La toma de decisiones juega un papel fundamental en dar forma a los resultados en diversas disciplinas, como la medicina, la economía y los negocios. Este documento proporciona a los profesionales orientación sobre la implementación de un árbol de decisiones diseñado para optimizar las políticas de asignación de tratamiento a través de un algoritmo interpretable y no paramétrico. Basándonos en el método propuesto por Zhou, Athey y Wager (2023), nuestro árbol de políticas introduce tres innovaciones clave: un enfoque diferente para el cálculo de la puntuación de la política, la incorporación de restricciones y un manejo mejorado de variables categóricas y continuas. Estas innovaciones permiten la evaluación de una amplia clase de reglas de política, todas las cuales se pueden obtener fácilmente utilizando un único módulo. Mostramos la efectividad de nuestro árbol de políticas en la gestión de múltiples tratamientos discretos utilizando conjuntos de datos de diversos campos. Además, el árbol de políticas se implementa en el paquete de Python de código abierto (bosque causal modificado), facilitando su aplicación tanto en entornos de investigación aleatorizados como observacionales.