Il 22 ottobre 2026 OpenAI ha annunciato la disponibilità generale della Decisions API, un'interfaccia progettata per consentire alle applicazioni di prendere decisioni rapide sulla base di testi, immagini e dati strutturati. La novità riguarda soprattutto gli sviluppatori che devono costruire software capaci di interpretare informazioni in ingresso, selezionare una risposta tra alternative prestabilite e stabilire quale operazione eseguire successivamente.
La tecnologia utilizza GPT-6 Luna, ma segue una logica differente rispetto ai sistemi di intelligenza artificiale dedicati alla generazione di contenuti. Anziché produrre necessariamente una risposta articolata, restituisce risultati circoscritti, come una probabilità, una categoria oppure un punteggio.
Secondo i dati tecnici pubblicati, il nuovo sistema può completare determinate valutazioni fino a dieci volte più rapidamente rispetto all'utilizzo dello stesso modello attraverso la Responses API. Il confronto riguarda la velocità di elaborazione delle decisioni e non costituisce una misura generale delle prestazioni di tutte le applicazioni.
Il passaggio dalla versione beta, introdotta il 6 ottobre, alla disponibilità generale rappresenta un'evoluzione importante. Le API Decisions di OpenAI possono ora essere integrate nei flussi applicativi di produzione, con funzionalità aggiuntive che riguardano il trattamento dei dati, la gestione dei costi e l'interazione vocale.
Come funzionano le decisioni automatiche nelle applicazioni
Un programma tradizionale esegue operazioni seguendo condizioni definite dal codice. Quando incontra una situazione prevista, applica la regola corrispondente. Il meccanismo diventa meno immediato quando deve interpretare una richiesta formulata liberamente, riconoscere il contenuto di un'immagine oppure valutare informazioni che non seguono uno schema rigido.
La Decisions API affronta proprio questo problema. Lo sviluppatore definisce la domanda da sottoporre al modello, specifica le risposte ammesse e fornisce gli elementi necessari alla valutazione. Il sistema analizza il contenuto e restituisce un risultato strutturato che il software può utilizzare per proseguire.
La documentazione tecnica distingue tre modalità principali.
La prima, denominata predicate, permette di stimare la probabilità che una determinata condizione sia vera. Può essere utilizzata, per esempio, per valutare se una fotografia mostri danni visibili a un prodotto. Il risultato è un valore compreso tra zero e uno, interpretabile come una stima probabilistica.
La seconda modalità, choice, consente di selezionare una risposta tra categorie precedentemente definite. Un'applicazione di assistenza può utilizzare questo sistema per distinguere una richiesta amministrativa da un problema tecnico oppure da una domanda sulle spedizioni. La risposta comprende la categoria selezionata e informazioni probabilistiche sulle alternative.
La terza, score, assegna una valutazione sulla base di livelli ordinati. Un problema software potrebbe essere classificato secondo la gravità, distinguendo un difetto estetico da un malfunzionamento aggirabile o da un'interruzione completa del servizio.
In questo caso, il punteggio è calcolato attraverso una media ponderata delle probabilità associate ai diversi livelli. Non coincide necessariamente con uno dei valori interi utilizzati per costruire la scala.
La distinzione è rilevante perché le API Decisions di OpenAI non sono progettate per generare liberamente qualsiasi tipo di risposta. Il loro compito consiste nell'interpretare informazioni e restituire valutazioni utilizzabili dal programma che le ha richieste.
Quando invece occorre produrre una spiegazione articolata, estrarre dati secondo uno schema personalizzato o generare contenuti, la documentazione indirizza verso altri strumenti della piattaforma, tra cui Responses API e Structured Outputs.
Dalla classificazione dei documenti alla gestione degli agenti AI
L'annuncio del 22 ottobre presenta alcune applicazioni concrete, già sperimentate all'interno di OpenAI e da organizzazioni che hanno adottato il servizio.
Tra gli utilizzi interni compare la classificazione delle descrizioni delle transazioni finanziarie, impiegata dal gruppo Personal Finance. Il team Communications utilizza invece Decisions per classificare la copertura mediatica secondo temi e valutare il rapporto dei contenuti con determinate narrazioni, individuando quelli che richiedono un esame più attento.
Sono operazioni nelle quali il valore dell'intelligenza artificiale dipende dalla capacità di svolgere valutazioni ripetitive su grandi quantità di informazioni, senza dover generare ogni volta un documento o una risposta conversazionale.
Un esempio significativo arriva da Box, società specializzata nella gestione dei contenuti aziendali. Attraverso Box Extract e Decisions API, i documenti possono essere classificati e indirizzati verso il passaggio operativo appropriato.
In una valutazione condotta su 30 certificati assicurativi, Box ha registrato una selezione del percorso di elaborazione circa cinque volte più rapida rispetto alla Responses API, mantenendo la stessa accuratezza nel campione esaminato. I casi caratterizzati da minore confidenza vengono indirizzati a revisori.
Il risultato è interessante soprattutto per il modello organizzativo che descrive. Il sistema automatico gestisce una prima valutazione, mentre le situazioni incerte vengono trasferite a una procedura di controllo. Resta comunque una sperimentazione circoscritta: trenta documenti non consentono di generalizzare le prestazioni a qualsiasi archivio aziendale.
Datadog ha sperimentato un impiego differente, utilizzando la tecnologia per valutare il rischio dei comandi di shell generati dagli agenti AI prima della loro esecuzione. Nei test comunicati, la latenza al 95° percentile è risultata quaranta volte inferiore rispetto a quella dei modelli avanzati utilizzati come confronto, con accuratezza comparabile.
Anche Ramp ha riportato risultati nella classificazione dei costi delle attività AI, registrando un'elaborazione quattro volte più rapida e una riduzione del 30% dei costi rispetto all'impiego diretto di GPT-6 Luna.
Questi dati descrivono valutazioni effettuate su specifici carichi di lavoro, con sistemi di confronto e condizioni operative differenti. Non rappresentano una promessa di prestazioni uniformi per tutte le integrazioni.
Applicazioni vocali più reattive con GPT-Live
Una delle novità più interessanti riguarda la possibilità di collegare la Decisions API a GPT-Live, il sistema OpenAI dedicato alle interazioni vocali in tempo reale.
Nelle applicazioni conversazionali, la velocità conta anche quando il software deve eseguire un'operazione apparentemente semplice. Un assistente può avere bisogno di capire se l'utente sta formulando una domanda, correggendo un'informazione precedente oppure richiedendo il trasferimento a un operatore.
L'integrazione consente di effettuare valutazioni durante lo svolgimento della conversazione, utilizzando gli aggiornamenti delle trascrizioni vocali. Le decisioni possono essere attivate sia dalle parole dell'utente sia dalle risposte prodotte dal sistema.
OpenAI ha presentato una dimostrazione nella quale un avatar modifica la propria espressione in base al contenuto della conversazione. La selezione avviene tra reazioni già previste, mentre l'applicazione si occupa di visualizzare il comportamento corrispondente.
Il caso dimostrativo evidenzia la separazione tra interpretazione e azione. Il modello determina quale reazione risulti appropriata sulla base delle istruzioni ricevute; il programma gestisce l'animazione e l'interfaccia visibile.
Un'applicazione operativa arriva da Speak, piattaforma dedicata all'apprendimento linguistico. Nei test comunicati dall'azienda, l'integrazione fra Decisions API e GPT-Live ha ridotto il tempo necessario per avviare l'azione successiva da 1,4 secondi a 0,13 secondi, con un miglioramento superiore al 90%.
Il dato si riferisce alla specifica esperienza sperimentata da Speak e non alla latenza complessiva di qualsiasi conversazione vocale.
Le API Decisions di OpenAI possono quindi trovare applicazione nelle interfacce che devono adattarsi rapidamente al comportamento dell'utente, purché siano definite le alternative disponibili e le condizioni che determinano il passaggio da un'azione all'altra.
Le novità tecniche introdotte con la disponibilità generale
La versione distribuita il 22 ottobre amplia alcune capacità già presenti nella beta.
Una modifica riguarda il numero delle domande che possono essere inviate nella stessa richiesta: il limite passa da 200 a 400. Gli sviluppatori possono sottoporre più valutazioni indipendenti a uno stesso insieme di informazioni, evitando di ripetere l'intero processo per ciascun quesito.
Esiste però una distinzione operativa. Quando una decisione dipende dal risultato di quella precedente, la documentazione prevede richieste separate. Le domande raccolte nella stessa operazione devono quindi poter essere valutate indipendentemente.
È stato inoltre introdotto il supporto diretto ai dati JSON, particolarmente utile nei programmi che gestiscono informazioni già organizzate in campi e strutture. Un'applicazione può fornire dati relativi a una richiesta di assistenza e a un ordine commerciale senza doverli trasformare preventivamente in una descrizione testuale.
Sul versante delle immagini, gli sviluppatori possono inserire contenuti visivi nelle istruzioni associate alle singole domande, oltre che nel materiale condiviso per la valutazione. Diventa così possibile confrontare immagini differenti rispetto a un riferimento comune.
La documentazione contempla anche l'analisi della cronologia conversazionale, comprese le chiamate agli strumenti e i relativi risultati. Il modello può utilizzare queste informazioni come elementi per formulare una decisione contestualizzata.
Non tutti i formati sono però ammessi direttamente. File generici, contenuti audio e riferimenti ad altri elementi non rientrano tra gli input supportati dalla Decisions API. L'elaborazione della voce passa attraverso le integrazioni documentate con GPT-Live e le relative trascrizioni.
Un'altra novità riguarda il prompt caching, il meccanismo che permette di riutilizzare parti identiche delle informazioni già elaborate, riducendo il costo delle richieste successive.
Il beneficio non è automatico in qualsiasi situazione. La documentazione stabilisce che la porzione riutilizzabile debba contenere almeno 1.024 token e mantenere un contenuto corrispondente tra le richieste. Le istruzioni specifiche delle domande non fanno parte della porzione condivisa utilizzabile per questo meccanismo.
Questa condizione assume un peso concreto nei progetti che analizzano grandi documenti attraverso interrogazioni differenti. Quando invece cambiano continuamente sia le informazioni sia le domande, le possibilità di riutilizzo possono essere inferiori.
Costi, disponibilità e trattamento dei dati
La Decisions API è generalmente disponibile attraverso la piattaforma per sviluppatori OpenAI e utilizza attualmente GPT-6 Luna come modello supportato.
Il costo base annunciato è di 0,10 dollari per milione di token di input non memorizzati nella cache, mentre gli input recuperati attraverso il caching hanno una tariffa di 0,01 dollari per milione di token. Sono previste condizioni specifiche per la scrittura nella cache, oltre a eventuali maggiorazioni legate all'elaborazione regionale e al contesto utilizzato.
Una caratteristica particolare è l'assenza di addebiti per i token di output. La struttura tariffaria riflette la natura del servizio, progettato per restituire valutazioni circoscritte anziché generare lunghi contenuti.
La convenienza economica dipende comunque dal numero di richieste, dalla quantità di informazioni trasmesse, dalle condizioni di caching e dall'eventuale utilizzo di altri modelli all'interno dello stesso processo.
Gli sviluppatori possono sperimentare le funzionalità attraverso il Decisions Playground, che consente di verificare domande e risposte utilizzando contenuti di prova prima di procedere con l'integrazione nel codice.
Per quanto riguarda la gestione dei dati, il servizio prevede possibilità di elaborazione regionale negli Stati Uniti e in Europa, oltre al supporto per Zero Data Retention destinato ai clienti idonei.
Sono disponibili anche opzioni specifiche per gli ambienti soggetti a requisiti di conformità sanitaria statunitense, secondo le condizioni previste dalla documentazione.
La presenza di queste funzionalità non equivale a una certificazione automatica di conformità per qualsiasi applicazione. La gestione delle informazioni personali, delle autorizzazioni e delle procedure di conservazione rimane una responsabilità da affrontare nella progettazione del servizio.
Il confine tra valutazione automatica e controllo del software
L'impiego delle API Decisions di OpenAI introduce una questione che riguarda direttamente l'architettura delle applicazioni: fino a quale punto una valutazione prodotta dall'intelligenza artificiale può determinare un'azione?
La risposta dipende dalle regole stabilite dagli sviluppatori.
La Decisions API restituisce risultati strutturati, mentre l'applicazione decide come utilizzarli. Questo significa che un modello può classificare una richiesta come urgente, ma spetta al programma stabilire se aprire una procedura prioritaria, richiedere ulteriori informazioni oppure coinvolgere una persona.
La distinzione è particolarmente importante quando una classificazione errata può comportare conseguenze economiche, operative o sulla sicurezza.
Un valore probabilistico elevato non costituisce una garanzia assoluta di correttezza. Analogamente, una categoria selezionata dal modello non diventa necessariamente la risposta giusta soltanto perché accompagnata da un indice di confidenza.
La documentazione tecnica raccomanda di definire le soglie decisionali utilizzando esempi rappresentativi dell'applicazione e considerando le conseguenze dei falsi positivi e dei falsi negativi.
Se un sistema deve classificare le richieste di assistenza, per esempio, può essere accettabile indirizzare automaticamente i casi semplici verso una determinata categoria. Nei casi controversi o con informazioni insufficienti, una procedura di verifica può risultare più appropriata.
Anche la definizione delle categorie richiede attenzione. Le alternative devono essere sufficientemente distinte e, quando necessario, deve esistere una possibilità di risposta residuale per i contenuti che non corrispondono alle classificazioni previste.
Il comportamento dell'applicazione dipende quindi da una combinazione di valutazione probabilistica e regole software. La supervisione umana può intervenire nella definizione dei criteri, nella verifica dei risultati e nella gestione delle eccezioni.
Questo modello consente di limitare l'autonomia operativa del sistema senza rinunciare alla rapidità delle valutazioni automatiche.
Le conseguenze per lo sviluppo di software e servizi digitali
La disponibilità delle API Decisions di OpenAI offre agli sviluppatori un componente specializzato per una categoria di operazioni che spesso veniva affidata a modelli generativi più generalisti.
La differenza emerge soprattutto nelle applicazioni composte da più servizi. Un agente può utilizzare un modello per comprendere una richiesta complessa, un altro strumento per recuperare informazioni e un sistema decisionale rapido per scegliere quale passaggio eseguire.
La Decisions API può essere collocata proprio nei punti in cui occorre selezionare una categoria, assegnare una priorità o valutare se proseguire con una determinata procedura.
Non significa, tuttavia, che sostituisca la logica applicativa tradizionale. Quando una decisione dipende da condizioni completamente verificabili, come il confronto tra valori numerici o il controllo di un'autorizzazione già registrata, una regola software deterministica rimane generalmente più prevedibile.
Il vantaggio potenziale dell'intelligenza artificiale emerge quando la decisione richiede un'interpretazione semantica, visiva o contestuale difficilmente riducibile a condizioni rigide.
Per gli sviluppatori questo comporta anche un diverso lavoro di progettazione. Diventa necessario stabilire con precisione quali domande formulare, quali risultati accettare e quali operazioni consentire dopo la valutazione.
Le prestazioni dichiarate per la Decisions API rendono possibile sperimentare questi passaggi anche in applicazioni sensibili alla latenza, come gli assistenti vocali e i sistemi di instradamento delle richieste.
Resta essenziale verificarne il comportamento sui dati effettivamente utilizzati dal servizio. Un sistema che distingue correttamente alcune categorie durante una dimostrazione potrebbe incontrare difficoltà davanti a richieste ambigue, immagini incomplete o informazioni contraddittorie.
L'indicazione operativa più significativa contenuta nella documentazione riguarda proprio la costruzione delle soglie di intervento: devono essere definite attraverso esempi verificati e tenendo conto del costo degli errori.
Per le applicazioni destinate a gestire operazioni importanti, la rapidità della decisione deve essere accompagnata da criteri espliciti di validazione e da procedure di controllo proporzionate alle conseguenze di una classificazione sbagliata. È su questa combinazione che si misurerà l'effettiva utilità della nuova interfaccia nei sistemi utilizzati quotidianamente da aziende e utenti.
