最新的知識管理程序可以利用自然語言處理（Natural Language Processing）、推理引擎（Inference Engines）和案例自動生成工具（Automated Generation of Case）來解決上述難題。這些工具都是知識發現（Knowledge Discovery Development）學術領域的熱點話題。

程序語言對自然語言的理解能力的提高，可以使許多不易體現為“硬性指標”的商業規則也能夠由程序所識別和修改。自然語言處理允許輸入類似于口語或書面語的信息，同時反饋出有意義的可以直接被應用的答案。在被廣泛采用的“模糊查詢”功能中，就融合了自然語言處理的成果。

推理引擎的應用原理則包含下面四個基本步驟：

1.匹配（Matching）。匹配將規則庫中現有的商業規則與輸入的情況進行對比。如對一家汽車修理廠商的客戶服務中心來說，后臺數據庫中已經存儲了上千條的汽車發動機故障的表現和原因，那么，當輸入“汽車點火不成功”這一信息時，推理引擎首先將這一故障表現與信息庫中的數據進行自動匹配。

2.選擇（Selection）。所有滿足這一條件的規則在這一步驟中被選中。通常，一個特定條件只能發現一個完全匹配的規則的情況也可能發生，但概率較小。

3.激活（Firing）。在所有被選中的規則中，根據匹配程度，系統自動決定激活強度。例如，若客戶反映活塞從未更換過，那么由于活塞堵塞導致的點火不成功的規則的激活強度，會比其它規則更大。推理引擎中內含的算法，可以給出一個最接近的規則行為。

4.行動（Action）。根據上面得到的推理結果，可以給出應當進行的操作行動。在上面的例子中，更換活塞可能就是最佳的故障排除方法。

當規則的條件不斷增加時，所能給出的結果和行動也就更加具有特殊性，成為一個典型案例。這樣的典型案例積累到了一定的程度，成為案例庫。自動案例生成系統就是在推理引擎的基礎上的擴充。