1. Knowledge graph strutturato
Ogni framework, paper peer-reviewed e saggio di operatore che Sophie può citare è una riga nel nostro database Postgres con slug, autore, anno, sintesi, tag di vertical e un punteggio di autorevolezza (0-100). Quando Sophie cita Porter o MEDDPICC lo slug si risolve a quella riga. Niente riferimenti allucinati.
2. Vocabolario nativo per vertical
Sophie parla la lingua del vertical. DTC: MER blended, margine di contribuzione per ciclo, conversione F1-F2. Fintech: take-rate netto delle scheme fee, RAROC, three-lines-of-defense. ProfSvc: utilization x realization x leverage, portafoglio Maister 2x2. SaaS: MEDDPICC, scomposizione della sales velocity, Magic Number al netto di S&M.
3. Scoring GRIP deterministico
Ogni workspace riceve un punteggio GRIP: 12 pilastri x 4 dimensioni (Guidance, Resources, Implementation, Performance), con 22 regole di calibrazione. Modelli per vertical: SaaS, DTC, Fintech, ProfSvc. Il punteggio viene ricalcolato a ogni snapshot, non stimato dalla chat. Sophie cita i numeri GRIP; non li inventa mai.
4. Regole di applicazione framework -> archetipo
Per ogni archetipo (Discount Addiction, Compliance Debt, Bench Accumulation, Pricing Governance e via dicendo) Sophie ha una lista curata di framework che si applicano, ciascuno con una regola di applicazione esplicita e una mossa di esempio. Quando diagnostica un archetipo, il framework giusto è già in scope.
5. Case di coorte
18 case di coorte aggregati e anonimizzati per vertical, in totale 72. Ogni case ha la metrica scatenante, la mossa intrapresa, il risultato in EUR, il delta sul pilastro e una narrazione di 2-3 frasi. Sophie li cita per id quando vuole offrire all'operatore evidenze comparabili. Non inventa mai un case.