如何權衡業務規則的遵守與違反？

示例場景
如今，你的組織很可能對不適當的觸控行為有嚴格的規定。下面是一個例子。

禁止擁抱規則：一個員工不允許用手臂摟住另一個員工並進行擠壓。

在工作時從事這種行為會導致該員工被解僱。但是否有可以打破的情況呢？想象一下下面的情景。

有一天，你去廚房區喝咖啡，注意到你的一個同事的手被抓著喉嚨，臉色發青。這名同事正在窒息，無法呼吸。因此，你走到他們身後，伸出你的雙臂，繞過他們的身體，進行擠壓。這是一個通常被稱為 "海姆利希手法 "的動作。

不幸的是，一位經理碰巧路過，看到了正在發生的事件。他們告訴你立即停止，然後直接把你送到人力資源辦公室，告訴你你的工作被終止了。你違反了規則，懲罰是讓你離開。

這將是非常愚蠢的。通過'擁抱'這位同事，你可能已經救了他們的命。我想這位同事認為他們即將死去，會永遠感激你。常識告訴我們，如果情況需要，就應該打破 "不擁抱規則"。這裡需要的是什麼？一些實時的人類判斷力。

具體來說，在編寫規則時可能沒有預見到的情況下，需要允許違反規則而不受到制裁。在現實的人際關係中，規則可以而且有時應該被違反。正如我母親常說的，"對規則有足夠的瞭解，才能知道什麼時候打破它們"。

兩種規則
這就是為什麼必須認識到有兩種規則，而不是一種：

1. 定義性規則
這種規則不能被打破。一個定義性規則可能是壞的或錯的，但它不能被違反。當然，你可以選擇忽略結果，但那是完全不同的事情。

例如。如果一個客戶在一個日曆年內下了12個以上的訂單，該客戶必須被視為黃金客戶。

決策規則和決策表就屬於這第一類。

2. 行為規則（ banq：領域事件）
行為規則可以被違反或破壞。它們制約著正在進行的活動的進行，因此對人、組織和商業活動至關重要。非常粗略的說，你可以把行為規則看作是業務約束。

例子。如果一個客戶下了訂單，就必須把他分配給一個代理。

任何一種規則都可以被打破的想法對於DMN和傳統的專家系統社群（符號AI）來說是非常陌生的。
事實上，我已經看了足夠多的決策模型和決策表，知道行為規則在其中根本不存在。在我們的方法中，我們不允許這種情況發生。

每個行為商業規則的一個關鍵問題是，它需要多嚴格地被執行？這是一個對業務敏捷性和業務分析來說都非常有說服力的問題。

就 "不擁抱規則 "而言，你可能希望規定在可核實的緊急情況下，它可以被推翻。
這就是你如何在業務邏輯中實時注入人類的判斷力、常識和情感。

行為規則的自動化
在最近幾年，我學會了對自動化要謹慎。

規則：在建築工地上必須戴上一頂硬帽子。

幾年前，我恍然大悟，這些天來，人工智慧和ML完全有能力確定一個工人何時戴著硬帽子。這只是一個自動檢測的問題。（事件容易實現觸發，由下而上思維）
所以，現在我看到了一個巨大的機會：將人工智慧和ML與行為業務規則結合起來使用。
通過這樣做，我們可以實現以前從未想象過的各種務實的自動化。

強制執行級別
行為商業規則的一個獨特特徵是處於執行級別。
例如，在足球比賽中，黃牌與紅牌（或僅僅是警告）的執行級別是完全不同的。
你想讓一個行為規則得到多嚴格的執行，以及你想對違規行為做出什麼反應，這些都是與規則本身所表達的邏輯是屬於不同性質的問題。

• 強制執行： 如果一個行為人違反了行為準則，該行為人不能逃避制裁。                                                                            
• 延遲執行： 該行為規則被嚴格執行，但這種執行可能被延遲 
  執行--例如，直到另一個具有所需技能和適當授權的行為者能夠參與其中。
• 預先授權覆蓋：預先授權的行為人可以推翻它：凌駕於行為規則之上 該行為規則被強制執行，但具有適當的事前授權的行為人可以凌駕於它。  
• 實時覆蓋：行為規則是被強制執行的，但行為人可以實時向另一個有事實授權的行為人請求豁免。 實時向另一個有明確授權的行為人請求放棄。
• 有理有據覆蓋：該行為規則可以被一個沒有明確授權的行為人所推翻。  但如果推翻後被認為是不適當的，該行為人可能會受到制裁。行為人可能會受到制裁。 
• 解釋覆蓋：只需提供一個解釋，就可以推翻該行為規則。
• 準則： 建議，但不強制執行。                                                 

飛翔中的知識
等一下，一個根本不執行的規則有什麼意義？這樣的規則只是一個準則或建議。

將一條規則表示為準則並不意味著它不做任何事情。
遠非如此。有了自動支援，這意味著你在實時傳播知識，即使你不從字面上執行規則。
通過這樣做，規則平臺讓工作區的參與者瞭解最新的政策和最佳做法，就在現場。希望他們能相應地修改他們的行為。

這真是非常、非常聰明！

關閉業務？
我聽到有人反對說，你不能簡單地關閉業務，同時解決一些違反行為規則的問題。

首先，情況根本不是這樣的。你幾乎總是在推遲一個特定的互動，或者在最壞的情況下，只是一組互動。

然而，如果這個問題仍然與你有關，你總是可以選擇列表中的第二個執行級別，也就是推遲執行，直到違規行為得到解決。

在知識時代，一個不能解決這些實時問題的規則平臺正在失去一個巨大的機會。