【完全版】Jevでできること/できないことを3分で解説！

こんにちは。AI・ノーコード開発を手がける成長支援カンパニーWalkersです。

文章を書くAIが当たり前になるなか、2026年9月に発表されて特に注目を集めているのがJev（ジェブ）です。
アメリカのTypeSafe AI社が公開した、文章を書く代わりに「あらかじめ決めた選択肢から答えを選ぶ」ことに特化したAIモデルです。

一方で、「本当にどこまでできるのか？」「実務レベルで使えるのか？」といった疑問を持つ方も多いのではないでしょうか。

Jevは判断の速さと安さが際立つモデルですが、「なんでもできる」というわけではありません。
得意な領域と限界を正しく理解することが、活用の成否を大きく左右します。

この記事では、Jevでできること・できないことを、専門知識がなくても分かるように整理して解説します。

「Jevを業務に活用したい」という方から、「AIを使った業務の自動化を発注したい」という方まで、ぜひ最後までご覧ください。

Walkersでは「AIを用いたシステム開発のノウハウがない」「最大限に効率よく開発を進めたい」企業さまに、事業を成功に導くAI開発×補助金支援を行っています。⇒サービス概要はこちら

【比較表】Jevでできること/できないこと

Jevでできること10選、できないこと7選をそれぞれ順番に解説します。

Jevでできること10選

① 選択肢から1つを選ぶ分類

Jevは、こちらが用意した選択肢の中から、いちばんふさわしい1つを選べます。

公式ドキュメントでは、この質問の形を「Choice（選択）」と呼んでいます。
選択肢は多数用意でき、答えには選んだ1つに加えて、各選択肢の確率が付きます。

例えば、以下のような判断を任せられます。

出典：TypeSafe公式ドキュメント「Primitives」「API reference」

答えは必ず用意した選択肢の中から返るため、結果をそのまま次の処理に渡せます。

② 物差しに沿った採点

Jevは、文章を自分で決めた物差しに当てはめて採点できます。

公式ドキュメントでは「Score（採点）」と呼ばれ、物差しは2段階から10段階まで自由に作れます。
「落ち着いている」「不満はあるが穏やか」「強い怒り」のように、段階ごとの説明を文章で書いておくだけです。

例えば、以下のような度合いを数値にできます。

出典：TypeSafe公式ドキュメント「Score」

人が目で読んでいた「ざっくりした度合い」を、数字で並べ替えられるようになります。

③ はい・いいえの確率判定

Jevは、「この文は〇〇と言えるか」という問いに、0から1の確率で答えられます。

公式ドキュメントでは「Noul（ノウル）」と呼ばれる形式で、1に近いほど「はい」、0に近いほど「いいえ」です。
0.5付近は「判断がつかない」という意味になります。

例えば、以下のような問いが使われています。

出典：TypeSafe公式ドキュメント「Quick start」「System One」「Classifying RAG passages」

確率が返るので、「0.9以上なら自動で処理し、それ未満なら人が見る」といった線引きを自分で決められます。

④ 複数の質問の同時判断

Jevは、1つの文章に対する複数の質問に、1回の依頼でまとめて答えられます。

選択、採点、はい・いいえの3種類は同じ依頼に混ぜられます。
質問ごとに別々に判断されるため、質問を足しても他の答えには影響せず、返答時間もほとんど変わらないと公式は説明しています。

公式の検証では、EUの個人情報保護の法律（GDPR）を説明した約5万4,000字の記事に、13個の質問をする場面で、次のような差が出ています。

出典：TypeSafe公式ドキュメント「Parallel questions」

同じ資料を何度も読ませる無駄が省けるため、確認したい項目が多い業務ほど効果が大きくなります。

⑤ 答えの確信度の取得

Jevは、選択と採点の答えごとに「どれくらい自信があるか」を表す確信度を返します。

答えが「何か」を示すのが確率で、その答えを「信じてよいか」を示すのが確信度です。
公式は、確信度が高いときだけ自動で処理し、低いときは人や別のAIに回す使い方を勧めています。

公式の検証例では、米国企業の年次報告書60件を75の業種に分類した結果が示されています。

出典：TypeSafe公式ドキュメント「Classification using confidence」

「どの答えを信用し、どの答えを人が見るか」を、数値で線引きできます。

⑥ 大量データの一括分類

Jevは、大量の文章を同じ基準で次々に分類できます。

公式は、特許や商品、医学用語、プログラムといった階層になった分類表にも対応できるとしています。
大分類から小分類へ順に絞り込む方法で、迷ったときは複数の候補を同時に調べて精度を上げます。

公式の検証例には、次のようなものがあります。

出典：TypeSafe公式ドキュメント「Hierarchical classification」

人が一件ずつ目で仕分けていた作業を、そのまま仕組みに置き換えられます。

⑦ 検索結果の並べ替え

Jevは、検索で絞り込んだ候補を、質問との関係の深さで採点し直して並べ替えられます。

キーワードの一致だけで探すと、言葉は似ていても中身が違う資料が上に来ることがあります。
公式の検証では、法律文書の3,565件から候補を30件に絞り、40個の質問で並べ替える実験をしています。

出典：TypeSafe公式ドキュメント「Re-ranking」

社内文書の検索や、AIに読ませる資料の選別に応用でき、読ませる量を減らす効果も見込めます。

⑧ AIの回答の裏取りと安全確認

Jevは、別のAIが書いた文章や引用が正しいかを、すばやく点検できます。

公式の引用チェックの例では、まず引用文が元の資料に本当にあるかを、機械的な文字の照合で確かめます。
そのうえで、引用の前後の文脈が主張を裏付けているかをJevが判定します。

また、AIへの入力と出力の両方を点検する使い方も公式に紹介されています。

出典：TypeSafe公式ドキュメント「Double-checking citations」「Guardrails for LLMs」

文章を書くAIの横に置く「検査役」として使うことで、安全性を高められます。

⑨ 依頼の振り分け

Jevは、届いた依頼の内容を判断して、最適な処理先へ振り分けられます。

公式は、この使い方を「インテントルーティング」と呼んでいます。
インテントとは「相手が何をしたいか」のことで、それに応じて処理先を決めます。

公式の説明では、処理先として次の3つが挙げられています。

出典：TypeSafe公式ドキュメント「Patterns」

高い費用がかかる文章生成AIや人の手を、本当に必要な依頼だけに使えるようになります。

⑩ 文章からの値の選び出し

Jevは、文章の中にある候補から、求める値を正しく選び出せます。

公式の方法では、まずプログラムで電話番号や金額などの候補を拾い集めます。
そのうえでJevが「どれが求める値か」を選び、プログラムがそのまま書き写します。

公式のサンプルでは、次のような値を取り出しています。

出典：TypeSafe公式ドキュメント「Pre-parsed value extraction」「Date extraction」

Jevは候補の中から選ぶだけなので、存在しない数字を作ったり、桁を写し間違えたりすることがありません。

＼特典：最適な開発方法をご提案／

Jevでできないこと7選

① 文章やプログラムを書くことはできない

Jevは、返信文やプログラム、説明文といった文章を作ることはできません。

公式ドキュメントでは、Jevは返信文やプログラムを作らず、決められた形の答えだけを返すモデルと説明されています。
選択を何度も連ねて無理に文章を作らせることもできますが、遅く、うまくいかないと公式が明記しています。

そのため、

などは、Jev単体では対象外です。

出典：TypeSafe公式ドキュメント「Jev with coding agents」「Jev 1.13 jaggedness」

文章は文章を書くAIに任せ、Jevには「どう対応するかを決める役」を担わせる組み合わせが公式の想定です。

② 写真・音声・動画を直接読むことはできない

Jevは、文字として渡された情報しか判断できません。

公式の仕様では、入力は文字のみで、画像・音声・動画には対応していません。
公式は「まだ」と書いており、将来の対応を示唆していますが、時期は明記されていません。

そのため、

などは直接は頼めません。

出典：TypeSafe公式ドキュメント「Models」「State」

この場合は、先に画像の説明文や音声の文字起こしを作り、その文字を渡すのが公式の案内です。

③ 計算・数え上げ・日付の比較は確実にはできない

Jevは、計算や数え上げ、日付の前後の比較を確実にはこなせません。

公式の注意書きでは、Jevは「電卓ではない」とされています。
文字数や件数を数えるときは、答えの形に似た数字を当てはめる動きになり、数える量が大きいほど間違いが増えます。

そのため、

などは苦手です。

出典：TypeSafe公式ドキュメント「Jev 1.13 jaggedness」

公式の対処法は、数える作業や日付の計算はプログラムに任せ、Jevには「この項目は果物か」のような意味の判断だけを任せることです。

④ 回りくどい質問や複数段階の推論は得意ではない

Jevは、じっくり考えないと答えが出ない質問には向いていません。

公式は、Jevが得意なのは直感的に即答できる判断で、何段階も考えるような課題は苦手と説明しています。
また、質問文を書かれたとおりに受け取る傾向があり、書き手の意図をくみ取ることは得意ではありません。

そのため、

などでは、精度が下がります。

出典：TypeSafe公式ドキュメント「Jev 1.13 jaggedness」「Introduction」

質問は1つの判断に絞ってできるだけ直接書き、複雑な判断は小さな質問に分けて、結果をプログラムで組み合わせるのが公式の方法です。

⑤ 日本語は英語ほどの精度が保証されない

Jevは、英語で最も高い精度が出るモデルです。

公式ドキュメントでは、日本語を含む他の言語も扱えるものの、英語と同じ精度ではないと明記されています。

そのため、

などでは、英語の検証結果どおりの精度が出ない可能性があります。

出典：TypeSafe公式ドキュメント「Models」「State」

導入前に自社の日本語データで試し、確信度を見ながら人が確認する範囲を決めておくことが、公式の推奨です。

⑥ 一度に読ませられる量には上限がある

Jevは、1回の依頼で読ませられる文章の量や選択肢の数に上限があります。

公式の仕様では、依頼1回あたりの合計が6万4,000トークンまでで、トークンとはAIが文章を数える単位です。
このほか、1つの質問で読める量や選択肢の数にも決まりがあります。

また、短時間に送れる量にも上限があり、公式は需要に応じて予告なく変わることがあるとしています。

出典：TypeSafe公式ドキュメント「Models」「API reference」

長い資料は必要な部分だけを先に絞り込んでから渡すことで、上限と精度の低下の両方を避けられます。

⑦ 答えが必ず正しいとは保証できない

Jevは、用意した選択肢の外の答えは返しませんが、選択肢の中で間違えることはあります。

公式は、確率の信頼性は多数の答えをまとめて見たときの性質で、1件ごとの正しさを保証するものではないと説明しています。
また、答えを誘導する目的で書かれた文章に、判断を動かされることがあるとも認めています。

そのため、

などは、Jevの答えだけで進めるのは危険です。

出典：TypeSafe公式ドキュメント「System One」「Jev 1.13 jaggedness」

確信度が低いものや重要な判断は人が確認する流れを、最初から設計に入れておくことが重要です。

まとめ：できないことを理解した上で活用することが重要

Jevは、決められた選択肢から素早く安く判断を下す、判断専用のAIです。

一方で、

など、明確な制約も存在します。

これらの「できないこと」を正しく理解せずに使うと、「思ったより使えない」と感じてしまう可能性があります。

逆に言えば、できることとできないことを理解した上で適切に使い分けることで、Jevの価値は最大化されます。

よくある質問集

Jevは分類や採点、問い合わせの振り分けに使えますか？

はい、使えます。文章を読んで選択肢から選ぶ分類、度合いの採点、はい・いいえの確率判定に対応し、問い合わせの振り分けや大量データの分類、AIの回答の点検にも使えます。

Jevは日本語でも使えますか？

条件付きで使えます。日本語も扱えますが、英語と同じ精度ではないと公式に明記されています。導入前に自社の日本語データで試し、確信度を見ながら人が確認する範囲を決めるのが公式の推奨です。

Jevだけで業務の自動化を完結できますか？

いいえ、Jev単体では完結できません。返信文やプログラムなどの文章を書けないため、文章を書くAIと組み合わせるのが公式の想定です。確信度が低い答えは人が確認する流れも必要です。

＼特典：最適な開発方法をご提案／

Walkersでは成果が実証されたノウハウをもとに、事業を成功に導くためのAI開発×補助金支援を行っています。新規事業・システム開発でお悩みがある方はお気軽にご相談下さい。

AI開発×補助金支援サービスの概要はこちら＞＞

Walkersに無料で相談する＞＞