Microsoft Decision-1: il modello AI di Microsoft pensato per decidere, non per chattare

Microsoft ha presentato Microsoft Decision-1, un modello di intelligenza artificiale specializzato nella presa di decisioni rapide e strutturate. A differenza dei classici modelli linguistici generativi, non scrive testi, non riassume documenti e non spiega le proprie scelte: riceve un insieme di opzioni e restituisce una decisione numerica, accompagnata da una probabilità calibrata. L’obiettivo dichiarato è rendere più veloci, economici e affidabili i flussi di lavoro basati su agenti AI, automazioni aziendali e sistemi di controllo.

L’annuncio ufficiale è disponibile sul blog Microsoft: Microsoft-Decision-1: Our model for fast decision-making.

Un modello costruito per le decisioni operative

Microsoft-Decision-1 appartiene alla categoria emergente dei decision model, modelli progettati per produrre output immediatamente utilizzabili dal software. Il sistema analizza uno stato, che può essere un testo oppure dati strutturati in formato JSON, e lo confronta con domande e opzioni definite in anticipo dall’applicazione.

Il risultato non è una frase in linguaggio naturale, ma una risposta tipizzata: un valore binario, un’opzione selezionata o un punteggio su una scala. Questo approccio è particolarmente adatto ai processi in cui serve prevedibilità, ad esempio quando un’applicazione deve decidere se approvare, bloccare, inoltrare o segnalare un elemento.

Come funziona il decision scoring

Il cuore del funzionamento è il decision scoring: il modello assegna a ciascuna opzione una probabilità calibrata. Se la domanda è di tipo sì o no, restituisce una probabilità compresa tra 0 e 1; se si tratta di una scelta multipla, indica l’opzione più probabile e fornisce anche i punteggi delle alternative; se la richiesta riguarda una valutazione, produce un punteggio su una scala ordinata.

Il modello supporta tre tipologie principali di domande:

• Noul, per condizioni binarie come “questo messaggio contiene un rischio?” oppure “la risposta promette un rimborso?”.
• Choice, per classificazioni e instradamenti, come assegnare un ticket al team di fatturazione, assistenza tecnica o supporto clienti.
• Score, per valutazioni su scale definite, ad esempio la gravità di un incidente o la qualità di una risposta generata da un’AI.

Le domande possono anche essere combinate in un’unica chiamata, così da ridurre i tempi di elaborazione e mantenere coerente il contesto decisionale.

Velocità, costi e prestazioni dichiarate

Microsoft presenta Decision-1 come un modello ottimizzato per la bassa latenza. Secondo i dati diffusi dall’azienda, il modello risulta circa 35 volte più veloce di GPT-6 Sol nelle misurazioni di latenza mediana e 2,5 volte più rapido rispetto a H2O-Lightning-4B v1.1, il secondo modello classificato nei benchmark citati.

Sul piano economico, il costo indicato è di 0,042 dollari per milione di token in ingresso, mentre i token in uscita non sono fatturati. Una struttura di prezzo che riflette la natura del modello: l’input contiene il contesto e le opzioni da valutare, mentre l’output è una risposta breve e strutturata.

Microsoft dichiara inoltre che Decision-1 ha ottenuto il miglior risultato di accuratezza in un confronto su 36 benchmark, per un totale di quasi 150.000 domande mantenute separate dai dati di addestramento. Le prove riguardavano routing, ranking, contesti lunghi, attività multilingue, sicurezza e casi fuori distribuzione.

Una base tecnica derivata da Qwen

Per realizzare Microsoft-Decision-1, Microsoft ha effettuato un post-addestramento di Qwen3.5-9B, il modello open-weight da 9 miliardi di parametri sviluppato da Alibaba. La scelta non riguarda quindi la creazione ex novo di un’architettura, ma l’ottimizzazione di un modello esistente per un compito molto specifico: valutare opzioni fisse in un solo passaggio.

L’azienda ha precisato che, in futuro, intende adattare la stessa famiglia di modelli decisionali anche ad altre basi tecnologiche, incluse soluzioni Microsoft AI e OpenAI. Questo suggerisce che Decision-1 va inteso come un prodotto e un approccio, non soltanto come un singolo modello.

A cosa serve nella pratica

Le applicazioni possibili riguardano soprattutto i sistemi in cui un agente AI deve compiere scelte frequenti senza generare testi superflui. Microsoft indica diversi scenari concreti, tra cui la gestione dei ticket di assistenza, la classificazione dei contenuti, il controllo della qualità delle risposte AI e la selezione dello strumento più adatto a una richiesta.

Tra gli usi più interessanti figurano:

• Instradamento intelligente: assegnare automaticamente richieste, segnalazioni o documenti al reparto corretto.
• Controllo degli agenti: decidere se un agente può proseguire, riprovare, fermarsi o passare il controllo a una persona.
• Sicurezza e moderazione: valutare se un contenuto, una richiesta o un’azione proposta presenta rischi.
• Etichettatura dei dati: classificare feedback, recensioni e messaggi social secondo categorie prestabilite.
• Valutazione delle risposte AI: applicare rubriche di qualità per accettare, correggere o scartare un output generativo.
• Ricerca e raccomandazioni: ordinare risultati, proposte o azioni successive in base alla pertinenza.

Il ruolo negli agenti AI

Il lancio si inserisce in un contesto in cui gli agenti AI non si limitano più a conversare, ma eseguono azioni su applicazioni, dati e strumenti esterni. In questi scenari, ogni scelta operativa può rallentare il processo: anche pochi millisecondi aggiunti a decine di decisioni consecutive possono incidere sensibilmente sui tempi complessivi.

Per questo motivo, Microsoft propone Decision-1 come livello di controllo per gli agenti. Il modello può valutare il prossimo passo proposto da un agente, verificare se rispetta le regole, stimare il rischio e stabilire se l’azione debba essere autorizzata, ripetuta o inoltrata a un essere umano. In pratica, funziona come un filtro decisionale posto prima o durante l’esecuzione delle attività.

Limiti e cautele d’uso

Microsoft stessa segnala alcuni limiti importanti. Il modello non fornisce spiegazioni scritte delle proprie decisioni, quindi non è adatto quando serve motivare una scelta in modo trasparente. Inoltre, i punteggi possono variare in base alla formulazione delle domande, all’ordine delle opzioni e alla qualità delle istruzioni fornite.

L’azienda raccomanda di validare il modello su dati rappresentativi del proprio caso d’uso, impostare soglie di confidenza adeguate e prevedere un’opzione di astensione quando la decisione è troppo incerta. Per scelte ad alto impatto sulle persone, come credito, lavoro, salute o questioni legali, Microsoft suggerisce di utilizzarlo solo come supporto decisionale, affiancandolo sempre a una revisione umana.

Disponibilità per sviluppatori e aziende

Microsoft-Decision-1 è disponibile tramite Microsoft Foundry, la piattaforma Azure dedicata allo sviluppo e alla distribuzione di modelli AI, e risulta accessibile anche attraverso OpenRouter. Gli sviluppatori possono distribuirlo dal catalogo dei modelli, configurare l’endpoint e integrarlo nelle proprie applicazioni tramite API.

La documentazione ufficiale mostra esempi pratici di integrazione, dalla classificazione dei ticket di supporto alla valutazione della gravità di un incidente. Il modello accetta input testuali e JSON, con un limite dichiarato di 32.000 token per richiesta, mentre non elabora immagini, audio o video.

Un cambio di prospettiva nell’AI aziendale

Microsoft-Decision-1 rappresenta un segnale interessante dell’evoluzione dell’intelligenza artificiale aziendale: non tutti i modelli devono generare testo per essere utili. In molti processi, il valore sta nel prendere rapidamente una scelta corretta tra opzioni note, con costi contenuti e risultati facilmente integrabili nel software.

Con Decision-1 Microsoft punta a rendere l’AI un componente silenzioso ma decisivo delle automazioni, capace di guidare agenti, filtri e workflow senza trasformare ogni operazione in una conversazione.