10月13日、InfoWorldが「Microsoft separates decision-making from generative AI with a new model」と題した記事を公開した。Microsoftが意思決定専用の新モデル「Decision-1」を発表し、汎用LLMから意思決定処理を切り離す新たなアーキテクチャについて詳しく紹介されている。
「意思決定はLLMでなくていい」という発想
AIエージェントが普及するにつれ、ワークフロー内で発生する大量の「判断」処理がボトルネックになってきた。リクエストの分類、インシデントの優先度付け、AIが生成したレスポンスの検証——こうした処理のたびにGPT-4クラスのLLMを呼び出すのは、コストと遅延の面で現実的ではない。
この課題へのアプローチとして、業界ではすでに小型分類モデルの活用や、ルーティング専用の「router系モデル」（複数のLLMへのリクエストを振り分けるモデル群）が注目されてきた。こうした流れの中でMicrosoftが発表したDecision-1は、「分類・ルーティング」にとどまらず、企業ワークフロー内のあらゆる意思決定処理を汎用LLMから切り離すことを明確に狙った専用モデルとして位置づけられる。
自由形式のテキストを返すのではなく、あらかじめ定義された選択肢に対してキャリブレーション済みの確率スコアを返す。アプリケーション側はそのスコアをそのままロジックに組み込める。
「自由形式のレスポンスを生成する代わりに、固定された選択肢セットを受け取り、それぞれに対してキャリブレーションされた確率を1回のパスで返す」
— Microsoft公式ブログ
対応するタスクは多岐にわたる。Yes/No判定（例：このリクエストはポリシー違反か）、複数選択肢からの選択（例：問い合わせをどのカテゴリに振り分けるか）、評価スコアリング（例：生成されたレスポンスの品質を1〜5で採点）、AIレスポンスのルーブリック評価（例：定義済みの評価基準に照らしたパス/フェイル判定）などだ。これらを1回のリクエスト内で複数並列処理できる点も特徴で、たとえば「優先度付け＋担当チームへのルーティング＋対応要否判定」を一度に実行するといった使い方が想定される。
ベースはQwen3.5-9B、速度はGPT-6 Solの35倍
Decision-1はAlibaba CloudのQwenシリーズに属するQwen3.5-9B（9Bはパラメータ数90億を示す）をベースに追加学習で構築されており、Microsoft FoundryおよびOpenRouterから利用できる。Microsoftは今後、MAI（Microsoft AI）モデルやOpenAIモデルへのリベース（ベースモデルの差し替え）も計画している。
Microsoftが公表したベンチマーク結果によれば、約15万問を含む36のベンチマーク（いずれも学習時に非公開のデータ）で最高精度を達成。処理速度は2位のモデルの約2.5倍、そしてOpenAIの上位モデルとしてMicrosoftが言及しているGPT-6 Solと比較すると35倍高速と主張している（GPT-6 Solは現時点で一般には広く流通していないモデル名であり、Microsoftのベンチマーク文書内での比較対象として登場するものだ）。
価格は100万入力トークンあたり4.2セント、出力トークンは無課金。インシデント優先度付けの例では、86入力トークン・2出力トークンのリクエストが約0.0000036ドル——1ドルで27万5,000件超の判断処理をカバーできる計算だ。
ただし、これらのベンチマーク結果とコスト計算はあくまでMicrosoftの主張であり、第三者による独立検証は行われていない。
アナリストと実務者の見方
ForresterのVPアナリスト、Charlie Dai氏は専用の意思決定モデルの意義を認める。
「ルーティング、分類、承認チェックはエージェントのインタラクションの大部分を占めることが多い。専用の意思決定モデルはコストとレイテンシを大幅に削減し、汎用LLMを推論とコンテンツ生成に集中させることができる」
一方、AIスタジオKanerikaの開発マネージャーAmit Kumar Jena氏は、Microsoftのベンチマーク結果を企業のコスト削減予測に直結させることに警告を発している。「フォールバックやミスも含めた、ワークフロー完了あたりのコストとレイテンシで測定すべきだ」と述べた。
ガバナンスリスク：確率スコアに過信は禁物
Decision-1が返すのはスコアのみで、判断の根拠（rationale）は提供されない。さらにMicrosoftの公式ドキュメントによれば、質問の言い回しによって結果が変わりうるという。
Jena氏はこう指摘する。
「精密に見える確率値が、実際には不確かな決定に本来以上の権威を与えてしまうことが懸念される」
Dai氏も、推論の不在は決定の説明・検証・異議申し立てを困難にすると指摘し、スコアしきい値の管理、質問文のコントロール、監査ログ、ハイインパクトな判断への人間レビューを推奨している。特に顧客の結果や規制上の義務が絡む場面では人間のレビューが不可欠だとした。
Jena氏はまずリクエストルーティングやトリアージといった可逆的なタスクから導入を始め、人への影響が大きい判断には有意なヒューマンレビューを義務付けることを勧めている。
確率スコアはそれ自体では判断の理由を説明せず、特定の企業アプリケーションにとって正しい判断であることを保証しない——この点が導入時の最大の留意事項となる。
詳細はMicrosoft separates decision-making from generative AI with a new modelを参照していただきたい。
