他の記事でもこの名前出てたし、どんなものか興味 https://t.co/7qiEKzo5Yd Jev AIがAIエージェントの常識を変えた Julian Goldie SEO　#AI要約 #Claude #Codex Jevが変えるAIエージェントの意思決定と自動化 🔳Jevの特徴 Jevは文章生成ではなく、選択、評価、判定などの意思決定に特化したSystem 1型AIモデルで、高速かつ低コストで大量の判断を処理することを目的としている。 🔳従来モデルとの役割分担 大規模モデルが調査、計画、文章生成などを担当するのに対し、Jevは次に使うツールの選択、処理継続の判断、人間による確認の必要性など、短い回答で済む判断を担当する。 🔳速度とコスト 動画では、通常のAIモデルより20倍から200倍高速、40倍から400倍低コストという数値が紹介されており、大量の小さな判断を高性能モデルに任せる必要性を減らせるとしている。 🔳3種類の判断方法 Jevでは、複数候補から選択するChoice、定義した基準で評価するScore、YesかNoを確率で判定する形式を利用でき、各判断について確信度も取得できる。 🔳確信度を使った自動化 確信度が高ければ自動処理し、低ければ人間に確認を求めるといった基準を設定できるため、AIが判断を間違える可能性だけでなく、判断に自信がない状況も運用ルールに組み込める。 🔳複数判断の並列処理 同じ状況について複数の質問をまとめて送り、次の処理、緊急度、承認の必要性などを並列で判断できるため、AIエージェント内の待ち時間やコスト削減につながるとしている。 🔳研究論文の分類事例 開発者がAI研究論文を要約した後、タイトル、要約、24種類の候補トピックをJevに渡して分類させた事例では、動画内で18本の処理費用が合計8セント、処理時間の中央値が1本256ミリ秒だったと紹介されている。 🔳メール整理の事例 500通のメールをJevで分類した事例では、返信、追加調査、待機、人間への確認などの選択肢に振り分け、数秒で処理し、費用は合計3.5セントだったとしている。 🔳リード評価の事例 700件のリードと個別メッセージを評価した事例では、40秒で反応予測と確信度を算出し、リードとメッセージが一致していないケースも検出し、費用は9セントだったと紹介されている。 🔳ブラウザ操作への活用 ブラウザエージェントでは、ページが変化するたびに操作可能な候補を更新してJevに次の操作を選ばせ、文字入力のみ別の生成モデルに任せる仕組みが紹介されている。動画ではブラウザコマンド数の中央値が1092から101に減り、タスク時間も25%まで短縮したとしている。 🔳フライト検索の注意点 紹介された事例ではフライトを7秒で発見し、費用は0.5セント未満だったとしているが、予約まで実行したわけではなく、7秒という計測も最初のページ読み込み後から開始されている。 🔳内部リンク最適化 586ページのサイトを対象に内部リンクを構築した事例では、45.1秒で584本のリンクを配置し、適切なリンク先がない139ページにはリンクを置かず、費用は21セントだったと紹介されている。 🔳モデルルーティング 安価で高速なモデルと高性能で高価なモデルを用意し、Jevが依頼内容を判断して適切なモデルへ振り分ける用途が紹介されている。動画ではLangChainによる統合例として、処理可能な範囲で最も安いモデルを選ばせる考え方が説明されている。 🔳ツール利用の安全確認 AIエージェントがツールを実行する前にJevでリスクを判定し、安全なら実行し、危険性があれば停止や人間による確認へ回す仕組みに利用できるとしている。 🔳コンテキスト削減 エージェント履歴に残ったツール呼び出しの重要度をJevで評価し、不要な情報を除外する方法では、約100万トークンのコンテキストを約86000トークンまで約1秒で削減した事例が紹介されている。 🔳コンテキスト削減への懸念 履歴を個別に評価して削除すると、長時間のタスクで過去の判断理由や経緯が失われる可能性があるという反論も紹介されており、削除ではなく要約対象の選定に使う方法なども検討余地があるとしている。 🔳Jevの限界 Jev自体は文章、コード、調査結果などを生成するモデルではなく、基本的に判断を担当する。また、高い確信度は正解を保証するものではないため、ファイル保存など実際の処理結果は別途確認する必要がある。 🔳入力設計の重要性 質問フィールドの名前だけでは判断意図が伝わらないため、質問本文と選択肢を具体的に記述する必要がある。また、十分な状況や情報を渡さなければ判断品質も低下すると説明されている。 🔳料金体系 動画では入力約100万トークン当たり約4セントで、出力には現時点で料金が発生しないと説明されている。1000トークンの情報を使う判断を10000回実行した場合、概算で約42セントとしている。 🔳重要なのはタスク完了コスト 判断自体が安くても、誤ったルーティングによってエージェントが不要な処理を行えば全体コストは増えるため、判断単価ではなくタスク完了までの総コストを見る必要があるとしている。 🔳AIエージェントの構造変化 動画では、従来は同じモデルが文章生成と意思決定を担っていたのに対し、大規模モデルが調査や生成、Jevが選択や評価、承認、エスカレーション、コードが実際の処理を担当する分業構造へ変化すると説明している。 🔳現時点で適した用途 統合機能はまだ実験的な段階とされており、現時点ではメール分類、リード評価、ルーティング、フラグ付けなど、人間が繰り返している単純で明確な意思決定から導入するのが現実的だとしている。 🔳動画の結論 文章生成と意思決定を分離し、繰り返される小さな判断をJevのような高速で低コストなモデルに担当させることで、AIエージェント全体の速度、コスト、自動化範囲を改善できるというのが動画の中心的な主張となっている。