Jevって結局なに？──問い合わせ100件を13.3秒・約0.95円で仕分けた実測で答えます

Q01Jevとは何ですか？ ChatGPTのようなAIと何が違うのですか？

Jevは、文章を一切書かず「判断」だけを返す新しいタイプのAIです。○か×か、どれに当てはまるか──決めた形の答えだけを1回でまとめて返します。発表は2026年9月15日（現地時間）。開発元TypeSafe AIの自社評価では、文章を書くAI（LLM）より193.6倍高速・444.6倍低コストです。

ChatGPTのような文章を書くAI（LLM）は、答えを1文字ずつ順番に作ります。だから時間もお金もかかります。Jevはその作り方を捨てて、 判断だけをものすごい速さで返す ことに特化しました。

観点	文章を書くAI（LLM）	Jev
答えの作り方	1文字ずつ順番に文章を作る	はい／いいえ・選択肢・数値など、決めた形の答えだけを1回でまとめて返す
速さ・コスト	文章を作る分、時間とお金がかかる	開発元の自社評価でLLMより193.6倍高速・444.6倍低コスト。応答は70〜500ミリ秒
料金（2026年9月時点）	モデルごとの従量課金	入力100万トークン（AIが文章を数える単位）あたり0.042ドル。出力は無料
文章・コードの作成	できる	できない。チャットの代わりにはならない

開発元TypeSafe AIのCEO、Diogo Almeida氏は、ChatGPTの土台になったInstructGPT論文の共著者の1人です。そしてJevは、答えのたびに「どのくらい確信があるか」の数値を付けて返します。この確信度が、実務では後で効いてきます。

• PC Watch（Jev発表の報道）
• GIGAZINE（Jev解説）
• TechCrunch（開発者の反響）

Q02Jevは実際の業務でどのくらい速くて、いくらかかりますか？

私が自作したデモ「サクッと判定AI」（Googleスプレッドシート＋GAS）の実測で、問い合わせ100件の仕分けが13.3秒・約0.95円でした（2026年9月20日計測・$0.006355を1ドル150円換算）。日報40件のヒヤリハット検知は6.1秒・約0.35円、経費の摘要チェック40件は6.4秒・約0.33円です。

デモはGoogleスプレッドシートです。ボタンを押すと、空だった列が上から埋まっていきます。データはすべて架空のデモデータです。1件につき、内容の分類（7択）・優先度・返信や対応の要否の3つを同時に判断し、担当候補と次の対応まで入ります。

判定は確率で出るので、所要時間や要確認の件数は回によって少し変わります。上のGIFは記事用に撮り直した回で、このときは9.3秒・要確認17件でした。

仕組みも軽いのです。スプレッドシートに付いている自動化の仕組み（GAS＝Google Apps Script）からJevを呼んでいるだけで、 特別なシステムの追加は一切ありません 。サーバーも学習データも要らず、いつもの表の上で動くので、新しい画面の使い方を覚えてもらう必要もありません。

Q03Jevの判定は、どこまで信用していいのですか？

全部は任せない設計にすべきです。私のデモでは判定に確信度を付けさせ、確信度0.6未満・判断が五分五分・項目どうしの矛盾・情報不足のどれかに当たると「要確認」として人に回します。100件の結果は判定済み85件・要確認15件。返信も対応も自動では実行せず、AIの判定はあくまで候補です。

要確認に落ちた実物と、即仕分けされた実物を並べます（いずれも架空のデモデータ）。

• 「例の件、先ほどお話しした内容でお願いします。」→ 情報不足（対応要否の確信度0.27）で要確認
• 「御社名義で『振込先口座が変わりました』という書面が届きました。本物でしょうか。」→ 優先度の確信度0.27で要確認
• 「朝から全員ログインできず、受注処理が止まっています。」→ 確信度1.0で優先対応へ即仕分け

2つ目は、人が先に見たい問い合わせの典型です。人は、優先対応と要確認だけを抜き出した一覧から見ればいい。 100件を読む仕事が、15件を見る仕事に変わります 。人が疲れるのは能力の問題ではなく、全部を同じ濃さで読まされる仕組みの問題です。

限界も書いておきます。確信度は「正解率」ではありません。判定は間違うこともあるし、回ごとに揺れます。しきい値は業務ごとに実データでの調整が必要で、文章は書けないので返信文づくりは別の仕事です。だからこそ、 何をどう判断させ、どこから人に渡すか の設計が効いてきます。

Q04Jevはどんな業務に向いていますか？ 費用対効果はどのくらいですか？

毎日「読んで、決める」だけの仕事に向いています。問い合わせの一次仕分け、日報の危険記述チェック、経費申請の一次チェックなどです。人の時間は件数に比例して増えますが、判断の料金はほとんど増えません。判断対象が大量に追加され続け、すぐ捌く必要がある業務ほど差が開きます。

Q05Jevを業務に導入するには、何から始めればいいですか？

大がかりなシステム開発からは始めません。私のデモは、GoogleスプレッドシートのGASからJevを呼んでいるだけで、判断の基準も設定シートに日本語の文章で書いてあるだけです。難しいのはJevを呼ぶことではなく、何をどう判断させ、どこから人に渡すかを業務に合わせて決めることです。

よくある質問（FAQ）

Q. Jevは文章の要約や返信文の作成もできますか？

A. できません。Jevは文章もコードも書けず、チャットの代わりにはなりません。判定のあとの返信文づくりは、文章を書くAIか人の仕事として別に設計します。

Q. Jevの判断基準は、プログラミングで書くのですか？

A. いいえ。私のデモでは、判断の基準は設定シートに日本語の文章で書いてあるだけです。直したいときは文章を直します。プログラムの書き換えは発生しません。

Q. 確信度が高ければ、判定は正しいと考えていいですか？

A. いけません。確信度は「正解率」ではなく、私自身、設定シートに「暫定・未校正」と書いています。判定は間違うこともあり、回ごとに揺れます。しきい値は業務ごとに、実データでの調整が必要です。

Q. デモで仕分けた問い合わせは、実在のデータですか？

A. いいえ、すべて架空のデモデータです。実測値（100件13.3秒・約0.95円など）は、その架空データ100件を2026年9月20日に処理した際の計測値です。

Q. 件数が少ない業務では、導入する意味はありませんか？

A. 効果がいちばん大きいのは、判断するものが大量に追加され続け、すぐ捌かないといけない業務です。人の時間は件数に比例して増える一方、判断の料金はほとんど増えないため、件数が多いほど差が開きます。まずは1日の件数を数えて、試算の前提を自社の数字に置き換えてみてください。