Decisions API คืออะไร และทำไมสาย Dev ควรสนใจ
OpenAI Decisions API คือ endpoint สำหรับให้นักพัฒนาส่งบริบททั้งข้อความและรูปภาพพร้อมชุดคำถามที่กำหนดล่วงหน้า และรับคำตอบแบบระบุประเภทที่แน่นอนกลับมาแทนการปล่อยให้โมเดลสร้างข้อความอิสระ จึงช่วยให้แอปพลิเคชัน AI สามารถตัดสินใจ จัดประเภท หรือกำหนดเส้นทางข้อมูลได้อย่างเป็นระบบและตรวจสอบได้ ลดปัญหาผลลัพธ์หลุดฟอร์แมต และทำให้การเชื่อมต่อกับโค้ดที่ต้องการโครงสร้างข้อมูลชัดเจนเป็นเรื่องปลอดภัยมากขึ้นสำหรับระบบขนาดใหญ่ที่ต้องพึ่งการตัดสินใจของโมเดลเป็นหลัก หัวใจของมุมมองต่อ Decisions API คือการเลิกคิดว่า LLM มีหน้าที่แค่ตอบข้อความสวยงาม แต่ให้คิดว่าเป็นเครื่องมือประเมินและตัดสินใจที่ส่งผลลัพธ์กลับมาในรูปแบบที่เราออกแบบไว้ล่วงหน้า ความเปลี่ยนแปลงนี้สำคัญมากเมื่อคุณเริ่มสร้างระบบที่ต้องการ type safety หรือจำเป็นต้องควบคุมผลลัพธ์ให้สอดคล้องกับสคีมาที่ใช้ในฐานข้อมูลและบริการ downstream อื่น ๆ
สถาปัตยกรรมการตัดสินใจ: จาก Luna สู่เลเยอร์ Decision ใน Agent
Decisions API ทำงานบนโมเดล GPT-6 Luna ซึ่งถูกออกแบบมาเน้นการให้เหตุผลและการประเมินสถานการณ์มากกว่าการสร้างข้อความยาวสวยงาม แนวคิดนี้สะท้อนชัดเจนในสถาปัตยกรรม AI Agent รุ่นใหม่ที่เพิ่ม decision layer เข้ามาระหว่างชั้น orchestrator และ generative model เพื่อรับหน้าที่ตัดสินใจว่าระบบควรทำอะไรต่อจากบริบทที่มีอยู่ ในภาพรวมจะมีเลเยอร์ orchestrator จัดการ task และ context ตามด้วย generative model ใช้วางแผนและสร้างคำตอบ จากนั้นคือ decision model ซึ่งใช้ Decisions API ในการตอบคำถามเฉพาะเจาะจงอย่างการ routing ความเสี่ยง หรือการตัดสินใจว่าควรจบงานหรือดำเนินต่อ สุดท้ายเลเยอร์ policy และ permission กำหนดว่าใครทำอะไรได้บ้าง ก่อนส่งต่อไปยังเลเยอร์ action และ audit ที่ทำงานตามคำตัดสินและบันทึกผลเอาไว้ จากมุมมองนักพัฒนา ความแยกเลเยอร์แบบนี้ช่วยให้คุณออกแบบระบบที่โค้ดการตัดสินใจแยกจากการสร้างข้อความ ลดการพันกันของโลจิก และทำให้ทดสอบ ติดตาม และปรับปรุงกฎการตัดสินใจในภายหลังได้ง่ายขึ้นมาก
วิธีเรียกใช้ Decisions API แบบเข้าใจภาพรวมสำหรับ Dev
ในการใช้งานจริงแต่ละ request ของ OpenAI Decisions API ถูกออกแบบให้มีโครงสร้างชัดเจนสามส่วน เริ่มจากฟิลด์ model ที่ปัจจุบันรองรับเฉพาะ gpt-6-luna เพื่อเลือกตัวประเมิน ถัดมาคือ input ซึ่งเป็นหลักฐานร่วมของทุกคำถาม จะเป็นสตริงข้อความ หรือข้อความผู้ใช้ที่ผสมทั้งข้อความและรูปภาพก็ได้ ส่วนสุดท้ายคืออาเรย์ questions ระบุว่าควรถามอะไร ชนิดคำถามคือแบบใด พร้อมคำสั่งและตัวเลือกที่อนุญาต เมื่อ API ตอบกลับ คุณจะได้ response ที่มีอาเรย์ answers ซึ่งจับคู่กับแต่ละคำถามผ่านชื่อที่เป็นเอกลักษณ์ ทำให้นำไปผูกกับโค้ดในฝั่งแอปได้ไม่หลุดบริบท แนวคิดสำคัญคือการออกแบบ schema หรือ contract ก่อนเสมอ เพราะผลตอบรับโดยปกติของ LLM จะเป็นข้อความธรรมดา แต่ Decisions API เปิดให้คุณกำหนดชนิดคำตอบแบบ predicate choice หรือ score ที่มีรูปแบบชัดเจนเพื่อคุมโครงสร้างให้ตรงกับ use case ของคุณ สำหรับการทดลองเบื้องต้น คุณไม่จำเป็นต้องเขียนโค้ดทันที สามารถลองเล่น Decisions API ใน Playground เพื่อปรับคำถามและอินพุตจนได้ผลลัพธ์ที่พอใจแล้วค่อยย้ายมาสู่โค้ดจริงในภายหลัง
ชนิดคำถาม predicate, choice, score และตัวอย่าง use case จริง
จุดแข็งของ Decisions API อยู่ที่การออกแบบชนิดคำถามให้ตอบโจทย์งานตัดสินใจโดยตรง เริ่มจากคำถามแบบ predicate ที่ใช้ตรวจเงื่อนไข เช่น ตรวจว่ามีความเสียหายที่มองเห็นได้บนผลิตภัณฑ์ หรือข้อความมีความเกี่ยวข้องกับหัวข้อที่สนใจหรือไม่ แล้วคืนค่าความน่าจะเป็นตั้งแต่ 0 ถึง 1 ว่าเงื่อนไขนั้นเป็นจริง คู่มือยกตัวอย่างภาพผลิตภัณฑ์ที่ตรวจหาการแตก รอยฉีก หรือรอยบุบ และระบบตอบกลับความน่าจะเป็น 0.92 เพื่อให้แอปทำเครื่องหมายภาพว่าควรตรวจสอบต่อเมื่อเกินเกณฑ์ที่นักพัฒนากำหนด คำถามแบบ choice ใช้เมื่อคุณต้องเลือกหนึ่งตัวเลือกจากชุดที่ระบุไว้พร้อมคำอธิบาย เช่น การ routing คำร้องเรียนของลูกค้าเกี่ยวกับการเรียกเก็บเงินซ้ำไปยังคิว billing ก่อน queue ด้านเทคนิคหรือการจัดส่ง โดยคำตอบจะมีค่าตัวเลือกที่เลือก อาเรย์ probabilities ครอบคลุมทุกตัวเลือก และฟิลด์ confidence แยกให้ต่างหาก แนวทางที่แนะนำคือเพิ่มตัวเลือกสำรองอย่าง other เพื่อรองรับอินพุตที่หลุดหมวดหมู่ เพื่อให้ระบบนำไปเข้าคิวตรวจสอบทั่วไปแทนการเดาแบบเสี่ยง ส่วนคำถามแบบ score เหมาะกับการให้คะแนนตามระดับที่เรียงจากต่ำไปสูง เช่น ระดับความรุนแรงของปัญหา โดยผลลัพธ์เป็นค่าเฉลี่ยถ่วงน้ำหนักจากความน่าจะเป็นของแต่ละดัชนี ทำให้คะแนนที่ได้สามารถอยู่ระหว่างสองระดับ ตัวอย่างในเอกสารคือโอกาส 0.1 0.7 และ 0.2 บนสามระดับความรุนแรงให้คะแนน 1.1 พร้อมความมั่นใจ 0.55
Multimodal ตัดสินใจจากข้อความและรูปภาพ พร้อมข้อคิดในการออกแบบ
อีกจุดที่น่าสนใจของ Decisions API คือรองรับทั้งข้อความและรูปภาพในฟิลด์ input ทำให้คุณออกแบบเวิร์กโฟลว์การตัดสินใจแบบ multimodal ได้ใน request เดียว เช่น ตรวจความเสียหายจากรูปแล้วจัดประเภทเคสจากคำอธิบายข้อความของลูกค้าต่อเนื่องในคำถามชุดเดียว โดยรูปภาพต้องส่งเป็น inline base64 data URL และควรวางส่วนข้อความและรูปภาพรวมในข้อความผู้ใช้เดียวเมื่ออยากให้โมเดลพิจารณาร่วมกัน คำถามที่เป็นอิสระสามารถรวมอยู่ในอาเรย์ questions เดียวกันและใช้ชนิดแตกต่างกันได้ เช่น ให้ระบบตรวจความเสียหายของผลิตภัณฑ์ด้วย predicate พร้อมจัดประเภทสินค้าเป็นหมวดหมู่ด้วย choice ภายในการเรียกครั้งเดียว แต่ถ้าการตัดสินใจหนึ่งขึ้นกับคำตอบก่อนหน้า เช่น ต้องยืนยันว่ามีความเสียหายก่อนเลือกหมวดหมู่การซ่อม คุณต้องส่ง request แยกโดยใช้ผลลัพธ์จากครั้งแรกเป็นตัวกรองรอบถัดไป แนวทางที่คู่มือเน้นคือเขียนคำถามให้เน้นเกณฑ์ที่สังเกตได้ แยกความสนใจออกเป็นคำถามต่างกัน ให้แต่ละตัวเลือกมีความหมายต่างชัด และกำหนดระดับคะแนนให้ชั้นใกล้กันไม่ซ้อนกันมาก เพื่อให้โมเดลตีความได้สอดคล้องกับความเป็นจริงในแอปของคุณ รวมถึงการปรับเทียบเกณฑ์กับตัวอย่างที่มีการติดป้ายจากระบบจริง และพิจารณาต้นทุนของผลบวกเท็จและผลลบเท็จเสมอเมื่อออกแบบเกณฑ์การตัดสิน
