Jev narrows 285,180 tax-rule combinations to 13 patterns for human review
A Japanese accounting firm used Jev to run two-stage judgments over 42 tax reform requests against 6,790 checklist items, taking 134 seconds and about 111 yen to reduce 113,820 semantic judgments to 25 priority candidates.

うちのエンジニアが、話題の「Jev」で面白いものを作ってくれた。 TypeSafe AIの「Jev」を使い、「税制改正要望が実現したら、税務チェックリストのどこを見直すか」を総当たりでしぼりこむという実験をした。 経産省の令和9年度税制改正要望42件 × 架空の税務チェック6,790項目 = 285,180通り。 質問に対して「はい」の確率や、選択肢による判断を返す。 税目が一致するかはコードで処理し、残った113,820通りの意味判断をJevに任せた。 一次判定で、候補は542組。 二次判定ではチェックリストを ①同じ制度についての項目か ②要望によって何が変わるか ③項目が確認している観点と一致するか の3つに分解し、組み合わせはコードで処理した。 結果は、優先候補25組+人が確認する境界15組。 重複をまとめると、人が判断するのは13パターンになった。 全体で134.90秒、費用は計算上約111円。 『膨大な量の情報から、AIによって人が見るべき場所を絞るという使い方ができそう。』 ※チェックリストは公開用にすべて架空。精度検証と実務投入はこれから。 #会計事務所 #税理士 #AI #公認会計士