Políticas y acciones

Cómo se escriben y evalúan las reglas de política con condiciones AND, y cómo se calculan la action y el action_reason de cada respuesta — política, opción other, baja confianza, predeterminado o error del motor.

Las preguntas producen respuestas; las políticas convierten las respuestas en una acción sobre la que tu código puede hacer switch. Toda respuesta exitosa incluye tanto la action como el action_reason que la explica.

Acciones

AcciónSignificado por convención
continueSeguir con el camino automatizado.
blockDetener: rechazar, descartar o poner en cuarentena el evento.
escalatePasar a una persona o a un nivel superior.
fallbackTomar tu camino de fallback —por ejemplo, un modelo más grande o más recuperación de contexto.

Las acciones son etiquetas para tu código. Dcision nunca bloquea ni redirige nada por sí mismo: una decisión cuya acción es block igualmente responde 200 OK, y es tu aplicación la que aplica la acción.

Reglas de política

Una regla es una condición, condiciones and opcionales y la acción que se devuelve cuando todas se cumplen:

{ "field": "route", "on": "output", "operator": "eq", "value": "spam", "action": "block" }
PropiedadTipoPredeterminadoDescripción
fieldstring—La clave de una pregunta —o de un compuesto— de esta decisión.
onstringoutputQué comparar: la respuesta (output), su confidence o el nivel ponderado de una pregunta de puntaje (score).
operatorstring—eq, neq, gt, gte, lt o lte.
valuestring o number—El valor con el que comparar (strings de hasta 255 caracteres).
andarray—Hasta 5 condiciones más —cada una con su propio field, on, operator y value— que también deben cumplirse.
actionstring—continue, block, escalate o fallback.

Una decisión tiene hasta 50 reglas. Lo que aceptan value y operator depende del campo y de on:

CampoonComparavalueOperadores
pregunta de elecciónoutputla opción elegida (se ignoran mayúsculas y espacios alrededor)una opción, como stringeq, neq
pregunta de puntajeoutputel nivel más probable (1 = el más bajo)un número de nivel o la etiqueta de un nivellos seis
pregunta de puntajescoreel nivel ponderado, desde 1 —puede caer entre niveles, como 2.4un númerolos seis
pregunta de probabilidadoutputla probabilidad de síun número de 0 a 1los seis
cualquier preguntaconfidencela confianza de la respuestaun número de 0 a 1los seis
compuestooutputel valor del compuestoun númerolos seis

Las reglas que no respetan estas restricciones invalidan el schema (422 INVALID_SCHEMA), por ejemplo "Choice outputs only support eq / neq.", "Unknown question \"intent\".", "Only score questions have a weighted level." o "Compare a composite's value with a number.".

Condiciones AND

Las reglas compuestas son lo que necesitan la mayoría de los patrones. Todas las condiciones de una regla deben cumplirse para que la regla coincida. De las plantillas:

PlantillaRegla
ticket-triagecategory = bug_report AND bug_severity ≥ 4 → escalate
voice-bankingintent = approve_transfer AND confianza de intent < 0.9 → escalate
customer-service-routerintent = technical_issue AND nivel ponderado de complexity ≥ 2.5 → escalate
resume-screeningsenior_ic < 0.35 AND eng_manager < 0.35 → block

En JSON, la primera queda así:

{
  "field": "category",
  "on": "output",
  "operator": "eq",
  "value": "bug_report",
  "and": [{ "field": "bug_severity", "on": "output", "operator": "gte", "value": 4 }],
  "action": "escalate"
}

Las condiciones de una regla pueden usar preguntas y compuestos distintos, o la misma pregunta dos veces —su respuesta y su confianza, como en voice-banking. Para un OR, escribe dos reglas con la misma acción.

Cómo se calcula la acción

Después de que el motor responde, Dcision calcula los compuestos y luego recorre cinco pasos, deteniéndose en el primero que aplica:

Políticas, en orden. La primera regla cuyas condiciones se cumplen todas define la acción. action_reason → { "type": "policy", "rule": 1 } — rule es el índice basado en 0 de la regla (la app lo muestra como "regla de política #2").

Una pregunta que el motor se negó a responder. OpenAI Decisions puede rechazar una pregunta; la primera pregunta rechazada, en el orden de las preguntas, activa la acción de fallback de la decisión. No tiene entrada en result, y las políticas sobre ella nunca coinciden. action_reason → { "type": "refusal", "question": "route" }

Una elección respondida con other. La primera pregunta de elección, en el orden de las preguntas, cuya respuesta es la opción reservada other activa la acción de fallback de la decisión (settings.fallbackAction, escalate por defecto). action_reason → { "type": "other_option", "question": "route" }

Baja confianza. La primera pregunta, en el orden de las preguntas, cuya confianza está por debajo de su minConfidence activa la acción de fallback. action_reason → { "type": "low_confidence", "question": "route", "confidence": 0.52, "minConfidence": 0.8 }

Predeterminado. No aplicó nada: la acción es continue. action_reason → { "type": "default" }

Las políticas siempre ganan: una regla como route eq other → block tiene prioridad sobre la acción de fallback.

Existe un sexto motivo fuera de estos pasos. Cuando el motor falla y el onEngineError de la decisión es fallback, no hay respuestas que evaluar: la respuesta incluye la acción de fallback y { "type": "engine_error", "code": "ENGINE_TIMEOUT" }.

Ejemplo práctico

La plantilla Lead Qualification tiene dos reglas y la acción de fallback predeterminada, escalate:

[
  { "field": "route", "on": "output", "operator": "eq", "value": "spam", "action": "block" },
  { "field": "purchase_intent", "on": "confidence", "operator": "lt", "value": 0.6, "action": "escalate" }
]
resultconfidence.purchase_intentactionaction_reason
route: "sales", purchase_intent: 0.94120.8824continue{ "type": "default" }
route: "spam", purchase_intent: 0.030.94block{ "type": "policy", "rule": 0 }
route: "sdr", purchase_intent: 0.450.1escalate{ "type": "policy", "rule": 1 }
route: "other", purchase_intent: 0.150.7escalate{ "type": "other_option", "question": "route" }

La confianza de una probabilidad es |2p − 1|, así que la regla 1 escala todo lead cuyo purchase_intent cae entre 0.2 y 0.8.

En el editor

La tarjeta Políticas muestra cada regla como IF condición THEN acción:

  1. Agregar regla crea una regla sobre la primera pregunta.
  2. Elige el campo —primero las preguntas, luego los compuestos— y qué comparar: respuesta, confianza o, para una pregunta de puntaje, nivel ponderado. Después, el operador y el valor.
  3. + AND agrega una condición, hasta 5. Cada una tiene su propio campo, comparación, operador y valor.
  4. Elige la acción después de THEN.

Las reglas se evalúan de arriba abajo. Renombrar o eliminar una pregunta actualiza o elimina las reglas que empiezan por ella; las condiciones and y los términos de compuestos que apuntan a una pregunta que ya no existe se marcan como problemas por corregir.

Actuar según el resultado

switch (decision.action) {
  case "continue":
    return routeTo(decision.result.route);
  case "block":
    return discard(lead);
  case "escalate":
    return sendToHuman(lead, decision.action_reason);
  case "fallback":
    return askLargerModel(lead);
}

Errores del motor: un error o una acción, tú eliges

Por defecto, cuando el motor agota el tiempo o falla, la API devuelve un error como 504 ENGINE_TIMEOUT y ninguna acción: decide en tu código qué significa un error —normalmente el mismo camino que escalate. Configura onEngineError como fallback para obtener en su lugar un 200 con la acción de fallback y action_reason.type = "engine_error"; esas respuestas no se facturan. Consulta Configuración de la decisión y Errores.

Consejos

  • Pon primero las reglas más específicas: gana la primera coincidencia. Las reglas compuestas (and) suelen ir antes que las simples que refinan.
  • Usa on: "confidence" con lt para escalar las respuestas de las que el motor no está seguro —o define minConfidence en la pregunta para usar en su lugar la acción de fallback. Combina ambos para obtener umbrales por acción.
  • Usa on: "score" para actuar entre niveles —frustration ≥ 3.5— en lugar de esperar a que gane el nivel más alto.
  • Reserva block para salidas claras (spam, abuso) y deja que la incertidumbre haga escalate.
  • Las políticas forman parte del schema: un cambio surte efecto para los clientes de la API solo cuando publicas una nueva versión.

En esta página