2026年10月9日付のAIニュースでは、米Liquid AIが公開した「d1-3B」「d1-omni-600M」という、文章を長く生成するよりも、あらかじめ用意された候補から答えを選ぶ用途を意識したモデルが紹介されました。報道によれば、問い合わせの振り分け、迷惑行為の検知、定型的な分類のように、自由な文章を返す必要がない仕事を短い処理で扱うことを狙っています。Liquid AIの公式サイトでも、10月7日付でd1およびOpen d1を、端末に近い場所で使う「判断モデル」として掲載しています。
生成AIというと、質問に対して文章を作るチャットボットを思い浮かべる人が多いでしょう。しかし実際の業務には、「この問い合わせはどの部署へ送るか」「この画像に必要な確認が写っているか」「この申請は追加資料が必要そうか」といった、候補を整理する仕事が数多くあります。こうした場面では、長い説明よりも、決められた選択肢を安定して返し、必要なものだけを人に回す仕組みの方が役立つことがあります。
一方で、分類結果が表示されたからといって、それが事実や正しさを保証するわけではありません。特に健康、お金、採用、契約、教育、行政手続きのように、間違いが人の生活や権利に大きく影響する領域では、AIの判定だけで結論を出すことは避けるべきです。この記事では、Liquid AIのd1公開を入口に、判断専用AIモデルとは何か、会話AIとどう使い分けるか、そして「答えを急がない」ための確認設計を、一般の利用者にも分かるように整理します。
Liquid AIのd1公開で、何がニュースになったのか
Liquid AIは、端末やデータセンターなどさまざまな環境で動かすことを意識した基盤モデルを開発する企業です。同社サイトでは2026年10月7日付で「d1」と「Open d1」を掲載し、テキスト、画像、音声などを受け取り、固定された候補から一つを選ぶ判断用途を打ち出しました。10月9日付のニュースでは、d1-3Bとd1-omni-600Mがオープンウェイトとして紹介され、文章を一語ずつ作るのではなく、決まった選択肢に対する答えを一段で返す設計が特徴として説明されています。
ここで注意したいのは、「判断専用AIモデル」という呼び方は、法令上の正式な分類ではないことです。本記事では、選択肢があらかじめ決まっている分類、振り分け、検知、照合といった用途を分かりやすく説明するために用います。実際の機能、動作環境、速度、利用条件は、モデルの版、導入方法、使うデータ、接続する仕組みによって変わります。提供者が示す性能値やベンチマークは比較の手がかりにはなりますが、自分の職場やサービスで同じ結果が得られる保証ではありません。
このニュースのポイントは、AIが「何でも会話で答える道具」から、もっと狭い目的に合わせた部品へ分かれていく流れを示していることです。例えば、社内の問い合わせを「経理」「人事」「情報システム」「要確認」に仕分けるだけなら、丁寧な長文の回答を毎回作る必要はありません。候補と基準を先に決め、迷ったものは人へ送る方が、速さと説明のしやすさを両立できる場合があります。
ただし、短い答えを返すことと、軽い責任で使えることは同じではありません。「要確認ではない」と分類された申請が実は緊急だった、「対象外」とされた相談に例外事情があった、といった問題は起こり得ます。AIを便利な自動仕分けとして使うほど、外れたときに誰が気づき、どのように戻せるかが重要になります。公開ニュースを読む際にも、新しいモデルが出たという話だけでなく、用途、データ、確認役、例外処理まで見ることが大切です。
会話AIと判断専用AIは、何が違うのか
会話AIは、質問の意味を読み取り、説明文、要約、案、コード、アイデアなどを柔軟に作ることが得意です。「この議事録を三行でまとめて」「初心者にも分かる案内文に直して」「比較する観点を挙げて」といった依頼に向いています。入力が多少あいまいでも、補足を求めたり、複数の可能性を並べたりできることが魅力です。その反面、もっともらしい表現を作れても、内容が正しいとは限らず、事実確認や出典確認が必要になります。
これに対して、判断専用AIモデルは、「A、B、Cのどれか」「通す、追加確認、止めるのどれか」といった選択肢の中から答えを出す作業に寄せた考え方です。例えば、問い合わせの種類、写真に必要な書類があるか、設備のセンサー値が通常範囲か、といった処理です。出力を短く絞れるため、後続のプログラムが受け取りやすく、端末上で素早く動かす設計とも相性があります。説明文を作らないぶん、利用する側が出力形式を扱いやすい場面もあります。
ただし、二つは完全に別の箱ではありません。会話AIに「次の三分類だけで返して」と頼めば分類器のように使えますし、分類モデルの結果を会話AIで説明し直すこともできます。大切なのは、モデルの名前よりも、どの仕事を任せ、何を出力させ、誤りが起きたときにどう扱うかです。自由な文章が必要な仕事と、候補が決まった仕事を混ぜると、不要に複雑になったり、判断の根拠が見えにくくなったりします。
身近な例で考えると、旅行の相談では会話AIが役立ちます。行き先の候補、持ち物、子ども向けの過ごし方を一緒に考えられるからです。一方で、予約確認メールから日付だけを取り出し、カレンダーの「確認待ち」フォルダーへ入れる処理なら、決められた項目を抜き出す仕組みの方が適しています。どちらの出力も最後に公式の予約画面や利用規約で確かめる必要がありますが、作業の形に合った道具を選べば、人が見るべき場所を絞れます。
どんな仕事なら、判断モデルの発想が役立つのか
最初に向くのは、結果の候補が少なく、正解を後から確かめやすい仕事です。たとえば、社内ヘルプデスクの問い合わせを担当部署へ振り分ける、受信メールを「返信」「資料確認」「迷惑メールの疑い」に分ける、製造現場の写真を「通常」「再撮影」「担当者確認」に分ける、といった用途です。ここではAIが最終的な答えを出すのではなく、人が見る順番を整える役割を担います。
次に、端末の近くで処理する利点がある場面です。通信が不安定な場所で、画像や音を一次的に仕分ける。個人情報を外部へ送らず、手元の機器で入力の形式だけ確認する。多数の小さな処理を繰り返す。こうした用途では、モデルをどこで動かすかが、速度だけでなくデータの扱いにも関わります。ただし「端末上で動く」ことだけで安全性が自動的に高まるわけではありません。保存先、アクセス権、更新方法、ログ、紛失時の対策は別途確認が必要です。
また、AIに回答を作らせる前の「入口」を整える使い方もあります。問い合わせが来たら、緊急度、言語、担当分野、必要な添付の有無を判定し、条件がそろったものだけを次の処理へ進める。これなら、会話AIや人間の担当者が、より複雑な相談に時間を使えます。AIの役割を一段目の整理にとどめれば、誤りがあっても修正しやすく、導入の影響を小さく始められます。
反対に、候補が固定できない、事情の聞き取りが欠かせない、理由を個別に説明しなければならない仕事には注意が必要です。住宅ローンの可否、保険の給付、採用の合否、支援制度の利用、治療方針の選択などは、一見すると「通す・通さない」の分類に見えても、例外、証拠、本人の事情、最新の制度が関わります。AIが候補を出す補助として使うことと、AIに決定させることは違います。後者に近づくほど、適用範囲、検証、説明、異議申立て、人の監督を慎重に整えなければなりません。
「固定された候補」を決める人に、責任がある
判断モデルの説明で見落とされやすいのが、AIの前に人が決めていることです。モデルが「経理」「人事」「情報システム」のどれかを選ぶとしても、そもそもその三つで十分か、複数に当てはまる相談はどうするか、どの言葉を手がかりにするかを決めたのは人です。候補の中に「分からない」「例外」「緊急」「人へ相談」を置かなければ、AIは無理にどれかへ押し込むかもしれません。
良い設計は、正解の選択肢を増やすことだけではありません。自信が低いときに止まる選択肢、情報が足りないときに追加確認へ回す選択肢、利用者が自分で訂正を申し出られる入口を用意することも重要です。例えば、問い合わせを自動で担当部署に送るなら、「担当が違う場合はこちら」という転送・訂正の導線を画面やメールに残します。AIの振り分けに従った人が、たらい回しにされないようにするためです。
候補の定義は、時間とともに古くなります。新しい商品、制度、部署、利用者の言い回しが増えれば、以前は正しかった分類が合わなくなります。導入時に一度だけ精度を測って安心するのではなく、誤分類、保留、手作業での修正を記録し、定期的に見直す必要があります。NISTのAI Risk Management Frameworkが示す「Govern、Map、Measure、Manage」という考え方も、導入前の合格判定ではなく、目的と影響を把握し、測り、管理を続ける視点として役立ちます。
ここでいう記録は、監視を強めるためだけのものではありません。どの入力で間違えたか、誰がどんな理由で修正したか、利用者からどんな苦情があったかを集めれば、候補や手順の問題を発見できます。個人情報を必要以上に残さない配慮をしつつ、改善に必要な範囲の履歴を取る。そのバランスを取ることが、仕組みへの信頼につながります。
小さく試すための「四つの確認」
新しいモデルを見つけると、すぐに大きな業務へ入れたくなるかもしれません。しかし、最初は失敗しても影響が小さい用途で、今のやり方と比べるのが安全です。以下の四つは、会話AIでも判断専用AIでも使える、導入前の確認です。
- **目的を一文にする**：何を速くしたいのかを具体的に書きます。「問い合わせの一次振り分けを補助する」のように表すと、AIに最終回答や送信までさせない範囲が明確になります。
- **人へ回す条件を決める**：自信が低い、入力が不足している、緊急語が含まれる、利用者が訂正を求めた、といった場合の行き先を先に決めます。保留は失敗ではなく、安全のための出力です。
- **正しさの測り方を用意する**：正解率だけでなく、見逃し、誤って優先した件数、修正までの時間、影響を受けた人の声を見ます。重要な見逃しがあるなら、平均的な精度が高くても運用を止める判断が必要です。
- **戻し方を残す**：自動送信、削除、拒否など取り返しにくい処理は、初期段階では人の承認を挟みます。誤分類が分かったときに、誰が停止し、どこまで訂正し、どう説明するかも決めます。
この四つは、専門的な用語を覚えるためのチェックリストではありません。AIの出力を「便利な答え」ではなく、運用の一部として扱うための質問です。特に人手が足りない職場ほど、自動化に期待が集まります。しかし、誤りを後から直す時間や、苦情対応の負担まで含めて考えなければ、本当に効率が上がったかは分かりません。試す範囲を小さくし、比較できる記録を残すことが、結果的に早い改善につながります。
健康・お金・採用では、判定を結論にしない
健康に関する利用では、AIが症状の言葉を整理したり、受診時に聞く質問をまとめたりする補助にはなり得ます。しかし、診断、薬の変更、治療の開始・中断を、分類結果だけで決めることはできません。症状の背景や検査結果、本人の状態を医療専門職が確認する必要があります。胸の痛み、強い呼吸困難、意識の異常など緊急性が疑われる場合は、AIの回答を待たず、地域の救急相談や医療機関へ連絡してください。
お金に関する利用でも同じです。支出を「固定費」「変動費」「確認」に分ける、契約書で見落としやすい項目を列挙する、といった整理は役立ちます。一方で、投資、ローン、保険、税金、年金の結論は、収入、資産、契約条件、金利、制度の更新、家族の状況で変わります。AIが「向いている」と分類しても、利益や節税、審査通過を保証するものではありません。金融機関、自治体、税務署などの公式資料や、必要に応じて専門職に確認してください。
採用、学校、福祉、行政サービスでは、分類そのものが人の機会に影響します。履歴書や申請書をAIで振り分ける場合、特定の言い回し、学校名、住所、空白期間などが不公平な扱いにつながっていないかを調べる必要があります。本人が理由を問い合わせたり、内容を訂正したり、人による再確認を求めたりできる仕組みがなければ、誤りを直す機会が失われます。効率化のための一次整理と、権利や機会を左右する決定は、明確に分けてください。
契約、法律、税務、公的手続きも、検索や論点整理にはAIを使えても、個別の結論を出す用途には注意が必要です。AIは最新版の法令、地域ごとの窓口、例外規定を完全に把握しているとは限りません。期限、署名、支払い、資格、権利に関わる手続きは、原資料と公式窓口を優先し、迷うときは担当者や専門職へ相談することが大切です。AIの出力を持って「何を確認すべきか」を聞く使い方なら、判断を丸投げせずに活用できます。
データを入れる前に、必要性を問い直す
分類の精度を上げるために、より多くのデータを入れたくなることがあります。しかし、個人情報や機密情報を増やせば、漏えい、目的外利用、誤った推測の影響も大きくなります。氏名を消しても、年齢、地域、職種、日付、珍しい出来事を組み合わせると、本人や組織が推測される場合があります。とくに健康、口座、位置情報、子どもの情報、顧客情報、未公開の業務資料は慎重に扱うべきです。
まずは、仮の値、公開済みの資料、匿名化した例で目的を達成できないかを検討しましょう。「この人の病歴から病名を選んで」ではなく、「受診時に経過を伝えるメモの項目を整理して」と聞く。「この顧客の詳細から解約可能性を判定して」ではなく、「解約相談の問い合わせを人が優先確認すべき言葉を挙げて」と頼む。問いを少し変えるだけで、必要な情報を減らせることがあります。
組織で使う場合は、個人向けサービスの画面に業務データを入れてよいかを、自己判断しないことが大切です。承認された環境、契約、保存設定、利用規約、アクセス管理、削除手順を確認します。外部連携を有効にするときは、AIが何のデータへアクセスし、誰がその結果を見られ、権限をどこで取り消せるかを把握しましょう。技術の性能だけでなく、データの流れを説明できることが安心の土台になります。
人が見る時間を、AIが守る設計にする
AI導入の目的を「人を減らすこと」だけに置くと、確認のための時間まで削られがちです。けれども、判断モデルが本当に役立つのは、人が全件を同じ順番で処理しなくてもよくなり、複雑な相談、例外、利用者との対話に時間を使えるときです。通常の問い合わせは候補を示し、迷うものや重要なものは人へ回す。この役割分担なら、AIの速さと人の事情を読み取る力を組み合わせられます。
そのためには、AIの出力を見た担当者が反対できることが必要です。「システムがこう言ったから」という理由で変更できない運用は、確認役を置いているようで実質的には自動決定に近づきます。担当者が修正する権限、修正理由を残す画面、緊急停止の連絡先、利用者からの異議を受ける窓口を整えます。これらは仕事を遅くするためではなく、誤りを早く見つけ、影響を小さくするための仕組みです。
利用者への伝え方も重要です。AIが一次整理に使われる場合、すべての技術的な詳細を長く説明する必要はありませんが、どこに問い合わせれば人に見直してもらえるのかは分かるようにします。特に不利益な結果が出る可能性がある場面では、理由、確認先、訂正方法が見えなければ、本人は自分の事情を伝えられません。便利な自動化ほど、利用者の声が戻る道を残してください。
まとめ：短い答えほど、確認の道を長く残す
Liquid AIのd1公開は、AIが長文を作るだけでなく、分類、振り分け、検知といった小さな判断にも使われる流れを示すニュースです。候補が決まった仕事では、文章生成より短い出力の方が扱いやすく、端末に近い場所で動かすことで利点が出る場合もあります。ただし、公開されたモデルの機能や性能は提供者の説明であり、個別の環境での効果や安全性を保証するものではありません。
実用で大切なのは、AIに何をさせるかよりも、AIにさせないことを先に決めることです。目的を一文にし、人へ回す条件を置き、正しさだけでなく見逃しを測り、いつでも戻せるようにする。健康、お金、採用、契約、教育、行政のような重要な場面では、AIの分類を結論にせず、公式情報、責任を持つ担当者、必要に応じた専門職の確認で確定する。この役割分担を守れば、AIは判断を急がせる道具ではなく、人が大切なことを丁寧に確認するための助けになり得ます。
