jtbd-to-stories

JTBD to Stories v2.0

Asiste al usuario en convertir JTBDs con evidencia real en User Stories de alta calidad, aplicando el framework JTBD Reforzado, Wendel Checklist y scoring de 6 dimensiones.

Modo copiloto: Esta skill NO genera stories de forma autónoma. Guía al usuario paso a paso, señala información faltante y pregunta antes de rellenar. Ver shared-config.md §Filosofía del Plugin.

Posición en el Pipeline

/prd-quality-guard  →  /research-from-prd  →  /jtbd-to-stories (ESTA)  →  /user-story-quality-coach
                              │                        │
                         JTBDs + evidencia        Stories + scoring

Ver SKILL-reference.md §1 para changelog v2.0 (qué cambió respecto a v1.x)

Framework Unificado

• Scoring: /user-story-quality-coach (6 dimensiones, escala 0-10)
• Template: /user-story-builder (JTBD Reforzado, 3 motivaciones)

---

Input Esperado

JTBDs con evidencia real del output de /research-from-prd (obligatorio). PRD original opcional para datos de Fase 2.

Ver SKILL-reference.md §2 para formato detallado del input con ejemplo de template

Si el usuario intenta generar stories SIN haber pasado por research:

Recomendación: Para stories de alta calidad, ejecuta primero /research-from-prd para obtener JTBDs con evidencia real de entrevistas.

---

Mapeo JTBD + PRD → Story

Desde JTBDs (input principal)

Campo JTBD	Elemento Story	Template
Job Performer	Actor ("Como...")	Usuario Específico
Trigger	"Cuando..."	Trigger (disparador)
Job Principal	"Quiero..."	Job Principal (core job)
Desired Outcome	"Para..."	Desired Outcome
Struggle	Fricción	Struggle + Ansiedades/Barreras
Motivación Funcional	Motivación F	Tarea práctica
Motivación Emocional	Motivación E	Cómo quiere sentirse
Motivación Social	Motivación S	Cómo quiere ser percibido
Evidencia - Farolas	Evidencia cuanti	Métricas validadas
Evidencia - Penumbras	Evidencia cuali	Quotes reales
Wendel 1-4	Usuario Específico	4 respuestas reales

Desde PRD (complemento)

Sección PRD	Uso en Story
Hipótesis de Solución	Comportamiento NUEVO (START)
Métricas	Rangos min-target-over
Dimensionamiento	Time Constraints (Dim 5)
Riesgos identificados	Survivable Experiment (Dim 6)

---

Proceso de Conversión (6 Pasos + 2 Checkpoints)

Paso 1: Obtener Input

Fuentes:

• JTBDs de research: Output de /research-from-prd (obligatorio)
• PRD original: Fichero, URL o pegado (opcional, para enriquecer secciones de la story)
• Research Gap Analysis: Si disponible, usar para documentar gaps de evidencia

CHECKPOINT 1: Inventario de información disponible

Antes de generar nada, comunicar al usuario:

He revisado los JTBDs y el PRD. Este es el inventario de lo que tengo:

• JTBDs: [listar con completitud de cada campo]
• Evidencia: [cuanti: X datos | cuali: X quotes]
• Métricas/KPIs: [disponibles o ⚠️ ausentes]
• Wendel: [X/4 preguntas con datos]

Información que FALTA y necesito para generar stories de calidad: [lista de gaps concretos con preguntas]

¿Tienes esta información? ¿Procedo con lo que hay y marco lo pendiente?

Esperar respuesta del usuario antes de continuar.

Paso 2: Mapear JTBD → Story (formato JTBD Reforzado)

Para cada JTBD, construir:

### Job Principal (core job)
[Job Principal del JTBD — la tarea fundamental]

### Struggle (fricción actual)
[Struggle del JTBD — con quotes reales si disponibles]

### Trigger (disparador)
[Trigger del JTBD — momento específico de las entrevistas]

### Desired Outcome
[Desired Outcome del JTBD — resultado esperado concreto]

Validación: El Job Principal debe ser un JOB, no una solución.

• OK: "Completar mi compra sin olvidar nada" (implementable de múltiples formas)
• MAL: "Tener una lista de favoritos" (es una solución específica)

Si detectas que el Job es una solución, aplicar técnica del "¿Por qué?" hasta llegar al job real.

Paso 3: Extraer 3 Dimensiones de Motivación

Dimensión	Fuente en JTBD	Pregunta clave
Funcional	Motivación Funcional	¿Qué tarea práctica necesita realizar?
Emocional	Motivación Emocional	¿Cómo quiere sentirse?
Social	Motivación Social	¿Cómo quiere ser percibido?

Ansiedades/Barreras: Extraer del Struggle del JTBD.

Si alguna motivación falta en el JTBD:

• Documentar como gap pendiente
• Si hay PRD disponible, intentar extraer de Jobs Emocionales
• Si no hay fuente, recomendar usar /user-story-builder para completar conversacionalmente

Paso 4: Aplicar Wendel Checklist

#	Pregunta	Fuente	Ejemplo
1	¿Experiencia previa?	Wendel 1 del JTBD	"Recurrente, 1-2x/semana"
2	¿Relación con producto?	Wendel 2 del JTBD	"Cliente 2 años, confía"
3	¿Motivación situacional?	Wendel 3 del JTBD	"Rapidez, 15 min antes del reparto"
4	¿Impedimento actual?	Wendel 4 del JTBD	"Buscar uno a uno, sin historial"

Wendel Score: X/4 — Si <4, documentar qué falta.

Paso 5: Definir Cambio de Comportamiento

### AHORA (comportamiento actual)
[Del Struggle del JTBD + observaciones de entrevistas]

### NUEVO (comportamiento objetivo)
| Tipo | Comportamiento |
|------|----------------|
| **START** | [De Hipótesis de Solución del PRD, o inferir del Desired Outcome] |
| **STOP** | [Lo que dejará de hacer — del Struggle] |
| **DIFFERENT** | [Mejora cuantificada — de métricas validadas] |

### Rangos (min-target-over)
[De KPIs Esperados del PRD, o de métricas de entrevistas]

Si no hay datos de Fase 2 del PRD:

• Documentar como limitación con ⚠️ Pendiente: definir con PM/Data
• Usar métricas de las entrevistas como baseline SI EXISTEN
• NUNCA inventar valores numéricos — recomendar qué tipo de métrica sería útil

CHECKPOINT 2: Revisión antes de scoring

Presentar al usuario un BORRADOR de cada story (§1 User Story + §3 Comportamiento) y preguntar:

Aquí tienes el borrador de las stories. Antes de calcular scoring y completar:

• ¿El Job Principal refleja bien el trabajo real del usuario?
• ¿El cambio de comportamiento (START/STOP/DIFFERENT) es correcto?
• ¿Hay algo que corregir o completar? [Listar secciones con ⚠️ Pendiente si las hay]

Esperar confirmación antes de generar el output final.

Paso 6: Calcular Scoring (6 Dimensiones)

Dim	Nombre	Fuente principal	Escala
1	JTBD & Problem Context	Evidencia cuali + cuanti del JTBD	0-10
2	User Specificity	Job Performer + Wendel 4/4	0-10
3	Behavior Change	AHORA→NUEVO + rangos	0-10
4	Zone of Control	Hipótesis Solución del PRD	0-10
5	Time Constraints	Alcance del Q del PRD	0-10
6	Survivable Experiment	Riesgo/Impacto del PRD	0-10

Score Global = Promedio(Dim1...Dim6)

Cálculo determinista (offload-deterministic):

python3 scripts/score_story.py --d1=<D1> --d2=<D2> --d3=<D3> --d4=<D4> --d5=<D5> --d6=<D6>

Devuelve Score Global, Banda e Interpretación. Citar el output literal — no calcular la media en el LLM.

Interpretación: 0-4 requiere reescritura | 5-6 necesita refinamiento | 7-8 lista para desarrollo | 9-10 modelo a seguir.

Nota: Stories desde JTBDs con evidencia real típicamente alcanzan Dim1 y Dim2 ≥7.

---

Template de Salida

Ver SKILL-reference.md §3 para secciones obligatorias y opcionales del template completo

---

Niveles de Salida

Nivel	Contenido	Cuándo usar
Épica	JTBD alto nivel + métricas generales	Vista estratégica
Features	Jobs Principales desglosados (2-5 por épica)	Planificación Q
Stories	Desglose implementable (1-2 sprints cada una)	Sprint planning

---

Ver SKILL-reference.md §4 para antipatrones desde JTBD/PRD (7 antipatrones con señales y acciones)

Ver SKILL-reference.md §5 para integración con el ecosistema de skills (diagrama completo + cuándo usar cada skill)

Ver SKILL-reference.md §6 para referencias (jtbd-methodology, story-generation)

Ver SKILL-reference.md §7 para ejemplos de uso (3 casos: evidencia completa, gaps, PRD directo)

---

Comandos Rápidos

Comando	Acción
Genera stories con estos JTBDs	Flujo completo desde JTBDs
Genera stories del PRD de [X]	Extracción directa del PRD (con advertencia)
Stories del research de [X]	Buscar output de research y generar
Desglose a nivel [épica/feature/story]	Ajustar granularidad de salida

---

Reglas Estrictas

1. NUNCA generar stories sin JTBDs con evidencia real (advertir si el usuario salta /research-from-prd).
2. NUNCA inventar valores numéricos, KPIs, quotes ni rangos min/target/over — marcar como ⚠️ Pendiente: definir con PM/Data.
3. SIEMPRE pasar por los dos CHECKPOINTs (inventario de inputs y revisión de borrador) antes de generar el output final.
4. NUNCA aceptar como Job algo que sea una solución (ej. "tener una lista de favoritos"). Aplicar técnica del "¿Por qué?" hasta llegar al trabajo real.
5. SIEMPRE delegar el cálculo del Score Global a scripts/score_story.py — no hacer la media en el LLM.