Jevという新しいAIモデルから考える、「判断の責任」をどこに置くかという問い

KiAI Business Update

株式会社KiAI（キアイ）代表の大場です。今回は、学術顧問の新納先生から教わった「Jev」という新しいAIモデルについて、私たちが学んだことを共有します。

🔬 Jevとは何か——分類と確率に特化したAIモデル

2026年9月、TypeSafe AIが「System One Model」と呼ぶAIモデルの最初の公開版として、Jevを発表しました。System Oneという名称は、ダニエル・カーネマンが説明した素早く直感的に判断する「システム1」に由来しています。

Jevは、文章や業務データを読み取り、分類・採点・条件判定の結果を確率付きで返すAIモデルです。たとえば顧客からの問い合わせメールに対して、「二重請求：98%」「返金要求あり：99%」「再問い合わせ：97%」のように、判定結果を数値で返します。

従来のLLM（大規模言語モデル）でも似た出力は可能ですが、Jevはこの「分類・確率の出力」に特化して学習・設計されており、高速・低コストで実行できるという点を強みとして打ち出しています。

新納先生の解説で最も印象的だったのは、JevとLLM+AIエージェントの違いが「性能の差」ではなく「設計思想の差」であるという指摘でした。

従来のLLM+AIエージェント（Amazon Bedrock AgentCoreなどの基盤を活用したシステム）では、AIが状況を解釈し、次にどのツールを使うか、どの順序で処理するかを判断します。開発者はツールや権限を事前に設定しますが、処理の組み立て自体はAIに委ねられます。

一方、Jevを組み込んだシステムでは、AIの役割は「処理のルーティング役」に限定されます。Jevが返す確率をもとに、どの処理を実行するかはプログラムのコードで明示的に定義します。判断ロジックがブラックボックスにならず、従来の条件分岐として記述できるのです。

つまり、処理の進め方を決める責任を、AIに持たせるか、プログラムに持たせるか。この一点が、両者の根本的な違いです。

Jevの発表後、まるで従来のLLMやAIエージェントが不要になるかのような盛り上がりも見られました。しかし、学術顧問との議論を通じて見えてきたのは、両者は競合するものではなく、適材適所で使い分けるべきものだということです。

繰り返し発生する定型的な判断——問い合わせの分類、条件の該当判定、スコアリング——には、Jevのような特化型モデルが低遅延・低コストで威力を発揮します。一方、状況に応じて柔軟にツールを選び、複雑な対話の中で最適な処理を組み立てる場面では、LLM+AIエージェントの自律性が強みになります。

技術選択の判断軸として重要なのは、「どちらが優れているか」ではなく、「その業務における判断の責任をどこに置くべきか」という問いに正面から向き合うことだと感じました。

私たちきあい（KiAI）がTrstを開発する中で、日々新しい技術が登場します。その一つひとつを自力で評価し続けるのは、スタートアップの限られたリソースでは現実的ではありません。

だからこそ、学術顧問の存在が大きいと感じています。新納先生には、単に技術の仕組みを教わるだけでなく、「その技術が業界の文脈の中でどういう位置づけにあるのか」という俯瞰的な視点をいただいています。

Jevについても、表面的な機能比較ではなく「判断の責任の所在」という本質的なフレームで理解できたのは、先生の解説があったからこそです。こうした学びを積み重ねながら、Trstにおける技術選択の精度を高めていきます。

#KiAI #キアイ #Jev #AI #LLM #AIエージェント #スタートアップ