En los sistemas expertos, los shells del sistema experto son el software que contiene una interfaz, un motor de inferencia y el esqueleto formateado de una base de conocimientos. En esencia, la carcasa de un sistema experto es un recipiente vacío que debe llenarse con los elementos de conocimiento experto que el motor de inferencia puede procesar para los usuarios. Los sistemas expertos son aplicaciones informáticas que brindan ayuda para la resolución de problemas específicos a los que un usuario puede necesitar acceder para resolver, por ejemplo, una dificultad en la operación de un software de utilidad. Un ingeniero de conocimiento usaría este shell para desarrollar la base de conocimiento y personalizarla para satisfacer las necesidades de su base de usuarios en particular. Se personalizaría para tomar la entrada de un usuario e interpretar esa información en el repositorio de datos y, en comparación, ubicar información coincidente que podría ayudar a guiar al usuario hacia una solución.
Junto con la información de control que se deposita en una base de conocimiento, hay reglas y definiciones de atributos que gobiernan la entrega de información a los usuarios. La base de conocimientos se construye a partir de declaraciones de experiencia que imitan el proceso de análisis de un experto humano en busca de conocimientos suficientes para lograr una solución. Los shells de sistemas expertos deben proporcionar capacidades para reforzar el trabajo del ingeniero del conocimiento en el desarrollo de una base de conocimientos que pueda operar como un sistema experto en tiempo real. En un sistema experto de este tipo, la base puede estar en constante cambio de datos mediante eliminaciones o adiciones de datos debido a que los sistemas industriales, las redes, el hardware y los sistemas de software cambian con el tiempo. Este cambio constante de entrada de datos de otros sistemas de gestión no debe debilitar la capacidad de la base para razonar al mismo nivel de experto, independientemente de los cambios.
Los caparazones de sistemas expertos proporcionan lo básico para la imitación del razonamiento experto humano en métodos de reglas conocidos como encadenamiento hacia adelante y encadenamiento hacia atrás. El encadenamiento hacia adelante en estos shells permite tomar datos de un usuario y usar las reglas del motor de inferencia para ubicar más datos relacionados con esa información hasta que haya suficiente información para llegar a una conclusión. Debido a que los datos iniciales recibidos son los que impulsan la búsqueda, este método se denomina método basado en datos. Una aplicación que ilustra este método de encadenamiento directo podría explorar las posibilidades de disposición de componentes dentro de una computadora para llegar a la mejor ubicación de los componentes.
El encadenamiento hacia atrás recopila datos solo cuando los necesita cuando se consulta una base de conocimientos en una consulta. Tiene el objetivo de encontrar un valor para C y razona hacia atrás para descubrir el valor de A y B que concluye el valor objetivo de C. Este método de razonamiento de datos actuales a datos anteriores que fue el fundamento de los datos actuales se llama objetivo- método impulsado. Una aplicación que ilustra las reglas de inferencia de los shells de un sistema experto podría incluir que un médico ingrese un conjunto actual de síntomas para obtener información de fondo sobre los mismos síntomas o síntomas similares en la información de fondo de un sistema experto de diagnóstico médico en particular.
El conocimiento inferido se obtiene mediante el examen de hechos existentes para llegar a información nueva probable. Este es el proceso de razonamiento que habita el motor de inferencia en los shells de sistemas expertos. Este proceso es lo que inicia el encadenamiento hacia adelante o hacia atrás en los sistemas expertos basados en reglas. Las reglas de inferencia que construyen los motores de inferencia en los shells de sistemas expertos se componen de cláusulas condicionales «si» y cláusulas «entonces» en declaraciones de reglas que facilitan la orientación de los pasos. Estos pasos pueden ser en los campos de servicios financieros, recursos humanos y manejo de préstamos hipotecarios, entre otros, para tratar de descubrir reglas empíricas como recomendaciones probables cuando no sea posible una respuesta definitiva.