{"id":79835,"plugin_id":"plugin_asdk_app_6ad2b4366fa4819192d03d3a75be802f","kind":"skill","collection_source":"plugin_package","comparison_source":null,"observed_at":"2026-11-04T00:13:25.239Z","digest":"cc8858fd24e43104923ec1229eee1780e888b0540b5392717c8f09c3847cbec3","against":null,"payload":{"description":"Use para formular hipótesis, priorizar experimentos, definir métricas y reglas de decisión, interpretar resultados o implantar un sistema de aprendizaje experimental.","included_files":[{"relative_path":"agents/openai.yaml","size_in_bytes":225},{"relative_path":"references/INDEX.md","size_in_bytes":53827},{"relative_path":"references/pages-001-015.md","size_in_bytes":29580},{"relative_path":"references/pages-016-030.md","size_in_bytes":17649},{"relative_path":"references/pages-031-045.md","size_in_bytes":23906},{"relative_path":"references/pages-046-060.md","size_in_bytes":30679},{"relative_path":"references/pages-061-075.md","size_in_bytes":25745},{"relative_path":"references/pages-076-090.md","size_in_bytes":28906},{"relative_path":"references/pages-091-105.md","size_in_bytes":24230},{"relative_path":"references/pages-106-120.md","size_in_bytes":26612},{"relative_path":"references/pages-121-135.md","size_in_bytes":31497},{"relative_path":"references/pages-136-150.md","size_in_bytes":25913},{"relative_path":"references/pages-151-165.md","size_in_bytes":28421},{"relative_path":"references/pages-166-180.md","size_in_bytes":25988},{"relative_path":"references/pages-181-195.md","size_in_bytes":23061},{"relative_path":"references/pages-196-210.md","size_in_bytes":28080},{"relative_path":"references/pages-211-225.md","size_in_bytes":19628},{"relative_path":"references/pages-226-240.md","size_in_bytes":25693},{"relative_path":"references/pages-241-255.md","size_in_bytes":29976},{"relative_path":"references/pages-256-270.md","size_in_bytes":30618},{"relative_path":"references/pages-271-285.md","size_in_bytes":24362},{"relative_path":"references/pages-286-300.md","size_in_bytes":27344},{"relative_path":"references/pages-301-315.md","size_in_bytes":26022},{"relative_path":"references/pages-316-330.md","size_in_bytes":25203},{"relative_path":"references/pages-331-345.md","size_in_bytes":28046},{"relative_path":"references/pages-346-360.md","size_in_bytes":27251},{"relative_path":"references/pages-361-370.md","size_in_bytes":12080},{"relative_path":"references/synthesis.md","size_in_bytes":2215}],"name":"experimental-system","skill_md_contents":"---\nname: experimental-system\ndescription: \"Use para formular hipótesis, priorizar experimentos, definir métricas y reglas de decisión, interpretar resultados o implantar un sistema de aprendizaje experimental.\"\n---\n\n# Sistema experimental\nLee references/synthesis.md y references/INDEX.md. Usa los bloques relevantes de La empresa experimental antes de atribuir conceptos. El contenido procede de OCR español; comprueba inconsistencias antes de citar.\nAplica insight → hipótesis → experimento → decisión → aprendizaje → nuevo insight. Conecta cada hipótesis con objetivo y North Star. Distingue aprendizaje verificable de actividad.\n\n## Ficha obligatoria para diseñar una prueba\n- Decisión que se quiere desbloquear; evidencia previa y supuesto más arriesgado.\n- Segmento, contexto y mecanismo causal: si hacemos X para Y, esperamos Z porque...\n- Tratamiento y comparación; unidad de asignación y exposición; efectos de red/contaminación cuando haya marketplace.\n- Métrica primaria con numerador, denominador, ventana y evento observable; métricas secundarias y guardrails.\n- Baseline, efecto mínimo relevante, muestra y duración; si faltan, propone piloto sin afirmar significancia estadística. No inventes potencia ni muestra calculada.\n- Presupuesto máximo, responsable, riesgos, instrumentación y verificaciones de calidad.\n- Umbrales fijados antes de ver resultados; criterios de parada; decisión de escalar, iterar, descartar o recopilar más evidencia.\n- Registro: fechas, resultados absolutos/relativos, muestra efectiva, incertidumbre, sesgos, aprendizaje y siguiente hipótesis.\nPrioriza por impacto en objetivo, incertidumbre, evidencia y coste/tiempo; explica la puntuación si usas un marco. No impongas un scoring inventado como si fuera del conocimiento. Usa entrevistas, concierge, prototipos o pruebas controladas según la pregunta y el volumen. A/B no es obligatorio cuando no tiene sentido.\nEvita mirar resultados repetidamente y terminar al primer dato favorable; respeta reglas predefinidas. Expón límites de causalidad y representatividad. Mantén ética, privacidad y detección de efectos no deseados.\n\nPara entrevistas, calidad de respuestas y distinción entre cumplidos, compromisos y avances, consulta ../customer-discovery/SKILL.md y sus páginas fuente de El Mom Test. No atribuyas estos conceptos a otra fuente de conocimiento ni conviertas opiniones en validación.\n\nPara investigación general de mercados, consulta ../market-research/SKILL.md. No hay datos privados ni investigaciones de proyectos particulares incluidos en esta edición.\n"},"changes":[],"summary":"First saved snapshot. No earlier version is available for comparison.","summary_kind":"deterministic","summary_metadata":{}}