OpenAI ha reso disponibile Decisions API, un’interfaccia dedicata all’elaborazione di decisioni strutturate attraverso il modello GPT-6 Luna. Il servizio, precedentemente distribuito in beta pubblica il 6 ottobre, permette alle applicazioni di ottenere risposte delimitate e tipizzate a domande definite dagli sviluppatori, utilizzando informazioni testuali, immagini e dati strutturati come elementi di valutazione. A differenza delle tradizionali API generative, progettate per produrre contenuti testuali articolati, Decisions API concentra le capacità inferenziali del modello su un insieme circoscritto di risultati possibili, restituendo probabilità numeriche, selezioni tra alternative predefinite oppure punteggi calcolati secondo scale di valutazione. L’architettura è destinata soprattutto ai sistemi che devono prendere numerose decisioni durante l’esecuzione di un processo applicativo, come la classificazione automatica dei documenti, l’instradamento delle richieste, la determinazione della priorità degli interventi, il controllo delle azioni proposte dagli agenti software e la gestione delle interazioni in tempo reale. Secondo OpenAI, l’endpoint può produrre risposte fino a dieci volte più rapidamente rispetto all’utilizzo di GPT-6 Luna attraverso Responses API, riducendo la latenza delle operazioni decisionali che si ripetono frequentemente all’interno dei workflow.
L’accesso avviene attraverso l’endpoint dedicato POST /v1/decisions, che attualmente supporta esclusivamente il modello gpt-6-luna. Ogni richiesta contiene il campo model, che identifica il modello utilizzato per la valutazione, il campo input, nel quale vengono trasmesse le informazioni condivise, e l’array questions, che definisce le verifiche richieste all’intelligenza artificiale. Una singola chiamata può comprendere da una a quattrocento domande, ciascuna contraddistinta da un nome univoco e da istruzioni che stabiliscono il criterio da applicare. Il numero massimo di domande è stato raddoppiato rispetto alla versione beta. Il sistema restituisce un array answers, nel quale ogni elemento mantiene il riferimento alla domanda corrispondente e contiene il risultato nella struttura prevista dal relativo tipo. Gli input possono essere trasmessi come stringhe testuali oppure come sequenze ordinate di messaggi, comprese cronologie conversazionali contenenti chiamate a funzioni, strumenti personalizzati e relativi risultati. Questa caratteristica consente di valutare una richiesta considerando non soltanto il contenuto immediato, ma anche le operazioni già effettuate da un agente e le informazioni ottenute durante l’esecuzione del processo.
Il primo tipo di valutazione, denominato predicate, permette di verificare la probabilità che una determinata condizione sia soddisfatta. Il risultato è espresso attraverso un valore compreso tra zero e uno, interpretabile come stima della probabilità che la condizione descritta sia vera. Un’applicazione dedicata alla gestione dei resi commerciali può, per esempio, analizzare l’immagine di un prodotto e determinare la probabilità che presenti crepe, ammaccature o altri danni visibili. Il valore ottenuto può essere confrontato con una soglia definita dallo sviluppatore per stabilire se procedere automaticamente oppure sottoporre il caso a una verifica umana. Il secondo tipo, choice, seleziona una risposta tra un insieme finito di opzioni, ciascuna accompagnata da una descrizione che ne specifica le condizioni di applicabilità. Oltre alla scelta effettuata, la risposta comprende un array probabilities relativo alle opzioni disponibili e un valore confidence separato. Questa modalità è particolarmente adatta alla classificazione delle richieste di assistenza, alla selezione del reparto competente oppure alla determinazione dell’azione successiva di un agente, per esempio continuare il processo, ripetere un’operazione o richiedere chiarimenti. Gli sviluppatori possono introdurre una categoria residuale, come other, per gestire gli input che non rientrano correttamente nelle alternative previste.
La terza modalità, score, permette di valutare un contenuto attraverso una scala ordinata composta da due a dieci livelli. Ogni livello rappresenta una condizione definita dallo sviluppatore, come la gravità di un danno, il rischio associato a un’operazione oppure la priorità di un intervento. Il risultato numerico non coincide necessariamente con uno dei livelli discreti, poiché viene calcolato come media degli indici di livello ponderata attraverso le rispettive probabilità. Gli indici partono da zero e il punteggio finale può quindi assumere valori intermedi. Un sistema che attribuisce probabilità pari a 0,1, 0,7 e 0,2 a tre livelli successivi restituisce un punteggio ponderato di 1,1. Le tre modalità possono essere utilizzate all’interno della medesima richiesta quando le domande sono indipendenti, consentendo per esempio di verificare la presenza di un danno, classificare un prodotto e valutarne la gravità attraverso un’unica chiamata. Quando una valutazione dipende invece dall’esito di una decisione precedente, è necessario utilizzare richieste separate e applicare la logica condizionale a livello applicativo. Per ottenere oggetti JSON con schemi personalizzati o richiedere direttamente l’esecuzione di strumenti, OpenAI continua a indicare Structured Outputs e function calling attraverso Responses API, poiché Decisions API è specificamente progettata per restituire risultati decisionali delimitati.
La disponibilità generale introduce un ampliamento significativo delle modalità di acquisizione e trattamento degli input. Oltre alle informazioni testuali, gli sviluppatori possono trasmettere dati JSON nativi attraverso contenuti input_json, evitando la conversione preventiva delle strutture applicative in descrizioni testuali. Le immagini possono essere inserite sia come data URL codificati in base64 sia attraverso indirizzi HTTP e HTTPS pubblicamente accessibili, una funzionalità aggiunta successivamente alla beta. È inoltre possibile includere contenuti visivi nelle istruzioni associate alle singole domande, permettendo di applicare criteri differenti allo stesso contesto condiviso. L’endpoint supporta la valutazione di cronologie conversazionali che comprendono messaggi, chiamate a strumenti e risultati delle operazioni, ma non accetta direttamente file, contenuti audio, riferimenti a elementi esterni o identificativi file_id. Gli sviluppatori devono quindi fornire i contenuti nelle rappresentazioni ammesse dall’interfaccia. OpenAI raccomanda di formulare le domande attraverso criteri osservabili e distinti, di evitare sovrapposizioni semantiche tra le opzioni e di definire chiaramente le differenze fra livelli consecutivi delle scale di valutazione. Le soglie decisionali dovrebbero essere calibrate utilizzando esempi rappresentativi dei dati effettivamente elaborati dall’applicazione, considerando anche le conseguenze operative dei falsi positivi e dei falsi negativi.
Tra le novità introdotte dopo la beta figura il supporto nativo al prompt caching, che permette di riutilizzare il contesto condiviso tra richieste successive. Quando più chiamate contengono un prefisso corrispondente di almeno 1.024 token, il sistema può recuperare le informazioni già elaborate attraverso la cache, riducendo il costo associato ai token ripetuti. L’endpoint colloca automaticamente un punto di interruzione della cache alla fine dell’input condiviso, mantenendo all’esterno della porzione riutilizzabile le domande specifiche e le eventuali immagini inserite nelle relative istruzioni. Gli sviluppatori possono modificare il comportamento attraverso il parametro prompt_cache_key, che permette di separare differenti insiemi di richieste, oppure utilizzare punti di interruzione definiti esplicitamente. È stata inoltre introdotta una maggiore capacità inferenziale in diverse regioni asiatiche, insieme alla possibilità di utilizzare Private Link e strumenti di rendicontazione dell’utilizzo a livello organizzativo. L’endpoint GET /v1/organization/usage/decisions consente di recuperare dati relativi al consumo dei token e al numero delle richieste, filtrandoli o raggruppandoli per progetto, chiave API o modello. L’accesso richiede una chiave amministrativa dotata dell’autorizzazione api.usage.read.
Un’altra estensione riguarda l’integrazione diretta con GPT-Live, il sistema OpenAI dedicato alle applicazioni conversazionali vocali in tempo reale. Decisions API può essere richiamata durante la ricezione o la produzione dei segmenti trascritti, permettendo di effettuare valutazioni senza attendere necessariamente la conclusione dell’interazione. La configurazione viene inserita in session.triggers, associando l’elaborazione a eventi specifici della sessione, come session.input_transcript.delta. Quando si verifica l’evento previsto, il sistema esegue la valutazione e produce un decision.event che l’applicazione può utilizzare per avviare l’azione corrispondente. Tra gli esempi applicativi figura un avatar conversazionale capace di modificare dinamicamente la propria espressione facciale, selezionando una reazione tra alternative quali neutral, happy, sad e concerned in funzione delle parole pronunciate dall’utente. Lo stesso meccanismo può essere utilizzato nei servizi di assistenza vocale per stabilire se porre una domanda aggiuntiva, trasferire la conversazione a un operatore, instradare una richiesta oppure procedere con l’attività prevista. L’integrazione consente quindi di collocare una decisione strutturata all’interno del ciclo operativo di un agente vocale, limitando il tempo necessario per individuare l’azione successiva.
Le prime applicazioni operative comprendono attività interne a OpenAI e sperimentazioni condotte da aziende che utilizzano i modelli nei propri servizi. Il gruppo di sviluppo di Dots impiega Decisions API per ridurre i tempi di risposta e aumentare l’interattività del sistema, mentre il team Personal Finance la utilizza per classificare le descrizioni delle transazioni finanziarie. Il gruppo Communications applica l’interfaccia alla classificazione dei contenuti informativi per argomento e alla valutazione della loro relazione con le principali narrative monitorate, individuando quelli che richiedono un approfondimento. In ambito documentale, Box ha integrato Decisions API con Box Extract per classificare documenti aziendali e selezionare il percorso operativo successivo. In una valutazione condotta su trenta certificati assicurativi, l’azienda ha registrato un instradamento circa cinque volte più rapido rispetto a Responses API, mantenendo la medesima accuratezza e trasferendo i casi caratterizzati da bassa confidenza alla revisione umana.
Datadog utilizza l’interfaccia per attribuire un punteggio di rischio ai comandi rshell generati dagli agenti prima della loro esecuzione nell’ambito delle procedure di ripristino automatizzato. Secondo le valutazioni comunicate dall’azienda, Decisions API ha ottenuto una latenza al 95° percentile quaranta volte inferiore rispetto ai modelli frontier disponibili utilizzati nel confronto, con accuratezza comparabile. Ramp ha applicato il sistema all’attribuzione dei costi dell’intelligenza artificiale alle attività operative che li hanno generati, registrando un’elaborazione quattro volte più rapida e una riduzione del costo del 30% rispetto all’utilizzo diretto di GPT-6 Luna. Sierra impiega Decisions API per selezionare l’azione successiva durante alcune fasi dell’orchestrazione delle conversazioni con i clienti, ottenendo una latenza inferiore a 280 millisecondi al 95° percentile, prestazioni circa tre volte superiori rispetto alla soluzione precedente e un costo per chiamata ridotto del 90%, senza peggioramenti nei risultati rilevati. Speak, specializzata nell’apprendimento linguistico, ha integrato Decisions API con GPT-Live e ha registrato nei propri test una riduzione superiore al 90% del tempo necessario per determinare l’azione successiva, passando da 1,4 a 0,13 secondi. Le misurazioni provengono dalle rispettive valutazioni aziendali e fanno riferimento a differenti condizioni di prova.
Il modello economico della versione generalmente disponibile prevede un costo di 0,10 dollari per milione di token di input e di 0,01 dollari per milione di token di input recuperati dalla cache. La fatturazione riguarda esclusivamente i token di input, senza costi aggiuntivi per i token di output, mentre le operazioni di scrittura nella cache seguono le tariffe previste dalle relative modalità di conservazione. Continuano ad applicarsi eventuali maggiorazioni per l’elaborazione regionale e per gli input con contesti particolarmente estesi. Le chiamate a GPT-6 Luna effettuate attraverso API differenti mantengono invece il modello tariffario associato al servizio utilizzato. GPT-6 Luna era stato presentato il 22 settembre 2026 insieme a GPT-6 Sol, con prezzi standard iniziali di 0,10 dollari per milione di token di input e 0,50 dollari per milione di token di output. In occasione di quel rilascio, OpenAI aveva comunicato una riduzione del 50% delle tariffe API rispetto ai prezzi promozionali applicati alla precedente generazione GPT-5.6, mantenendo GPT-6 Astra come modello di riferimento per le attività che richiedono le capacità complessive più elevate.
Sul piano della gestione dei dati, Decisions API supporta l’elaborazione regionale negli Stati Uniti e in Europa, comprendendo Spazio economico europeo e Svizzera, mentre la residenza dei dati è disponibile nelle regioni API supportate. Per i clienti idonei sono previste le funzionalità Zero Data Retention e le configurazioni utilizzabili in contesti soggetti ai requisiti HIPAA. La disponibilità generale comprende inoltre strumenti dedicati alla sperimentazione e alla configurazione delle decisioni attraverso Decisions Playground, dove gli sviluppatori possono provare le domande e verificarne i risultati utilizzando contenuti testuali e immagini prima di integrare l’endpoint nelle applicazioni. La combinazione tra risposte tipizzate, valutazione di contesti multimodali, caching, integrazione vocale e rendicontazione dei consumi rende il servizio utilizzabile come componente specializzato nei processi in cui occorre trasformare rapidamente informazioni già disponibili in una scelta applicativa verificabile e direttamente interpretabile dal software.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)