
n8nでJevを使う|HTTP RequestとSwitchで、確信度の低い問い合わせだけ「要確認」に回す
n8nで問い合わせを振り分けるとき、AIに分類させるだけなら、標準の「Text Classifier」ノードを置けばOKです。
TypeSafe AIの判断専用モデルJevは、選択肢から選ばせる質問(choice)なら、各選択肢の確率と、答えの確信度を付けて返します。
n8nなら、その確信度を使って「確信度が低いものは人が確認する」という分岐を、Switchノード1つで作成可能。
本記事では、問い合わせフォームから受けた内容をJevで判定し、確信度が低いものだけを「要確認」に回すワークフローを、手元のn8nで実際に組んだ手順の通りに紹介します。
WEELでは、Jevをはじめとした判断特化AIの活用方法をまとめたレポートを無料で配布しています。判断特化AIを自社の業務で活かせないか模索している方はぜひご覧ください!
n8nでJevを使う3つの方法
n8nからJevを呼ぶ方法は、2026年11月時点で3つあります。

本記事の主役はHTTP Requestノードです。
作るワークフロー
流れは下記です。
問い合わせフォーム(Form Trigger):名前と問い合わせ内容を受け付ける
Jevで判定(HTTP Request):問い合わせ内容をJevに送り、担当部署を選ばせる
部署と確信度を取り出す(Edit Fields):Jevの答えから、部署名と確信度だけを取り出す
確信度と部署で分岐(Switch):確信度が0.7未満なら「要確認」、それ以外は請求・技術・営業・その他の担当へ
判定に失敗したら「エラー」へ

準備
早速n8nでJevを使っていきたいと思います。
n8nを用意する
n8n Cloudでも、セルフホストでも同じように組めますが、今回は手元のMacで、Dockerでn8n 2.45.7を動かしました。
docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 -v
n8n_data:/home/node/.n8n n8nio/n8n:2.45.7起動したら、ブラウザで http://localhost:5678 を開き、最初にオーナーのアカウントを作ります。OpenRouterのキーを認証情報に登録する
Jevを呼ぶにはAPIキーが必要です。今回はOpenRouterのキーを使いました。下記の記事でOpenRouterのキーについては解説しているので、合わせてご覧ください。
n8nの「Credentials」で新しい認証情報を作り、種類にBearer Authを選んで、トークン欄にキーを入れます。

HTTP Requestノードの設定
Jevを呼ぶノードの設定です。

JSONの欄には、次のように全体を1つの式として書きます。
={{ JSON.stringify({
model: "jev-1.14",
state: $json.message,
questions: {
department: {
type: "choice",
instructions: "この問い合わせを担当すべき部署",
criteria: { billing: "請求書・支払い・返金・領収書・料金の計算間違いに関する内容", technical: "ログイン・エラー・不具合・設定・API・セキュリティなど製品の動作に関する内容", sales: "見積もり・契約・プラン変更・解約・デモ・導入検討・料金プランの相談", other: "上記いずれにも当てはまらない。挨拶のみ、採用、広報、スパム、内容不明など" }
}
}
}) }}stateに問い合わせの本文を入れ、questionsで「どの部署か」を選択肢(choice)として聞き、選択肢は名前だけでなく何が当てはまるかの説明を付けています。
ポイントはJSON.stringifyで全体を包んでいることです。
JSONの中に{{ $json.message }}だけを埋め込む書き方だと、問い合わせ文に改行や " が含まれたときにJSONが壊れ、「JSON parameter needs to be valid JSON」というエラーになります。
全体を式にしてJSON.stringifyに任せれば、どんな文章でも正しいJSONになります。

Jevからの回答サンプルは下記です。
{
"model": "typesafe/jev-1.14-20261014",
"answers": {
"department": {
"type": "choice",
"choice": "other",
"probabilities": { "billing": 0, "technical": 0, "sales": 0, "other": 1 },
"confidence": 1
}
},
"usage": { "input_tokens": 496, "output_tokens": 45, "cost": 0.000020832 }
}失敗に備える
同じノードの「Settings」で、次の2つを設定しておきます。

Retry On Fail:オン(今回は3回、間隔2,000ミリ秒に設定)。混雑などの一時的な失敗なら、自動でやり直します
On Error:Continue (using error output)。やり直しても失敗したものは、ノードの2本目の出力(エラー用)に流れます。この先に通知などをつないでおけば、失敗した問い合わせを見落とさなくて済むでしょう。
部署と確信度を取り出す
Jevの答えはanswers.departmentの中に入っているので、Edit Fields(Set)ノードで、使う値だけを取り出しておきます。

Switchで分岐する
Switchノードを「Rules」モードにして、ルールを5つ並べます。

大事なのは、「要確認」のルールを一番上に置くことです。
Switchは上から順に条件を見て、最初に当てはまった出力に流します。確信度のルールを先に置けば、AIが迷った問い合わせは、部署の判定に関係なく「要確認」に入ります。

しきい値の0.7は、今回の検証のために置いた値です。実際に使うときは、自社の問い合わせで確信度と正答の関係を見てから決めてください。
今回は、Switchの各出力の先を何もしないノードにしていますが、実際に使うときは「要確認」の先にSlackやメールへの通知、タスクの登録などをつなぎます。
Edit Fieldsで取り出した値には問い合わせの本文が入っていないので、通知に本文を載せるときは{{ $('問い合わせフォーム').item.json.message }}のように、フォームのノードから参照します。
動かしてみた
ワークフローの「Test workflow」を押すとフォームが開くので、問い合わせを入れて送信してみましょう。
例えば「デモをお願いしたいのと、既存アカウントのエラーも見てほしいです。」という、2つの依頼が混ざった問い合わせでは、Jevは「営業」を選びつつ、確信度は0.45でした。

0.7を下回るので、Switchでは「要確認」の出力に分かれます。どちらの担当に回すかを人が決めるべき問い合わせが、部署の担当には流れずに「要確認」に残る、という動きです。
20件で比べてみた
同じ作りで、日本語の問い合わせ20件を判定しました。
問い合わせは、株式会社Mojiが公開している評価データから、普通のもの、部署が曖昧なもの、否定表現、情報不足、皮肉、2つの依頼が混ざったもの、方言、英語混じりが入るように選びました。正解はデータに付いているものです。
比べたのは次の3つ。
HTTP Request+Switch(この記事の作り方。Jev 1.14)
非公式ノード n8n-nodes-jev-classification(同じJev 1.14を、ノード経由で呼ぶ)
n8n標準のText Classifier(LLMで分類するノード。Claude Haiku 5.5をOpenRouter経由で使い、「Include Confidence Scores」をオン)

精度はJevの方が上とは言えませんでした。
Text Classifierのほうが1件多く当てています。「請求書のPDFが開けません」を、Jevは「技術」、Text Classifierは正解の「請求」と判定しました。
差が出たのは速さと費用です。20件を流したときの所要時間は約9分の1、費用は約15分の1でした。
ただし所要時間は、n8nの既定の設定のまま測ったものです。HTTP Requestは20件をまとめて並行に送り、Text Classifierは数件ずつ処理するので、モデルそのものの速さの比ではありません。
「要確認」で拾えたのは、間違いの一部でした。
Jevが間違えた3件のうち、確信度が0.7を下回って「要確認」に入ったのは1件だけです。
残りの2件、「契約者名義を変更したいです」(正解は請求、Jevは営業)と「既存のシステムと連携できますか」(正解は営業、Jevは技術)は、確信度0.84〜0.93で外していました。
ただ、この2件はText Classifierも同じ答えで、正解のほうにも解釈の余地があります。
HTTP Requestと非公式ノードは、20件すべてで同じ部署を選びました。確信度は少しだけ違いました(たとえば0.47と0.56)。
表は1回目の結果です。問い合わせは評価用に作られた文章で、精度の差は数件分しかなく、どちらが優れているかを決められる数字ではありません。
Text Classifierの「確信度」との違い
n8n 2.45のText Classifierには、「Include Confidence Scores」というオプションがあります。オンにすると、カテゴリごとの確信度が付きます。
ところが、n8nは画面に次の注意を表示します。
Confidence scores are estimates from the model, not measured probabilities.
「確信度はモデルの推定で、測った確率ではない。実行のたびに変わりうるので、しきい値ではなく、おおよその目安として扱うこと」という趣旨です。
実際、今回の結果でも、Text Classifierのカテゴリごとの確信度を足すと、1回目は1.0〜1.25、2回目は0.45〜1.35になりました。
確率なら合計は必ず1です。
同じ20件をもう1回流すと、1件は「その他」からフォールバックの出力に変わり、同じカテゴリを選んだ19件でも、確信度は平均0.031、最大0.15動きました。
Jevは20件とも同じ部署を選び、確信度の動きは平均0.009、最大0.07でした。
Jevの確率は、しきい値で分岐させる前提で作られています。「迷ったものだけ人に回す」分岐を作りたいなら、確信度をしきい値に使えるJevのほうが向いています。
一方、今回の20件ではText Classifierが1件多く当てました。プロンプトでの細かい指示が効く場面や、分類と合わせて理由の説明も欲しい場面では、LLM側組むほうが合うこともありそうです。
「問い合わせや申し込みの振り分けを自動化したいが、どこまでAIに任せてよいか判断できない」
「n8nを業務に入れたいが、設計から相談したい」という方がいらっしゃれば、私たちWEELにご相談ください。
業務の洗い出しから、AIの比較検証、確信度を使った運用の設計、社内への定着まで、実務に即した形でしっかり伴走します。
非公式のコミュニティ製ノードで作る場合
n8nには、Jevを呼ぶための非公式のコミュニティ製ノードがいくつも公開されています。今回比べたのはn8n-nodes-jev-classificationです。選んだ理由は、OpenRouterのキーに対応していたからです。

入れ方
セルフホストのn8nなら、「Settings」→「Community Nodes」→「Install」でnpmのパッケージ名を入れると入ります。
今回は、入れる前にv0.3.0のパッケージの中身を確認しました。コードに書かれた接続先はTypeSafe・OpenRouter・Vercelで、確認した範囲では外部コマンドの実行のような処理は見当たりませんでした。
コミュニティ製ノードはn8nの中で自由にコードを動かせるので、利用者の少ないノードは特に、入れる前に中身を確かめてください。
認証情報は「Jev (TypeSafe) API」という種類で、APIキーとBase URLを入れます。OpenRouterのキーを使うなら、Base URLは https://openrouter.ai/apiです。
HTTP Requestとの違い
ノード1つで分岐まで済むので、組むのは非公式ノードのほうが手早いです。一方で、HTTP Requestは何を送っているかが全部見え、n8n Cloudでもそのまま動きます。

公式ノード「TypeSafe AI」
TypeSafe AIは、n8nの検証を受けた公式ノード「TypeSafe AI」(@typesafe-ai/n8n-nodes-typesafe-ai)を公開しています。最新はv0.10.0(2026年10月20日)です。
操作は2つ。
Evaluate:複数の質問にまとめて答え、answersに入れる
Route:1つの質問の答えで、出力を分ける
上記を使うことで、本記事でSwitchを使って作った「要確認」の分岐が、ノードの設定だけで作れます。
選択肢(choice)の質問なら、選択肢ごとに出力が分かれ、確信度が低いものを「Fallback」の出力に分けられます。
ただし、このノードで使えるのはTypeSafe AIのAPIキーか、n8n CloudのGatewayクレジットです。OpenRouterのキーには対応していません。
そのため手元のセルフホストでの比較には入れず、次に紹介するn8n Cloudで動かしました。
n8n CloudでJevが使えるか
n8n Cloudの無料トライアル(14日間・n8n 2.45.7)を作って、実際に確かめました。
公式ノード「TypeSafe AI」は、最初から入っていた
非公式ノードは出てこない
Gatewayクレジットで、APIキーなしで動く
つまり、n8n Cloudなら、TypeSafe AIのキーもOpenRouterのキーも用意せずに、公式ノードですぐ試せます。

HTTP Requestで組む場合は、Cloudでも手元と同じ手順で、OpenRouterのキーを認証情報に入れて使います。
n8nでJevを使うなら、分岐の最初に確信度を置く
n8nでJevを使う方法は3つ
HTTP Request、公式ノード「TypeSafe AI」、非公式ノードHTTP RequestとSwitchなら、「要確認」の分岐はルール1行で作れる
確信度のルールを一番上に置くのがポイントText Classifierとは、確信度の種類が違う
精度はほぼ同じ。今回の設定ではJevの所要時間は約9分の1、費用は約15分の1。確信度をしきい値に使えるのはJev
まずは、自社の問い合わせを20件ほど選んでこのワークフローに流し、どの問い合わせが「要確認」に回るかを見てみてください。
しきい値をどこに置けばよいかは、その結果から決められると思います。
WEELでは
生成AIやAIエージェントに関する無料オンラインセミナーも開催中です!
この機会にぜひお気軽にご参加いただけますと幸いです!
✅ セミナーに参加する
生成AIの最新ニュース・事例・イベント情報をいち早く知りたい方は、ぜひWEELの無料メルマガをご購読ください!
✉️ メルマガに登録する
💡 AI活用、どこから始めればいいかお悩みの方へ
「Claude Codeの使い方を知りたい」
「業務効率化をして、仕事を楽にしたい!」
そんな方向けに、無料の個別相談をやってます!
現場での事例も交えて、わかりやすくお話しします。
✨今すぐAIの専門家と話す✨