Jev AIモデル（TypeSafe） — 型付きシステム1の意思決定

概要

TypeSafeが開発したJev AIは、ソフトウェアの状態を評価し、会話形式のテキストではなく構造化された型付きの判定を返すよう設計された特化型意思決定モデルおよびAPIです。ソフトウェアエンジニアやエージェント開発者を対象とし、決定論的な条件分岐ロジックにおいて信頼性に欠ける自由形式のテキスト補完という課題を解決します。ユーザーの意図と自動実行の間に位置する中間的な「システム1（直感・即時処理）」の意思決定レイヤーとして位置づけられ、ルーティング、優先順位付け、ガードレールなどの処理を担います。

主な機能

• Choice Routing（選択肢ルーティング）： ユーザー定義の基準に基づき、事前に定義されたセットから単一のカテゴリ値を選択します。これにより、サポートチケット、チャットボットの意図認識、モデルアーキテクチャに対する決定論的なルーティングが可能になります。
• Score Ranking（スコアランキング）： 順序付けられた基準に照らしてテキストを評価し、数値評価を返します。緊急度、フラストレーション度、リードの質、リスク評価に対する構造化されたスコアリングを提供します。
• Noul Probability Gating（確率ゲーティング）： 二値の質問に対してキャリブレーションされたYes/Noの確率値を算出します。コードが高リスクなアクションやエスカレーションをトリガーする前の自動ゲートキーパーとして機能します。
• Schema-Driven Input API（スキーマ駆動型入力API）： 構造化された基準定義とともに未加工テキストや状態を取り込み、アプリケーションの条件分岐に直接使用可能な機械可読形式のJSONを出力します。

活用のヒント

• 明確な基準を定義する： リクエストスキーマ内の各選択肢、スコア階層、二値の境界に対して正確な説明を提供することで、モデルによる判定の精度と一貫性を最大化します。
• Playgroundで事前テストを実施する： 本番環境向けAPIパックの利用を確定する前に、初回無料トークン枠（サインアップなしで10,000トークン、アカウント作成で100,000トークン）を活用して基準定義をテストします。
• アップストリームのガードレールとしてデプロイする： Jevをより大規模なLLM呼び出しや自律型ツールの直前に配置することで、不要なリクエストを除外し、後続の推論コストを削減します。

OpenClaw Skills

元のドキュメントには、ネイティブのOpenClaw統合に関する記載はありません。想定されるワークフローとして、OpenClawの自動化スキルがJevのAPIを決定論的な意思決定ゲートとして呼び出し、エージェントが外部システムのアクションを実行する前にツール呼び出しのリスクをスコアリングしたり、受信した運用イベントを分類したりすることが考えられます。この組み合わせを標準化することで、エンタープライズのプロセス自動化において、AIエージェントのワークフローを曖昧な生成的テキスト解析から、検証済みの低遅延な分岐ロジックへと移行させることが可能になります。