Google lança Gemini Decision 1: decisões a partir de vídeo por US$ 0,10 por milhão de tokens

Uma solicitação chega ao suporte com uma foto de um produto danificado. O aplicativo precisa identificar o tipo de problema, escolher o departamento e determinar se é necessária uma revisão manual. Em geral, não há motivo para gerar vários parágrafos de explicação para isso. O Google lançou a Gemini Decisions API: o desenvolvedor fornece o material e as respostas permitidas, e o modelo Gemini Decision 1 retorna pontuações que o código usa em seguida.

O interesse prático está na possibilidade de transferir verificações repetitivas para uma chamada separada. Por exemplo, primeiro distribuir as solicitações e só depois encaminhar os casos complexos a uma pessoa ou a um modelo que prepare a resposta ao cliente. Para a equipe, é uma oportunidade de verificar quanto tempo e dinheiro são gastos hoje na geração de texto para tomar uma única decisão operacional.

O que o aplicativo recebe

Segundo o anúncio do Google, a API aceita texto, imagens, áudio, vídeo e PDF. Há suporte a três tipos de pergunta: sim/não, escolha entre opções predefinidas e avaliação segundo uma escala descrita. O preço é de US$ 0,10 por milhão de tokens de entrada; não há cobrança por tokens de saída.

Imagine um serviço de vistoria de apartamentos na entrega das chaves. O usuário envia um vídeo de um cômodo com o comentário: “Depois da chuva, apareceu água perto da janela”. A equipe pode formular várias perguntas independentes: há sinais visíveis de infiltração, para qual especialista a solicitação deve ser encaminhada e com que urgência é necessária uma vistoria? Esse é um exemplo de aplicação possível, e não um resultado publicado de testes do produto.

A qualidade desse processo começa na formulação das perguntas. “Está tudo normal aqui?” deixa margem demais para interpretação. É mais útil listar sinais observáveis e descrever as categorias: água no chão, manchas na parede, danos ao acabamento. A avaliação da urgência também exige critérios claros; caso contrário, será difícil associar um número a uma ação.

Por que 92% ainda não é uma garantia

Simon Willison testou a API com um vídeo de um robô. Ele perguntou se havia um dragão ou um robô na imagem e se a ação se passava na França ou nos Estados Unidos. Na resposta apresentada, a probabilidade de haver um robô foi de aproximadamente 92,3%, e a de haver um dragão, de cerca de 5%. Para os Estados Unidos, o modelo retornou aproximadamente 92,3%; para a França, 8,3%.

Esse experimento mostra o formato da resposta e a capacidade de processar aquele vídeo específico. Ele não estabelece a precisão do modelo em vídeos quaisquer. E, principalmente, uma estimativa de 92% não significa, por si só, que exatamente 92 de cada cem decisões semelhantes estarão corretas. Essa correspondência precisa ser verificada com exemplos rotulados da própria tarefa.

A geografia traz uma armadilha adicional. Reconhecer um objeto com confiança e determinar o país onde a gravação foi feita são tarefas diferentes. A imagem pode conter indícios suficientes para identificar um robô, mas informações insuficientes sobre o local. Se um erro tiver impacto financeiro ou afetar o acesso do usuário a um serviço, é útil prever um resultado de “informações insuficientes” e um caminho para revisão manual.

Como avaliar a utilidade antes da implementação

Eu começaria por uma operação que o produto já executa regularmente: distribuir solicitações, verificar se um documento está completo ou escolher a próxima ferramenta de um agente. A primeira comparação exige exemplos reais com respostas corretas conhecidas, incluindo casos difíceis: fotos ruins, comentários contraditórios e vários problemas ao mesmo tempo.

Em seguida, vale medir três coisas: a proporção de decisões incorretas, o tempo de processamento e o custo total por solicitação. O preço por milhão de tokens ajuda a comparar tarifas, mas o produto paga pelo material processado. Um vídeo longo e uma solicitação curta em texto podem ter custos muito diferentes. Chamadas repetidas e revisão manual também entram na conta.

O limiar de automação deve ser escolhido de acordo com o custo do erro. Uma etiqueta atribuída incorretamente costuma ser fácil de corrigir. Já uma reclamação rejeitada por engano gera um conflito com o cliente. Por isso, a mesma pontuação do modelo pode permitir uma ação automática em um processo e exigir revisão em outro.

Vale testar a Gemini Decisions API em situações nas quais as opções de ação são conhecidas de antemão. É possível começar em modo de observação: salvar as decisões do modelo ao lado das decisões dos funcionários, analisar as divergências e só depois ativar o processamento automático. Assim, a equipe poderá responder à pergunta principal: a nova API ajuda o seu produto especificamente?