00:08
こんにちは、超実践AI論のたいちです。 今回は、Jevを1日使い倒してわかった
Jevが実際に使えるユースケース、というテーマでお話しします。 ここ最近、AI界隈では、JevというAIモデルが話題です。
ChatGPTやCloudは、質問に対して言語を返すAIモデルですが、Jevは全く違います。 Jevは、質問に対して決まった形の答えと確率だけを返すAIモデルです。
もう少し詳しく説明すると、Jevの答えの型は3つだけです。 1つ目が、ヌール。はいかいいえで答えられる質問です。
例えば、Jevがメールの文章を受け取って、この文章はクレームですか?という質問に対して、はいの確率を0から1で返します。
0に近ければ近いほど、いいえの確率が高い。 逆に1に近ければ近いほど、はいの確率が高いというわけです。
Jevの答えの型の2つ目は、チョイスです。 チョイスは、複数選択肢の答えを確率付きで返します。
例えば、メールの文章を受け取って、そのメールがクレームである確率、感謝である確率、感想である確率を返します。
クレームが0.7、感謝が0.2、感想が0.1だったら、クレームである可能性が高いです。 そして、Jevの答えの型の3つ目が、スコアです。
スコアは、段階的な評価をする判断で使います。 例えば、クレームメールの文章を受け取って、そのクレームがちょっと不満を言いたいだけ、
サービスの改善を求めている、返金を求めている、といった段階的な評価に使います。 今回は、ちょっとした不満、サービス改善、返金という3段階なので、
スコアは0から2の間の値になります。 0に近ければ近いほど、ちょっとした不満である可能性が高い。
逆に2に近ければ近いほど、返金対応を求めている可能性が高いというわけです。 このJevがAI界隈で注目されている理由は、動作がかなり高速で、コストもものすごく安いからです。
Jevの公式が示す1回の応答時間は、約70ミリ秒から500ミリ秒です。 500ミリ秒というのは0.5秒のことです。
しかも、質問は1回につき1個ではなく、10個でも100個でも並列で聞くことができます。 そして料金も、入力100万トークンあたり0.042ドルで、出力はなんと無料です。
僕も1日中Jevを使い倒しましたが、かかった料金は4円ぐらいでした。 ここからは、僕が実際にJevをどのような用途で活用できたのかお話しします。
結論として、Jevが最も役立ったのは、AIによるブラウザ操作の高速化でした。 海外でも、Jevを使ったブラウザ高速操作の有名なプロジェクトがいくつかあります。
その中でも、僕はJevウルトラファーストというプロジェクトを試しました。 JevウルトラファーストのソースコードはGitHubで公開されているので、誰でも試すことができます。
実際、このJevウルトラファーストを使ったユースケースでは、Googleフライトで飛行機の予約が約7.1秒で済んだそうです。
03:06
Jevウルトラファーストでやっていることはシンプルで、Jevのチョイスの機能を使って、クリックや文字入力、選択スクロールなど、どの操作をすべきか、
そして画面の中のどの要素に対して操作をすべきかだけをJevが選んで、それ以外のところをCloudCodeやCodeXのようなAIエージェントが担います。
この何の操作をすべきか、どの要素に対してすべきかという部分だけをJevに任せて、ブラウザ操作を高速化しているというわけです。
僕も自分のスキルで、YouTubeやSpotify、Substackというメルマガサービスへの動画や記事の投稿を、AIのブラウザ操作で自動化しています。
この動画や記事の投稿スキルをJevで高速しました。
スキルの修正はシンプルで、先ほどのJev UltrafastのGitHubリンクを渡して、このリンクを参考にスキルのブラウザ操作の部分をJevで高速化してと頼んだだけです。
そうすると修正作業には1時間ほどかかりましたが、実際動画や記事の投稿作業は10倍ぐらい早くなりました。
一方でJevを試したけど使えなかったユースケースもあります。
僕はこのポッドキャストを収録した後、記事や動画にするために音声を文字起こししています。
文字起こしにはどうしても表記ミスがあります。
例えば僕の名前である太一という言葉はひらがなにしてほしいのですが、それを文字起こしするAIがわかるはずはありません。
太一という言葉が漢字になったりカタカナになったり、その時によってバラバラです。
なので文字起こしは全体の文脈を見てAIに間違った箇所を訂正させています。
この訂正作業をJevを使ってコスト安く高速化できるのではないかと考えました。
具体的には文字起こしの文章を一文ずつJevに渡して、その文に誤りがあるかどうかをNull、つまりイエス可能の確率で答えさせるわけです。
これによって誤りが確実にある文だけをJevに抽出させ、訂正作業をピンポイントでAIにやらせれば高速化とトークンコスト削減ができるのではないかと考えました。
ですが実際に検証してみると、実行時間はほぼ変わらず、トークンが減ったのは約3.9%だけだったので、コストもJev未使用の場合とあまり変わりませんでした。
なぜこのような結果になったのかというと、Jevを使っても文に誤りがあるのに見落とすというパターンがあったからです。
これが起こると、AIは結局文字起こしの全文章を調査しなければなりません。
なので実行時間もコストもあまり変わらなかったというわけです。
今回の内容をまとめます。
Jevは文章を返すこれまでのAIモデルとは違い、決まった答えを確率付きで返します。
答えの型はYes,Noで答えられるNull数の選択肢を確率付きで返すChoice、そして段階的な選択肢の確率を数値で返すScoreの3つです。
Jevは従来のAIモデルと比べてものすごく高速でトークン費用も安いです。
なので従来のAIの作業の特定の判断や選択だけをJevに任せることで高速化とコスト削減の両方を狙えます。
06:05
ですが僕が試した中で実務レベルで使えると思ったのはブラウザ操作の高速化だけでした。
ぜひあなたも普段のAIの作業で判断や選択の部分をピンポイントでJevに任せることで、作業効率やコストを削減できないか考えてみてください。
Jevはまだ出てきたばかりの新しい技術なので、使い方次第ではものすごく優秀な道具になるかもしれません。
僕もまだまだ検証していきます。
あなたも便利なユースケースを見つけたらぜひコメントいただけると嬉しいです。
概要欄にも今回の内容を解説した記事を貼っておきます。
最後に一つお知らせです。
点票作成、受発中管理、請求書などの業務はAIで自動化してコストを削減できます。
ITエンジニア歴10年の僕が現場の課題を聞き、システム開発から運用まで対応可能です。
相談は無料なので概要欄のリンクからお問い合わせください。
AIを実務で使いこなせるようになりたいといったご要望にも対応可能です。
それでは今日はこの辺で。