recommendation-canvas

Panorama general de recommendation-canvas

recommendation-canvas es una skill de toma de decisiones estructurada para evaluar ideas de productos de IA antes de comprometerte a construirlas. Te ayuda a convertir una propuesta vaga en una recomendación defendible al mapear el resultado de negocio, el resultado para el cliente, el planteamiento del problema, la hipótesis de solución, el posicionamiento y el riesgo.

Para qué sirve recommendation-canvas

Usa la skill recommendation-canvas cuando necesites decidir si una funcionalidad, flujo de trabajo o producto de IA merece inversión. Es especialmente útil para equipos de Product Management que necesitan un recommendation canvas que puedan compartir con stakeholders, no solo una lluvia de ideas.

Quién debería usarla

Esta skill encaja con PMs, fundadores, estrategas de producto y responsables de soluciones de IA que necesitan justificar una idea con evidencia y supuestos. Es menos útil si ya tienes un brief de funcionalidad completamente definido y solo necesitas detalles de implementación.

Qué la hace diferente

A diferencia de un prompt genérico, recommendation-canvas obliga a mantener una visión equilibrada: valor, incertidumbre y riesgo. Eso la hace más sólida para recommendation-canvas para Product Management, porque te ayuda a explicar por qué importa la idea, qué tiene que ser cierto y cómo sabrás pronto si merece más trabajo.

Cómo usar la skill recommendation-canvas

Instálala y cárgala

Usa el flujo de instalación del repositorio desde el archivo de la skill y luego empieza con skills/recommendation-canvas/SKILL.md. Si estás navegando manualmente, abre también template.md y examples/sample.md para ver el formato objetivo antes de redactar tu propio canvas.

Dale a la skill una decisión, no un tema

La instalación de recommendation-canvas funciona mejor cuando tu entrada es una decisión de producto concreta, como “¿Deberíamos añadir resúmenes con IA a los tickets de soporte?” en lugar de “Explorar IA para soporte”. La skill necesita un usuario objetivo, un objetivo de negocio y el contexto de la decisión.

Convierte una idea borrosa en un prompt sólido

Un brief débil pide “un recommendation canvas para una idea de IA”. Un prompt de uso de recommendation-canvas más sólido dice para quién es el producto, qué resultado importa, qué alternativas existen y cuál es el mayor riesgo.

Ejemplo de estructura de entrada:

• Nombre del producto o funcionalidad
• Persona objetivo
• Métrica de negocio deseada
• Dolor del cliente o trabajo por hacer
• Restricciones, riesgos o incógnitas conocidas
• Competidor preferido o workaround actual

Lee primero estos archivos

Empieza con SKILL.md para entender el marco, luego template.md para ver la estructura de salida y después examples/sample.md para comprender el nivel de especificidad esperado. Esos tres archivos te dan la guía más rápida de recommendation-canvas sobre la lógica y el formato de la skill.

Preguntas frecuentes sobre recommendation-canvas

¿recommendation-canvas es solo una plantilla de estrategia?

No. La skill recommendation-canvas es una herramienta de decisión para propuestas de productos de IA. Está diseñada para hacer visibles los supuestos, no para producir copy de marketing pulido ni una especificación de funcionalidad.

¿Cuándo no debería usarla?

No uses recommendation-canvas cuando solo necesites una lluvia de ideas ligera, un documento de diseño técnico o una tarea de roadmap. Su mayor fortaleza es cuando la elección es importante y necesitas una recomendación que pueda resistir la revisión de los stakeholders.

¿Es fácil para principiantes?

Sí, si puedes describir la idea del producto en lenguaje claro. El principal reto no es escribir bien; es dar al canvas suficiente contexto para separar el valor de negocio, el valor para el cliente y el riesgo.

¿Cómo encaja en un flujo de trabajo de producto de IA?

Encaja al principio de la fase de descubrimiento, antes del diseño de la solución y de la planificación de la implementación. Los equipos suelen usarla después de la ideación inicial y antes de los experimentos, porque el canvas ayuda a decidir qué supuestos merece la pena probar primero.

Cómo mejorar la skill recommendation-canvas

Aporta entradas más precisas

Los mejores resultados de recommendation-canvas vienen de restricciones específicas: segmento objetivo, workaround actual, métrica de éxito y fecha límite de decisión. Si solo proporcionas un tema amplio, la salida se volverá demasiado general y pasará por alto los tradeoffs que importan.

Pide supuestos y riesgos explícitos

Indica a la skill qué es incierto: confianza del usuario, calidad de los datos, encaje en el flujo de trabajo, exposición legal o fricción de adopción. Esto mejora la salida de la guía de recommendation-canvas porque el canvas puede separar lo que ya está probado de lo que todavía necesita descubrimiento.

Itera de la recomendación al experimento

Después del primer canvas, pide una versión más ajustada centrada en una audiencia, un resultado o un riesgo. Luego solicita experimentos, señales de viabilidad o alternativas de posicionamiento para que la recomendación se pueda probar en lugar de quedar en lo abstracto.