Google 推出 Gemini 決策 API：讓 AI 秒懂圖文並自動做選擇

很多中小企業主在導入 AI 時，常遇到一個痛點：AI 很會「聊天」，但當我們需要它幫忙「判斷」或「分類」時，不僅回應速度慢，計費還很可觀。Google 最近推出了 Gemini Decisions API，這項新工具專門解決這個問題，讓 AI 變成一個能快速看懂圖文、並自動做出選擇的決策大腦。這跟您的企業有什麼關係？如果您希望自動審核文件、分類客戶訊息，或是讓網站更聰明，這項技術能大幅降低您的時間與金錢成本。

什麼是 Gemini Decisions API？讓 AI 學會「做選擇」

首先，我們來認識兩個名詞。API（應用程式介面）是讓不同軟體系統互相溝通的橋樑；而多模態（Multimodal）則是指 AI 能同時看懂文字、圖片、影片和聲音的能力。

傳統的生成式 AI 是「逐字生成」答案，而 Gemini Decisions API 背後搭載的 Gemini Decision 1 模型，改採「單次處理」的方式。您可以一次性丟入文字、圖片、音訊、影片或 PDF 檔案，並同時提出多達 1,000 個問題。AI 不會慢慢寫出答案，而是直接計算出每個選項的機率與信心分數。

它支援三種決策題型：

• 是非題（noul）：判斷條件是否成立，例如「圖片中是否有液體溢出？」
• 選擇題（choice）：從 2 到 255 個選項中選出最佳答案。
• 評分題（score）：根據您設定的標準進行等級評分，例如評估圖片中髒亂的嚴重程度。

每個回答都會附帶一個 0 到 1 的信心分數，讓您的系統可以根據分數決定是否要轉交給人工處理。

為什麼這對企業很重要？速度快、成本省

對企業來說，導入 AI 決策 API 最大的誘因在於效率與成本。

在速度方面，因為 AI 不需要逐字解碼，處理延遲時間僅需 150 到 250 毫秒，即使一次問 100 個問題，速度也幾乎不會變慢。

在成本方面，這裡要提到 Token（AI 計算和計費的基本單位，大約是幾個英文字或半個中文字）。Gemini Decision 1 的計費方式非常特別：輸入 Token 每百萬個只需 0.10 美元，而「輸出 Token 完全免費」。因為它不生成文字，所以沒有輸出成本。官方數據顯示，這比使用傳統的生成式模型便宜近 5 倍，且沒有額外的語音轉文字或圖片辨識費用。

實際應用情境：從客服分類到文件審核

Google 內部已經廣泛使用這項工具，我們可以將其轉化為企業的實際應用場景：

• 客服意圖自動分類：就像 Google 的 Gemini Notebook 會自動將問題分配給最適合的模型，您的企業可以用它來秒級判斷客戶訊息是「一般詢問」還是「緊急客訴」，並自動路由給對應的專員。
• 文件與圖片自動審核：結合多模態能力，系統可以同時看客戶上傳的報銷單據（PDF）與現場照片（圖片），自動判斷是否符合公司規範，並給出嚴重程度評分。
• 網站內容安全把關：如同 Google 搜尋用它來偵測惡意行為，您的網站也能利用它在極短時間內檢查使用者上傳的內容是否違規，保護網站資安。

崴米的建議

面對越來越成熟的 AI 工具，中小企業不需要自己從零開發模型，而是應該思考如何「用好」現成的工具。以下是我們給您的兩點建議：

1. 盤點內部高重複性的判斷工作：找出公司裡需要大量看圖、看文件來做決定的流程（如履歷初篩、單據審核），評估是否能透過 API 串接來自動化，把人力留給更有溫度的客戶服務。
2. 將 AI 決策能力融入現有網站與客服：AI 不應該只是一個獨立的聊天機器人，它應該成為您網站與客服系統的隱形大腦，在背景默默幫您分類、判斷與分流。

如果您想進一步了解如何 把 AI 放進你的網站與工作流程，而不是只在聊天視窗裡，或是希望打造一套 官網、LINE、Facebook 同一套客服大腦，答不出來自動轉真人 的智能系統，歡迎與我們聊聊，讓 AI 真正為您的企業降本增效。

參考來源：Gemini Decisions API: Fast, calibrated multimodal decisions