Decisions API sai do beta: o que muda na triagem com IA?

A Decisions API saiu do beta público em 22 de outubro de 2026. A OpenAI ampliou o limite de 200 para 400 perguntas por chamada e acrescentou cache, entrada JSON nativa e imagens nas instruções de cada pergunta. Para quem desenvolve atendimento, formulários e integrações, a mudança permite avaliar uma mesma solicitação por vários critérios antes de encaminhá-la, conforme o changelog oficial.

O uso mais interessante para uma agência ou operação digital é a triagem: separar suporte, orçamento e cobrança, apontar informações incompletas e preparar uma fila de revisão. A escolha editorial aqui é começar por um encaminhamento reversível. Criar contratos, devolver dinheiro ou alterar dados exige outras verificações no sistema.

Aplicação prática: defina as opções de destino e uma saída para revisão humana antes de escrever as perguntas. Uma categoria reconhecida pelo modelo só ajuda quando o fluxo sabe o que fazer com ela.

Decisions API: o que mudou em relação ao beta

Essas são mudanças da versão anunciada pela OpenAI, não uma estreia do conceito de classificar pedidos com IA. O blog já explicou a integração do GPT-Live com Decisions para voz, lançada em 15 de outubro. Neste caso, o foco é a disponibilidade geral e a triagem de solicitações escritas e estruturadas.

Escolha, probabilidade ou nota: qual resposta seu fluxo precisa?

A API recebe evidências e perguntas e devolve respostas tipadas. O endpoint é POST /v1/decisions, com gpt-6-luna. Há três tipos: choice, para escolher entre opções; predicate, para estimar a probabilidade de uma condição; e score, para avaliar níveis ordenados. O guia técnico detalha cada formato.

Para uma agência, “suporte”, “comercial” e “financeiro” são categorias sem ordem: cabe uma escolha. Já uma escala de impacto precisa de critérios escritos. “Urgente” pode significar site fora do ar para um cliente e apenas preferência de prazo para outro. Misturar as duas interpretações produz uma fila pouco útil, mesmo que a resposta esteja no formato correto.

Uma nota pode ter valor intermediário, pois combina probabilidades sobre os níveis definidos. Ela não deve ser tratada automaticamente como uma categoria inteira. Da mesma forma, uma probabilidade é uma estimativa do modelo; o limiar para automatizar depende da avaliação do seu processo.

Exemplo de triagem para uma agência que atende clientes online

Considere um cenário de implementação: o formulário recebe “minha loja parou de finalizar compras depois da atualização”, junto com a URL e uma captura do erro. O objetivo inicial é enviar o chamado à equipe correta e avisar que há possível impacto em vendas. Não é autorizar uma alteração no checkout.

1. Organize a entrada. Separe mensagem, identificação do cliente, URL, horário e anexos. Confira os campos obrigatórios antes de usar IA: um formulário vazio deve retornar ao solicitante, sem consumir uma classificação.
2. Restrinja os destinos. Use categorias que correspondam às suas filas e inclua uma opção de análise manual. Evite criar uma lista de departamentos que a empresa não possui.
3. Faça perguntas independentes. Categoria e presença de informação suficiente podem ser avaliadas sobre a mesma solicitação. Uma ação que dependa da categoria já escolhida deve ficar numa etapa posterior.
4. Valide a resposta recebida. Confira os nomes das perguntas, opções reconhecidas e a presença dos campos esperados. Se houver falha de rede ou resposta que o fluxo não consegue tratar, mantenha o chamado na fila de revisão.
5. Grave o resultado uma vez. Associe a classificação ao identificador do chamado. Uma repetição por timeout não deve criar outro ticket nem enviar um segundo aviso ao cliente.

A possibilidade de reunir perguntas independentes e separar as dependentes está no guia de múltiplas perguntas. As regras de campos, duplicidade e passagem a um responsável acima são decisões de implementação propostas para este cenário.

Quem pode usar no Brasil e como planejar o custo

O Brasil está na lista de países atendidos pela API. O anúncio de disponibilidade geral não prova que um projeto específico tem faturamento, permissões e limites suficientes: confira esses itens na conta antes de integrar.

O preço documentado para Decisions com Luna é US$ 0,10 por milhão de tokens de entrada sem cache, sem cobrança por saída. Gravações de cache são cobradas, leituras têm desconto e podem existir adicionais regionais e de contexto longo. Essa tarifa é do endpoint Decisions; não se aplica indiscriminadamente a outros usos do modelo.

Como cálculo ilustrativo, 10 milhões de tokens de entrada sem cache corresponderiam a US$ 1 nessa tarifa básica. Isso não informa quantos atendimentos cabem no valor: o tamanho das mensagens, instruções e imagens muda o consumo. Some hospedagem, execução da automação e manutenção. Uma assinatura do ChatGPT não substitui a contratação e o faturamento da API.

Como aproveitar o cache sem prometer economia fixa

Cache reutiliza um prefixo de contexto que permanece igual entre chamadas. A documentação de prompt caching explica que alterar o início da entrada pode impedir esse reaproveitamento. Por isso, coloque informações estáveis numa posição consistente e trate dados particulares de cada chamado separadamente.

Na Decisions, o trecho reutilizável corresponde à entrada compartilhada, e o mínimo documentado é de 1.024 tokens. As perguntas ficam fora desse prefixo, conforme a seção específica do recurso. Não aumente um contexto curto apenas para tentar obter desconto: primeiro compare o consumo real e o custo de cada modalidade.

Para avaliar uma integração, registre tokens, acertos de cache e tempo total entre recebimento e encaminhamento. Separe a duração da classificação da espera por servidor, CRM ou automação. Um modelo rápido não elimina uma consulta lenta no restante do fluxo.

Quando Structured Outputs continua sendo a escolha adequada

Se você precisa extrair nome, prazo, produto e descrição para um objeto próprio, considere Structured Outputs. Esse recurso permite definir um JSON Schema para a resposta. A Decisions faz mais sentido quando a saída desejada já cabe numa escolha, probabilidade ou avaliação delimitada.

Os dois formatos podem ocupar etapas diferentes: extrair os campos de um pedido e depois escolher uma fila. Ainda assim, avalie se uma segunda chamada resolve um problema concreto. Se regras determinísticas já encaminham pedidos com número de contrato ou assunto bem definido, mantenha essas regras e reserve IA para a parte ambígua.

Checklist antes de conectar ao atendimento real

• Monte uma amostra de solicitações em português, incluindo textos curtos, erros de digitação e pedidos com mais de uma intenção.
• Defina o destino esperado com quem atende os clientes e separe casos de avaliação daqueles usados para ajustar instruções.
• Compare erros por categoria. Encaminhar suporte para comercial pode ser tolerável em alguns processos; ignorar um checkout interrompido pode exigir outra prioridade.
• Teste indisponibilidade, anexos ilegíveis, campos ausentes e reenvio do mesmo identificador.
• Comece registrando sugestões para conferência humana. Só automatize as rotas que atingirem os critérios definidos pela equipe.

Perguntas frequentes

Preciso enviar 400 perguntas para usar o recurso?

Não. Quatrocentas é o teto por chamada, não uma recomendação de desenho. Para um formulário simples, poucas perguntas pertinentes facilitam revisar os resultados e manter a integração.

A classificação pode responder diretamente ao cliente?

Uma escolha de fila não é uma mensagem pronta nem comprovação de que o problema foi resolvido. Se houver envio automático, mantenha um texto coerente com a etapa confirmada: chamado recebido e encaminhado, por exemplo.

Vale migrar uma automação que já funciona?

Vale comparar se o processo depende de respostas curtas e delimitadas e se custo ou tempo são um problema medido. Para pouca demanda, regras claras ou uma revisão manual podem continuar suficientes.

Por onde começar

A disponibilidade geral torna a Decisions API uma candidata para triagem em sistemas de atendimento e operações digitais. Comece por uma fila, critérios escritos e uma amostra representativa. Se a avaliação mostrar benefício no seu processo, conecte a classificação à automação com registro, tratamento de falhas e possibilidade de revisão.