文章を書かず、判定だけを返すAI「Jev（ジェブ）」が2026年9月に公開され、技術系メディアが相次いで取り上げています。このブログでも実際に登録し、公開済みの全1,264記事についてカテゴリーと読者層を判定させ、確信度の高いものだけを204本の記事に反映しました。全記事の判定にかかった費用は約0.44ドルです。この記事では、Jevとは何か、何が話題で何が疑問視されているのか、実際に使って当たった所と外れた所、そして医療に関わる仕事のどこに使い、どこには使わないと決めたのかをまとめます。
監修：今村久司（脳神経内科専門医・総合内科専門医）
【制作背景・AIクレジット】
本記事で紹介する作業（判定スクリプトの作成と実行、結果の集計、ブログへの反映）と本記事の下書きには、AnthropicのClaude Code（Claude Fable 5.1）を使いました。記事の判定そのものはTypeSafe AIのJev（jev-1.13.0）が行っています。Jevに送ったのは公開済み記事の題名と本文だけで、患者情報は一切含みません。掲載した数値は、公式資料の原文と手元の実行記録に照合してあります（確認日：2026年9月22日）。
目次
1．Jevとは何か——「文章を書かないAI」
Jevは、米国のスタートアップTypeSafe AIが公開したAIモデルです。同社はこれを「System One Model」と呼び、自動化のために最適化した最初の公開モデルと説明しています1。ChatGPTやClaudeのような対話型AIとの一番の違いは、文章を一切書かないことです。返ってくるのは、あらかじめ決めた「型」に沿った判定結果と、その確からしさだけです。
質問の型は3種類あります3。
| 型 | 何を返すか | 今回の使い方 |
|---|---|---|
| Choice | 最大255個の選択肢から1つを選ぶ。各選択肢の確率（合計1）と、0〜1の確信度が付く | 読者層の2択（医師向け／一般向け） |
| Score | 説明つきの段階（例：軽い・中くらい・重い）のどのあたりかを数値で返す | 今回は使っていません |
| Noul | 「はい」である確率を0〜1で返す。0.5付近は「どちらとも言えない」 | 39個のカテゴリーそれぞれについて「この記事の主題か」 |
料金は入力100万トークンあたり0.042ドルで、出力は無料です。1回のリクエストに載せられるのは6万4千トークンまで、扱えるのはテキストだけです2。画面に向かって相談する道具ではなく、自分のプログラムの中から呼び出す部品だと考えると分かりやすくなります。
| 項目 | 対話型の汎用AI | Jev |
|---|---|---|
| 出力 | 文章（理由や説明も書ける） | 決めた型の判定と確率だけ |
| 向く仕事 | 調査、執筆、相談、複雑な推論 | 分類、振り分け、点検項目の当てはめ |
| 使い方 | 画面で会話、またはAPI | APIのみ（プログラムから呼ぶ） |
| 判断の理由 | 文章で説明させられる | 返さない（数値だけ） |
| 間違い方 | もっともらしい誤りを文章で書くことがある | 型の外には出ないが、選択肢の中で間違えることはある |
対話型AIの側の選び方は、GPT-6 Astra・Claude Fable 5.1・Gemini 3.8 Flash Highを比較する ―― 性能の違いと、調査・記事作成・動画制作での使い分けにまとめています。Jevはこれらの代わりではなく、その手前や裏側に置く部品です。
2．何が話題で、何が疑問視されているのか
話題になっている理由
Jevは2026年9月15日に早期アクセスの提供が発表され、9月21日には順番待ちが撤廃されて誰でも使えるようになりました7。CEOのDiogo Almeida氏はOpenAIの元研究者で、InstructGPT論文の共著者です。会社の設立は2024年、シードラウンドで4,000万ドルを調達したと報じられています9。
注目を集めたのは速度と価格です。Almeida氏は、対象となる仕事では汎用の大規模言語モデルより20〜200倍速く、コストは40分の1〜400分の1になると主張しています7。公式サイトも「193.6倍速く、244.6倍安い」という比較を掲げています1。ゲームのDoomを毎秒約10回の判定で操作するデモも紹介されました7。
疑問視されている点
一方で、第三者の解説記事は冷静です。主な指摘は次の4つです。
- 評価はすべて自社によるもの。独立した大規模な再現はまだ出ていません8,9。
- 正答率で汎用AIに勝っているわけではない。同社自身のベンチマークで、Jevは67.8%、上位の汎用モデルは73〜74%と紹介されています8。
- 理由を返さない。数値は出ても根拠の文章は出ないため、規制の厳しい分野の監査やデバッグでは制約になります8。
- この価格が続く保証はない。赤字覚悟の値付けでないとは証明されていません8。
「ハルシネーションなし」の意味に注意。これは「指定した選択肢にない答えや、型に合わない出力が出ない」という意味です。選択肢の中から誤った答えを選ぶことは、普通に起こりえます7。「間違えないAI」ではありません。
つまりJevは、賢さで一番を狙うAIではありません。そこそこの精度の判定を、桁違いに安く速く、大量にこなすことに振り切った道具です。それが自分の仕事で役に立つかどうかは、自分のデータで試すしかありません。
3．実録：ブログ1,264記事を仕分けてみた
なぜこの課題を選んだか
このブログは開始から1年余りで1000記事を突破し、現在は1,264本あります。書くほうを優先してきた結果、カテゴリーが1つも付いていない記事、1〜2本にしか使われていないカテゴリー、付け間違いが積み上がっていました。1,000本を超えると、人の目で全部を見直すのは現実的ではありません。
この課題がJevの試験台に向いていた理由は、正解付きのデータがすでに手元にあることです。過去に自分で付けたカテゴリーと照らし合わせれば、日本語の医学記事でどのくらい当たるのかを自分で測れます。公式ドキュメントも、英語が中心で、日本語を含む他の言語は同じ精度ではないので自分のデータで試すように、と明記しています2。
まず50本で試し撃ち
いきなり全記事には流さず、50本を無作為に選んで試しました。
- 疾患領域の10択（てんかん、脳卒中、認知症など）：50本中47本が既存のカテゴリーと一致
- 読者層の2択（医師向け／一般向け）：50本中48本が一致
- 疾患領域では、確信度0.9以上の46本のうち45本が一致。0.7未満の3本は1本しか一致せず、確信度が低いものほど外れる傾向が見えました
- 費用は約0.012ドル、応答時間の中央値は236ミリ秒
食い違った5本を確認すると、少なくとも3本は、もともと付けていたラベルのほうに無理がありました。日本語でも、主題のはっきりした判定なら使えそうだという感触を得て、全記事に進みました。
全1,264記事を判定
1本の記事につき1回のリクエストで、読者層の2択と、39個のカテゴリーそれぞれについての「この記事の主題か」を同時に尋ねました。
| 項目 | 結果 |
|---|---|
| 判定した記事 | 1,264本（エラー0） |
| 入力トークン | 約1,039万（1本あたり約8,200） |
| 費用 | 約0.44ドル（試し撃ちと質問文の作り直しを含めた記録上の合計でも約0.46ドル） |
| 応答時間 | 中央値256ミリ秒 |
当たった所と、外れた所
カテゴリーごとに、「そのラベルが付いている記事」と「付いていない記事」をJevの数値でどれだけ分けられるかをAUCという指標で見ました（0.5はでたらめ、1.0は完全に分離）。結果ははっきり二つに割れました。
| 種類 | カテゴリー（AUC） | 評価 |
|---|---|---|
| 病気・話題で決まるもの | パーキンソン病 0.996／てんかん 0.992／感染症 0.992／頭痛 0.989／認知症 0.988／栄養 0.974／脳卒中 0.972 | よく当たる |
| 文体・用途で決まるもの | 生活 0.691／初期研修医 0.636／医学情報 0.628／社会問題 0.578／医学教育 0.495 | 使えない |
「この記事はてんかんの話か」は文章を読めば決まります。ところが「これは医学教育の記事か」は、筆者がどういうつもりで書いたかに左右されます。後者はJevが悪いというより、筆者自身のラベルの付け方が揺れていたと見るほうが正確でしょう。比べた相手は過去の自分のラベルであって、絶対の正解ではない点にも注意が必要です。
読者層は、片方だけラベルが付いている574本のうち514本（約90%）が一致しました。題名に「医師向け」と書いてある記事が当たるのは当然なので、題名にも本文にも「向け」の文字がない310本に絞っても、279本（90%）が一致しています。
204本のブログ記事に反映
判定結果をそのままブログに流し込むことはしませんでした。反映したのは次の3種類、合計204本です。
- カテゴリーが0件だった記事への追加：153本。Jevの数値が0.95以上で、かつ「過去の実績から信用できる」と確かめた19種類のラベルに限り、1記事あたり最大3つまで
- 3記事未満でしか使われていない少数カテゴリーの整理：50本
- 明らかな付け間違いの削除：1本（心不全のBNPの記事に「脳神経内科」が付いていたもの）
反映のあとで204本すべてを取得し直して照合し、URLの変化0、題名や本文の変化0、計画とのずれ0を確認しています。
逆に、反映しなかったものもあります。Jevは「このラベルは怪しい」という候補を92件（84記事）挙げましたが、これは一括では直していません。たとえば運転免許の「○トン限定」を解説した記事に付いていた「てんかん」のラベルをJevは疑わしいと判定しました。指摘としては6割がた当たっているものの、この記事はてんかんの話の流れで出てきた疑問を扱ったもので、ラベルは意図して付けたものです。こうした事情はJevには分かりません。候補は「人が見直す順番のリスト」として残し、読者層のラベルも人の確認待ちにしています。
4．使って分かった5つのコツ
コツ1：質問は「主題かどうか」まで書く
Jevは質問を文字どおりに読みます。公式ドキュメントも、Jevはanswers the question you wrote, not the one you meant
（書かれた質問に答えるのであって、意図した質問に答えるのではない）と説明しています4。最初に「この記事はAI活用に関するものか」と尋ねたところ、本文の末尾に「AIで作成」と書いてあるだけの記事にも高い値が付きました。質問を「AI活用がこの記事の主題か。ついでの言及、リンクの一覧、著者の注記は無視する」と書き直すと、AI活用のラベルが付いていない記事の平均値は約0.47から約0.02に下がりました。
コツ2：自分の正解データで、先に精度を測る
カテゴリー別のAUCを先に出したことで、「病気の名前は任せられる、文体は任せられない」という線引きが、1ドルに満たない出費で分かりました。測らずに全部を信じていたら、使えないラベルを大量に付けていたはずです。
コツ3：自動で反映する条件は、確信度だけで決めない
「鑑別診断」というカテゴリーは、筆者が実際に付けてきた記事は11本だけですが、Jevは付いていない記事のうち143本に0.8以上の値を付けました。医学記事の多くは鑑別診断に触れるので、Jevの判定は間違いではありません。ただ、筆者の使い方とは合いません。そこで「Jevが高い値を付けたとき、過去の筆者も同じラベルを付けていたか」をラベルごとに確かめ、実績のある19種類だけを自動追加の対象にしました。
コツ4：中間の値は人に回す
公式も、Noulの中間の値は人の確認に回す使い方を勧めています3。今回は0.95以上だけを自動で反映し、付け間違いの候補は「人が見る順番を決める旗」として使いました。
コツ5：判定と書き込みは別の道具に分ける
Jevにさせたのは判定だけです。ブログへの書き込みは別のスクリプトで行い、試し実行を既定にする、書き込む前に元のデータを保存する、カテゴリー以外の部分には触れない、書き込んだあとに取得し直して照合する、異常があれば止まる、という安全装置を付けました。判定は安くても、書き込みの事故は高くつきます。
5．医療に関わる仕事で、どう活用するか
最初にお断りしておくと、公式のユースケース一覧には検索、顧客対応、保険金請求、金融犯罪の検知など19の用途が並んでいますが、医療は入っていません5。以下は公式の推奨ではなく、今回の経験にもとづく筆者の私案です。
使えそうな場所
| 仕事 | Jevにさせること | 状況 |
|---|---|---|
| 公開済みコンテンツの整理 | 記事・動画・資料のカテゴリー付け、付け間違いの候補出し | 今回実施 |
| 検索語やコメントの意図分類 | 「質問」「感想」「誤りの指摘」などに振り分け、返信の優先順位を付ける | 次に試す予定 |
| 文献の一次ふるい | 抄録が選定基準に合いそうかを数値化し、読む順番を決める（除外の判断は人） | 未検証の案 |
| 院内文書・研修資料の整理 | 患者情報を含まないマニュアル、議事録、教材の分類 | 未検証の案 |
| 対話型AIの前段の振り分け | 簡単な判定はJev、確信度の低いものだけ高価なAIや人に回す | 未検証の案 |
共通する条件は3つあります。①間違えても害が小さく、あとで人が直せること。②件数が多く、1件ごとの判断は単純であること。③正解の分かっているデータで、事前に精度を測れること。この3つがそろう仕事は、医療の現場にも、その周辺の事務や発信の仕事にも、意外とたくさんあります。診療のなかでAIをどう使っているかは、脳神経内科医のリアルなAI活用術 ― 診療・研究会・ブログ・動画、全部AIと一緒にやってますに書きました。
使わないと決めた場所
- 医学的な正しさの合否判定。引用文献が実在するか、数値が原文と合っているか、といった確認には使いません。Jevは理由を返さず8、計算、数え上げ、日付の比較が苦手だと公式に明記されています4。文献の確認をAIに任せきりにしてはいけない理由は、J-OSLER 病歴要約チェッカーを作った話 ─ ブラウザだけで動く無料ツールと、AIに文献確認を任せてはいけない理由でも述べたとおりです。
- 患者情報を含むデータ。プライバシーポリシーには、入力をモデルの学習や微調整に使わないと明記されています。一方で、保存期間は「合理的に必要な期間」とあるだけで日数の定めがなく、健康・医療データの取り扱いに関する記載も見当たりません6。カルテ、紹介状、症例の要約、患者さんからのメールは送りません。
- 診断や緊急度の判断など、患者さんに直接影響する判断。日本語での精度は保証されておらず2、判断の理由も示されません。説明できない判断を診療に持ち込むことはしません。
- 公開している診断支援ツールへの組み込み。利用者のブラウザだけで動く設計を崩すことになり、判断の説明責任も果たせません。
外から来た文章を判定させるときの注意。公式ドキュメントは、判定対象の文章に埋め込まれた指示や、誤解を誘う書き方にJevが引きずられる可能性があることも認めています4。コメントや問い合わせのように第三者が書いた文章を扱うときは、判定結果だけで自動的に何かを実行する設計は避けるのが安全です。
医療AI全体の現在地と限界については、医療AIは世界と日本でどこまで来たか【2026年最新】｜カルテ・画像診断・問診の最前線と限界もあわせてご覧ください。
6．よくある質問（FAQ）
Q1: JevはChatGPTのように会話できますか？
A: できません。Jevは文章を書かず、選択肢からの選択、段階評価、「はい」の確率という決まった型の判定だけを返します。画面で相談する道具ではなく、プログラムから呼び出す部品です。
Q2: 日本語でも使えますか？
A: 使えますが、事前の確認が必要です。公式は、英語が中心で、日本語を含む他の言語は同じ精度ではないので自分のデータで試すように、と明記しています。このブログの日本語の医学記事では、病気や話題で決まる分類はよく当たり、文体や用途で決まる分類は使えませんでした。
Q3: 費用はどのくらいかかりますか？
A: 入力100万トークンあたり0.042ドルで、出力は無料です。このブログの全1,264記事（1本あたり約8,200トークン）の判定は約0.44ドルでした。ただし、この価格が今後も続く保証はありません。
Q4: 患者情報を入力してもよいですか？
A: 筆者は入力しません。プライバシーポリシーは入力を学習に使わないと明記していますが、保存期間の日数の定めがなく、医療データの取り扱いに関する記載もありません。今回送ったのは、公開済みのブログ記事の題名と本文だけです。
Q5: 「ハルシネーションなし」は本当ですか？
A: 「型の外に出ない」という意味では本当です。指定した選択肢にない答えは返ってきません。しかし、選択肢の中から誤った答えを選ぶことはあります。今回の試し撃ちでも、50本中3本は既存の分類と食い違いました。
まとめ：「人が見る順番を決める部品」として使う
- Jevは文章を書かず、型の決まった判定と確からしさだけを返すAIです。速さと安さが話題ですが、評価は自社によるもので、正答率で汎用AIを上回るわけではありません。
- 日本語の医学ブログ1,264記事で試したところ、病気や話題の分類はよく当たり（AUC 0.97〜0.99台）、文体や用途の分類は使えませんでした。全記事の判定費用は約0.44ドルです。
- 自動で反映したのは、確信度が高く、過去の実績でも裏が取れた204本だけです。怪しいラベルの候補92件は、人が見直す順番のリストとして残しました。
- 医療に関わる仕事では、間違えても害が小さく、人があとで直せる整理の仕事に使います。医学的な正しさの合否、患者情報、診療上の判断には使いません。
新しいAIが出るたびに「何でもできる」という期待が先に走りますが、今回いちばん役に立ったのは、Jevそのものよりも、手元の正解データで先に測り、任せる範囲を数字で決めるという手順でした。道具が変わっても、この手順は変わらないと考えています。
参考文献・一次資料
- TypeSafe AI. 公式サイト（2026年9月22日閲覧）. https://typesafe.ai/
- TypeSafe AI Docs. Models（2026年9月22日閲覧）. https://docs.typesafe.ai/models.md
- TypeSafe AI Docs. Primitives: Choice / Score / Noul（2026年9月22日閲覧）. https://docs.typesafe.ai/primitives/choice.md
- TypeSafe AI Docs. Model jaggedness: jev-1.13（2026年9月22日閲覧）. https://docs.typesafe.ai/model-jaggedness/jev-1.13.md
- TypeSafe AI Docs. Use case map（2026年9月22日閲覧）. https://docs.typesafe.ai/concepts/use-case-map.md
- TypeSafe AI. Privacy Policy（2025年11月19日版・2026年9月22日閲覧）. https://typesafe.ai/legal/privacy-policy
- gihyo.jp. TypeSafe AI、AIモデル「Jev」の早期提供を開始――判断結果を構造化データで高速出力、ソフトウェアでの活用を想定（2026年9月16日・9月21日追記）. https://gihyo.jp/article/2026/09/jev-early-access
- Crabtree M. Jev: TypeSafe's System One Model Explained. DataCamp（2026年9月16日）. https://www.datacamp.com/blog/system-one-models-jev
- Bezmalinović T. AI model "Jev" to make machines decide faster. heise online（2026年9月17日）. https://www.heise.de/en/news/AI-model-Jev-to-make-machines-decide-faster-11457071.html
