--- type: MePB asset_id: MePB-XX-BrainCode-Anatomy-v02 version: v02 status: Canonical · Ratificado owner: Victor Heredia sherpa_owner: Jay fecha_creacion: 2026-06-03 fecha_ultima_actualizacion: 2026-06-08 intellbank: IB-XX-Maestro subbank: FM-XX-Formulas-Maestras proposito: Anatomía canónica del Brain Code v02 — unifica todos los tipos de fuente, incorpora investigación de ciencia cognitiva, reemplaza MePB-XX-BrainCode-Anatomy-v01 y MePB-XX-BrainCode-Anatomy-Schools-v01 supersede: - MePB-XX-BrainCode-Anatomy-v01 - MePB-XX-BrainCode-Anatomy-Schools-v01 changelog: v02: fecha: 2026-06-03 origen: Brain Code Design Room · Jay + Victor cambios: - Unificación de anatomía de Personas y Escuelas/Tradiciones en una sola arquitectura - Layer 0 (Identidad de Fuente) — nuevo, reemplaza preamble disperso - A3 (Anchor Cases) — nuevo, desde SOAR/episodic memory - Salience Architecture — nuevo en Layer 0, desde Global Workspace Theory - B3 (Moral Foundations Profile) — nuevo, desde Jonathan Haidt - C2 (Prototypical Situations + Red Flags) — nuevo, desde Gary Klein RPD - C3 (Tacit Patterns) — nuevo, desde Polanyi + CLARION - Ecological Context añadido a B2 (Thinking Rules) - Acquisition Pathway añadido a D1 (Distilled Skills) - Layer L (Léxico) elevado de opcional a sección estructurada para todos los tipos - Layer CAL (Calibration) — nuevo, desde Constitutional AI research - Lookup Table de adaptaciones por tipo de fuente - 0.5 Aportación Única en Contexto — nuevo, la contribución irreemplazable de la fuente en su momento histórico - 0.6 Conexiones Críticas — nuevo, prerrequisitos / contrastes / complementos / linaje - 0.7 Mapa de Frontera — nuevo, frameworks posteriores que avanzan lo que el BC dejó abierto v01: fecha: 2026-04-03 origen: Retiro Semana Santa · Día 2 · Sesión Tarde nota: Versión fundacional — sólida, 7 BCs calibrados al 4-5 estrellas. La v02 la evoluciona, no la reemplaza en su lógica central. --- # MePB — Brain Code Anatomy v02 ## Anatomía Canónica del Activo Cognitivo L7 **Versión:** v02 | **Fecha:** 2026-06-03 **Tipo:** Meta PlayBook — Especificación de diseño **Sherpa autor:** Jay **Supersede:** MePB-XX-BrainCode-Anatomy-v01 · MePB-XX-BrainCode-Anatomy-Schools-v01 --- ## 1. Principio de Diseño — Qué es un Brain Code Un Brain Code **no es un resumen, no es un perfil de personalidad, no es un prompt de persona**. Es un **sistema operativo cognitivo** — un paquete estructurado que monta sobre un agente IA las herramientas de pensamiento de una fuente de inteligencia, permitiéndole procesar cualquier input nuevo con la lógica de esa fuente. La distinción es funcional, no estética: | Enfoque | Qué le dice al agente | Resultado | |---|---|---| | **Persona / prompt** | "Actúa como Jensen Huang" | Roleplay superficial de estilo y tono | | **Resumen / MPB** | "Aquí está lo que Jensen sabe sobre chips" | Responde desde contenido específico, no desde cognición | | **Brain Code** | "Estas son las herramientas cognitivas de Jensen: sus lentes, sus modelos, sus algoritmos, sus señales de alerta" | El agente **piensa con una lógica diferente** — no imita, opera | El Brain Code es un activo **Nivel 7 del Stack Cognitivo** — el de mayor densidad y poder de transformación. Una vez instalado, no se le pregunta *qué diría Jensen*: se le presenta un problema y Jensen piensa. ### 1.1 La paradoja de Polanyi y cómo el Brain Code la enfrenta El 70-80% del conocimiento experto es **tácito** — la fuente lo usa pero no puede articularlo completamente. "Sabemos más de lo que podemos decir" (Polanyi, 1966). Un Brain Code que solo captura declaraciones explícitas captura el 20-30% real. El v02 resuelve esto con tres estrategias: 1. **Anchor Cases** — episodios paradigmáticos que revelan cómo se aplican los modelos en la práctica real 2. **Tacit Patterns** — comportamientos observables que la fuente no articula pero son consistentes 3. **Contrafácticos** — situaciones que la fuente nunca ha enfrentado explícitamente, donde el Brain Code debe extrapolarse ### 1.2 Tipos de fuente El Brain Code es un activo agnóstico al tipo de fuente. Funciona para: | Tipo | Prefijo | Ejemplos | |---|---|---| | **Persona viva** | `BC-` | Jensen Huang, Alex Hormozi, Victor Heredia | | **Persona histórica** | `BC-` | Rudolf Steiner, Sócrates, Drucker | | **Video / Contenido** | `BCV-` | Conferencia específica, colección de videos de un autor | | **Tradición / Escuela** | `BCS-` | Estoicismo, Lean Startup, Design Thinking | | **Empresa / Organización** | `BCE-` | Amazon, Pixar, NVIDIA, una startup específica | | **Iniciativa de empresa** | `BCI-` | HEAT-DigitalTwin (UPS), ORION (UPS), DRIVE (FedEx) | | **Dueño (BrainOS)** | `BC-[Nombre]-Own` | El Brain Code propio del dueño construido con SherpaX | La arquitectura de capas es la misma para todos. Las **adaptaciones por tipo** se detallan en la sección 5. --- ## 2. Lookup Table — Adaptaciones por Tipo de Fuente Antes de iniciar la construcción de un Brain Code, identificar el tipo de fuente y consultar esta tabla para saber qué capas son obligatorias, opcionales, o tienen variante específica. | Capa | BC- Persona | BCV- Video | BCS- Tradición | BCE- Empresa | BCI- Iniciativa | BC-Own | |---|---|---|---|---|---|---| | **Layer M** — Metadata | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | | **Layer 0** — Identidad Fuente | ✅ Estándar | ✅ Content Architecture | ✅ Mapa Ontológico | ✅ Founding Story | ✅ Contexto Iniciativa | ✅ Perfil Cognitivo | | **0.5** — Aportación Única | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | ⭐ Recomendado | | **0.6** — Conexiones Críticas | ✅ Obligatorio | ⭐ Recomendado | ✅ Obligatorio | ✅ Obligatorio | ✅ Obligatorio | ⭐ Recomendado | | **0.7** — Mapa de Frontera | ✅ Obligatorio | ⭐ Cuando posible | ✅ Obligatorio | ✅ Obligatorio | ✅ vía FK | ⭐ Recomendado | | **Capa A1** — Cognitive Lenses | ✅ Inferidos | ✅ Inferidos del discurso | ✅ Axiomas | ✅ Competitive Lenses | ✅ → MM (7 modelos) | ✅ Propios | | **Capa A2** — Mental Models | ✅ Estándar | ✅ Estándar | ✅ Marcos Interpretativos | ✅ Op. Frameworks | ✅ → SC (stack ciencias) | ✅ Estándar | | **Capa A3** — Anchor Cases | ✅ Alta prioridad | ✅ Casos del video | ⭐ Textos canónicos | ✅ Hitos fundacionales | — (L1 cubre esto) | ✅ Episodios propios | | **Capa B1** — Basic Principles | ✅ Estándar | ✅ Estándar | ✅ Principios Invariantes | ✅ Corporate Principles | ✅ → RD (condición→acción) | ✅ Reglas propias | | **Capa B2** — Thinking Rules | ✅ + Eco. Context | ✅ Estándar | ✅ Reglas del Sistema | ✅ Operating Rules | ✅ → AP (anti-patrones) | ✅ + Eco. Context | | **Capa B3** — Moral Foundations | ✅ Cuando posible | ⭐ Cuando posible | ✅ Eje moral | ✅ Cultural Red Lines | — | ✅ Obligatorio | | **Capa C1** — Cognitive Algorithms | ✅ Estándar | ✅ Estándar | ✅ Algoritmo Canónico | ✅ Decision Process | ✅ → PT (transformación) | ✅ Estándar | | **Capa C2** — Proto. Situations | ✅ Alta prioridad | ✅ Cuando posible | ⭐ Señales del Camino | ✅ Org. Red Flags | ✅ → TF (tensiones) | ✅ Alta prioridad | | **Capa C3** — Tacit Patterns | ✅ Difícil, esencial | ⭐ Limitado por formato | ⭐ Prácticas implícitas | ✅ Comportamientos org. | ✅ → ML-LOOP | ✅ Obligatorio | | **Capa D1** — Distilled Skills | ✅ + Adquisición | ✅ Skills del contenido | ✅ Prácticas destiladas | ✅ Cap. dinámicas | ✅ → FK | ✅ Estándar | | **Layer L** — Léxico | ⭐ Muy recomendado | ⭐ Recomendado | ✅ Obligatorio | ✅ Obligatorio | ⭐ Recomendado | ⭐ Recomendado | | **Capa V** — Voz | ✅ Obligatorio | ✅ Obligatorio | ✅ Expresión Canónica | ✅ Brand Voice | — | ✅ Obligatorio | | **Layer CAL** — Calibración | ✅ Cuando relevante | ✅ Cuando relevante | ✅ Cuando relevante | ✅ Cuando relevante | ✅ Obligatorio | ✅ Obligatorio | **Nota BCI:** El tipo BCI (Iniciativa) usa una **anatomía propia** (O1-O2-A1-C1-L1-V1-MM-SC-PT-RD-AP-TF-ML-LOOP-FK) en lugar de la arquitectura de capas estándar (A-B-C-D-L-V-CAL). Ver **Sección 12** para la especificación completa. **Leyenda:** ✅ Obligatorio/estándar · ⭐ Altamente recomendado · — No aplica --- ## 3. Arquitectura de Capas — El Brain Code v02 ``` ┌─────────────────────────────────────────────────────────────────┐ │ BRAIN CODE v02 │ │ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ LAYER M · METADATA + ACTIVACIÓN │ │ │ │ Identidad del activo · modos de uso · starter prompts │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ LAYER 0 · IDENTIDAD DE LA FUENTE ★ NUEVO │ │ │ │ Quién/qué es · La Pregunta Central · Salience Architecture│ │ │ │ Cognitive Habitat · Aportación Única en Contexto │ │ │ │ Conexiones Críticas · Mapa de Frontera │ │ │ │ (variantes por tipo de fuente) │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ CAPA A · PERCEPCIÓN — Cómo VE │ │ │ │ A1 Cognitive Lenses · A2 Mental Models │ │ │ │ A3 Anchor Cases ★ NUEVO │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ CAPA B · EVALUACIÓN — Cómo JUZGA │ │ │ │ B1 Basic Principles · B2 Thinking Rules + Eco. Context │ │ │ │ B3 Moral Foundations Profile ★ NUEVO │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ CAPA C · DECISIÓN — Cómo DECIDE │ │ │ │ C1 Cognitive Algorithms │ │ │ │ C2 Prototypical Situations + Red Flags ★ NUEVO │ │ │ │ C3 Tacit Patterns ★ NUEVO │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ CAPA D · ACCIÓN — Cómo EJECUTA │ │ │ │ D1 Distilled Skills (+ Acquisition Pathway) ★ ENRIQUECIDO │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ LAYER L · LÉXICO ★ ELEVADO A SECCIÓN UNIVERSAL │ │ │ │ L1 Términos Nucleares · L2 Anti-Léxico │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ CAPA V · VOZ Y ACTIVACIÓN │ │ │ │ V1 Tonal Signature · V2 Linguistic Patterns │ │ │ │ V3 Anti-patterns · V4 Moral Voice Profile ★ NUEVO │ │ │ │ V5 Activation Protocol │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ LAYER CAL · CALIBRACIÓN ★ NUEVO │ │ │ │ Límites que override la persona · Safety floor │ │ │ └─────────────────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────────────┘ ``` **★ NUEVO** = capa que no existía en v01 **ENRIQUECIDO** = capa que existía y se expande con nueva dimensión --- ## 4. Especificación de Cada Capa --- ### LAYER M — Metadata y Activación Bloque de identificación del activo y protocolos de uso. ```yaml --- bc_id: BC-[Fuente]-[Dominio]-v[XX] # o BCV-, BCS-, BCE- bc_type: PERSONA | VIDEO | TRADICIÓN | EMPRESA | OWN source_name: [Nombre de la fuente] source_subtype: VIVA | HISTÓRICA | (para BC-) materials_used: - tipo: libro | video | transcript | entrevista | papers | decisiones referencia: [nombre/url] distillation_date: [YYYY-MM-DD] distiller_version: MasterDistiller-v02 confidence: lenses: alta | media | baja models: alta | media | baja principles: alta | media | baja rules: alta | media | baja algorithms: alta | media | baja skills: alta | media | baja tacit_patterns: alta | media | baja | no_extraído readiness_score: ⭐ a ⭐⭐⭐⭐⭐ coverage_note: | [Qué está bien cubierto y qué podría estar incompleto] usage_modes: [VALIDACIÓN, AUDITORÍA, CREACIÓN, ESCRITURA, BOARD] --- ``` --- ### LAYER 0 — Identidad de la Fuente *(★ Nueva en v02)* Esta capa no existía como sección formal en v01. Responde la pregunta más básica antes de entrar a la arquitectura cognitiva: **¿quién o qué es esta fuente, cómo procesa la realidad, y qué hace automáticamente diferente su atención?** #### 0.1 — Frase Identitaria Una sola frase que captura la esencia operativa de la fuente — no una descripción biográfica, sino una descripción de *cómo procesa el mundo*. **Formato:** "**[Nombre]** es [verbo que describe acción cognitiva], especializado en [dominio/territorio], cuya ventaja central es [el qué que hace diferente]." **Ejemplo — Jensen Huang:** "Jensen Huang es un constructor de infraestructura cognitiva a escala planetaria, cuya ventaja central es la capacidad de ver plataformas completas donde otros ven productos individuales, y sostener esa visión durante décadas de incomprensión." **Ejemplo — Lean Startup (BCS-):** "Lean Startup es un sistema de epistemología empresarial que convierte la incertidumbre radical en proceso científico, cuya ventaja central es hacer aprendizaje validado más rápido y barato que cualquier alternativa." #### 0.2 — La Pregunta Central La pregunta que esta fuente responde mejor que ninguna otra — la que hace que valga la pena tener un Brain Code de ella. **Formato:** Una sola pregunta en una oración. Si no puedes formularla en una oración, el Brain Code aún no está claro sobre qué hace diferente esta fuente. **Ejemplo — Hormozi:** "¿Cómo se diseña una oferta tan irresistible que el precio se vuelve irrelevante?" **Ejemplo — Rudolf Steiner:** "¿Cómo se desarrolla el conocimiento espiritual con el mismo rigor metodológico que el conocimiento científico?" **Ejemplo — Amazon (BCE-):** "¿Cómo se construye un sistema que escale a millones de decisiones por día sin sacrificar la velocidad de una startup?" #### 0.3 — Salience Architecture *(★ Nuevo — desde Global Workspace Theory)* Lo que captura la atención de esta fuente **automáticamente** — antes de cualquier proceso deliberado. No es lo mismo que los Cognitive Lenses (que son filtros activos): la Salience Architecture es el sistema de alerta involuntario de la fuente. **Formato por señal de salience:** - **Tipo de señal:** [nombre] - **Qué la dispara:** [cue específico en el entorno] - **Respuesta automática:** [qué ocurre en la mente/comportamiento de la fuente al detectarla] - **Evidencia:** [cita o ejemplo concreto] **Ejemplo — Warren Buffett:** - **Tipo:** "Precio-Valor Gap" — cuando el precio de mercado diverge significativamente del valor intrínseco estimado, su atención se activa sin esfuerzo incluso en conversaciones no relacionadas con inversión. - **Tipo:** "Ventaja Competitiva Erosionada" — cualquier señal de que un moat está debilitándose dispara alarma antes de que los números lo reflejen. **Ejemplo — Jensen Huang:** - **Tipo:** "Cambio de Tipo" — cuando una tecnología no es solo mejor, sino diferente en naturaleza (cambio de fase), su atención salta a máximo nivel. - **Tipo:** "Plataforma Latente" — cuando hay infraestructura que podría servir a miles de aplicaciones pero el mercado ve solo una. **Protocolo de uso para el agente:** Antes de procesar cualquier input, escanear si el input contiene alguna de las señales de salience de la fuente. Si hay match, señalarlo explícitamente: "Esta situación activa la señal [X] de esta fuente — el nivel de atención sube." #### 0.4 — Cognitive Habitat *(Opcional — desde Enactive Cognition)* El entorno físico, social y temporal donde esta fuente opera en su pico cognitivo. Útil para BCs de personas vivas donde el entorno forma parte de cómo piensan. **Incluir cuando:** hay evidencia documentada de cómo el entorno modula la calidad del pensamiento de la fuente. **Ejemplo — Jeff Bezos:** Decisiones importantes solo por la mañana temprano. Reuniones sin slides — narrativas escritas de 6 páginas que todos leen en silencio al inicio. Reflexión solitaria antes de cualquier decisión de gran impacto. Estos no son preferencias de confort — son condiciones de operación óptima. **Nota de transferibilidad:** Para un agente IA, el Cognitive Habitat se traduce en *condiciones de activación* del Brain Code: "¿En qué tipo de prompt o conversación este Brain Code produce resultados de mayor calidad?" --- #### 0.5 — Aportación Única en Contexto ★ *Nuevo en v02* Esta sección responde la pregunta que los otros componentes no responden: **¿por qué esta fuente importa de forma irreemplazable, y por qué en ese momento específico?** Sin esta capa, el Brain Code presenta la cognición de la fuente como flotando en el tiempo — como si siempre hubiera existido y siempre fuera igualmente relevante. No es así. Toda contribución genuinamente transformadora emerge en un cruce preciso: hay un **problema urgente** que el mundo todavía no sabe nombrar correctamente, hay una **brecha en los frameworks disponibles** que los modelos existentes no cierran, y hay una **persona o sistema** que ve exactamente ese cruce y lo articula de una forma que no se había hecho antes. **Componentes:** **La Contribución Irreemplazable:** ¿Qué articuló o produjo esta fuente que nadie más había hecho de esta forma? No "fue muy buena en X" — sino qué distinción, qué reencuadre, qué sistema de pensamiento solo existiría en el mundo si esta fuente hubiera existido. **El Problema del Mundo que Resolvía:** El dolor, vacío, o contradicción específica del contexto histórico que esta fuente atacó. ¿Qué estaba roto o ausente en el mundo de las ideas cuando esta fuente emergió? **El Momento — Por Qué Entonces:** ¿Por qué esta contribución fue posible *en ese momento específico* y no antes o después? ¿Qué condiciones del entorno (tecnológicas, culturales, científicas, económicas) hicieron que este pensamiento fuera no solo posible sino *necesario*? **Lo Que Se Habría Perdido:** Si esta fuente no hubiera existido, ¿qué no existiría? Esto revela qué tan genuinamente irreemplazable fue la contribución vs. qué habría emergido de todas formas por la presión del contexto. **Formato:** ``` **Contribución irreemplazable:** [1-2 oraciones] **Problema que atacaba:** [el vacío o contradicción del mundo de ideas de su época] **Por qué ese momento:** [condiciones históricas que lo hicieron posible y necesario] **Lo que se habría perdido:** [qué no existiría en el mundo si esta fuente no hubiera emergido] ``` **Ejemplo — Jensen Huang:** - **Contribución irreemplazable:** Articuló que la computación acelerada no es una optimización incremental del pasado sino una nueva arquitectura universal de computación — y construyó la plataforma (CUDA) antes de que nadie supiera que la necesitaba. - **Problema que atacaba:** La computación serial (CPU) había alcanzado sus límites físicos justo cuando los modelos de IA demandaban órdenes de magnitud más de poder de cómputo paralelo. El mundo no tenía nombre para lo que faltaba. - **Por qué ese momento:** La convergencia de tres fuerzas simultáneas: fin de la Ley de Moore + explosión de datos + descubrimiento de que redes neuronales escalan con computación paralela. Ninguna sola hubiera sido suficiente. - **Lo que se habría perdido:** La IA generativa tal como existe en 2026 habría llegado 5-10 años más tarde, o habría tomado una trayectoria arquitectónica completamente diferente. **Ejemplo — Lean Startup:** - **Contribución irreemplazable:** Convirtió la incertidumbre radical del early-stage startup en proceso científico con feedback loops cortos — hizo que el "no saber" fuera un protocolo, no un fracaso. - **Problema que atacaba:** El modelo de "planifica detalladamente, construye 2 años, lanza" había quemado miles de millones post-burbuja dot-com sin producir nada que el mercado quisiera. Los fundadores no tenían framework para operar bajo incertidumbre radical. - **Por qué ese momento:** La caída del costo de software + internet como canal de distribución + la cultura post-burbuja que exigía frugalidad crearon el contexto exacto donde un MVP de $5,000 podía validar lo que antes requería $5M. - **Lo que se habría perdido:** La cultura de "fail fast, learn fast" — y posiblemente una generación entera de fundadores que habrían seguido construyendo en waterfall sin datos de mercado. --- #### 0.6 — Conexiones Críticas ★ *Nuevo en v02* El Brain Code de una fuente no existe en el vacío. Para entenderlo en profundidad — y para aplicarlo correctamente — hay conexiones externas que debes reconocer. Esta sección mapea el **ecosistema de ideas** que rodea y contextualiza este BC. Sin estas conexiones, el Brain Code se aplica de forma descontextualizada: alguien lee el BC de Steiner sin saber a Goethe y pierde la mitad del significado. Alguien lee el BC de Lean Startup sin conocer el Toyota Production System y no entiende por qué los ciclos cortos son el principio, no el método. **Cuatro tipos de conexiones:** **Prerrequisitos — Qué necesitas entender ANTES:** Frameworks, figuras, o contextos que son precondición para leer este BC en profundidad. No son opcionales — sin ellos, el BC se malinterpreta. **Contrastes — Con qué está en diálogo este BC (a veces en oposición):** Las corrientes, figuras, o paradigmas a los que esta fuente responde explícita o implícitamente. Entender el contraste aclara por qué la fuente tomó las posiciones que tomó. **Complementos — Qué otros BCs amplifican o completan a este:** BCs del banco que, cuando se usan junto con este, producen análisis más completo. No se solapan — se complementan en dimensiones distintas. **Linaje — De dónde viene intelectualmente esta fuente:** Los hombros sobre los que esta fuente está parada. El árbol genealógico de ideas que produjeron este modo de pensar. **Formato:** ``` PRERREQUISITOS - [Framework/figura] → [Por qué es necesario entenderlo antes] CONTRASTES - [Corriente/figura en oposición] → [En qué dimensión específica contrasta] COMPLEMENTOS - [BC del banco] → [Qué dimensión añade que este BC no cubre] LINAJE - [Influencia] → [Qué aportó específicamente a esta fuente] ``` **Ejemplo — Lean Startup (BCS-):** - **Prerrequisito:** Toyota Production System (TPS) / Lean Manufacturing → El MVP y los ciclos cortos son directamente derivados del "just-in-time" y la eliminación de waste de Toyota. Sin esto, el "lean" en Lean Startup suena a metáfora. - **Prerrequisito:** Karl Popper / Falsifiability → La lógica de "hipótesis que se puede falsificar" es la columna vertebral del Build-Measure-Learn loop. Sin Popper, el método parece arbitrario. - **Contraste:** Waterfall Development / Stage-Gate Process → Lean Startup existe explícitamente en oposición a estos modelos. Entender qué fallaba en waterfall hace obvia la lógica de iteración. - **Complemento:** `BCE-Amazon-CognitiveStack` → Amazon operacionalizó principios similares a escala masiva (working backwards, two-pizza teams). Los dos BCs juntos muestran cómo el principio funciona en etapa temprana vs. en escala. - **Linaje:** Steve Blank (Customer Development) → Ries trabajó directamente con Blank y el BC de Lean Startup es en gran parte la operacionalización sistematizada del Customer Development de Blank. --- #### 0.7 — Mapa de Frontera (Frontier Map) ★ *Nuevo en v02* Esta es la capa que previene que el Brain Code se convierta en dogma. Todo Brain Code fue destilado en un momento específico del conocimiento humano. Las ideas que captura eran el **frente del conocimiento** en ese momento. Pero el conocimiento avanza — y algunos aspectos del BC han sido enriquecidos, refinados, o parcialmente superseded por frameworks que surgieron después. El Mapa de Frontera es honesto sobre esto. No debilita al BC — lo calibra. Te dice: "Para este aspecto específico, si quieres la mejor herramienta disponible hoy, complementa con esto." **Cuándo esta sección es más importante:** - BCs de figuras históricas (Steiner, Freud, Taylor) donde el campo avanzó significativamente - BCs de metodologías con más de 10 años (Lean Startup, Design Thinking, Six Sigma) - BCs de personas cuyas ideas fundacionales han sido extendidas por otros **Cuándo esta sección es mínima o vacía:** - BCs de figuras muy recientes (Jensen Huang 2025-2026, papers de 2024) - En esos casos, se indica la fecha de destilación como "knowledge cutoff" y se programa revisión **Formato por entrada:** ``` **Área del BC:** [qué componente, capa, o dominio específico de este BC aplica] **Frontier Framework:** [qué surgió después — nombre, autor, año aproximado] **En qué avanza:** [específicamente qué problema resuelve mejor, o qué gap del BC llena] **Modo de uso combinado:** [cómo integrar el BC original + este framework para máximo resultado] **Referencia:** [dónde encontrar — libro, paper, BC del banco si ya existe] ``` **Ejemplo — Lean Startup:** | Área del BC | Frontier Framework | En qué avanza | Modo combinado | |---|---|---|---| | Segmentación de mercado / ICP | Jobs-to-be-Done (Christensen, 2016) | Lean Startup define quién es el cliente; JTBD define *por qué* contratan tu solución — mucho más predictivo para diseño de producto | Usar Lean Startup para el ciclo build-measure-learn; usar JTBD para diseñar qué medir y qué preguntar en las entrevistas | | Diseño de oferta / pricing | Offer Design (Hormozi, 2021) | Lean Startup no tiene framework de pricing ni de diseño de valor — asume que el MVP es suficiente. Hormozi llena ese gap con ingeniería de valor percibido | Validar el problema con Lean Startup; diseñar la oferta con el BC de Hormozi antes de escalar | | Métricas de crecimiento | Pirate Metrics → Growth Accounting (Andreessen Horowitz, 2020+) | Las métricas de Lean Startup (vanity vs. actionable) son correctas pero genéricas. Growth Accounting añade precisión a qué medir según etapa | Usar el framework de métricas de Lean Startup como filtro; usar Growth Accounting para definir los KPIs específicos | **Ejemplo — Freud / Psicoanálisis (BC- histórico):** | Área del BC | Frontier Framework | En qué avanza | |---|---|---| | Mecanismos de defensa | Cognitive Behavioral Therapy (Beck, 1960s+) | Misma hipótesis de que patrones de pensamiento distorsionado producen sufrimiento, pero con protocolos terapéuticos validados empíricamente | | Estructura del inconsciente | Neurociencia cognitiva / Predictive Processing (Friston) | El "inconsciente" de Freud como sistema de predicción y minimización de error — base neurocientífica con poder explicativo superior | | Interpretación de sueños | No tiene frontier directo — este aspecto ha sido ampliamente descartado como método diagnóstico | **Nota sobre el knowledge cutoff:** Cada Brain Code debe indicar la fecha de su última revisión del Mapa de Frontera. Un BC destilado en 2024 sin revisión en 2027 tiene un Mapa de Frontera potencialmente desactualizado. Cadencia recomendada de revisión: cada 12-18 meses para fuentes históricas; cada 24-36 meses para fuentes muy recientes. ``` Mapa de Frontera actualizado al: [YYYY-MM-DD] Próxima revisión recomendada: [YYYY-MM-DD] ``` --- #### 0.8 — Variantes por Tipo de Fuente **Para BCV- (Video/Contenido):** - Añadir: **Content Architecture** — el índice del video/contenido con descripción expandida de cada sección (no solo el título, sino el argumento central y los pivotes estratégicos de cada parte) - La Content Architecture es el Layer 0 específico del video — la secuencia literal del contenido antes de la extracción cognitiva **Para BCS- (Tradición/Escuela):** - Añadir: **Mapa Ontológico** — la estructura con que este sistema organiza la realidad (qué existe, cómo se relaciona, qué es posible dentro de este sistema) - Añadir: **Figuras Canónicas y Linaje** — quiénes son los pensadores fundacionales y cómo se relacionan entre sí **Para BCE- (Empresa):** - Añadir: **Founding Story** — el mito fundacional que ancla la cultura (qué problema existencial resolvió al nacer, qué crisis superó que forjó su carácter) - Añadir: **Tribal Epistemology** — cómo la organización valida lo que sabe (qué fuentes son confiables, qué argumentos convencen internamente, qué constituye evidencia válida) **Para BC-Own (Brain Code del Dueño):** - Añadir: **Perfil Cognitivo** — el marco que describe el sistema de toma de decisiones del dueño (Human Design, Eneagrama, MBTI, o cualquier marco que el dueño reconoce como válido) - Este campo conecta directamente con el BrainOS del dueño --- ### CAPA A — Percepción: Cómo VE Esta capa captura los **filtros perceptuales** de la fuente — lo que nota, lo que organiza, lo que recuerda de manera diferente al promedio. #### A1 — Cognitive Lenses (Lentes Cognitivos) Los filtros perceptuales con los que la fuente mira **cualquier** problema. Un lente cognitivo reencuadra un dominio en términos de otro — define qué *ve* la fuente que otros no ven. | Campo | Descripción | |---|---| | **Definición** | Un filtro perceptual que reencuadra un dominio o problema en términos de otro | | **Formato** | "Todo [dominio A] es en realidad [dominio B]" | | **Naturaleza** | Perceptual — cambia lo que *ves*, no lo que *haces* | | **Cantidad** | 3-7 por fuente (los genios tienen pocos lentes, pero muy potentes) | | **Extracción** | Inferidos — la fuente rara vez los enuncia explícitamente | **Formato por lente:** - **Nombre del lente:** [nombre corto] - **Enunciado:** [el reencuadre en una frase] - **Lo que revela:** [qué ve con este lente que no es obvio] - **Dominio de aplicación:** [dónde lo usa consistentemente] - **Evidencia:** [cita o ejemplo concreto] **Para BCS-:** Los lentes se convierten en **Axiomas Fundacionales** — explícitos en los textos canónicos, no inferidos. **Para BCE-:** Los lentes se convierten en **Competitive Lenses** — cómo la empresa ve su industria y mercado de forma diferente al promedio. **Protocolo de uso para el agente:** > Antes de evaluar o decidir sobre cualquier input, aplicar cada lente. Para cada lente, reportar: (1) qué revela que no era obvio, (2) qué reencuadra del planteamiento original, (3) si genera tensión con otra perspectiva. #### A2 — Mental Models (Modelos Mentales) Los marcos interpretativos con los que la fuente organiza cómo entiende categorías completas de situaciones. Si los Lentes definen qué *ves*, los Modelos definen *cómo organizas* lo que ves. | Campo | Descripción | |---|---| | **Definición** | Marco interpretativo que organiza cómo la fuente entiende un tipo de situación | | **Formato** | Nombre + estructura (componentes/relaciones) + cuándo se activa | | **Naturaleza** | Perceptual-estructural — organiza lo visto en patrón reconocible | | **Cantidad** | 5-12 por fuente | **Formato por modelo:** - **Nombre del modelo:** [nombre] - **Descripción:** [cómo funciona como marco de interpretación] - **Estructura:** [componentes y relaciones — diagrama o fórmula cuando aplique] - **Cuándo se activa:** [tipo de situaciones que disparan este modelo] - **Evidencia:** [ejemplo concreto de uso] **Nota sobre jerarquía (★ Nuevo insight v02):** Los modelos mentales tienen jerarquía. Un experto tiene *templates* (modelos complejos con variables) que comprenden múltiples *chunks* (patrones intermedios) que se construyen desde *patrones básicos*. No todos los modelos son del mismo nivel. Al documentarlos, indicar nivel: **Template / Marco / Patrón**. #### A3 — Anchor Cases (Casos Ancla) ★ *Nuevo en v02* Los episodios paradigmáticos que la fuente cita de forma recurrente cuando explica sus modelos. Los expertos no solo tienen modelos abstractos — *recuperan episodios específicos* como punto de referencia para situaciones nuevas (teoría SOAR/episodic memory). **Por qué existen:** El conocimiento de un experto no está solo en reglas generales sino en una biblioteca de situaciones concretas. Cuando Jensen Huang habla de sostener una visión bajo presión, recupera el episodio de CUDA (10 años sin tracción). Ese episodio *ancla* cómo aplica el principio "El mercado de $0 vale más que el mercado establecido." | Campo | Descripción | |---|---| | **Definición** | Episodio concreto y específico que la fuente usa como referencia paradigmática | | **Cantidad** | 5-10 por fuente | | **Fuente de extracción** | Los casos que la fuente menciona repetidamente al explicar sus ideas | **Formato por caso:** - **Nombre del caso:** [etiqueta corta] - **Situación:** [qué ocurrió, en una oración] - **Cómo lo usa la fuente:** [qué principio o modelo ilustra] - **Patrón que revela:** [qué dice este caso sobre cómo piensa la fuente] - **Referencia:** [dónde lo menciona — libro, entrevista, conferencia] **Ejemplo — Jensen Huang:** - **Caso:** "CUDA — 10 años sin mercado" → Ancla el principio "El mercado de $0 vale más" - **Caso:** "NVIDIA casi quebrada en 2008 pero mantuvo la apuesta en CUDA" → Ancla el algoritmo de sostenimiento de visión bajo presión **Ejemplo — Hormozi:** - **Caso:** "El gimnasio que casi lo quiebra antes de descubrir las ofertas" → Ancla todo su sistema de diseño de ofertas - **Caso:** "El cliente que pagó $3M por lo que antes vendía a $1k" → Ancla su principio de pricing por valor **Protocolo de uso para el agente:** > Cuando la fuente esté evaluando una situación nueva, buscar en los Anchor Cases si hay un episodio paralelo. Si existe, activarlo explícitamente: "Esta situación es análoga al caso [X] que [Fuente] menciona cuando habla de [principio Y]. La respuesta probable sería [Z]." --- ### CAPA B — Evaluación: Cómo JUZGA Esta capa captura los **criterios de evaluación** de la fuente — con qué mide, qué considera fuerte o débil, correcto o incorrecto. #### B1 — Basic Principles (Principios Invariantes) Los axiomas que la fuente **nunca viola**, independientemente del contexto. Son más profundos que estrategias o preferencias — son los valores operativos que dictan qué decisiones quedan fuera de mesa. | Campo | Descripción | |---|---| | **Naturaleza** | Invariante — no cambian con el contexto | | **Formato** | Declaración absoluta: "Siempre..." / "Nunca..." / "Sin [condición], no [acción]" | | **Cantidad** | 3-7 (si tienes 20, son preferencias, no principios) | | **Test** | ¿La fuente lo viola alguna vez? Si sí, no es principio | **Formato por principio:** - **Principio:** [enunciado en ≤ 15 palabras] - **Fundamento:** [por qué es no-negociable para esta fuente] - **Anti-patrón:** [lo que esta fuente nunca haría por este principio] - **Evidencia:** [cita o decisión concreta que lo demuestra] **Para BCS-:** Los principios son los axiomas que el sistema da por sentados — el punto de partida desde el que todo lo demás se deriva. #### B2 — Thinking Rules (Reglas de Pensamiento) + Ecological Context ★ *Enriquecido en v02* Las heurísticas situacionales de la fuente — reglas condicionales que aplica en contextos específicos. **Insight v02 (Gigerenzer, Ecological Rationality):** Una heurística no es universalmente buena o mala — es *ecológicamente racional* cuando está adaptada a la estructura del entorno. Cada Thinking Rule debe incluir ahora las condiciones ambientales en que aplica. **Formato por regla:** - **Regla:** "Cuando [situación/contexto], [la fuente] [evalúa/considera/prioriza] [X]" - **Fundamento:** [por qué esta regla se deriva de los principios de la fuente] - **Ecological Context:** [estructura del entorno donde aplica — nivel de incertidumbre, urgencia, información disponible, tipo de decisión] - **Cuándo NO aplica:** [entornos donde esta regla produciría resultados incorrectos] - **Evidencia:** [ejemplo concreto] **Ejemplo — Hormozi:** - **Regla:** "Cuando un negocio tiene problemas de ingresos, mirar primero la oferta, no el marketing" - **Ecological Context:** Aplica cuando el negocio tiene tracción (clientes que han comprado), acceso al mercado, y el problema es conversión — no cuando el mercado no conoce el producto - **Cuándo NO aplica:** Startups en fase pre-product/market fit donde no hay datos de conversión aún #### B3 — Moral Foundations Profile ★ *Nuevo en v02* El perfil de fundamentos morales de la fuente — qué tipos de situaciones generan indignación o entusiasmo moral genuino, más allá de los principios declarados (basado en Moral Foundations Theory de Jonathan Haidt). Los seis fundamentos son: **Cuidado/Daño · Justicia/Engaño · Lealtad/Traición · Autoridad/Subversión · Santidad/Degradación · Libertad/Opresión**. No todas las fuentes pesan todos los fundamentos por igual. **Por qué importa:** El perfil moral explica *ante qué se indigna* la fuente — información que predice comportamiento en situaciones límite y da textura auténtica a la voz (Capa V). **Formato:** - **Fundamentos dominantes:** [los 2-3 más pesados con evidencia] - **Fundamentos periféricos:** [los menos activos] - **Señales de indignación:** [qué situaciones concretas activan respuesta moral intensa] - **Señales de entusiasmo moral:** [qué activa genuina admiración o celebración] **Ejemplo — Nassim Taleb:** - **Fundamentos dominantes:** Justicia/Engaño (indignación ante quien habla sin skin-in-the-game), Libertad/Opresión (el sistema que penaliza al individuo por errores sistémicos) - **Señales de indignación:** Economist que no tiene inversiones reales · Académico de economía que vive de salario fijo mientras prescribe políticas monetarias · Banco rescatado con fondos públicos - **Señales de entusiasmo moral:** Trader que pierde su propio capital sin culpar al mercado · Quien admite incertidumbre radical en vez de modelos de predicción falsa **Protocolo de uso para el agente:** Cuando la fuente está en modo Capa V (voz), activar el Moral Foundations Profile para calibrar el tono emocional correcto — no todas las situaciones generan la misma intensidad de respuesta. --- ### CAPA C — Decisión: Cómo DECIDE Esta capa es la más operativa de la cognición. Captura cómo la fuente convierte percepción + evaluación en decisiones y acciones. #### C1 — Cognitive Algorithms (Algoritmos Cognitivos) Las secuencias de procesamiento que la fuente sigue para llegar a decisiones importantes. Son procesos, no puntos de vista — tienen pasos definidos y secuenciados. | Campo | Descripción | |---|---| | **Definición** | Secuencia tipo si→entonces→decide que la fuente sigue (a veces inconscientemente) | | **Formato** | Diagrama de flujo o secuencia condicional anidada | | **Cantidad** | 3-8 (uno por tipo de decisión recurrente) | **Formato por algoritmo:** - **Nombre:** [nombre del proceso] - **Gatillo:** [qué tipo de situación activa este algoritmo] - **Secuencia:** Paso 1 → Paso 2 → Decisión [con nodos de bifurcación] - **Evidencia:** [cuándo y cómo se ha observado este algoritmo en uso] - **Sistema de procesamiento:** [Sistema 1 (rápido/automático) o Sistema 2 (deliberado/lento)] **Nota sobre Sistema 1 vs. Sistema 2 (★ Nuevo en v02, desde Kahneman):** Los algoritmos cognitivos no son todos del mismo tipo. Algunos son **Sistema 1** — reconocimiento rápido de patrones que produce una respuesta sin deliberación consciente. Otros son **Sistema 2** — secuencias deliberadas que requieren esfuerzo y tiempo. Etiquetar cada algoritmo según su tipo orienta al agente sobre cuándo ejecutarlo. **Para BCS-:** El algoritmo cognitivo es el **Camino o Sadhana** — la secuencia de prácticas o comprensiones que llevan del estado ordinario al objetivo de la tradición. #### C2 — Prototypical Situations + Red Flags ★ *Nuevo en v02* Los patrones de situación que la fuente **reconoce automáticamente** y las señales que *rompen* ese reconocimiento y disparan deliberación explícita. Basado en el Recognition-Primed Decision Model de Gary Klein. **El mecanismo:** Un experto no genera opciones y las compara — *reconoce* la situación como similar a un prototipo conocido, genera *una* acción, la simula mentalmente, y si funciona, actúa. Solo cuando la situación no hace match con ningún prototipo (o cuando hay red flags) entra en modo deliberativo. **Por qué importa para el Brain Code:** Si solo capturamos los Cognitive Algorithms (modo Sistema 2), el Brain Code opera más despacio de lo que la fuente real opera. Las Prototypical Situations capturan el modo Sistema 1 — el reconocimiento experto instantáneo. **Formato:** **Prototypical Situations (lo que reconoce automáticamente):** - **Nombre del patrón:** [etiqueta corta] - **Cues de reconocimiento:** [las señales específicas del entorno que hacen match con este prototipo] - **Acción prototípica:** [qué hace cuando reconoce este patrón — sin deliberación] - **Velocidad:** Sistema 1 (segundos) / Sistema 1.5 (minutos) / Sistema 2 (requiere tiempo) **Red Flags (lo que rompe el reconocimiento y activa deliberación):** - **Señal:** [cue específico que indica "esto no es lo que parece"] - **Lo que activa:** [modo de análisis alternativo que dispara] - **Por qué es crítico:** [qué error produciría si se ignora] **Ejemplo — un VC con BC- desarrollado:** - **Prototipo reconocido:** "Founder técnico obsesionado con el problema, background en el dominio, mercado con señales de calor temprano" → Acción: investigar más (prioridad alta) - **Red Flag 1:** "Founder que habla más de fundraising que de producto" → Activa Cognitive Algorithm de due diligence extendido - **Red Flag 2:** "Mercado donde el cliente 'ideal' es una empresa Fortune 500 desde el inicio" → Señal de distribución incorrecta **Protocolo de uso para el agente:** > Al recibir un input, primero escanear si hace match con alguna Prototypical Situation. Si hay match claro, responder con la acción prototípica de la fuente (modo rápido). Si hay Red Flags presentes, cambiar a modo deliberativo y ejecutar el Cognitive Algorithm relevante. #### C3 — Tacit Patterns (Patrones Tácitos) ★ *Nuevo en v02* Los comportamientos observables que la fuente **no puede articular** pero son consistentes — el conocimiento que Polanyi llamó "sabemos más de lo que podemos decir." **Por qué son tan difíciles y tan valiosos:** La mayor parte del conocimiento experto es tácito. Si el Brain Code solo captura lo explícito, captura el 20-30% del conocimiento real. Los Tacit Patterns son la capa más difícil de extraer y la que más diferencia a un Brain Code mediocre de uno de clase mundial. **Métodos de extracción:** 1. **Contrafácticos** — situaciones hipotéticas que la fuente nunca ha enfrentado explícitamente. La respuesta revela esquemas tácitos. 2. **Análisis de errores/sorpresas** — momentos donde la fuente se sorprendió del resultado revelan los límites de sus modelos conscientes. 3. **Observación vs. declaración** — comparar qué dice que hace vs. qué se puede observar que hace. Las divergencias son oro. 4. **Preguntas del proceso, no del resultado** — "¿Cómo sabes que X está listo?" revela el chunk tácito que ninguna descripción formal captura. **Formato por patrón:** - **Patrón:** [descripción del comportamiento observable] - **Evidencia de consistencia:** [en cuántas/qué situaciones se ha observado] - **Lo que revela:** [qué esquema cognitivo subyace al patrón] - **Tensión con lo explícito:** [si hay divergencia con lo que la fuente dice — documentar explícitamente] - **Método de extracción usado:** [cómo se identificó] **Ejemplo — Steve Jobs:** - **Patrón observado:** En cualquier reunión de producto, tomaba el diseño propuesto y preguntaba "¿Podemos hacer esto con 50% menos botones?" — aunque nunca lo enunció como principio. - **Lo que revela:** Su mental model de "complejidad es falla del diseñador, no necesidad del usuario" operaba como un algoritmo tácito, no declarado. - **Tensión:** Sus declaraciones sobre "simplicidad" eran vagas; su comportamiento revelaba un algoritmo específico de reducción forzada. --- ### CAPA D — Acción: Cómo EJECUTA Las habilidades o prácticas destiladas — capacidades transferibles que la fuente domina. #### D1 — Distilled Skills (Habilidades Destiladas) + Acquisition Pathway ★ *Enriquecido en v02* | Campo | Descripción | |---|---| | **Definición** | Capacidades cognitivas practicables que la fuente domina y que se pueden transferir | | **Formato** | Nombre + descripción + cuándo aplicar + cómo ejecutar | | **Cantidad** | 5-10 por fuente | **Formato por skill:** - **Skill:** [nombre] - **Descripción:** [qué hace exactamente, cómo se ejecuta] - **Cuándo aplicar:** [situaciones que requieren este skill] - **Evidencia:** [ejemplo de la fuente aplicando esta habilidad] - **Acquisition Pathway ★ Nuevo:** [cómo desarrolló la fuente este skill — qué práctica, experiencia o exposición lo produjo. Permite replicar el proceso, no solo imitar el resultado] - **Nivel de transferibilidad:** Conceptual (fácil) / Técnico (medio) / Experiencial (difícil) **Para BCS-:** Las skills se convierten en **Prácticas Destiladas** — incluir nota explícita cuando una práctica requiere transmisión directa o contexto comunitario y no puede capturarse completamente en texto. **Para BCE-:** Las skills se convierten en **Capacidades Dinámicas** — distinguir entre Sensing (cómo detecta oportunidades), Seizing (cómo capitaliza), y Transforming (cómo se reconfigura cuando el modelo falla). --- ### LAYER L — Léxico Propio ★ *Elevado a sección universal en v02* En v01, el léxico era específico para escuelas y tradiciones. En v02, se reconoce que **toda fuente de inteligencia suficientemente profunda desarrolla vocabulario propio** porque necesita nombrar distinciones que el lenguaje ordinario no captura. **Instalar el léxico ES parte de instalar el Brain Code.** Un agente que no tiene el léxico opera con una versión degradada de la fuente. #### L1 — Términos Nucleares Los 10-25 términos que portan significado comprimido dentro de este sistema. Incluir: **Formato por término:** - **Término:** [la palabra/concepto] - **Definición dentro del sistema:** [qué significa en su contexto propio — NO la definición de diccionario] - **Por qué este término existe:** [qué distinción captura que el lenguaje ordinario no tiene] - **Cómo usarlo correctamente:** [en qué contextos aplicar, cómo no usarlo] - **Relación con otros términos:** [cómo se conecta con el mapa conceptual de la fuente] #### L2 — Anti-Léxico Términos que la fuente rechaza, redefine, o considera señal de malentendido. **Formato por término:** - **Término rechazado/redefinido:** [la palabra] - **Por qué la fuente lo rechaza:** [la razón desde la lógica interna de la fuente] - **Qué usa en su lugar:** [el término propio que sustituye] **Ejemplo — Lean Startup:** - **Anti-léxico:** "plan de negocio" — rechazado porque implica certeza donde hay hipótesis. Usa "modelo de negocio" o "hipótesis validable" - **Anti-léxico:** "fracaso" (en sentido peyorativo) — redefinido como "experimento con resultado negativo que actualiza el modelo" --- ### CAPA V — Voz y Activación Esta capa hace que el Brain Code no solo piense como la fuente sino que **suene** como ella al producir outputs. #### V1 — Tonal Signature Cinco adjetivos que capturan el tono general de la fuente. Seguido de: ¿qué tono esta fuente NUNCA adoptaría? **Para BCS-:** Describir el **tono epistémico del sistema** — con qué autoridad, certeza, apertura o humildad habla esta tradición. #### V2 — Linguistic Patterns Los 3-7 patrones de lenguaje que hacen reconocible a esta fuente. El nivel de reconocimiento objetivo: alguien que conoce bien a la fuente debería poder decir "eso suena como [fuente]" sin que se lo digan. **Formato por patrón:** - **Nombre del patrón:** [ej: "Ultra-Short Declarative", "La pregunta que incomoda"] - **Descripción:** [qué hace exactamente] - **Frecuencia:** Constante / Frecuente / Ocasional - **Ejemplos:** [2-3 citas o ejemplos directos] #### V3 — Anti-patterns de Expresión Lo que esta fuente NUNCA dice, nunca implica, nunca sugiere. Incluir: tipos de calificación, tipos de disculpa, tipos de hedging, frases que la fuente considera señal de debilidad o falta de claridad. #### V4 — Moral Voice Profile ★ *Nuevo en v02* Cómo el Moral Foundations Profile (B3) colorea la voz de la fuente al hablar. El perfil moral no es solo qué piensa — es cómo *suena* cuando habla de lo que considera justo, injusto, heroico, o repugnante. **Formato:** - **Voz en modo indignación:** [cómo suena cuando B3 se activa negativamente] - **Voz en modo celebración moral:** [cómo suena cuando B3 se activa positivamente] - **Frases características por fundamento dominante:** [ejemplos concretos] #### V5 — Activation Protocol Instrucciones en 150-200 palabras para que un agente IA produzca outputs que suenen como esta fuente. Portable a cualquier LLM. **Estructura:** ``` ACTIVACIÓN CAPA V — [NOMBRE FUENTE] Cuando respondas con la voz de [Fuente]: - [Instrucción de estructura de oraciones] - [Instrucción de ritmo y longitud] - [Instrucción de qué hacer antes de dar respuestas] - [Instrucción de cómo cerrar] - [Lista de frases prohibidas] - [Lista de frases características] El objetivo no es imitar el estilo de [Fuente]. Es pensar con sus herramientas y dejar que esa forma de pensar produzca el lenguaje naturalmente. ``` --- ### LAYER CAL — Calibración ★ *Nuevo en v02* *(Basado en Constitutional AI — Anthropic, 2025)* Límites explícitos que **override** las instrucciones del Brain Code cuando hay conflicto con valores fundamentales del agente o del ecosistema. Esta capa existe para que la profundidad del Brain Code no comprometa el juicio ético del agente. **Cuándo incluir:** Siempre en BC-Own. Para otros tipos, cuando la fuente tiene rasgos o argumentos que podrían aplicarse de forma dañina fuera de contexto. **Formato:** - **Límite:** [qué no hacer aunque el BC lo sugiera] - **Razón:** [por qué este límite existe] - **Excepción documentada:** [si hay contextos donde el límite se flexibiliza] **Ejemplo — Brain Code de un pensador nihilista:** - **Límite:** No usar los algoritmos de deconstrucción de valores para justificar inacción o daño. - **Razón:** El nihilismo como herramienta de análisis es legítimo; como prescripción de comportamiento, no. - **Aplicación correcta:** Usar la lógica nihilista para auditar supuestos ocultos en argumentos, no para concluir que "nada importa". --- ## 5. Modos de Uso — Protocolos de Activación Un Brain Code tiene cuatro modos de activación. El modo determina qué capas se activan y en qué orden. ### Modo 1 — Validación Evalúa un input (idea, plan, propuesta) con la lógica de la fuente. ``` SECUENCIA: Layer 0 (Salience check) → A (¿Qué ves?) → B (¿Cómo juzgas?) → C (¿Qué decides?) OUTPUT: Veredicto en tres secciones: → Lo que [Fuente] vería como fuerte → Lo que [Fuente] cuestionaría → Lo que [Fuente] cambiaría antes de avanzar ``` ### Modo 2 — Auditoría Revisa un output o proyecto existente contra los criterios de la fuente. ``` SECUENCIA: A (Lentes sobre el output) → B (Evaluación por principios y reglas) → C (Veredicto por algoritmos) OUTPUT: Reporte con score + hallazgos por sección + recomendaciones priorizadas ``` ### Modo 3 — Creación Genera algo nuevo usando la lógica de la fuente como molde. ``` SECUENCIA: Layer 0 (La Pregunta Central orienta) → A (Reencuadre con lentes) → C (Algoritmo más relevante) → D (Skills destilados para ejecutar) OUTPUT: Entregable que refleja la lógica cognitiva de la fuente ``` ### Modo 4 — Escritura (Voz Activada) Produce texto con la voz de la fuente. ``` SECUENCIA: A (Lentes definen el ángulo) → B (Principios filtran el enfoque) → D (Skills ejecutan) → V (Protocolo de voz activo) OUTPUT: Texto que piensa con las herramientas de la fuente, no que imita su estilo ``` ### Modo 5 — Board *(para BC- de persona)* El Brain Code responde en primera persona como la fuente. ``` ACTIVACIÓN: "Opera como [Fuente]" → No responde como asistente — responde como [Fuente] → Primera persona: "En mi experiencia...", "Lo que yo haría..." → V5 completamente activo → Hace preguntas incómodas ANTES de dar respuestas → Puede estar en desacuerdo con el input → Cierra con recomendación específica, no con opciones → Layer CAL siempre activo ``` --- ## 6. Criterios de Calidad — Cómo Saber si el Brain Code está Bien Destilado ### Test 1 — Especificidad Radical ¿Los lentes, principios y patrones son específicos de ESTA fuente, o podrían ser de cualquiera? Si "sé disciplinado" podría estar en cualquier Brain Code, ese componente no está bien destilado. ### Test 2 — Aplicabilidad Cruzada ¿Puedes tomar el Brain Code y pasarle un input que la fuente NUNCA ha visto y obtener un análisis útil? Si solo funciona con inputs del dominio original de la fuente, no es L7 — es un resumen (L3). ### Test 3 — Diferenciación Bilateral Si aplicas dos BCs distintos al mismo input, ¿producen análisis visiblemente diferentes? Si Jensen Huang y Hormozi dan la misma respuesta a un problema de negocio, al menos uno está mal destilado. ### Test 4 — Calibración de Voz Mostrar el output (en modo Voz) a alguien que conoce bien a la fuente: "¿Esto suena como [Fuente]?" Si la respuesta es "podría ser cualquier coach motivacional", la Capa V no está calibrada. ### Test 5 — Resistencia al Contrafáctico Presentar al Brain Code una situación que la fuente NUNCA ha abordado públicamente. Una respuesta calibrada es "sorprendente pero coherente" — no genérica ni contradictoria con los principios conocidos. ### Test 6 — Coherencia Interna ¿Los componentes son consistentes entre sí? Los principios no deberían contradecir los algoritmos. Si hay tensión real entre componentes, documentarla explícitamente — las tensiones reales en una fuente son datos válidos. ### Readiness Score | Score | Criterio | Uso recomendado | |---|---|---| | ⭐⭐⭐⭐⭐ | 5/6 tests ✅ | Producción plena — Board Mode disponible | | ⭐⭐⭐⭐ | 4/6 tests ✅ | Producción — Board Mode con supervisión | | ⭐⭐⭐ | 3/6 tests ✅ | Beta — validación, auditoría; no Board Mode | | ⭐⭐ | 2/6 tests ✅ | Revisión necesaria antes de uso | | ⭐ | 1/6 o menos | Re-destilación requerida | --- ## 7. Qué NO es un Brain Code Para mantener claridad y evitar que el concepto se diluya: | No es | Por qué no | Lo que sí es | |---|---|---| | Un resumen del autor | Eso es un SuPB- (L3) | Un mapa de cómo piensa, no de qué sabe | | Un perfil de personalidad (MBTI, Big Five) | Eso captura rasgos estáticos | El BC captura arquitectura cognitiva dinámica | | Un prompt de "actúa como X" | Produce imitación de estilo superficial | Un protocolo que produce pensamiento con otra lógica | | Una colección de citas | Eso es contenido, no cognición | Reglas, algoritmos y lentes extraídos de las citas | | Una lista de valores | Los valores son declaraciones; el BC incluye cómo se operacionalizan | Principios que se pueden testear contra decisiones reales | | Un documento estático | El Brain Code es un activo vivo que se actualiza | Se versiona (v01, v02...) y tiene cadencia de revisión | --- ## 8. Relación del Brain Code con el BrainOS y el Stack Cognitivo El Brain Code no opera solo. Su poder máximo se activa en combinación: | Combinación | Resultado | |---|---| | **BC + MPI del mismo autor** | Cognición completa: piensa como la fuente *y* sabe lo que la fuente sabe | | **BC + MFR del mismo autor** | El BC explica *por qué* funciona la fórmula y *cuándo* no aplicarla | | **BC-A + BC-B** | Advisory board cognitivo — las tensiones entre BCs revelan puntos ciegos de cada uno | | **BC-Own + BrainOS** | El Brain Code del dueño es el núcleo del BrainOS — el criterio codificado que el sistema de memoria viva orbita | | **BC-Own + BC- externo** | El dueño piensa con sus propias herramientas *y* puede invocar arquitecturas cognitivas de clase mundial | ### El Brain Code en el BrainOS del Dueño El BrainOS es el sistema de memoria viva del dueño (ver CP-XX-BrainOS-MetodologiaFramework-v01). El Brain Code del dueño (BC-Own) es su núcleo de criterio — el documento que codifica *cómo decide*, no solo *qué recuerda*. A diferencia de los BCs externos (que se construyen de una sola vez desde un corpus), el **BC-Own se construye progresivamente** desde las interacciones del dueño con su SherpaX: ``` Conversación → Jay detecta patrón cognitivo → propone componente al dueño Dueño valida → componente ingresa al BC-Own BC-Own v01 → primera versión con los patrones más evidentes Interacción continua → nuevos patrones emergen → actualizaciones trimestrales BC-Own vN → destilación de años de interacción → fidelidad máxima ``` Este proceso convierte cada sesión de trabajo con SherpaX en una contribución incremental al activo cognitivo más valioso del ecosistema propio del dueño. --- ## 9. Nomenclatura de Archivos ``` BC-[Nombre]-CognitiveStack-v01.md → Brain Code completo de persona BC-[Nombre]-[Dominio]-v01.md → Brain Code de persona por dominio específico BC-[Nombre]-Dictamen-[Tema]-v01.md → Dictamen aplicado (salida del BC, no el BC en sí) BC-[Nombre]-Own-v01.md → Brain Code propio del dueño BCV-[TítuloContenido]-v01.md → Brain Code de video/contenido BCS-[NombreTradición]-CognitiveStack-v01.md → Brain Code de escuela/tradición BCE-[NombreEmpresa]-CognitiveStack-v01.md → Brain Code de empresa ``` --- ## 10. Relación con el Master Distiller v02 Esta Anatomía define **qué es** un Brain Code. El Master Distiller v02 (ver `MePB-XX-MasterBrainCodeDistiller-v02.md`) define **cómo se genera** — el proceso de extracción que produce un activo que cumple esta anatomía. La relación es: **Anatomía = especificación del output. Distiller = protocolo de producción.** Un Brain Code bien generado con el Master Distiller produce un activo que satisface todos los criterios de esta Anatomía. Los tests de calidad de la sección 6 son el QA que conecta ambos documentos. --- ## 11. Notas de Implementación — Divergencias de Campo *(Sección agregada 2026-06-08, sesión 9 del Brain Code Production Room)* ### 11.1 Divergencia Layer 0: Spec vs. BCs Oleadas 1-5 Durante las Oleadas 1-5 del programa de upgrades a v02 (sesiones 1-7, completadas antes de la ratificación del presente canónico), los BCs producidos utilizaron una **versión anterior de 8 subsecciones para Layer 0**: | Subsección | Estructura pre-canónica (Oleadas 1-5) | |---|---| | 0.1 | Descripción Esencial | | 0.2 | Misión / Propósito | | 0.3 | Filosofía Nuclear | | 0.4 | Contradicciones Internas | | 0.5 | Evolución | | 0.6 | Puntos Ciegos | | 0.7 | Figuras Clave | | 0.8 | Límite del Corpus | A partir de la **ratificación de esta spec (2026-06-03)** y confirmado en producción con **BC-JensenHuang-CognitiveStack-v03 (Oleada 7, 2026-06-08)**, la estructura canónica es: | Subsección | Estructura canónica v02 | |---|---| | 0.1 | Frase Identitaria | | 0.2 | La Pregunta Central | | 0.3 | Salience Architecture | | 0.4 | Cognitive Habitat (opcional) | | 0.5 | Aportación Única en Contexto | | 0.6 | Conexiones Críticas | | 0.7 | Mapa de Frontera | | 0.8 | *(Meta-sección: Variantes por tipo — no es subsección de producción)* | **Impacto en el banco actual:** Los BCs de Oleadas 1-5 (≈21 activos) tienen Layer 0 en estructura pre-canónica. Son completamente funcionales y operativos — la diferencia es de organización interna, no de contenido cognitivo. La mayoría del contenido equivalente existe distribuido en otras capas. **Recomendación de migración:** Al hacer cualquier upgrade v03+ de BCs de Oleadas 1-5, incluir migración de Layer 0 a estructura canónica como parte del trabajo. No es necesario hacer una oleada de migración dedicada — integrar en próximos upgrades naturales. ### 11.2 Confirmación de spec en BCV type Los BCV producidos en Oleada 7 (**BCV-ContextEngineering-MemoriaVirtual-v02** y **BCV-The-Agentic-Org-HumanSkills-v02**) confirman que el Lookup Table es correcto: - Layer 0 BCV incluye Content Architecture en 0.4 (vía variante de tipo definida en 0.8) - A3 = Casos del video/contenido ✅ - Layer CAL = "Cuando relevante" ✅ (ambos BCV produjeron 5 flags CAL por contenido no verificable en sus corpus) --- --- ## 12. Anatomía BCI — Brain Code Iniciativa (tipo especial) > **Cuándo usar BCI:** Para capturar la inteligencia operativa de una **iniciativa tecnológica o estratégica específica** dentro de una empresa — no la empresa en su totalidad (eso es BCE-), sino un programa, producto o proyecto delimitado. Ej.: ORION (UPS), HEAT Digital Twin (UPS), DRIVE (FedEx), AWS Lambda, Project Loon. ### 12.1 Diferencia fundamental BCI vs. BCE | Dimensión | BCE — Brain Code Empresa | BCI — Brain Code Iniciativa | |---|---|---| | **Unidad de análisis** | La empresa / organización completa | Un programa, producto o proyecto específico | | **Lente principal** | Cognición organizacional / cultura | Mecanismo de transformación + ingeniería | | **Anatomía** | Capas estándar A-B-C-D-L-V-CAL | 14 secciones O1-O2-A1-C1-L1-V1-MM-SC-PT-RD-AP-TF-ML-LOOP-FK | | **Tiempo de producción** | 2-4h para BCE completo | 45-90 min por BCI | | **Output primario** | Modelo cognitivo organizacional | Plantilla de transformación replicable | ### 12.2 Anatomía BCI v02 — 14 Secciones #### Bloque Base (6 secciones estructurales) **O1 — Origen** Qué problema o presión desencadenó la iniciativa. No el problema que *resuelve* (eso es O2) sino la **causa raíz** que hizo que la iniciativa existiera. Puede ser: - Presión competitiva documentada - Ineficiencia con costo cuantificable - Mandato ejecutivo / regulatorio - Habilitador tecnológico recién disponible (cloud, LLM, IoT, etc.) *Regla de producción:* Citar la fecha y contexto del lanzamiento + la métrica o evento que lo disparó. **O2 — Objetivo** Qué quería lograr la iniciativa — en términos de resultados **verificables** antes de conocer el resultado. Usar la forma: "Reducir X en Y% en horizonte Z" o "Habilitar capacidad W que antes no existía." Si la iniciativa tiene múltiples objetivos, ordenarlos por prioridad declarada. **A1 — Alcance** Especificar con precisión: - Tecnologías empleadas (lenguajes, frameworks, plataformas cloud, modelos ML) - Geografías / unidades de negocio afectadas - Usuarios directos del sistema (internos) y usuarios indirectos (clientes, conductores, etc.) - Horizonte temporal (implementación inicial → escala completa) - Volumen de datos / escala operativa **C1 — Configuración** El "cómo" estructural de la iniciativa: - Stack tecnológico completo (proveedores, integraciones, arquitectura) - Estructura del equipo (roles, tamaño, distribución) - Modelo de gobierno del proyecto (decisiones, presupuesto, ownership) - Partnerships críticos (cloud providers, startups, universidades) **L1 — Logros** Resultados **cuantificados con fuente atribuible**. Formato canónico: ``` [Métrica]: [Valor before] → [Valor after] / [% cambio] · Fuente: [documento/año] ``` Marcar con ✓ si el dato está verificado externamente (reporte financiero, filing SEC, press release oficial). Marcar con [D] si es declaración de la compañía sin verificación independiente. **V1 — Valor Generado** El impacto **estratégico** más allá de las métricas operacionales: - Ventaja competitiva creada o ampliada - Moat tecnológico (propiedad del dato, red effect, economías de escala en IA) - Posicionamiento de mercado modificado - Capacidades organizacionales nuevas habilitadas - Opcionalidad estratégica abierta (qué más se puede hacer ahora que no se podía antes) --- #### Bloque de Inteligencia Profunda (8 secciones) **MM — Modelos Mentales (7 por BCI)** Los **marcos cognitivos** que la iniciativa usa para tomar decisiones — no los frameworks de negocio genéricos, sino los modelos específicos que explican **por qué tomaron las decisiones que tomaron**. Incluir: - Nombre del modelo mental + descripción breve - Cómo se aplica específicamente en esta iniciativa - La decisión concreta que explica *Ejemplos validados:* - VRP / Vehicle Routing Problem (estructura del problema de optimización) - Inversion Thinking (¿qué haría que esto fallara? → diseñar para evitarlo) - Hard vs. Soft Constraints (qué es innegociable vs. qué es preferible) - Second-Order Thinking (consecuencias de las consecuencias) - Bayesian Updating (actualizar rutas con nueva información vs. recalcular desde cero) - Multi-Armed Bandit (exploración vs. explotación en asignación de recursos) - Conway's Law (arquitectura del sistema refleja arquitectura de comunicación del equipo) - Theory of Constraints (el cuello de botella del sistema domina el throughput total) - Platform Thinking (construir para la plataforma, no para el producto puntual) - Flywheel Effect (el volumen de datos mejora el modelo → mejor modelo atrae más datos) - First Principles (¿qué es fundamentalmente verdadero aquí? descartar suposiciones heredadas) - Leverage Points (Meadows): dónde en el sistema cambiar tiene máximo impacto **SC — Stack de Ciencias Aplicadas (4-5 por BCI)** Las **disciplinas científicas exactas** con sus técnicas específicas. No "machine learning" genérico — sino qué rama, qué algoritmo, qué paper fundacional cuando aplique. Formato canónico: ``` [Disciplina] → [Técnica específica] Fundamento teórico: [Quién / Cuándo] Aplicación en esta iniciativa: [Cómo exactamente] ``` *Ejemplos validados:* - **Operations Research:** VRPTW (Vehicle Routing Problem with Time Windows), Clarke-Wright Savings Algorithm, Lin-Kernighan Heuristic, Simulated Annealing - **Graph Theory:** Dijkstra para caminos mínimos, algoritmos de flujo en redes - **Reinforcement Learning:** Multi-Armed Bandit para exploración/explotación, Q-Learning para ruteo adaptativo - **Stream Processing:** Apache Kafka/Pub-Sub para ingestión en tiempo real, Dataflow para procesamiento paralelo - **Digital Twin Theory:** Marco de Grieves (2002) — Physical Entity ↔ Virtual Counterpart ↔ Connection - **Information Theory (Shannon):** Entropía informacional → el valor de la información decae con el tiempo - **Complex Adaptive Systems:** Auto-organización emergente, no centralización - **Network Science:** Análisis de grafos de demanda, cluster detection para zonas de despacho - **Data Mesh Architecture:** Ownership distribuido de datos por dominio (Dehghani, 2019) - **Computer Vision + Grasp Planning:** Para automatización robótica (DexR) **PT — Proceso de Transformación** El viaje de Estado A → Estado B con el mecanismo exacto. Estructura obligatoria: ``` ESTADO A (ANTES) Descripción: [qué existía / cómo funcionaba] Fallas específicas: [las ineficiencias concretas con métricas] Costo del status quo: [cuantificado cuando posible] MECANISMO DE TRANSFORMACIÓN Fase 1 [Nombre]: [Qué cambió / cómo / en qué plazo] Fase 2 [Nombre]: [...] Fase N [Nombre]: [...] Palancas clave de la transformación: [los 2-3 factores que la hicieron posible] ESTADO B (DESPUÉS) Descripción: [qué existe ahora / cómo funciona] Métricas verificadas: [resultados concretos — ver L1] Capacidades nuevas: [lo que ahora se puede hacer que antes era imposible] ``` **RD — Reglas de Decisión** Las **heurísticas operativas exactas** que la iniciativa usa — no principios genéricos, sino reglas con condición→acción aplicables directamente. Formato canónico: ``` [Número]. Si [CONDICIÓN] → entonces [ACCIÓN] Contexto ecológico: [cuándo aplica esta regla / cuándo NO aplica] Origen: [de dónde emergió esta regla — datos, falla, intuición verificada] ``` *Ejemplos validados (ORION):* - "Si una ruta contiene ≥3 giros a la izquierda → recalcular con penalidad de tiempo de 40s por giro" - "Si el tiempo de viaje observado supera en >15% el predicho → triggerear actualización del modelo de tráfico" - "Si la ventana de tiempo de un cliente tiene <30min de holgura → asignar conductor con score de puntualidad >0.92" **AP — Anti-Patrones** Lo que la iniciativa **conscientemente NO hace** y por qué. Los anti-patrones son decisiones explícitas de no hacer algo que parece obvio o que otros hacen — y son tan informativos como los patrones positivos. Formato canónico: ``` [Anti-patrón]: [Qué no hacen] Por qué parece obvio: [la tentación obvia] Por qué lo evitan: [la razón real, documentada] Costo de hacerlo: [qué pasaría si lo hicieran] ``` *Ejemplos validados:* - "No centralizan el ruteo en un servidor maestro" (→ latencia, single point of failure) - "No recalculan toda la ruta en cada update" (→ driver confusion, decisión de micro-ajuste vs. recalculación) - "No usan el modelo global para cada subproblema local" (→ Conway's Law aplicado) **TF — Tensiones Fundamentales** Las **tensiones irresolubles** que la iniciativa navega — no para resolverlas (son irresolubles por naturaleza) sino para gestionarlas conscientemente. Formato canónico: ``` [Tensión]: [Polo A] ←→ [Polo B] Naturaleza: Por qué es irresoluble (no es un trade-off, es una tensión estructural) Cómo la gestiona esta iniciativa: El balance dinámico que eligieron Señal de desequilibrio: Cómo saben que se inclinaron demasiado hacia un polo ``` *Tensiones validadas en iniciativas logísticas:* - **Exploración ↔ Explotación** (ORION): ¿Cuándo explorar rutas nuevas vs. explotar las rutas conocidas óptimas? - **Precisión ↔ Latencia** (HEAT): Más datos = mejor predicción, pero tiempo de procesamiento aumenta - **Velocidad ↔ Continuidad** (DRIVE): Integrar rápido vs. no interrumpir operaciones durante la transición - **Local ↔ Global** (general): Optimizar para el conductor individual vs. optimizar para toda la red - **Determinismo ↔ Adaptabilidad**: Rutas fijas predecibles vs. rutas dinámicas que desconciertan a los drivers **ML-LOOP — Mecanismo de Aprendizaje** **Exactamente cómo el sistema mejora con el tiempo.** No "machine learning" como buzzword — sino el mecanismo específico, la escala temporal y el volumen de datos. Formato canónico: ``` CICLO DE APRENDIZAJE Frecuencia: [cada X minutos/horas/días] Input del loop: [qué datos entran al ciclo de mejora] Mecanismo: [algoritmo o proceso específico que usa los datos] Output: [qué mejora concretamente] Escala de datos necesaria: [volumen mínimo para que el aprendizaje sea estadísticamente válido] EFECTOS ACUMULATIVOS A 6 meses: [qué cambia] A 2 años: [qué cambia] Moat generado: [por qué la ventaja aumenta con el tiempo] ``` **FK — Frontera del Conocimiento** Las **preguntas abiertas** que ni los líderes globales han resuelto todavía. Este es el mapa de lo que la ciencia y la industria no saben — donde está la próxima ventaja. Formato canónico: ``` [Pregunta abierta]: [Descripción de lo que no se sabe] Estado actual: [Lo más avanzado que existe] Por qué es difícil: [La barrera fundamental] Implicación estratégica: [Qué habilitaría resolver esto] ``` *Ejemplos validados (logística):* - ¿Cómo optimizar rutas multi-modal en tiempo real considerando disrupciones de tráfico, clima y demanda simultáneamente? - ¿Cuál es el límite superior de precisión del Digital Twin con datos parciales (sensores fallidos, gaps de cobertura)? - ¿Cómo hacer aprendizaje federado entre empresas competidoras para mejorar predicciones del sector sin revelar datos propios? ### 12.3 Formato de documento BCI ```markdown --- type: BCI asset_id: BCI-[Empresa]-[NombreIniciativa]-v02 version: v02 status: [Draft / Reviewed / Canonical] empresa: [Empresa madre] iniciativa: [Nombre del programa] owner: Victor Heredia sherpa_owner: Jay fecha_produccion: YYYY-MM-DD readiness: ⭐⭐⭐ (escala igual que BCs estándar) --- ## Asset Header ## Layer M — Metadatos ## O1 — Origen ## O2 — Objetivo ## A1 — Alcance ## C1 — Configuración ## L1 — Logros ## V1 — Valor Generado ## MM — Modelos Mentales (7) ## SC — Stack de Ciencias Aplicadas (4-5) ## PT — Proceso de Transformación ## RD — Reglas de Decisión ## AP — Anti-Patrones ## TF — Tensiones Fundamentales ## ML-LOOP — Mecanismo de Aprendizaje ## FK — Frontera del Conocimiento ## CHANGELOG ``` ### 12.4 Readiness Score para BCI | Score | Criterio | |---|---| | ⭐ | O1+O2+A1 presentes — sólo contexto básico | | ⭐⭐ | Bloque Base completo (O1-O2-A1-C1-L1-V1) | | ⭐⭐⭐ | Bloque Base + MM + SC + PT presentes | | ⭐⭐⭐⭐ | Todas las 14 secciones con >70% de componentes | | ⭐⭐⭐⭐⭐ | Todas las 14 secciones completas, L1 con fuentes externas verificadas, FK con 3+ preguntas abiertas, validado por Victor | ### 12.5 Naming BCI ``` BCI-[EMPRESA-SIGLAS]-[NOMBRE-INICIATIVA]-v0N.md ``` Ejemplos canónicos validados: - `BCI-UPS-ORION-v02.md` - `BCI-UPS-HEAT-DigitalTwin-v02.md` - `BCI-UPS-EfficiencyReimagined-v02.md` - `BCI-FedEx-DRIVE-v02.md` **Ruta de destino:** Depende del contexto: - BCI de referencia (research/benchmark): `IB-Clientes/IB-[CLIENTE]/[CUENTA]/BC-[CLIENTE]-Research/` - BCI de implementación propia: `IB-EL-EmpowerLabs/BC-EL-BrainCodes/` (si es de EmpowerLabs) o equivalente --- *MePB-XX-BrainCode-Anatomy-v02 · IB-XX-Maestro/FM-XX-Formulas-Maestras/* *Generado: 2026-06-03 · Brain Code Design Room · Jay + Victor · Sesión 1* *Actualizado: 2026-06-03 · Incorporadas secciones 0.5, 0.6, 0.7 — Aportación Única, Conexiones Críticas, Mapa de Frontera* *Actualizado: 2026-06-08 · Sección 11 agregada — Notas de Implementación: divergencia Layer 0 campo vs. spec; confirmación BCV type en Oleada 7* *Actualizado: 2026-06-20 · Sección 12 agregada — Anatomía BCI (Brain Code Iniciativa): tipo especial, 14 secciones, lookup table actualizado, naming y readiness score canónicos* *Supersede: MePB-XX-BrainCode-Anatomy-v01 · MePB-XX-BrainCode-Anatomy-Schools-v01*