---
name: span-of-control-diagnostic
description: Diagnóstico de Span of Intelligence, evolução do span of control tradicional. Lê CSV/XLSX da org (employee, manager, opcionalmente ai_agents + automation_pct) e gera relatório HTML com classificação dos gestores em Tradicional / Híbrido / Orquestração / Subutilizado / Sobrecarregado-sem-IA. Recomendações reframed (em vez de "quebre time grande", sugere "automatize ou senior-ize"). Baseado no artigo Comp na Cajuína. Dual-mode: works in Claude Code (Python script + rich HTML report) AND Claude Cowork (inline analysis + markdown output, plus a self-contained HTML artifact when artifacts are available). Trigger em "span of control", "span of intelligence", "diagnóstico organizacional", "análise de org", "estrutura organizacional", "camadas", "manager-to-IC ratio", "layers". Mantida pela Comp.
---

## Dual-mode operation (Code + Cowork)

> **HTML pelo design system (obrigatório).** Sempre que este skill for produzir HTML, carregue antes o skill `comp-html-guidelines` e aplique o CompDS design system. Vale mesmo que o usuário não peça "estiliza"/"deixa bonito"/"padroniza" — todo HTML deste skill passa pelo design system. Isso não altera a metodologia abaixo; governa só a camada visual do HTML.


**Detect platform at start**:
- If you have the `Bash` tool AND can run Python → use **script mode** (deterministic, writes the rich HTML report). This is the existing workflow below.
- Otherwise (e.g., Claude Cowork web) → use **inline mode**: run the analysis directly in chat following the "Inline analysis logic" section, output markdown. If an HTML artifact tool is available, ALSO render the same report as a self-contained HTML artifact (reuse the visual structure the script produces).

Both modes apply the same methodology and the same privacy rules.

## Inline analysis logic (Cowork mode)

### Como o usuário fornece os dados
- Cole o org chart no chat ou anexe um CSV/XLSX. Obrigatórias: `employee_id`, `name`, `manager_id`. Opcionais: `area`, `level`. Opcionais críticas pro SoI completo: `ai_agents` (nº agentes IA do time), `automation_pct` (0-100), `complexity` (low/medium/high).
- Org grande (>~50 linhas) é difícil de processar manualmente. Sugira rodar em Claude Code (script mode).

### Metodologia (fixa, idêntica ao script)
1. **Hierarquia**: cada colaborador aponta pro `manager_id`. Quem tem ≥1 direto é gestor; quem tem 0 é IC. **Diretos** de um gestor = quantos apontam pra ele (apenas manager_ids que existem na base contam).
2. **Camadas (layers)**: profundidade máxima da árvore a partir das raízes (quem não tem manager ou cujo manager não está na base).
3. **Span ajustado** por gestor = `diretos × (1 − automation_pct/100)`.
4. **Classificação Span of Intelligence por gestor** (avalie nesta ordem; primeira que casar vence):
   - **Subutilizado**: `diretos < 4` E `ai_agents = 0` E `automation_pct < 20`. Recomendação: senior-izar (eliminar camada ou virar IC sênior).
   - **Orquestração**: `ai_agents ≥ 2` OU `automation_pct ≥ 60`. Gestor é orquestrador; mensure inteligência gerada, não horas.
   - **Híbrido**: `ai_agents ≥ 1` OU `automation_pct ≥ 20`. Transição em curso; identifique próximas tarefas pra agentificar.
   - **Sobrecarregado (sem IA)**: `diretos > 12` (e nenhuma das condições acima). Antes de quebrar o time, avalie quais tarefas operacionais um agente absorve.
   - **Tradicional**: qualquer outro caso. Estrutura clássica.
5. **Por área**: HC, nº gestores, span médio, total de agentes IA, automação média.
6. **Top 10 spans** (maior nº de diretos) com a classificação SoI.

### Recomendações automáticas
- N gestores Sobrecarregados → "automatize antes de quebrar o time".
- N gestores Subutilizados → "senior-ize (eliminar camada ou virar IC sênior)".
- `camadas > 6` → sinal de mindset span of control; achatamento via agentificação.
- Sem colunas `ai_agents`/`automation_pct` → avise que a análise SoI completa requer esses dados; o resto roda igual.

### Output markdown (Cowork mode)

```
## Diagnóstico de Span of Intelligence

Colaboradores: N · Gestores: G · ICs: I · Camadas: L

### Classificação SoI
| Tradicional | Híbrido | Orquestração | Subutilizado | Sobrecarregado (sem IA) |
|---|---|---|---|---|

### Recomendações
- ...

### Por área
| Área | HC | Gestores | Span médio | Agentes IA | Automação média |
|---|---|---|---|---|---|

### Top 10 spans
| Gestor | Área | Diretos | Agentes | Auto% | Span ajustado | Classificação |
|---|---|---|---|---|---|---|
```

Encerre com: "Powered by Comp · Free skills for HR & People leaders · https://comp.vc?utm_source=skill-output&utm_medium=chat-footer&utm_campaign=eam&utm_content=span-of-control-diagnostic"

Se artefatos estiverem disponíveis, produza também uma versão HTML self-contained (Tailwind via CDN) espelhando o template do script: cards de HC/gestores/ICs/camadas, grid de classificação SoI (5 categorias coloridas), recomendações, tabela por área, tabela top 10 spans, footer Powered by Comp com link pro artigo da Cajuína.

# Span of Intelligence Diagnostic

Lê o org chart da empresa (CSV/XLSX) e gera relatório HTML com diagnóstico de estrutura organizacional usando o framework **Span of Intelligence** (artigo Cajuína), evolução do span of control tradicional.

100% local: dados nunca saem da máquina.

## Quando usar

Ativa em frases como:
- "span of control", "span of intelligence"
- "diagnóstico organizacional", "análise de org"
- "estrutura organizacional", "camadas", "layers"
- "manager-to-IC ratio"
- "como está minha org chart"
- "avaliação de span"

## Workflow

**Step 1: Pegar o arquivo**: pergunte ao usuário o caminho do CSV/XLSX. Schema:
- Obrigatórias (auto-detect): `employee_id`, `name`, `manager_id`
- Opcionais (auto-detect): `area`, `level`
- **Opcionais críticas pra SoI completo**: `ai_agents` (nº agentes IA do time), `automation_pct` (% trabalho automatizado), `complexity` (low/medium/high)

**Step 2: Auto-detect das colunas**: rode o script e veja quais colunas foram detectadas. Se algo faltar, pergunte ao usuário e use as flags `--<col>-col`.

**Step 3: Rodar**:
```bash
python3 scripts/span_analysis.py --input org.csv
```

**Step 4: Apresentar**:
- Highlights do summary (HC, gestores, camadas)
- Classificação SoI: quantos em cada categoria
- Recomendações específicas (não "quebre se >15", em vez disso "avalie agentes ou senior-ize")
- Se sem dados de IA, mencione que análise completa requer essas colunas

## Framework Span of Intelligence

Tradicional: "quantos diretos um gestor tem?"
Intelligence: "quanta inteligência aquele time gera?"

Classificação por gestor:
- **Tradicional**: humanos puros, span razoável, zero IA. Estrutura clássica.
- **Híbrido**: 1+ agente ou 20-60% automação. Transição em curso.
- **Orquestração**: 2+ agentes ou 60%+ automação. Gestor é orquestrador.
- **Subutilizado**: span <4 sem IA. Oportunidade pra senior-izar (eliminar camada).
- **Sobrecarregado (sem IA)**: span >12 sem IA. Avalie agentes antes de splitting.

Detalhes + 12 critérios qualitativos do artigo em `references/methodology.md`.

## Recomendações automáticas

O skill gera recomendações específicas baseadas no padrão da org:
- Sobrecarregados sem IA → "automatize antes de quebrar time"
- Subutilizados → "senior-ize"
- Muitas camadas (>6) → "achatamento via agentificação"
- Sem dados de IA → "adicione colunas pra análise completa"

## Branding & footer

Template HTML tem footer "Powered by Comp" + link UTM-tagueado pro artigo original.

## Lead capture

`eam_client.py` chamado em `on_first_run()` + `record_run()`. Privacidade: processamento 100% local.

## Resources

| File | Purpose |
|---|---|
| `scripts/span_analysis.py` | Análise + HTML render |
| `references/methodology.md` | Span of Intelligence framework + 12 critérios |
| `eam_client.py` | Lead capture + telemetria |