Gemini Decisions API: как проверить сортировку документов с ИИ

Содержание статьи
Что Google выпустила 11 ноября
11 ноября 2026 года Google представила Gemini Decisions API на основе модели Gemini Decision 1. API — программный интерфейс, через который одна система обращается к другой. Новый интерфейс оценивает заданные варианты, а не формирует свободный текст ответа.
По объявлению Google доступны проверки «да или нет», выбор из списка и оценка по заданной шкале. Вход может содержать текст, изображения, аудио, видео и PDF; результат включает вероятности и оценку уверенности. Доступ заявлен через Gemini API и Google AI Studio. Поддержка в Gemini в Google Cloud на момент объявления описана как предстоящая, а не уже завершённая.
Заявления поставщика о скорости, стоимости и бенчмарках относятся к его условиям проверки. Они не заменяют испытание собственного документооборота. Ниже — критерии такого пилота, а не результаты внедрения GGAPP.
Выбор категории не равен обработке документа
В документообороте часто смешивают несколько разных задач. Сначала файл нужно принять и связать с обращением. Затем прочитать данные, определить тип документа, проверить обязательные сведения и решить, куда направить работу. После этого может потребоваться действие в учётной системе.
Классификация — определение категории — закрывает только часть этой цепочки. Правильно назвать документ счётом ещё не означает правильно извлечь сумму, выбрать поставщика или разрешить оплату. Ошибка на любом из следующих шагов может оказаться дороже ошибки категории.
Поэтому выберите ограниченный результат пилота. Например, система предлагает очередь обработки, а сотрудник подтверждает направление. Так можно измерить полезность сортировки отдельно от надёжности извлечения реквизитов и выполнения финансовых операций. Это условный сценарий, не обещание встроенной функции продукта.
Сначала договоритесь о категориях
Категории должны быть понятны сотрудникам и отражать реальную работу. Если один специалист относит файл к «обращению», а другой к «заказу», модель получит противоречивый ориентир. До пилота полезно разобрать спорные примеры вместе с владельцами очередей.
Каждой категории нужны признаки включения и исключения. Укажите, что делать с письмом, содержащим сразу несколько документов, с исправленной версией и с файлом, который не относится ни к одной очереди. Не заставляйте систему выбирать подходящий на вид вариант, когда правильного варианта в списке нет.
Отдельная очередь «нужна проверка» помогает сохранить неоднозначность. Важно, чтобы она имела ответственного и понятный порядок разбора. Иначе автоматизация просто перенесёт ручную работу в менее заметное место и создаст накопление незавершённых задач.
На каких примерах проводить пилот

Возьмите разрешённые к использованию документы и заранее подготовьте правильные ответы с участием сотрудников. Удалите сведения, которые не нужны для проверки, либо замените их учебными. Набор должен включать обычные случаи и ошибки, которые уже создавали проблемы в процессе.
- Чёткий типовой документ: проверяет базовое распознавание категории.
- Похожий, но другой документ: например, предложение и окончательный счёт, если такая разница важна процессу.
- Неполный или плохо читаемый файл: проверяет передачу на ручной разбор.
- Несколько документов вместе: показывает, можно ли дать один ответ на весь вход.
- Исправленная версия: помогает проверить, не будет ли старая редакция принята за актуальную.
- Неподходящий материал: проверяет отказ от вынужденного выбора.
Часть примеров сохраните для финальной проверки и не используйте при настройке правил. Иначе легко получить хороший результат на знакомом наборе, который не повторится в обычной работе. Это организационный критерий пилота, а не технический рецепт обучения модели.
Что означает уверенность модели
Оценка уверенности показывает, насколько модель предпочитает ответ при текущем запросе и вариантах. Она не является разрешением на бизнес-действие и не гарантирует правильность документа. Убедительный числовой результат может сопровождать неверную категорию.
Порог передачи сотруднику выбирают по собственным примерам и последствиям ошибки. Для маршрутизации обычного запроса и допуска к оплате приемлемые условия будут разными. Если ошибочное действие трудно отменить, одного выбора модели недостаточно.
Сравнивайте уверенность с фактическими ошибками. Полезно отдельно смотреть случаи, где система уверенно ошиблась, и случаи, которые она слишком часто отправляла человеку. Первый тип создаёт риск, второй — лишнюю нагрузку. Настройка должна учитывать оба, а не стремиться любой ценой убрать ручную очередь.
Как считать пользу и расходы
Сравните время сотрудника до и после пилота на одинаковых типах документов. Включите проверку предложенной категории, исправление маршрута и обработку неоднозначных файлов. Сокращение времени первого выбора не обязательно сокращает весь путь документа.
Расходы также состоят из нескольких частей: подготовка входа, обращения к модели, повторы, хранение, интеграция и ручной разбор. Тариф за обработку входных данных — только один компонент. Сверяйте актуальные ставки и условия выбранной платформы перед расчётом бюджета.
Отдельно оцените последствия ошибок: потерянный запрос, неверный получатель, повторная задача или задержка согласования. Такая оценка помогает выбрать допустимую степень автоматизации. Результат пилота стоит формулировать как наблюдение на конкретном наборе и процессе, без обещания той же экономии на любом потоке.
Как подключать результат к рабочей системе
Начните с режима предложения: система показывает категорию, а сотрудник подтверждает её. Следующий шаг — автоматическое направление только понятных случаев с сохранением возможности исправить маршрут. Не переносите разрешение сортировать на разрешение изменять реквизиты или выполнять оплату.
Для интеграции нужны идентификатор документа, защита от повторной обработки и сведения о том, кто подтвердил решение. Если ответ внешнего сервиса потерян, сначала проверьте состояние задачи. Повтор без проверки способен создать вторую запись даже при правильной классификации.
При планировании AI-автоматизации процессов полезно описать всю цепочку: получение, чтение, выбор, проверку и действие. Тогда понятно, где нужен вероятностный выбор, где достаточно обычного правила и на каком шаге остаётся сотрудник. Выбор технологии следует из этой карты, а не из самой привлекательной строки тарифа.
Источник и границы выводов

Основание новости — официальное объявление Google от 11 ноября. Функции модели переданы с атрибуцией; предложенные категории, тесты и порядок внедрения являются нашим разбором. Мы не вызывали платный интерфейс, не проводили независимый бенчмарк и не подтверждали качество на документах заказчика. Доступность, условия обработки данных и ограничения выбранного аккаунта нужно проверять до передачи рабочих материалов.
Частые вопросы
Заменяет ли Decisions API распознавание реквизитов
Выбор категории и извлечение полей — разные задачи. Даже если тип документа определён правильно, сумма, дата и получатель требуют отдельной проверки. Состав процесса зависит от требуемого результата, а не только от формата ответа модели.
Можно ли автоматически выполнять действие при высокой уверенности
Высокая уверенность не равна разрешению. Нужны проверенные условия, технические права и допустимый риск конкретного действия. Для операций с деньгами или обязательствами перед клиентом отдельно устанавливают порядок подтверждения.
Когда достаточно обычных правил без ИИ
Если маршрут однозначно определяется заполненным полем или известным отправителем, обычное правило может быть проще и предсказуемее. Модель имеет смысл проверять там, где разнообразие входов мешает таким правилам; её пользу нужно сопоставить с ошибками и затратами проверки.