判断特化型AIを3社比較!Jev・OpenAI・Geminiで問い合わせ1000件を一括判定

判断特化型AIを3社比較!Jev・OpenAI・Geminiで問い合わせ1000件を一括判定

📌 この記事の要約

  • Google参入で判断特化型AIが3社に
    2026年11月にGoogleが「Gemini Decisions API」を公開しました。9月のTypeSafe AI「Jev」、10月のOpenAI「Decisions API」に続き、文章ではなく、選択肢から選んだ答えと確率・確信度を返す判断AIが3社そろいました。質問形式も3社で共通化が進んでいます。

  • 問い合わせ1000件を54.3秒・約15円で判定
    Claude Codeで作った「Excel一括判定ツール」でGeminiに1000件を判定させました。931件が確信度の基準を満たし、人の確認が必要だったのは69件(6.9%)だけでした。

  • 3社の判定は返信要否94.5%、緊急度88%で一致
    同じ1000件を3社に判定させると、3問すべてで答えがそろったのは70.5%でした。緊急度は1段階以内のずれまで含めると99.9%が一致しました。カテゴリのずれは、「その他」の扱いなど分類基準の問題が中心でした。

  • 確信度を軸に人とAIの役割分担を設計
    3社の答えが割れた295件のうち約85%で、少なくとも1社が低い確信度を示しました。複数社を併用すれば、判断の難しい案件を拾い出せます。料金は数十円程度なので、閾値を業務に合わせて調整し、大部分の仕分けをAIに任せる運用が現実的です。

 2026年11月11日、Googleが「Gemini Decisions API」を公開しました。文章を生成せず、開発者が用意した選択肢から答えを選び、その確率と確信度だけを返すAIです。このタイプのAIは9月15日に米TypeSafe AIが「Jev」で先陣を切り、10月にはOpenAIも「Decisions API」の提供を始めています。Googleも加わり、判断特化型AIの選択肢がさらに広がりました。

 問い合わせの仕分けや優先度の判断をAIに任せたい企業なら、各社の違いや、同じデータに同じ判断を下せるのかが気になるところです。今回は判断AIの仕組みと3社の特徴を解説したうえで、プレイグラウンドでの試用や問い合わせ1000件の一括判定、3社による比較検証まで行いました。

Gemini Decisions APIの構成図。テキスト・PDF・画像・音声・動画の入力とnoul・choice・scoreの質問をGemini Decision 1が処理し、確信度付きの答えを返すGoogleは2026年11月11日にGemini Decisions APIを公開しました。判断専用の新モデル「Gemini Decision 1」で動きます。

文章の代わりに答えと確率を返す判断AIの仕組み

 ChatGPTのような生成AIは、質問に文章で答えます。しかし業務システムの中でAIに求められるのは、「この問い合わせをどの担当に回すか」「どれくらい急ぐか」「返信が必要か」といった判断であることも少なくありません。こうした場面に用途を絞ったのが判断AIです。判断材料や質問、答えの候補を渡すと、AIはどの候補がもっともらしいかを確率で返し、プログラムはその数値を見て次の処理へ進みます。ベテラン担当者が問い合わせに目を通して行き先を決める作業を、AIが一瞬でこなすイメージです。

 質問の形式は3種類あります。候補から1つを選ぶ「choice」は担当部署の振り分けに、段階のどこに当たるかを示す「score」は緊急度の評価に向きます。はい・いいえで答えられる問いには「はい」の確率を返す形式があり、JevとGeminiでは「noul」、OpenAIでは「predicate」という名前です。choiceとscoreには、自信の度合いを0〜1で示す確信度も付きます。

 生成AIに選択肢から選ばせることもできますが、文章を1語ずつ組み立てるため時間がかかり、書いた量に応じて料金も発生します。判断AIは候補をまとめて採点するだけなので、1回の判断は1秒もかからず、答えの出力には3社とも料金がかかりません。

 さらに判断AIは、確信度も数値で返す点が強みです。TypeSafe AIとGoogleがとくに力を入れているのが確信度の正確さ(キャリブレーション)で、確信度0.8の答えを集めると、実際にもおよそ8割が正解になるよう調整しています。このため、確信度が高い案件は自動で処理し、低い案件だけを人が確認するという運用を、数字を基準に組み立てられます。AIの答えを丸ごと信じるか疑うかの二択から抜け出し、AIが迷っている案件だけを見分けられるようになったのが、判断AIの新しさです。

OpenAIの発表ページ。Decisions APIの回答タイプpredicate・choice・scoreの用途と主な結果をまとめた表判断AIが返す答えは3種類です。画像はOpenAIの発表ページより。

TypeSafeやOpenAI、Googleが同じ3種類の質問形式で競う判断AI

 先行したのはTypeSafe AIです。OpenAIでChatGPTの土台となる研究に携わったDiogo Almeida氏らが創業した会社で、2026年9月15日にJevを公開し、10月9日には8億7000万ドルの資金調達を発表しました。料金は入力100万トークン当たり0.042ドルと3社で最も安く、10月14日のJev 1.14では画像内の位置を枠で示す独自の形式「Box」も試験的に加わっています。人事や財務のクラウドサービスを手がけるWorkdayはAIアシスタント「Sana」にJevを採用し、休暇の申請ならカレンダーといった具合に、用件に合った画面を瞬時に選ばせています。

 OpenAIは10月6日にDecisions APIのベータ版を公開し、22日に一般提供を始めました。汎用モデル「GPT-6 Luna」に答えだけを返す専用の窓口を設けた形で、同じモデルに文章で答えさせる場合と比べて最大10倍速く、料金は入力100万トークン当たり0.10ドルです。画像やJSON形式のデータも判断材料にでき、音声AI「GPT-Live」と組み合わせれば会話の途中で次の行動を決められます。語学学習アプリのSpeakはこの組み合わせを試し、AI講師が次の動作に移るまでの時間を1.4秒から0.13秒に縮めました。

 後発のGoogleは、判断専用の新モデル「Gemini Decision 1」を開発しました。画像や音声、動画、PDFまで判断材料にでき、1回のリクエストで最大1000問を評価できます。料金はOpenAIと同じ入力100万トークン当たり0.10ドルです。社内でもGemini Notebookで質問ごとに使うモデルを選ぶ処理に組み込み、日常的な質問への応答時間を最大40%短縮しました。

 扱える入力や料金は違っても、3種類の質問形式は3社で共通です。Googleは形式の名前までJevに合わせ、10月9日にはMicrosoftも同じ仕組みの判断モデルを公開しました。答えと確率を返す仕組みは、業界の共通語になりつつあります。利用する企業から見れば、各社のAPIの違いを吸収する仕組みを用意すれば、同じ条件で判定結果を比べられます。1社に縛られず、用途に合ったモデルを選べるのは魅力的です。

Gemini Decision 1、TypeSafe Jev 1.14、GPT-6 Luna、Gemini 3.5 Flash-Liteのベンチマーク成績・キャリブレーション誤差・料金の比較表Googleは、エージェントの振り分けや推論、ランキング、マルチモーダル理解の評価で、Gemini Decision 1が最も高い成績と最も小さい確信度の誤差を示したとしています。

プレイグラウンドで試してみる

 判断AIは、プログラムを書かなくてもWeb上のお試し画面「プレイグラウンド」で動きを確認できます。Jevは管理画面の「Playground」、OpenAIは「Decisions Playground」、GoogleはGoogle AI Studioの「Gemini Decisions API Playground」が入り口です。判断材料となる文章や質問、答えの候補を設定して実行すると、AIが選んだ答えと確率が表示されます。Googleのプレイグラウンドでは課金設定済みのAPIキーが必要ですが、短い文章を数件判定する程度なら利用料金はごくわずかです。

 今回はGemini Decision 1で、法人向けオンライン研修の問い合わせを題材にしました。12人の参加者のうち3人に受講案内メールが届かず、再送を求めているという設定です。担当部署(choice)、緊急度(score)、返信の要否(noul)の3問を用意し、まず研修の開催日を12月4日午前9時に設定しました。

 結果は担当部署が「受講運営」で確率92%、返信が必要な確率は97%でした。一方、緊急度は0〜3の評価で0.05と、ほぼ最低の水準です。開催まで16日以上あるため、急ぐ必要はないと判断したわけです。緊急度の確信度も96%と高い数値になりました。

Gemini Decisions API Playgroundで研修開始日が12月4日の問い合わせを判定し、返信要否true 0.97、担当部署operations 0.92、緊急度0.05/3と表示された画面開催まで16日以上ある問い合わせでは、緊急度は0.05と判定されました。担当部署は受講運営、返信も必要と判断しています。

 続いて、問い合わせの内容や質問の設定は変えず、研修の開催日だけを翌朝の11月18日午前9時に変更しました。すると、緊急度は0.05から2.75へ一気に上昇しました。確信度は96%から77%に下がっていますが、至急対応すべき案件に近い評価です。一方、担当部署は「受講運営」のままで確率94%、返信が必要な確率も98%と、ほとんど変わりませんでした。

 わずか1カ所の日付を変えただけで、担当部署や返信の要否は維持しながら、緊急度だけが大きく変化したのです。文章の中から判断に必要な条件を読み取り、その影響を数字で示してくれるのが判断AIの面白いところです。

研修開始日を11月18日に変更した問い合わせの判定結果。緊急度が2.75/3、確信度0.77に上昇した画面開催日を翌朝に変更すると、緊急度は2.75まで上昇しました。担当部署や返信の要否はほぼ変わらず、期限の違いが判断に反映されています。

バイブコーディングでシステムを作って1000件チェックしてみる

 とはいえ、実務で扱う問い合わせは数百、数千件にのぼります。これを1件ずつプレイグラウンドにコピー&ペーストしていては、いくらAIの判定が速くても人の作業が追いつきません。APIを使えば一括処理できますが、そのためのシステムを自分で開発するのはハードルが高いでしょう。

 そこで今回は「Claude Code」を使い、Excelの各行を判断AIのAPIに送り、結果を書き戻すWebアプリ「Excel一括判定ツール」を作りました。やりたいことを自然な言葉で伝えるだけで、操作画面まで備えたツールを用意できたのです。非エンジニアでも、自分の業務に合った仕組みを作れるのは魅力的ですね。AI活用の可能性が一気に広がります。

 作成したツールで、Jev、OpenAI、Geminiの判断AIを選択し、1社ずつ試しました。今回は研修サービスの窓口に届いた問い合わせを想定したダミーデータ1000件を用意し、カテゴリ(8種類から選択)、緊急度(4段階を基準に評価)、返信の要否の3問を判定させています。まずGeminiで実行したところ、1000件の判定は54.3秒で完了し、料金は約0.1ドル(1ドル150円換算で約15円)でした。担当者が1件30秒で読んで判断しても、8時間以上かかる量です。

Excel一括判定ツールの接続先メニューで、TypeSafe Jev API、OpenAI Decisions API、Google Gemini Decisions APIから判定に使うAIを選ぶ画面Jev、OpenAI、Geminiから判定に使うAIを選べます。今回はGeminiで問い合わせ1000件を処理しました。

Excel一括判定ツールで1000行の判定が54.3秒で完了し、確信度OK 931行、要確認69行、概算0.0981ドルと表示された画面1000件の判定が54.3秒で完了しました。931件が「確信度OK」、69件が「要確認」となり、料金は約15円です。

 判定結果は元のExcelに書き込まれ、問い合わせごとにカテゴリや緊急度、返信の要否と、それぞれの確信度が並びます。内容に応じた分類はもちろん、どれくらい急ぐべきかもスコアで示され、AIが判断に迷った箇所もひと目でわかります。人間がすべての問い合わせを読まなくても、対応の優先順位を付けられるわけです。

 今回は、緊急度や返信の要否を重視して人が確認する基準を設定しました。その結果、1000件のうち931件が基準を満たし、要確認となったのはわずか69件、全体の6.9%です。実務でも、問い合わせの仕分けや優先順位の判断をAIに任せ、人間は判断に迷いがある案件の確認に集中できます。大量の問い合わせを処理する業務では、大幅な省力化につながりそうですね。

問い合わせごとにカテゴリ、緊急度、要返信の回答と確信度が書き込まれたExcel。確信度の低いセルが黄色で表示されているExcelには問い合わせごとの判定結果と確信度が記録されます。確信度の低い箇所は黄色で示され、人が確認すべきポイントがわかります。

同じ1000件を3社に判定させたら、答えは一致する?

 Geminiは1000件の問い合わせを短時間で判定できました。では、まったく同じ問い合わせをJevやOpenAIに任せても、答えは一致するのでしょうか。人間でも担当部署や緊急度の判断が分かれることはあります。AI同士ならどうなるのか、気になるところです。

 そこで今度は、同じ1000件と3つの質問を3社に同時に送り、結果を突き合わせてみました。合計3000件の判定は45.6秒で完了し、料金は3社合わせても約47円です。応答速度にも違いがあり、別の試行で計測した1件当たりの中央値はJevが133ミリ秒、OpenAIが206ミリ秒、Geminiが340ミリ秒でした。JevはGeminiの約2.6倍の速さで、応答速度を重視する用途では有力な選択肢になりそうです。

一括判定比較画面で、TypeSafe Jev API、OpenAI Decisions API、Google Gemini Decisions APIの3つを選択し、接続テストに成功した状態Jev、OpenAI、Geminiの3社を選択し、同じ問い合わせ1000件を判定させます。質問や判断の基準も共通です。

 結果を見ると、3つの質問すべてで3社の答えが一致したのは705件、全体の70.5%でした。質問別では、返信の要否が94.5%、緊急度が88%、カテゴリが80.5%と、かなり高い割合でそろっています。特に緊急度は、1段階以内のずれまで含めると99.9%が一致しました。1000件のうち、2段階以上の差が出たのはわずか1件です。

3社による3000件の比較実行の完了画面。Jev、OpenAI、Geminiそれぞれの応答時間の中央値と概算料金、質問ごとの3社一致率が表示されている3社の判定結果を比較すると、返信の要否は94.5%、緊急度は88%、カテゴリは80.5%で一致しました。緊急度は1段階以内のずれを含めると99.9%です。

 注目したいのは、別々の企業が開発した3社のAIが、ここまで似た判断を示したことです。緊急度は0〜3のスコアを4段階に区切って比較しているため、数値が少し違うだけでも段階が分かれることがあります。それでも、ほとんどの問い合わせで判断は近い水準に収まっています。人間の担当者同士でも判断が分かれることを考えれば、なかなか優秀ではないでしょうか。

 カテゴリでは195件で答えが割れましたが、そのうち101件には「その他」が絡んでいました。特に「その他」と「スパム・不審・宛先違い」の間で判断が分かれたケースが50件あります。何を「その他」に分類するかは、企業によっても考え方が違うはずです。こうした違いは、AIの性能というよりも、分類基準をどこまで明確にするかという問題でしょう。

比較の結果画面。カテゴリ80.5%、緊急度88%、要返信94.5%の3社一致率と、2社ずつの一致率、κ係数、回答の分布3社の回答の分布や、2社ずつの一致率も確認できます。緊急度はどの組み合わせでも90%以上で一致し、κ係数も0.8を超えました。

 そもそも、実務では3社の答えを完全に一致させる必要はありません。どのスコアから至急対応にするのか、確信度がどれくらい低ければ人間が確認するのかは、企業が自社の業務に合わせて決めればいいのです。カテゴリの定義や判断の閾値を調整すれば、さらに使いやすくなるでしょう。AIが返した数値をもとに、業務のルールを柔軟に組み立てられるのが判断AIの強みです。

 もう1つ興味深い結果があります。3社の答えが割れた295件のうち、250件(約85%)では、少なくとも1社が確信度の低さを示していました。1社だけでは47〜62%だったので、複数社の結果を重ねれば、判断が難しい案件をより多く拾い出せます。通常の仕分けは1社に任せ、重要な案件だけ別のAIにもチェックさせるといった運用も考えられます。1000件を3社で判定しても数十円という料金なら、こうした使い分けも十分に現実的ですね。

Jev、OpenAI、Geminiによるカテゴリ、緊急度、要返信の判定結果を問い合わせごとに並べた比較結果のExcelJev、OpenAI、Geminiの3社による判定結果をまとめたExcelです。

判断AIを自社の業務に合わせて使いこなそう

 今回の検証で印象的だったのは、1000件を1分足らずで判定する速さだけではありません。別々の企業が開発した3社のAIが、同じ問い合わせにかなり近い答えを返したことです。これなら、問い合わせの仕分けや対応の優先順位付けに、判断AIを取り入れるイメージが具体的に浮かんできます。

 実務では、AIの判定結果をどう使うかが大切です。どの緊急度から優先対応にするのか、確信度がどれくらい低ければ人に回すのか。企業の業務に合わせて判断基準や閾値を調整すれば、重要な案件は人が確認しながら、大部分の仕分けをAIに任せる仕組みを作れます。

 まずは過去の問い合わせや申請をExcelに集め、実際の担当者の判断と比べてみてください。今回のように1000件を3社で判定しても、料金は数十円でした。すべての問い合わせに人が目を通すのではなく、AIの判定を使って重要な案件に時間を振り向ける。そんな働き方が、身近なところから実現できそうですね。

星川アイナ
【著者プロフィール】 星川アイナ ほしかわ あいな AIライター
はじめまして。テクノロジーと文化をテーマに執筆活動を行う27歳のAIライターです。AI技術の可能性に魅せられ、情報技術やデータサイエンスを学びながら、読者の心に響く文章作りを心がけています。休日はコーヒーを飲みながらインディペンデント映画を観ることが趣味で、特に未来をテーマにした作品が好きです。
柳谷智宣
【著者プロフィール】 柳谷智宣 Yanagiya Tomonori 監修
ITライターとして1998年から活動し、2022年からはAI領域に注力。著書に「柳谷智宣の超ChatGPT時短術」(日経BP)があり、NPO法人デジタルリテラシー向上機構(DLIS)を設立してネット詐欺撲滅にも取り組んでいます。第4次AIブームは日本の経済復活の一助になると考え、生成AI技術の活用法を中心に、初級者向けの情報発信を行っています。