Två dollar för 10 000 AI-bedömningar: ett räkneexempel

Hammer Automation
Två dollar för 10 000 AI-bedömningar: ett räkneexempel

Ett AI-system som sorterar en kundförfrågan behöver ibland bara välja mellan offert, leveransfråga och övrigt. Googles nya Gemini Decisions API gör sådana avgränsade bedömningar till en egen produkt, med ett pris på 0,10 dollar per miljon indatatoken. Det ger en konkret ekonomisk möjlighet: fler vardagsärenden kan få en första bedömning, medan längre resonemang används där de gör nytta.

Veckans podd bygger på Hammers leverantörsresearch från den 9–15 november. Här fördjupar vi en fråga ur underlaget: hur mycket av ett arbetsflöde behöver egentligen ett långt AI-svar?

Gemini Decisions ger ett val med sannolikheter

Google lanserade Decisions API den 11 november. Modellen Gemini Decision 1 bedömer fördefinierade alternativ och returnerar sannolikheter, ja/nej-bedömningar eller poäng enligt en angiven skala. Den kan använda text, bilder, ljud, video och PDF-filer. Ett API är anslutningen som låter en annan programvara använda modellen.

För ett kontor skulle samma inkommande meddelande kunna bedömas utifrån ärendetyp och om kunden nämner ett ordernummer. Frågorna behandlas oberoende av varandra. Programmet använder sedan resultaten för att bestämma nästa steg. Att modellen väljer etiketten ”leveransfråga” ger i sig varken ett leveransbesked eller åtkomst till en order.

Det passar ett återkommande jobb med tydliga alternativ. Ett välskrivet svar på en ovanlig reklamation kräver mer sammanhang och en annan sorts arbete.

Källa: Google: Gemini Decisions API.

Räkneexempel: 10 000 ärenden för två dollar i modellavgift

Anta att ett företag vill klassificera 10 000 förfrågningar. Varje anrop omfattar i genomsnitt 2 000 debiterade indatatoken, inklusive instruktionerna och frågorna. Token är de enheter modellen använder för att bearbeta innehållet; för text är det ofta orddelar.

Det ger 20 miljoner indatatoken. Med det publicerade priset 0,10 dollar per miljon blir modellavgiften 2 dollar. Decisions API debiterar inga utdatatoken.

Det här är ett räkneexempel för klassificering. Integration, lagring, eventuella nya anrop och personalens arbete tillkommer. Exemplet förutsätter också att varje ärende ryms i den antagna mängden indata. Det säger inget om hur många bedömningar som blir rätt.

Den låga modellavgiften ändrar ändå var det är värt att lägga sin uppmärksamhet. Om sorteringen fungerar kan företaget bedöma hela inflödet och hitta ärenden som annars blir liggande. Om den ofta skickar kunder till fel person kan arbetet med rättelser dominera kostnaden.

Källa: Google: Gemini API-priser. Priset kontrollerat den 16 november 2026.

Hydrogen och Carbon fördelar det längre arbetet

Google lanserade Gemini 4 Hydrogen den 12 november för bland annat kodning och arbetsflöden där AI använder verktyg. I Antigravity kan Orchestrator växla mellan modeller under samma uppdrag: Carbon eller Argon kan planera, Hydrogen genomföra arbetet och den första modellen ta över igen när planen behöver ändras.

Det är ett konkret exempel på att fördela AI-arbete efter uppgift. Decisions gör avgränsade bedömningar; Hydrogen och Carbon kan generera innehåll och utföra längre arbetsflöden. Produkterna fyller olika roller och behöver jämföras utifrån resultatet av hela uppdraget.

För en verksamhet är den användbara frågan därför vilken del som förtjänar mer resonemang. I det tänkta kontoret kan sorteringen vara billig, medan ett komplicerat kundsvar får mer tid. En enkel lösning med en enda modell kan samtidigt vara det bästa valet när inflödet är litet eller integrationen blir dyr.

Källa: Google Antigravity: Gemini 4 Hydrogen and Orchestrator.

Vad blir värt att bedöma oftare?

Hammers tes är att billiga, avgränsade AI-bedömningar kan göra det rimligt att granska fler vardagsärenden. Det kan gälla om en förfrågan är komplett, vilken tjänst den handlar om eller om den behöver en närmare genomgång. Vinsten uppstår när den bedömningen förbättrar det fortsatta arbetet.

Välj ett återkommande inflöde där någon redan sorterar för hand. Använd ett antal tidigare ärenden med kända utfall och jämför hur många som hamnar rätt, hur mycket rättelserna tar och vad hela hanteringen kostar. Då går det att avgöra om en billig bedömning faktiskt frigör tid.

Den engelska podden ger den bredare genomgången av OpenAI, Anthropic Claude, Google Gemini/DeepMind, SpaceX/xAI Grok och Mistral. Underlaget omfattar även återfunna äldre uppdateringar med sina ursprungliga datum.

Avsnittet är en AI-genererad masterclass, skapad med NotebookLM från Hammers dagliga djupresearch om AI-leverantörernas uppdateringar och funktioner. Artikeln bygger på forskningsunderlaget och en skriftlig syntes från NotebookLM.

Smedjans nyhetsbrev

Få nya artiklar i inkorgen

Välj de ämnen som intresserar dig. Inget brus, max ett mejl i veckan.

Få nya artiklar i inkorgen

Vi följer GDPR. Avsluta när du vill.