OpenAI Decisions API: bagaimana keputusan bertipe mengubah software

Ringkasan: software AI mendapatkan endpoint keputusan

OpenAI mengumumkan Decisions API dalam versi beta pada 6 Oktober 2026. Tujuannya lebih sempit daripada API generasi umum: mengevaluasi teks, gambar, atau keduanya lalu mengembalikan jawaban bertipe yang dapat dipakai software. Panduan resmi menjelaskan tiga bentuk jawaban: probabilitas predicate, pilihan dari daftar tetap, atau skor berdasarkan tingkat yang berurutan. OpenAI menyatakan tugas seperti ini dapat berjalan hingga sepuluh kali lebih cepat daripada Responses API.

Ini bukan pengganti universal untuk generasi teks. Endpoint ini lebih cocok untuk routing, triase, moderasi, prioritas, dan pemeriksaan gambar ketika aplikasi memerlukan hasil terbatas, bukan paragraf. Baca panduan resmi Decisions API dan bandingkan software terkait melalui direktori software BTTC.

Apa yang diluncurkan

Endpoint baru adalah POST /v1/decisions. Permintaan berisi model, input bersama, dan satu atau beberapa pertanyaan bernama. Panduan beta saat ini mencantumkan gpt-6-luna sebagai satu-satunya model yang tersedia. Setiap pertanyaan menjelaskan hal yang harus dinilai dan, bila perlu, menyediakan pilihan atau tingkat skor. Respons mengembalikan array answers yang dapat dikenali melalui nama pertanyaan.

Gagasan pentingnya adalah memisahkan bukti dari bentuk keluaran. Keluhan pelanggan dapat diarahkan ke antrean tagihan, teknis, pengiriman, atau lainnya. Foto produk dapat dinilai untuk kerusakan yang terlihat. Dokumen dapat diberi skor tingkat keparahan. Tugas ini tidak selalu membutuhkan prosa; yang diperlukan adalah nilai yang dapat dipakai antrean, aturan, dashboard, atau alur kerja.

Gunakan predicate untuk memeriksa kondisi, choice untuk kategori tanpa urutan, dan score untuk tingkat yang berurutan. Pertanyaan yang independen dapat dikirim bersama. Jika jawaban pertama menentukan pertanyaan berikutnya, kirim permintaan terpisah agar ketergantungannya jelas.

Mengapa ini penting bagi arsitektur aplikasi

Banyak produk AI masih memperlakukan semua permintaan seperti chat. Itu praktis untuk prototipe, tetapi dalam produksi tim harus mengurai teks, menangani kolom yang hilang, membuat fallback, dan memastikan jawaban aman untuk memulai tindakan.

Hasil bertipe membuat batasnya lebih jelas. Probabilitas dapat dibandingkan dengan ambang, pilihan dapat dipetakan ke antrean, dan skor dapat membuka jalur tinjauan manusia. Ketidakpastian tidak hilang; ia menjadi nilai eksplisit yang bisa diukur dan dikelola aplikasi.

Jika pengguna memerlukan penjelasan, objek JSON khusus, pemanggilan alat, atau teks terbuka, Responses API dengan Structured Outputs atau function calling mungkin lebih tepat. Jika aplikasi hanya membutuhkan sinyal klasifikasi atau prioritas terbatas, permintaan khusus dapat mengurangi latensi dan menyederhanakan kode berikutnya.

Empat pemeriksaan sebelum produksi

1. Buat pertanyaan yang dapat diamati

“Apakah ini pelanggan baik dan harus diprioritaskan?” mencampur beberapa penilaian. Pisahkan menjadi “apakah pesan menjelaskan masalah penagihan?” dan “apakah ada tenggat?” Pertanyaan terpisah lebih mudah diuji dan dijelaskan. Untuk gambar, jelaskan ciri yang terlihat, bukan pendapat umum yang samar.

2. Tetapkan ambang dari contoh berlabel

Probabilitas bukan aturan bisnis otomatis. Gunakan contoh yang mewakili lalu ukur false positive dan false negative. Pilih ambang sesuai biaya setiap kesalahan. Evaluasi ulang ketika trafik, bahasa, produk, atau pola penyalahgunaan berubah.

3. Simpan bukti dan jalur tinjauan

Hasil harus dapat ditelusuri ke input, pertanyaan, versi model, ambang, dan perubahan oleh manusia. Dokumentasi kontrol data OpenAI menjelaskan retensi dan pemrosesan regional untuk /v1/decisions, termasuk Zero Data Retention bagi pelanggan yang memenuhi syarat. Periksa ketentuan organisasi sebelum mengirim data sensitif.

4. Rancang kegagalan dan fallback

Batas laju, timeout, input rusak, dan kasus ambigu adalah masalah biasa. Tentukan apa yang terjadi jika API tidak tersedia, keyakinan rendah, atau skor berada di antara dua tingkat. Tinjauan manusia atau antrean tanpa tindakan yang tidak dapat dibatalkan adalah default yang lebih aman.

Lebih cepat tidak selalu lebih murah

Panduan menyebut biaya input gpt-6-luna sebesar 0,10 dolar per satu juta token, tetapi biaya pemrosesan regional dan pengali konteks panjang dapat berlaku. Hitung juga retry, pemantauan, pelabelan, tinjauan, penyimpanan, integrasi, dan biaya routing yang salah. Model cepat yang sering mengirim kasus ke tim yang salah dapat lebih mahal daripada alur yang lebih lambat dengan gerbang tinjauan yang baik.

Saat memilih software di sekitar API, cari log, replay, kontrol ambang, ekspor, izin, dan informasi model yang jelas. Demo yang bagus tidak cukup jika produk tidak menunjukkan bukti, tidak pulih dari kegagalan sebagian, atau tidak memungkinkan perpindahan vendor.

Pertanyaan umum

Dokumentasi resmi adalah rujukan utama untuk perilaku beta dan model yang didukung.

Kesimpulan

Decisions API menunjukkan pembagian yang berguna: generasi untuk pekerjaan kaya bahasa, dan keputusan bertipe untuk logika aplikasi yang terbatas. API ini dapat menyederhanakan routing dan triase, tetapi tetap memerlukan pertanyaan terukur, ambang yang diuji, input yang dapat dilacak, tinjauan privasi, dan fallback yang aman.