Cloudflareは、AIエージェントが長いテキスト応答を生成することなく、より高速かつ構造化された意思決定を行えるよう設計された、2つのオープンソースAI意思決定モデル「Clef」と「Clef-flash」を発表した。
10月1日にリリースされた両モデルは、サポートリクエストの振り分け、Webサイトの分類、自動ワークフローに人による確認が必要なタイミングの判断といった、企業向けのタスクを対象としている。
両モデルはCloudflare Workers AIを通じて利用でき、ローカルデプロイ向けにApache 2.0ライセンスで重みをダウンロードできる。Cloudflareはまた、Clefを自社のデータやワークフローに適応させたい組織向けに、強化学習によるファインチューニングサービスも発表した。
従来型のチャットボットとは異なり、Clefは確率スコア付きのあらかじめ定義された回答を出力する。例えばサポートシステムなら、顧客からの問い合わせを緊急度と担当部門で分類し、その結果を使ってチケットの振り分け先を決められる。
CloudflareのClef意思決定モデルの仕組み
Cloudflareの発表によると、Clefは単語単位で応答を生成するAIモデルとは異なるアプローチを採用している。入力を処理し、有効な選択肢を並列に評価することで、自由形式の説明ではなく、構造化された分類結果を返す。
より大規模なClefモデルは凍結されたQwen3.8-27Bバックボーンを使用し、Clef-flashはQwen3.5-9Bを使用する。両モデルは、意思決定の精度と速度を高めるよう設計された、専用のルーティングコンポーネントとアダプターを採用している。
Cloudflareによると、両モデルはドメインの分類、顧客サポートリクエストの振り分け、信頼性・安全性に関する申請の評価、正規のWebクローラーと潜在的に有害なボットの識別を支援できる。
同社は、Clefが現在Jev Decision Indexで首位に立ち、評価対象となった4カテゴリーのうち3カテゴリーでTypesafe AIのJev意思決定モデルを上回ったと主張している。Cloudflareはまた、社内で比較したほとんどのケースでレイテンシーが低かったと報告している。
ただし、これらは独立した再現テストによる性能測定ではなく、同社が報告した結果だ。
Cloudflareのアプローチは、分類速度と出力形式の一貫性が処理コストに影響する、多数の自動ワークフローを運用する企業にとって有用となる可能性がある。
今回のリリースでは、カスタマイズのオプションも導入された。Cloudflareの強化学習サービスは、AI Gatewayでワークフローデータを収集し、Workers AIでトレーニング実行を生成し、Containersで結果を評価し、新たなTrainerコンポーネントでモデルの重みを更新する。
ファインチューニングしたモデルは、その後Workers AIを通じて再デプロイできる。初期段階ではCloudflareのエンジニアリングチームが顧客をサポートし、セルフサービス型のファインチューニングプラットフォームは後日提供される予定だ。
ローカルデプロイを検討する組織は、Cloudflareのホスティングスタック全体を導入せずに、Apache 2.0ライセンスのモデル重みを利用できる。一方、Cloudflareが管理するチューニングを求める顧客は、同社のAIプラットフォームをより広範に利用することになる。
eWeekの見解：意思決定の高速化には依然としてセキュリティ制御が必要
Clefが担うのは、AIワークフローの特定の部分、つまり情報をどのように分類するか、またはあらかじめ定義されたどの選択肢を選ぶかを決めることだ。結果として生じるアクションが承認済みかどうかを、Clefが独自に判断するわけではない。
例えば、モデルが顧客からの問い合わせを緊急と正しく分類し、エスカレーションを推奨することはできる。それでも周辺のアプリケーションは、エージェントに顧客記録へのアクセス、アカウント設定の変更、外部システムへの連絡を行う権限があるかどうかを判断する必要がある。
Cloudflareは別途発表したAgent Access Modelの提案で、エージェントのアクションは、エージェントの判断だけを信頼するのではなく、制限された権限を使い、タスクと現在の状態に照らして承認すべきだと主張している。
この区別は、他の企業向けAIシステムにも当てはまる。eWeekは以前、DataikuがAIエージェントを追跡する仕組みや、Nvidiaのエージェント安全性システムが自律的な活動を制限しようとしていることを取り上げた。
したがって、Clefを評価する組織は、分類精度、応答時間、確率のキャリブレーション、そして意思決定後の処理を制御するポリシーを検証すべきだ。
確率スコアは、不確実なケースを人間のレビュアーに振り分けるうえでアプリケーションの助けとなるが、スコアが高いからといって、機密性の高いアクションを実行する権限が与えられるわけではない。
独立したデプロイ結果も、Cloudflareのテストを超えた環境でClefがどのように機能するかを明らかにするのに役立つだろう。既存の企業向けAIエージェントのベンチマークでは、モデルの能力と、実際の職場業務を正常に完了できるかどうかの間に大きな差があることが示されている。
サポートチケットの振り分けのような低リスクの作業では、構造化された分類を高速化することで処理のオーバーヘッドを削減できる可能性がある。不正、顧客データ、アクセス制御に関わるセキュリティ上重要な意思決定には、追加の安全策が必要だ。
Clefは、AIエージェントのワークフロー内で分類を処理する新たな手段を開発者に提供する。企業が幅広く採用するかどうかは、自社データ上で確率スコアがどれほど正確に機能するか、そして下流システムが承認や認可の要件をどれほど確実に適用できるかにかかっている。
AIのヒントやテクニック、プロンプトの書き方をもっと知りたいですか？eWeek読者なら、仕事でより自信を持ってAIを活用できるよう支援する実践的な学習プラットフォーム、The Neuron Academyを7日間無料で利用できます。すべてのレッスンを見る →
無料で AIとの話し方をお教えします！The Neuron Academyの6分間コースを試して、より良いプロンプトを書き、AIからより有用な結果を得るための簡単な方法を学びましょう。または、他のAIコースも7日間無料でご覧いただけます。 すべてのレッスンはこちら →