- 2026年10月19日、VentureBeatは意思決定AIモデルの台頭を分析し、2026年9月15日に公開されたTypeSafe AIの「Jev」を代表例として取り上げた。
- 自由形式の文章を生成する大規模言語モデル（LLM）とは異なり、意思決定モデルは分類ラベル、評価スコア、真偽の確率などの構造化された結果を、確信度とともに返す。
- この技術は、顧客からのフィードバックの分類、緊急性の高い問い合わせの特定、本人確認情報の照合、リスク評価など、数百万件のデータに対する意味的な判断が必要なタスクを対象としている。
- Databricks、Snowflake、MotherDuck、Astronomerは、自社のデータプラットフォームに意思決定モデルを統合する方法を発表した。AWS、OpenAI、Cloudflareも同様の選択肢を開発している。
- MotherDuckによると、Jevは10万件のニュース記事を40秒、0.50米ドルで分類し、89％の精度を達成した。同社のテストでは、OpenAIのモデルは約32分と37.58米ドルを要し、精度は88％だった。
- AstronomerはJevを使って4,000件の職種名を分類する実験を行い、66秒、0.16米ドルで処理を完了した。一方、Snowflake AI_CLASSIFYを利用した場合の推定費用は11～21米ドルだった。
- Southbridge AIは、オハイオ州の選挙資金記録に含まれる寄付者と組織のデータ照合にJevを活用した。高度なAIモデルを使用する方式と比較して、モデルのコストを99.56％削減した。
- 提案されているワークフローは3つのツールを組み合わせる。SQLは明確に定義されたルールを処理し、意思決定モデルは大規模な意味的判断を担い、LLMは複数段階の推論が必要な複雑なケースを扱う。
- 確信度スコアを利用することで、明確なケースは自動処理し、不確実なケースは人間に引き継げる。ただし、企業は実際のデータを用いて確信度の信頼性を検証する必要がある。
- 専門家は、意思決定モデルをSQLや従来型の機械学習とも比較する必要があると警告している。また、評価基準の設計、監視、自動意思決定の管理について、責任の所在を明確にすることも重要だ。
📌 意思決定モデルは、企業向けAIをより専門化する新たな方向性を示している。すべてのタスクに大規模言語モデルが必要なわけではない。MotherDuckが公表したテストでは、Jevは0.50米ドルで10万件のデータを処理し、比較対象のモデルより約48倍速く、コストは約75分の1だった。ただし、これは企業自身が公表した結果である。実際の価値は、精度、予測確率を検証できる能力、そして各システムにおける意思決定のガバナンス体制に左右される。
