¿Cuánto tardaría una persona en revisar una foto de la cocina, detectar un charco y decidir qué hacer? Para una aplicación, esa pequeña pausa puede ser la diferencia entre avisar a tiempo o dejar que el problema crezca.
Google lanzó Gemini Decision 1, una inteligencia artificial capaz de responder hasta 1.000 preguntas cerradas sobre un documento, imagen, audio o video. El hallazgo no está en que redacte mejor, sino en que elige una acción sin escribir una palabra.
Según explica Google, el modelo revisa el contenido una sola vez y luego resuelve muchas consultas sobre ese mismo material. En sus pruebas, Gemini Decision 1 respondió entre 150 y 250 milisegundos, es decir, en una fracción de segundo.
La pieza clave es que no funciona como un chatbot tradicional, un sistema que redacta respuestas palabra por palabra. En cambio, recibe opciones ya preparadas y calcula cuál tiene más posibilidades de ser correcta.
Un interruptor digital frente a una encimera
Google ilustra el mecanismo con una escena doméstica: una encimera con líquido derramado y un paño cerca. La IA puede responder si hay algo que limpiar, pero también escoger entre alternativas concretas: pasar el paño, avisar al personal de limpieza o no hacer nada.
Gemini Decision 1 se parece más a un tablero de interruptores que a una conversación. Primero observa toda la habitación. Después, en lugar de explicar cada detalle, activa el cableado que corresponde a la decisión más adecuada.
Ese engranaje permite preguntar si hay agua en el suelo, qué electrodoméstico está encendido o qué tan grave parece un derrame. Además, el sistema puede asignar una puntuación mediante una escala, una lista ordenada de niveles, para distinguir un incidente menor de uno que requiere atención inmediata.
La oportunidad aparece cuando una aplicación debe actuar rápido y con reglas claras. Gemini Decision 1 puede elegir entre dos y 255 respuestas por cada consulta, mientras que su indicador de confianza muestra cuánta seguridad tiene en la elección.
Si esa confianza es baja, la aplicación puede dejar el caso pendiente para una revisión humana. Así, la IA no elimina a la persona que toma la decisión final: funciona como un filtro inicial que separa lo evidente de lo que necesita una mirada más cuidadosa.
El mismo mecanismo podría servir a una aseguradora. La empresa podría enviar un parte de accidente junto con fotos del vehículo para comprobar si los daños visibles coinciden con el relato del conductor. Al analizar varios archivos juntos, la herramienta conecta las piezas de un mismo expediente.
Otra ventaja está en la velocidad. Formular 100 preguntas sobre una imagen apenas aumenta el tiempo de espera frente a hacer una sola, porque el modelo ya examinó el archivo. Es como revisar una lista de tareas después de abrir una caja, sin tener que volver a destaparla cada vez.
Menos espera en consultas cotidianas
Google ya usa esta tecnología en Gemini Notebook, antes llamado NotebookLM. Allí, Decision 1 decide qué modelo debe atender cada pregunta sobre los documentos del usuario, una central que reserva los sistemas más potentes para los pedidos complejos.
La compañía señala que esa organización reduce hasta un 40% la espera en las consultas cotidianas. Gemini Decision 1 puede probarse sin costo en Google AI Studio, mientras que su integración cuesta 0,10 dólares por millón de tokens, las unidades en que Google divide el contenido para procesarlo.
Si una imagen llega acompañada de 100 preguntas, el archivo se cobra una sola vez y las respuestas no tienen coste. La promesa es sencilla: que los sistemas digitales dejen de mirar una misma escena repetidamente y aprendan, como en una casa ordenada, a encontrar el interruptor correcto a la primera.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
