00 · Context Brief — Equipo de Research de Momentum Skills

Documento de spec del research. Lo leen los agentes de research de M-02+ antes de tocar una sola fuente. Fija qué problema resolvemos, cómo lo descomponemos, quién hace qué y bajo qué reglas duras. Si una rama de research no se reconoce en este brief, no es research de Momentum: es curiosidad.

Versión 1.0 · 2026-06-17 · SKU R-brief del COMBO-OPEN de M-01. Hereda el encuadre TOSCA (P-tosca) y la descomposición MECE (P-decompose). El thinking completo vive en journal/00-foundation.md.

(a) Commander Intent

Convertir a Momentum Skills, ante un mercado que la lee como “otra plataforma de cursos de IA”, en dueña de una categoría propia: la capa de capacidad de la fuerza laboral nativa en IA, donde la unidad de valor deja de ser la clase o el certificado y pasa a ser el output verificado. El research existe para sostener —con fuentes reales 2024-2026 y cero invención— la cadena que convierte ese reposicionamiento en tesis de inversor y no en eslogan: el lead time entre aprender y ejecutar colapsa con la IA agéntica hasta fundirse en ejecución-aprendizaje; observar esa fusión permite medir la Human Input Intensity (HII) por tarea/rol; la HII bifurca el trabajo en AI Workforce (reemplazable) vs Human Workforce (perdura); y al medirlo a escala, Momentum se vuelve el primer mapa empírico de reemplazabilidad del trabajo — un data moat que ninguna plataforma de cursos puede replicar. El intent del comandante (CEO) es que, al cierre de la visión, tengamos un paper investor-grade, una landing que supere a la live paper de Lovable y un vocabulario propietario acuñado, todo blindado contra el escrutinio de un VC. Si solo recuerdas una frase: el titular no es el colapso del lead-time, es lo que el colapso te permite medir.

(b) Encuadre TOSCA (resumen)

(c) Dominios MECE de research (con scope)

El árbol se organiza por la cadena del Trouble, no por convenios académicos. Cada dominio declara lo que cubre y lo que NO cubre para que dos agentes no se solapen ni quede un flanco abierto.

1. EdTech para adultos / reskilling corporativo. Cubre: tamaño y dinámica del mercado de formación de adultos en IA, andragogía, evidencia de eficacia del reskilling corporativo en IA, half-life decreciente de skills. NO cubre: el mecanismo agéntico (D2) ni la medición de reemplazabilidad (D3). Es el “estado del arte del cajón del que queremos salir”.

2. IA agéntica, agentes y MCP. Cubre: capacidades actuales y trayectoria de agentes que ejecutan trabajo real, el protocolo MCP como capa de herramientas enchufables, benchmarks de autonomía 2024-2026. NO cubre: impacto laboral (D3) ni pedagogía (D1). Sostiene el eslabón ejecución-aprendizaje: sin agentes capaces, no hay fusión aprender↔ejecutar.

3. Futuro del trabajo + tesis HII / reemplazabilidad — rama crítica, la más expuesta a refutación (flag panel MoE). Cubre: evidencia 2024-2026 sobre exposición de tareas/ocupaciones a IA, qué se automatiza vs qué exige criterio humano constante, intentos previos de medir intensidad de input humano (HII) o equivalentes. Debe separar lo MEDIDO (estudios con datos) de lo ILUSTRATIVO (la HII por rol = hipótesis nuestra hasta telemetría real). NO cubre: escenarios prospectivos (D4). Aquí se blinda o se cae el data moat.

4. Escenarios IA 2027-2030. Cubre: proyecciones, roadmaps de laboratorios, dinámicas de adopción y de mercado laboral a 3-5 años, explícitamente etiquetadas como prospectivas. NO cubre: evidencia presente medida (D3). Sirve para datar cuándo colapsa el lead-time y bajo qué supuestos, y para stress-testear la tesis.

5. Mercado y competencia. Cubre: Coursera/Udemy/bootcamps/LMS corporativos y —crítico— quién más reclama la categoría “capa de capacidad” o “verified outputs”; pricing, posicionamiento, ventana de owner-categoría. NO cubre: la tecnología subyacente (D2). Mide cuán abierta está la ventana para ser dueños del léxico.

6. Pedagogía y ciencia del aprendizaje aplicada. Cubre: evidencia sobre learning-by-doing, evaluación por evidencia de desempeño vs examen (sostén académico de DEMONSTRATES-not-PASSES), diseño de competencias/skill atoms, validez de la evaluación basada en outputs. NO cubre: mercado EdTech (D1). Da rigor académico a Weighted Verified Outputs y a la taxonomía de madurez.

(d) Ejes de derivadas + escenarios 2027-2030

Derivadas sucesivas que el research debe hacer aflorar (es la prueba de altitud McKinsey/Bain/BCG):

• 2ª derivada — si aprender es el residuo de producir, el certificado pierde valor y el output verificado lo gana; el activo del proveedor deja de ser el catálogo de cursos y pasa a ser el grafo de competencia + la telemetría de ejecución.
• 3ª derivada — al observar la ejecución-aprendizaje se mide la HII; esa medición es en sí misma un producto vendible (mapa de reemplazabilidad) además de input pedagógico. La formación se vuelve instrumento de captura de datos.
• 4ª derivada (serendipia) — el mapa de reemplazabilidad reconfigura la demanda de la propia formación: las orgs ya no compran “cursos de IA” sino “saber qué roles sobreviven y cómo reconvertir los demás”. Momentum pasa de proveedor de formación a capa de inteligencia de fuerza laboral.
• Tendencias no aparentes a vigilar: (A) presión sindical/regulatoria sobre medir reemplazabilidad = riesgo reputacional y palanca de foso a la vez (medirlo con governance es defendible); (B) si el half-life de skills tiende a cero, la formación puntual muere y nace la suscripción a capacidad continua (cambio de modelo de negocio, no solo de producto).

Escenarios IA 2027-2030 para stress-test (el paper no apuesta a un solo futuro):

• A — Plateau agéntico: la autonomía se estanca; HII alta persiste casi en todo; el reskilling sigue siendo el negocio y el mapa cambia despacio.
• B — Difusión acelerada: agentes fiables se generalizan; bifurcación nítida y rápida; la ventana de owner-categoría se cierra pronto (urgencia máxima).
• C — Adopción fragmentada por vertical/regulación: el colapso llega a ritmos muy distintos por sector y geografía; el mapa empírico vale precisamente por capturar esa heterogeneidad.
• D — Reacción institucional: regulación laboral/sindical frena o condiciona la sustitución; medir HII se vuelve sensible políticamente (riesgo y foso si se hace con governance).

Regla de robustez: cada eslabón de la tesis debe aguantar bajo A y D (los adversos), no solo bajo B.

(e) Diseño del equipo de research (roles)

Pensado para ejecutar el árbol en paralelo sin solapes, con un guardián de trazabilidad transversal que tiene derecho de veto sobre cualquier afirmación sin fuente.

(f) Cadena de workflows prevista para B (M-02+)

Cada workflow = 1 COMBO (OPEN → I-work → CHECK → CLOSE con verdict APPROVE|REJECT). Secuencia que respeta dependencias (corpus → barridos → HII → escenarios → síntesis → landing). Sujeta a ratify CEO del scope de M-02.

1. W1 · Setup de corpus & bibliografía — Sheet canónico (tab corpus + tab vocabulario), estructura NotebookLM, protocolo de trazabilidad. Habilita los demás.
2. W2 · Barrido EdTech & mercado/competencia (D1+D5) — mapa del cajón + ventana de owner-categoría.
3. W3 · IA agéntica / MCP & evidencia ejecución-aprendizaje (D2).
4. W4 · Tesis HII & mapa de reemplazabilidad (D3, rama crítica) — gate reforzado: no cierra sin la tabla medido↔ilustrativo y la lista a-favor/en-contra.
5. W5 · Escenarios 2027-2030 & stress-test de la tesis (D4, depende de W4).
6. W6 · Pedagogía & blindaje de Weighted Verified Outputs / taxonomía (D6).
7. W7 · Síntesis → outline del paper de visión — integra W2-W6 en la cadena narrativa investor-grade.
8. W8 · Planning de landing (narrativa, storyboard, piezas animadas) — supera la live paper de Lovable; consume la síntesis de W7.

W4 es el cuello de botella de credibilidad: si su gate no aguanta, W5 y W7 se replanifican.

(g) Reglas duras (innegociables)

1. Verificable siempre. Cero invención de fuentes o datos. Toda afirmación trazable a fuente (soul.md valor #1 > velocidad). El guardián de trazabilidad veta lo que no la tenga.
2. Fuentes 2024-2026 prioritarias. Lo anterior solo como contexto fundacional, nunca como evidencia de la trayectoria actual de los agentes.
3. HII + mapa de reemplazabilidad = columna vertebral. Todo hallazgo se evalúa por si sostiene o refuta la cadena categoría → colapso lead-time → HII → bifurcación → data moat. Lo que no toca la columna es ruido.
4. Medido ≠ ilustrativo. Las cifras de HII por rol son ILUSTRATIVAS hasta haber telemetría real, y deben etiquetarse como tales en paper y landing. Confundirlas tumba la credibilidad ante un VC.
5. Voz McKinsey/Bain/BCG. Concreto, derivadas sucesivas, serendipia en lo no aparente, sin hype sin sustancia. es-ES en prosa; inglés en términos técnicos.
6. Vocabulario propietario, cuanto antes. Acuñar y usar consistentemente HII · ejecución-aprendizaje · Weighted Verified Outputs · taxonomía de madurez · bifurcación AI/Human Workforce. Ser dueños del léxico es ventaja de marketing (soul.md valor #3).
7. Robustez bajo escenarios adversos. La tesis debe aguantar bajo A (plateau) y D (reacción institucional), no solo bajo B.
8. Journal obligatorio. Todo el thinking (rationale, decisiones, cambios de opinión) → journal/. El resultado pulido sin rastro no vale.
9. Límite de fase. Este brief encuadra y especifica; el research masivo y la descarga de corpus son M-02 tras ratify CEO. No tocar otros repos. Chrome solo sesión dedicada CDP 9255.
10. Separación de registro. Decisiones técnicas/feature de producto → mcpstartupos Dev OS (create_decision). Estrategia/thinking → journal/. Bibliografía canónica → Google Sheet.
11. Asunción pendiente. Las fuentes académicas (arXiv/Semantic Scholar/OpenAlex) están en OD-004 PROPUESTO: tratarlas como asunción hasta OK CEO, no como hecho consumado.

Predecesores en el COMBO-OPEN: P-tosca (encuadre) + P-decompose (issue tree), ambos en journal/00-foundation.md. Este brief es la spec consolidada que ejecutan los workflows de M-02+.