Mapa de la ruta
Contenido detallado
🔎 Investigación en vivo con Perplexity
La Fase 1 de la Fábrica. Por qué la investigación en vivo supera al conocimiento estático, cómo elegir entre quick y deep, y cómo armar las 9 categorías de consultas en un ResearchOutput sólido, incluso cuando una búsqueda falla.
Perplexity busca datos de la empresa en el momento. Si se ejecuta en junio de 2026, obtiene información hasta junio de 2026; si surge un modelo mejor, la recomendación cambia automáticamente.
Es lo que hace que el paquete parezca vivo y no una plantilla genérica. Un LLM por sí solo inventa; con investigación, cita el presente.
Investigación en vivo · hechos vs. alucinación · actualidad de la información.
Quick (~9 queries, modelo sonar, ~US$0,05) para una evaluación rápida; Comprehensive (~18 queries, sonar-pro y deep-research, ~US$0,50) para una estrategia completa.
Es la palanca de costos de la Fábrica. Tú eliges la profundidad según el presupuesto y el valor para el cliente.
Modo quick · modo comprehensive · equilibrio entre costo y profundidad.
O TemporalContext inyecta el año y el mes actuales en los templates ({current_year}, {current_month_year}) y define el filtro de recencia (day/week/month/year).
Sin una fecha en la query, el buscador devuelve contenido antiguo. El contexto temporal es lo que garantiza «noticias de este mes», no de 2023.
Marcadores de tiempo · filtro de actualidad · consulta con fecha.
Perfil de la empresa, sector, competencia, tecnología, iniciativas de IA, regulación, noticias, liderazgo e inversión: cada categoría con prioridad e indicador de quick mode.
Son las nueve perspectivas que cubren toda la empresa. Sin ellas, el diagnóstico queda sesgado e incompleto.
QueryCategory · priority · required_for_quick_mode.
Si una query falla, el pipeline continúa con los datos parciales. Reintentar con backoff exponencial y una pausa de 2s entre llamadas evita el rate limit.
Una búsqueda que falla no puede derribar todo el paquete. La degradación gradual es lo que mantiene en pie a la Fábrica.
Degradación gradual · retry/backoff · rate limit.
Un objeto con company_name, raw_research, sources e cost. Es lo que consume la Síntesis y lo que se convierte en research_cache.json.
Es el contrato entre la Fase 1 y la Fase 2. Un resultado estructurado hace que la siguiente etapa sea confiable y se pueda almacenar en caché.
ResearchOutput · sources · research_cache.json.
📝 Los 15 prompts de entregables
La Fase 2 de la Fábrica. La anatomía de un prompt que genera un documento de consultoría y los 15 prompts organizados en cinco grupos: Evaluación, Planificación, Implementación, Gobernanza y Recursos. Y cómo adaptar cada uno al portugués brasileño.
Todo prompt sigue el mismo molde: Task → Required Sections (con tablas en Markdown) → Output Format. El contexto (investigación + cheat sheets) se incluye antes.
Entender el molde te permite editar cualquier prompt y crear otros nuevos sin romper el pipeline.
Task/Sections/Format · tablas Markdown · contexto inyectado.
Tres prompts que diagnostican en qué situación está la empresa: tech_inventory, pain_points e maturity_assessment (escala del 1 al 5).
Es la base factual del paquete. Sin una evaluación honesta, la hoja de ruta se convierte en una apuesta.
Inventario técnico · matriz de problemas · preparación para IA.
roadmap (30/60/90/180/360), quick_wins (esfuerzo × impacto, <60 días) y roi_calculator (ROI, período de recuperación, NPV a 3 años).
Es la parte que el cliente abre el lunes y ejecuta. Un plan con cifras es lo que cierra el contrato.
Roadmap por fases · logros rápidos · ROI/NPV.
vendor_comparison (construir vs. comprar), license_consolidation (reducir costos) y use_case_library (casos por departamento).
Traduce la estrategia en decisiones concretas de compra y uso. Es donde el plan entra en contacto con la realidad operativa.
Build vs buy · consolidación de licencias · casos de uso.
ai_policy (uso aceptable), data_governance (datos y privacidad) y change_management (capacitación y adopción).
Es lo que distingue a un piloto de un programa serio. La gobernanza es lo que exigen las áreas legal y de RR. HH.
Política de IA · gobernanza de datos · gestión del cambio.
prompt_library (kit inicial de prompts) y glossary (términos de IA). Y una instrucción de idioma para que el output salga en portugués.
Los recursos hacen que el cliente sea autónomo después de la entrega. Adaptar el idioma es el detalle que vende en Brasil.
Biblioteca de prompts · glosario · instrucción de idioma.
⚙️ Orquestación, reanudación y diagramas que venden
El pegamento que une todo. El orquestador confirma cada etapa, el state.json que permite retomar cuando se llena el contexto, los diagramas Mermaid (estado actual vs. futuro) renderizados en PNG y el empaquetado final para descargar.
Investigación → Síntesis → Generación, en secuencia. Cada fase confirma la conclusión antes de que empiece la siguiente: nada avanza a ciegas.
Es la columna vertebral de la Fábrica. La confirmación por etapa es lo que hace que el pipeline sea auditable y se pueda retomar.
Orquestador del pipeline · confirmación por fase · orden encadenado.
O state.json guarda la fase actual, el estado de cada entregable y el costo total acumulado de la sesión.
Es la memoria de la Fábrica. Sin un punto de control, cualquier caída te obliga a repetir todo y pagar de nuevo.
Punto de control · state.json · total_cost.
El contexto de Claude Code puede llenarse (pasó dos veces durante la construcción). Abres una sesión nueva y ejecutas resume "Empresa" — continúa desde donde se quedó.
Es lo que permite que la Fábrica sobreviva a sesiones largas. Retomar desde la lista de tareas es la habilidad que distingue a quien termina de quien se atasca.
Límite de contexto · resumen · lista de tareas persistente.
Dos diagramas de flujo: el stack actual (con los cuellos de botella señalados) y la arquitectura habilitada por IA (capa de datos unificada, servicios de IA, automatizaciones).
El "antes y después" es la diapositiva que vende. Ver el cambio representado convence más que tres páginas de texto.
Estado actual · estado futuro · cuellos de botella señalados.
O mermaid_renderer transforma el código en PNG para incluirlo en el PPTX. Alternativas: la skill beautiful-mermaid y eraser.io.
El cliente no abre el archivo .mmd; abre una imagen en la diapositiva. Renderizar es lo que hace que el diagrama esté listo para presentar.
Mermaid → PNG · beautiful-mermaid · eraser.io.
La Fase 3 organiza todo en carpetas (markdown/, presentations/, documents/, mermaid_images/) y cierra el paquete para descargarlo.
Entregar es la mitad del trabajo. Un paquete bien organizado es lo que hace que el cliente sienta que pagó por algo serio.
Estructura de carpetas · paquete final · descarga.