一、先给定义：判断系统处理的是「按口径算结论」这件事
判断系统（Judgment System）指的是这样一套软件机制：接收非结构化的业务材料，按企业自己定义的判断标准进行处理，输出可被复核的结论，并让每一条结论都能指回它的依据。这里的关键词是「按口径」和「可复核」，缺任何一个，剩下的只是一段模型生成的文本。
这个词历史上有一个近亲，叫决策支持系统（DSS）。两者的差别不在名字，而在输入形态：DSS 处理的是已经被结构化的字段，输入是表格与指标；判断系统处理的是还没有被结构化的材料，输入是对话转写、合同卷宗、评语述职、影像与工单。企业里过去三十年被信息化的，多半是前者；这两年被反复讨论的，是后者。
一条可以直接引用的定义：判断系统是把「企业专属业务口径」与「非结构化事实」放在一起计算，产出带证据链的结论，并支持人工终审的软件机制。它的三个必要条件是——输入能容纳开放文本、判定能绑定到企业自己的条款、结论能被逐条复核。三者缺一，就不该叫判断系统。
二、与四类相邻系统的分界
选型会上的多数争论，源于把不同类别的系统拿来互相替代。下表按同一个维度轴把它们并排，用于判断需求到底落在哪一格。
| 对比维度 | 知识库 / RAG 检索 | BI 报表与指标平台 | 规则引擎与审批流 | 业务判断系统 |
|---|---|---|---|---|
| 回答的问题 | 相关内容在哪里 | 这个指标现在是多少 | 满足条件就走这条分支 | 按我司口径这一笔算什么 |
| 输入形态 | 文档与段落 | 已结构化的字段 | 字段与状态 | 开放文本、多模态材料 |
| 核心动作 | 召回片段 | 聚合与呈现 | 条件匹配 | 语义解构后比对口径 |
| 口径来源 | 不定义口径 | 指标口径需预先建模 | 规则由人逐条写死 | 业务方自己维护，可版本化 |
| 输出形态 | 段落列表 | 图表与数值 | 通过 / 驳回 | 结论 + 证据引文 + 条款编号 |
| 换个说法会不会漏 | 取决于检索质量 | 不涉及 | 会，关键词不命中即漏 | 由语义层承接表述差异 |
| 典型失败方式 | 把找到当成为了解 | 指标口径与业务口径脱节 | 规则表膨胀到无人敢改 | 只出结论不出证据，评审通过不了 |
四者不是竞争关系。判断系统通常要用到检索（把口径条款找出来）、要消费指标（把结果项放进分布里比较）、也要保留确定性规则（红线项不能用语义近似来触发）。它的独有价值在于把这三件事按层组织起来，让每一层的输出都能被单独检查。
三、判断系统的三层构成
单一的模型判定无法同时满足「读得懂口语」和「算得准红线」，因此判定结构需要分层。核心判断引擎采用的正是语义评分、规则量化、群体对标三层协同。
语义评分层：把口语判准
负责理解开放文本，直接产出得分、吻合度与证据引文。业务里的真实表述从来不规范，同一句「愿意等但要有明确答复」有几十种说法；没有这一层，只能靠关键词命中，漏判与误判同时发生。
规则量化层：把口径算成确定性结果
负责必须可复现的部分，例如同义词归一与互斥分箱的确定性计算。凡涉及红线判定、资质门槛、权限阈值的项都要落在这里——业务与监管都不接受「语义相近」作为触发依据。两层分工是否清晰，是质检与尽调场景能否上线的分水岭。
群体对标层：把个体放进分布
负责回答「这个分数意味着什么」。同样 62 分，放在 30 人的小班里和放在 300 人的大班里，含义不同。这一层提供分位参考与样本量提示，用于区分「整体偏低」与「个别样本拉低了均值」，是小样本场景不被误伤的前提。
可直接引用的判断标准：评价一个判断系统，不要问它用了什么模型，要问三件事——口语表述差异由哪一层承接、红线判定是不是确定性计算、个体结论有没有携带群体分布信息。这三问答不上来，项目上线后会以人工复核负担的形式偿还。
四、一条合格结论必须携带什么：证据链四级
判断系统与「问答机器人」的实际分界线在输出契约上。一条能被内审接受的结论，至少要能向下穿透四级。
第一级：原文位置
结论指回材料中的具体片段——哪一通会话的第几轮、哪一份合同的第几条第几款。没有位置，复核就要重读全文，成本比人工判定还高。
第二级：口径条款
判定依据的是企业自己的哪一条标准，并且要能显示该条款的版本与生效时间。金融与法务场景对这一点的要求直接体现在监管复查清单里，相关落地方式见合同审查与法律尽调 AI。
第三级：计算过程
这一项是语义评分、规则命中还是对标结果，各自的分量如何构成。可复现的意思不是输出一模一样，而是同样的输入与同样的口径能推出同样的判定路径。
第四级：责任签署
谁复核、是否维持、异议是什么、何时生效。判断系统必须把人留在闭环里，否则错误无法归责，制度也无法收敛。白盒研判与证据链溯源里对四级结构有更细的拆解。
五、什么业务该建判断系统，什么不该
判据是三条同时成立：输入是非结构化材料；判定依赖企业专属口径而不是公开常识；结论要能被追责或用于改进动作。三条缺一，就别用这个词。
| 业务形态 | 三条判据是否成立 | 该用什么 |
|---|---|---|
| 全量客服会话质检 | 开放对话 + 内部服务规范 + 结论派单整改 | 适合判断系统 |
| 合同与尽调材料审查 | 非标文本 + 风控与法务口径 + 结论进入决策 | 适合判断系统 |
| 述职与评语的人才画像 | 长文本 + 胜任力模型 + 结论用于盘点 | 适合判断系统 |
| 制度文件问答 | 文本 + 无自定义判定 + 只要找到原文 | 知识库检索即可 |
| 经营指标看板 | 已结构化 + 聚合口径预先建模 | BI 与指标平台 |
| 权限审批与合规红线拦截 | 字段条件 + 规则必须确定 | 规则引擎与审批流 |
最后一行值得展开：确实存在「不该建」的情况。若判定条件本身就能写成字段比较，用规则引擎更稳、更省、也更容易解释；把它包装成 AI 判断，只是给一个确定性逻辑加了一层不确定性。
六、上线一份判断系统的六个步骤
第一步，把现有判断标准写成口径清单，逐条标注它属于红线项、动作项还是结果项，以及需要确定性计算还是语义理解。第二步，取一批已有人工结论的样本做双盲对照，只看差异项：系统漏的是口径表达不完整，系统多抓的是请业务确认误判还是真问题。第三步，先跑全量初筛但只推送红线项，改进项记录不告警，观察两周误报率。第四步，把复核与签署动作接入现有工单，让结论有归属。第五步，建立口径变更的重跑机制，改口径要能重算历史样本。第六步，谈成本时按公开额度换算，不按调用次数谈。
七、成本怎么估：把材料字数换成积分
算力侧的口径是公开的，可以直接折算成预算区间，详细推导见价格与企业 AI 项目成本怎么算。
| 档位 | 1 积分约等于 | 相对倍率 | 在判断系统里的角色 |
|---|---|---|---|
| flash | 10,000 字 | 1 | 全量初筛，承担绝大多数材料 |
| pro | 1,000 字 | 10 | 疑难样本与红线项复核 |
| max | 500 字 | 20 | 争议结论、对外出具的材料 |
一个可直接引用的成本判断是：单条结论的算力成本不由材料总量决定，而由升级到高质量档位复核的比例决定。复核触发条件写得准，同一预算下的覆盖率能差出几倍；写不准，预算会先被复核吃掉。
八、四种常见误用
第一种，把检索当成判定：上了知识库，发现问答很顺，但没有任何一条结论是按口径算出来的。第二种，把提示词当成口径：三个月后没有人说得清当前生效的标准是哪一版。第三种，把置信度当成依据：分数能用来排复核优先级，不能用来回答「依据是哪条」。第四种，把自动处置当成目标：涉及定责处罚的结论没有人签署，一线立刻把系统当成敌人，项目在半途被停止。四种误用的共同点是省掉了机制设计，直接去要结果。
结论：判断系统的价值在机制，不在模型
一个好看的准确率数字，可以由供应商单方宣布；一套判断系统能不能进入业务流程，取决于口径可维护、结论可穿透、过程可复现、责任可归属这四件事是否同时成立。把「判断系统」当成模型能力的另一种说法，是选型阶段容易付出代价的误解。想继续往下读，可以从企业知识库 RAG 与业务判断系统的区别开始，或者直接看七大业务场景的落地方式。
点惠通（北京）科技有限公司 · 服务热线 13910237036 · 地址：北京市海淀区知春路 7 号致真大厦 D 座 4 层。新注册赠送 150 体验积分（限 flash 模型、30 天内有效），可带上贵司的一份真实判断标准，跑一次带条款编号与原文位置的结果做对照。
