Workday、既製コンポーネントからJevモデルを使ってSanaのインターフェースをリアルタイムに構築

Workdayは、AIアシスタントSanaで入力中に変化するユーザーインターフェースを構築するため、TypeSafeの意思決定モデルJevの利用を開始した。Sanaは現在、Workdayの人事、財務、IT向けソフトウェアの新しいホーム画面となっており、既定のインターフェースにしなくても、システム管理者がユーザー向けに展開できる。

デモでは、給与明細について質問すると、クリックするまで金額を隠すカードが表示された。一方、休暇申請では日付選択ツールが作成され、Sanaが残りのフィールドを入力した。基本的な考え方は、言語モデルが新しいインターフェース全体を書くのではなく、Workdayがあらかじめ用意したデザインシステムからコンポーネントを選択することにある。

インターフェースを生成するのではなくコンポーネントを選択

Workdayの最高AI責任者であり、Sanaの創業者でもあるJoel Hellermark氏は、生成型インターフェースにおける一般的なアプローチは比較的遅いと述べた。説明によると、Workdayは各アトミックコンポーネントを、状況ごとに固定された選択ロジックを書くことなく、デザインシステム内でJevに提供した。ただしチームは、データの事前読み込みも調整する必要があった。デモでは、質問の入力が完了する前に給与明細カードが表示されたためだ。

TypeSafeによると、Jevは70～500ミリ秒で応答するため、リアルタイムでUI要素を選択するのに適している。開発者はアプリケーションデータと、型が定義された質問の集合をモデルに送り、モデルは最大255個の選択肢のリストからの選択、スコア、または「はい」「いいえ」の回答を返し、それぞれの結果に確率を付与する。Jevはテキストを生成しない。

実際に何が変わるのか

この設計により、インターフェースのタスクの一部は、自由形式の生成から制御された分類へと移行する。その結果、アプリケーションは、毎回言語モデルが新しい構造を作るのを待つのではなく、既知でテスト可能な要素を表示できる。Workday外部で公開されたテストは、速度に潜在的な差があることを示している。Very Good VenturesのAndrew King氏によると、限定された回答を持つ質問にJevを使用した場合、生成型ダッシュボードのレンダリング時間の中央値は3.8秒に短縮された。これに対し、高度なモデルを使って構成した場合は29秒だった。ただし、テストは合成データに基づいていた。

Banking77のデータセットを使ったテストでは、Jevの中央値は175ミリ秒で、精度は81%だった。Claude Opus 5の精度は84.4%だったが、所要時間は2.3秒で、情報源によればコストは約22倍高かった。

制約と未解決の問題

TypeSafeの文書によると、Jevは数え上げ、計算、日付において困難に直面し、最初に並んだ選択肢に偏る可能性がある。また、注入されたコンテンツをデフォルトで敵対的なものとして扱うこともない。一部の実験では、Jevの信頼度が50%未満になると別の言語モデルを使用している。これにより、Jevに考えられるあらゆる形式を生成させるのではなく、その意思決定の範囲を限定している。

Workdayは、Sanaで使用するデザインシステムの規模や、リクエストが利用可能なコンポーネントの組み合わせのいずれにも適合しない場合に何が起きるのかを明らかにしていない。またWorkdayは、顧客データを処理できる下請け処理業者のリストにTypeSafeを追加した。TypeSafeは現在、要請に応じてSOC 2 Type II報告書を提供しているが、情報源は保護アーキテクチャやデータ保持ポリシーについて、これ以上の詳細を裏付けていない。

この動きは、意思決定モデルをめぐるより広範な競争の一環である。OpenAI、Amazon、Cloudflare、Perplexityが同様のモデルをリリースしており、前週にはMicrosoftも続いた。TypeSafeは9月15日にJevモデルをリリースし、DCVCが主導した4,000万ドルのシードラウンドを実施した。その後、Andreessen Horowitzが主導する評価額75億ドルでの8億7,000万ドルのSeries Aラウンドを発表した。