安いAIと最上位モデルを連携、Opus並みの高精度を費用4分の1以下で実現

米Hightouchは2026年11月6日、安価な判定モデル「Jev」と最上位モデル「Opus」を組み合わせることで、Opus単体と同等の精度を4分の1以下のコストで実現する検証結果を発表した。顧客データの同一人物判定（名寄せ）という実務課題において、軽量AIの自信度に応じて上位モデルに問い合わせるハイブリッド手法が有効であることを実証した。

企業が分析や施策を行ううえで、複数の顧客レコードを実在の1人に紐付けるID解決（IDR）は欠かせない。しかし、別人を誤って1人にまとめてしまう「過剰統合」の検証は難しく、答えがない実データでは人手による抽出確認に頼らざるを得なかった。人間の確認速度は1時間あたり約50件と遅く、誤差を1%未満に抑えるには1,000件以上の抽出が必要となるため、検証に数カ月を要する課題があった。

そこで同社は、0から1の確信度スコアを返す安価で高速な判定モデル「Jev」や「GPT-6 Luna」の活用を検証した。これらの決定モデルは、1,000件あたり0.05ドルから0.10ドルと最大90倍安く、回答速度も約0.15秒と10倍以上高速である。素の状態でも88.8%から97.3%の精度を示したが、難しいテストケースではOpusの精度に約6ポイント及ばなかった。

そこで同社は、普段は軽量モデルで判定し、判断に自信がないケースのみをOpusへ照会する仕組みを設計した。検証の結果、初期精度ではGPT-6 LunaがJevを上回ったものの、間違えた際にも90%から100%の高い確信度を出してしまう「過度の自信」が見られた。一方のJevは誤答時の確信度が50%前後に留まり、自己評価が正確（キャリブレーションが良好）だったため、難しい案件を適切にOpusへエスカレーションできた。

このハイブリッド構成により、難問が増えても自動的にOpusへの照会比率を調整して高精度を維持できることが確認された。同社は今後、統合漏れの検証や、独自APIではなくオープンウェイトの判定モデルを用いた場合の性能変化についても検証を進める予定だとしている。