Modelli decisionali AI, Google sfida OpenAI: chi offre cosa

L’11 novembre 2026 Google ha presentato Gemini Decisions API, un servizio che permette di valutare fino a 1.000 domande indipendenti sullo stesso insieme di informazioni. Invece di produrre una risposta in linguaggio naturale, il modello Gemini Decision 1 assegna probabilità alle opzioni proposte. È una soluzione pensata per quelle operazioni ripetitive che gli agenti AI e i software aziendali devono affrontare continuamente: classificare una richiesta, individuare una priorità, scegliere il passaggio successivo.

OpenAI aveva reso generalmente disponibile la propria Decisions API il 22 ottobre 2026, con un massimo di 400 domande per richiesta. La sfida fra i due produttori si gioca anche sulla quantità di valutazioni che possono essere eseguite sul medesimo contesto. Ma il numero di domande, da solo, non dice quale modello sia più accurato né quanto impieghi a rispondere in una situazione reale.

Il principio è semplice: l’applicazione stabilisce quali risposte sono ammesse, il modello valuta i dati disponibili e restituisce un giudizio probabilistico. È poi il software, applicando regole, soglie e controlli, a stabilire che cosa fare. Un punteggio non equivale a un’autorizzazione: per esempio, individuare una possibile anomalia in una pratica non significa poterla respingere automaticamente.

Come funziona Gemini Decisions API e che cosa può fare

Gemini Decision 1 può esaminare un contesto condiviso che combina testo, immagini, audio, video e PDF, fino a 256.000 token secondo Google. Le domande ammesse sono di tre tipi: noul (il nome tecnico usato nell’API per una verifica sì/no), choice (scelta fra 2 e 255 alternative) e score (valutazione su una scala ordinata). La stessa richiesta può contenerle tutte, senza dover inviare di nuovo i documenti per ciascuna domanda.

Si pensi a una pratica assicurativa: il sistema riceve una denuncia, alcune fotografie del danno e la registrazione di una chiamata. Può valutare se mancano documenti, a quale reparto assegnare il caso e quanto sia urgente una revisione. Le pratiche più incerte vengono inoltrate a un operatore; le altre seguono il percorso previsto dalle procedure. Le soglie che distinguono i due casi non sono decise dal modello, ma dall’organizzazione e vanno provate su dati rappresentativi.

Google indica un tempo di calcolo mediano di 50-100 millisecondi e una latenza complessiva di 150-250 millisecondi, nei test illustrati su contesti fino a 16.000 token e fra una e 100 domande. Il limite di 1.000 domande e quello di 256.000 token riguardano invece la capacità massima documentata dell’interfaccia: non si possono estendere automaticamente quei tempi ai casi più grandi.

Google cita anche applicazioni interne: in Gemini Notebook la Decisions API contribuisce a indirizzare le richieste verso modelli di diversa complessità, con una riduzione della latenza fino al 40% in alcune interazioni quotidiane. In Search viene impiegata per riconoscere contenuti e comportamenti avversari legati agli strumenti MCP. Si tratta di risultati comunicati da Google, non di un confronto indipendente con i servizi concorrenti.

L’API è accessibile tramite Gemini API in Google AI Studio, anche per la prototipazione; al momento dell’annuncio, il supporto a Gemini in Google Cloud è indicato come prossimo. Il contesto condiviso viene conteggiato una sola volta all’interno della richiesta, mentre le istruzioni e i criteri delle singole domande aggiungono token fatturabili. Anche questa caratteristica incide sui costi reali quando si valutano molte domande sullo stesso documento.

OpenAI, Microsoft e le alternative: chi è già sul mercato

Il settore si è animato già il 15 settembre, quando TypeSafe AI ha presentato Jev, definendolo uno System One model. Jev riceve informazioni sullo stato dell’applicazione e domande tipizzate, poi attribuisce probabilità alle risposte possibili. È uno degli esempi più chiari di questa impostazione, descritta anche nell’approfondimento di AI4Business dedicato a Jev.

OpenAI ha portato questa funzione in una API basata su GPT-6 Luna, entrata in beta pubblica il 6 ottobre e diventata generalmente disponibile il 22 ottobre 2026. Accetta testo, immagini e dati JSON; prevede cache del contesto e opzioni di elaborazione regionale negli Stati Uniti e nell’Unione europea, secondo i requisiti e le condizioni del servizio. L’integrazione con GPT-Live consente di valutare eventi durante una conversazione vocale, per esempio per chiedere chiarimenti o trasferire una richiesta a un operatore. AI4Business ha esaminato l’orchestrazione degli agenti in tempo reale.

Un esempio concreto arriva da Datadog. Nell’annuncio di OpenAI, lo Staff Engineer AJ Stuyvenberg spiega che la Decisions API viene utilizzata per valutare il rischio dei comandi shell prodotti dagli agenti prima della loro esecuzione. Il controllo si inserisce nella procedura di gestione degli incidenti e non sostituisce gli altri meccanismi di sicurezza.

Microsoft-Decision-1 è disponibile nel catalogo Foundry in anteprima pubblica: riceve testo e JSON, classifica richieste, verifica condizioni, instrada e assegna priorità. Il modello deriva da un ulteriore addestramento di Qwen3.5-9B. In Foundry è prevista anche la modalità di deployment DataZoneStandard in alcune aree, una possibilità rilevante per la residenza dei dati; la disponibilità va controllata per regione e tipo di deployment.

Cloudflare offre Clef e Clef-flash su Workers AI e pubblica i pesi dei modelli con licenza Apache 2.0. Queste varianti elaborano testo, dati strutturati e contenuti visivi; Clef-omni aggiunge l’audio e gestisce anche il video. Google, dunque, non è l’unica alternativa multimodale. Le varianti hanno limiti differenti: il servizio ospitato Clef-flash dispone di un contesto di circa 24.000 token (24.576 nella configurazione documentata), mentre i pesi per self-hosting supportano contesti fino a 256.000 token, con requisiti operativi diversi.

Liquid AI offre d1-ultra per l’analisi di testo e immagini tramite API. Sul fronte dei pesi aperti, ai primi d1-3B e d1-omni-600M si sono aggiunti d1-2B e d1-Omni-2B, annunciati il 27 ottobre 2026 con la famiglia LFM3. Il primo gestisce testo e immagini; il secondo aggiunge l’audio. Liquid AI presenta d1-2B come successore di d1-3B e introduce anche risposte strutturate per individuare oggetti, estrarre informazioni dai documenti e stimare valori numerici. La possibilità di eseguire questi modelli localmente offre più controllo sui dati, a fronte di nuovi oneri di gestione e sicurezza.

Perplexity propone pplx-decider-v1.2 e la variante Flash, attraverso API e modelli a pesi aperti. Dal 4 novembre 2026 è disponibile anche il web grounding: prima della valutazione, il servizio può cercare informazioni sul web e aggiungerle ai dati forniti dall’applicazione. Su 100 domande pubbliche del benchmark PWS-Decisions, Perplexity dichiara un passaggio dal 51% all’86% di risposte corrette. Il risultato riguarda una prova circoscritta e non è una verifica indipendente. Inoltre, la ricerca aumenta tempi e costi; in questa modalità sono ammesse fino a 100 domande per richiesta.

Oltre alle offerte commerciali, stanno emergendo progetti sperimentali con modelli aperti. Strands Decider 2B, nell’ecosistema Strands Agents di AWS, è rivolto anche alle prove in locale. Jeeves di PostHog può invece aggiungere una fase di ragionamento quando la risposta è incerta, accettando una latenza maggiore. Sono strade interessanti per la sperimentazione, ma non offrono necessariamente le stesse condizioni operative dei servizi gestiti.

Le principali famiglie di modelli decisionali a confronto

Fonti: documentazioni e annunci di Google, OpenAI, Microsoft, TypeSafe, Cloudflare, Liquid AI e Perplexity, consultati il 12 novembre 2026. Funzioni e disponibilità possono variare in base alla versione.

Nota alla tabella: prezzi in dollari per milione di token di input di una specifica variante API, non delle famiglie complessive. Per Cloudflare è indicato Clef-flash, per Liquid d1-ultra e per Perplexity i due modelli v1.2. I pesi aperti possono avere costi di esecuzione e licenze differenti. Per i listini completi si vedano le fonti ufficiali citate nella sezione successiva.

Quanto costano le API: sette offerte e costi effettivi

Il listino è il primo dato che si guarda, ma difficilmente basta a scegliere. Google e OpenAI indicano entrambi 0,10 dollari per milione di token in ingresso. Microsoft-Decision-1, TypeSafe Jev e Liquid AI d1-ultra dichiarano 0,042 dollari; Cloudflare Clef-flash costa 0,038 dollari. Perplexity scende a 0,02 dollari con pplx-decider-v1.2 e a 0,01 dollari con Flash. Per i modelli e le versioni qui considerati non sono previsti addebiti per i token di uscita. Le cifre, tuttavia, non sono ancora il costo di una pratica effettivamente gestita.

La ragione sta nel modo in cui viene calcolato l’input. Con Google, il contesto condiviso è conteggiato una volta per richiesta e si aggiungono i token delle domande. Liquid AI specifica che d1-ultra fattura ogni domanda come prompt separato, includendo i contenuti associati. Anche Perplexity Flash può ricontare il contesto per ogni domanda, a differenza della variante standard v1.2: in un’applicazione che interroga molte volte gli stessi dati, il modello con il prezzo per token più basso può quindi costare di più. A incidere sono anche immagini, audio, video e documenti, secondo le regole di tokenizzazione del servizio.

Una stima realistica deve inoltre includere le richieste che falliscono, quelle inoltrate a modelli più complessi e i casi che richiedono il lavoro di una persona. La cache può ridurre la spesa in alcuni flussi, ma il risparmio va misurato sull’uso concreto, non dedotto da una tabella di tariffe.

OpenAI prevede, per esempio, una tariffa di 0,01 dollari per milione di token di input letti dalla cache, con condizioni specifiche per la scrittura. Liquid AI indica 0,02 dollari per milione di token per d1 e d1.1. Il web grounding di Perplexity aggiunge 0,001 dollari per ricerca completata, oltre ai token delle informazioni recuperate. Per le imprese, la misura decisiva è perciò il costo per pratica correttamente gestita, compresi controlli ed eventuali correzioni.

Quanto sono affidabili? Che cosa mostrano i benchmark

Google sostiene che Gemini Decision 1 guidi la propria batteria di benchmark per calibrazione e qualità delle valutazioni. Ma Arize ha confrontato otto modelli su tre tipi di compiti — identificazione di allucinazioni, valutazione delle risposte AI e instradamento degli agenti — e i risultati cambiano a seconda dell’attività. L’analisi include 2.675 esempi RAGTruth, 655 casi di valutazione e 52 decisioni di routing: in questi test Jev, Clef e Liquid erano vicini su alcune misure, con differenze anche sulla latenza e sulla calibrazione.

Nella prova RAGTruth, Jev ha ottenuto l’85,5% di accuratezza bilanciata e OpenAI Decisions l’81,5%; gli intervalli di confidenza si sovrappongono e Arize considera la differenza non conclusiva. Il benchmark ha utilizzato una versione beta di OpenAI ed è precedente al lancio di Google: non permette di classificare Gemini Decision 1 accanto ai modelli valutati. Analogamente, i tempi di modelli ospitati e di modelli eseguiti in locale non sono direttamente confrontabili.

Un secondo studio, TypedBench, pubblicato su arXiv nell’ottobre 2026, mostra che uno stesso modello può variare la probabilità quando la domanda viene riformulata. Nei test dei ricercatori, l’uso diretto delle probabilità in decisioni con costi di errore diversi può perfino peggiorare l’esito rispetto a una semplice selezione dell’opzione più probabile. Un punteggio di confidenza del 90% non garantisce nove risposte corrette su dieci: quella corrispondenza va verificata e, se serve, calibrata sui dati del processo.

La distinzione tra valutazione e azione è riassunta bene da TypeSafe, in una nota del 3 novembre: il modello esprime giudizi, il codice prende decisioni. In pratica, è utile poter ricostruire quale valutazione abbia inciso sul risultato e quale regola sia stata applicata. Solo così si può capire se correggere il modello, la domanda o il processo che lo utilizza.

Modelli decisionali e decision intelligence non sono la stessa cosa

Le nuove API vanno distinte dalle piattaforme di decision intelligence che esistono da anni. Il Magic Quadrant per le Decision Intelligence Platforms pubblicato da Gartner il 26 gennaio 2026 descrive sistemi che combinano modelli di decisione, analisi e AI per sostenere o automatizzare scelte aziendali. Ne fanno parte anche regole, ottimizzazione e gestione dei processi: un ambito molto più ampio del punteggio probabilistico restituito da una singola API.

Un’impresa che deve assegnare personale ai turni, per esempio, può usare un modello decisionale per interpretare la natura di una richiesta. Il rispetto dei contratti, dei vincoli di capacità e degli obiettivi di ottimizzazione è invece compito delle regole applicative o di un motore di pianificazione. Una guida tecnica di AI4Business spiega il funzionamento dei modelli decisionali e un’altra analisi confronta le soglie di confidenza e i modelli concorrenti.

L’abbassamento dei costi rende possibile inserire queste valutazioni in molti punti dello stesso processo. È un vantaggio, ma aumenta anche il rischio di propagare un errore su larga scala. Per limitarlo servono tracciabilità, controlli delle soglie e procedure che consentano di interrompere il flusso quando qualcosa non torna.

Quando le scelte incidono sulle persone: GDPR e AI Act

In un centro di assistenza, scegliere il reparto corretto o la priorità di un ticket può essere un compito circoscritto e reversibile. Il rifiuto di un servizio essenziale, la modifica di un contratto o una scelta con effetti sui diritti della persona richiedono invece verifiche diverse. Un’azienda dovrebbe distinguere errori facilmente correggibili e conseguenze difficili da annullare prima di attivare l’automazione; il ruolo delle soglie è trattato nell’approfondimento dedicato alla governance dei decision model.

Se una decisione basata unicamente su un trattamento automatizzato produce effetti giuridici o effetti analogamente significativi su una persona, occorre considerare l’articolo 22 del GDPR, comprese le eccezioni e le garanzie previste dalla norma, come il diritto di ottenere l’intervento umano nei casi pertinenti. Per i sistemi AI classificati ad alto rischio, l’articolo 14 dell’AI Act richiede misure di sorveglianza umana commisurate ai rischi e al contesto di impiego.

Il calendario europeo è stato modificato dal Digital Omnibus sull’AI: secondo il testo consolidato dell’articolo 113 dell’AI Act, le regole per i sistemi ad alto rischio dell’allegato III si applicheranno dal 2 dicembre 2027, mentre quelle per i sistemi incorporati nei prodotti disciplinati dall’allegato I dal 2 agosto 2028. Non si tratta di un rinvio generalizzato dell’intero AI Act: altre disposizioni seguono scadenze differenti. La qualificazione normativa dipende dal sistema concretamente utilizzato, non dal nome commerciale del modello.

Per rendere questi controlli effettivi occorre registrare i dati utilizzati, la versione del modello, le alternative offerte e le regole applicate. Nei casi che richiedono supervisione, l’operatore deve disporre degli elementi necessari a riesaminare il giudizio e, quando previsto, a modificarne l’esito. La revisione umana deve essere una parte progettata del processo, non un intervento improvvisato dopo un problema.

Come scegliere e provare un modello decisionale

La selezione può partire da un flusso circoscritto — classificare documenti o instradare ticket, senza effetti irreversibili — e da un campione di casi rappresentativi già verificati. Si confrontano Jev, Gemini Decision 1 e le alternative accessibili con le stesse domande e gli stessi esempi, misurando accuratezza (anche per classe), calibrazione delle probabilità, falsi positivi e falsi negativi, tempi di risposta, costo effettivo per pratica e percentuale di casi inviati alla supervisione umana. I test vanno ripetuti con formulazioni equivalenti, dati incompleti e situazioni ambigue, senza trasferire automaticamente i risultati dei benchmark generali ai processi aziendali.

Per chi gestisce documenti, chiamate o filmati è utile testare la multimodalità di Google, Clef-omni e le nuove varianti Liquid AI sui materiali realmente utilizzati. Quando la riservatezza richiede esecuzione locale, i pesi aperti di Clef e di alcune versioni d1 rappresentano un’opzione rispetto alle API gestite, ma introducono responsabilità per hardware, manutenzione, aggiornamenti, licenze e sicurezza. Nessuna singola caratteristica — prezzo, velocità, contesto o multimodalità — assegna da sola la vittoria a un fornitore.

Con l’arrivo di Google, le valutazioni probabilistiche diventano un componente sempre più accessibile per chi sviluppa agenti e applicazioni aziendali. La scelta, però, non si risolve contando le domande per richiesta o confrontando i prezzi per token. Un’impresa deve capire quali compiti affidare al modello, come verificarne gli errori e quando coinvolgere una persona. È su queste condizioni, più che sul primato dichiarato da un singolo produttore, che si misurerà il valore reale delle nuove API.