Googleが11月11日に、判定に特化したAI「Gemini Decisions API」を出しました。文章を書かず、用意した選択肢から答えを選ぶだけの判定AIです。
判定AIは、9月にJev(ジェヴ)が出して注目を集めました。理由の文章を作らず、答えだけを返すので、速くて効率がよいのが売りです。その後、CloudflareやOpenAIも続き、Google版がそこに加わった形です。
Gemini版の特徴は、次の3つです。
試したところ、100問をまとめて送っても待ち時間はほとんど増えず、間違えたのは資料の突き合わせの1問だけでした。1回で大量の確認ができる使い方に、現実味を感じています。この記事では、その実測と、文書を丸ごと正しく処理できるかという物差しで、Geminiの立ち位置を整理します。

Gemini Decisions APIは、同じ資料への問いをまとめて送ると、選んだ答えだけを返す判定専用AIです。問いは互いに独立していて、二択・選択式・段階評価で答えを求められ、返ってくるのは理由の文章ではなく、選んだ答えと各候補の確率です。
たとえば問い合わせの山を「急ぎか、そうでないか」に振り分けるとき、文章を書かせると遅く、答えの形も揺れます。選ぶだけなら、結果をそのまま次の処理に流せます。
特徴は3つあります。
1つ目は、入力できる資料の幅です。 文章だけでなく、画像・音声・動画・PDFを直接渡せます。文字起こしや説明文への変換を挟まずに、元の資料のまま判定させられます。
2つ目は、1回で確認できる量です。 同じ資料への問いを、最大1000問まで1回の依頼で送れます。OpenAIの判定APIは1回400問までなので、その2倍以上です。
3つ目は、料金の安さです。 入力100万トークン(文章量の単位)あたり0.10ドルで、出力は無料です。共通資料の読み込み代は、問いを増やしても依頼ごとに一度だけです。

判定AIの流れを、簡単に振り返ります。
最初は「速くて安い」が売りでしたが、2か月で「何の前処理を不要にするか」「何問まとめて頼めるか」に軸が移っています。Googleは、その両方を一度に広げた点が特徴です。

最初に試したのは、荷物の台帳(文章の資料)に、二択・選択・段階評価を混ぜた問いを1問・10問・100問で送る実験です。台帳には荷物10件(D-201〜D-210)が並んでいて、1件につき10問ずつ聞くと100問になります。送った問いの例は、次のとおりです。
それぞれ5回ずつ送り、全文を受け取るまでの時間を測りました。
結果は、待ち時間の中央値が1問でも10問でも約0.5秒、100問でも約0.6秒でした。問いが100倍になっても、待ち時間はほぼ変わりません。5回とも100件がすべて返り、100問すべて正解でした。
Googleの公表値(0.15〜0.25秒ほど)よりは長めで、5回のうち2回は6〜7秒かかりました。原因はつかめていません。

次に、資料の種類を変えて試しました。資料は、日本語の問い合わせ(文章)、受付の掲示(画像)、発注変更の音声、請求書(PDF)、荷物レーンの映像(動画)です。それぞれに8〜10問ずつ出し、5回ずつ送っています。単独の資料への問いは、すべてのケースで5回とも全問正解でした。文章と画像を突き合わせる問いも、5回とも全問正解です。
最後に試したのが、音声と請求書PDFを一緒に渡すケースです。約14秒の発注変更の音声と、1ページの請求書PDFを渡しました。問いは「受取の曜日は一致するか」「音声で頼んだ数量は、請求書より何個多いか」など8問です。音声は「金曜日にNorth Deskで受け取り」、PDFは「木曜日にNorth Deskで受け取り」という内容です。曜日の食い違いや数量の変更(12から16)は、正しく見抜きました。
外したのは「音声で頼んだ受取窓口は、PDFに印字された窓口と一致するか」という1問です。窓口はどちらもNorth Deskで、正解は「一致する」ですが、5回とも「一致しない」と答えました。「一致しない」への自信は約89%と高く、外し方が一貫していたのが印象的です。理由は、まだ確かめられていません。
ただ、それ以外の問いは正しく判定できていて、判定だけを大量に任せるモデルとしては、レベルが高いと感じました。

評価機関アーティフィシャル・アナリシスの「AA-Paperclip(エーエー・ペーパークリップ)」は、文書への15問すべてに正答した場合だけ、その文書を正解と数える評価です。
ある判定専用モデルは一問ごとなら97%でも、文書全体では63%でした。一問ずつの正解率が高くても、すべて正しく答えられるとは限りません。
Gemini自身をこの物差しで測った値は確かめられていませんが、速さだけでなく、依頼した全問が正しいかを見ることも大切です。

大量の確認をまとめて頼め、画像や音声、PDFも直接扱えます。今回試した単独資料への問いは全問正解で、この組み合わせには大きな可能性を感じています。
向いているのは、資料ごとに独立して答えが決まる判定を、まとめて頼む場面です。問い合わせの振り分けや、書類の記載漏れのチェックなどが当てはまるでしょう。100問が約0.6秒で返るなら、人が1件ずつ確認していた仕事を、一括で下ごしらえする使い方が見えてきます。ただし理由の文章は返らないので、結果を人に説明する場面では、答えと確率だけでは足りません。
一方、2つの資料の突き合わせは、今回のように外れる場合がありました。照合は「音声の受取窓口は何か」「PDFの受取窓口は何か」と、資料ごとに値を取り出す問いに分けて出し、突き合わせは自分のコードで行う形が合うでしょう。独立した判定を大量に束ね、音声やPDFまで同じ入口で読ませる。この使い方で判定を任せられる範囲は、これから大きく広がっていくでしょう。
Googleが2026年11月11日に出した、判定に特化したAIです。文章を書かず、用意した二択・選択式・段階評価から答えを選び、選んだ答えと各候補の確率を返します。理由の文章は返りません。
入力100万トークンあたり0.10ドルで、出力は課金されません。共通資料の読み込み分は、問いが何問あっても1回の依頼につき1回だけ数えられます。
資料ごとに独立して答えが決まる判定を、まとめて頼む場面に向きます。問い合わせの振り分けや、書類の記載漏れのチェックが例です。2つの資料の突き合わせは今回の試験で外れる例があったため、値の取り出しだけを頼み、突き合わせは自分のコードで行うのが合います。
AIを徹底的に使いこなすためだけのコミュニティ「フロンティア・リーダーズ」で、新しい判定AIも実務に組み込むところまで使い倒しています:https://frontier-leaders.vercel.app/
2時間で、AI活用術を実践のハンズオンで学べます(過去回のアーカイブ):https://handson.workstyle-evolution.co.jp/
AIニュースの解説と実演はYouTube『いけともch』で:https://www.youtube.com/@iketomo-ch