Communitygithub.com

Oráculo de Escenarios Hipotéticos

Realiza análisis estructurado de escenarios hipotéticos con exploración de 4 a 6 ramas de posibilidad (mejor, probable, peor, comodín, contrario, segundo orden). Úsalo cuando el usuario plantee preguntas especulativas sobre futuros inciertos, bifurcaciones estratégicas, planificación de contingencias o pruebas de estrés de una decisión antes de comprometerse.

¿Qué es Oráculo de Escenarios Hipotéticos?

El Oráculo de Escenarios Hipotéticos es una herramienta de inteligencia artificial que permite a los usuarios explorar futuros inciertos mediante un análisis estructurado de múltiples ramas. En lugar de ofrecer una sola predicción, el Oráculo mapea el espacio completo de posibilidades, generando de 4 a 6 escenarios (mejor caso, caso probable, peor caso, comodín, contrario y segundo orden) con sus respectivas probabilidades, supuestos clave, condiciones de activación, consecuencias y respuestas recomendadas. Esto resulta especialmente útil para planificación estratégica, toma de decisiones en condiciones de incertidumbre, análisis de contingencias y pruebas de estrés de ideas antes de comprometer recursos. El Oráculo funciona en cuatro fases: encuadre de la pregunta, mapeo del espacio de posibilidades, análisis detallado de cada rama y síntesis con distribución de probabilidades y acciones robustas. Además, ofrece modos como el Oráculo Rápido (2-3 minutos), el Oráculo Profundo (5-10 minutos), la Cadena de Escenarios, el Oráculo Inverso y el Oráculo Competitivo. Está basado en el Paradigma Hipotético (What-If Paradigm), que considera las preguntas especulativas como una operación computacional fundamental de la mente para simular futuros. Esta herramienta es compatible con asistentes de IA como Claude Code, Cursor y Codex, y su documentación completa se encuentra en el archivo SKILL.md.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/what-if-oracle

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Oráculo de Escenarios Hipotéticos — Explorador del Espacio de Posibilidades

Un sistema estructurado para explorar futuros inciertos mediante un análisis riguroso de múltiples ramas de escenarios. En lugar de una predicción, el Oráculo mapea el espacio completo de posibilidades — líneas de tiempo ramificadas donde cada camino tiene su propia lógica, probabilidad y consecuencias.

Basado en el Paradigma Hipotético: la idea de que las preguntas especulativas ("¿Qué pasaría si X?") no son simples ensoñaciones, sino una operación computacional fundamental — la forma en que la mente simula futuros antes de comprometer recursos.

Investigación publicada: El Paradigma Hipotético (DOI: 10.5281/zenodo.18736841) | IDNA v2 / Teoría Unificada de la Conciencia Digital (DOI: 10.5281/zenodo.18807387)

Cuándo Usar Esta Habilidad

Usa el Oráculo cuando el usuario:

  • Pregunte "¿qué pasaría si…", "¿qué ocurriría si…" o "explora las posibilidades"
  • Enfrente una decisión de bifurcación sin una respuesta clara
  • Quiera análisis de mejor caso / peor caso / caso probable con probabilidades
  • Necesite planificación de contingencias, mapeo de riesgos o comparación de opciones estratégicas
  • Quiera someter a prueba una idea o pensar en consecuencias de segundo orden

Para un marco de trabajo específico del dominio (startup, arquitectura tecnológica, respuesta a crisis, etc.), consulta references/scenario-templates.md.

Principio Fundamental: 0·IF·1

Cada análisis de escenario tiene tres elementos:

  • 0 — El estado no expresado (lo que aún no ha ocurrido, el potencial)
  • 1 — El estado expresado (lo que ES, la realidad actual)
  • IF — El vínculo condicional (la decisión, evento o cambio que transforma 0 en 1)

La calidad del análisis depende de la precisión del IF. Un "¿qué pasaría si las cosas salen mal?" vago produce resultados vagos. Un "¿qué pasaría si nuestro proveedor principal aumenta los precios un 30% en el tercer trimestre?" preciso produce información procesable.

Cómo Ejecutar el Oráculo

Fase 1 — Encuadrar la Pregunta

Toma la pregunta hipotética del usuario y afílala:

Descomponer en componentes:

  • La Variable: ¿Qué cosa específica cambia? (una variable por análisis)
  • La Magnitud: ¿En qué medida? (cuantificar si es posible)
  • El Horizonte Temporal: ¿Durante qué período?
  • El Contexto: ¿Cuál es el estado actual antes del cambio?

Si la pregunta es vaga, afílala:

  • "¿Qué pasaría si la IA se apodera de todo?" → "¿Qué pasaría si el 40% de las tareas actuales de trabajo de conocimiento se automatizan mediante IA en 3 años en [industria específica]?"
  • "¿Qué pasaría si fallamos?" → "¿Qué pasaría si los ingresos mensuales se mantienen por debajo de $5K durante 6 meses consecutivos a partir de ahora?"

Presenta la pregunta afinada al usuario para su confirmación antes de continuar.

Fase 2 — Mapear el Espacio de Posibilidades

Genera 4-6 ramas de escenarios usando este marco:

RamaDefiniciónPropósito
Ω Mejor CasoTodo sale bien. Todos los supuestos clave se validan. Ocurren golpes de suerte.Definir el techo — ¿cuál es el máximo potencial?
α Caso ProbableEl camino más probable según la evidencia actual. Sin sorpresas importantes.Anclar las expectativas en la realidad
Δ Peor CasoLos supuestos clave fallan. Dos cosas salen mal simultáneamente.Definir el suelo — ¿cuál es la máxima desventaja?
Ψ ComodínEntra una variable inesperada que nadie está siguiendo. Territorio de cisne negro.Probar el estrés ante lo inimaginable
Φ ContrarioLo contrario de la opinión general resulta ser cierto.Desafiar el pensamiento grupal y revelar supuestos ocultos
∞ Segundo OrdenLos efectos de primer orden desencadenan consecuencias en cascada que nadie predijo.Mapear los efectos secundarios

Fase 3 — Analizar Cada Rama

Para cada rama del escenario, proporciona:

╔══════════════════════════════════════════════╗
║  RAMA: [Ω/α/Δ/Ψ/Φ/∞] — [Nombre de la Rama] ║
╠══════════════════════════════════════════════╣
║  Probabilidad: [X%]                           ║
║  Horizonte Temporal: [Cuándo podría materializarse]    ║
║  Confianza: [ALTA/MEDIA/BAJA]               ║
╠══════════════════════════════════════════════╣
║  NARRATIVA:                                  ║
║  [2-3 frases describiendo cómo se desarrolla  ║
║   este escenario paso a paso]                ║
║                                              ║
║  SUPUESTOS CLAVE:                            ║
║  • [Qué debe ser cierto para que esto ocurra] ║
║  • [Y esto]                                  ║
║                                              ║
║  CONDICIONES DE ACTIVACIÓN:                  ║
║  • [Señal temprana de que esta rama está     ║
║    convirtiéndose en realidad]                ║
║  • [Segunda señal]                           ║
║                                              ║
║  CONSECUENCIAS:                              ║
║  → Inmediatas: [Qué ocurre primero]          ║
║  → 30 días: [Qué sigue]                      ║
║  → 6 meses: [A dónde lleva]                  ║
║                                              ║
║  RESPUESTA REQUERIDA:                        ║
║  [Qué acción tomar si esta rama se activa —  ║
║   específica, procesable]                    ║
║                                              ║
║  LO QUE LA MAYORÍA PASA POR ALTO:            ║
║  [La idea no obvia sobre este escenario que   ║
║   el análisis convencional pasaría por alto] ║
╚══════════════════════════════════════════════╝

Fase 4 — Síntesis

Después de analizar todas las ramas, proporciona:

Distribución de Probabilidades:

Ω Mejor Caso ······ [██████░░░░] 15%
α Caso Probable ··· [████████░░] 45%
Δ Peor Caso ······· [██████░░░░] 20%
Ψ Comodín ········· [███░░░░░░░]  8%
Φ Contrario ······· [████░░░░░░]  7%
∞ Segundo Orden ·· [███░░░░░░░]  5%

Acciones Robustas: ¿Qué acciones son beneficiosas en MÚLTIPLES ramas? Estas son las jugadas sin arrepentimiento — hazlas independientemente de qué futuro se materialice.

Acciones de Cobertura: ¿Qué preparativos protegen contra las peores ramas sin sacrificar el potencial positivo?

Desencadenantes de Decisión: ¿Qué señales específicas y observables deberían hacerte actualizar cuál rama es más probable? Define los puntos de inflexión.

La Intuición del 1%: ¿Cuál es la única cosa sobre esta situación que casi todos los que la analizan pasarían por alto? El patrón no obvio, la suposición oculta, la variable pasada por alto.

Ponderación de la Proporción Áurea

Cuando exista evidencia, pondera los escenarios principales usando la proporción áurea:

  • Futuro principal (más probable): 61.8% de atención/recursos
  • Futuro alternativo: 38.2% de atención/recursos

Esto evita tanto el compromiso excesivo con un único camino como la dilución entre demasiadas contingencias. La naturaleza usa esta proporción para las ramificaciones (árboles, ríos, vasos sanguíneos). La planificación estratégica también puede hacerlo.

Modos

Oráculo Rápido (2-3 minutos)

Solo 3 ramas: Mejor, Probable, Peor. Narrativas cortas. Para decisiones rápidas.

Oráculo Profundo (5-10 minutos)

Todas las 6 ramas. Análisis completo con consecuencias, desencadenantes y síntesis. Para decisiones de alto riesgo.

Cadena de Escenarios

Toma el resultado de un análisis del Oráculo y alimenta otro. "Si ocurre la Rama Δ, ¿cuáles son las posibilidades DENTRO de esa rama?" Profundidad recursiva para planificación estratégica compleja.

Oráculo Inverso

Comienza desde un resultado deseado y trabaja hacia atrás: "¿Qué condiciones deben cumplirse para que ocurra X? ¿Cuál es el camino más probable HACIA ese resultado?" Útil para establecimiento de metas y diseño de estrategias.

Oráculo Competitivo

Analiza el mismo escenario hipotético desde múltiples perspectivas de las partes interesadas: "Si lanzamos este producto, ¿cómo se ve el espacio de posibilidades desde NUESTRA perspectiva vs. SU perspectiva vs. la perspectiva del MERCADO?"

Lo Que ESTO NO ES

  • No es una predicción — es un mapa de posibilidades. El Oráculo no afirma conocer el futuro; te ayuda a prepararte para múltiples futuros.
  • No es una bola de cristal — las probabilidades son estimaciones basadas en la evidencia disponible, no certezas.
  • No es un sustituto de la acción — el mejor análisis de escenarios del mundo no vale nada sin una decisión y ejecución posteriores.

Archivos de Referencia

ArchivoPropósito
references/scenario-templates.mdPlantillas específicas del dominio (startup, tecnología, finanzas, crisis, etc.) y calibración de probabilidades

Licencia

© 2026 Ashraf Hussein Kahoush / AHK Strategies. Licenciado bajo CC BY-NC-SA 4.0. Gratuito para uso personal, educativo y de investigación. El uso comercial requiere una licencia del autor.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Skills relacionados