在建模环境内完成测试、验证与仿真,确保决策逻辑可靠构建可靠的DMN(决策模型与符号)模型以支撑核心客户服务或运营流程,是一项重大责任。这类模型封装了关键业务逻辑,直接影响决策结果、客户体验与组织整体绩效。因此,DMN模型必须可靠、健壮、功能正确。但仅满足技术准确性远远不够。DMN模型还必须忠实反映组织意图——使命、愿景与政策。要确保这种一致性,仅靠细致建模是不够的,还需要在模型全生命周期中进...
2026-04-17
过去十年里,业务规则领域在书籍、论文和网络论坛中越来越多地提到业务决策,而提及业务规则的频率有所下降。但到底什么是业务决策?它是业务规则的同义词吗?不少人确实这么用——有些表格型规则甚至直接以“决策表”的形式出现。“决策”是不是为了营销而给“规则”起的新名字,用来包装企业决策管理这类“新领域”里的旧理念?决策是新一代的规则,还是只是炒作?抑或决策本身就是一个真正全新的概念?业务规则和业务决策...
2026-04-16
AI智能体在信息检索、分析、整合与执行方面的速度,是任何人类团队都无法企及的。然而在各大企业中,AI带来的突破性变革仍未到来。试点项目遍地开花,投入持续增长,投资回报率却始终难以捉摸。董事会会议室里反复被提出的问题是:技术明明有效,为何业务模式没有发生本质改变?问题不在于AI本身,而在于围绕AI搭建的组织架构。企业在信息处理系统上投入巨大——数据检索、模型运行、结果整合、分析呈现,但几乎没有...
2026-04-16
市面上有大量规则引擎产品,同时也有厂商宣称自己的产品是决策引擎,你肯定会疑惑决策引擎(Decision Engine)与规则引擎(Rule Engine)有何区别?及其在现代架构中的作用是什么?1.决策与规则的本质区别l 决策是业务问题:决策被定义为一个需要回答的业务问题(例如:“我们是否应该给予该客户信贷?”或“该客户的健康保费是多少?”)。l 规则是实现手段:规则只是回答这些问题的多...
2026-04-13
最近詹姆斯·泰勒,蓝色北极星创始人,规则引擎专家,DMN标准专家组成员,分享了“AI代理与决策代理如何在自动化中结合规则与机器学习”方面的核心观点:单纯依靠大语言模型(LLM)不足以构建复杂的企业级代理架构,必须采用“多方法智能体AI(Multi-method Agentic AI)”。这种架构通过将LLM与工作流、决策规则和数据处理等成熟的自动化技术相结合,从而构建出更具适应性、透明度且符...
2026-04-10
根据DMN规范的逻辑,将机器学习(ML)模型嵌入到决策逻辑中主要采用一种混合架构:即通过确定性的业务规则来“消费”概率性的预测结果。以下是实现这一嵌入过程的核心步骤和逻辑:1.将机器学习模型部署为独立服务在现代架构中,机器学习模型(如欺诈预测、信用风险评估等)通常不会直接写在决策表内,而是利用机器学习平台进行训练,并部署为独立的REST端点。l 端点化:模型被封装为一个可以接收JSON对象...
2026-04-10
最近詹姆斯·泰勒,蓝色北极星创始人,规则引擎专家,DMN标准专家组成员,分享了构建决策代理及企业级决策引擎的核心观点总结:1.大语言模型(LLM)不适合直接作为“决策代理”虽然LLM是智能体AI(Agentic AI)的核心,但在处理复杂、自主的决策时存在显著缺陷:l 不一致性:LLM的随机性(虽然是其优势)会导致对相同情况给出不同决策,这在信贷或招聘等需要公平一致的场景中是不可接受的。...
2026-04-10
在DMN(决策模型与符号)框架中,SBVR(业务词汇与业务规则语义)与FEEL(友好足够表达式语言)的结合主要体现在业务语义的标准化定义与决策逻辑的可执行化转换之间。两者共同构成了从“自然语言描述”到“机器可执行逻辑”的完整链路。以下是SBVR与FEEL结合的具体方式:1.业务词汇作为FEEL变量的基础SBVR的核心作用是定义业务词典(Terminological Dictionary)和事...
2026-04-06
在DMN规范中,“盒装表”通常是指以表格形式呈现的盒装表达式(Boxed Expressions),它是决策逻辑层的图形化表示法,旨在将复杂的逻辑拆解为易于理解的视觉单元。以下是与“盒装表”相关的核心概念及其详细说明:1.核心定义:盒装表达式盒装表达式是决策逻辑的一种表格化表示形式,通过将逻辑“装入框内”,使其能够与决策需求图(DRD)中的元素(如决策或业务知识模型)逻辑关联。l 递归性...
2026-04-04
|
|
|