「幻覚しないAI」は本当か - ChatGPTを「しゃべらせない」発想　開発者が熱狂する超高速AI「Jev」の正体

「幻覚しないAI」は本当か - ChatGPTを「しゃべらせない」発想　開発者が熱狂する超高速AI「Jev」の正体

AIの価値は、本当に「うまく話すこと」にあるのか

生成AIの進歩は、長い間「どれほど自然な文章を書けるか」「どれほど難しい質問に答えられるか」という軸で語られてきた。だが、企業がAIをソフトウェアの奥深くに組み込み、自動で処理を進めようとすると、流暢さは必ずしも最大の価値ではない。

必要なのは、問い合わせが解約相談なのか、返金依頼なのかを見分けること。実行しようとしているコマンドが危険かどうかを判定すること。複数のAIモデルから、その仕事に合う一つを選ぶこと。そして、判断にどの程度の自信があるのかを、プログラムが扱える形で返すことだ。

そこで注目を集めているのが、米TypeSafe AIが早期アクセスとして公開した「Jev」だ。開発を率いるディオゴ・アルメイダ氏は元OpenAI研究者で、人間のフィードバックを使ってモデルを調整するRLHFの研究や、ChatGPTにつながる技術開発に関わった人物とされる。

Jevの最大の特徴は、チャットをしないことにある。物語も説明文も生成せず、開発者が事前に定義した選択肢に対し、型の決まった値と確率を返す。TypeSafeはこれを「System One Model」と呼ぶ。人間の速く直感的な思考を表す「システム1」になぞらえ、深く長い推論よりも、瞬時の判断を大量に処理する方向へ最適化したAIだ。


「文章を作らない」ことで手に入れた速さ

一般的な大規模言語モデルは、前の単語やトークンを踏まえて次のトークンを一つずつ生成する。自由度が高く、会話、要約、プログラム作成など幅広い用途に使える反面、長い出力ほど時間と費用が増える。さらに、プログラムから使う場合は、返答を解析し、想定した形式かどうかを検査しなければならない。

Jevはこの自由度を意図的に捨てた。入力は自然言語などの非構造データでも、出力候補とデータ型はあらかじめ決めておく。たとえば顧客メールを「請求」「解約」「製品不具合」「その他」に分類し、それぞれの可能性を確率として返す。文章を一語ずつ書かず、複数の判断を並列に出すため、高速化しやすい。

TypeSafeの公表値では、応答時間は70〜500ミリ秒。入力料金は100万トークン当たり0.042ドルで、出力は「計測するほどのコストではない」として無料扱いだ。同社は、対象とするSystem One型タスクで既存LLMに近い知能を保ちながら、数十倍から最大200倍ほど高速になり得ると説明している。独自のワークフロー評価では193.6倍高速、444.6倍安価という数字も示す。

ただし、これらは主に開発元が設計・公開した評価である。TypeSafe自身も、ワークフロー作成者による偏りの可能性、比較条件がJevに有利になるケース、価格が補助されていないことは長期的にしか証明できないことを明記している。派手な倍率だけを、あらゆる用途で再現できる一般性能と受け取るべきではない。


開発者が反応したのは「賢さ」より組み込みやすさ

公開直後、関心が集中してAPIの提供能力が一時的に追いつかなくなるほどだったという。SNSで目立ったのは、モデルとの雑談を楽しむ反応ではなく、実際の業務フローへ差し替えて測る開発者たちの投稿だ。

 

Vercelのソフトウェアエンジニア、Pranit Sharma氏は、コマンドの安全性を確認する分類処理で既存のOpenAIモデルからJevへ置き換えた結果、精度を高めながら5〜18倍速くなったと報告した。

Bryo AIのCTO、Nikhil Mudholkar氏は、業務メールの分類でGeminiと比較。自身のテストではGeminiの精度がわずかに上だった一方、コストはJevの方が10〜20分の1程度だったとし、とりわけ各判断に実用的な確率が付く点を評価した。確信度が低い案件だけ人間へ回す仕組みを作りやすいためだ。

一方、オープンソースのモデル実行基盤に関わるArmin Ronacher氏は、確率をどう扱うかは利用者側の責任になると指摘する。50％なら処理を止めるのか、95％なら自動実行してよいのか。その境界はモデルが決めてくれるわけではない。Jevは不確実性を見せるが、不確実性をどう業務ルールへ変換するかは、導入企業が設計しなければならない。

これらのSNS上の報告は、Jevの可能性を示す初期事例として興味深い。ただし、統一条件で行われた第三者ベンチマークではなく、それぞれの開発者が特定用途で試した結果だ。好意的な反応と、一般的な性能証明は区別する必要がある。


「幻覚しない」は、何を意味するのか

Jevをめぐる最も注意が必要な表現が「幻覚しない」だ。

出力候補と型が最初から固定されていれば、存在しない項目を勝手に作ったり、説明の途中で形式を崩したりする問題は原理的に防ぎやすい。返すべきものが真偽値、分類ラベル、数値、確率などに限定されているため、ソフトウェアが読めない文章や架空の関数呼び出しを生成する余地は小さい。

しかし、形式が正しいことは、判断内容が正しいことを保証しない。「返金依頼」を「一般質問」と誤分類しても、出力形式そのものは完璧に正しい。TypeSafeが保証するのは主にスキーマや型から外れないことであり、現実について常に正解するという意味ではない。

また、確率の校正も重要だ。モデルが「90％」と答えた事例を大量に集めたとき、本当に約90％が正しいなら、その確率はよく校正されていると言える。逆に、90％と表示しながら正解率が60％なら、自動化の安全弁には使えない。業界、言語、入力の長さ、時間経過によるデータ変化ごとに検証し続ける必要がある。

日本企業で使う場合、日本語の敬語、省略表現、社内固有語、曖昧な依頼文への対応も確認すべきだ。英語メールで好成績だったとしても、日本語のコールセンター記録や稟議文書で同じ精度が出るとは限らない。


生成AIを置き換えるのではなく、横で監視する

Jevの有力な使い道は、LLMそのものを置き換えることだけではない。生成AIの前後に置く「監視役」としても考えられる。

たとえば、ユーザーの依頼に機密情報の取得を狙う命令が含まれていないかを判定する。AIエージェントが実行しようとする操作が危険かを調べる。生成した返答が会話内容と矛盾していないか、禁止事項に触れていないかを評価する。高性能LLMを監視役として毎回呼び出すと費用と待ち時間が膨らむが、安価で高速な判断モデルなら、複数段階のチェックを入れやすくなる。

もう一つは「モデルルーティング」だ。単純な依頼は小型で安いモデルへ、難問は高性能モデルへ、画像を含む依頼はマルチモーダルモデルへ振り分ける。振り分け自体に高価なLLMを使えば節約効果が薄れるが、Jevのようなモデルなら入り口で細かく選別できる可能性がある。

企業システムでは、万能な一つのAIに全工程を任せるより、得意分野の違う小さな部品を組み合わせる方が、費用、速度、監査の面で現実的な場合が多い。Jevが狙うのは、利用者からは見えないものの、無数のアプリの内部で呼び出される“判断の共通部品”という位置だ。


名前に込められた「ジェボンズのパラドックス」

Jevという名前は、19世紀の経済学者ウィリアム・スタンレー・ジェボンズに由来する。ジェボンズのパラドックスとは、資源の利用効率が上がると節約されるどころか、用途が拡大して総消費量が増えることがある、という考え方だ。

AIの判断コストが100分の1になれば、企業がAI支出を100分の1に減らすとは限らない。これまで高すぎて導入できなかった場面へ、数百、数千の判定処理を追加する可能性がある。すべての問い合わせ、取引、クリック、エージェント操作に“少しだけ賢い判断”を挟めるようになるからだ。

これは利便性を高める一方、監視や自動選別が見えない場所へ広がることも意味する。採用候補者の分類、顧客の優先順位付け、不正利用の判定などに使われれば、誤りや偏りの影響は大きい。安価だから大量に使えるという長所は、同じ誤判断を大量に増幅できるというリスクと表裏一体だ。


日本企業にとっての現実的な導入手順

日本では生成AIの導入が、社内チャットや文書作成支援から始まる例が多い。Jev型のモデルは、その次の段階に向く。問い合わせの振り分け、監視アラートの優先順位付け、営業案件の分類、コンテンツ審査、AIエージェントの操作承認など、現在は人間が画面を見て分岐している仕事だ。

導入時には、いきなり自動実行させず、まず人間の判断と並走させるのが安全だ。業務データで精度と確率の校正を測り、間違えた場合の損失が大きい項目ほど自動化の閾値を高くする。確信度が低い案件は人間へ戻し、モデルや入力データの変化を継続監視する。さらに、誰が出力候補を定義し、誰が閾値を承認したかを記録する必要がある。

「AIが判断したから」で責任を曖昧にせず、AIの確率を企業の意思決定へ変換したルールを説明できるようにすることが重要だ。Jevの強みは、自由な文章ではなく構造化された値を返す点にある。その強みを監査可能性につなげられるかどうかで、単なる高速分類器と信頼できる業務基盤の差が生まれる。


AIの主戦場は、画面の外へ移る

JevはChatGPTのような会話AIを終わらせる存在ではない。文章の作成、対話、複雑な推論、創造的作業では、LLMの自由度が欠かせない。一方、ソフトウェアの内部で何百万回も繰り返される小さな判断には、自由度がむしろ邪魔になることがある。

Jevが投げかける本質的な問いは、「最も賢いAIはどれか」ではなく、「その仕事に文章生成は本当に必要か」だ。必要な答えが数個の選択肢と確率なら、巨大な会話モデルを毎回呼び出す理由は薄い。

今後、同様のモデルや競合製品が増え、独立した第三者評価が進むだろう。Jevの秘密に包まれたアーキテクチャや、合成データだけで訓練したという主張、価格の持続可能性も検証が必要だ。それでも、AIの未来が派手なチャット画面の中だけにあるのではなく、条件分岐、監視、分類、振り分けといった地味な処理の中に広がるという見方には説得力がある。

次のAI革命は、人間に話しかけてくるとは限らない。気づかないほど速く、ソフトウェアの奥で「次に何をするか」を決める。その静かな変化の先頭に、Jevは立とうとしている。


SNSの反応について

本文で紹介したSNS反応は、公開直後に開発者が投稿した個別テストと、TechCrunchによる取材・引用を基に整理した。速度、価格、確率出力への評価は強い一方、同一条件の大規模な独立検証ではないため、各社の本番データで再評価する必要がある。


出典URL

関連記事