【ひとりだちDX】Jevから広がる判定AI——製造業での可能性と採用の判断軸

この記事では、2026年9月15日にTypeSafe AIさんから公開された「Jev」というAIモデルについてお話したいと思います。

ChatGPTやClaudeでは文章で質問すると文章で答えてきました。Jevが登場するまでは、そういったモデルが主流だったと思います。ところがJevは文章で答えるのではなく、「AかBかCか」「0〜4のどれか」といった決められた選択肢の中から、確率付きで答えだけを返すという少し変わった特性を持ちます。しかも学習データなしで、1秒もかからずに返します。

これを聞いて、

• 学習データがいらないなら今まで作った分類モデルはもう不要なのでは？

• 1秒以下で判定できるなら、検査や異常検知にもそのまま使えるのでは？

と思った方もいらっしゃるかと思います。

結論から申し上げると、そんな簡単な話ではありません。とはいえ、上司から「なんかJevってやつ、学習データなしで一瞬で判定できるらしいじゃん。うちの検品に使えないの？」と聞かれたとき、答えられる状態だとうれしいですよね。

ということで、本記事では、Jevの何が新しいのか、それでも今すぐ乗り換えなくて良いと私が考える理由、そして今後注目しておきたい「Jev系」モデルの広がりについて、製造業の視点で整理してみたいと思います。

DX推進をされている方々や、現場で分類・異常検知のモデルを作っているデータサイエンティストの方々にとって、この記事が参考になれば幸いです。

それではやっていきましょう。

1. Jevとは？

まずは改めてJev自体が何者かをお話しておきたいと思います。

1-1. Jevがやること

Jevは、TypeSafe AIさんが「System One Model」と呼んでいる新しい種類のモデルになります。

やっていることはシンプルで、

• 状態（state）：問い合わせ文、ログ、検査記録などのテキスト

• 質問：「どの部署に振り分けるか」「危険な操作か」など

• 選択肢・評価基準：営業／請求／技術、危険度0〜4 など

を渡すと、

• Choice：候補の中から1つを選ぶ

• Score：決めた基準（段階）に沿って評価する

• Noul：ある命題が正しい確率を0〜1で返す

のいずれかの形で、確率付きで答えを返してくれます（Choice と Score は確信度（confidence）も一緒に返してくれます）。

言葉だけだとイメージしにくいと思うので、実際にPythonを用いて実行してみて、どういうインプットでどういう結果が返ってくるのかを一緒に見ていきたいと思います（typesafe_sdkで簡単にJevを動かすことが出来ます。APIキーはアカウント登録して課金のうえ、以下から取得しましょう）。

https://console.typesafe.ai/keys

①Choice：問い合わせを部署に振り分ける

まず、Choice。問い合わせ文「先月分の請求書の金額が、事前にいただいた見積と異なっているようです。」を状態（state）として渡し、「どの部署が対応すべきか」を営業・請求・技術の3択で聞いてみます。

from typesafe_sdk import Choice, TypeSafeClient

client = TypeSafeClient()  # APIキーは環境変数 TYPESAFE_API_KEY から読み込まれます

res = client.system_one(
    state="先月分の請求書の金額が、事前にいただいた見積と異なっているようです。",
    questions={
        "dept": Choice(
            instructions="この問い合わせを一次対応すべき部署",
            criteria={
                "sales": "営業：見積・発注・納期・価格の相談",
                "billing": "請求：請求書・支払い・入金の確認",
                "technical": "技術：製品の不具合・仕様・装置のトラブル",
            },
        ),
    },
)

answer = res.answers["dept"]
print(answer.choice)         # 選ばれた選択肢
print(answer.probabilities)  # 各選択肢の確率
print(answer.confidence)     # 確信度

返ってきた結果はこちらです。

billing
{'sales': 0.05, 'technical': 0.0, 'billing': 0.95}
0.95

選択肢はcriteriaで定義し、Jevはその中から選んでくれます。

②Score：操作ログの危険度を0〜4で評価する

続けてScore。工場のシステムの操作ログを渡して、危険度を5段階で評価させてみます。段階は、上から順に0〜4として扱われます。

from typesafe_sdk import Score

res = client.system_one(
    state="操作=判定修正 対象=検査記録 ロットA-1023 判定 NG→OK 修正理由=（空欄）",
    questions={
        "risk": Score(
            instructions="この操作が、工場の安全や品質記録に与えうる危険度",
            criteria=[
                "参照のみ（閲覧・ログの確認など、何も変更しない）",
                "生産に影響しない軽微な設定変更（表示言語・通知先など）",
                "生産条件の変更（温度・速度などのパラメータ変更）。元に戻せる",
                "安全機能や品質記録に関わる変更（理由が記録されているもの）",
                "安全機能の無効化、品質記録の削除・理由のない書き換えなど、事故や改ざんにつながる操作",
            ],
        ),
    },
)

answer = res.answers["risk"]
print(answer.score)          # 各段階の確率から計算した点数（0〜4）
print(answer.probabilities)  # 各段階の確率
print(answer.confidence)     # 確信度

結果は以下のようになります。

4.0
{0: 0.0, 1: 0.0, 2: 0.0, 3: 0.0, 4: 1.0}
1.0

③Noul：検査記録に異常の記載があるか

最後は、検査記録に「傷や液体の付着が見つかった」と書かれているかを、はい／いいえで聞いてみます。

from typesafe_sdk import Noul

res = client.system_one(
    state="外観検査：天面に長さ約3mmの擦り傷あり。",
    questions={
        "defect": Noul(
            instructions="この検査記録には、製品本体の表面に傷または液体の付着が今回見つかったと書かれている",
        ),
    },
)

print(res.answers["defect"].noul)  # 「はい」である確率（0〜1）

結果は以下になりました。

0.94

なお、どの質問も応答は0.2秒前後と速く、ほかのケースも含めて試した31回分の料金は、合計で約0.0005ドルとかなり安い金額でした。

また、今回それぞれ一つずつ質問して回答を得ていますが、まとめて投げて、まとめて返してもらうことも出来るようになっています。

このように、Jevは

「自然言語で条件を書いたら素早く安く分類やスコアリングをしてくれる」

モデルとなります。

文章を生成しないので、「決められた選択肢以外の答えを返す」ということも起きません。ただし、上の結果を見ていただくと分かる通り、「なぜそう判断したのか」という理由は返ってきません（この点は2-3でお話します）。

そんな特徴を持つのがJevとなります。

1-2. 文章を分類するモデル自体は昔からある

このようにJevは速く分類してくれるという点で、Xなどでもすごく話題になりました。ただ、一部の方もコメントされていますが、文章を素早く分類するモデル自体は昔からありました。

例えば、BERT や fastText といったモデルが該当します。

それぞれをざっくり言うと、

• BERT：2018年にGoogleさんが発表した、文章の前後の文脈を理解するモデル。分類に使うときは、正解ラベル付きのデータで追加学習（ファインチューニング）させて利用する

• fastText：2016年にFacebook（現Meta）さんが発表した、軽量な分類モデル。単語や文字の並びをもとに分類するので、CPUでもとても速く動く。ただし複雑な文脈の理解は苦手で、こちらもラベル付きデータで学習させて利用する

というモデルになります。どちらも分類は確かに出来るし、なんならfastTextはCPUでも動くのでめちゃくちゃ便利なのですが、

• 事前に学習データを用意して学習をさせる必要がある

• 分類の候補を変える場合もラベルを作り直して再学習する必要がある

という点が、Jevと異なります。

そのため、すぐに分類モデルを試したい場合、Jevは学習をすっ飛ばして色々評価が出来るので、試しに使う点ではすごく優秀そうだなと感じるわけです。

2. Jevは採用すべき？

Jevについて理解が少し深まったところで、ここからは今ある分類モデルをJevに置き換えるべきか、という問いに答えたいと思います。

現状では、今すぐ乗り換える必要はないというのが私の見解です。

理由は大きく3つ：

• 速度を気にしないなら、小さな生成AIでもできる

• テキストのみ／APIのみという制約がある

• 答えだけで理由が出ない

ひとつずつ見ていきます。

2-1. 速度を気にしないなら、小さな生成AIでもできる

身もふたもない話ですが、「学習データなしで分類する」こと自体は、既存の小さな生成AIモデルでも出来るっちゃできるんですよね。。プロンプトに選択肢と判断基準を書いて、「この中から1つ選んでください」とお願いすればいいわけです。

Jevが勝っているのは、主に速さと安さです。

逆に言えば、「1件あたり数秒かかってもいい」「件数もそこまで多くない」というケースでは、Jevの強みはそこまで刺さらない。時間が短くて、かつ学習データが不要、という条件がどこまで効いてくるかは、個人的には「うーん」という感じです。

2-2. テキストのみ／APIのみという制約

製造業の目線で特に気になるのがここです。

Jevが受け取れるのはテキストだけです。公式ドキュメントにも、画像・音声・動画の入力には対応していないと明記されています。製造業で「判定」したいものの多くは、検査画像やセンサーの波形（数値データ）だったりするのもあり、Jevが使える機会って結構限られそうだなと感じます。

しかもJevはAPIでしか使えないので、判定したい情報を外部に出す必要があります。図面、検査記録、不具合の報告書など、社外に出したくない情報を扱う場合、APIを通すことに対する是非の判断は絶対に入ります。

一応、Jevは送られたリクエストや回答を学習には使わないとしていて、データを保持しない契約（ゼロデータ保持）もエンタープライズ向けに用意されています。ただそれでも心理的な理由だったり社内のルール上ダメというところもあるかと思うので、その時点でNGになってしまうケースもあるでしょう。

あと、APIなのでチューニングもプロンプトでしかできないというのも、場合によっては痛手になるかと思います（中にはチューニングできるタイプのAPIサービスもあるが、大半はそうではない）。

そういったところもあって、画像扱えない、外に一回出さないといけない、というのがちょっとハードルだなあーというのが正直なところ。。

2-3. 答えだけで理由が出ない

ここも痛い。AIが回答した論拠を引き出すことが出来ないという点は、結構現場にとってマイナスになるケースが多いです。

例えば、製品の検品（傷や液体などが付着していないか）をAIに任せるとしましょう。AI外観検査ではよくあるテーマです。

その中で、ある製品で異常スコアが高く出たとします。このとき現場としては、どこが異常だったのかを確認したくなります。無論、作ってる側としてもどこが異常だったのかをちゃんと示す必要があります。

分かりやすければいいんですけど、まあ全部が全部そうなってるとは限らなくて、異常スコアヒートマップとかがないと、「え？これどこ異常と判断したの？」と迷子になることがよく起きます。そうならないために、異常スコアだけじゃなくて、写っている部分のどこを異常と判定したかも基本的には載せる。

異常検知をうたっている製品（キーエンスさんなど）は基本的に異常箇所を示すものが多い印象です。

もちろん、上記のようなテーマ以外にも「出典元どこよ？」だったり「どこを見てそう判断したの？」だったり、その理由を求めるケースって結構あるんですよ。

だけど、Jevが返すのは、答えと確率と確信度のみ。「なぜその判定なのか」は返してくれず、自分で探す必要がある。

精度がほぼ100%とかならいいのですが、結局は現場側が納得しないと導入しにくいので、推進する側としては正直攻めにくいなという印象です。

3. とはいえ「Jev系」モデルの広がりには注目しておきたい

ここまで読むと「じゃあJevはスルーでいいのか」と思われるかもしれませんが、そうではありません。私が注目しておきたいのは、Jevそのものというより、Jevのような判定専用のモデルが今後どんどん出てくることです。

実は、Jevの公開から約2週間後にはCloudflareさんが同じタイプのモデルを発表していて、個人開発のものも含めて、すでに次のようなモデルが出てきています（はえーよ・・・）。

• Clef（Cloudflareさん、2026年10月1日発表）

  • モデル本体（重み）が、商用でも使いやすいオープンソースのライセンス（Apache 2.0）で公開されていて、自社の環境で動かすこともできる

  • 画像を入力して分類できる（Jevとの違いとして明記されている）

  • JevのAPIと互換性がある

• OpenJev（個人開発のオープンソース。TypeSafe AIさんとは無関係）

  • ローカルで動く（NVIDIAのGPUなら24GB以上、Apple Silicon搭載のMacなら約16GBのメモリが目安）

  • 1回のリクエストで画像を最大8枚まで入力できる

  • JevのAPIと互換性がある

どちらもJevのAPIと互換性があるので、Jevで試したPoCを、あとからローカルで動くモデルに差し替える、ということも現実的になってきています。

そんな感じで、割と時間が精度面とか色々解決してくれそうな気がしていて、もし精度が本当に100%近くになって、理由がほとんど求められないケースにおいて、素早くカテゴリー分けができてデータ分析がしやすい状態になれば、使えるケースは増えてくるかなと思います。

願わくば、理由含めて出してくれると嬉しいんですけど、多分それは無理なんだろうなあ・・・（てかここまでくると普通の生成AIモデルと何が違うの？って話になってきそう）。

4. 採用の判断軸——自分ならこう使う

最後に、私だったらJev（およびJev系モデル）をどう使うか、を整理して終わりたいと思います。

4-1. PoC・初期検討では使うと思う

まず、PoCや初期検討で「そもそもこの判定、AIでできそう？」を確かめる用途で、選択肢の一つとして軽く試してみる分には、Jevは良いと思います（Jevが最適かどうかは置いておいて）。学習データを集める前に当たりをつけられるのは、やはり大きいです。

ただしその場合も、

• 社外に出して良いデータだけを使う

• 日本語の実データで、質問の聞き方を変えながら精度を確認する

の2点は押さえておきたいところです。すでにClefなどのローカルで動くタイプのモデルも出てきているので、GPU環境が許されるならば先にそちらを使うかもです。

4-2. あとは本導入の条件から逆算して決める

ただ、初期検討で出てきた結果を見たうえで本導入もJevのまま行くかは、結局のところ次の2つの条件次第だと思っています。

①運用のための要件を満たすか

• データを外に出せるか

• 画像を扱う必要があるか

• 判定の理由（どこが異常かや出典元など）が必要か

• 必要な精度／時間はどのくらいか

②学習データを集める作業をする／しないか

• 学習データを集めて特定用途に特化させたAIモデルを作るか

• 作成後も継続的にデータを集めて再学習してアップデートし続けられるか

特に②の二つ目のところは、作ったら終わりだと思われている方にとっては、えっ？終わりじゃないの？ってびっくりされる可能性もあったりするので、ここら辺は正直にちゃんと伝えたうえで、どうするかを検討しておきたいところです。

学習コストは割と馬鹿にならないので、学習なしでいけるならそれに越したことはありません。とはいえ、プロンプトだけでどうにかならなさそうであれば、早めに学習させる判断はしたいかなというところでございます。

ということで、最後までお読みいただきありがとうございました。

この記事が良いな、参考になったなと思いましたら、「スキ」や「フォロー」、そして「コメント」もらえると励みになります。毎週1本、平日にデータ利活用・DX推進に役立つ内容を発信していますので、是非見て今後に役立てていただければと思います。

また、最近メンバーシップを始めました。「DX推進、生成AI活用、データ利活用、記事になる前の考えごと、現場で感じたことなど」を書いています。

以下より参加できますので、気になる方は是非のぞいていただけるととてもうれしいです。

それでは次回記事まで。
アディオス！

TOKI