La teoría se vuelve experiencia.

Alemania tiene un déficit de 10 900 instructores de autoescuela. Tiempo medio para cubrir una vacante: 307 días. La Deutscher Fahrlehrer-Verband informa de que el 34 % de las autoescuelas pierde ingresos directamente por la brecha de personal. Un carné de clase B cuesta ya 3.400 € de media, con un alza del 5,8 % anual (Destatis 2023).

La tasa de suspenso teórico del 45 % es consecuencia directa de esa presión estructural. Los alumnos llegan poco preparados a sus clases prácticas, porque la instrucción de aula, por minuciosa que sea, no puede replicar la carga cognitiva de una intersección real.

El panorama de producto existente ofrece dos respuestas inadecuadas. Los simuladores de cabina (15.000–40.000 €) requieren salas dedicadas y líneas de alimentación que no cuadran para una autoescuela de 5 a 15 personas. El vídeo pasivo de 360 grados no le pide nada al alumno. Mira; no decide. Ninguno aborda lo que la BASt M 348 (2023/24) llama explícitamente «potencial de optimización concreto»: la brecha entre la instrucción teórica y la prueba experiencial de la percepción de riesgo.

El marco regulatorio agudiza la ventana. La reforma de la FeV (prevista para la segunda mitad de 2027, respaldada por la resolución de la VMK de octubre de 2025) permitirá horas de simulador dentro de la formación certificada, condicionadas a una declaración de conformidad de TÜV/DEKRA. Quien ya esté pilotando con autoescuelas de Leipzig en 2026 estará en una posición distinta de quien empiece tras la reforma.

Una decisión de diseño se tomó pronto y se mantuvo sin titubear: la fase 1 no requiere aprobación regulatoria. Al posicionar el producto como material didáctico complementario (no como horas de formación computables), el equipo lanza en 2026 sin esperar a la reforma de la FeV. No es un atajo; es la secuencia correcta. Los datos del piloto de la fase 1 se convierten en la base probatoria para las solicitudes de certificación de la fase 2.

El modelo de interacción no es ni cuestionario ni juego. El alumno está de pie, quieto, dentro de una escena de tráfico en un Quest 3S. Vehículos de IA se mueven alrededor de su posición. El GazeDetector en Godot 4 con XR Tools valida los movimientos de observación (control de hombro, barrido de intersección, reconocimiento de señales) antes de que aparezca una pregunta de decisión bajo presión de tiempo. Un sistema de puntuación de tres estrellas (0–3) separa la puntuación de observación de la de conocimiento.

El sitio de marketing está construido con Next.js 16.1.6 y Firebase 12.9.0 como backend para la supervisión en tableta del instructor. Three.js / React Three Fiber mueve el hero 3D ambiental. Framer Motion 12 lleva las transiciones de página. El objetivo de hardware es Quest 3 / Quest 3S. Quest 2 no es compatible. XR2 Gen 2 es el suelo para la fidelidad visual que exige la formación de seguridad.

Flujo de trabajo multi-agente: Claude Code para arquitectura y documentación empresarial, Gemini para UI de frontend, Codex para Firebase Functions. Cada agente trabaja en ramas aisladas con una especificación de instrucción explícita antes de cualquier fusión. Un .task-board.md compartido rastrea el trabajo activo. El modelo permite sprints en paralelo sin conflictos de fusión.