JEV徹底解説：企業AIエージェントに必要な「統制可能な確率的意思決定層」

生成AIは回答、要約、文章作成、計画を得意とします。しかし企業フローの重要な場面で必要なのは、さらに長い文章ではなく、ソフトウェアがそのまま利用できる判断です。この問い合わせをどの担当へ送るか、取引リスクはどの程度か、この操作を自動実行してよいか、どの時点で人へ渡すか、といった判断です。

2026年9月、TypeSafe AIの JEV がVercel AI Gatewayで利用可能になりました。VercelはJEVを確率的意思決定モデルと説明しています。アプリケーションが構造化された状態と限定された回答候補を渡すと、Choice、Score、Booleanの型付き結果と確率を返します。長文生成や広い推論、多様なツール操作を行う汎用LLMの代替ではなく、「次に何をするか」を検証しやすい部品へ切り出すモデルです。

重要なのはモデル名ではなく、アーキテクチャの変化です。汎用LLMは理解と生成、意思決定モデルは定義済みの選択肢と信頼度、企業のコードとポリシーと人は実際の実行許可を担います。AIOSを構築する組織にとって、JEVはモデル能力と運用統制の間を埋める層になり得ます。

図：JEVの価値は文章を増やすことではなく、型、確率、しきい値を持つ判断を運用経路に置けることにある。

1. JEVとは：曖昧な「判断して」を境界のある質問に変える

VercelのJEV解説はJEVを「System One」モデルと呼びます。現在状態と事前定義した質問を入力し、自由文ではなく限定された型付き回答を受け取ります。分類、スコアリング、リスクフラグ、ルーティングのような、高頻度で境界が明確な判断に向きます。

チャットモデルとの違いは、推論前に回答空間が定義されている点です。🔗 大規模言語モデルの仕組みが生成層を理解する助けになる一方、意思決定モデルは狭い課題をプログラムが消費できる形にします。型が正しさを保証するわけではありませんが、自由文解析、表記揺れ、項目欠落を減らします。

2. AIエージェントに独立した意思決定層が必要な理由

企業エージェントは、入力理解、情報取得、次の行動選択、ツール実行を同時に担います。一つの汎用モデルへすべて任せると、プロンプトがポリシー、ルーター、出力仕様まで兼ねます。フローが長くなるほど、エラーがデータ、推論、形式、権限のどこから来たか分かりにくくなります。

JEVのアーキテクチャ上の価値は分離です。🔗 AIエージェント開発は計画と実行、🔗 MCPとAIエージェントはツール接続の標準化を扱います。意思決定層は、現在状態でどの動作がしきい値を満たすか、人の承認が必要か、判断がどれだけ不確実かを答えます。

制御しやすいフローは次のようになります。

1. 汎用LLMがメール、通話、文書を構造化状態へ変換する。
2. RAGまたは業務システムが顧客、契約、履歴を補う。
3. JEVがルーティング、優先度、リスク、自動化可否を並列評価する。
4. コードが確率、権限、ポリシーしきい値を組み合わせる。
5. 高影響または低信頼の案件は人へ渡す。
6. 最終結果を評価可能な証拠として保存する。

これにより、🔗 RAG 2.0のデータ品質と意思決定品質を別々に観察できます。検索の失敗はデータ経路、しきい値の失敗は校正を改善します。

3. 速度・コストの数字をどう読むか

Vercelの提供開始告知は、TypeSafe AIのワークフロー評価として、JEVが特定テストでLLMより最大193.6倍高速、444.6倍低コストだったと紹介しています。これはベンダー報告の結果であり、あらゆるデータ、地域、プロバイダー、企業負荷への一般保証ではありません。

Vercelの採用レポートは、公開24時間以内に有料チームの約13%が利用したと報告しました。これもAI Gateway内のプラットフォームデータで、世界市場シェアではありません。ただし、長文生成よりも高速な限定判断を必要とするユースケースが多いことは示しています。

誤判断の損失が大きい場合、推論が安くても自動許可の根拠にはなりません。受容可能なリスクで一件を完了する総コストを見る必要があります。

4. 確率は答えではない：しきい値、校正、棄却

確率があれば、トップ候補を事実として扱わず、しきい値を設定できます。問い合わせ分類の一位が0.61、二位が0.37なら人へ渡し、一位が0.96で過去の校正も安定していれば自動配分する、といった運用です。

ただし、モデルの0.9が現実の90%正解を自動的に意味するわけではありません。自社データで信頼度帯ごとの実正解率を測り、言語、製品、顧客種別、時期でも分けて確認します。英語で有効なしきい値が日本語で同じとは限りません。

• 自動領域：高信頼、低影響、取り消し可能な動作。
• 人の確認領域：候補が接近、データ不足、影響が中〜高。
• 棄却／停止領域：範囲外、異常、ポリシー禁止。

法令、金額上限、役割権限は決定的ルールが担当し、意味の曖昧さ、優先順位、リスク傾向を確率モデルが補います。実際の行動はルール、モデル、人の組み合わせで決めます。

5. JEVと汎用LLMの役割分担

VercelのJEVとGPT-6 Astraの比較は境界を明確にしています。JEVは回答が定義済みで、ネイティブ確率が必要な集中的判断向け。汎用モデルは内容生成、開かれた推論、広いツール作業向けです。

🔗 WAIC 2026のエージェント、ロボット、チップが示すように、産業の焦点は「モデルが何を言えるか」から「システムが何を完了できるか」へ移っています。意思決定層は、高価なLLMの前に仕事を振り分け、ツール実行直前にリスクを止められます。

6. JEVをAIOSの中に置く

JEV単体はID、データ契約、計算資源、ポリシー、バージョン、監査を管理しません。各チームが独自の質問としきい値を作れば、分断された意思決定APIが増えるだけです。

AIOSは次の共通機能を提供すべきです。

1. モデルと質問の登録：バージョン、schema、選択肢、用途、責任者。
2. データ契約：必須項目、出所、機密度、欠損処理。
3. しきい値ポリシー：テナント、役割、リスク、地域別の自動／確認／停止。
4. ルーティングと容量：適切なモデルと資源、フォールバック。
5. 可観測性：確率、選択肢、版、遅延、人の修正、最終結果。
6. 継続評価：データドリフト、信頼度変化、クラス不均衡、ポリシー劣化。

基盤も重要です。🔗 GPU・NPU・TPU・LPUの違いはアクセラレータ特性、🔗 GPUの効果的な管理は共有、隔離、利用率を扱います。AIOSはその資源信号をモデル、判断、業務成果へ接続します。

NIST AI Risk Management FrameworkのGovern、Map、Measure、Manageに沿えば、JEV用途ごとに業務境界、影響、測定、例外経路を定義できます。確率が企業判断になるのは、この制御面へ入ったときです。

7. 最初に向く三つ、向かない三つ

向くケース

• 問い合わせ・コンテンツのルーティング：カテゴリが安定し、誤りを戻せて、人のラベルが自然に蓄積する。
• アラート優先度：Scoreで順序を付けつつ、決定的ルールが必須アラートを守る。
• 低リスク自動化ゲート：データ補完、再試行、人への確認など、取り消し可能で記録できる動作。

向かないケース

• 不可逆な高額金融判断：法令、公平性、データ義務が一つの確率を超える。
• 雇用処分、医療、法律の結論：重大な専門判断の責任は人に残す。
• 回答空間が変化中の仕事：まず汎用モデルと人で探索し、分類が安定してから限定質問にする。

8. 90日導入：一つの意思決定ループを証明する

1〜30日：質問と失敗コストを定義

高頻度、低リスク、取り消し可能な判断を一つ選び、Choice／Score／Boolean、データ、正解、棄却条件、責任者を定義します。履歴データは言語、製品、顧客分布を保ちます。

31〜60日：シャドー実行と校正

JEVの結果を実行せず、人の判断と比較します。precision、recall、校正、遅延、費用、グループ差を測り、自動・確認・停止領域を作ります。

61〜90日：取り消し可能な動作だけを開放

低影響のケースから自動化し、すべての人の修正と最終結果を記録します。モデル・データ異常時の停止スイッチを用意し、しきい値を毎週見直します。

JEVが示す方向は明確です。企業AIは、すべての処理を自由文生成にする必要はありません。質問を限定できるなら、型付き結果、ネイティブ確率、外部ポリシーによってエージェントを高速、低コスト、制御可能にできます。ただし速度と型だけではガバナンスになりません。AIOSが質問、データ、しきい値、権限、人、監査を接続して初めて、JEVは運用可能な意思決定層になります。