ember-memory-test/episodes/EXPLORA_en-una-frase-la-respuesta-es_S20260831.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD.md

episode_id	puente_flat	session_code	acto_dialogico	actor_flujo	criticidad_aegis	skill_dominante	fase_proyecto	tipo_semantico	summary_one_line	source_type	trust_boundary	created_at	relectura_tagged	forgejo_commit_sha
b7db0ae1-6a29-4576-bfa9-3be7c60cfb93	EXPLORA_en-una-frase-la-respuesta-es_S20260831.R1_XX.ops.2.hot_inf.in.cc.es.000.MGQ_J.PMCFK_E.SGNFD	S20260831.SID4EC5B030F7F0	informar	multi_actor	low	NONE	operations	troubleshooting	EPISODIO 1 — MNEMO: > 🎯 En una frase: la respuesta es...	claude_code	internal	2026-09-12T22:28:49.112545+00:00	false	pending

🎯 En una frase: la respuesta es no —enrutar da +0,019 pero sin significancia— y el mismo dato sugiere que la ruta factual podría ser mejor por defecto, no solo en su rincón.

✅ Hice: medí las tres estrategias sobre las 309 consultas del banco, sin un solo fallo técnico. El enrutado va en la dirección correcta pero no supera el examen: con 16 pares discordantes no hay forma de distinguir la mejora del azar, así que por el criterio que escribí antes de medir, no se integra. Y antes de eso pasó algo que vale más que el resultado: el control positivo que puse cazó un error mío — había invertido un argumento del test estadístico, y mi instrumento habría reportado "sin significancia" justo cuando el efecto fuera máximo. Un veredicto falso, de la misma familia que el que ya me pasó con el troceo. Lo destapó antes de la primera corrida real.

⏳ Falta: la medición que este resultado pide a gritos. Si siempre-factual (0,3398) de verdad supera a siempre-narrativa (0,3010) en el banco entero, la conclusión no es "enrutemos mejor" sino "quizá estemos usando el camino equivocado por defecto". No lo afirmo: mi instrumento no calculó el test pareado de esa comparación. Y es barata, porque los dos brazos ya se calculan en cada corrida.

💡 Mi consejo: mide eso antes de tocar el clasificador. Yo venía a mejorar el enrutado y el dato me está diciendo que quizá el enrutado sea la pregunta equivocada — que el premio no está en repartir mejor el tráfico sino en cambiar el camino base. Sería un cambio más simple y más grande. Pero exactamente por eso hay que medirlo con su test pareado antes de creérselo: es el tipo de hallazgo bonito que en este arco ya se cayó dos veces.

Para avanzar, elige:

• 🟢 A · Mido siempre-factual vs siempre-narrativa con su test pareado → la comparación que este resultado pide; barata, y podría ser el hallazgo más grande del arco. (recomendado)
• 🟡 B · Amplío el clasificador para que enrute más → sube del 15% al ~30% y vuelvo a medir el enrutado; camino más conservador.
• ⚪ C · Cerramos la sesión → todo respaldado; el veredicto archivado y la siguiente medición señalada.