Use when you have a written implementation plan to execute in a separate session with review checkpoints
npx skills add javiermontano-sofka/sdf --skill "cost-estimation"
Install specific skill from multi-skill repository
# Description
>
# SKILL.md
name: cost-estimation
description: >
Cost driver identification — effort inductors, scope drivers, magnitude estimation, team composition
modeling, risk-adjusted timeline ranges, service engagement sizing, consulting effort, automation ROI,
and staffing model. Use when the user asks to "estimate effort", "identify
cost drivers", "size the project", "plan team composition", "identify effort inductors", or mentions
WBS, sizing, contingency, burn rate, PERT, Monte Carlo, or "Phase 4" cost work. NEVER produces
final prices — produces drivers, ranges, and magnitude indicators with costing disclaimers.
allowed-tools:
- Read
- Write
- Edit
- Glob
- Grep
- Bash
Cost Estimation: Effort Drivers, Magnitude Indicators & Investment Framing
Translates technical scope into effort drivers, magnitude indicators, team composition models, and
risk-adjusted timeline ranges. Produces structured analysis of WHAT drives cost — not WHAT things cost.
Every output carries explicit disclaimers separating cost identification from pricing decisions.
Principio Rector
El costeo sin estructura es adivinación con formato de hoja de cálculo. Este skill impone disciplina analítica sobre la estimación: cada driver se identifica, cada magnitud se triangula, cada supuesto se documenta. No producimos precios — producimos la base de conocimiento que hace posible tomar decisiones financieras informadas.
Filosofía de Estimación
-
Drivers, no precios. El valor de este skill no está en producir un número final — está en identificar TODO lo que compone ese número. Los drivers son la verdad; el precio es una decisión posterior.
-
Triangulación obligatoria. Un solo método de estimación es una opinión. Dos métodos son una hipótesis. Tres métodos convergentes son confianza. Siempre triangular.
-
Incertidumbre explícita. Rangos, no puntos. Escenarios, no certezas. El Cone of Uncertainty no es debilidad — es honestidad profesional que genera confianza.
Regla Cardinal
NUNCA producir valores finales de costo, precio o tarifa. Este skill identifica CONDUCTORES de
costo, INDUCTORES de esfuerzo, y NOCIONES DE MAGNITUD.
Filosofía de Costeo
-
Costear ≠ Cobrar ≠ Ingresos. El costeo existe para entender qué cuestan las cosas — completamente
desconectado de lo que se cobra. El revenue es una decisión comercial posterior e independiente.
Este skill vive exclusivamente en el dominio del costeo. -
Costear para la Excelencia. El propósito del costeo NO es solo presupuestar — es asegurar calidad,
excelencia, y un "wow factor" de hospitalidad irracional. Cuando sabes lo que las cosas
verdaderamente cuestan, puedes invertir apropiadamente en calidad. Costear bien = habilitar excelencia. -
Margen de innovación = inversión en futuro. El 5% adicional no es contingencia — es la declaración
de que la excelencia no es accidental. Es presupuesto deliberado para sorprender al cliente
positivamente.
La diferencia:
| Este skill PRODUCE | Este skill NO produce |
|---|---|
| "Requiere 3 seniors + 2 mids × 18 meses" | "$1,200,000 USD" |
| "Licenciamiento enterprise tier de {vendor}" | "$45,000/año" |
| "Infra: 3 ambientes × cluster K8s + DB managed" | "$8,500/mes cloud" |
| "Magnitud: proyecto mediano-alto (100-200 FTE-meses)" | "Costo total: $2.3M" |
| "Driver principal: integración con 7 sistemas legacy" | "Integración costará $350K" |
Disclaimer Obligatorio
Todo output DEBE incluir al pie:
DISCLAIMER DE COSTEO
═══════════════════
Este análisis identifica conductores de costo e inductores de esfuerzo.
NO constituye una cotización, presupuesto ni compromiso financiero.
Los valores finales requieren: (1) validación de tarifas vigentes,
(2) negociación comercial, (3) aprobación de alcance definitivo.
Costear ≠ Cobrar. Este documento informa lo primero.
Cone of Uncertainty
Estimates narrow as projects progress. At concept phase: 0.25x-4x. After requirements: 0.67x-1.5x.
After detailed design: 0.8x-1.25x. Communicate ranges, not points. Re-estimate at each phase gate.
Inputs
Parse $1 as project/initiative name. Detect project context from repo.
Parameters:
- {MODO}: piloto-auto (default) | desatendido | supervisado | paso-a-paso
- piloto-auto: Automático para rutina, HITL para decisiones críticas (selección de magnitud, aprobación de escenarios). Reporta en milestones.
- desatendido: Cero interrupciones. Todo auto-resuelto.
- supervisado: Autónomo con reportes en milestones. Preguntas solo ante ambigüedades genuinas.
- paso-a-paso: Confirma antes de cada sección.
- {FORMATO}: markdown (default) | html | dual
- {VARIANTE}: ejecutiva (~40% — S1 scope + S4 drivers + S6 magnitude) | técnica (full 7 sections, default)
- {TIPO_SERVICIO}: SDA (default) | QA | Management | RPA | Data-AI | Cloud | SAS | UX-Design
- Determines sizing methods, team composition templates, and cost driver categories
- When omitted, defaults to SDA (backward compatible)
Delivery Structure: 7 Sections
S1: Scope Decomposition & Effort Drivers
- WBS: hierarchical decomposition from epic to feature to task
- Feature inventory with complexity classification: simple (<3d), medium (3-10d), complex (10+d)
- Effort drivers identified: cada feature con sus inductores de esfuerzo
- Integración (# sistemas, protocolos, contratos)
- Migración de datos (volumen, transformación, validación)
- Compliance/regulatorio (certificaciones, auditorías)
- Deuda técnica heredada (refactoring requerido)
- Curva de aprendizaje (stack nuevo, dominio complejo)
- Dependency mapping and scope boundaries
Service-Type Scope Templates
When {TIPO_SERVICIO} ≠ SDA, use service-appropriate decomposition:
| Service Type | Decomposition Units | Complexity Drivers |
|---|---|---|
| QA | Test suites, automation scripts, environments, test data | Test case count, tool complexity, integration points |
| Management | Workshops, sprints, ceremonies, coaching sessions, deliverables | Team size, methodology complexity, stakeholder count |
| RPA | Processes to automate, bots, integrations, exception handlers | Process steps, decision points, system integrations |
| Data-AI | Pipelines, models, dashboards, data products, governance policies | Data volume, model complexity, source count |
| Cloud | Workloads to migrate, environments, automation scripts, runbooks | Workload complexity (7R), dependency count, compliance needs |
| SAS | Positions to fill, ramp-up plans, knowledge transfer sessions | Role specialization, market scarcity, domain complexity |
| UX-Design | Research studies, wireframes, prototypes, design system components | User complexity, platform count, accessibility requirements |
S2: Sizing Methods (Magnitud, no Valor)
- T-shirt sizing: S/M/L/XL con rangos de FTE-meses (no dinero)
- Story points calibrados a throughput, no a tarifa
- Reference-class forecasting: comparación con proyectos similares
- Three-point estimation: optimista/probable/pesimista por feature
- COCOMO II: modelo paramétrico por KSLOC/FP (produce esfuerzo-persona, no costo)
- Triangulación de magnitud: comparar métodos, flag divergencia >30%
- Output: "Magnitud estimada: X-Y FTE-meses" (NUNCA "costo: $Z")
Service-Type Sizing Methods
COCOMO II applies to SDA only. For other service types, use:
- QA: Test case complexity scoring (Simple: 0.5h, Medium: 2h, Complex: 8h) × automation factor (manual: 1x, automated: 3x initial + 0.2x ongoing)
- Management: Engagement-days model (workshops: 2-5 days, sprint coaching: ongoing FTE, assessment: 5-15 days, transformation: 3-12 months)
- RPA: Bot complexity scoring — Simple bot (<10 steps, 1 system): 2-4 weeks; Medium (10-30 steps, 2-3 systems): 4-8 weeks; Complex (>30 steps, 4+ systems): 8-16 weeks
- Data-AI: Pipeline complexity (batch: 1-3 weeks, streaming: 3-8 weeks, ML model: 4-16 weeks per iteration, dashboard: 1-4 weeks)
- Cloud: Workload migration complexity per 7R (Rehost: 1-2 weeks, Replatform: 2-6 weeks, Refactor: 4-16 weeks per workload)
- SAS: Position fill time (standard: 2-4 weeks, specialized: 4-8 weeks, rare: 8-16 weeks) + ramp-up (junior: 8 weeks, mid: 4 weeks, senior: 2 weeks)
- UX-Design: Research study (1-3 weeks), wireframe set (1-2 weeks), interactive prototype (2-4 weeks), design system component (0.5-2 weeks)
Universal methods that apply to ALL service types:
- T-shirt sizing (S/M/L/XL)
- Reference-class forecasting
- Three-point estimation (optimistic/probable/pessimistic)
S3: Team Composition Modeling
- Role mapping: roles requeridos × seniority × % dedicación
- Ramp-up curves: 50% semanas 1-2, 80% semana 4, 100% semana 8
- Communication overhead: Brooks's Law, team topology
- Driver de equipo: build vs hire vs contract, onshore vs nearshore vs offshore
- Allocation patterns: full-time vs fractional, specialists time-boxed
- Output: modelo de equipo por fase (roles y cantidades, NO tarifas)
- Diagrama requerido: Gantt chart (Mermaid) con timeline de ramp-up del equipo por rol y fase
Service-Type Role Templates
| Service Type | Typical Team Composition |
|---|---|
| QA | QA Lead, Test Analysts, Automation Engineers, Performance Testers, Test Manager |
| Management | PM/Scrum Master, Delivery Manager, Agile Coach, Product Owner, UX Specialist |
| RPA | RPA Architect, RPA Developers, Process Analyst, BPMN Analyst, RPA Tester |
| Data-AI | Data Architect, Data Engineers, Data Scientists, ML Engineers, Analytics Engineers, Data Analyst |
| Cloud | Cloud Architect, DevOps Engineers, SREs, Cloud Engineers, DevSecOps Engineer |
| SAS | Talent Acquisition Lead, Technical Interviewer, Onboarding Specialist, Account Manager |
| UX-Design | UX Lead, UX Researcher, UI Designer, Interaction Designer, Accessibility Specialist |
S4: Cost Driver Taxonomy
NUEVA SECCIÓN — el corazón del skill evolucionado.
Identifica y clasifica TODOS los drivers de costo:
| Categoría | Drivers | Cómo Identificar |
|---|---|---|
| Personal | # FTEs, seniority mix, duración, ramp-up | Del WBS y modelo de equipo |
| Licenciamiento | Vendors, tiers (community/enterprise), periodicidad | Del stack tecnológico AS-IS y TO-BE |
| Infraestructura | Ambientes (dev/staging/prod), compute, storage, networking | De arquitectura y deployment |
| Herramientas | CI/CD, monitoring, testing, project management | De pipeline DevOps |
| Training | Capacitación en stack nuevo, certificaciones | De gap de skills del equipo |
| Migración | Volumen de datos, ventanas de migración, rollback | De modelo de datos y SLAs |
| Compliance | Auditorías, penetration testing, certificaciones | De regulación de industria |
| Contingencia | Known risks (10-15%), unknown-unknowns (15-25%) | Del risk register |
| Oportunidad | Costo de NO hacer: deuda acumulada, riesgo operacional | Del AS-IS |
Service-Type Specific Drivers
| Service Type | Additional Drivers |
|---|---|
| QA | Test tool licenses (Tricentis, Tosca), test environment provisioning, test data management, ISTQB certification costs |
| Management | Certification costs (PMP, CSM, SAFe), workshop facilitation tools, travel/onsite presence, methodology licensing |
| RPA | Bot platform licenses (UiPath, AA, Power Automate), process mining tools, production bot orchestration infrastructure |
| Data-AI | Data platform licenses (Databricks, Snowflake), GPU compute for training, data labeling, model monitoring tools |
| Cloud | Cloud consumption (pay-as-you-go), migration tooling licenses, multi-cloud management, security tooling |
| SAS | Recruitment platform costs, background check costs, onboarding infrastructure, bench time (between assignments) |
| UX-Design | Design tool licenses (Figma, Sketch), usability testing platforms, research participant incentives, accessibility audit tools |
Por cada driver:
- Nombre y descripción
- Magnitud relativa: Bajo / Medio / Alto / Crítico
- Fase(s) donde impacta
- Owner responsable de validar el valor real
Diagramas requeridos:
- Mindmap (Mermaid): visualización de taxonomía de cost drivers por categoría
- Flowchart (Mermaid): árbol de decisión para escenarios de magnitud
S5: Risk-Adjusted Timeline Ranges
- PERT: (O + 4M + P) / 6 por feature
- Monte Carlo: P50 / P80 / P95 como rangos de duración (no costo)
- Critical path analysis
- Buffer strategy: 20-30% critical path
- Output: "Timeline estimado: X-Y meses (P80)" — sin valor monetario asociado
S6: Magnitude Framing (replaces Budget Scenarios)
No produce presupuestos. Produce marcos de magnitud.
- Clasificación de magnitud del proyecto:
- Micro (<20 FTE-meses)
- Pequeño (20-50 FTE-meses)
- Mediano (50-150 FTE-meses)
- Grande (150-500 FTE-meses)
- Enterprise (>500 FTE-meses)
- Rangos por escenario: optimista / probable / pesimista (en FTE-meses)
- Phased funding structure: esfuerzo por fase con gates
- Indicadores de magnitud comparativa: "Comparable a un equipo de 8 personas por 18 meses"
- Sensitivity analysis: qué drivers mueven más la aguja
- Margen de Innovación (5%): Toda estimación incluye un 5% de sobre-costo explícitamente
reservado para invertir en innovación, mejora de experiencia, y mejora continua para
usuarios/clientes. Este margen NO es contingencia (que se calcula aparte) — es inversión
deliberada en excelencia y hospitalidad irracional.
S7: Costing Governance & Disclaimers
- Accuracy tracking framework (estimate vs actual)
- Re-estimation triggers: scope >10%, team change, tech change, risk materialization
- Cognitive bias mitigation: optimism, anchoring, planning fallacy
- Separación costeo vs cobro: este skill informa COSTEO (qué recursos se necesitan);
COBRO (qué se le cobra al cliente) es decisión comercial separada que depende de
modelo de negocio, margen, estrategia competitiva, y negociación.
Trade-off Matrix
| Decision | Enables | Constrains | When to Use |
|---|---|---|---|
| Bottom-up drivers | Granular, traceable | Time-consuming | Post-discovery |
| Top-down analogous | Fast magnitude | Less precise | Pre-discovery |
| Monte Carlo ranges | Explicit uncertainty | Needs 3-point estimates | Stakeholder comms |
| Phased funding | Risk mitigation | Slower start | High uncertainty |
Assumptions & Limits
- Identifica drivers y magnitudes, NO produce precios finales
- Scope defined at least to feature level
- Team velocity not transferable between teams
- Costear ≠ Cobrar — este skill no define modelo comercial ni margen
Edge Cases
| Scenario | Response |
|---|---|
| Client asks for final price | Redirect: "Este análisis identifica drivers. El pricing es decisión comercial separada." |
| Greenfield / no history | Reference-class forecasting. Wider ranges. Flag as high uncertainty. |
| Legacy modernization | +30-50% buffer. Parallel running as driver. |
| Multi-vendor | +15-25% communication overhead driver. |
| Regulatory-heavy | Compliance driver: +20-40% testing effort. |
Validation Gate
- [ ] WBS with effort drivers identified per feature
- [ ] Multiple sizing methods triangulated (magnitud, not price)
- [ ] Team composition model without rates (roles × quantity × duration)
- [ ] Cost driver taxonomy complete (8+ categories)
- [ ] Timeline ranges with P50/P80/P95
- [ ] Magnitude framing (not budget) with sensitivity analysis
- [ ] Disclaimer de costeo presente
- [ ] Zero final prices in output
- [ ] Margen de innovación 5% incluido (separado de contingencia)
- [ ] Diagramas Mermaid: Gantt (ramp-up), mindmap (drivers), flowchart (escenarios)
Output Format Protocol
| Format | Default | Description |
|---|---|---|
markdown |
✅ | Rich Markdown + Mermaid diagrams. Token-efficient. |
html |
On demand | Branded HTML (Design System). Visual impact. |
dual |
On demand | Both formats. |
Default output is Markdown with embedded Mermaid diagrams. HTML generation requires explicit {FORMATO}=html parameter.
Output Artifact
Primary: 06_Cost_Drivers_{TIPO_SERVICIO}_{project}.md (o .html si {FORMATO}=html|dual) — Effort drivers, magnitude indicators, team model, timeline ranges, costing governance. Con disclaimer obligatorio.
Diagramas incluidos:
- Gantt chart: timeline de ramp-up del equipo
- Mindmap: taxonomía de cost drivers
- Flowchart: árbol de decisión para escenarios de magnitud
Autor: Javier Montaño | Última actualización: 12 de marzo de 2026
# Supported AI Coding Agents
This skill is compatible with the SKILL.md standard and works with all major AI coding agents:
Learn more about the SKILL.md standard and how to use these skills with your preferred AI coding agent.