Google presentó la Decisions API, una nueva interfaz que transforma a Gemini en un plano de control para la toma de decisiones automatizadas, en lugar de un simple chatbot generador de texto. La herramienta, anunciada esta semana, permite evaluar hasta 1,000 preguntas acotadas contra una sola entrada multimodal, con una latencia de extremo a extremo de 150 a 250 milisegundos y un precio de 0.10 dólares por cada millón de tokens de entrada. Para el público de México y Latinoamérica, esto representa un paso hacia sistemas de inteligencia artificial más eficientes y económicos, donde las empresas podrán integrar capas de decisión rápida antes de generar respuestas costosas.
¿Qué es exactamente la Decisions API?
La Decisions API de Google está diseñada para elecciones de conjunto cerrado: verificaciones de sí o no, opción múltiple y puntuación ordenada según rúbricas. Según la compañía, Gemini Decision 1 no genera texto token por token, sino que puntúa las opciones candidatas en una sola pasada hacia adelante y devuelve probabilidades y puntuaciones de confianza. Esta distinción es clave porque una gran parte del trabajo de IA en producción no consiste en “escribir la respuesta”, sino en decidir si un prompt necesita un modelo más grande, si una entrada viola una regla, si un documento cumple con una rúbrica o si se debe permitir una llamada a una herramienta.
Históricamente, los equipos han utilizado modelos de chat generales para estas tareas de clasificación porque estaban disponibles y eran flexibles. Ahora, Google les da una superficie de producto propia. Una sola solicitud puede combinar texto, imágenes, audio, video y archivos PDF, con una entrada compartida y muchas preguntas independientes. La compañía afirma que la entrada puede alcanzar hasta 256,000 tokens, aunque su referencia de latencia se describe en contextos de hasta 16,000 tokens.
Velocidad y precio: las claves de la propuesta
El anuncio hace hincapié en la velocidad y el precio porque las decisiones de plano de control solo son útiles si caben dentro de la latencia existente de los productos. Google asegura que el cómputo medio del modelo es de 50 a 100 milisegundos y que la latencia de extremo a extremo es de 150 a 250 milisegundos, manteniéndose casi plana desde 1 hasta 100 preguntas por solicitud en su descripción de referencia. Esa forma es el producto: si un desarrollador puede hacer muchas preguntas de política, enrutamiento y puntuación en una sola pasada, la capa de decisión deja de ser un impuesto en cada interacción y se convierte en infraestructura.
Además, Google señala que no se facturan tokens de salida y que Gemini Decision 1 a través de la Decisions API es casi 5 veces más barato en un conjunto de pruebas compartido que Gemini 3.5 Flash-Lite mediante la Interactions API. Estas son afirmaciones del proveedor, no evaluaciones independientes. Aun así, la dirección es clara: la historia de los modelos de frontera ha entrenado a los compradores a comparar inteligencia en el punto de respuesta, pero Google empuja una pregunta de adquisición diferente: ¿cuántos juicios pequeños se pueden hacer lo suficientemente baratos como para colocarlos delante de cada respuesta?
Usuarios iniciales: más allá de los chatbots
Los primeros usuarios nombrados por Google no son constructores de chatbots genéricos, sino equipos que construyen enrutadores, capas de seguridad, calificadores y controles de producto. Google menciona que Gemini Notebook utiliza la API para enrutar consultas entrantes al nivel de modelo y nivel de pensamiento, con consultas cotidianas que experimentan hasta un 40% menos de latencia. También indica que Google Search usa la Decision API para detectar comportamiento adversario y contenido frente a evaluaciones adversariales dentro de un margen de latencia.
Esto apunta a un propietario interno diferente: equipos de plataforma, equipos de confianza y seguridad, grupos de automatización de soporte y líderes de infraestructura de IA son la audiencia natural, porque son dueños de los puntos de decisión donde los sistemas generativos se vuelven costosos o riesgosos. Para las startups que construyen evaluación, enrutamiento o middleware de políticas, esto también es una advertencia: Google está empaquetando un calificador multimodal nativo en el mismo ecosistema donde los desarrolladores ya llaman a Gemini. La capa defendible se desplaza de “podemos llamar a un modelo para clasificar esto” al diseño de flujos de trabajo, auditabilidad, gestión de políticas y prueba de que las decisiones se sostienen en el dominio de un cliente.
Precisión y calibración: promesas por verificar
Google afirma que Gemini Decision 1 lidera en evaluaciones de enrutamiento de agentes, razonamiento, ranking y comprensión multimodal, con el error de calibración más bajo. Sin embargo, el anuncio no proporciona suficiente detalle independiente para tratar eso como un hecho establecido. Las incógnitas son la parte importante: no sabemos cómo se comporta la calibración en taxonomías empresariales desordenadas, cómo derivan las probabilidades entre dominios, cómo deberían los clientes auditar las puntuaciones de rúbricas o cómo rinde la API en el techo declarado de 256,000 tokens. Tampoco sabemos si los desarrolladores confiarán en una capa de decisión probabilística para llamadas de política de alto riesgo sin mecanismos más claros de monitoreo y apelación.
Las puntuaciones de confianza son útiles solo si son confiables en el límite. Una mala respuesta es visible; una mala puerta puede ser silenciosa. El disparador será la adopción más allá de los ejemplos propios de Google. Si los desarrolladores comienzan a colocar llamadas a Decisions API antes del uso de herramientas, la selección de modelos, las verificaciones de seguridad y la calificación de contenido, entonces Google habrá creado una capa de bajo roce entre la intención del usuario y la acción de la IA. Eso es más trascendente que otra función de chatbot. Los agentes necesitan frenos, enrutadores y jueces. Google acaba de argumentar que estos deben ser rápidos, baratos, multimodales y vendidos como una primitiva.
Implicaciones para el ecosistema tecnológico en Latinoamérica
Para las empresas mexicanas y latinoamericanas que desarrollan soluciones de IA, la Decisions API representa una oportunidad para reducir costos y mejorar la eficiencia de sus sistemas. Al poder evaluar múltiples decisiones en una sola llamada, se disminuye la dependencia de modelos generativos costosos y se habilita la creación de capas de control más sofisticadas. Esto es particularmente relevante en sectores como atención al cliente, donde el enrutamiento inteligente de consultas puede mejorar los tiempos de respuesta y la satisfacción del usuario.
Además, la capacidad multimodal de la API permite procesar documentos, imágenes y audio, lo que amplía los casos de uso en industrias como la salud, la banca y el comercio electrónico. Sin embargo, las empresas deberán evaluar cuidadosamente las afirmaciones de rendimiento y calibración, y considerar la implementación de mecanismos de auditoría y monitoreo para garantizar la confiabilidad de las decisiones automatizadas.
El futuro de la toma de decisiones automatizada
La Decisions API de Google marca un cambio en la forma en que se concibe la inteligencia artificial en producción. Ya no se trata solo de generar texto coherente, sino de tomar decisiones rápidas y económicas que permitan a los sistemas de IA operar de manera más autónoma y segura. A medida que los agentes de IA se vuelven más comunes, la necesidad de capas de control que decidan qué modelo ejecutar, qué herramienta abrir o qué caso escalar será fundamental. Google está posicionando a Gemini como el árbitro de esas decisiones, y el éxito de esta propuesta dependerá de la confianza que los desarrolladores depositen en ella.
Por ahora, la compañía ha establecido las bases de un nuevo paradigma en la arquitectura de IA, donde la velocidad y el costo de las decisiones previas a la generación se vuelven tan importantes como la calidad de las respuestas generadas. El tiempo dirá si los desarrolladores adoptan esta capa de control y si Google logra consolidar a Gemini como el plano de control de la IA moderna.