OpenAI Decisions API: como transformar julgamentos de IA em fluxos previsíveis

Aplicações de IA estão cada vez melhores em gerar texto, código e explicações. O problema mais difícil em produção costuma ser mais específico: esta mensagem deve ir para cobrança ou suporte técnico? A imagem mostra dano? Qual é a gravidade de um incidente em uma escala definida? A Decisions API da OpenAI, agora disponível em geral, foi criada para esse tipo de pergunta limitada, e não para geração aberta.

A diferença é importante. Uma resposta genérica pode parecer ótima, mas é difícil de validar. Um endpoint de decisão é útil quando a aplicação precisa de uma resposta tipada, de uma distribuição de probabilidades ou de uma nota que determine o próximo passo. A documentação oficial da Decisions API e a referência para criar decisões descrevem a avaliação de texto, imagens e JSON com perguntas do tipo predicado, escolha e nota.

A mudança real é uma camada de decisão tipada

Muitas equipes já têm um prompt dizendo “classifique esta solicitação”. O ponto fraco nem sempre é o modelo; é o contrato em volta dele. Se o prompt pode retornar um parágrafo livre, o código seguinte precisa interpretar prosa, adivinhar a confiança e decidir o que fazer com casos fora do padrão.

A Decisions API torna a pergunta explícita. Um predicado verifica se uma condição é verdadeira e retorna uma probabilidade. Uma escolha seleciona um valor definido pela equipe, como billing, technical ou other. Uma nota avalia a entrada em níveis ordenados, como problema cosmético, existe alternativa e tarefa bloqueada. O resultado continua probabilístico, mas tem um formato que o software pode inspecionar antes de agir.

Isso transforma a IA de uma chamada isolada em uma pequena fronteira de política. A aplicação define resultados permitidos, descrições que diferenciam categorias e o ponto em que um caso deve ir para revisão humana.

Que tipo de pergunta ela responde

O caso mais óbvio é roteamento. Uma mensagem de suporte pode ser enviada com uma pergunta de escolha, e o sistema a encaminha para a fila correta mantendo other como fallback. Um fluxo de confiança ou moderação pode usar predicados para avaliar atributos visíveis. Uma equipe de operações pode usar notas para priorizar incidentes mais graves.

Imagens são importantes porque cada pergunta pode receber sua própria evidência. A entrada compartilhada pode conter uma referência, enquanto perguntas separadas comparam imagens candidatas. Isso serve para inspeção de produtos, limpeza de catálogos, revisão de documentos e controle visual de qualidade. O suporte a JSON também evita transformar todo registro estruturado em uma string enorme.

O guia atual destaca melhorias práticas: entradas compartilhadas podem ser armazenadas em cache, uma requisição pode ter até 400 perguntas e imagens podem ser enviadas por URLs HTTP/HTTPS públicas ou como dados base64. Esses recursos não substituem avaliação, mas facilitam serviços de decisão em lote.

Onde ela entra na arquitetura

A Decisions API não substitui todas as chamadas de modelo. Use Decisions quando a saída é um predicado, uma escolha fixa ou uma nota ordenada. Use Structured Outputs com a Responses API quando precisar de um objeto maior que siga seu próprio JSON Schema. Use function calling quando o modelo precisar solicitar uma ferramenta com argumentos.

Um fluxo prático é: coletar e normalizar evidências; formular perguntas estreitas e sem sobreposição; aplicar limites calibrados no código; enviar casos incertos para uma pessoa ou para uma etapa de raciocínio mais ampla; e salvar a versão da pergunta, as probabilidades e a ação final para avaliação posterior.

A etapa de revisão é essencial. Confiança não é garantia. Uma probabilidade alta ainda pode estar errada quando a taxonomia é incompleta ou a evidência é ambígua. A API deve tornar a incerteza administrável, não escondê-la atrás de uma frase confiante.

Como começar com um projeto real

Monte primeiro um pequeno conjunto rotulado do fluxo real e registre o custo de falsos positivos e falsos negativos. Defina perguntas com critérios observáveis. Se duas categorias se sobrepõem, melhore suas descrições antes de adicionar complexidade ao modelo.

Para suporte, comece com quatro ou cinco filas e um fallback claro. Para inspeção visual, use uma pergunta predicada por condição independente, em vez de misturar dano, categoria e gravidade em uma única pergunta. Para prioridade, defina de dois a dez níveis ordenados e descreva diferenças concretas entre níveis vizinhos.

Monitore também a mudança dos dados. Nomes de produtos, políticas e imagens mudam. Mantenha uma amostra de revisão, compare as respostas com rótulos humanos e ajuste limites quando o custo dos erros mudar. Para descobrir ferramentas relacionadas, visite o catálogo de software da BTTC ou leia o blog de tecnologia da BTTC.

Limites e proteções

Uma resposta tipada não é um fato verificado. Não autorize ações irreversíveis apenas com base em uma probabilidade. Mantenha chaves no servidor, valide todos os valores retornados, registre o modelo e a versão da pergunta e proteja imagens e dados de clientes conforme as exigências de privacidade.

As descrições enviadas ao modelo também devem ser revisáveis pelos donos do processo. Se a equipe não consegue explicar por que um item pertence a uma categoria, o modelo não vai esclarecer essa política sozinho.

Perguntas frequentes

A Decisions API é igual a Structured Outputs?

Não. Decisions é voltada para predicados, escolhas fixas e notas ordenadas. Structured Outputs serve para objetos mais ricos com um schema próprio.

Ela pode analisar imagens?

Sim. Imagens podem estar na entrada compartilhada ou nas instruções de uma pergunta específica, usando URL pública ou dados base64.

Toda resposta deve disparar uma ação automática?

Não. Use exemplos rotulados para calibrar limites e mantenha fallback ou revisão humana.

Por que isso ajuda equipes pequenas?

Porque reduz o código de integração necessário para transformar um julgamento do modelo em um ramo previsível. A equipe pode começar pequeno, medir e expandir com evidências.

Conclusão

A Decisions API aproxima a IA multimodal da lógica comum de aplicações. Em vez de gerar um texto e tentar convertê-lo em uma condição, os desenvolvedores podem definir perguntas tipadas e manter a incerteza visível. É um padrão prático para roteamento, inspeção visual e triagem, onde a próxima ação vale mais que um parágrafo elegante.