OpenAI Decisions API: cómo convertir juicios de IA en flujos de trabajo previsibles

Las aplicaciones de IA son cada vez mejores generando texto, código y explicaciones. Sin embargo, el problema de producción suele ser más concreto: ¿este mensaje debe ir a facturación o soporte técnico?, ¿la imagen muestra daños?, ¿qué gravedad tiene una incidencia dentro de una escala definida? OpenAI Decisions API ya está disponible de forma general y está pensada para este tipo de preguntas acotadas, no para la generación abierta.

La diferencia importa. Una respuesta general puede parecer excelente, pero ser difícil de validar. Un endpoint de decisiones resulta útil cuando la aplicación necesita una respuesta tipada, una distribución de probabilidades o una puntuación que determine el siguiente paso. La guía oficial de Decisions y la referencia para crear una decisión describen cómo evaluar texto, imágenes y JSON con preguntas de predicado, elección y puntuación.

El cambio real es una capa de decisiones tipadas

Muchos equipos ya tienen un prompt que dice «clasifica esta solicitud». El punto débil no siempre es el modelo, sino el contrato que lo rodea. Si el prompt puede devolver un párrafo libre, el código posterior debe interpretar prosa, adivinar la confianza y decidir qué hacer con los casos límite.

Decisions API hace explícita la pregunta. Un predicado comprueba si una condición es verdadera y devuelve una probabilidad. Una elección selecciona uno de los valores definidos por el equipo, como billing, technical u other. Una puntuación evalúa la entrada frente a niveles ordenados, como problema cosmético, existe una solución alternativa y bloqueo total. El resultado sigue siendo probabilístico, pero tiene una forma que la aplicación puede revisar antes de actuar.

Así, la IA pasa de ser una llamada aislada al modelo a convertirse en un pequeño límite de política. La aplicación define los resultados permitidos, las descripciones que separan las categorías y el umbral a partir del cual debe intervenir una persona.

Qué preguntas puede responder

El caso más evidente es el enrutamiento. Un mensaje de soporte puede enviarse con una pregunta de elección y dirigirse a la cola correcta, conservando other como salida para solicitudes fuera de la taxonomía. Un flujo de moderación o confianza puede usar predicados para comprobar atributos visibles. Un equipo de operaciones puede puntuar la gravedad de una incidencia y priorizar los casos de mayor riesgo.

Las imágenes son importantes porque cada pregunta puede recibir su propia evidencia. La entrada compartida puede contener una referencia y varias preguntas pueden comparar imágenes candidatas. Esto sirve para inspección de productos, limpieza de catálogos, revisión documental y control visual de calidad. También se admite JSON, por lo que no hace falta convertir cada registro estructurado en una cadena enorme.

La guía actual destaca mejoras prácticas: se puede almacenar en caché la entrada compartida, una solicitud admite hasta 400 preguntas y se pueden usar URL públicas HTTP/HTTPS o datos base64 en línea. Estas funciones no sustituyen las evaluaciones, pero simplifican los servicios de decisión por lotes.

Su lugar dentro de una arquitectura de producción

Decisions API no reemplaza todas las llamadas a modelos. Usa Decisions cuando la respuesta es un predicado, una opción fija o una puntuación ordenada. Usa Structured Outputs con Responses API cuando necesitas un objeto más rico que siga tu propio JSON Schema. Usa function calling cuando el modelo debe solicitar una herramienta con argumentos.

Un flujo práctico consiste en recopilar y normalizar la evidencia, formular preguntas estrechas sin solapamientos, aplicar umbrales calibrados en el código, enviar los casos inciertos a una persona o a una ruta de razonamiento más amplia y guardar la versión de la pregunta, las probabilidades y la acción final para evaluarlas después.

La revisión humana es la válvula de seguridad. La confianza no es una garantía y una probabilidad alta puede ser errónea si la taxonomía está incompleta o la evidencia es ambigua. La API debe hacer manejable la incertidumbre, no esconderla detrás de una frase segura.

Cómo empezar con un caso real

Empieza con un conjunto pequeño de datos etiquetados del flujo real y anota el coste de los falsos positivos y falsos negativos. Define preguntas alrededor de criterios observables. Si dos categorías se solapan, mejora sus descripciones antes de añadir más complejidad al modelo.

Para un router de soporte, comienza con cuatro o cinco colas y un fallback explícito. Para inspección visual, usa un predicado por condición independiente en lugar de mezclar daño, categoría y gravedad en una sola pregunta. Para priorización, define de dos a diez niveles ordenados y describe con precisión la diferencia entre niveles vecinos.

También debes vigilar el cambio de los datos. Los nombres de productos, las políticas y la distribución de imágenes cambian. Conserva una muestra de revisión, compara las respuestas con etiquetas humanas y ajusta los umbrales cuando cambie el coste de los errores. Para descubrir herramientas relacionadas, visita el catálogo de software de BTTC o el blog tecnológico de BTTC.

Límites y protecciones

Una respuesta tipada no es un hecho verificado. No autorices acciones irreversibles basándote solo en una probabilidad. Mantén las claves en el servidor, valida todos los valores devueltos, registra el modelo y la versión de la pregunta y protege las imágenes y los datos de clientes según tus requisitos de privacidad.

Las descripciones enviadas al modelo también deben poder ser revisadas por los responsables del proceso. Si el negocio no puede explicar por qué una entrada pertenece a una categoría, el modelo tampoco aclarará esa política por sí solo.

Preguntas frecuentes

¿Decisions API es lo mismo que Structured Outputs?

No. Decisions está orientada a predicados, opciones fijas y puntuaciones ordenadas. Structured Outputs sirve para objetos más complejos con un schema propio.

¿Puede analizar imágenes?

Sí. Las imágenes pueden estar en la entrada compartida o en las instrucciones de una pregunta concreta.

¿Todas las respuestas deben activar una acción automática?

No. Usa ejemplos etiquetados para calibrar umbrales y conserva un fallback o revisión humana.

¿Qué aporta a un equipo de software pequeño?

Reduce el código de integración necesario para convertir un juicio del modelo en una rama predecible. El equipo puede empezar con un flujo estrecho, medirlo y ampliar solo cuando los datos lo justifiquen.

Conclusión

Decisions API acerca la IA multimodal a la lógica habitual de una aplicación. En lugar de generar texto y después intentar convertirlo en una condición, los desarrolladores pueden definir preguntas tipadas y mantener visible la incertidumbre. Es un patrón práctico para enrutamiento, inspección visual y triaje, donde la siguiente acción importa más que un párrafo elegante.