Gemini Decisions API: AI, która nie pisze, tylko decyduje

Wyobraź sobie, że pytasz współpracownika: „Czy ta paczka pod drzwiami jest uszkodzona?”. Zamiast „tak” lub „nie” dostajesz trzy akapity o kartonie, oświetleniu i ogólnym stanie logistyki w Europie. Brzmi absurdalnie? A jednak tak właśnie wiele firm korzysta dziś z dużych modeli językowych.

Modele generatywne są świetne, gdy trzeba coś napisać. Ale ogromna część pracy AI w aplikacjach to wcale nie pisanie, tylko decydowanie. Czy ten komentarz łamie regulamin? Do którego działu przekazać zgłoszenie? Który model ma obsłużyć pytanie klienta? Każda taka decyzja przepuszczana przez „gadający” model kosztuje czas i pieniądze.

11 listopada 2026 roku Google zaproponowało inne podejście. Nazywa się Gemini Decisions API i – jak sama nazwa wskazuje – nie służy do rozmowy. Służy do podejmowania decyzji. Szybko, tanio i z jasną informacją, na ile model jest pewny swojej odpowiedzi.

Czym jest Gemini Decisions API?

Gemini Decisions API to nowy punkt dostępowy (endpoint) w Gemini API, dostępny przez Google AI Studio. Napędza go nowy model Gemini Decision 1 (gemini-decision-1), zaprojektowany przez Google DeepMind specjalnie do tzw. decyzji zamkniętych – takich, w których odpowiedź wybieramy z wcześniej znanego zestawu opcji.

W praktyce działa to tak: wysyłasz jedno wejście – tekst, zdjęcie, nagranie audio, wideo albo PDF, łącznie do 256 tys. tokenów – i dołączasz do niego nawet 1000 niezależnych pytań. W odpowiedzi nie dostajesz wypracowania, tylko konkretne rozstrzygnięcia wraz z prawdopodobieństwami.

Google wskazuje kilka typowych zastosowań: wybór narzędzia przez agenta AI, sprawdzanie zgodności z zasadami (policy checks), kierowanie zapytań do odpowiedniego modelu oraz ocenianie jakości kontekstu.

Sekret szybkości: model nie pisze, tylko ocenia

Klasyczny model językowy generuje odpowiedź słowo po słowie (a dokładniej: token po tokenie). Nawet krótkie „tak” wymaga przejścia przez cały ten proces, a często model i tak dorzuca od siebie kilka zdań.

Gemini Decision 1 robi coś innego. Nie generuje tekstu – ocenia wszystkie podane opcje naraz, w jednym przebiegu przez sieć. To trochę jak różnica między egzaminem pisemnym a testem wyboru: zamiast układać odpowiedź od zera, model zaznacza właściwą kratkę i podaje, jak bardzo jest jej pewny.

Każda odpowiedź ma wskaźnik pewności od 0 do 1. To ważniejsze, niż się wydaje. Dzięki temu Twój system może sam zdecydować: jeśli model jest pewny na 0,95 – działaj automatycznie; jeśli tylko na 0,55 – przekaż sprawę człowiekowi.

API obsługuje trzy typy pytań, które można mieszać w jednym zapytaniu:

• Tak/nie (noul) – model szacuje prawdopodobieństwo, że dany warunek jest spełniony. Przykład: „Czy na zdjęciu widać uszkodzenie?”.
• Wybór (choice) – model wybiera jedną z 2 do 255 opcji i podaje prawdopodobieństwo dla każdej z nich. Przykład: „Do którego działu trafia to zgłoszenie?”.
• Ocena na skali (score) – model ocenia wejście według uporządkowanej skali (od poziomu 0 w górę) i zwraca wynik ciągły. Przykład: „Jak poważna jest ta reklamacja?”.

Co istotne, model jest natywnie multimodalny. Możesz połączyć różne typy danych w jednym wejściu – np. nagranie rozmowy z klientem razem z danymi z jego konta albo zeskanowany formularz szkody razem ze zdjęciami samochodu.

Jak to wygląda w praktyce? Paczka pod drzwiami

Google w swoim ogłoszeniu pokazało przykład ze zdjęciem blatu w firmowej kuchni: przed spotkaniem z klientem system sprawdza, czy nic nie zostało rozlane, co należy zrobić i jak poważny jest bałagan. Wszystko w jednym zapytaniu.

Przenieśmy to na polskie podwórko. Prowadzisz sklep internetowy, a kurier po doręczeniu robi zdjęcie paczki. Chcesz automatycznie wyłapywać problemy, zanim klient zadzwoni z reklamacją. Zapytanie w Pythonie mogłoby wyglądać tak:

from google import genai

client = genai.Client(http_options={"api_version": "v1beta"})

wynik = client.decisions.create(
    model="gemini-decision-1",
    input=[
        {"type": "image", "uri": "https://twoj-sklep.pl/doreczenia/12345.jpg",
         "mime_type": "image/jpeg"},
        {"type": "text", "text": "Zdjęcie doręczenia, zamówienie nr 12345."},
    ],
    questions={
        "uszkodzona": {
            "type": "noul",
            "instructions": "Czy karton jest widocznie uszkodzony lub zgnieciony?",
        },
        "miejsce": {
            "type": "choice",
            "instructions": "Gdzie zostawiono paczkę?",
            "criteria": {
                "pod_drzwiami": "Paczka leży bezpośrednio przy drzwiach.",
                "skrzynka": "Paczka jest w skrzynce lub paczkomacie.",
                "nieznane": "Nie da się ustalić miejsca na zdjęciu.",
            },
        },
        "ryzyko": {
            "type": "score",
            "instructions": "Oceń ryzyko reklamacji.",
            "criteria": ["Brak ryzyka.", "Niewielkie ryzyko.", "Wysokie ryzyko."],
        },
    },
)

W ułamku sekundy dostajesz trzy odpowiedzi, każdą z poziomem pewności. Paczka uszkodzona z pewnością 0,9? Automatycznie wysyłasz klientowi wiadomość z przeprosinami. Pewność 0,5? Zdjęcie trafia do pracownika do ręcznej weryfikacji.

Google zresztą przygotowało bardzo podobną aplikację demonstracyjną – Doorstep Parcels – którą można przetestować w przeglądarce.

Liczby, które robią wrażenie

Najlepiej o tym narzędziu mówią konkrety podane przez Google:

Dwie rzeczy zasługują na szczególną uwagę. Po pierwsze, czas odpowiedzi pozostaje niemal stały niezależnie od tego, czy zadasz jedno pytanie, czy sto (dla kontekstu do 16 tys. tokenów). Po drugie, płacisz za wejście tylko raz na zapytanie – kolejne pytania dokładają jedynie koszt własnych instrukcji. Nie ma też osobnych opłat za tokeny „myślenia”, transkrypcję audio czy OCR.

Według Google na zestawie testów porównawczych to rozwiązanie jest prawie 5 razy tańsze niż Gemini 3.5 Flash-Lite używany przez Interactions API. Model wypada też najlepiej w testach obejmujących routing agentów, rozumowanie, ranking i rozumienie multimodalne, osiągając przy tym najniższy błąd kalibracji.

Co to jest kalibracja? Mówiąc prosto: jeśli model deklaruje 80% pewności, to powinien mieć rację mniej więcej w 80% takich przypadków. Dobrze skalibrowany model nie „blefuje”, więc możesz bezpiecznie opierać na jego ocenach automatyczne reguły.

Google samo już z tego korzysta

Najlepszy dowód, że to nie tylko laboratoryjna ciekawostka? Zespoły Google wdrożyły Decisions API we własnych produktach, zanim trafiło do deweloperów. Zamiast trenować osobne klasyfikatory albo czekać na odpowiedź modelu generatywnego, po prostu definiują możliwe opcje.

• Gemini Notebook używa go jako „zwrotnicy”: w milisekundach rozpoznaje intencję pytania i kieruje je do odpowiedniego modelu i poziomu rozumowania. Proste pytania obsługiwane są nawet o 40% szybciej, a ciężkie modele zostają dla trudnych zadań.
• Stitch w nowym trybie rapid canvas tworzy w kilka sekund klikalne makiety całego przepływu w aplikacji i niemal natychmiast nanosi poprawki zgłaszane głosem lub dotykiem.
• CC z Google Labs wybiera pasującą reakcję emoji spośród ponad 200 opcji w ułamku sekundy – tak, by użytkownik nie odczuł żadnego opóźnienia.
• Wyszukiwarka Google wykorzystuje je jako warstwę bezpieczeństwa dla narzędzi MCP, wykrywając próby manipulacji i szkodliwe treści bez spowalniania odpowiedzi.

Widać tu wspólny mianownik: Decisions API działa jak szybka „warstwa sterująca”, która w tle podejmuje drobne decyzje, a użytkownik nawet tego nie zauważa.

A co to oznacza dla Twojej firmy?

Tu zaczyna się najciekawsza część. Jeśli w Twojej organizacji jest proces, w którym ktoś codziennie przegląda dziesiątki czy setki rzeczy i przypisuje je do kategorii, to bardzo możliwe, że właśnie znalazłeś kandydata do automatyzacji.

Kilka scenariuszy, które przychodzą do głowy niemal od razu:

• Obsługa klienta – automatyczne przypisywanie zgłoszeń do działów, ocena pilności i wykrywanie zirytowanych klientów na podstawie treści maila lub nagrania rozmowy.
• E-commerce – weryfikacja zdjęć produktów dodawanych przez sprzedawców, wyłapywanie zdjęć niezgodnych z regulaminem, ocena zdjęć zwrotów.
• Ubezpieczenia i finanse – wstępna klasyfikacja szkód na podstawie skanu formularza i zdjęć, sprawdzanie kompletności dokumentów w PDF.
• HR i rekrutacja – wstępne sprawdzanie CV pod kątem wymagań formalnych (z rozwagą i z udziałem człowieka przy decyzjach końcowych).
• Moderacja treści – ocena komentarzy, recenzji i postów pod kątem zasad społeczności, z możliwością przekazania wątpliwych przypadków moderatorowi.
• Agenci AI – szybki wybór narzędzia lub kolejnego kroku, bez angażowania dużego, wolniejszego modelu.

Największa zmiana jest jednak mentalna. Do tej pory zbudowanie dobrego klasyfikatora wymagało danych treningowych, specjalisty od uczenia maszynowego i tygodni pracy. Teraz w wielu przypadkach wystarczy dobrze opisać, jakie są możliwe odpowiedzi.

Warto przy tym pamiętać o zdrowym rozsądku. Wskaźnik pewności to nie gwarancja, a decyzje mające realny wpływ na ludzi – np. odmowa świadczenia czy odrzucenie kandydata – powinny zawsze przechodzić przez ręce człowieka.

Jak zacząć z Gemini Decisions API?

Dobra wiadomość: próg wejścia jest naprawdę niski. Google udostępnia darmowy pakiet do testów i prototypowania.

1. Wygeneruj klucz API w Google AI Studio.
2. Pobaw się gotowymi aplikacjami demonstracyjnymi: Doorstep Parcels, Speed Sketch i Find the Zoo Keeper.
3. Przetestuj własne pytania w interaktywnym playgroundzie.
4. Sięgnij po dokumentację z przewodnikami dla Pythona, JavaScriptu i REST.

Jeśli korzystasz już z popularnych narzędzi deweloperskich, integracje są wdrażane m.in. w OpenRouter, LangChain, Vercel AI SDK, LiteLLM, Pydantic AI, Pipecat, LiveKit i OpenCode. Wsparcie w Gemini w Google Cloud ma pojawić się wkrótce.

Mniej gadania, więcej decyzji

Przez ostatnie lata przyzwyczailiśmy się, że sztuczna inteligencja to przede wszystkim rozmowa. Gemini Decisions API przypomina, że w codziennej pracy AI liczy się często coś zupełnie innego: szybka, trafna i uczciwie oceniona decyzja.

To narzędzie nie zastąpi dużych modeli językowych, ale może je świetnie uzupełnić. Niech one zajmują się trudnym myśleniem i pisaniem, a drobne rozstrzygnięcia – setki, tysiące razy dziennie – zostawią szybszemu i tańszemu specjaliście.

A Ty – który proces w swojej firmie oddałbyś do automatycznej decyzji jako pierwszy?

Źródło

• Gemini Decisions API: Fast, calibrated multimodal decisions – Min Choi, Felix Yu (Google DeepMind), blog Google, 11 listopada 2026