生成AI

最終更新日:2026/11/19
Decisions APIは、文章生成ではなく、分類・判定・優先順位付けの結果を型付きで返すAPIです。判定結果をそのままシステムの条件分岐に渡せる点が、汎用のチャットAPIとの大きな違いといえます。
本記事では、Decisions APIの仕組みと3種類の出力、料金、使い方、従来のAPIやJevとの違いを整理し、業務への導入を判断するための情報を紹介します。

Decisions APIは、OpenAIが提供する判定に特化したAPIです。テキストや画像、JSONを入力として受け取り、あらかじめ定義した問いに対して「確率」「選択肢」「点数」のいずれかを返します。
一般的なチャットAPIは、自由な文章を生成することが主な役割です。これに対してDecisions APIは、アプリケーションの条件分岐にそのままつなげることを前提に設計されています。
判定の対象は、正解の形があらかじめ決まっている処理です。公式ガイドとAPIリファレンスでは、文章の分類、問い合わせの振り分け、画像に写る状態の確認、業務の優先順位付けといった用途が示されています。具体的な使い方は「業務活用例」で紹介します。
2026年9月29日のDevDay 2026(開発者向けイベント)で限定プレビューとして発表され、同年10月6日にパブリックベータとして全開発者に公開されました。10月22日に一般提供(GA)が始まりました。
ベータ期間中と現在では利用できる機能が異なります。GAまでにプロンプトキャッシュ、質問ごとの画像指定、JSON入力、会話履歴の評価などが追加され、1リクエストあたりの質問数も200問から400問へ拡張されました。あわせて、音声対話モデル「GPT-Live」とのネイティブ連携や、米国・EUでの地域処理にも対応しています。ベータ時点の仕様を前提とした解説も残っているため、実装前には公式ガイドの最新版を確認してください。
Decisions APIとResponses APIでは、返せる結果の種類が異なります。使い分ける際は、回答の候補が事前に定まっているかが判断の目安です。
| 比較軸 | Decisions API | Responses API |
| 得意な目的 | 条件判定、分類、順位付け | 文章・JSON生成、ツール利用 |
| 出力 | predicate / choice / score | テキストや指定スキーマの出力など |
| 接続先 | POST /v1/decisions | Responses APIの専用エンドポイント |
| 判断基準 | 固定された答えの集合 | 生成内容や処理の自由度 |
出典:OpenAI|Decisions/OpenAI|Responses Overview
Decisions APIは、選択肢や評価レベルといった答えの候補を利用者側で用意し、その中から選ばせます。一方Responses APIは、指定した形式でJSONを返させる「構造化出力」や、外部ツールの実行をモデルに判断させる「関数呼び出し」を使い、文章の生成や任意のJSONの作成、ツールの操作まで担います。判定だけを速く回したい場面では前者、説明文や抽出結果まで必要なら後者が適しています。

判定の型は、predicate、choice、scoreの3つで、predicateは「条件が成り立つか」、choiceは「候補のどれか」、scoreは「段階別の評価結果」を返します。
材料はinput、答えてほしい問いはquestionsというフィールドに入れます。inputには判定の根拠となるテキスト・画像・JSONを、questionsには判定の種類・指示・候補を指定します。
数値の意味は型ごとに異なります。読み分け方は「確率とconfidenceの意味を区別する」で解説します。
| 判定タイプ | 質問の例 | 主な結果 | 利用目的 |
| predicate | 画像に目視できる傷があるか | probability(0〜1) | 検品の一次選別 |
| choice | 問い合わせの担当部門はどれか | choice/probabilities/confidence | 窓口振り分け |
| score | この障害の深刻度はどの程度か | score/probabilities/confidence | 対応順序の判定 |
出典:OpenAI|Decisions/OpenAI|Create a decision
predicateは、条件が成り立つかどうかを0〜1の確率で返すタイプです。商品に傷があるか、文章が条件に合致するかなど、はい/いいえで答えられる問いに使います。返却値のprobabilityが0に近いほど条件は成り立ちにくい、1に近いほど成り立ちやすいと判断されたことを示します。
たとえば商品写真を入力して「ひび・破れ・へこみのような目視できる損傷があるか」と問い、probabilityが0.92で返ってきた場合、条件が真である確率を92%程度と見積もったという意味で、判定の確信度ではありません。あらかじめ決めた閾値を超えた写真をレビュー対象にするなど、一次選別に使えます。
choiceは、あらかじめ用意した候補から1つを選ぶタイプです。請求・技術・配送などの担当部門を候補として定義し、問い合わせ文がどれに当たるかを判定します。
候補はchoicesに、値(value)と、どういう場合にその値を使うかの説明(description)の組で並べます。応答には選ばれたchoiceに加えて、候補ごとの確率(probabilities)と、判定全体の確信度(confidence)が含まれます。
用意したカテゴリに該当しない入力に備え、otherなどの選択肢を設けます。otherに分類された問い合わせは総合受付や担当者の確認へ回し、振り分け漏れを防ぎます。
scoreは、順序のある評価レベルに対して入力を採点するタイプです。障害の深刻度のように、評価の段階に順序がある場合に使います。
レベルはlevelsに、低い順からラベル(label)と、そのレベルと判断する条件(description)の組で定義します。返ってくるscoreは、各レベルのインデックスを確率で重み付けした平均値であり、レベル間の小数値になることもあります。
たとえば「見た目だけの問題」「回避策がある」「完全に業務が止まる」の3段階を用意し、それぞれの確率が0.1、0.7、0.2なら、scoreは0×0.1+1×0.7+2×0.2=1.1となります。小数で返る場合がある前提で扱い、整数に丸めずに閾値と比較するのが基本です。

導入は、Playgroundでの試用からAPIキーを使った実装へ進む流れが効率的です。判定したい問いと選択肢を決め、実データに近い例で挙動を確認してからアプリケーションへ組み込みます。
実装時は、API呼び出しをサーバー側に置き、クライアントからは自社のエンドポイントを経由させます。APIキーの管理方法は「導入する際の注意点」で解説します。
OpenAI Platformでアカウントを作成し、APIキーを発行します。キーは発行後に再表示できないため、安全な場所に保管してください。
判定内容を確かめるだけなら、Decisions専用のPlayground(platform.openai.com/decisions)が便利です。テキストや画像を入れて質問タイプや選択肢を変えながら、コードを書く前に結果を比較できます。
SDKを使う場合は、Decisions APIに対応したバージョンかどうかも事前に見ておきましょう。
エンドポイント「/v1/decisions」にmodel・input・questionsを指定してリクエストを送ると、判定結果がanswersで返ります。各フィールドの内容は次のとおりです。
| フィールド | 指定する内容 | 例 |
| model | 判定用のモデルID | gpt-6-luna |
| input | 判定対象となる共通の証拠 | I was charged twice for my order. |
| questions | 名前・種類・指示・選択肢 | name: department / type: choice |
| answers | 返却される型付き判定の配列 | choice: billing |
問い合わせ文を部門に分類する最小構成の例は以下のとおりです。
JSON
{
"model": "gpt-6-luna",
"input": "I was charged twice for my order.",
"questions": [{
"type": "choice",
"name": "department",
"instructions": "Which department should handle this complaint?",
"choices": [
{"value": "billing", "description": "Payments, invoices, and refunds."},
{"value": "technical", "description": "Problems using the product."},
{"value": "shipping", "description": "Delivery and tracking."},
{"value": "other", "description": "Requests outside these categories."}
]
}]
}
応答のanswersには、質問のnameとtype、判定結果が入ります。
JSON
{
"answers": [{
"type": "choice",
"name": "department",
"choice": "billing",
"probabilities": [
{"value": "billing", "probability": 0.95},
{"value": "technical", "probability": 0.02},
{"value": "shipping", "probability": 0.01},
{"value": "other", "probability": 0.02}
],
"confidence": 0.93
}]
}
出典:OpenAI|Decisions/OpenAI|Create a decision
受け取ったanswers配列をnameとtypeで照合し、判定タイプに応じた値をアプリケーションへ渡します。predicateならprobability、choiceならchoice、scoreならscoreを取り出します。
返却値を使う前に、判定が正常に行われたかを確認します。数値の読み方と、判定されなかった場合の分岐方法は次のとおりです。
predicateのprobabilityは条件が真である確率の推定値、choiceとscoreのprobabilitiesは候補ごとの分布、confidenceは判定全体の確からしさを示す別の指標です。同じ数値でも指している対象が違います。
実装では、あらかじめ業務側で決めた閾値と照らし合わせて評価します。「probabilityが0.8以上なら自動処理、0.8未満なら人へ回す」のように、基準は判定を組み込む前に決めましょう。
refusalが返った場合、その回答には判定結果が含まれていません。answers配列から質問のnameで回答を取り出したあと、まずtypeを確認し、refusalであれば後続の自動処理を止め、人による確認待ちのキューへ登録します。判定値を読む前にこの分岐を置いておくと、未判定のまま後続の処理が走るのを防げます。
choiceでotherが選ばれた場合や、answersに想定したname・typeが見つからない場合も、同じ経路に寄せます。
同じinputに対して、独立した複数のquestionsを一度に渡せます。たとえば商品写真1枚で、「目視できる損傷があるか」と「商品カテゴリはどれか」を同時に判定できます。
ただし、前の判定結果に依存する問いは同じリクエストに入れられません。「損傷の有無を判定し、その結果で修理区分を決める」ような場合は、1回目の応答を見てから2回目のリクエストへ分けます。
関連記事:ChatGPT APIとは?利用料金の目安や支払い方法・使い方を解説

ここからは、実際の業務での活用例を紹介します。日々の業務フローに埋め込まれた小さな判定を、人の手からアプリケーションの分岐へ移す用途が中心です。1件ごとの判断は単純でも、処理件数が多い業務ほど時間とコストの削減効果が見込めます。
導入前には、判定を誤ったときの損失を整理し、自動確定してよい範囲と人が確認すべき範囲を分けて設計しておきます。
問い合わせ文から請求・技術・配送などの受付先を選ぶ用途で活用できます。人が一次仕分けしている窓口業務では、分類の自動化だけで一次対応の時間を短縮できます。
前述のotherのような受け皿を用意しておかないと、カテゴリ外の問い合わせが誤った部署へ転送され、二次対応の手間が増えてしまいます。
商品写真から目視できる損傷の確率を求め、閾値を超えた写真を一次確認の対象として抽出できます。
ただし、写真に写らない箇所の不具合や、照明条件による誤検知は避けられません。確率は品質の保証ではなく、人が見るべき候補を絞り込む材料として使います。
障害や問い合わせの重要度をレベル定義に沿って点数化し、スコアの高い順に担当者の確認順序を決める用途です。
レベル定義は、隣り合う段階の違いが分かるように書きます。「軽微」「中程度」「重大」だけでは判断がぶれやすいため、各レベルに具体的な条件を添えると安定します。
関連記事:OpenAI AgentKitとは?機能から料金まで詳しく解説

/v1/decisions宛てのリクエストには専用の料金が適用され、それ以外の方法でGPT-6 Lunaを使う場合はモデルごとの通常料金となります。また、地域処理を選んだ場合の追加料金や、長文入力に関する料金条件も設けられています。
以下は2026年10月時点の条件で、変更されることがあるため契約前に最新の料金ページを確認してください。
GPT-6 Lunaを使ったDecisions APIの入力単価は、100万トークンあたり0.10ドルです。 対応モデルはGPT-6 Luna(モデルID:gpt-6-luna)のみです。
| 料金項目 | Decisions API(gpt-6-luna) | 注記 |
| 入力100万トークン | $0.10 | 通常条件の専用エンドポイント価格 |
| 出力トークン | 追加の請求なし | 結果は型付きの判定値 |
| キャッシュ読取/書込 | 読み取り$0.01/書き込みは通常料率で課金 | gpt-6-lunaの標準キャッシュ料率と同額 |
| 例外条件 | 地域処理加算・長文入力倍率あり | 利用環境と入力長を要確認 |
出典:OpenAI|Decisions/OpenAI|Pricing
パブリックベータの時点では入力以外の課金はありませんでした。GAでプロンプトキャッシュが加わり、読み取りは割引価格、書き込みは通常のキャッシュ料率が適用される形になっています。
月額料金は、「1回あたりの入力トークン数×利用回数÷100万×単価」で概算します。
1回1,000入力トークンの判定を月10,000回実行する場合、合計は1,000万トークン、基本の入力料金は1.00ドルです。前述の例外条件に当てはまる場合は、この金額に加算や倍率がかかります。実績は組織の利用状況レポートで確認できます。
対応モデルはgpt-6-lunaのみです。入力できるのはテキスト・画像・JSONで、画像はbase64のデータURLと、公開されているHTTP/HTTPSのURLの2通りで渡せます。
一方、file_id(アップロード済みファイルのID)による指定、音声、アイテム参照は作成エンドポイントの入力対象ではありません。会話履歴はメッセージやツール呼び出し、その出力を並べて渡せますが、ファイルや音声は証拠として渡せません。画像にはリクエスト全体の枚数上限があり、質問側に付ける画像もこの上限に含まれます。具体的な上限値は公式リファレンスに記載されています。
顧客の問い合わせや社内データを扱う以上、データの取り扱い条件は契約前に押さえておくべきポイントです。Zero Data Retention(ZDR)とHIPAAへの対応は、適格な顧客が所定の条件を満たす場合に利用でき、可否は契約形態によって変わります。
データ所在地についても、対応するAPIリージョンで利用できる範囲が定められています。地域処理は米国と欧州(EEA+スイス)で案内されています。社内規程や取引先の要件がある場合は、導入前に公式のデータ管理ガイドで条件を確認しましょう。

判定特化型のAPIを比較するときは、返却型・入力形式・提供事業者・実測性能などの比較軸をそろえる必要があります。
また、クラウド事業者やゲートウェイ経由で提供されているかどうかは、製品としての機能とは別に確認したい論点です。利用前には各提供元の公式情報を確認します。
Jevも、状態と質問を送って確率付きの回答を受け取る決定型のAPIです。考え方は近いものの、用語と仕様は別製品として整理する必要があります。
| 観点 | OpenAI Decisions API | Jev API |
| 主な判定型 | predicate / choice / score | noul / choice / score |
| 代表的な入力 | テキスト・画像 | state(主にテキスト・JSONなど) |
| モデル | gpt-6-luna(現行) | jev-1.13 / jev-latest |
| API接続 | /v1/decisions | /v1/systemone |
| 料金比較 | OpenAI専用課金を確認 | Jev提供元の最新価格を都度確認 |
条件判定の呼称は、OpenAIはpredicate、Jevはnoulを使います。choiceとscoreは名称が共通していても、リクエストの項目名やスコアの返し方まで同一ではありません。接続先・入力形式・バージョン運用も別製品の仕様なので、移行や併用はコードの互換性ではなく実データの判定傾向で判断します。
Azure OpenAI、Azure AI Foundry、Amazon Bedrock、LiteLLM、OpenRouterといった外部基盤を経由してDecisions APIを利用できるかも、導入前に押さえたいポイントです。OpenAIが公式に案内しているのは、/v1/decisionsという専用エンドポイントを直接利用する方法です。
外部基盤での提供状況は各社のリリース次第で変わります。2026年10月時点ではAzure OpenAIが公式ドキュメントで対応を案内していますが、その他の基盤も含め、調達要件でクラウド経由が必須なら、各社の対応状況を踏まえて計画を立てるのがおすすめです。
固定された候補から1つ選ぶ、条件の成立確率を知る、順序のある評価を数値化する、このいずれかに当てはまるならDecisions APIが適しています。
それ以外の処理は、前述のとおりResponses APIが担います。判断の軸は、判定結果を受けてアプリ側が動くのか、モデルに文章生成やツール操作まで任せるのかです。
関連記事:Agents SDKとは?OpenAIの最新AIエージェント開発ツールを徹底解説

分類やスコアリングを自動化しても、誤判定がゼロになるわけではありません。精度を測り、必要に応じて人が判断する仕組みを設けます。
入力データの機密性と権限管理は、API側の設定だけでは完結しません。Decisions APIに接続するシステム側も含めて、誰がどのデータを送信できるのか、送信されたデータをどこに残すのかを設計します。
正解ラベルを付けた代表的なデータを用意し、同じ入力に対して判定を繰り返して、結果のばらつきと誤分類率を測ります。
閾値は、誤って自動処理した場合の損失と、誤って人に回した場合のコストを比べて決めます。請求関連の問い合わせを誤って配送部門へ送ると二次対応が発生するなら閾値は高めに、軽微な分類違いが影響しない業務なら自動化率を優先して低めに設定します。
重要な判断、確信度の低い回答、拒否や対象外の入力は自動で確定せず、担当者へ転送します。自動判定の対象と人が確認する対象を事前に分けておきます。
監視の対象には、確率やスコアの閾値だけでなく、refusalの発生やotherへの集中も含めます。特定カテゴリへの偏りは、選択肢の説明文や質問の書き方を見直すサインです。
アクセス権限は必要最小限に絞り、APIキーはサーバー側で保管します。フロントエンドのコードや公開リポジトリに含めないことが原則です。
機密情報を送る場合は、送信してよい情報の範囲をあらかじめ定めます。個人情報や契約情報を含めるならZDRやHIPAAの条件を満たしているかを確認し、利用状況レポートでトークン消費とリクエスト数を定期的に確認します。
Decisions APIは、テキストや画像、JSONを証拠として渡し、predicate・choice・scoreの3種類の型付き回答を受け取る判定特化型のAPIです。自由な文章ではなく、アプリケーションの条件分岐に使う値を返す点がResponses APIとの違いです。
問い合わせの窓口振り分け、商品写真の不具合候補の検知、案件の対応優先度の評価など、反復する小さな判定を業務フローに組み込む場面で活用できます。
導入前には、判定対象が決められた答えに落とせるか、正解付きデータで閾値を検証できるか、誤判定時に人へ戻せるか、という3点を確認しましょう。
アイスマイリーでは、生成AI のサービス比較と企業一覧を無料配布しています。課題や目的に応じたサービスを比較検討できますので、ぜひこの機会にお問い合わせください。
業務の課題解決に繋がる最新DX・情報をお届けいたします。
メールマガジンの配信をご希望の方は、下記フォームよりご登録ください。登録無料です。
AI製品・ソリューションの掲載を
希望される企業様はこちら