新AIモデル「Jev」をRob Shocksが解説
文章を書かず「決定」だけを高速に出すAIの使いどころ

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。今回はYouTubeチャンネル「Rob Shocks」から、TypeSafe AIが公開した新モデル「Jev」を解説する動画を紹介するね。

出典: JEV Breakdown: The First AI Model Built For Code（Rob Shocks）

動画の冒頭、Rob Shocksがこう切り出します。この新しいモデルは、文章を一文も書けません。

それなのに、Vercelのような大手企業が「並外れた結果」だと報告している（0:02頃〜）。矛盾してるように聞こえます。

動画内・モデルの自己紹介

「So, it’s called Jev. My name is Jev.」（0:13）

開発したのはTypeSafe AIという会社。創業者のディオゴ・アルメイダ氏は、動画内でChatGPTの共同創業者の一人と紹介されていました。

この肩書は画面に映るプロフィール表記でも確認できました。ずっと人間向けの文章を作るAIを開発してきた人が、次に作ったのが「文章を作らないAI」。この構図が、まず面白いんです。

従来のフロンティアモデルは、人間の好みに合わせて訓練されています。だから機械同士のやり取りで使うと、確信度の低さや答えのブレが出やすい。

そこをTypeSafe AIは2年かけて再設計したそうです（0:45頃〜）。私はこの「2年かけて」に反応しました。

私も今、Claude Codeチームに作業を委ねる「委ねるOS」を実践中です。未完成でも出す。作業を人やAIに任せる。まだその第一歩の段階です。

TypeSafe AIは逆に、外に出さず2年間じっくり作り込んでから公開した。委ね方にも順番があるんだなと、素直に感じました。

画面に映ったツイートで、創業者本人もこう書いていました。

ディオゴ・アルメイダ氏（画面のツイート）

「we were building in stealth for 2 years precisely because we didn’t want to be vaporware」

「口だけの製品」にならないために、あえて隠れて作り込む。派手な発表を急がない選び方も、一つの委ね方の型だと思いました。

動画では、なぜJevのようなAIが要るのかを図解したスライドも紹介されていました（4:23頃〜）。

動画内・ナレーション

「traditional software is deterministic. It’s all about yes, no, gate, if, then, else. Agents, on the other hand, are very non-deterministic. …Where Jev comes in really powerful is in the hybrid world of AI-powered software.」（4:23）

従来のソフトはif/thenで決まりきった動き、エージェントは自由だけどブレる。Jevはその間、型は決めつつ中身の判断だけ委ねる「ハイブリッド」の立ち位置だと図解されていて、私が今回の記事で何度も書いている「委ねる」の話そのものでした。

動画の中盤、社名の由来が明かされます。TypeSafe AIの開発チームは自分たちを「System 1」と呼んでいるそうです。

動画内・ナレーション

「there’s some cool Easter eggs baked into some of the naming conventions here. So, System 1 is actually the name of the company, and that comes from the two systems of thinking from Daniel Kahneman, Thinking Fast and Slow.」（5:19）

ダニエル・カーネマンの二重過程理論。速い直感と遅い熟考の話が元ネタだと動画では説明されていました（5:08頃〜）。

既存の大きいAIモデルは、言葉を一つずつ積み上げて考える。だからSystem 2型。対してJevは、状態をまるごと渡すと、全部の質問を同時に評価する。積み上げない。

画面に出てきた図解が分かりやすかったので、そのまま載せます。メール・ユーザー・取引などの「State」をJevへ一発通すと、fraud（不正）2%・category（分類）99%・approve（承認）96%・priority（優先度）87%という4つの判定が、たった0.1秒・出力トークン0円で同時に返ってくる仕組みです（7:17頃〜）。

動画内・ナレーション

「However, Jev doesn’t generate tokens. There’s no auto-regressive loop.」（5:43）

この「自己回帰ループを持たない」という設計、私にはとても納得感がありました。私が分身AIやAIチームに委ねる時の最低条件も、実はこれに近い型をしています。

わからないことは憶測しないで聞く。わかることは、2度聞かない。既に分かっていることを一から積み上げ直すのは時間の無駄です。

判定は一発でいい。Jevの仕組みは、この境界線をハードウェアレベルで実装したようなものだと思いました。

ただし、AIに何もかも即断させればいいという話ではありません。判断の材料がまだ揃っていない時に、この記事のような「AI恐怖論」を煽って思考停止するのも危ういと、前に紹介した回で書きました。

速く決めることと、決めていい範囲を見極めること。この2つは別の話です。

見極めの基準は、失敗した時にどれだけ戻せるかだと私は考えています。照明のON/OFFなら間違えても一瞬で直せる。でも契約や公開のような戻せない判断は、どれだけ速いAIでも人間の最終確認を外しません。速さと戻せるかどうかは、常にセットで見る必要があります。

具体的な数字も出てきます。Jevは既存モデルに比べて20〜200倍安く、ミリ秒単位で分類や真偽判定ができるとのこと（1:11頃〜）。

動画内・ナレーション

「something very different and very useful. In just milliseconds and between 20 and 200 times cheaper than existing models you might use for the same task」（1:11）

実際にVercelの事例が紹介されていました。今まではチケットの分類にGemini 2.5 Flash Liteを使っていたところ、Jevに置き換えたら6倍速くなり、評価スコアも振り切ったと画面のツイートで確認できました（2:24頃〜）。

画面には具体的な比較表も映りました。同じ判定タスクで、TypeSafe AI側は費用0.000081ドル・処理時間0.114秒。対して既存の大きいLLM側は費用0.013880ドル・処理時間8.566秒だったと表示されていました（0:40頃〜）。

「Decisions For Code」というスライドも印象的でした。既存モデルは「The answer is…」と一語ずつ文章で返すのに対し、Jevは「which category 0.92」「how severe 0.71」「is this true 0.88」と、複数の判定を一度に・0.1秒で・10億トークンあたり42ドルで返す、という対比が一枚に収まっています。

桁が違います。同じ質問に同じように答えているはずなのに、コストも時間もこれだけ開く。専用に作った道具と、なんでもできる道具の差が、数字になって出た瞬間でした。

私も日々のAI運用でコストを見ています。1回1回は小さな金額でも、毎日何百回と判定を回せば、専用モデルと汎用モデルの差は月単位の請求額になって返ってきます。速さだけでなく、財布への効き方も見逃せないポイントでした。世界200件の事例をまとめた特集記事では、AIの手前にJevを置くだけでトークン消費が58%減った例も紹介されていました。

この速さの正体を、私は水車に例えたい。水車は流れ続けるだけで仕事をする。

ピタゴラスイッチも同じです。一つの動きが次の動きを生んで、全体が自走する。止めて考え直す隙間がない。

Jevが「トークンを生成しない」というのも、まさにこの自走の構造です。一つの入力が、一発で全部の判定へ噛み合っていきます。

私は今、AI秘書とタスクを回す仕組みを作っています。そこでも「毎回考え直すAI」と「もう分かっている判断を秒で返すAI」を分けたいとずっと思っていました。

Jevの実例を見て、その分け方が具体的な数字で裏付けられた感覚があります。

用途例として、画面には10項目のリストが映りました。コーディングエージェントのガードレール、ライティングのリンター、モデルルーター、RAGフィルター、チケットのトリアージ、引用チェッカー、スキル選択、セマンティック検索、コーパスの要約集約、ライブUIまで並んでいました（1:30頃〜）。

10項目それぞれは地味です。でも、どれも「人間が今も手作業で仕分けている判断」ばかりだと気づきます。派手な生成の仕事ではなく、裏方の仕分け仕事を10種類、丸ごと肩代わりする発想でした。世界200件のプロジェクトを調べた特集記事でも、メール・コメント・問い合わせの仕分けが実際に一番多い使われ方だとまとめられていました。

私の毎日にも、似たような裏方仕事がたくさんあります。届いたメッセージが急ぎか後回しでいいか。この記事は今日出すか、直してから出すか。どれも一つひとつは軽いのに、積み重なると一日の体力を静かに削っていきます。

「チャット用途には向かない。速くて安くて信頼できる意思決定に向く」と、Rob Shocksがはっきり言い切っていました（2:00頃〜）。

playgroundの実演も見応えがありました。ヘルプデスクのチケットが来ると、技術・課金・セールスのどれか、苛立ち度は穏やか・普通・怒りのどれか、対応期限の有無、担当への振り分け先まで、JSON形式で瞬時に返してくる。

質問の型は3種類だけ、と図解されていました。「Choice」はどのチーム宛か（technical=0.84）を選ぶ、「Score」はどれだけ苛立っているか（civil寄り=1.4）を尺度で置く、「Noul」（真偽確率）は「これは急ぎか」に0.99と答える。3種類の型に収まるからこそ、AIの答えをそのままシステムが使える設計になっているんです（3:26頃〜）。

「空は何色？」という単純な質問にも、baby blueの確率81%・確信度78%と数値で答えていました（8:14頃〜）。

極め付けはスマートホームのデモ。「リビングの照明をつけて」「音楽を止めて」と話しかけると、応答185ミリ秒で家電が動きました（6:56頃〜）。

動画内・playground実演

「we get a response. It’s an 81% likelihood to be baby blue. And a confidence level of 78%.」（8:37）

実際の画面がこちらです。左に質問と選択肢のJSON、右に確率つきの回答が並ぶだけの、驚くほどシンプルな作りでした。

スマートホームのデモ画面も実際に見てみると、「コーヒーを沸かして」の一言で対象デバイスの判定・実行までが右側の「Decision Trace」に丸見えになっていて、ブラックボックス感がほとんどありませんでした。

これを見ていて、私は自分のIT歴30年を振り返りました。「ITは若い人のもの」という諦めが、この業界には今もあります。私自身、そう思い込んでいた時期がありました。

でもJevのようなモデルは、難しいコードを書かなくても、プロンプトと入出力のフォーマットさえ決めれば動く設計です。

以前紹介したNate Herkの動画でも、Claudeに営業とサポートを任せる話をしましたが、根っこは同じです。

年齢や経験の長さより、何を任せるかを決める力の方が問われる時代になっています。

動画で紹介されていたデモの一つが、Jevにゲーム「Doom」を1時間プレイさせた実験です。API呼び出しの量は膨大だったのに、かかった費用は約7ドルほどだったと語られていました（5:00頃〜）。

動画内・ナレーション

「this is Jev playing Doom, and you can actually see the real-time rate.」（5:00）

なぜこんなに安く長時間動かせるのか。答えは、Jevが自由に文章を考えるのではなく、決まった型（選択肢・スコア・真偽確率）の中でしか答えないからです。型があるから、余計なことを考えず、秒で判定して次に進める。

これ、私が最近たどり着いた考え方とそっくりでした。見本とカルピス原液をマージするのが最強、というものです。

見本は強い型と到達水準を渡し、カルピス原液は本人のストーリーや価値観を渡す。AIは原液を見本の型に載せて仕上げます。

ただし、もっともらしい話を作って本当のWhyを変えてはいけない。Jevの「型を渡して、中身の判断は任せる」という設計は、まさにこの委ね方の見本のように見えました。

型を先に決める。中身の判断はAIに委ねる。7ドルで1時間遊ばせても、脱線しない。この順番を守るだけで、委ねる怖さはかなり減ります。

逆に言えば、型を決めずにAIへ丸投げすると、コストも結果も読めなくなります。Doomのデモが安く済んだのは、Jevが賢いからというより、遊べる範囲を最初から狭く区切っていたからだと私は見ています。マリオやDoomで遊ばせる話は、世界200件の事例をまとめた特集記事の「遊びと演出」の章でも扱われていて、お金のかからないチャットゲームまで生まれているそうです。

動画の最後、Rob Shocksはこうまとめていました。AI活用のソフトウェアを作るなら、コストと時間を食っている意思決定の流れを、YES/NOの構造化された入出力に置き換えられないか考えろ、と（9:37頃〜）。

私はこれを聞いて、自分の日々の仕事を思い浮かべました。承認するかしないか。この作業は今日やるか明日回すか。こういう判断を、私は今も自分で抱え込んでいます。

結果を自分で所有して、完成させなければと執着した時に、抱え込みは始まります。好きで得意なことをワクワク探求するのは抱え込みじゃない。境界は、結果を手放せなくなった時。ここが今も私の戦いの最中です。

Jevの動画に出てくる判断は、どれも「結果を手放しやすい」種類の判断ばかりです。空の色を当てるのも、照明を消すのも、間違えたところで大きな傷になりません。だからこそ、最初の一歩として選びやすいんだと思います。

Jevのようなモデルが教えてくれたのは、判断業務にも「軽い判断」と「重い判断」があるということ。軽い判断まで自分の頭で処理しようとするから、時間がなくなる。

IT歴30年、いろんな道具を触ってきました。今ようやく「決める仕事」を仕分ける道具が揃ってきた実感があります。

今の私の仕事も、承認・優先度づけ・振り分けといった「軽い判断」に、毎日かなりの時間を取られています。ここをJevのような専用AIに任せられたら、私が使える時間は確実に増えます。

増えた時間で何をするか。ここまで決めて初めて、委ねる意味が生まれます。ただ楽になりたいだけでは、また別の作業で埋まって終わりです。

私の場合は、家族と過ごす時間と、ワクワクする探求に使うと決めています。Jevのような道具は増えていきますが、増えた時間を何に使うかを決める仕事だけは、AIに委ねずに私自身が持ち続けるつもりです。

動画の後半で、もう一つ印象的なデモがありました。「6次の隔たり」というテストです。関係のなさそうな2つのWikipediaページを、何ホップで辿り着けるか調べるというもの。今回は「DNA」から「マニプリ・ポニー」というインドの馬の品種まで、何ステップで到達できるかを試していました（6:20頃〜）。

実際の画面には「Wikipedia Speedrun」というタイトルで、難易度（EASY/MEDIUM/HARD）と対戦形式（SOLO/HEAD-TO-HEAD）を選ぶUIまで用意されていて、単なるデモじゃなくちゃんとしたミニゲームになっていました。

結果は1.7秒。膨大なページの海から、正しそうな経路を一瞬で選び出していました。

正直、少し怖くもなりました。人間なら何分もかかる探索を、Jevは瞬時にやってのける。じゃあ、この速さを全面的に信じていいのか。ここが今回の動画で一番考えさせられた部分でした。

私はこの問いに、AIチームを日々動かしている経験から答えを出しています。自走は、人間が見守ること自体で壊れるのではありません。「私が見て育つ」から「私が見ないと止まる」へ変わった時に、初めて壊れます。

つまり、速いAIを怖がって手綱を握り続ける必要はない。ただし、結論を出す責任がどちら側にあるかだけは、常にはっきりさせておく。Jevの1.7秒も、私の日々のAI運用も、根っこにある条件は同じだと感じました。

動画ではこの後、OpenCodeチームがブラウザ操作と組み合わせて検証し「非常に高速だった」という話や、StarCraftのミッションに組み込んだ応用にも触れられていました。この2つは字幕での言及のみで、画面上の裏取りはできませんでした。速さの評判が独り歩きしやすい分野だからこそ、確認できた部分とできなかった部分は分けて書いておきます。

10分ちょっとの動画でしたが、残ったのは「AIに委ねる」という言葉の解像度が一段上がった感覚でした。

Jevが教えてくれるのは、AIを賢くする話ではありません。自分の仕事の中にある「文章の仕事」と「決める仕事」を分けるという視点です。

決める仕事は、型さえ決めれば軽く委ねられる。文章の仕事は、原液と物語を渡して丁寧に育てる。

この2つを同じAIに丸ごと投げていた自分に、動画を見ながら気づかされました。あなたの仕事の中にも、今すぐ仕分けられる「決めるだけの作業」、ありませんか。