
Jevの0.84ドルは、人の確認時間まで含んでいるか
問い合わせをAIで振り分ける費用が下がったら、人の仕事はどこまで減るでしょうか。
TypeSafe AIのJevは、入力100万トークンあたり0.042米ドル、出力は無料。公式の料金表を読んで、僕は問い合わせ対応の試算を始めました。導入の採算は、人が引き取る件数で大きく変わる。この安さなら、そこまで計算してから話を持っていきたいです。
Jevは9月15日に早期提供が始まったばかりで、僕はまだ利用していません。今日は公開資料を読み、仮の件数を置いて導入費用を計算しました。最初はAPI代の小数点ばかり見ていたのですが、人の確認時間を足すと、見る欄が変わりました。
月1万件を0.84ドルで判定する仮定
問い合わせ1件につき、本文と質問などを合わせた課金対象の入力を2,000トークンと仮定します。トークンは文章を処理する単位で、日本語の文字数とは一致しません。月1万件を各1回呼び出すなら、計2,000万トークン。公式単価を掛けると、API代は0.84米ドルです。これは入力量を仮置きした計算で、実際の請求額や効果の実測ではありません。

「これなら全部に付けても安いな」
そこまで書いてから、人が引き取る割合を10%、1件の確認を1分と置きました。1,000件で1,000分。16時間40分です。割合が1%でも100分。どちらも仮定ですが、API代の隣に書くと無視できません。費用へ換算するときは、この時間に自社の人件費単価を掛けます。
今まで全件を1件1分で確認していたなら、10%だけ確認する場合との差は月150時間です。ただし、誤りの修正などを含まない差。空いた時間を追客へ戻すのか、残業を減らすのかで、採算の説明も変わります。作業時間が減った分だけ給与の支払いが減る、とも置けません。
安い判定を増やすほど、確認待ちも増えるのか……。
試算には、連携を作る費用や保守、誤った振り分けの修正も足します。短い問い合わせと長い往復メールでは入力量も違う。「月額1ドル未満」の一行だけでは、導入の見積もりになりません。
文章を書かずに決めるから、細かく頼める
Jevは、同社がSystem One Modelsと呼ぶモデル群の第1弾です。状態と質問を渡すと、文章を生成せず、型付きの判断や確率を返します。Choiceは候補から選び、Scoreは指定した尺度で採点。NoulはYesとなる確率を返す機能です。複数の質問を1回の呼び出しで、同じ状態に対して並列・独立に評価します。
営業の問い合わせなら、担当先を選ぶほか、商談の優先度を採点する用途が考えられます。「見積もりの依頼が含まれるか」という条件判定も一緒に頼める。優先度には「予算と導入時期が明記されている」といった基準を、こちらで用意する必要があります。
僕が期待するのは、毎朝まとめて確認していた受信箱に、到着した時点で担当候補を付ける使い方です。担当者が開くまでの滞留を減らせるなら、判定そのものの速さ以上に意味があります。何時間早く届いたかは、受信から担当者が着手するまでを測って確かめたい。
学習方法のRLCDは、判断と、その不確かさに見合った確率を学ぶためのものだと説明されています。ただし、一つの答えの正しさを保証する数字ではありません。高い確率を返した日本語の問い合わせが実際にどれだけ合うかは、手元の業務で確かめる部分です。
193.6倍を見積書へ転記しない
開発元が掲げる「193.6倍高速・444.6倍安価」は、同社のワークフロー評価から出た値です。評価サイトでは、問い合わせ対応や請求書処理など4種類の仕事を、各モデルで共通の手順に沿って処理しています。参照する答えは高性能モデルの回答を平均したもの。人が確定した業務の正解との一致率を、そのまま測った数字ではありません。
公式自身が、改善幅は実利用の上限寄りになると見込み、評価を作った担当者による偏りもありうると書いています。比較するLLMにも確率を含む構造化出力を求めており、確率を出さない判断より遅く高くなる条件です。僕の受信箱が193.6倍速く片付く、と読む材料にはできません。
比較方法への反論もあります。Zennのヨ氏は、Gemma3 270Mで候補トークンの確率を直接読む並列処理を試し、通常のJSON出力に対して77倍の高速化を報告しています。これは同氏の実験条件での値で、Jevとの速度比ではありません。
導入担当者に頼むなら、今のLLMの出力を短くした案も比較に入れます。同じ問い合わせと許容できる誤りの条件で、人へ回る件数まで比べる。既存の仕組みを調整する費用と、Jevへつなぎ替える費用も両方要ります。
苦手な仕事を外すと、費用の見方も変わる
公式はJev 1.13の弱点も公開しています。計算、日時の比較、複雑な間接推論、判断を誘導する敵対的な入力などです。金額の足し算や期限切れの判定をプログラム側で済ませれば、その部分にAIを呼ぶ費用も、誤りを確認する手間も持ち込まずに済みます。
料金・制限のページでは、日本語を含むCJKは扱えても、精度は英語と同等ではないと説明しています。「急ぎではありませんが、今週中に」のような問い合わせを、どの優先度にするか。国内の窓口へ入れるなら、自社の日本語と基準で照合する費用を初期費用に含めたいです。
提供形態も見ます。確認した公式資料の利用方法はホスト型APIで、モデルの重みの配布は確認できませんでした。PythonとJavaScriptの公式SDKはMITライセンスで公開されていますが、これは接続用のコードです。自社内にモデルを置ける前提では見積もれません。顧客情報の送信条件や、API停止中に受付を続ける方法も、連携を作る担当者と詰める項目です。
型が合っていても、仕事を間違える余地はあります。mizchi氏は、ブラウザ操作で押せないボタンを押し続けた例を報告しています。これは同氏の検証です。候補を返せることと、最後まで処理を終えられることは、導入費用を計算する際にも分けておきます。
今日作るのは、引き取り件数を測るメモ
僕の試算では、確認が必要な割合を少し変えるだけで、人の時間が大きく動きました。そこで導入相談のメモに、API代と並べて「人へ回った件数」「自動で通した中の誤り」を足しました。ここ、地味に効きます。人へ回さずに見逃した分まで、時短の成果として数えずに済みます。
担当者へ渡す検証依頼は、こう書けます。
目的:問い合わせの担当候補を付ける費用と、人の確認時間を測る
対象:利用条件を満たす日本語の問い合わせ100件
人が付けた担当先を比較用に残す。迷うものも記録する。
最初は候補だけを出し、実際の振り分けは変更しない。
入力トークン数、応答時間、人へ回す件数を記録する。
自動で通す候補の中に、誤った担当先が何件あるかも数える。
確認にかかった時間と、連携の準備時間を別々に記録する。100件は最初の傾向を見るための件数です。まれな誤りまで評価できたとは扱いません。確率のどこで人へ回すかは、誤りの内容と確認時間を見て調整し、調整に使わなかった別のデータでも確かめます。
Jevの名前は経済学者ジェボンズに由来し、効率化が需要を増やす発想を重ねたものだそうです。安いから質問を足す。そのたびに、人が見る通知まで増えたらどうなるか。料金表を読み始めた時点では、そこまで考えていませんでした。
試算の小数点は、表計算の表示桁数を増やしてようやく読みやすくなりました。桁を増やすと、妙に精密な見積もりに見えますね。入力量は仮置きのままなのに。
まずは受信から担当者の着手まで、どこで待っているかを確認します。Jevを検証できる段階になったら、API代と、人が引き取った時間を同じ記録に残す。僕が導入相談へ持っていくのは、その測り方です。最初に人の判定と突き合わせる件数は
100