Gemini Decisions: decisiones multimodales rápidas y calibradas para empresas
Google lanza la Gemini Decisions API con el modelo gemini-decision-1, diseñado para evaluar hasta 1,000 preguntas en una sola pasada sobre texto, imágenes, audio, video y PDFs. Promete baja latencia, salidas calibradas y costos reducidos para flujos de decisión automatizados.
Qué es Gemini Decisions y por qué importa
Google anunció en su blog de IA la Gemini Decisions API, impulsada por el modelo gemini-decision-1 (anunciado por equipos de Google DeepMind). Esta API está pensada para resolver decisiones cerradas —por ejemplo, sí/no, selección entre opciones o puntuaciones en rúbrica— en una sola pasada sobre entradas multimodales (texto, imágenes, audio, video y PDFs).
Para organizaciones que necesitan respuestas rápidas y consistentes —como en ruteo de llamadas, revisión de reclamaciones o controles de políticas— la propuesta es clara: en vez de generar texto token por token, el modelo puntúa las opciones candidatas en una pasada, devolviendo probabilidades y una medida de confianza. Google reporta latencias end-to-end de 150 a 250 ms y costos diferenciados que hacen la solución atractiva para operaciones en tiempo real.
Capacidades principales
- Entrada multimodal unificada: pueden combinarse texto, imágenes, audio, video y PDFs en una sola solicitud. Google indica soporte para entradas largas (menciona hasta 256K tokens) y un rendimiento estable en contextos de hasta 16K tokens.
- Evaluación masiva en una sola llamada: se pueden someter hasta 1,000 preguntas independientes contra la misma entrada compartida, lo que facilita pipelines que requieren múltiples verificaciones o criterios simultáneos.
- Tres tipos de evaluación nativa:
- noul (Yes/No): estima la probabilidad de que una condición sea verdadera, con criterios opcionales para describir criterios de verdadero y falso.
- choice (Multiple Choice): elige entre 2 y 255 opciones, devolviendo la ganadora y probabilidades normalizadas para cada candidato.
- score (Ordered Rubric): puntúa siguiendo una rúbrica ordenada (comenzando en 0), entregando una puntuación continua y probabilidades por nivel.
- Salidas con confianza: cada respuesta incluye una puntuación de confianza entre 0 y 1, útil para enrutar casos ambiguos a revisores humanos o mecanismos de fallback.
Rendimiento y costos (según Google)
Google destaca que gemini-decision-1 evita la decodificación token por token, lo que reduce la latencia de cómputo a una mediana de 50–100 ms y a 150–250 ms end-to-end. También señala un modelo de facturación donde se cobran los tokens de entrada a 0.10 USD por 1M de tokens y no se facturan los tokens de salida, lo que puede reducir costos en escenarios con muchas preguntas y salidas cortas. En su benchmark compartido, afirman que la Decisions API resulta casi 5× más barata que usar Gemini 3.5 Flash-Lite mediante la Interactions API.
Cómo encaja en arquitecturas reales
A diferencia de generar texto para luego extraer una decisión, la Decisions API se presenta como un primitivo de control: ustedes definen las opciones y el modelo las puntúa. Eso simplifica casos como:
- Enrutamiento de modelos: elegir en milisegundos qué capa de modelo o servicio debe atender una consulta para optimizar latencia y costos.
- Controles de políticas y detección adversarial: evaluar si una entrada viola reglas o es potencialmente manipulada antes de ejecutar procesos costosos.
- Evaluación de contextos complejos: por ejemplo, calificar una reclamación que combina texto del formulario, fotos de daño y audio de una llamada en una sola evaluación.
Google ya menciona implementaciones internas que ilustran patrones de uso:
- Gemini Notebook usa la Decisions API para rutar consultas al modelo más adecuado en tiempo real.
- Stitch utiliza la API para iteración rápida de diseños y edición por voz/tap.
- CC (desde Google Labs) para selección instantánea de emoji entre cientos de opciones.
- Capa de seguridad en búsquedas para detectar comportamiento adversarial dentro de límites de latencia.
Aplicaciones prácticas en América Latina
Para empresas y equipos en América Latina, las ventajas prácticas incluyen:
- Atención al cliente y centros de contacto: enrutar llamadas y transcripciones hacia agentes o procesos automáticos en función de la intención o gravedad, reduciendo tiempos y costos operativos.
- Seguros y siniestros: evaluar formularios junto con fotos y grabaciones para clasificar reclamaciones por prioridad o derivarlas a inspección humana cuando la confianza es baja.
- Comercio electrónico y logística: decisiones rápidas sobre aceptación de devoluciones, inspección de paquetes o selección de acciones de soporte ante evidencia multimodal.
- Moderación de contenido y cumplimiento normativo: detectar y escalar contenidos problemáticos respetando latencias operativas.
En mercados LATAM donde la necesidad de escalar operaciones con controles locales y costos ajustados es crítica, un flujo que combina baja latencia, confianza en las respuestas y menor costo por token de salida puede acelerar despliegues de producción.
Consideraciones técnicas y de implementación
- Diseñar la entrada compartida: aprovechar la capacidad multimodal unificada implica definir qué elementos compartir en una sola petición (por ejemplo, conversación completa, fotos adjuntas y metadatos de cuenta). La API cobra la entrada una sola vez por solicitud, independientemente de cuántas preguntas se hagan.
- Definir criterios claros: para obtener resultados confiables conviene describir criterios de elección o niveles de rúbrica con precisión, ya que cada pregunta añade sus propias instrucciones y tokens.
- Manejo de ambigüedad: utilicen la puntuación de confianza para establecer umbrales de escalado a revisión humana o pasos adicionales de verificación.
- Privacidad y cumplimiento: al procesar audio, imágenes y documentos sensibles, asegúrense de cumplir con normativas locales de protección de datos y políticas internas sobre almacenamiento y acceso a registros.
Cómo empezar y precio
Google ofrece la Decisions API a través de la Gemini API en Google AI Studio. El precio anunciado es 0.10 USD por 1M de tokens de entrada y 0 USD por tokens de salida; además hay un nivel sin costo para prototipado en Studio. Dado que la entrada compartida se factura una sola vez por solicitud, evaluar varias preguntas sobre el mismo contexto puede ser muy eficiente.
Conclusión
Gemini Decisions API está diseñada para equipos que necesiten decisiones cerradas, rápidas y calibradas sobre entradas multimodales. Al evitar la decodificación token por token y ofrecer salidas probabilísticas y de confianza, facilita la construcción de capas de control en flujos productivos: ruteo de modelos, controles de seguridad, evaluación de reclamaciones y más. Para organizaciones en América Latina representa una opción a considerar cuando se combinan necesidades de latencia, costo y manejo de contenido multimodal en escala. Pueden comenzar a probar la API en Google AI Studio y evaluar cómo integrar las salidas de confianza en sus procesos de negocio.
Fuente original: Google AI Blog