Google presentó una nueva interfaz de programación de aplicaciones (API) llamada Decisions para su modelo Gemini, un movimiento que busca separar la capa de juicio automático de la generación de texto. La propuesta: que Gemini no solo responda, sino que decida qué modelo debe ejecutarse, qué herramienta puede abrirse o si una consulta debe escalarse, con una latencia de 150 a 250 milisegundos y un costo de 0.10 dólares por millón de tokens de entrada.
La noticia importa para México y América Latina porque las empresas de la región están adoptando rápidamente asistentes de IA, pero muchas veces sin controles de costo ni de seguridad. Una capa de decisión barata y rápida podría cambiar la forma en que se construyen los productos digitales en la región, desde la atención al cliente hasta el filtrado de contenido.
¿Qué es exactamente la API Decisions?
Según el anuncio de Google, la API Decisions está diseñada para evaluar hasta 1,000 preguntas acotadas contra una sola entrada multimodal. Es decir, se puede enviar un texto, una imagen, un audio, un video o un PDF, y hacer muchas preguntas independientes sobre ese mismo insumo. El modelo Gemini Decision 1 no genera texto token por token, sino que puntúa opciones candidatas en una sola pasada y devuelve probabilidades y niveles de confianza.
La diferencia es clave: gran parte del trabajo de IA en producción no consiste en “escribir la respuesta”, sino en decidir si un mensaje requiere un modelo más grande, si una entrada viola una regla, si un documento cumple con una rúbrica o si se debe permitir una llamada a herramienta. Esas tareas tienen forma de clasificador, pero los equipos han usado modelos de chat generales porque estaban disponibles y eran flexibles. Google ahora les da una superficie de producto propia.
Rendimiento y precio: las afirmaciones de Google
Google asegura que la API puede procesar entradas de hasta 256,000 tokens, aunque su referencia de latencia se describe para contextos de hasta 16,000 tokens. La compañía afirma que el cómputo mediano del modelo es de 50 a 100 milisegundos, y que la latencia de extremo a extremo se mantiene casi plana entre 1 y 100 preguntas por solicitud en su descripción de referencia.
En cuanto al precio, Google dice que no se cobran tokens de salida y que Gemini Decision 1 a través de la API Decisions es casi cinco veces más barato que Gemini 3.5 Flash-Lite a través de la API Interactions, según un conjunto de pruebas compartido. Estas son afirmaciones del proveedor, no mediciones independientes.
La narrativa de los modelos de frontera ha acostumbrado a los compradores a comparar inteligencia en el punto de respuesta. Google empuja otra pregunta de adquisición: ¿cuántos juicios pequeños se pueden hacer de forma barata como para colocarlos delante de cada respuesta?
Usuarios iniciales: más allá de los chatbots
Los primeros usuarios que menciona Google no son los típicos creadores de chatbots. Son equipos que construyen enrutadores, capas de seguridad, calificadores y controles de producto. Por ejemplo, Gemini Notebook usa la API para dirigir consultas entrantes al nivel de modelo y de razonamiento adecuado, con una reducción de hasta 40% en latencia para consultas cotidianas. Google Search la usa para detectar comportamiento adversario y contenido frente a evaluaciones adversariales dentro de un margen de latencia.
Esto apunta a un comprador interno distinto: equipos de plataforma, de confianza y seguridad, de automatización de soporte y de infraestructura de IA. Ellos son dueños de los puntos de decisión donde los sistemas generativos se vuelven caros o riesgosos.
Para las startups que construyen middleware de evaluación, enrutamiento o políticas, esto también es una advertencia. Google está empaquetando un calificador multimodal nativo en el mismo ecosistema donde los desarrolladores ya llaman a Gemini. La capa defendible se desplaza de “podemos llamar a un modelo para clasificar esto” al diseño de flujos de trabajo, la auditabilidad, la gestión de políticas y la prueba de que las decisiones se sostienen en el dominio del cliente.
Lo que no se sabe y por qué importa
Google afirma que Gemini Decision 1 lidera en pruebas de enrutamiento de agentes, razonamiento, ranking y comprensión multimodal, con el error de calibración más bajo. El anuncio no proporciona suficiente detalle independiente para tratarlo como un hecho establecido.
Las incógnitas son la parte importante. No se sabe cómo se comporta la calibración en taxonomías empresariales desordenadas, cómo derivan las probabilidades entre dominios, cómo deberían los clientes auditar las puntuaciones de rúbrica o cómo rinde la API en el techo declarado de 256,000 tokens. Tampoco se sabe si los desarrolladores confiarán en una capa de decisión probabilística para llamadas de política de alto riesgo sin mecanismos claros de monitoreo y apelación.
Los puntajes de confianza son útiles solo si son confiables en el límite. Una mala respuesta es visible. Una mala puerta de decisión puede ser silenciosa.
El disparador: adopción más allá de los ejemplos de Google
El factor decisivo será la adopción fuera de los casos que Google mismo cita. Si los desarrolladores comienzan a colocar llamadas a Decisions API antes del uso de herramientas, la selección de modelos, las verificaciones de seguridad y la calificación de contenido, Google habrá creado una capa de bajo roce entre la intención del usuario y la acción de la IA. Eso es más trascendente que otra función de chatbot.
Los agentes necesitan frenos, enrutadores y jueces. Google acaba de argumentar que esos componentes deben ser rápidos, baratos, multimodales y vendidos como una primitiva. La pregunta abierta es si los equipos en México y América Latina, que a menudo operan con presupuestos ajustados y necesidades de cumplimiento normativo, adoptarán esta capa para gobernar sus implementaciones de IA o si seguirán parcheando con modelos generales.
Nota de reporteo: este análisis se basa en el anuncio de Google. Las afirmaciones de rendimiento, precio y ejemplos de uso interno son declaraciones de la compañía, no benchmarks verificados de forma independiente.