Microsoft、選択肢を評価するAI「Decision-1」を提供開始

ニュースの要点

Microsoftは2026年10月9日、あらかじめ与えられた選択肢を評価するAIモデル「Microsoft-Decision-1」を発表しました。開発者向け基盤Microsoft Foundryで、公開プレビューとして利用できます。

問い合わせの分類、担当部署への振り分け、処理の優先順位付けなどを対象とします。自由な文章を作るのではなく、候補ごとの確率スコアを返し、業務システムが次の処理を選べるようにします。

目的は、繰り返し発生する判断を、少ない待ち時間と費用で処理することです。同社の発表時点の料金は入力100万トークン当たり0.042米ドルで、出力トークンは無料です。トークンは、AIが文章を処理する際の単位です。

ニュース出典：掲載元：Microsoft／原題：Introducing Microsoft-Decision-1, our model for fast decision-making／公開日：2026年10月9日／原文を読む

イノベーション総研の考察

イノベーション総研が注目するのは、AIの「文章を作る仕事」と「次の処理を選ぶ仕事」を分けた点です。万能なAIを一つ導入する考え方から、業務の各工程に必要な能力だけを組み合わせる考え方へ進む事例と捉えられます。

問い合わせの振り分けまで、大きなAIに任せる必要はない

例えば顧客対応では、内容を読み取る、担当を選ぶ、回答を作る、送信前に確認する、という異なる作業があります。すべてに長い文章を生成するAIを使うと、単純な振り分けにも生成の待ち時間が生じます。

Foundryの公式解説も、生成・推論・判断を別の部品として組み合わせる用途を示しています。今回のモデルは、人間のあらゆる意思決定を置き換えるものではなく、定義済みの候補を扱う部品です。

AIを導入する単位を部署全体ではなく、一日に何度も繰り返す小さな判断へ分けると、費用対効果を確かめやすくなります。

新規事業として考える場合も、「AIで顧客対応を自動化する」だけでは広すぎます。振り分けが遅いのか、回答作成が遅いのか、確認者の不足が問題なのかを先に特定する必要があります。

安い判定を価値に変えるのは、選択肢を定義する仕事

決められた選択肢を返すモデルでは、候補の作り方が重要です。例えば「請求」「技術」「アカウント」の三つに分類しても、解約と返金を同時に求める問い合わせの扱いが曖昧なら、正しい窓口へ届かない可能性があります。

業界ごとの業務知識がある企業は、分類の定義、例外、担当者への引き継ぎを設計できます。こうした知識を、モデルと既存システムの間に置くことが、サービスとしての差別化につながると考えられます。

モデルの利用料金が下がるほど、顧客の業務を理解して選択肢と例外処理を整える仕事の重要性が増します。

逆に、候補を頻繁に作り直す業務や、答えを選ぶ前に長い調査が必要な業務では、専用モデルを追加する利点が小さいかもしれません。今回の発表だけで、すべての業務が安くなるとは言えません。

確率スコアは、自動処理の許可証ではない

モデルが高い確率を返しても、その業務で十分な正確さがあるとは限りません。誤った担当へ回すだけの失敗と、契約を拒否したり重要な警告を止めたりする失敗では、影響が大きく異なります。

導入時には実際の問い合わせを使い、正しい振り分けの割合だけでなく、例外を見逃した割合も確認する必要があります。確信度が低い案件を人に戻す仕組みを置くと、自動化できる範囲と人が担う範囲を比較できます。

自動化の範囲は、モデルのスコアだけで決めず、誤判定の損失と人へ戻す費用を合わせて決めるべきです。

Microsoftの性能比較は同社による評価です。日本語の業務データ、社内独自の分類、繁忙時の応答で同じ結果が出るかは別途検証が必要です。モデル料金だけでなく、接続、監視、再処理、担当者の確認を含む総費用で比べます。

最初の実証では、難しい例外を残して比較する

最初は問い合わせの一種類など、対象を絞る方法が考えられます。現在の人手による所要時間と誤振り分けを記録し、同じデータで専用モデルを試します。簡単な案件だけを集めると、実運用で必要な確認作業を見落とします。

次に見るべき数字は、応答速度の順位ではなく、例外処理を含めた一件当たり費用と、正しい担当へ届くまでの時間です。

公開プレビューから本格提供へ進む条件、利用地域、運用上の制限、顧客業務での継続実績も確認点です。現時点では、発表された単価や内部テストを、導入先の利益増加の実績として扱うことはできません。

まとめ

Microsoft-Decision-1は、文章生成とは異なる「選ぶ仕事」を専用化する事例です。新規事業の機会はモデルを使うだけでなく、顧客固有の分類と例外処理を組み立て、業務全体の待ち時間と費用を減らせるかにあります。