1. Ustrukturyzowany graf wiedzy
Kazdy framework, recenzowany artykul i esej operatora, ktory Sophie moze cytowac, to wiersz w naszej bazie Postgres ze slugiem, autorem, rokiem, streszczeniem, tagami wertykalu i wynikiem autorytetu (0-100). Kiedy Sophie cytuje Portera lub MEDDPICC, slug rozwiazuje sie do tego wiersza. Bez halucynowanych referencji.
2. Slownictwo natywne dla wertykalu
Sophie mowi jezykiem wertykalu. DTC: MER mieszany, marza kontrybucyjna na cykl, konwersja F1 do F2. Fintech: take-rate netto oplat schematu, RAROC, three-lines-of-defense. ProfSvc: wykorzystanie x realizacja x dzwignia, portfolio 2x2 Maistera. SaaS: MEDDPICC, dekompozycja predkosci sprzedazy, Magic Number netto S&M.
3. Deterministyczne ocenianie GRIP
Kazdy workspace dostaje wynik GRIP: 12 filarow x 4 wymiary (Guidance, Resources, Implementation, Performance), z 22 regulami kalibracji. Modele per wertykal: SaaS, DTC, Fintech, ProfSvc. Wynik jest przeliczany przy kazdym snapshocie, nie estymowany z chatu. Sophie cytuje liczby GRIP; nigdy ich nie wymysla.
4. Reguly aplikacji framework -> archetyp
Dla kazdego archetypu (Discount Addiction, Compliance Debt, Bench Accumulation, Pricing Governance itp.) Sophie ma kuratorska liste frameworkow ktore stosuja sie, kazdy z jawna regula aplikacji i przykladowym ruchem. Gdy diagnozuje archetyp, wlasciwy framework jest juz w zakresie.
5. Przypadki kohortowe
18 zanonimizowanych przypadkow kohortowych per wertykal, lacznie 72. Kazdy przypadek ma metryke wyzwalajaca, wykonany ruch, rezultat w EUR, delte filaru i 2-3-zdaniowa narracje. Sophie cytuje je po id, gdy chce dac operatorowi porownywalny dowod. Nigdy nie wymysla przypadku.
6. Wyniki kohorty rownych
Dla kazdego ruchu jaki Sophie moze zarekomendowac jest wiersz wyniku rownych w archetype_peer_outcomes: mediana delty filaru, P25/P75, wielkosc proby, udzial sukcesu. Sophie cytuje te liczby doslownie. k-anon wieksze-rowne 5 wymuszane na poziomie tabeli zrodlowej.
