Ordena tu fototeca con una IA que solo elige etiqueta

Una IA que elige en vez de escribir

OpenAI, la empresa que desarrolla ChatGPT, y Google, filial de Alphabet, ofrecen desde este otoño una API que no conversa. La de OpenAI funciona con GPT-6 Luna (`gpt-6-luna`); la de Google, con Gemini Decision 1 (`gemini-decision-1`), que se usa a través de Google AI Studio, el entorno web de Google para desarrolladores que trabajan con sus modelos Gemini.

Las dos funcionan igual. Se les pasa una entrada, como una foto, y una o varias preguntas cerradas de tres tipos: sí o no (`predicate` en OpenAI, `noul` en Google), elección entre opciones (`choice`) y escala ordenada (`score`). En una pregunta `choice`, la respuesta trae la opción ganadora, la probabilidad de cada opción y un campo `confidence`, que Google describe como una confianza de 0 a 1.

OpenAI asegura que, al no redactar, su Decisions API responde unas diez veces más rápido que la Responses API, su API general para generar texto.

Cuándo conviene más que un chat

La regla práctica sale de la documentación de OpenAI. Su Decisions API sirve cuando la respuesta es una probabilidad, una opción de una lista fija o una nota en una escala. Si hace falta extraer datos con un esquema propio o redactar una explicación, OpenAI remite a la salida estructurada de la Responses API.

Ordenar una fototeca encaja en el primer caso: la respuesta posible es una lista corta, siempre la misma, y los casos se cuentan por miles. Para describir cada foto o explicar por qué se descarta, mejor un chat.

Cuatro etiquetas y una salida de emergencia

El método cabe en una pregunta `choice` con cuatro opciones: «captura», «movida», «guardar» y «no sé». Cada una lleva una frase que dice cuándo se aplica, como recomienda OpenAI; en el ejemplo de Google, esas frases van en el campo `criteria` de la pregunta.

Por ejemplo: «captura: imagen de la pantalla del móvil o del ordenador, con menús, iconos o texto de una aplicación»; «movida: la foto está desenfocada o trepidada y no se distingue el motivo»; «guardar: foto nítida de un lugar, un objeto o un momento que merece conservarse»; «no sé: no encaja con claridad en ninguna de las anteriores».

La cuarta es la válvula de escape. OpenAI aconseja una opción de reserva, como «otro», cuando las categorías no lo cubren todo, y mandar ese resultado a revisión. Aquí, lo que cae en «no sé» se mira a mano.

Lo natural es una petición por foto con una sola pregunta. Las dos API admiten varias preguntas sobre una misma entrada, pero ninguna de las dos guías da un máximo de fotos por petición. En la de Google, las instrucciones solo admiten texto: la foto va en la entrada.

La confianza decide qué revisas tú

La confianza reparte el trabajo. Todo lo que salga por debajo de un umbral, por ejemplo 0,6, va a una carpeta de revisión manual junto a los «no sé». Lo que lo supera se mueve solo. Google presenta así ese dato: como la señal para mandar los casos dudosos a otro sistema o a una persona.

El umbral no se adivina. OpenAI recomienda fijarlo con ejemplos etiquetados de la propia aplicación y según lo que cueste cada tipo de error. En una fototeca no cuestan lo mismo: tirar una foto buena es peor que dejar una captura entre las que se guardan. Por eso conviene que la IA nunca borre: solo mueve a carpetas.

Cuánto costaría ordenar miles de fotos

Según sus páginas de precios, las dos cobran lo mismo por la entrada y nada por la respuesta. Lo que cambia es la letra pequeña: OpenAI tiene caché, cuya escritura se cobra, y recargos regionales y por contexto largo; Google no tiene caché, pero sí un nivel gratuito en AI Studio.

Mismo precio de lista no es mismo coste. Cada empresa cuenta a su manera los tokens de una imagen, y Google deja elegir con `resolution` el detalle con que se lee la foto, de `low` a `ultra_high`, lo que cambia el gasto. El dato real lo da el campo `usage` de cada respuesta.

La fórmula: número de fotos multiplicado por los tokens de cada foto, dividido entre un millón y multiplicado por el precio de lista. Un ejemplo hipotético: si cada foto gastara 1.000 tokens de entrada, 5.600 fotos serían 5,6 millones de tokens, unos 0,56 dólares. Los tokens reales por foto se leen en `usage` tras la primera petición.

Antes de subir una sola foto

Según la página de precios de Google, en el nivel gratuito de AI Studio los datos se usan para mejorar los productos de Google; en el de pago, no. Quien practique gratis cede esas fotos para ese uso.

OpenAI ofrece retención cero de datos y procesamiento en Europa a clientes que cumplan sus requisitos, según su guía; un particular no debe darlo por hecho.

La práctica se hace con fotos sin personas y sin documentos: nada de DNI, recibos ni pantallas con datos personales, bancarios o de salud.

Hazlo tú

Hace falta una cuenta en Google AI Studio o en la plataforma de OpenAI para desarrolladores, una hoja de cálculo y 40 fotos propias.

Paso 1: separa 40 fotos sin personas: paisajes, objetos, capturas sin datos privados y fotos movidas. Etiquétalas a mano en la hoja con «captura», «movida», «guardar» o «no sé». Esa columna es la referencia.

Paso 2: escribe las cuatro etiquetas con su frase de descripción, como las de arriba. Que no se pisen: si un paisaje movido cabe en «movida» y en «guardar», decide cuál gana y dilo.

Paso 3: pasa cada foto por una de las dos API, con una petición por foto y una pregunta `choice`. En Google, con el nivel gratuito de AI Studio y su aviso de datos: `POST https://generativelanguage.googleapis.com/v1beta/decisions`, modelo `gemini-decision-1`, la foto en `input` con su `resolution` y la pregunta con sus cuatro opciones. En OpenAI, sin código, desde el Playground, donde su guía invita a probar preguntas y entradas.

Paso 4: apunta en la hoja la etiqueta que elige la IA, su `confidence` y los tokens de `usage`. Rellena la plantilla, manda a revisión lo que quede bajo el umbral y calcula el coste de tu fototeca con la fórmula y tus tokens por foto.