Faro, regra ou ensaio? (quando confiar na intuição, e quando não)

O incêndio que avisou

Uma guarnição de bombeiros entra numa casa por causa de um incêndio na cozinha. O comandante dirige o ataque com a mangueira; o fogo responde estranho —não cede como deveria. De repente, sem conseguir explicar por quê, o comandante manda evacuar. Todos saem. Segundos depois, o piso da sala desaba: o incêndio principal não estava na cozinha, e sim no porão, bem embaixo de onde estavam parados. O comandante contou mais tarde que tinha sentido "algo": a sala estava mais quente do que aquele fogo justificava, e silenciosa demais. Não sabia o que estava errado; soube que algo estava errado. Durante anos atribuiu isso a percepção extrassensorial.

A cena foi documentada pelo psicólogo Gary Klein, que passou décadas estudando como decidem bombeiros, enfermeiras de neonatologia e comandantes militares em campo. Sua conclusão: os especialistas genuínos quase nunca "comparam opções" —reconhecem padrões. O comandante carregava milhares de incêndios nas costas; sua memória reconheceu uma combinação anômala (calor, silêncio, comportamento do fogo) antes que sua consciência pudesse nomeá-la. Herbert Simon, Nobel de Economia, definiu isso com a frase mais desmistificadora da literatura: "a intuição não é nem mais nem menos que reconhecimento" (no original, "intuition is nothing more and nothing less than recognition") —a situação dá uma pista, a pista recupera da memória a informação acumulada, e a informação produz a resposta. Magia, zero.

Agora, a outra cena. Philip Tetlock passou vinte anos coletando prognósticos de 284 especialistas em política e economia —acadêmicos, analistas de inteligência, consultores, jornalistas—: 82.361 previsões com probabilidades explícitas sobre fatos verificáveis. O resultado, publicado em 2005, é um dos dados mais incômodos das ciências sociais: no conjunto, os especialistas mal superaram o acaso e perderam para regras estatísticas simples de extrapolação. O próprio Tetlock resumiu a repercussão com a piada que o tornou famoso: o especialista médio previu mais ou menos como "um chimpanzé atirando dardos". Com dois achados dentro que importam mais do que a piada: os especialistas mais famosos previram pior (o mercado das opiniões premia a segurança categórica, não a exatidão), e as "raposas" —as que integram muitas fontes e duvidam— venceram consistentemente os "porcos-espinhos" —os que explicam tudo com uma grande ideia.

O mesmo animal —o julgamento especializado— produz o milagre do comandante e o chimpanzé dos dardos. A pergunta certa não é se devemos confiar na intuição: é em que condições a intuição merece confiança. E essa pergunta tem resposta.

A perícia tem condições (e são apenas duas)

A resposta veio de uma colaboração improvável. Gary Klein —o defensor da intuição especializada— e Daniel Kahneman —o catálogo de suas falhas— passaram anos trabalhando juntos para dirimir o desacordo, e publicaram o resultado em 2009 com um título irônico: Conditions for Intuitive Expertise: A Failure to Disagree ("não conseguimos discordar"). A intuição especializada é real e confiável quando —e somente quando— se cumprem duas condições:

1. Um ambiente com regularidades. O domínio precisa oferecer padrões estáveis: relações entre sinais e resultados que se repetem o suficiente para serem aprendíveis. O incêndio as tem —o fogo obedece à física. O xadrez as tem. A anestesia as tem. Os mercados financeiros, a política internacional e o sucesso de uma startup, não —ou as têm tão fracas e mutáveis que nenhum aprendizado dá conta. Kahneman chama estes últimos de "ambientes de validade zero": ali a intuição não pode existir, e o que se sente como intuição é a confiança de uma história coerente (WYSIATI, Parte 1).

2. Prática prolongada com feedback rápido e claro. Não basta que os padrões existam: é preciso ter tido a chance de aprendê-los —milhares de repetições em que a consequência de cada julgamento chega logo e sem ambiguidade. O anestesista tem isso: se erra, sabe em minutos. O radiologista, muito menos: seu acerto ou erro aparece semanas depois, ou nunca. Robin Hogarth batizou a distinção: ambientes de aprendizado amáveis (feedback rápido, claro, representativo) contra traiçoeiros (wicked: feedback lento, ruidoso ou enviesado, onde a prática pode até piorar o julgamento, com confiança crescente). Lembre-se dos instrutores de voo da Parte 2: vinte anos de experiência "confirmando" uma teoria falsa, porque a regressão à média fabricava para eles justamente o feedback que a confirmava.

A consequência executiva é afiada: senioridade não é certificado de intuição. Vinte anos de experiência produzem perícia real apenas se foram vinte anos num ambiente regular e com feedback de qualidade. Vinte anos decidindo contratações sem jamais medir como elas terminaram, ou prevendo vendas anuais cujos desvios são sempre explicados com narrativa, produzem outra coisa: confiança sem exatidão —a matéria-prima dos desastres da Parte 1. E há um dado que torna isso prático: a confiança de quem julga não distingue uma da outra. A intuição do comandante e a do comentarista de TV são idênticas por dentro. A única coisa que as separa é o ambiente em que se formaram —e isso, ao contrário da sensação, pode ser auditado.

A regra vence o julgamento (mais vezes do que se gostaria)

Fora do quadrante amável, o que fazemos? A resposta existe desde 1954 e segue sendo a mais resistida do management. Naquele ano, o psicólogo Paul Meehl publicou um livro pequeno e explosivo comparando a predição clínica —o julgamento integrador do especialista— com a mecânica —fórmulas simples que combinam poucas variáveis com pesos fixos— em prognósticos verificáveis: desempenho acadêmico, reincidência, diagnóstico. A fórmula empatava ou vencia quase sempre. Meio século depois, William Grove e colegas fizeram a metanálise definitiva: 136 estudos comparando cabeça contra fórmula em medicina, educação, justiça e emprego. Resultado: a fórmula foi superior em 47% dos estudos, empatou em 47%, e o julgamento especializado venceu em 6% —8 estudos de 136. Em média, a predição mecânica foi 10% mais exata. E um detalhe requintado: a vantagem da fórmula crescia quando o especialista dispunha de mais informação, em particular de entrevistas não estruturadas —a ferramenta de seleção favorita do mundo corporativo piora a predição, porque alimenta a história coerente com material vívido e irrelevante.

Por que o especialista perde? Não por ignorância —ele costuma saber quais variáveis importam; de fato, a fórmula usa as variáveis que os próprios especialistas identificaram. Ele perde por inconsistência: o julgamento humano pondera diferente a cada dia, ancora-se no que é vívido, cansa, contagia-se do último caso. Lewis Goldberg demonstrou isso com um experimento inesquecível: construiu, para cada especialista, um modelo estatístico simples daquele mesmo especialista —uma fórmula que imitava como ele ponderava as variáveis— e o modelo do juiz venceu o juiz: a caricatura consistente de seu critério previa melhor do que ele, porque aplicava o próprio critério sem as terças-feiras ruins. Para a fórmula, tanto faz se ela dormiu bem.

O ponto não é místico nem tecnológico —essas fórmulas são somas ponderadas de três a cinco variáveis, não inteligência artificial. O exemplo canônico cabe num cartão: o teste de Apgar (1953), cinco sinais pontuados de 0 a 2 que substituíram o olho clínico do obstetra para decidir qual recém-nascido precisa de intervenção, e que há setenta anos salvam vidas justamente por serem chatos e consistentes. A versão gerencial: scoring de crédito, critérios explícitos e ponderados para filtrar candidatos ou priorizar investimentos, limiares predefinidos para escalar ou abandonar um projeto (as "regras de saída" da Parte 1 são exatamente isto: uma fórmula protegendo a decisão do humor do comitê).

O defeito invisível: o ruído

Tudo o que veio até aqui fala de viés —o erro com direção: o otimismo, a âncora. O último livro de Kahneman (Noise, 2021, com Olivier Sibony e Cass Sunstein) apontou o defeito complementar, maior e menos discutido: o ruído —a variabilidade indesejada entre julgamentos que deveriam ser iguais. Dois subscritores (underwriters) da mesma seguradora, com a mesma informação, cotam a mesma apólice. Quanto diferem? Os executivos de uma grande seguradora, consultados antes de medir, estimaram 10% —o nível que consideravam tolerável. A auditoria deu 55% de diferença mediana. Cinco vezes e meia o esperado: um cota US$ 9.500 onde o outro cota US$ 16.700, e qual dos dois vai atender você é loteria. Cada desvio é dinheiro —cotação cara que perde o cliente, cotação barata que assume mal o risco— e, ao contrário do viés, o ruído não se vê: as médias o escondem, e cada julgamento individual parece razoável.

Onde há julgamento profissional há ruído: juízes diante do mesmo caso, médicos diante da mesma radiografia —patologistas que discordam de si mesmos ao reavaliar a mesma biópsia—, gestores avaliando o mesmo funcionário, analistas valuando a mesma empresa. A organização média é, na frase do livro, "uma fábrica de julgamentos ruidosos" que jamais mediu a própria dispersão. A medição é barata e tem nome: auditoria de ruído —dar o mesmo caso, separadamente, a vários de seus decisores, e olhar quanto diferem. (Faça isso antes de descartar a ideia: os executivos da seguradora também tinham certeza de seus 10%.)

Os remédios têm nome —higiene de decisão— e são a síntese operacional de toda esta série: julgamentos independentes antes da discussão (o debate agrega informação, mas sincroniza os erros: a Parte 1 mostrou como o primeiro número ancora todo o resto); decompor a decisão grande em avaliações intermediárias pontuadas separadamente, e só integrar no final (a versão estruturada do business case); escalas relativas e com âncoras de comparação em vez de notas absolutas (somos melhores comparando do que atribuindo notas); agregar estimativas independentes —a média de vários julgamentos independentes é quase sempre melhor que o melhor julgamento individual, mas só se forem independentes—; e, onde a decisão é repetitiva e verificável, regras e modelos que fixam a ponderação de uma vez por todas.

A previsão se treina (os amadores que venceram os espiões)

E quando não há fórmula possível —a pergunta é única, o futuro é aberto, o território é complexo (Parte 2)? Aí o julgamento humano é tudo o que existe; a novidade da última década é que esse julgamento se treina. Depois da humilhação de seus especialistas-chimpanzé, Tetlock cofundou o Good Judgment Project e entrou no torneio de previsões geopolíticas da IARPA (a agência de pesquisa da inteligência norte-americana): milhares de voluntários prevendo centenas de perguntas verificáveis —haverá calote grego este ano? quantos mísseis a Coreia do Norte vai testar? Seus melhores amadores —"superforecasters": um farmacêutico, uma programadora, gente sem acesso privilegiado a nada— venceram o torneio por margens enormes (a equipe superou o grupo de controle em mais de 50%, o maior salto de exatidão registrado na literatura da área) e, segundo os relatórios do próprio programa, previram ~30% melhor que analistas de inteligência profissionais com informação classificada. (Número dos relatórios do programa e do próprio GJP, não de publicação revisada por pares; os artigos acadêmicos do projeto, de Mellers e colegas, documentam em detalhe a superioridade sobre os controles.)

O replicável não é o talento: são os hábitos, que se mostraram ensináveis —um treinamento de uma hora em probabilidade e vieses melhorou a exatidão de previsores comuns em torno de 10%, de forma sustentada. Os superforecasters pensam em taxas-base antes de histórias (a visão externa da Parte 1, convertida em reflexo); usam probabilidades granulares —dizem 63%, não "provável", e a granularidade lhes paga—; atualizam com frequência e aos poucos diante de evidência nova, sem se apegar nem exagerar; decompõem a pergunta grande em partes estimáveis; e mantêm registro de seus acertos —calibram-se, como qualquer instrumento sério. Nada disso exige um torneio: uma empresa pode, amanhã, exigir probabilidades explícitas em suas previsões importantes ("provável" e "há boas chances" são esconderijos), registrá-las e revisar a calibração duas vezes por ano. Quem diz 80% deveria acertar 8 em cada 10; já vimos (Parte 1) que os CFOs ficam em 36%. A diferença entre esses dois números é, exatamente, o que se pode treinar.

Nem romantismo nem fetiche (desenhar o sistema de decisão)

Falta o último obstáculo, e ele não é técnico. Berkeley Dietvorst, Joseph Simmons e Cade Massey documentaram a aversão ao algoritmo: obrigadas a escolher entre a própria previsão e a de um modelo que acabaram de ver funcionar —e ver errar—, as pessoas abandonam o modelo mesmo quando o modelo prevê melhor. Ao humano perdoamos erros maiores do que à fórmula: o erro do modelo é lido como defeito fatal ("não entende as nuances"); o próprio, como má sorte. A mesma equipe encontrou o antídoto: se as pessoas podem ajustar o resultado do modelo, ainda que só um pouco, a adoção sobe dramaticamente —o controle simbólico compra a aceitação. Para quem implanta scoring, previsões-base ou regras de decisão, a lição de desenho é direta: o modelo propõe, o humano dispõe dentro de limites —e o sistema completo vence tanto o comitê puro quanto o modelo puro abandonado numa gaveta.

Com isto a série se encerra, e convém encerrá-la como sistema, porque é isso que uma empresa é: uma fábrica de decisões —centenas por ano, da contratação ao CapEx—, que pode seguir tratando-as como episódios de inspiração individual ou começar a tratá-las como trata a produção: com processo, instrumentos e controle de qualidade. As três partes são as três perguntas desse sistema. O que o aparato corrige? —os vieses de fábrica: visão externa, premortem, estimativas independentes, regras de saída, processo que se audita (Parte 1). O que o território pede? —melhores práticas no claro, análise especializada no complicado, ensaio controlado no complexo, ação no caótico (Parte 2). Quem decide: o faro, a regra ou o ensaio? —intuição só onde houve ambiente regular e feedback de qualidade; fórmulas onde a decisão é repetitiva e verificável; julgamento probabilístico treinado e agregado onde a pergunta é única; e higiene de ruído em todo lugar (Parte 3).

Tabela — Que decisor corresponde a que decisão. Elaboração 32sur sobre a evidência citada nesta série.

Perguntas para a segunda-feira

Para o sistema de decisão da sua empresa:

Fechamos a série onde ela começou, com o juiz e o lançamento dos dados. O inquietante daquele experimento nunca foi o dado: foi que o dado competisse —que o julgamento profissional, entregue a si mesmo, fosse tão permeável que um número ao acaso o movesse quase 50%. Três artigos depois, a conclusão é menos cínica e mais prática: o julgamento humano não é confiável nem descartável —é um instrumento potente, com defeitos de fábrica conhecidos, que rende conforme o ambiente em que se formou e o processo dentro do qual opera. As organizações que decidem bem não têm cabeças melhores: têm um sistema melhor em volta das cabeças. Vieses corrigidos por processo, método escolhido pelo território, e cada decisão atribuída ao decisor —faro, regra ou ensaio— que a evidência respalda. O resto é jogar os dados com elegância.