Decisions APIとは、質問と選択肢の配列を渡すことで、AIがリアルタイムに分岐判断を下すOpenAI Codex向けの新機能です。

システム開発でユーザーの意図判別や処理のルーティングを組む際、条件分岐の記述に頭を悩ませていませんか。自然言語のゆらぎを正規表現で拾いきれず、重い汎用モデルを呼び出してレスポンスが遅延する問題は、多くの開発者が突き当たる壁です。

従来のChat CompletionsやResponses APIでも分類は可能でした。しかし、出力フォーマットの制御や無駄な長文生成によるコスト増がつきまといます。2026年9月30日にOpenAIが発表したDecisions APIは、この「判断処理」だけに特化したAPIです。

Decisions APIとはどのような仕組み？

Decisions APIとはどのような仕組み？

Decisions APIは、入力データに対してあらかじめ指定された選択肢群から最適な回答を特定し、構造化データとして返す仕組みです。

[開発者の入力]
・判定対象データ (テキストやログ)
・判定用の問い (質問文)
・選択肢のリスト (A, B, C, D)
       │
       ▼
[Decisions API (GPT-6 Luna)]
  リアルタイムに重み付けと文脈照合
       │
       ▼
[APIの出力]
  選択された選択肢ID + 確信度

従来のチャットモデルは、次の単語を確率的に生成し続けるアーキテクチャを取ります。分類結果を得るだけでも、前置きの文章やJSONの開始カッコを出力する手順を踏む必要がありました。

Decisions APIは、不要なテキスト生成工程を省きます。開発者が指定した選択肢キーの中から最適な1つを選び出すタスクに専念するため、通信帯域と計算資源を浪費しません。

システム連携の現場では、あいまいな返答が最も不具合を招きます。Decisions APIは定義済みの選択肢以外のテキストを返さない制約を持つため、後続のプログラムでパースエラーが発生しません。

Decisions APIが注目される背景と課題の解決

Decisions APIが注目される背景と課題の解決

Decisions APIが登場した背景には、自律型エージェントの普及とリアルタイム判定処理におけるコスト・速度の課題があります。

従来の開発手法とDecisions APIの処理性能の違いを比較した一覧です。

項目従来のChat APIによる分類Function callingによる分岐Decisions API
基盤モデル汎用大規模モデル汎用・中位モデルGPT-6 Luna（軽量特化）
出力内容自然言語またはJSONテキスト関数名と引数オブジェクト事前定義された選択肢キー
応答速度（レイテンシ）生成トークン数に比例して低速スキーマ照合のため中程度極小（最短1ステップ判定）
パースエラーリスクJSON崩れのリスクあり引数型の不一致が稀に発生原則ゼロ（完全一致キー返却）
トークン消費思考過程や不要な修飾語で増大ツール定義スキーマ分が肥大化質問と選択肢リストのみで最小

従来の分類実装では、プロンプトで「JSON形式のみで出力してください」と指定しても、まれに解説文が混入して後続の処理が落ちるトラブルが多発しました。Decisions APIはAPI仕様レベルでこの問題を解消します。

基盤モデル「GPT-6 Luna」の性能と特徴

Decisions APIのエンジンには、2026年9月に展開が始まったGPT-6世代の軽量モデル「GPT-6 Luna」が組み込まれています。

判断処理に巨大なパラメータを持つモデルを使うのは、計算資源の無駄遣いです。GPT-6 Lunaは推論速度と低レイテンシに極限まで調整されており、ミリ秒単位の判定が求められるバックエンド処理に適しています。

文脈理解力は前世代の中位モデルに匹敵し、日本語の敬語表現や専門用語のニュアンスも正確に判別します。複雑な長文要約は上位のGPT-6 Astraに任せ、日々の無数のルーティングはLunaで捌くのが現在の合理的な構成です。

従来のFunction callingやResponses APIとの違いは？

OpenAIはこれまでも関数実行用の仕組みや応答生成APIを提供してきました。Decisions APIはそれらと競合せず、役割分担を明確にしています。

ツールの連携方法で悩んでいる方は、Function callingの基礎と活用手順を先に読むと本節の意図がすんなり掴めます。最新のレスポンス制御全般については、OpenAI Responses APIの基本仕様で全体像を把握できます。

各APIの得意領域と設計目的の比較です。

API名称主な目的返却される形式最適なユースケース
Decisions API条件分岐の即時決定選択肢キールーティング、分類、行動選択
Function calling外部ツール・関数の引数生成関数名とJSON引数外部DB検索、天気API呼び出し
Responses API統合されたテキスト・コード生成構造化された応答全文チャットUIへの返信、長文生成

引数の組み立てが必要な場合はFunction callingが必須です。一方で、「3つの処理パイプラインのうちどれを走らせるか」を決めるだけであれば、Decisions APIのほうが圧倒的に手軽で壊れません。

Decisions APIの使い方と基本パラメータ

Decisions APIの実装はシンプルです。リクエストボディに「判定対象のコンテキスト」「判断のための質問」「選択肢」を格納して送信します。

以下は、受信した問い合わせメッセージの緊急度を判定するリクエスト例です。

POST /v1/decisions
Host: api.openai.com
Authorization: Bearer YOUR_API_KEY
Content-Type: application/json

{
  "model": "gpt-6-luna",
  "input": "サーバーが応答せず、顧客の決済処理が5分前から完全に停止しています。",
  "question": "この問い合わせの重大度レベルを判定してください。",
  "options": [
    { "id": "critical", "description": "業務停止を伴う致命的な障害" },
    { "id": "high", "description": "一部機能が制限される重大な問題" },
    { "id": "medium", "description": "業務に直接影響しない通常の問題" },
    { "id": "low", "description": "操作質問や仕様確認などの問い合わせ" }
  ]
}

このリクエストに対して、APIは余計な前置きを出力せず、選ばれたIDを返します。

{
  "id": "dec_987654321",
  "object": "decision",
  "created": 1790755200,
  "decision": "critical",
  "confidence": 0.98
}

レスポンスを受け取ったバックエンドプログラムは、文字列の一致確認だけで直ちにエスカレーション処理へ移行できます。正規表現パースも例外処理の山も不要です。

活用用途1: コンテンツのリアルタイム分類

Decisions APIの代表的な用途が、ユーザー投稿や社内ドキュメントの即時ラベリングです。

UGC（ユーザー生成コンテンツ）を扱うWebサービスでは、規約違反チェックやスパム判定を瞬時に行う必要があります。バッチ処理で後から回すのでは、不適切な投稿が一時的に公開されてしまいます。

Decisions APIなら、投稿ボタンが押された瞬間のリクエスト経路上にチェック処理を挟めます。投稿内容が安全か、即時非公開にすべきか、目視確認に回すかを瞬時に判定可能です。

サポート窓口に届くメールのカテゴリ分けにも重宝します。請求関連、解約希望、不具合報告といった部署ごとの振り分けを完全自動化できます。

活用用途2: 受信リクエストのルーティング自動化

Web APIやマイクロサービスへのトラフィックを、リクエストの意味内容に基づいて適切なバックエンドへ流す用途です。

従来のロードバランサーやリバースプロキシは、URLパスやヘッダー情報でしかルーティングできませんでした。Decisions APIをAPIゲートウェイの拡張として配置すると、ペイロードの意味を解釈したルーティングが実現します。

例えば、ユーザーからの曖昧な問い合わせを受け、AIカスタマーサポートのボットに回答させるか、人間のオペレーターに即座に転送するかを振り分けられます。

コード生成のリクエストであれば、難易度をDecisions APIで判定し、簡単なコードなら軽量なモデル、高度なリファクタリングならAIコーディング用の上位モデルへ転送する負荷分散設計が可能です。

活用用途3: AIエージェントの次動作の決定

Decisions APIが最も威力を発揮するのが、自律型AIエージェントの自律ループ処理です。

AIエージェントは「環境を観察する → 次のアクションを決める → 実行する」のサイクルを繰り返します。この「次のアクションを決める」部分に巨大なLLMを使うと、エージェントが1回思考するごとに数秒の停止時間が発生します。

[環境の観察・情報取得]
       │
       ▼
[Decisions APIによる判断]
・選択肢A: Web検索を継続
・選択肢B: ユーザーに確認を求める
・選択肢C: タスク完了として終了
       │ (決定: 選択肢A)
       ▼
[ツールの実行]

Decisions APIを使えば、ループの回転速度が劇的に上がります。AIエージェントのランキングに並ぶような最新の自動化基盤では、意思決定の軽量化が全体の完了時間を左右します。

判断のステップを軽量化できれば、同じ時間内で試行できるステップ数が増え、エージェント全体の成功率が向上します。

Decisions APIの料金と利用コストの考え方

コスト管理はAPI運用の生命線です。Decisions APIの費用対効果を試算します。

Decisions APIは限定プレビューとして提供が始まっており、専用のエンドポイント課金体系の詳細は最新の公式サイト確認が必要です。ただし、基盤として動いているGPT-6 Lunaの標準API単価は公開されています。

OpenAI公式の料金レジストリによると、2026年9月時点におけるGPT-6 LunaのAPI利用単価は下表の通りです。

トークン種別単価（100万トークンあたり）備考
標準入力（Standard Input）$0.10プロンプト・判定対象データ
標準出力（Standard Output）$0.50決定されたIDのみのため極小
キャッシュ入力（Cached Input）$0.01固定の質問・選択肢定義に適用
キャッシュ書き込み$0.125初回プロンプト登録時

Decisions APIの最大の特徴は、出力トークン数が極めて少なく済む点にあります。決定キーの数トークンしか消費しないため、1回のリクエストにかかる出力費用はほぼゼロに抑えられます。

さらに、質問文と選択肢リストを共通化しておけば、コンテキストキャッシュ機能により入力コストを最大90%削減可能です。1日数万件のルーティングを実行しても、API代金が跳ね上がる心配はありません。

導入時の注意点とフォールバック設計

Decisions APIは極めて合理的ですが、万能の魔法ではありません。導入時に考慮すべき制限事項が存在します。

第1に、選択肢にない未知の状況への対処です。選択肢群の中に該当するものがない場合でも、APIは何かしらの選択肢を返そうとします。必ず選択肢の末尾に「none_of_the_above（該当なし）」や「requires_human_review（要目視確認）」といったエスケープ用の選択肢を用意してください。

第2に、極度に長いコンテキストの入力です。基盤のGPT-6 Lunaは短文から中文の即時処理に特化しています。何十ページものPDF全体を一度に判定させると、レイテンシが悪化します。前段でテキストを要約するか、該当箇所の抜粋だけを入力に渡す前処理が欠かせません。

第3に、API障害時のフォールバックです。ネットワークエラーやプレビュー枠の上限に達した際に備え、単純なキーワードマッチやデフォルトのルーティングへ安全に退避する処理をあらかじめ組み込んでおく必要があります。

AI PICKS編集部の判定

Decisions APIは、システム開発者が待ち望んでいた「割り切った設計」の秀逸なツールです。

これまでの生成AI連携は、不要なテキスト生成やJSONの書式崩れに無駄な工数を奪われてきました。Decisions APIは、出力を事前定義された選択肢キーのみに限定することで、パースエラーの不安を根絶しています。

基盤にGPT-6 Lunaを採用した点も高く評価できます。入力100万トークンあたり0.10ドルという水準は、大量のリクエストを捌く実務環境において破格の経済性です。

一方で、現状は限定プレビュー段階であり、本番の基幹系システムへ全面投入するには時期尚早な面もあります。現段階では、バッチ処理のタグ付けや社内向けエージェントの分岐判定といった、即座に試せてリスクの低い領域から組み込むのが正解です。

ルーティングや状態遷移の判定処理においては、他の汎用チャット呼び出しを置き換える一択の選択肢になると見立てています。

よくある質問（FAQ）

Q. Decisions APIは日本語のテキストでも正確に判断できますか？

判定対象のテキストや質問文、選択肢の説明文に日本語を指定しても問題なく機能します。基盤モデルのGPT-6 Lunaはマルチリンガル対応がなされており、日本語特有の言い回しやニュアンスも正確に汲み取って選択肢を決定します。

Q. 選択肢は何個まで設定できますか？

APIの設計上、複数の選択肢を渡せますが、実務上は3個から10個程度に絞り込む運用を推奨します。選択肢が多すぎるとモデルの重み付けが分散し、判定精度とレイテンシに悪影響を及ぼすためです。

Q. 従来のChat APIからDecisions APIへ移行するメリットは何ですか？

最大の利点は出力の完全な安定性と速度の向上です。Chat APIではまれに発生していた「指定したフォーマットに従わないテキスト出力」が原理的に発生しません。また、生成トークン数が最小限になるため、実行速度が上がりコストも削れます。

Q. ノーコードツールから呼び出すことは可能ですか？

REST APIとして標準的なJSON形式でリクエストを投げるため、一般的なノーコードツールからWebhook経由で呼び出せます。Webアプリ開発環境の選定に迷っているなら、BubbleとDifyの機能比較を参考にアーキテクチャを検討してみてください。

Q. 限定プレビューには誰でも参加できますか？

OpenAI Codexのアカウントを保有し、開発者向けポータルから利用申請を行った開発者へ順次アクセス権が付与されています。提供状況や参加枠の空き状況は随時更新されるため、OpenAIの公式開発者向けページで最新ステータスを確認してください。

Q. 自社専用データでファインチューニングしたモデルも使えますか？

発表時点の限定プレビューでは、提供されている標準のGPT-6 Lunaモデルの利用が基本となります。自社固有のルールを反映させたい場合は、選択肢のdescriptionフィールドに判定基準を具体的に記載することで、高い精度を確保できます。

あわせて見たいツール・カテゴリ

業務自動化やエージェント開発をさらに進めるための関連記事とカテゴリ一覧です。

意思決定の仕組みを理解した後は、実際にモデルを動かす統合基盤の全体像を掴むのが近道です。次に読む記事として、API連携とシステム構築の違いを整理したABEJA PlatformとChatGPTの比較ガイドをおすすめします。