OpenAI Decisions API 2026: 8 pruebas para decisiones automáticas

OpenAI hizo generalmente disponible Decisions API el 22 de octubre de 2026. El nuevo endpoint está pensado para preguntas con respuestas acotadas: estimar una probabilidad, elegir entre opciones predefinidas o puntuar un caso según una rúbrica. Puede evaluar texto, imágenes y JSON, y utiliza GPT-6 Luna como único modelo compatible en el lanzamiento.

Para una pyme, una agencia o un equipo de producto en España, la novedad no consiste en “dejar que la IA decida todo”. Consiste en separar una microdecisión repetitiva —clasificar, priorizar o enrutar— del resto del flujo. Esa separación puede reducir latencia y coste, pero también puede convertir un error pequeño en una acción automática si no existen umbrales, revisión y reversión.

Una respuesta rápida no es todavía una decisión operativa segura. El valor aparece cuando el equipo define las opciones permitidas, mide la precisión con casos reales, envía la baja confianza a una persona y comprueba el resultado en el sistema de destino. Esta guía transforma el anuncio en un piloto de ocho pruebas, sin prometer productividad, ahorro, alcance, ventas ni conversiones.

Tabla de contenidos

• Qué ha lanzado OpenAI con Decisions API
• Por qué importa (Why this matters): decidir no es ejecutar
• Qué está verificado y qué sigue sin probarse
• Decisions API: matriz para elegir un caso de uso
• Ocho pruebas antes de automatizar una decisión
• Un piloto de 14 días para equipos en España
• Preguntas frecuentes (FAQ) sobre Decisions API
• Fuentes (Sources): lanzamiento, documentación y datos
• Recursos relacionados (Related Resources) para operar con control

Qué ha lanzado OpenAI con Decisions API

Decisions API recibe un conjunto de instrucciones y contexto, y devuelve uno de tres tipos de respuesta. Predicate estima una probabilidad entre cero y uno; choice selecciona un valor dentro de una lista preparada por el desarrollador; y score calcula una puntuación sobre niveles ordenados. OpenAI propone usos como clasificar contenido, enrutar solicitudes y priorizar trabajo.

La disponibilidad general añade caché de prompts, JSON nativo, imágenes dentro de las instrucciones, historial de conversación, informes de uso por organización y hasta 400 preguntas por solicitud, el doble del límite anterior. También incorpora integración nativa con GPT-Live.

OpenAI afirma que el endpoint puede responder hasta diez veces más rápido que GPT-6 Luna mediante Responses API. Esa comparación es una afirmación del proveedor, no un resultado universal. En la misma publicación, clientes como Box, Datadog, Ramp, Sierra y Speak describen pruebas propias con mejoras distintas de velocidad, coste o enrutado. Esos ejemplos sirven para formular hipótesis, no para asumir el mismo rendimiento en otro flujo.

El precio publicado es de 0,10 dólares por millón de tokens de entrada y 0,01 dólares para entrada en caché, sin cargos por tokens de salida. El equipo debe comprobar la guía vigente antes de presupuestar, porque tarifas, modos de caché y disponibilidad regional pueden cambiar después de esta publicación.

Por qué importa (Why this matters): decidir no es ejecutar

Decisions API delimita la respuesta, pero no controla automáticamente lo que ocurre después. Una elección como “aprobar”, “rechazar” o “revisar” puede alimentar una cola interna, una herramienta de soporte, un gestor de campañas o un proceso de publicación. El riesgo real depende de la capa que convierte esa salida en una consecuencia.

Para un equipo de contenidos, un caso razonable podría ser clasificar una pieza como “lista para revisión”, “falta fuente” o “fuera de tono”. Un mal primer caso sería publicar directamente basándose en esa etiqueta. Para atención al cliente, puede orientar una consulta hacia facturación, soporte técnico o revisión humana; no debería cancelar una cuenta ni emitir un reembolso sin un control adicional.

• Decisión: la salida acotada que produce la API.
• Umbral: la confianza mínima para seguir sin intervención.
• Acción: el cambio que otra parte del sistema ejecuta.
• Prueba: el registro que permite reconstruir entrada, salida y resultado.

Separar esas cuatro capas evita un error común: tratar la probabilidad del modelo como certeza del negocio. Una puntuación puede ayudar a ordenar trabajo, pero el equipo sigue siendo responsable de los datos, la regla, el impacto y la vía de recurso.

Qué está verificado y qué sigue sin probarse

Está verificado que Decisions API está disponible de forma general, usa el endpoint /v1/decisions, admite texto, imágenes y JSON, y devuelve predicate, choice o score. La documentación indica que GPT-6 Luna es el único modelo compatible actualmente. También confirma el nuevo límite de 400 preguntas por solicitud y la integración con GPT-Live.

OpenAI publica procesamiento regional para Estados Unidos y Europa —Espacio Económico Europeo y Suiza—, pero advierte que disponibilidad regional no siempre significa que toda inferencia ocurra en la región. La residencia se configura por proyecto o endpoint y tiene requisitos adicionales fuera de Estados Unidos. Los datos del sistema, metadatos, infraestructura del cliente y servicios de terceros pueden quedar fuera del alcance de esa residencia.

La página de controles de datos indica que /v1/decisions no usa el contenido del cliente para entrenamiento, conserva por defecto registros de supervisión de abuso hasta 30 días y es elegible para Zero Data Retention para clientes aprobados, con límites específicos. La caché puede mantener representaciones cifradas temporalmente y las imágenes tienen excepciones de seguridad. “Procesamiento europeo” no debe resumirse como “ningún dato sale nunca de Europa”.

No están probadas una precisión mínima universal, una tasa de error por sector, una reducción garantizada de coste, un retorno comercial, una ausencia de sesgos ni la idoneidad para decisiones legales, financieras, laborales, médicas o de seguridad. Cada equipo necesita su propio conjunto de evaluación y una revisión proporcional al daño posible.

Decisions API: matriz para elegir un caso de uso

La matriz no certifica el producto. Sirve para escoger un caso cuya utilidad pueda medirse sin convertir un experimento de clasificación en autoridad automática sobre personas, dinero, cuentas o publicaciones.

Ocho pruebas antes de automatizar una decisión

1. Congela una sola pregunta. Escribe la decisión exacta, las opciones permitidas y ejemplos de lo que queda fuera. Si el equipo no puede acordar la regla sin IA, todavía no tiene un objetivo evaluable.
2. Construye una muestra propia. Reúne casos normales, ambiguos, adversariales, incompletos y de distintos canales. Separa entrenamiento del criterio, prueba y una muestra final que nadie ajuste durante el piloto.
3. Define el coste del error. Distingue falso positivo y falso negativo. En un enrutado de soporte, ambos cuestan tiempo; en moderación, fraude o acceso, las consecuencias pueden ser muy diferentes.
4. Prueba las tres salidas. Compara probabilidad, elección y puntuación. Usa la forma más simple que represente la decisión y no conviertas una escala continua en precisión imaginaria.
5. Añade baja confianza. Aunque choice devuelva una opción, utiliza probabilidades, márgenes o reglas propias para desviar casos dudosos a revisión humana. Mide cuántos casos terminan allí.
6. Separa decisión y efecto. Durante la primera fase, la API solo etiqueta o recomienda. Una segunda capa, visible y reversible, decide si crea un borrador, mueve una tarjeta o pide confirmación.
7. Audita datos, región y retención. Verifica el proyecto, endpoint, categorías de datos, caché, registros, Zero Data Retention si aplica y cualquier tercero conectado. Guarda la política, no secretos ni payloads sensibles innecesarios.
8. Lee el destino. Reabre la cola, registro o borrador exacto. Compara la acción con la decisión prevista, mide correcciones y confirma que desactivar la integración detiene nuevas operaciones.

Un piloto de 14 días para equipos en España

En los días uno y dos, selecciona una decisión frecuente de bajo impacto. Documenta cómo se resuelve hoy, cuánto tarda, qué errores aparecen y quién puede corregirla. Reserva una muestra final que nadie utilice para ajustar instrucciones.

Entre los días tres y cinco, prueba en el Playground y luego en un entorno aislado. Compara Decisions con la regla manual actual y, si existe, con Responses API. Mide exactitud por clase, tiempo p50 y p95, coste por mil casos, porcentaje enviado a revisión y desacuerdos entre revisores humanos.

De los días seis al diez, conecta una sola entrada real, pero mantén el modo recomendación. Incluye entradas vacías, idiomas mezclados, imágenes borrosas, JSON inesperado e instrucciones hostiles. Comprueba que el sistema deriva a una persona lo que no puede interpretar.

En los días once y doce, permite una acción reversible, como mover una tarjeta entre colas o crear un borrador interno. No combines esa fase con envíos, publicación pública, compras, cambios de permisos, decisiones sobre personas ni borrado. Conserva un interruptor claro y un registro por caso.

En los días trece y catorce, revisa los errores, la carga de supervisión y la economía completa. Elige entre ampliar el mismo caso, ajustar el umbral, volver a recomendación, cambiar de herramienta o detener el piloto. El criterio de éxito no es que la API responda rápido; es que el flujo completo mejore sin ocultar errores ni trasladar riesgo.

Preguntas frecuentes (FAQ) sobre Decisions API

¿Qué diferencia hay entre Decisions API y Responses API?
Decisions devuelve probabilidad, elección o puntuación para una pregunta acotada. La documentación recomienda Responses con Structured Outputs cuando se necesita un objeto con esquema propio, una explicación escrita o una llamada a herramienta con argumentos.

¿Puedo hacer 400 decisiones en una sola solicitud?
OpenAI permite hasta 400 preguntas por petición. Eso no demuestra que agrupar siempre sea mejor: mide latencia, tamaño de contexto, correlación de errores, límites de servicio y facilidad de reintento para tu caso.

¿La residencia europea elimina todos los riesgos de datos?
No. Procesamiento regional, almacenamiento regional, registros de abuso, caché, metadatos y terceros tienen alcances distintos. Configura el proyecto correcto y valida el contrato de datos antes de enviar información real.

¿Puede Decisions API publicar o gastar dinero?
La API produce una decisión tipada. Solo habrá publicación, compra o cambio externo si otra parte del sistema convierte esa salida en acción. Mantén esas acciones fuera del primer piloto y añade aprobación separada cuando sean necesarias.

Fuentes (Sources): lanzamiento, documentación y datos

Fuentes consultadas el 25 de octubre de 2026:

• El anuncio oficial de OpenAI sobre Decisions API establece la disponibilidad general, GPT-6 Luna, velocidad declarada, casos de clientes, integración con GPT-Live, límite de preguntas, precio y procesamiento regional.
• La guía técnica de Decisions API documenta el endpoint, tipos de respuesta, entradas compatibles, único modelo actual, diferencias frente a Responses API y capacidades añadidas desde la beta.
• La documentación de controles de datos de OpenAI detalla entrenamiento, registros de abuso, elegibilidad de Zero Data Retention, caché, imágenes y límites de residencia y procesamiento regional.

Las comparaciones de velocidad, coste y resultados de clientes se atribuyen a OpenAI y a las empresas citadas en su lanzamiento. No se presentan como auditorías independientes ni como resultados garantizados para equipos españoles.

Recursos relacionados (Related Resources) para operar con control

Para comparar otro enfoque de control, consulta la auditoría de nueve pasos para agentes Gemini en empresas españolas. Ese recurso cubre permisos, conectores y acciones de un agente; esta guía se concentra en una microdecisión acotada antes de que otra capa actúe.

Si necesitas convertir el piloto en un proceso medible, explora Crescitaly Services para estrategia, automatización y control operativo. Empieza con una decisión, una muestra, un umbral, un responsable y una lectura independiente del resultado.

Cuando el flujo de creación, revisión y medición sea estable, revisa el Crescitaly SMM Panel para distribución social controlada. Mantén separadas la clasificación, la aprobación, la publicación y la medición; ninguna puntuación del modelo debe sustituir la verificación en el canal final.