Este artículo describe soluciones para controlar problemas utilizando lógica difusa, lo que facilita el desarrollo de sistemas de apoyo a decisiones en varios campos. Sin embargo, abordar esta tarea a través de la creación manual de reglas en campos específicos requiere un conocimiento experto significativo. Los métodos de aprendizaje automático pueden identificar patrones ocultos. Una novedad clave de este enfoque es el algoritmo para generar reglas difusas para un controlador difuso, derivado de la interpretación de un árbol de decisiones. El algoritmo propuesto permite mejorar la calidad de las acciones de control en sistemas organizativos y técnicos. Este artículo presenta un ejemplo de generación de un conjunto de reglas difusas mediante el análisis de un modelo de árbol de decisiones. El algoritmo propuesto permite la creación de un conjunto de reglas difusas para construir sistemas basados en reglas difusas (FRBS). Además, autogenera funciones de membresía y etiquetas de términos lingüísticos para todos los parámetros de entrada y salida. El modelo de aprendizaje automático y el FRBS obtenido fueron evaluados utilizando el coeficiente de determinación (). Los resultados experimentales demostraron que el FRBS construido tuvo un rendimiento en promedio un 2% peor que el modelo original de árbol de decisiones. Aunque la calidad del FRBS podría mejorarse optimizando las funciones de membresía, este tema queda fuera del alcance del artículo actual.