Introdução

O que é a Dcision — decisões estruturadas sobre um estado (perguntas de escolha, nota e probabilidade, mais políticas que escolhem uma ação), publicadas como uma API — e por que ela existe.

A Dcision é Decision as a Service — a camada de decisão para IA. LLMs raciocinam, agentes agem, a Dcision decide o que acontece depois.

A maioria dos eventos num produto de IA não precisa de um parágrafo gerado. Precisa de uma resposta pequena, rápida e tipada: este lead deve ir para vendas?, este ticket precisa de uma pessoa?, este trecho é relevante?, qual ferramenta o agente deve chamar? A Dcision transforma cada uma dessas perguntas numa decisão que você desenha uma vez, publica como endpoint e chama milhões de vezes.

Por que decisões, e não texto

A maior parte da IA é feita para uma conversa entre um modelo e uma pessoa. A automação em produção é, na maioria, de máquina para máquina: código pedindo a um modelo um julgamento estreito que ele consegue inspecionar e usar. Isso exige o que a TypeSafe chama de machine native intelligence — IA com as propriedades de software: estrutura, confiabilidade, observabilidade, testabilidade, velocidade, consistência e baixo custo.

A Dcision roda em motores de decisão — modelos que devolvem decisões e probabilidades em vez de texto gerado. Você escolhe o engine por workspace ou por decisão (Engines e BYOK):

  • Jev (padrão) — o modelo System One da TypeSafe, treinado com RLCD, reinforcement learning for calibrated decisions: entre muitas respostas, as que recebem 0,8 devem acertar cerca de 80% das vezes. Leia o AI primer da TypeSafe para o contexto.
  • OpenAI Decisions — a Decisions API da OpenAI (gpt-6-luna), com a sua chave OpenAI; também lê imagens.
  • Laya — um modelo de decisão open source (Apache 2.0) da Convai Innovations, no seu próprio servidor.

Modelos de chat são ajustados para respostas que as pessoas preferem, o que pode premiar erros ditos com confiança; uma probabilidade é algo que o seu software consegue usar como limiar, escalar e auditar. A Dcision acrescenta o que a produção precisa em volta de qualquer engine: um contrato tipado por decisão, qualquer entrada (texto, JSON, imagens, voz, documentos), políticas que transformam respostas em ações, deploys versionados, logs de execução, API keys, cotas e cobrança.

Como funciona

Você descreve uma decisão com um decision schema:

  • Estado — a entrada que a sua aplicação envia: um objeto JSON com campos tipados, texto simples ou uma lista, como a transcrição de um chat. Campos de objeto também podem levar arquivos — image, audio e file — como uma foto, um áudio ou um PDF; veja Entradas.
  • Perguntas — o que decidir sobre o estado, até 64 por decisão, todas respondidas numa única chamada. Três tipos:
    • choice — escolhe uma opção (um time, uma categoria, uma ferramenta). Uma opção reservada other permite ao engine dizer "nenhuma destas".
    • score — posiciona o estado numa escala ordenada (low → critical).
    • probability — uma pergunta de sim/não respondida com um número entre 0 e 1.
  • Composites — combinações ponderadas opcionais de respostas, como um lead score, calculadas pela Dcision.
  • Políticas — regras avaliadas depois das respostas, como se route = spam então block, com condições and opcionais. Elas definem a ação que o seu código executa: continue, block, escalate ou fallback.
  • Destinos — opcionais: o que acontece depois de cada resultado. Devolva uma resposta pronta ou uma resposta de LLM, passe para o seu agente, dispare um workflow, envie um webhook assinado, chame uma API ou diga ao seu código qual função executar. Veja Destinos.

Você testa a decisão no Playground, faz o deploy como uma versão imutável e a chama:

curl -X POST https://api.dcision.io/v1/decisions/lead-qualification \
  -H "Authorization: Bearer $DCISION_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{ "state": { "message": "We need pricing for 500 users and want to start next month.", "company_size": 500 } }'
Resposta (resumida)
{
  "result": { "purchase_intent": 0.9412, "priority": "high", "route": "sales" },
  "confidence": { "purchase_intent": 0.8824, "priority": 0.69, "route": 0.85 },
  "scores": { "priority": 2.81 },
  "composites": { "lead_score": 0.8414 },
  "action": "continue",
  "action_reason": { "type": "default" }
}

Toda resposta é tipada: uma escolha é sempre uma das suas opções, uma nota é sempre um dos seus rótulos, uma probabilidade é sempre um número em [0, 1]. Não há nada para interpretar nem prompt para manter em sincronia com o seu código.

O que acontece em cada chamada

state ──▶ validate ──▶ read files (documents → text, audio → transcript, images) ──▶ engine-neutral representation
      ──▶ engine (Jev, OpenAI Decisions or Laya)
      ──▶ typed answers, confidence, weighted levels ──▶ composites ──▶ policies ──▶ action + reason
      ──▶ destinations ──▶ execution log ──▶ response
  1. O estado é validado contra o state schema da decisão e o orçamento de tokens do engine. Um estado inválido falha rápido com 422 INVALID_STATE e nunca chega ao engine.
  2. Os arquivos do estado são lidos: documentos viram texto, áudio vira transcrição, e imagens vão para a OpenAI Decisions como imagens (ou são descritas em texto para Jev e Laya). Depois a decisão é compilada numa representação neutra de engine e enviada ao seu engine — Jev, OpenAI Decisions ou Laya — dentro do prazo da decisão, com retries.
  3. O engine devolve uma distribuição de probabilidade para cada pergunta. A Dcision a normaliza em result (a resposta), confidence e, para perguntas de nota, scores (o nível ponderado).
  4. Os composites são calculados; depois, as políticas, a opção reservada other e os limiares de confiança mínima produzem a action e o seu action_reason.
  5. Os destinos da decisão que combinam com o resultado rodam: respostas e funções são devolvidas, respostas de LLM e agente são aguardadas, e webhooks, workflows e requisições de API entram na fila de entrega.
  6. A execução é registrada como uma execução — com ou sem a entrada e a saída, como você configurar.

Por que a Dcision

  • Barata o bastante para todo evento. Jev e OpenAI Decisions cobram só tokens de entrada; o Laya roda no seu hardware. Cada resposta informa metrics.input_tokens e metrics.estimated_cost_usd, e os planos incluem milhões de decisões por mês — o plano gratuito Genesis inclui 1M. Uma decisão é cobrada uma vez, não importa quantas perguntas ela faça.
  • Tipada e estável. O contrato de resposta vem do seu schema, indexado pelas chaves das suas perguntas. Se o engine responder fora do contrato, a chamada falha com ENGINE_ERROR em vez de devolver dados malformados.
  • Honesta sobre incerteza. Confiança calibrada, a opção other, confiança mínima por pergunta e uma ação de fallback tornam o "não tenho certeza" um resultado explícito e roteável — veja Lidando com baixa confiança e other.
  • Feita para composição. Os quatro padrões da TypeSafe — fan-out, roteamento por confiança, composite scoring e roteamento por intenção — são recursos do schema, cada um com um template.
  • Auditável. Versões publicadas são snapshots imutáveis. Cada execução guarda a versão, o motivo da ação, a confiança, as distribuições, o modelo, a latência e o request ID.
  • Agnóstica de engine. O decision schema não depende de nenhum engine. Rode o Jev na chave da Dcision ou na sua própria chave (OpenRouter, TypeSafe, Vercel AI Gateway), a OpenAI Decisions na sua chave OpenAI, ou o Laya no seu servidor — e troque sem mudar código.
  • Qualquer entrada. Texto, JSON, imagens, áudios e documentos (PDF, Word, Excel…) no mesmo estado, em todo engine — veja Entradas.

Bons casos de uso

Roteamento (leads, tickets, ferramentas de agentes), triagem e priorização, moderação e spam, checagem de relevância antes de uma chamada de LLM, pontuação e ranking, portões ("isso precisa de uma pessoa?" / "isso precisa de um modelo maior?"). A Dcision não é um gerador de texto: use-a para decidir se e para onde mandar o trabalho, e deixe o seu LLM, agente ou time fazê-lo.

Mantenha uma pessoa no circuito para decisões com consequências

As respostas são probabilidades, não garantias. Para decisões com efeitos jurídicos ou igualmente significativos — crédito, emprego, saúde, jurídico — use a Dcision para triar e rotear, e mande a decisão final para uma pessoa (por exemplo, com uma política escalate).

Próximos passos

Nesta página