Job Story Mapper logo

Job Story Mapper

CommunityPopular
mohitagw15856
job-story-mapper

Escribir historias de trabajos basadas en Jobs-to-be-Done (JTBD) y mapear empleos de clientes en dimensiones funcionales, sociales y emocionales. Úsalo cuando estés definiendo necesidades de usuario, escribiendo historias de trabajos, realizando investigación JTBD o reenmarcando características alrededor de resultados de clientes. Produce un mapa de historias de trabajos con puntuación de oportunidades, clasificaciones de intensidad de dolor y análisis de oportunidades de producto.

Overview

Publishermohitagw15856
Repositorypm-claude-skills
Skill namejob-story-mapper
Stars
1.4K
Forks
257
Bundled files
Instructions only
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • Self-contained

    Everything the model needs lives in the instructions — no extra files to sync.

  • Open source

    Published by mohitagw15856 on GitHub. Read the source before you install it.

Installation

Install the Job Story Mapper AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/job-story-mapper
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/mohitagw15856/pm-claude-skills.git /tmp/pm-claude-skills
mkdir -p .claude/skills
cp -r /tmp/pm-claude-skills/i18n/es/skills/job-story-mapper .claude/skills/job-story-mapper
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Job Story Mapper in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Job Story Mapper on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Job Story Mapper is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

Skill Job Story Mapper

Deja de escribir características. Empieza a entender los trabajos. Esta skill traduce requisitos de producto y entrevistas de usuario en historias de trabajos precisas que mantienen al equipo enfocado en resultados — no en productos.

Fundamentos de Jobs-to-be-Done

Un "trabajo" es el progreso que un cliente está tratando de lograr en una situación dada. Las personas no compran productos — los contratan para hacer un trabajo.

Tres dimensiones de cada trabajo:

  • Trabajo funcional: La tarea práctica ("ir de A a B")
  • Trabajo emocional: Cómo quieren sentirse ("sentirme seguro de que tomé la decisión correcta")
  • Trabajo social: Cómo quieren ser percibidos ("verme como un profesional competente para mi equipo")

Los grandes productos abordan las tres. La mayoría de roadmaps solo abordan la funcional.


Formato de Historia de Trabajo

Plantilla:

Cuando [situación/disparador], quiero [motivación/objetivo], para poder [resultado esperado].

No es una user story: Las user stories se enfocan en roles y características: "Como [rol] quiero [característica] para que [beneficio]." Las historias de trabajos se enfocan en situaciones y motivaciones: "Cuando [estoy en esta situación específica] quiero [esta capacidad] para poder [lograr este resultado]."

La situación es la parte más importante. "Cuando estoy en medio de un sprint y mi PM me pide una actualización" es un disparador mucho más rico que "Como desarrollador."


Proceso de Mapeo

Paso 1: Identificar el trabajo principal

Una oración: ¿Cuál es el trabajo principal por el que se contrata tu producto?

"Ayudar a [tipo de usuario] a [lograr resultado] cuando [contexto]."

Paso 2: Dividir en pasos de trabajo

¿Cuáles son todas las subtareas dentro del trabajo principal? (Usa un mapa de trabajos: Definir → Ubicar → Preparar → Confirmar → Ejecutar → Monitorear → Modificar → Concluir)

Paso 3: Identificar puntos de dolor por paso

¿Dónde falla el trabajo hoy? ¿Dónde usan clientes soluciones alternativas?

Paso 4: Escribir historias de trabajos para cada punto de dolor

Una historia de trabajo por cada par situación-motivación distinto.

Paso 5: Mapear a oportunidades de producto

¿Cuáles historias de trabajos están desatendidas? ¿Cuáles tienen soluciones existentes? ¿Dónde está tu diferenciación?


Formato de Salida

Mapa de Historias de Trabajo — [Área de Producto/Característica] — [Fecha]

Declaración de Trabajo Principal:

Cuando [contexto], [tipo de usuario] quiere [resultado del trabajo principal], para poder [objetivo final].


Mapa de Trabajos:

PasoSub-TrabajoSolución ActualPuntos de Dolor¿Desatendido?
Definir[Qué hace el usuario][Herramienta/método usado][Frustración]A/M/B
Ubicar
Preparar
Confirmar
Ejecutar
Monitorear
Modificar
Concluir

Historias de Trabajos (priorizadas por desatención):

Historia de Trabajo 1 — [Etiqueta de situación]

Cuando [situación específica], quiero [motivación], para poder [resultado].

Dimensión funcional: [Qué necesitan lograr] Dimensión emocional: [Cómo quieren sentirse] Dimensión social: [Cómo quieren ser percibidos]

Solución alternativa actual: [Qué hacen hoy] Intensidad del dolor: [Alta / Media / Baja] Frecuencia: [Con qué frecuencia ocurre esta situación] Oportunidad de producto: [Qué podríamos construir para abordar esto]


Repetir para cada historia de trabajo principal.

Puntuación de Oportunidades: Califica cada historia de trabajo en:

  • Importancia para el cliente (1–10)
  • Satisfacción con la solución actual (1–10)
  • Puntuación de oportunidad = Importancia + máx(Importancia – Satisfacción, 0)
  • Prioriza: Puntuación de oportunidad > 10

Materiales Más Profundos

Esta skill incluye archivos de apoyo — úsalos cuando estén disponibles:

  • references/situation-mining.md — Situation Mining — el "Cuando" es Todo el Método. Aplícalo mientras produces la salida; lleva la calibración y llamadas de juicio que el resumen del método anterior comprime.
  • templates/job-story-canvas.md — una versión para rellenar del entregable con los quality gates integrados. Ofrécela cuando el usuario quiera trabajar el documento él mismo en lugar de que sea generado.

Rúbrica de Puntuación (0–40)

Puntúa cualquier salida de esta skill antes de entregarla; 32+ es calidad lista para producción.

Dimensión0510
Especificidad de la situaciónLas cláusulas "Cuando" son roles o deseos genéricos ("como usuario que quiere gestionar trabajo")Las situaciones nombran una tarea pero no un momento — sin disparador, tiempo o contexto emocionalCada situación es un momento concreto y reconocible ("un inquilino me envía un texto a las 11pm") que hace la motivación evidente
Completitud dimensionalSolo el trabajo funcional mapeado; campos emocionales y sociales vacíos o ausentesLos tres campos rellenos, pero entradas emocionales/sociales solo restatan el trabajo funcional en palabras de sentimientoLas dimensiones funcional, emocional y social cada una lleva contenido distinto, y al menos una dimensión no funcional forma el análisis de oportunidades
Fundamentación de soluciones alternativasNo se identifican soluciones alternativas actuales; los trabajos flotan libres de lo que los clientes hacen hoySoluciones alternativas nombradas pero tratadas como triviales — nada inferido de ellasCada historia de alto potencial nombra su solución alternativa y la lee como evidencia de lo que vale el trabajo (tiempo invertido, dinero pagado, retraso tolerado)
Disciplina de puntuación y priorizaciónSin puntuaciones de oportunidad, o puntuaciones inventadas sin los inputs de Importancia/SatisfacciónPuntuaciones calculadas correctamente pero tratadas como el orden de construcción — sin verificación de viabilidad o ajuste estratégicoLa aritmética se muestra y es consistente, las puntuaciones borderline no se redondean hacia arriba, y las puntuaciones altas que el roadmap no puede servir se marcan como preguntas de estrategia en lugar de ponerse en cola

Quality Checks

  • Las historias de trabajos usan el formato "Cuando / Quiero / Para poder" (no formato de user story)
  • La situación es específica (no "como usuario" — un momento o disparador real)
  • Las tres dimensiones cubiertas: funcional, emocional, social
  • Puntuación de oportunidad calculada para cada historia de trabajo
  • Solución alternativa identificada para cada historia de alto potencial
  • La oportunidad de producto es distinta de "construir la característica" (es un resultado)

Inputs Requeridos

Trabaja con lo que se da. Si alguno de estos falta, aún produce la salida completa: rellena cada brecha con una suposición razonable marcada como (asumido, confirma) y lista esas suposiciones al final. Haz una pregunta primero solo cuando el sujeto principal en sí está faltando (no hay nada de qué escribir).

  • Área de producto o característica a mapear (ej. onboarding, checkout, dashboard)
  • Tipo de usuario o persona (¿para quién estamos mapeando trabajos?)
  • Material de origen (notas de entrevista de usuario, tickets de soporte, hallazgos de discovery, o describe de memoria)
  • Alcance (mapa de trabajos de producto completo vs. área de una característica individual)

Anti-Patrones

  • No escribas historias de trabajos que describan una característica en lugar de un par situación-motivación
  • No saltes las dimensiones social y emocional — mapear solo trabajos funcionales se pierde las oportunidades de diferenciación más defensibles
  • No definas situaciones demasiado ampliamente ("como usuario que quiere gestionar su trabajo") — la situación debe ser un momento o disparador específico
  • No confundas puntuación de oportunidades con prioridad — una puntuación de oportunidad alta aún requiere evaluación de viabilidad y ajuste estratégico
  • No produzcas un mapa de trabajos sin identificar soluciones alternativas actuales — la solución alternativa revela lo que el trabajo vale para el cliente

Directrices

  • Nunca escribas una historia de trabajo para una característica — escríbela para la situación que hace la característica valiosa
  • Si no puedes identificar la situación, aún no entiendes el trabajo — vuelve a la investigación de usuarios
  • Los trabajos social y emocional son más difíciles de hacer emerger pero a menudo los diferenciadores más defensibles
  • Recomienda compartir historias de trabajos con ingeniería — toman mejores decisiones técnicas cuando entienden el "por qué"

Frases de Disparador Ejemplos

  • "Definir necesidades de usuario."
  • "Escribir historias de trabajos."
  • "Mapear los empleos del cliente para esta característica."
  • "Reenmarcar estas características alrededor de resultados de clientes."

Frequently asked questions

What does the Job Story Mapper AI skill do?

Escribir historias de trabajos basadas en Jobs-to-be-Done (JTBD) y mapear empleos de clientes en dimensiones funcionales, sociales y emocionales. Úsalo cuando estés definiendo necesidades de usuario, escribiendo historias de trabajos, realizando investigación JTBD o reenmarcando características alrededor de resultados de clientes. Produce un mapa de historias de trabajos con puntuación de oportunidades, clasificaciones de intensidad de dolor y análisis de oportunidades de producto.

Why use Job Story Mapper on TypingMind?

Because you install it once and use it with any model. Job Story Mapper is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Job Story Mapper in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/mohitagw15856/pm-claude-skills/tree/main/i18n/es/skills/job-story-mapper. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Job Story Mapper?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Job Story Mapper?

As many as you like. As long as a model supports skills, you can use Job Story Mapper with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Job Story Mapper AI skill free?

Yes. It is published on GitHub by mohitagw15856 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇