SHIRO & Co. 股份有限公司(总公司:东京都,代表:白子 孝介)宣布推出决策架构「Decision Stack」,作为应对AI时代决策结构性挑战的解答。 本架构重新审视了AI直接输出「答案」的传统模型,将决策重新定义为「受控制的流程」,而非「生成物」。它将仅靠速度和正确率无法涵盖的「当责、稽核与人类最终判断」,置于「设计的缺省前提」中,而非事后补充。这是一个决策技术堆栈,将生成式AI定位为底层的推理与生成引擎,并在其上层将意义、解释、信任控制和运行分离开来。 作为AI上层架构的定位 Decision Stack并非单一AI模型或提示词设计的「延伸」,而是「统整多个AI、规则与人类判断的上层架构」。生成与推理被视为底层(引擎),在其输出之前,将意义的候选化、依据上下文选择解释、根据风险进行「保留(HOLD)」,直至业务上的运行,皆由「上层依序控制」。在「AI说什么」之前,决定「何时、以何种解释、运行或停止」的层级,正是 Decision Stack。 创新性与典范转移 本构想的创新之处,并非在于提升准确度或改善提示词等「生成的微调」。通过分离意义、解释、信任控制与运行,并将「不运行」视为一种正规的结果而非失败——通过如此深入的设计,将AI从「给答案的机器」转变为「能够停止、创建分支、具备解释能力的决策基础设施」。这不是功能的追加,而是「典范的反转」。 关于与专利、学术及过往案例的关系 Decision Stack并未被定位为现有生成式AI治理、可解释性(XAI)、RAG或人机协作延伸上的「改良版」,而是作为一个「以层级责任和HOLD为内核的独立设计命题」提出。关于与专利申请、同侪审查以及产业界先行实作的对比与差异,计划将配合未来的信息揭露、论文发表及实作公开,陆续予以明确说明。 不同之处(3点) - 结构:不让推理单独完成。将意义、解释、信任控制、运行的责任与纪录分开。 - 输出:不只将价值放在「行动」上。将保留、停止、重新启动视为设计好的结果。 - 运作:不将解释留到事后。事先内置分支、阈值和策略方针。 与传统模型的对比(Input–Output 模型与 Decision Stack) 传统型(Input → Output) Decision Stack