メインコンテンツへスキップ
見出し画像

if文はAIに置き換わる? 型付き判断モデル「Jev」が変える分岐の設計

    「ログインできない」「支払い方法を変えたい」。問い合わせの内容に応じて処理を振り分けるとき、人の文章は決まった言葉だけで書かれるわけではありません。従来のプログラムでは、キーワードや条件を一つずつ定めて分類する方法が使われてきましたが、言い換えや文脈の違いに対応するには工夫が必要です。

    TypeSafe AIの「Jev」は、こうした曖昧な入力について、文章ではなく選択肢や数値を返す判断モデルです。AIに分類を任せ、その結果に応じた処理は通常のコードで制御する。そんな役割分担を取りやすくします。ただし、if文やswitch文が不要になるわけでも、返ってきた判定が必ず正しいわけでもありません。

    従来の条件分岐と、曖昧な入力

    ifやswitchは、与えられた条件に従って処理を選ぶ仕組みです。例えば「注文金額が一定額以上なら送料を無料にする」というルールなら、数値を比較するコードは明快で、同じ入力に同じ結果を返します。

    一方、「請求の件で困っています」「カードを変えたら支払いが通らない」といった文章を部署に振り分ける場合は、入力の表現が多様です。キーワード検索でも分類器でも対応できますが、語句の追加や例外処理、評価データの整備が必要になります。

    汎用の大規模言語モデル(LLM)に分類を依頼する方法もあります。現在はJSONなどの構造化出力をサポートする製品もあり、必ず自由文を解析しなければならないわけではありません。一方、応答時間や料金、形式の検証、モデルの誤判定への対応は、採用するモデルや設定に応じて検討が必要です。

    Jevは何を返すのか

    TypeSafe AIの公式ドキュメントによると、Jevには判定対象の「状態」と、型を指定した質問を渡します。一般的な文章生成ではなく、コードで扱える構造化された結果を返すよう設計されています。主な形式は次の三つです。

    • Choice:あらかじめ定義した選択肢から一つを選ぶ。選択結果に加え、各候補の確率や信頼度が返ります。

    • Score:緊急度などを、指定した段階に沿って評価する。段階ごとの確率やスコアを返します。

    • Noul:「この文章は緊急か」のような二択の問いに対して、はいに相当する0〜1の確率を返します。真偽値にする基準はアプリ側で決めます。

    返り値に型があることで、文章の体裁を毎回解釈する負担を減らせます。ただし、型が正しいことは、意味の判定が正しいことを保証しません。Noulの確率も、受け取っただけで自動的に安全な二値判断になるわけではありません。

    TypeScriptではどう組み込む?

    次は、問い合わせの分類をAIに任せ、その後の処理をswitchで振り分ける例です。公式JavaScript SDKの例に合わせて、@typesafe-ai/sdkのTypeSafeClientとchoiceを使います。公式SDKの案内ではNode.js 22以降とAPIキーが必要です。

    import { choice, TypeSafeClient } from "@typesafe-ai/sdk";
    
    const client = new TypeSafeClient(); // 環境変数でAPIキーを設定
    
    async function classifyTicket(userInput: string) {
      try {
        const response = await client.systemOne({
          state: { message: userInput },
          questions: {
            intent: choice("What does the customer need?", {
              reset_password: "Password reset or login access",
              update_billing: "Billing or payment details",
              contact_support: "Other support requests",
              unknown: "Unclear or outside the above categories",
            }),
          },
        });
    
        const result = response.answers.intent;
        // 0.8は説明用。実データで検証して決める。
        if (result.confidence < 0.8) return "manual_review";
    
        switch (result.choice) {
          case "reset_password": return "password_queue";
          case "update_billing": return "billing_queue";
          case "contact_support": return "support_queue";
          default: return "manual_review";
        }
      } catch {
        // 通信障害やAPIエラー時も自動処理を止める。
        return "manual_review";
      }
    }

    質問文は公式例に合わせて英語にしていますが、入力が日本語の場合に十分な精度が出るかは、実際の問い合わせで別途検証してください。上記の0.8は説明のための仮の値で、正答率80%を意味するものではありません。また、コードは公式の呼び出し形式を参考にした説明例であり、APIキーを使った実行確認はしていません。

    提示されがちな@typesafe/jev、jev.choice、intent.selectedという書き方は、今回確認した公式SDKの例とは一致しません。SDKの更新によって仕様が変わることもあるため、導入時は公式リポジトリの最新版を確認してください。

    AIが置き換えるのは、どの部分か

    上の例でもswitchは残っています。Jevが担うのは「この文章はどの分類に近いか」という部分です。どの選択肢を用意するか、結果をどの処理につなぐか、失敗したときにどうするかは開発者が決めます。

    この構成は、条件分岐そのものの廃止というより、分岐の手前に確率的な判定を置く設計です。自然言語の分類に役立つ一方、会計の計算、アクセス権限の確認、法令や契約に基づく固定条件など、明確なルールで検証できる処理までAIに任せる必要はありません。

    選択肢が網羅的でないと、AIは用意された候補の中から不適切なものを選ぶ可能性があります。unknownや人手確認の経路を設け、操作を許可する条件は別の確定的なコードでも検証します。機密情報を外部APIへ送る場合は、契約や保存条件、必要最小限のデータ送信も確認してください。

    速度、費用、精度はどう比べる?

    短い構造化結果を返す専用モデルは、長い説明文の生成を省ける可能性があります。ただし、実際の遅延にはネットワーク往復、入力の長さ、処理量、サービスの混雑も影響します。通常のif文はローカルで即座に実行されるため、外部APIを使うAI判定の方が速いとは言えません。

    TypeSafeの料金案内は、確認時点で入力100万トークンあたり0.042米ドル、出力トークンは無料としています。実際の費用は契約や利用する接続先によって変わるため、呼び出し回数、再試行、周辺システムの費用も含めて見積もりましょう。

    2026年に公開されたJevのベンチマーク研究は、複数の公開データで分類や判断を評価し、一部の課題で高い性能を報告する一方、言語や細かな分類、基準に沿った品質評価によって性能が下がるとしています。これは査読前のプレプリントで、学習データが非公開であることから公開問題との重複も完全には排除できないと著者らは述べています。

    自社の問い合わせや日本語データでの性能は、その研究の数字からは分かりません。正答率に加え、誤って別部署に送った件数、危険な誤判定、unknownへの振り分け、人手確認の割合を測り、処理速度と費用も同じ条件で比較する必要があります。

    実務で使う前に押さえたいこと

    • 信頼度を過信しない:高い値が出ても誤ることがあります。実データで信頼度と実際の正答率を比べ、用途ごとに基準を決めます。

    • 失敗時の道を用意する:不明な入力、通信エラー、タイムアウトは人手確認などへ送り、重要な操作を勝手に続行しません。

    • 判定と実行を分ける:AIの分類を手がかりにしても、認証、権限、金額の上限などは通常のコードで確認します。

    • 実際の入力で試す:日本語の言い換え、複数の用件、想定外の依頼、指示を混ぜた入力などをテストします。

    • 変更を追跡する:モデルや質問、選択肢を変更するたびに評価し、どの版で何を判定したか記録します。

    最初は既存の処理と並行して判定を記録する「シャドーモード」が有効です。人や既存ルールの結果と比較し、誤判定の種類と影響を把握してから、影響の小さい処理に限定して自動化を広げます。

    最新の動きと、これからの使いどころ

    2026年10月、TypeSafeはJev 1.14.0とともに、画像入力などの実験的な機能を紹介しました。提供元自身が、これらは本番利用に十分な信頼性を備えていない可能性があると注意しています。通常のテキスト判定と実験機能を同じ前提で扱わないことが大切です。[出典:TypeSafe AI、2026年10月]

    VercelもAI GatewayでJevの利用を案内し、実験的な評価APIから複数の判断を扱う例を公開しています。専用モデルを既存の開発基盤から呼び出し、結果を通常のコードにつなぐ選択肢が広がりつつあります。[出典:Vercel]

    AIがコードのあちこちで曖昧な入力を分類するようになれば、ソフトウェアの設計は変わります。そのとき重要になるのは、判定をどこに入れ、間違えた場合にどこで止めるかです。Jevはその設計を考えるための一つの道具であり、決定的なルールと検証を不要にするものではありません。

    記事中の仕様と料金は2026年11月12日時点の公開情報に基づきます。コードは説明用で、実行確認はしていません。

     
     
    AIをどうにかこうにか使いこなそうともがく日々

    あなたへのおすすめ