生成AI / LLM
文章を生成する
回答、説明、要約など、人が読む自由なテキストを作るのが得意。
"この問い合わせは緊急だと思います…"
TYPE-SAFE DECISION MODEL
文章を作らないAI、
Jevを触って学ぶ。
Jevは、入力を読んで自由文を書くモデルではありません。あらかじめ定義した質問に対し、型の決まった判断と確率を返します。
STATE問い合わせ
「決済が3日間失敗しています。至急確認してください」
Noul緊急である0.99
Choice技術窓口0.84
01 / 基本
LLMとの違いは「出力の形」
Jevは状態（state）と型付き質問（questions）を受け取り、コードでそのまま扱える構造化データを返します。
System One / Jev
判断を構造化して返す
選択、段階評価、真偽の確率を返し、プログラムが直接分岐できる。
{ "noul": 0.99 }
1状態を渡す文章やJSONを評価対象として入力
2小さく質問する1問につき1つの明確な判断
3コードで合成する複数の答えを決定ロジックへ接続
02 / プリミティブ
質問は3つの型から選ぶ
1回のAPI呼び出しに複数の型を混ぜられ、すべて同じstateに対して独立・並列に評価されます。
CHOICE
どれに該当する？
候補から1つを選び、全候補の確率分布とconfidenceを返します。
SCORE
どの段階に近い？
順序のある基準で評価し、段階の間も表現できる数値を返します。
02
score: 1.34
NOUL
この命題は真？
「はい」の確率を0から1で返します。Noulにはconfidenceは付きません。
noul: 0.92
03 / 不確実性
「分からない」を設計に使う
ChoiceとScoreのconfidenceは、確率分布がどれだけ1つに集中しているかを0〜1で表します。高ければ自動処理、低ければ人へ回す——境界は処理の危険度に合わせて決めます。
0.85 — 1.00自動で処理十分に明確
0.50 — 0.84確認して処理慎重に進める
0.00 — 0.49人が判断推測で動かない
04 / INTERACTIVE LAB
本物のJev APIで試す
例を選び、評価対象の文章を書き換えてください。教材用のChoice・Score・Noulを1回のリクエストで同時に実行します。
STRUCTURED ANSWERS
結果
左の文章を評価すると、型付きの結果と確率分布がここに表示されます。