Microsoft ha annunciato il lancio di Decision‑1, un nuovo modello di intelligenza artificiale che separa la fase di decisione da quella di generazione di contenuti testuali. A differenza dei grandi modelli linguistici (LLM) tradizionali, Decision‑1 restituisce una probabilità calibrata per ciascuna risposta predefinita, consentendo alle applicazioni di utilizzare direttamente tali risultati senza dover interpretare un testo libero.

Funzionamento e ambiti di utilizzo

Il modello è concepito per compiti specifici come la classificazione delle richieste, la priorità delle segnalazioni di incidenti e la verifica delle risposte generate da altri sistemi IA. Microsoft afferma che Decision‑1 può gestire queste decisioni con costi inferiori e una latenza ridotta rispetto agli approcci basati su LLM di uso generale.

Come spiegato in un articolo pubblicato sul sito ufficiale di Microsoft, “invece di redigere una risposta libera, il modello prende un insieme fisso di opzioni e restituisce una probabilità calibrata per ognuna in un'unica passata”.

Decision‑1 è già disponibile tramite Microsoft Foundry e OpenRouter. È stato creato attraverso un fine‑tuning del modello Qwen3.5‑9B e Microsoft ha indicato l’intenzione di estendere il processo a ulteriori modelli, inclusi quelli della propria suite Microsoft AI (MAI) e di OpenAI.

Tipologie di decisione supportate

Secondo la descrizione aziendale, Decision‑1 gestisce:

    • Giudizi di tipo “sì” o “no”;
    • Scelte tra opzioni predefinite;
    • Valutazioni basate su rubriche per risposte IA;
    • Azioni degli agenti in base a criteri specifici.

I sviluppatori possono impiegare i risultati per classificare ingressi e compiti, verificare risposte o determinare la prossima azione in un flusso di lavoro di un agente IA. A differenza di un LLM generico, che produce spiegazioni e contenuti in linguaggio naturale, i modelli di decisione forniscono solo probabilità per le risposte disponibili.

Microsoft sottolinea inoltre che Decision‑1 è in grado di valutare più decisioni in parallelo all’interno della stessa richiesta, ottimizzando ulteriormente l’efficienza operativa.

Risultati dei benchmark

Microsoft ha condotto una serie di 36 test di performance, comprendenti quasi 150.000 domande mai utilizzate durante l’addestramento. Decision‑1 ha registrato la massima precisione su tutti i benchmark, risultando circa 2,5 volte più veloce del secondo classificato e 35 volte più veloce del modello GPT‑6 Sol.

È importante notare che questi risultati provengono esclusivamente dalle dichiarazioni di Microsoft e non sono stati verificati da terze parti indipendenti.

Modello di pricing

Il prezzo fissato da Microsoft è di 4,2 centesimi di dollaro per milione di token di input, senza costi aggiuntivi per i token di output. In un esempio pratico di priorizzazione di incidenti, una richiesta che utilizza 86 token di input e genera due token di output costerebbe circa 0,0000036 USD. Con questo ritmo, un dollaro coprirebbe più di 275.000 decisioni analoghe.

Secondo l’analista Charlie Dai, vicepresidente e analista principale di Forrester, i modelli di decisione specializzati possono ridurre significativamente costi e latenza nei flussi di lavoro basati su agenti IA, poiché “l’instradamento, la classificazione e i controlli di approvazione rappresentano una grande parte delle interazioni degli agenti”.

Prospettive di settore e avvertimenti

Amit Kumar Jena, direttore dello sviluppo IA presso Kanerika, osserva che spostare compiti di routine come l’instradamento e la verifica di approvazione fuori dai grandi modelli generativi costituisce un cambiamento architetturale importante per le imprese che stanno ampliando l’uso degli agenti IA. Tuttavia, Jena avverte contro l’utilizzo diretto dei risultati dei benchmark Microsoft per prevedere il risparmio aziendale, consigliando di misurare “costo e latenza per ogni flusso di lavoro completato con successo, includendo piani alternativi ed errori”.

Un altro aspetto critico riguarda la governance. Decision‑1 fornisce punteggi probabilistici ma non offre una motivazione per ciascuna decisione. La documentazione Microsoft indica che i risultati possono variare in base alla formulazione delle domande.

“Il rischio è che una probabilità apparentemente precisa attribuisca a una decisione incerta più autorità di quella che merita”, avverte Jena. Dai sottolinea che l’assenza di ragionamento rende le decisioni più difficili da spiegare, validare e contestare. Per questo raccomanda:

    • Effettuare test di calibrazione;
    • Stabilire controlli sulla formulazione delle domande e sui soglie di punteggio;
    • Mantenere un registro di audit;
    • Implementare revisione umana per decisioni ad alto impatto, soprattutto quando coinvolgono clienti o obblighi normativi.

Jena suggerisce inoltre di avviare l’adozione con compiti reversibili, come l’instradamento e la classificazione di richieste, imponendo una revisione umana significativa per le decisioni che possono influenzare in modo sostanziale le persone.

Considerazioni finali

Le preoccupazioni principali ruotano attorno al modo in cui le organizzazioni interpretano i punteggi del modello e li usano per attivare azioni. Una probabilità assegnata a una risposta non spiega, da sola, la decisione né garantisce la sua correttezza in un contesto aziendale specifico. Pertanto, è fondamentale combinare Decision‑1 con processi di controllo, audit e supervisione umana, soprattutto nelle applicazioni critiche.

In sintesi, Microsoft Decision‑1 rappresenta una svolta nella gestione delle decisioni IA, offrendo velocità e costi contenuti per scenari di classificazione e routing. Tuttavia, le aziende devono valutare attentamente gli aspetti di governance e le limitazioni intrinseche del modello prima di affidarsi completamente a queste nuove capacità.