ลูกค้าส่งรูปแก้วที่แตกมาพร้อมข้อความขอความช่วยเหลือ งานแรกของร้านอาจยังไม่ใช่การเขียนคำตอบที่สุภาพที่สุด แต่เป็นการแยกให้ออกว่าเกิดอะไรขึ้น ควรส่งเรื่องให้ทีมไหน และต้องให้คนเข้ามาดูทันทีหรือไม่ งานเล็ก ๆ เหล่านี้เกิดซ้ำทั้งวัน และไม่จำเป็นต้องได้คำตอบเป็นย่อหน้าทุกครั้ง
Google เปิดตัว Gemini Decisions API เมื่อวันที่ 11 พฤศจิกายน 2026 เพื่อให้นักพัฒนานำ AI มาช่วยงานลักษณะนี้โดยเฉพาะ ผู้พัฒนากำหนดคำถามและตัวเลือกที่ยอมรับไว้ก่อน แล้วให้โมเดล Gemini Decision 1 ประเมินข้อมูลและส่งผลกลับมาเป็นความน่าจะเป็น ตัวเลือก หรือคะแนน พร้อมค่าความมั่นใจ แทนการแต่งข้อความอธิบายยาว ๆ
API คือช่องทางที่แอปเรียกใช้ความสามารถของระบบอื่น ดังนั้นสิ่งที่เปิดตัวครั้งนี้จึงเป็นเครื่องมือสำหรับนำไปต่อยอดในแอป ไม่ใช่ฟีเจอร์แชตใหม่ที่ผู้ใช้ทุกคนจะเห็นในแอป Gemini ทันที จุดที่น่าสนใจคือแอปสามารถนำผลไปคัดแยกงานหรือส่งต่อได้โดยไม่ต้องรออ่านและแปลความคำตอบที่ AI เขียนขึ้นมาอีกชั้น
ส่งข้อมูลครั้งเดียว ถามได้หลายเรื่องที่แยกจากกัน
Decisions API รับได้ทั้งข้อความ ภาพ เสียง วิดีโอ และไฟล์ PDF และนำข้อมูลหลายชนิดมาใช้ร่วมกันได้ เช่น รูปสินค้าคู่กับข้อความจากลูกค้า จากนั้นผู้พัฒนากำหนดได้ว่าจะถามแบบใช่หรือไม่ เลือกหนึ่งคำตอบจากรายการ หรือให้คะแนนตามเกณฑ์ที่เรียงระดับไว้
ลองนึกถึงตัวอย่างสมมติของร้านออนไลน์ที่ได้รับรูปแก้วแตก ร้านอาจถามว่า ‘ภาพแสดงความเสียหายของสินค้าหรือไม่’ ให้เลือกทีมรับเรื่องระหว่างทีมเปลี่ยนสินค้า ทีมชำระเงิน และทีมทั่วไป แล้วประเมินความเร่งด่วนตามเกณฑ์ของร้าน ทั้งหมดนี้ใช้ข้อมูลชุดเดียวกันได้ โดยไม่ต้องส่งภาพซ้ำแยกเป็นสามคำขอ
แต่คำถามเหล่านี้ทำงานแยกจากกัน คำถามเลือกทีมไม่ได้อ่านคำตอบจากคำถามตรวจความเสียหาย หากร้านต้องการให้ผลหนึ่งเป็นเงื่อนไขของอีกผล ผู้พัฒนาต้องนำคำตอบมาเชื่อมกันในโค้ด หรือเรียก API รอบถัดไป ความสามารถในการถามหลายเรื่องจึงไม่เท่ากับการสั่งให้ AI วางแผนและทำงานต่อเนื่องด้วยตัวเอง

ค่าความมั่นใจไม่ได้แปลว่าคำตอบถูกแน่นอน
คำถามแบบใช่หรือไม่ใช้ชื่อชนิดข้อมูลว่า noul และคืนค่าความน่าจะเป็นที่คำตอบจะเป็น ‘ใช่’ ส่วนคำถามแบบเลือกคำตอบคืนทั้งตัวเลือกที่ได้อันดับสูงสุดและความน่าจะเป็นของทุกตัวเลือก สำหรับการให้คะแนน ผู้พัฒนาระบุเกณฑ์เป็นระดับเริ่มจากศูนย์ แล้วโมเดลคืนคะแนนถ่วงน้ำหนักตามความน่าจะเป็น จึงไม่จำเป็นต้องได้จำนวนเต็มเสมอไป
สิ่งที่ต้องอ่านให้ถูกคือ ‘ความน่าจะเป็นที่คำตอบเป็นใช่’ กับ ‘ค่าความมั่นใจ’ ไม่ใช่ค่าเดียวกันในทุกกรณี หากโมเดลเห็นว่าโอกาสเป็นใช่ต่ำมาก ก็อาจมั่นใจสูงว่าคำตอบควรเป็นไม่ใช่ ภาพประกอบด้านล่างใช้ตัวเลขสมมติเพื่อแสดงความต่างนี้ ไม่ใช่ผลทดสอบจาก API
Google แนะนำให้เลือกเกณฑ์ความมั่นใจจากข้อมูลจริงที่ทีมตรวจคำตอบไว้แล้ว แทนการหยิบตัวเลขหนึ่งมาใช้กับทุกงาน งานคัดเข้าคิวผิดกับงานคืนเงินผิดมีผลเสียไม่เท่ากัน สำหรับการจ่ายเงินหรือการกระทำที่มีผลกระทบสูง ควรมีคนหรือขั้นตอนตรวจอีกชั้น และทดสอบกรณีที่ข้อความจากผู้ใช้พยายามชักจูงให้ระบบจัดประเภทตามที่ต้องการด้วย

ใช้แทนส่วนไหนของแอป และส่วนไหนยังต้องใช้เครื่องมือเดิม
Decisions API เหมาะกับงานที่รู้ขอบเขตคำตอบอยู่แล้ว เช่น เลือกทีมรับเรื่อง เลือกโมเดลที่จะจัดการคำถาม ตรวจเนื้อหาตามกฎหลายข้อ หรือจัดอันดับข้อมูลตามเกณฑ์ ขณะที่การเขียนคำตอบถึงลูกค้า สรุปเอกสาร อธิบายเหตุผล ดึงข้อมูลเป็นโครงสร้างที่ออกแบบเอง หรือเรียกเครื่องมือพร้อมรายละเอียดคำสั่ง ยังเป็นงานของ API สำหรับสร้างคำตอบ เช่น Interactions API
ในตัวอย่างร้านค้า ผลที่เลือก ‘ทีมเปลี่ยนสินค้า’ ไม่ได้ทำให้ระบบออกคำสั่งเปลี่ยนสินค้าให้เอง ผู้พัฒนาต้องกำหนดว่าแอปจะทำอะไรกับผลนั้น และยังต้องตรวจเงื่อนไขที่แน่นอน เช่น ยอดเงินหรือวันหมดสิทธิ์ในโค้ดตามปกติ เอกสารของ Google เองก็แนะนำให้เปรียบเทียบตัวเลข วันที่ และช่วงเวลาในโค้ดก่อนส่งข้อมูลที่เกี่ยวข้องให้โมเดลประเมิน
หนึ่งคำขอถามได้สูงสุด 1,000 ข้อ โดยข้อมูลและคำถามทั้งหมดต้องอยู่ในขอบเขตรวม 262,144 โทเคน ซึ่งเป็นหน่วยที่โมเดลใช้ประมวลผล ไม่ใช่จำนวนคำโดยตรง คำถามแบบเลือกคำตอบรองรับ 2–255 ตัวเลือก ขณะเดียวกันบริการนี้ยังไม่รองรับ Batch API หรือการเก็บบริบทไว้ใช้ซ้ำแบบ context caching การส่งข้อมูลเดิมในคำขอใหม่จึงนับข้อมูลเข้าใหม่เต็มจำนวน
เร็วขึ้นจากการไม่ต้องสร้างข้อความ แต่ต้องอ่านเงื่อนไขตัวเลขด้วย
โมเดลทั่วไปที่ตอบเป็นข้อความต้องสร้างคำตอบทีละโทเคน แต่ Gemini Decision 1 ให้คะแนนตัวเลือกในการประมวลผลรอบเดียว Google รายงานเวลาโดยรวมค่ามัธยฐานประมาณ 150–250 มิลลิวินาที ในการทดสอบที่ใช้บริบทยาวไม่เกิน 16K โทเคน และระบุว่าเวลาแทบไม่เพิ่มเมื่อเพิ่มคำถามจาก 1 เป็น 100 ข้อ
ตัวเลขนี้เป็นผลที่ Google รายงาน ไม่ใช่การทดสอบของบทความ และไม่ใช่คำรับรองว่าจะได้ความเร็วเท่ากันเมื่อใส่ข้อมูลเต็มขอบเขตหรือถามครบ 1,000 ข้อ ทีมที่พัฒนาแอปในไทยยังต้องวัดเวลาจริงจากระบบของตน รวมทั้งตรวจว่าตอบคำถามภาษาไทยและอ่านข้อมูลในงานของตนได้ดีเพียงใด
ราคาเริ่มจากข้อมูลเข้า ไม่มีค่าโทเคนคำตอบ
ราคาที่ Google ประกาศสำหรับแพ็กเกจแบบเสียเงินคือ 0.10 ดอลลาร์สหรัฐต่อข้อมูลเข้า 1 ล้านโทเคน ครอบคลุมข้อความ ภาพ วิดีโอ เสียง และ PDF โดยไม่มีค่าโทเคนคำตอบ เพราะโมเดลไม่ได้สร้างข้อความคำตอบ ข้อมูลชุดเดียวกันคิดครั้งเดียวต่อคำขอ แต่คำสั่ง เกณฑ์ และส่วนจัดรูปแบบของแต่ละคำถามยังเพิ่มจำนวนโทเคนที่ต้องคิดค่าใช้จ่าย จึงไม่ใช่ว่าถามเพิ่มเท่าไรก็ไม่มีต้นทุนเพิ่มเลย
มีแพ็กเกจใช้ฟรีสำหรับเริ่มทดลองด้วย แต่จำนวนคำขอและโทเคนที่ใช้ได้ขึ้นอยู่กับโควตาของโปรเจกต์ ต้องตรวจใน Google AI Studio อีกครั้ง ราคานี้เป็นราคาการใช้ API ไม่ใช่ค่าสมาชิกแอป Gemini
ก่อนทดลองกับข้อความลูกค้าหรือเอกสารจริง ควรอ่านเงื่อนไขการใช้ข้อมูลด้วย ตารางราคาของ Google ระบุว่าข้อมูลในแพ็กเกจฟรีถูกใช้เพื่อปรับปรุงผลิตภัณฑ์ ส่วนแพ็กเกจเสียเงินระบุว่าไม่ใช้เพื่อจุดประสงค์นั้น ข้อความนี้ไม่ได้แปลว่าไม่มีการเก็บข้อมูลใด ๆ การเริ่มด้วยข้อมูลตัวอย่างที่ไม่มีข้อมูลส่วนบุคคลจึงเหมาะกว่าการนำงานจริงทั้งชุดเข้าไปทันที
นักพัฒนาไทยเริ่มจากงานคัดแยกเล็ก ๆ ได้ก่อน
ขณะเปิดตัว Decisions API ใช้ได้ผ่าน Gemini Developer API รุ่น v1beta ด้วยโมเดลรหัส gemini-decision-1 เอกสารมีตัวอย่าง Python, JavaScript และ REST โดยตัวอย่าง SDK ต้องใช้รุ่น 3.2 ขึ้นไป ผู้พัฒนาสร้าง API key และลองตัวอย่างใน Google AI Studio ได้ ส่วนการรองรับบน Google Cloud นั้นประกาศเปิดตัวยังระบุว่าจะตามมา ไม่ควรถือว่าทุกช่องทางพร้อมเหมือนกันแล้ว
ไทยอยู่ในรายชื่อประเทศที่ใช้ Google AI Studio และ Gemini API ได้ แต่การมีรายชื่อประเทศรองรับไม่ใช่หลักฐานว่าโมเดลแม่นกับภาษาไทยทุกประเภท ทางเริ่มต้นที่ตรวจสอบผลได้คือเลือกงานคัดแยกเรื่องหนึ่ง รวบรวมตัวอย่างที่คนตรวจคำตอบไว้แล้ว เขียนเกณฑ์ให้ชัด และเทียบผลก่อนนำไปเชื่อมกับการทำงานจริง
สำหรับร้านค้า อาจเริ่มเพียงให้ระบบเสนอทีมรับเรื่อง แล้วให้เจ้าหน้าที่เป็นคนยืนยัน เมื่อเห็นแล้วว่าพลาดกับข้อความหรือภาพแบบใดบ่อย จึงค่อยปรับเกณฑ์และพิจารณาว่างานส่วนไหนเหมาะจะทำอัตโนมัติ ความสะดวกของ API นี้อยู่ที่การช่วยประเมินตัวเลือกให้เร็วขึ้น ส่วนความรับผิดชอบต่อสิ่งที่แอปทำหลังจากนั้นยังอยู่กับคนออกแบบระบบ

ความคิดเห็น (0)
เข้าสู่ระบบเพื่อแสดงความคิดเห็น
เข้าสู่ระบบกำลังโหลดความคิดเห็น…