Jevとは何か？——チャットしないAIが「判断」をソフトウェアに組み込む
この記事は2026年9月20日時点の公開情報を基にしています。Jevは早期アクセス段階にあるため、仕様や価格は今後変更される可能性があります。
はじめに
2026年9月15日、TypeSafe AIが新しいAIモデル「Jev（ジェヴ）」を発表しました。
Jevが興味深いのは、ChatGPTのように文章を書くAIではないことです。Jevは、入力された情報を基に、あらかじめ用意された選択肢から答えを選び、その確率を返します。
ひと言で表すなら、Jevは次のようなAIです。
非構造化データを読み取り、ソフトウェアがそのまま利用できる「型付きの確率的判断」を返すAI
なお、一部では「世界モデル」と紹介されることがありますが、TypeSafe AIの公式な位置付けは、世界モデルではなく最初のSystem One Modelです。
この記事では、JevがどのようなAIで、何ができ、従来のLLMと何が違うのかを整理します。
Jevは「会話」ではなく「判断」をする
一般的なLLMは、質問を受け取ると文章を生成します。
入力：この問い合わせを分類してください
出力：この問い合わせは技術サポートに関するものだと考えられます。理由は……
Jevは、このような説明文を生成しません。代わりに、プログラムが直接扱える決まった形式で結果を返します。
{
"choice": "technical",
"probabilities": {
"billing": 0.05,
"technical": 0.90,
"sales": 0.05
},
"confidence": 0.82
}
出力候補は事前に開発者が定義します。そのため、存在しない分類名を突然返したり、説明文が混ざったりしません。
TypeSafe AIは、これを「unstructured state in, typed probabilistic decisions out」、つまり非構造化な状態を入力し、型付きの確率的判断を出力するものと説明しています。
3種類の「判断」
Jevの基本的な出力は、次の3種類です。
| 種類 | できること | 例 |
|---|---|---|
Choice |
定義済みの候補から1つを選ぶ | 問い合わせを「請求・技術・営業」に分類する |
Score |
段階を定義して程度を評価する | 顧客の不満度を「平静・不満・激怒」で評価する |
Noul |
ある条件が真である確率を0〜1で返す | 「返金を求めている」確率を返す |
Choice：どれに該当するか
Choiceは、複数の候補から最も適切なものを選びます。
たとえば、問い合わせの振り分け、文書の種類判定、プログラミング言語の判別などに使えます。選ばれた答えだけでなく、各候補の確率とconfidenceも返ります。
Score：どの程度か
Scoreは、順序のある段階のどこに位置するかを評価します。
たとえば、緊急度、感情の強さ、難易度などです。単純なラベルだけでなく、「レベル1と2の中間」のような連続的な値も返せます。
Noul：その条件は成り立つか
Noulは、Yes／Noで表せる問いに対し、Yesである確率を0〜1で返します。
たとえば、「この文章は返金を要求しているか」「個人情報を含むか」「緊急性があるか」といった判定です。
Jevで何ができるのか
Jevが向いているのは、人間向けの文章作成ではなく、ソフトウェアの処理フローに組み込む小さな判断です。
1. 分類と振り分け
- 問い合わせを担当部署へ振り分ける
- 文書の種類を分類する
- 求人応募者の経験分野を分類する
- 投稿内容をカテゴリ分けする
従来のルールベースでは表現の揺れに弱く、LLMでは出力形式が揺れることがあります。Jevは自然言語を解釈しつつ、定義済みの値だけを返します。
2. スコアリング
- 問い合わせの緊急度を評価する
- 顧客の不満度を測る
- 営業リードの有望度を評価する
- 文書の関連度を順位付けする
評価結果を確率やスコアとして受け取り、その後の処理条件を通常のコードで記述できます。
3. 条件判定
- 返金要求が含まれるか
- 個人情報が含まれるか
- 不正の兆候があるか
- 人間による確認が必要か
Jevを、自然言語を理解できる「賢いif文」のように使うイメージです。
4. リアルタイムな意思決定
TypeSafe AIは、Jevの応答時間を70〜500ミリ秒と公表しています。発表時のDoomデモでは、画像を直接見せるのではなく、ゲームの状態を構造化されたテキストとして渡し、Jevが次の行動を選択しました。
ここで重要なのは、「ゲーム画面を理解して遊ぶ汎用的な世界モデル」ではない点です。Jevが示したのは、変化する状態に対して短時間で判断を繰り返し、リアルタイム処理に組み込める可能性です。
5. 大量データからの特徴抽出
同じ形式の問いを大量の文章に適用し、分類・評価・フラグ付けを行えます。自由文の要約を大量生成するのではなく、分析に必要な特徴を型付きデータへ変換する用途です。
Pythonから使うイメージ
公式SDKでは、入力となるstateと、Jevに判断させるquestionsを渡します。
from typesafe_sdk import Choice, Noul, Score, TypeSafeClient
message = "決済が二重になっています。至急、返金してください。"
with TypeSafeClient() as client:
result = client.system_one(
state=message,
questions={
"department": Choice(
instructions="どの部署が対応すべきか",
criteria={
"billing": "請求や支払いに関する問題",
"technical": "技術的な問題",
"sales": "価格や契約に関する相談",
},
),
"urgency": Score(
instructions="問い合わせの緊急度はどの程度か",
criteria=["低い", "中程度", "高い"],
),
"refund_requested": Noul(
instructions="返金を要求しているか",
),
},
)
print(result.answers["department"].choice)
print(result.answers["urgency"].score)
print(result.answers["refund_requested"].noul)
同じ入力に対する複数の問いは、1回のリクエストでまとめて評価できます。TypeSafe AIによれば、それぞれの問いは独立して並列に処理されます。
LLMとの違い
| 観点 | 一般的なLLM | Jev |
|---|---|---|
| 主な目的 | 文章・コード・会話の生成 | 分類・評価・条件判定 |
| 出力 | 自由な文字列 | 定義済みの型付き値と確率 |
| 出力方法 | トークンを順番に生成 | 複数の判断を並列に出力 |
| 説明文の生成 | できる | できない |
| 選択肢外の出力 | 起こり得る | 出力形式上は起こらない |
| 不確実性 | 明示されないことがある | 確率・confidenceとして返す |
| 主な利用場面 | 人とAIの対話、コンテンツ生成 | AIとソフトウェアの連携、自動処理 |
JevはLLMの代替というより、役割の異なるAIです。
- LLM：考えを文章にする、説明する、生成する
- Jev：決められた選択肢の中で素早く判断する
用途によっては、Jevで分類やスコアリングを行い、複雑な案件だけをLLMや人間へ渡す、といった組み合わせも考えられます。
「ハルシネーションしない」はどう捉えるべきか
TypeSafe AIは、Jevについて「型エラーがなく、ハルシネーションしない」と表現しています。ただし、これは慎重に読む必要があります。
Jevは自由文を生成せず、定義された候補の範囲内で答えるため、存在しない項目名や壊れたJSONを返すような出力形式上の逸脱を防げます。
一方で、選択肢の中から誤った答えを選ぶ可能性までなくなるわけではありません。確率が高い個別の判断が必ず正しいという意味でもありません。
Jevの特徴は「絶対に間違えない」ことではなく、次の3点にあります。
- 出力可能な範囲があらかじめ制約されている
- 不確実性を確率として返す
- その確率を使って、自動処理するか、人や別のモデルへ回すかをコードで決められる
Jevが向いていないこと
Jevは万能AIではありません。現時点では、次の用途には向いていません。
- 記事やメールを書く
- 質問に詳しい説明を返す
- プログラムコードを生成する
- 長い推論過程を文章で示す
- 画像、音声、動画を直接理解する
- 候補を事前に定義できない創造的なタスクを行う
また、入力として扱えるのは現在のところテキスト、文字列を含むJSON、テキスト配列です。
なぜ「System One」なのか
名称は、ダニエル・カーネマンが『ファスト＆スロー』で広めた「システム1」と「システム2」の区分に由来します。
- システム1：速く、直感的な判断
- システム2：遅く、熟考を伴う判断
Jevは、複雑な問題を長時間考えて説明するのではなく、十分な情報を与えられた状態で、限定された問いに素早く答えるよう設計されています。
「Jev」という名前は、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。TypeSafe AIは、蒸気機関の効率向上が石炭需要を増加させたという「ジェヴォンズのパラドックス」になぞらえ、知能のコスト低下がAIの利用をさらに増やすという考えを込めています。
まとめ
Jevは、会話や文章生成ではなく、ソフトウェアの中で使う判断に特化したAIです。
- 自然言語や構造化されたテキストを読み取る
-
Choice、Score、Noulで判断を返す - 出力は型付きで、選択肢の範囲から外れない
- 答えとともに確率やconfidenceを返す
- 複数の判断を並列に処理する
- 高速・低コストな自動化を狙っている
LLMが「人に向けて言葉を生成するAI」だとすれば、Jevは「ソフトウェアに向けて判断を返すAI」と考えると分かりやすいでしょう。
現時点では早期アクセスであり、性能比較の多くも開発元が公開した評価です。それでも、AIをチャット画面の中だけでなく、通常のプログラムを構成する判断部品として扱おうとする設計は注目に値します。
今後のポイントは、実際の業務データに対する正確さ、確率の較正、安定性、そしてどの範囲まで自動処理を任せられるかです。Jevは「生成AIの次」というより、生成とは別の方向からAIをソフトウェアへ組み込もうとする試みだと言えます。