ChatGPTとは真逆？文章を書かないAI「Jev」は何に使えるのか
こんにちは！高橋です(*'▽')
最近のAIといえば、「文章を書いてくれる」「プログラムを書いてくれる」「画像を作ってくれる」「パソコンを操作してくれる」など、
とにかく「何かを作ってくれるAI」が中心ですよね。
ChatGPT、Gemini、Claudeなども基本的には
「こちらが入力する → AIが考える → 文章などを生成して返す」
という形です。
ところが2026年9月15日、この流れとはちょっと違う、個人的にかなり気になるAIが登場しました。その名も「Jev（ジェブ）」です。
何が面白いのかというと……このAI、「文章を書きません」。
コードも書きませんし、長々と説明もしてくれません。
では何をするAIなのか？ ものすごく簡単に言えば、
「判断することに特化したAI」です。
TypeSafe AIはJevを、新しい「System One Model」の最初のモデルとして発表しました。
Jevは文章を生成する代わりに、「どれに該当する？」「何点？」「Yes？ No？」「どのくらい確信している？」といった、プログラムの中で使うための「判断」を返すことに特化しています。
今回は、「文章を書かないAIって何の役に立つの？」という疑問から、
「実際の会社では何に使えるの？」「導入すると何が便利になるの？」というところまで紹介していこうと思います♪
そもそも、文章を書かないAIって必要なの？
ここが最初に気になるところですよね。ChatGPTに慣れていると、
「文章を書けないなら、性能が低いのでは？」と思ってしまいます。
ですが、少し身近な例で考えてみましょう。
たとえば会社に、毎日1,000件の問い合わせが届くとします。
「請求金額が間違っています」
「パスワードを忘れました」
「この商品について詳しく教えてください」
「営業担当者と話したいです」
これを「請求関係」「技術サポート」「商品について」「営業」「その他」に分類したいとします。
この仕事で必要なのは、きれいな文章を書くことではなく、
「これは請求関係」「これは技術サポート」と判断することです。
ここで毎回ChatGPTのようなAIに「この問い合わせについて詳しく考えて説明してください」とお願いする必要はないですよね。
欲しい答えは「請求関係：92％」くらいで十分です。
そして92％と判断されたら、そのまま請求担当者へ送る。
「問い合わせ → AIが判断 → 担当部署へ振り分け」
これだけでいいのです。Jevは、こうした用途をかなり強く意識して作られています。
「めちゃくちゃ賢いif文」と考えると分かりやすい
プログラミングをしたことがある方なら、「if文」という言葉を聞いたことがあると思います。
もし年齢が18歳以上なら → 成人
そうでなければ → 未成年
というように、条件によって処理を分ける仕組みです。
ただ、普通のif文には「人間の文章のようなあいまいな情報を扱うのが苦手」という弱点があります。
たとえば、「お金を払ったはずなのですが、また請求されています」という文章。
人間なら「あ、これは請求関係だな」とすぐ分かります。
しかし普通のプログラムだと、「『請求』という単語が含まれていれば請求担当へ」といった細かなルールを人間が作らなければなりません。
実際には「二重で引き落とされています」「先月支払ったのですが」「カードからまた落ちています」など、同じ意味でも表現はバラバラです。
ここでAIを使います。文章を読ませて「これはどの種類？」と判断してもらうのです。
Jevのイメージは、ものすごく乱暴に言ってしまえば「人間の言葉を理解できる、めちゃくちゃ賢いif文」です。これはかなり面白い考え方だと思います。
ChatGPTとJevは何が違う？
たとえば、「このメールは迷惑メールですか？」と聞いたとします。
ChatGPTの場合：「このメールには○○という特徴があり、迷惑メールの可能性が高いと考えられます。ただし……」というような解説文章を返します。
Jevの場合：「迷惑メール：97％ / 正常：3％」のような判断結果を返します。
つまり、
ChatGPTなど ＝ 人間と話すのが得意（相談に乗ってくれる優秀な社員）
Jev ＝ プログラムの中で判断するのが得意（ものすごい速度で仕分けを続ける審査担当）
という役割の違いがあります。
Jevが返すのは大きく3タイプ
Jevが扱う判断は、ざっくり分けると以下の3タイプです。
Yes / Noの判断 「この申請には領収書がありますか？」 → Yes：98％ / No：2％
分類（どれに該当するか） 「この問い合わせはどの部署？」 → 営業：3％ / 経理：91％ / サポート：6％
数値スコア 「緊急度は？」 → 8.4 / 10
重要なのは、単に答えを返すだけでなく「どれくらい自信があるか（確信度）」もプログラム側で扱える点です。
これによって、次のような自動化の仕組みが作れます。
95％以上 → 自動処理
80～95％ → 通常フロー
80％未満 → 人間が確認
個人的には、この「自信がないときだけ人間に渡す」という考え方が、Jevのかなり重要なポイントだと思っています。
実際の仕事では何に使えるの？10の活用例
「判断するAI」と言われても、「それで何が便利になるの？」となりますよね（笑）。 そこで、実際の業務レベルまで落として考えてみます。
① カスタマーサポート
毎日数千件来る問い合わせ（届かない、返品、二重請求、解約など）に対し、Jevが「返品：96％」と一次判断して担当部署へ自動転送します。
さらに「怒っている可能性：93％」「解約につながる可能性：88％」なども判断できれば、優先対応の分岐も可能です。
TypeSafe社が公開している評価例でも、顧客の不満や返金・カード状態などを判断し、自動処理か人間への引き継ぎかを分岐させるワークフローが紹介されています。
② 経理・請求書処理
毎月届く大量の請求書に対し、「取引先は正しいか」「支払い済みか」「不正な特徴はあるか」などを順番に判断します（TypeSafeの評価例「Invoice Processing」より）。
問題がないものは支払処理へ進め、怪しいものや金額不一致のものだけを経理担当者や取引先に回すことで、100件中100件を人間が同じ濃さで確認する必要がなくなります。
③ 経費精算
「出張での食事代7,800円」などの申請に対し、「領収書の有無」「金額の一致」「出張中の支出か」「会社規定内か」を判断します。
領収書なしなら再提出依頼、普通の交通費なら自動承認、高額な食事代なら上司確認へ回すなど、AIに「普通」「怪しい」「人間が見るべき」の仕分けを行わせることができます。
④ EC・ネット通販
注文後に「不正注文っぽいか」「高額商品で確認が必要か」などを判断します。 たとえば「10万円の商品 ＋ 初回購入 ＋ 普段と違う配送先 ＋ 短時間に複数注文」といった情報から「不正可能性：92％」と弾き出し、
その注文だけ本人確認に回します。いつものお客様の通常注文はそのまま処理されるため、全件確認の手間が省けます。
⑤ 人事・採用
毎月届く大量の応募書類の「選考そのもの」ではなく「選考前の整理」に使います。 「必須資格の記載ありか」「勤務地条件を満たしているか」「必要書類は揃っているか」などを確認し、
不足があれば自動で追加提出を依頼、書類が揃っていれば各担当へ割り振ることで、採用担当者は応募者と向き合う時間に集中できます。
⑥ 福祉事業所
就労継続支援事業所などの日々届く欠席連絡や相談内容に対し、「通常の欠席：99％」「緊急対応必要：5％」などを分類します。 通常の欠席なら記録処理へ回し、
「至急相談したい」といった内容のみ職員へ確認を促すことで、人が判断すべき支援業務に職員の時間を集中させることができます。
⑦ 製造業
現場からの「異音がする」「傷がある」「温度が高い」といった報告に対し、緊急度や保全確認の必要性をスコアリングします。
重大な設備停止をAIだけに任せるのではなく、「人間が確認すべき優先順位付け」として活用できます。
⑧ 物流・配送
「住所の番地抜け（配送不能可能性：95％）」や「台風地域の時間指定荷物（遅延リスク：89％）」などを判定し、問題が起きそうな荷物だけをピックアップして配送担当者が確認・連絡できるようにします。
⑨ 教育・LMS
学習管理システム（LMS）の受講履歴から、「3週間ログインなし ＋ 前回テスト不合格」といったデータを「フォロー推奨：94％」と自動分類します。
指導者は1,000人全員のデータを見ずとも、今フォローが必要な受講者をすぐに把握できます。
⑩ システム開発・AIエージェント
個人的に一番気になる領域です。AIエージェントがコードを書いてテストする際、「テストは成功したか（Yes/No）」「エラーの原因はコードか環境か」「変更のリスクスコアは高くないか」などの判断業務を大量に行います。
TypeSafe社もAIエージェントの実行履歴を「正常」「期待とのズレ」「明確な失敗」などに分類する評価例を出しており、「AIがちゃんと仕事をしたか判断するAI」としての活用が期待されます。
⑪ AIで書かれたかの仕分け
皮肉なことですが、この文章はAIで書かれた可能性が高いか？などの仕分けにも今後使われていきそうなきがしますね…。
結局、何が便利になるの？
ここまで見てくると共通点が見えてきます。Jevによって便利になるのは、「全部をAIに任せられること」ではなく、「人間が全部を見る必要がなくなること」です。
1,000件の問い合わせ → AIが一次判断し、50件だけ人間が確認
500件の請求書 → 怪しい20件だけ人間が確認
1,000人の学習履歴 → フォロー候補の30人だけ確認
人間を完全に置き換えるのではなく、「人間が判断すべき仕事だけを、人間の元へ持ってくる」ためのAIなのです。
「AIが99％自動化」を目指さなくてもいい
AI導入というと「完璧に自動化しなければ意味がない」と思いがちですが、そんな必要はありません。
1,000件中700件を自動処理、200件を簡単確認、残り100件をしっかり判断、となるだけでも作業量は劇的に減ります。
自信がないものは人間に渡す設計にしておけば、安全に実用化できます。
なぜ今までのAI（LLM）ではダメなの？
「でもそれ、ChatGPTでもできるよね？」と思うかもしれません。
確かにGeminiやClaudeでも「この問い合わせを分類して」と頼めば可能です。
ではなぜJevが必要なのか。理由は「普通のLLMは豪華すぎるから」です。
分類したいだけなのに、文章を書く能力、コードを書く能力、会話する能力などを備えた巨大AIを動かすのは、「封筒を1枚開けるためだけに高級万能ロボットを呼ぶ」ようなものです。
1日100万通開けるなら、封筒開け専用の機械（Jev）を使った方が、圧倒的に速く、安く、扱いやすくなります。
TypeSafe社の発表によると、Jevは処理時間が約70～500ミリ秒で、特定のタスクでは既存LLMより40～200倍高速になるケースがあるとしています（※開発元による特定の判断・分類タスクでの測定結果です）。
「ハルシネーションしない」の注意点
調べると「Zero Hallucinations（ハルシネーションを起こさない）」という表現も出てきます。これは、出力形式が最初から厳格に決められており、「存在しない選択肢や壊れた形式を返さない」という意味です。
「絶対に判断を間違えない」という意味ではないため、請求関係を営業と誤判定する可能性はあり、公式FAQでもそのリスクを認めています。ここは注意が必要ですね。
AIは「万能選手」から「専門職」になっていく？
ここからは私の予想です。
これまでの生成AIは、何でもできる「万能モデル」を目指して進化してきました。しかし今後は、「巨大AIに全部やらせるのではなく、役割分担する」方向性が強くなるのではないでしょうか。
文章を書く → LLM
画像を見る → 画像認識モデル
高速に分類・判断する → Jevのような判断モデル
検索する → 検索システム
会社でも社長一人が全業務をこなすより、専門部署に任せた方が効率的ですよね。
AIエージェントとの相性が抜群に良い
特に注目したいのが、以前noteで紹介したAntigravityのような「AIエージェント」との組み合わせです。
AIエージェントは「状況を見る → 次の行動を判断する → ツールを使う」を繰り返すため、文章生成よりも「判断」の回数が圧倒的に多いのです。
将来的に「考え文章を作るAI」と「瞬時に判断するAI」が連携して分業するようになれば、AIエージェントの処理スピードや信頼性は飛躍的に向上するはずです。
人間から見えない「インビジブルAI」の増加
私たちがJevと直接会話する機会はほぼないでしょう。私たちがECサイトや問い合わせフォームを使っている裏側で、JevのようなAIが何十回も裏方で判断を回している……そんな未来が予想されます。
生成AIの次の大きな変化は、「もっとすごいチャットAIの登場」ではなく、「裏側に溶け込んでAIが見えなくなること」なのかもしれません。
まとめ
今回紹介したJevは、ChatGPTやGeminiの代わりになるAIではなく、人間の代わりに行ってくれていた「小さな判断」を担当するAIです。
文章もコードも書かず、会話もしません。一見すると「できることが少ない」と思えますが、必要な判断だけを高速・低コスト・高精度でプログラムに返せる能力は、業務自動化において非常に強力な武器になります。
これからは「最強のAIを一つ使う」のではなく、「適材適所で組み合わせる」時代。JevはChatGPTのライバルではなく、一緒に働く「新しいタイプの同僚」と考えると分かりやすいですね(*'▽')
AIエージェントの内部で「作るAI」「調べるAI」「判断するAI」「チェックするAI」がチームを組む未来を楽しみにしつつ、今後どのように活用されていくのか引き続き追ってみたいと思います！
それでは今回はこの辺で！(*'▽')ﾉｼ
