Al día siguiente del lanzamiento de Jev, el primer modelo System One, un amigo nos escribió para preguntarnos qué relación tenía con nuestra herramienta, DecisionRules. De hecho, ambas se usan para automatizar decisiones: Jev es un modelo de decisión; DecisionRules es un motor de decisiones. El propósito de este artículo es responder la pregunta de ese amigo (que implícitamente plantea cuál de las dos soluciones es mejor). La conclusión, para sorpresa de nadie, es que una comparación competitiva parte de supuestos equivocados. Estas dos herramientas no son rivales; más bien, se complementan en la automatización de decisiones. Sin embargo, hay que demostrarlo con argumentos claros.
Afirmación
Jev y DecisionRules comparten un ámbito de aplicación en la automatización de decisiones. Ahora queremos demostrar, mediante un análisis por casos, que 1. Si suponemos que compiten en ese ámbito, el resultado es que son herramientas que pueden combinarse y 2. Si suponemos que se complementan en ese ámbito, el resultado también es que pueden combinarse. Por lo tanto, son herramientas combinables y forman una buena pareja para la transformación digital que se espera en los próximos años.
Justificación
1. Para empezar, aclaramos que pertenecen a familias de sistemas diferentes, por lo que compararlas puede parecer problemático. Sin embargo, son líderes en sus respectivas categorías y su calidad ofrece la mejor base para evaluar el enfoque general de ambos sistemas.
a. Jev: Una solución de IA. El modelo se llama System One Model; su estructura interna se asemeja a la de los LLM, pero está modificada para garantizar respuestas con tipos seguros. Afirma ofrecer una solución de IA confiable para una revolución económica.
b. DecisionRules: Un motor de reglas de decisión moderno. Basado en el legado de los motores de reglas de negocio (BRE), este software permite diseñar y centralizar los estándares de una empresa, es decir, sus reglas de negocio. Afirma ofrecer una interfaz intuitiva, sin código o con poco código, que los equipos no técnicos pueden usar directamente.
2. El panorama actual de transformación digital impulsa a las empresas a preparar sus sistemas tecnológicos para el futuro. Los directores de tecnología y los arquitectos de soluciones se enfrentan a la presión de elegir las mejores herramientas para esta transformación, equilibrando requisitos tecnológicos, comerciales y legales. Una evaluación precisa de estas dos importantes herramientas de automatización de decisiones ayuda a orientarse en esa tarea. Además, si los directivos deben elegir entre proveedores externos y soluciones internas, este artículo ofrece contexto valioso para decidir.
3. En términos más amplios, el escepticismo y la esperanza se entrelazan en toda inversión en IA. En este contexto, comparar soluciones de IA con otras herramientas del mercado puede ayudar a formar opiniones más maduras y a promover debates más sanos en el sector.
Metodología
Comparamos Jev y DecisionRules y, a partir de los resultados, deducimos que las propiedades comparadas no enfrentan a las dos herramientas, sino que revelan que pueden combinarse. Si suponemos que son complementarias, se desprende de forma intuitiva que pueden combinarse; además, el propio análisis muestra cómo hacerlo.
Para la comparación, dividimos las propiedades (funcionalidades de los sistemas) en dos grupos:
- Similitudes: Funciones comunes a ambas plataformas.
- Diferencias: Funciones exclusivas de cada plataforma.
La valoración de cada funcionalidad dependerá del grupo al que pertenezca.
En el primer grupo, evaluamos las funciones a partir de la experiencia práctica en automatización digital. Como los proyectos de automatización reales con impacto económico son, por naturaleza, prácticos, la experiencia profesional (respaldada por documentación teórica y ejemplos) constituye el mejor marco de referencia. Clasificamos como óptima la función superior de cada categoría.
En el segundo grupo, las funciones son originales y, por tanto, se evalúan según los beneficios adicionales que aportan a la automatización práctica. Clasificamos esos beneficios como ventajas. (Este grupo se presenta en la parte 2 del artículo.)
Para llegar a la conclusión, combinamos las funciones óptimas y las ventajas de cada sistema. En conjunto, permiten sostener que Jev no sustituye a DecisionRules; más bien, el entorno digital actual ha favorecido una sólida simbiosis entre ambos. (Esta conclusión se presentará en la parte 2.)
Similitudes
Modelo de salida estructurada
A diferencia de los LLM actuales, la IA TypeSafe presentada recientemente, Jev, no devuelve texto generado para que lo lea una persona. Al igual que DecisionRules, Jev está limitado a devolver un elemento de un conjunto predefinido de resultados. Este conjunto puede contener una, dos o cientos de opciones, pero el sistema solo puede devolver resultados incluidos en él. Las ventajas son numerosas: no hace falta analizar el formato porque los resultados ya están estructurados; se puede asegurar el comportamiento del sistema; y los usuarios obtienen más control.
El primer System One Model admite tres primitivas (o tipos de preguntas), cada una correspondiente a un conjunto distinto de resultados posibles:
- Choice: Un conjunto fijo de opciones
- Score: Posiciones fijas en una escala definida por el usuario
- Noul: La probabilidad de que una afirmación sea verdadera (0 o 1)
Para cada uno de estos conjuntos predefinidos, la selección es sencilla. Ante una pregunta, la IA realiza un análisis probabilístico y elige la opción, la posición o el valor de verdad con mayor probabilidad.
DecisionRules define visualmente los conjuntos de resultados; los distintos tipos de reglas los representan de distintas maneras. Por ejemplo, en una tabla de decisión, la columna de resultados puede contener cualquier número de salidas posibles, lo que permite expresar opciones, posiciones, valores booleanos y más.
Hasta aquí, los enfoques son similares. La función óptima aparece cuando un caso requiere respuestas con estructuras complejas.
En DecisionRules, la respuesta es clara desde el principio: la plataforma devuelve un arreglo de objetos JSON personalizables. Este modelo sencillo permite crear estructuras JSON más complejas para cada elemento del arreglo. Por ejemplo, se puede devolver el mejor producto o los tres mejores productos de una lista; un estado de error junto con un arreglo de validaciones fallidas; o varios mapas de datos.
Las respuestas de Jev son deliberadamente atómicas: cada pregunta devuelve un valor tipado junto con su distribución de probabilidades, y TypeSafe recomienda combinar estas respuestas mediante programación. Son posibles patrones avanzados, como recorrer una taxonomía mediante varias preguntas, pero la forma de cada respuesta individual permanece igual. Los casos complejos, como asociar un ID de producto a un descuento resultante, no tienen compatibilidad nativa.
Por lo tanto, el modelo de salida estructurada de DecisionRules ofrece mayor flexibilidad y capacidad para diversos escenarios de resultados y, por ello, es óptimo.
Entrada en lenguaje natural
Hace dos años, no era evidente que un motor de reglas de negocio pudiera procesar lenguaje natural. Sin embargo, los rápidos avances de la IA han permitido que los motores modernos de reglas de decisión incorporen esta capacidad. En el segundo trimestre de 2026, DecisionRules fue uno de los primeros motores en lanzar una nueva regla AI Agent, que integra capacidades de los LLM en flujos de decisión rigurosos.
La idea de la regla AI Agent se parece a la visión detrás de Jev. Los ingenieros de DecisionRules crearon un marco que permite conectar un proveedor de LLM propio (por ejemplo, OpenAI, Anthropic o Google) dentro de un modelo de entrada/salida limitado. La regla recibe entradas definidas en su modelo de entrada, como texto libre, documentos o transcripciones, y devuelve salidas JSON estructuradas y con tipos seguros. El lenguaje natural llega mediante el prompt de IA, en el que los usuarios insertan atributos dinámicos de la entrada; el resto del prompt permanece fijo. La lógica de cada resultado posible se define de forma similar a Jev, con descripciones de criterios asociadas a elementos de salida.
Para ver con más detalle cómo AI Agent convierte entradas en lenguaje natural en datos estructurados para las reglas posteriores, consulta AI Agent en DecisionRules: el primer tipo de regla que piensa.
Está claro que los modelos System One como Jev procesan lenguaje natural. La cuestión de cuál de las dos soluciones es más óptima en este caso depende del rendimiento.
En pruebas con tareas de decisión reales de casos financieros, Jev ofreció respuestas más rápidas y precisas que la regla AI Agent basada en LLM generales. En ese sentido, un System One Model transforma mejor las entradas no estructuradas en datos estructurados. Por lo tanto, el procesamiento del lenguaje natural de Jev es óptimo.
Confianza
Jev busca ser un modelo confiable, por lo que el sistema devuelve un valor de confianza junto con cada Choice o Score. Así, el resultado incluye una medida de fiabilidad. Destacan dos beneficios. Primero, ofrece control: los sistemas que consumen las salidas de Jev pueden fijar un umbral mínimo de confianza y procesar resultados solo cuando la certeza es alta. Segundo, Jev está entrenado para reflejar con honestidad su grado de certeza. Si se reúnen todas las respuestas en las que Jev indica un 80 % de confianza, aproximadamente el 80 % serán correctas. TypeSafe llama a este método de entrenamiento RLCD.
DecisionRules también ofrece confianza, pero no como un valor adjunto al resultado. Como el nivel de confianza es siempre el mismo para cada respuesta, puede considerarse implícito. El nivel de un software predecible y determinista es del 100 %. La interfaz pensada para usuarios no técnicos no compromete la lógica condicional subyacente de la programación tradicional.
Qué función resulta óptima depende del caso de uso, ya que cada escenario implica prioridades distintas. Sin embargo, en la práctica, sectores como las finanzas, los seguros, la manufactura y la logística exigen una predictibilidad total. Para los equipos técnicos y los proveedores, esto no es negociable.
Aunque los modelos System One se optimizan en función de los resultados y generan probabilidades mejor calibradas, indican explícitamente que no se garantiza que cada respuesta individual sea correcta. En entornos empresariales, las decisiones óptimas dependen de sistemas predecibles y deterministas en los que, además, los procesos puedan inspeccionarse paso a paso, como ocurre con las auditorías en DecisionRules.
Por lo tanto, el modelo de confianza de DecisionRules es óptimo.
Continuará…
Hasta ahora, hemos llevado la comparación competitiva hasta sus últimas consecuencias lógicas, obligándonos a elegir una opción superior en cada caso. En la siguiente parte examinaremos las funcionalidades exclusivas de cada sistema. Esto aportará nuevas perspectivas y mostrará aún más por qué no son competidores, sino colaboradores.
Coautor Ivan Peresta
Ivan Peresta es analista de producto y trabaja en Servicios Profesionales en DecisionRules. Ayuda a definir funciones del producto, probarlas y documentarlas, y apoya a los clientes para llevar la automatización de decisiones a la práctica. También contribuye a funciones de reglas basadas en IA y al servidor MCP de DecisionRules. Lee más en el perfil de Ivan.
Gerardo Cabaña trabaja en DecisionRules y colabora estrechamente con clientes en sus iniciativas digitales. Se especializa en el análisis de operaciones e infraestructura, la documentación de reglas de negocio y estándares, el cumplimiento de las regulaciones del sector y la alineación de las capacidades técnicas con las soluciones de negocio. Acompaña a los clientes desde la primera demostración hasta evaluaciones rigurosas, planes realistas y pruebas de concepto (PoC) de alto impacto, y conecta a los equipos técnicos con los responsables de las decisiones ejecutivas.
