嫌いも別軸で測れる。
Jev を礼賛しない
ここまで読むと「Jev 福音」と誤解されやすいので、はっきり書く。
- 間違える — 否定や間接表現でズレる報告もある（例: Zenn: 48回試した）。
- バイアスは消えない — criteria を書いた人間の偏りがそのまま Choice に乗る。
- 万能ではない — 文案改善・共感・説明は向いていない。やらせると第二弾の「課長の失敗パターン」になる。
第一弾・第二弾も、API 接続や本番常時接続は 未完了または設計段階と書いた。第三弾から「Jev 最強」を足すつもりはない。
それでも、私の予感として 生成 AI より先に「判断 AI」が社会の裏側に浸透する気がする。表に出るのは ChatGPT の段落。裏では、すでにスパム判定・与信・ルーティングのように ラベルだけ返す層が増えていく。Jev はその延長線上に 名前と型が付いた、と個人的には見ている。
結論
| 観点 | 生成 AI（ChatGPT 等） | 判断 AI（Jev 等） |
|---|---|---|
| 主な出力 | 自然言語 | 型付き JSON |
| 心理的距離 | 近い（作文） | 遠い（計器） |
| 自動化で争点 | 「誰の言葉か」 | 「閾値と責任分界」 |
| n8n での位置 | 下書き係 | Switch の中身（第一弾） |
ChatGPTは人間のように振る舞う。Jevは人間のように振る舞わない。だから私は、Jevのほうが信頼しやすかった。
配線や管理職メタファーは第一弾・第二弾に任せ、本稿は 「嫌い」の分解だけ。次に手を動かすなら、自分がイラッとする体験が 「生成」側か「実行」側か「振る舞い」側か をメモする——それだけで、Jev を置く場所（前段の分岐）が見えやすくなる。
実装チェックリスト
- 嫌いの原因を「生成 / 実行 / 振る舞い / 倫理」に分けて書く（本稿の表をコピー可）
- LLM ノードの直後に Jev を置くか、直前に置くかを第二弾の GO 設計と揃える
- Jev に「丁寧な説明文」を頼まない
- confidence 閾値は 架空値から始め、自社文面で再校正（第一弾の注意）
-
公開前
bash ops/confidentiality-scan.sh public/jev-for-anti-ai-2026-09-20.md
失敗パターン
パターン1: アンチAIだから Jev も拒否
→ 出力が JSON だけなら、スパムフィルタと同じカテゴリで試せる。
パターン2: Jev の JSON をそのままユーザーに見せる
→ 裏方の信号。表に出すのは人間が書いた文案（LLM 下書きを編集したもの）。
パターン3: 「信頼しやすい＝正しい」
→ 信頼は UX。精度は別途検証（第一弾・第二弾のゲート設計）。
パターン4: 第三弾だけ読んで n8n 配線を真似る
→ 第一弾（差し込み）＋第二弾（役割）をセットで読む。
参考リンク
- 第一弾: n8n × Jev 設計検証
- 第二弾: Jev を管理職に
- TypeSafe Docs: Introduction
- Introducing Jev / System One
- Qiitaキャンペーン: 判断特化AI「Jev」で遊ぼう！
この記事を書いた人✏️@YushiYamamoto
ITPRODX.com代表 / AIアーキテクト
Next.js / TypeScript / n8nを活用した自律型アーキテクチャ設計を専門としています。
日々の自動化の検証結果や、ビジネス側の視点（ROI等）に関するより深い考察は、以下の公式サイトおよびnoteで発信しています。