Jevとは？TypeSafe AIの判断特化モデル｜料金・使い方・業務活用を解説

問い合わせメールを見て担当部署を決める。SNSのコメントから対応が必要なものを拾う。検索した資料の中から、質問に関係するものを選ぶ。企業の仕事には、短い判断を何度も繰り返す場面があります。

こうした処理に向けて、TypeSafe AIが2026年9月15日に早期アクセスを発表したモデルがJevです。同社が「System Oneモデル」と呼ぶ、ソフトウェア内での意思決定を目的としたAIに位置づけられています。出典：TypeSafe AI公式発表

本記事では、公式資料をもとに機能・料金・限界を整理し、86研究所の視点で中小企業の活用案を紹介します。活用例は設計案であり、当社がJevを実運用して測定した導入実績ではありません。

情報確認日：2026年9月27日／対象：TypeSafe AIのJev。類似名の独立サービスとは区別しています。

Jevとは？文章の代わりに判断結果を返すAI

Jevには、判断に必要な情報を表すstateと、答え方を指定したquestionsを渡します。返ってくるのは、選択した項目や数値、確率など、プログラムがそのまま扱える値です。自由な文章を作成するモデルではありません。出典：公式Introduction

たとえば「予約を変更したいのですが、どうすればよいですか」という問い合わせに対して、あらかじめ「予約変更・料金相談・その他」の候補を用意します。Jevが担当するのは、その文面に合う分類の判断です。その後に予約システムを開く、担当者へ通知する、返信文を作るといった処理は、周辺のプログラムや別のAIが担います。

業務設計では、文章を作る工程と、選択肢から判断する工程を分けると、Jevを使う位置が見えやすくなります。どの工程を任せるかが決まって初めて、費用や精度を比較できます。

できることは、Choice・Score・Noulの3種類

公式ドキュメントでは、質問を次の3種類で定義します。複数の質問を同じ入力に対してまとめて評価できますが、各質問は独立しています。別の質問の回答を前提にする処理は、呼び出しを分けるなどの設計が必要です。出典：公式Primitives

たとえばSNSコメントの整理なら、「何についてのコメントか」と「対応を急ぐ必要があるか」は別の質問です。ひとつの大きな指示に詰め込まず、必要な判断を分けて結果を組み合わせると、どこで間違えたかも追いやすくなります。

confidenceと正答率は同じではない

ChoiceとScoreのconfidenceは、候補に対する確率分布の集中度をまとめた値です。Noulには独立したconfidenceはありません。「confidenceが0.9なら、その案件は90％の確率で正しい」と単純に読み替えず、自社データでの誤り方を確認します。自動処理に進む境界値も、業務ごとに検証して決めます。出典：公式Confidence

料金と速度は？100万入力トークンで0.042ドル

確認時点の公式モデルはJev 1.13（jev-1.13.0）。入力100万トークンあたり0.042米ドルで、出力トークンは無料です。入力はテキストで、画像・音声・動画を直接渡すことはできません。出典：公式Models

仮に、入力文と質問を合わせて1回1,000トークンとすると、モデル利用料の概算は次のようになります。日本語の文字数とトークン数は一致しないため、実際の使用量はAPIの返す利用情報で確認します。

86研究所による単純試算。開発・保守、接続サービス、再試行、他モデルの利用などにかかる費用は含みません。利用経路や料金改定によって請求条件は変わります。

速度について、TypeSafeは70〜500ミリ秒の応答を公表しています。ただし同社の評価は主に米国西海岸から行われています。日本からの通信時間や入力の長さも影響するため、実際の業務が同じ時間で終わるとは限りません。「193.6倍高速・444.6倍安価」という見出しも、同社の特定ワークフロー評価に基づく数値です。出典：公式発表の評価条件

中小企業なら、どんな業務に使える？

86研究所が導入候補として考えるのは、処理件数が多く、分類後の動きが決まっている業務です。以下はJevを他のシステムと接続する場合の設計例です。

問い合わせの一次仕分け

フォームやメールの本文を、「見積相談」「既存契約の問い合わせ」「不具合」「その他」に分けます。担当部署が毎回同じ条件で決まるなら、分類結果から社内の受付先へつなげられます。判断が曖昧なものをまとめて確認する受け皿も用意します。

最初に測るのは、仕分け担当者の作業時間と、誤った部署へ回った件数です。返信文の自動生成まで一度に広げず、仕分けだけで効果があるかを見ると、導入判断がしやすくなります。

SNSコメント・DMの対応整理

「商品についての質問」「来店・予約の相談」「感想」「苦情の可能性」を分け、担当者が見る順番を整理する用途が考えられます。たとえば、単に「悪いコメント」を探すより、「購入後の不具合について問い合わせているか」と条件を具体的にします。

ただし、各SNSからデータを取得する接続部分は別途必要です。Jevを導入すれば自動的にDMを読めるわけではありません。投稿企画や返信のトーン調整も含めた運用は、SNS運用代行サービスでご相談いただけます。

社内資料の検索結果を絞り込む

社内検索で見つかった複数の資料について、「今回の質問への回答に関係するか」を判定し、次の処理に渡す候補を絞る設計です。検索、関連性の判定、回答作成を分けると、どの段階で不要な情報が混ざったかを調べやすくなります。

どの用途でも、人が分類する基準を説明できることが出発点です。担当者によって判断が違う業務では、AIを入れる前に、選択肢と例外時の扱いを整理する必要があります。

「ハルシネーションゼロ」でも、判断ミスは起こる

公式の「ハルシネーションゼロ」という説明は、定義された出力形式や選択肢の範囲を守る性質として読む必要があります。候補の中から誤った項目を選ぶ可能性までなくなるわけではありません。出典：公式発表の型安全性に関する説明

公式の既知の限界には、正確な計算、件数のカウント、日時の比較、複雑な推論、判断に無関係な長い入力などが挙げられています。また、入力文に判断を誘導する記述が含まれると、結果が影響を受ける場合があります。出典：Jev 1.13の既知の限界

たとえば「返金を希望しているか」という文意の判定をJevに任せても、返金額の計算、契約条件の適用、実際の決済操作は別に扱います。計算で確定できる処理と、文章の意味を読む処理を切り分けることが大切です。

日本語にも対応しますが、公式資料では英語が主な学習言語で、最も精度が高いと説明されています。日本語の省略表現や業界用語を含む実データで試すことが欠かせません。出典：公式Modelsの言語対応

使い始める手順と、導入前に測ること

公式の入口はtypesafe.aiです。公式Quick startでは、コンソールのPlaygroundで入力文と質問を試し、APIやSDKから呼び出す流れが案内されています。利用にはアカウントと利用可能なアクセスが必要です。APIの呼び出し先はPOST https://api.typesafe.ai/v1/systemoneです。出典：公式Quick start

まずは実際の自動送信や更新につなげず、既存データで判断結果を見比べます。86研究所では、小さな試験導入を次の順序で進めることを提案します。

1. 対象をひとつ決める：問い合わせ分類など、繰り返し発生する業務を選ぶ。
2. 正解例を用意する：通常例だけでなく、曖昧な文面や分類しにくい例も担当者が確認する。
3. 質問を具体化する：選択肢の意味と「その他」「要確認」の扱いを決める。
4. 判断だけを試す：人の分類と比較し、見落としと誤分類を記録する。
5. 自動化する範囲を決める：十分に安定した処理だけを接続し、例外は人へ戻す。

見るべき指標は、全体の正答率だけではありません。重要な問い合わせを見落とした割合、人の確認に戻した割合、確認にかかった時間も合わせて記録します。「正答率は高いが、重要案件だけ間違える」という結果なら、分類基準や運用を見直す必要があります。

コーディングエージェントと組み合わせる場合も、Jevはアプリ内の判断処理として組み込む位置づけです。TypeSafeはCodexなどでの実装に使えるスキルを案内していますが、Jev自体がコードを書くモデルになるわけではありません。出典：Jev with coding agents

エージェントへの仕事の渡し方は、Codexで業務を任せる実践ガイドも参考にしてください。

AIを業務に組み込む担当者や進め方も含めて検討したい場合は、FDEとは？仕事内容・費用・AIコンサルとの違いで、外部の実装パートナーに任せられる工程を整理しています。

本記事は2026年9月27日時点の公式公開資料に基づきます。料金・提供モデル・利用条件は変更される場合があります。数値試算と業務への導入案は86研究所が作成しました。