すべてのタスクを、適切な場所へ。
意図を識別し、優先度を評価。メッセージやチケットを適切な処理先に振り分けます。
ワークフローの振り分けJev を知る · System One モデル
Jev を知る。
構造化された判断のためのモデル。
知性を、行動へ。
情報を判断に変え、ソフトウェアを動かす。
自動化のために生まれた、高速な判断モデル Jev。
判断を支えるエンジンJEV / 01
非構造化入力構造化された判断
70–500ms
エンドツーエンドの応答遅延*
1 call
1 回の呼び出しで、並列に回答
Type-safe
型が決まった値を、そのままコードへ
P(decision)
すべての判断に、確率を
* レイテンシの出典：TypeSafe AI の公式発表。実際の性能はタスクや動作条件によって異なります。
01 / もう一つの知性のかたち
Jev とは？
Jev は TypeSafe AI が初めて公開した System One モデルで、ソフトウェア内の判断の自動化に向けて設計されています。
状態と事前に定義した質問を入力すると、Jev が型付きの回答とその確率を返します。プログラムはその結果を使い、業務ルールに従って次の処理を決定できます。
下のデモで判断の流れを体験02 / 状態から判断へ
Jev はどのように動作しますか？
コンテキストを提供し、質問の型を定義したうえで、構造化された判断結果を読み取ります。以下では、用意されたサンプルを使って、問い合わせの振り分け、コンテンツモデレーション、見込み客のスコアリングを紹介します。
01 / 状態入力する状態
型付きの質問定義済みの質問
intentenumneeds_humanbooleanurgencyscore 1–5
JEV
02 / 判断構造化出力
結果の例
{
"intent": {
"value": "refund",
"probability": 0.96
},
"needs_human": {
"value": true,
"probability": 0.92
},
"urgency": {
"value": 4,
"confidence": 0.89
}
}次の処理の例：請求担当者へ引き継ぎ、二重請求を優先的に確認します。
01
コンテキストを渡す
メッセージ、ログ、業務イベントを、
元の形のまま。
02
答えの形を先に決める
分類、真偽値、スコアなど、
出力の型は自分で選べます。
03
判断をプログラムにつなぐ
結果と確率を読み取り、
業務上のしきい値に従って次の処理を決めます。
03 / 新しい基本要素
Jev と LLM の違いは？
Jev は、事前に定義された質問に対して型付きの判断結果と確率を返します。LLM は汎用的な生成と推論を中心とし、構造化出力によって JSON に制約を設けることもできます。
型が正しいこと ≠ 判断が正しいこと。
重要な業務には、しきい値、検証、人による確認が引き続き必要です。
| 比較の観点 | 言語モデル | Jev · System One |
|---|---|---|
| 出力 | テキストまたは制約付き JSON | 定義済みの型の値 |
| 処理 | トークン単位で生成 | 複数の判断を並列に返す |
| 連携 | 解析または Schema による制約 | 構造化された結果を読み取る |
| 確率 | モデルと API によって異なる | 校正された確率を返す |
Jev 公式サイトで示された製品の位置づけに基づきます。具体的な機能は実際の API によって異なります。 TypeSafe AI · Jev 公式サイト
04 / あらゆる場所に、知性を
Jev はどのような用途に適していますか？
Jev は、ワークフローのルーティング、リアルタイムのやり取り、バッチでの特徴抽出、モデルの安全性評価に活用できます。
今に応えるフィードバック。
現在の状態を素早く評価し、応答遅延に敏感な対話型システムの判断を支えます。
リアルタイムの対話膨大な情報から、シグナルを見つける。
非構造化コンテンツを分類とスコアに整理し、プログラムで処理できる形にします。
特徴量の一括抽出次の一歩の前に、もう一つの判断を。
プロンプトやモデル出力のリスクを評価し、許可、再確認、ブロックの判断を支援します。
モデルの安全性評価待つ時間を減らし、動く時間を増やす。
知性を、行動の一部に。
一つの質問から始めて、Jev があなたのシステムで担える次の判断を探ってみましょう。
API の早期アクセスを申請typesafe.ai でアクセスを申請