GPTBots.ai、判断用AIモデルJevを統合し分類やモデル選択を強化

Jevは、文章の生成ではなく、選択・評価・分類などの判断を担うAIモデルです。非構造化データを受け取り、「Choice」「Score」「Yes/No」の形式で結果を返し、それぞれに信頼度スコアを付けます。

発表で紹介されたTypeSafe AIのベンチマークと料金の主な数値は次のとおりです。

数値はモデル提供元が公表した条件での結果で、GPTBots.ai全体の利用料金や、導入企業での処理時間を示すものではありません。構造化出力のエラー率は形式に関する指標であり、判断内容が常に正しいという意味でもありません。発表文では比較モデルや各測定条件の詳細が示されていないため、自社のデータと処理での検証が必要です。

GPTBots.aiは、ノーコード・ローコードで企業向けAIエージェントを開発・導入・運用するプラットフォームです。問い合わせの分類や検索結果の関連性の判定など、文章生成を必要としない処理にもLLMを使うと、応答の遅延やトークン消費が発生します。

今回の統合では、振り分け・絞り込み・分類などの判断をJevが担い、複雑な推論や文章生成をGPTやClaudeなどのLLMが担当します。既存の判断機能をJevで強化し、処理の種類に応じてモデルを使い分ける構成です。

発表では、Jevによって強化する既存機能として次の3つを挙げています。

Dynamic Top-Kは、外部の文書を検索して回答に使うRAGで、無関係な情報を減らす役割を担います。FlowAgent/Workflowでは、分類結果に付く信頼度を、そのまま処理を進めるか、より高性能なモデルや担当者へ引き継ぐかの判断に使う設計です。

Jevの判断結果には、確からしさを表す信頼度スコアが付きます。発表では、業務ごとに信頼度のしきい値を設定する仕組みを今後導入すると説明しています。今回の統合時点で設定機能が提供済みとは明記されていません。

導入後は、基準を満たす判断を自動実行し、満たさない判断を人による確認や担当者への引き継ぎに回す使い方が想定されます。導入担当者は、自動化する業務の重要度に応じて、誤分類を許容できる範囲と確認が必要な条件を検証することになります。

A. 分類や選択など、文章生成を必要としない判断を担うAIモデルです。GPTBots.aiではモデル選択や検索結果の関連度評価などに利用します。

A. TypeSafe AIが公表したJevの料金やベンチマークです。GPTBots.ai全体の利用料金や導入後の処理速度を示す数値ではありません。

A. 発表では設定機能を今後導入するとしています。今回の統合時点で提供済みとは明記されていません。

• GPTBots.ai 公式サイト
• Aurora Mobile 投資家向け情報

O!Productニュース編集部からのコメント

問い合わせの振り分けと回答生成を別のモデルに任せる設計は、AI導入担当者が処理を見直す手掛かりになりますね。まずは分類の精度と、人の確認に戻す条件を自社の問い合わせで確かめたいところです。

引用元：PR TIMES