Mente da Melhoria — Série Parte 2

🧠 Mente da Melhoria – Parte 02

A Importância das Medições e da Análise de Dados na Era da IA

Ler no LinkedIn ← Voltar para Artigos
Use o botão PT/EN no topo para alternar o idioma.

Peter Drucker cunhou uma das frases mais icônicas da gestão moderna: "Você não pode gerenciar aquilo que não mede, e não pode melhorar aquilo que não gerencia." Mesmo em tempos de Inteligência Artificial, onde a quantidade de dados e insights gerados cresce exponencialmente, essa máxima permanece inquestionavelmente válida. A capacidade de medir corretamente um problema é a base para uma tomada de decisão eficiente e evita que caiamos em vieses cognitivos que distorcem a realidade.

O Perigo de Decidir sem Medir

Daniel Kahneman, em seu livro Rápido e Devagar: Duas Formas de Pensar, apresenta diversos vieses cognitivos que afetam nossa capacidade de julgar situações de forma objetiva. Quando confiamos apenas em percepções intuitivas, sem uma análise quantitativa rigorosa, corremos sérios riscos de tomar decisões equivocadas. Entre os principais vieses que podem distorcer nossa avaliação da realidade estão:

1. Viés da Disponibilidade: O Que Lembramos Nem Sempre Reflete a Realidade

Esse viés nos faz superestimar a importância de informações facilmente acessíveis na memória. Se um problema ocorreu recentemente ou teve grande impacto emocional, tendemos a considerá-lo mais frequente ou relevante do que realmente é. Por exemplo, um gestor pode acreditar que atrasos em entregas são um grande problema apenas porque recentemente enfrentou uma crise relacionada a isso, ignorando dados históricos que mostram que a taxa de atrasos é baixa.

Medições objetivas, mas principalmente uma análise real dos dados, ajudam a combater esse viés fornecendo uma visão quantitativa da frequência e do impacto real dos problemas.

2. Efeito Halo: A Superestimação Baseada em Impressões Gerais

O efeito halo ocorre quando nossa percepção geral sobre uma pessoa, produto ou processo influencia nossa avaliação sobre aspectos específicos. Se um colaborador é visto como muito produtivo, pode-se assumir que ele é eficiente em todas as suas tarefas, mesmo sem evidências concretas. O mesmo acontece em processos: se um novo método parece moderno e bem aceito, podemos acreditar que ele é mais eficiente sem necessariamente validar seus resultados ou que o novo processo sendo implementado é pior, menos produtivo, impactará negativamente pois a mudança incomoda e a curva de aprendizado nos faz ver tudo como pior como era antes.

Novamente, aqui temos a medição rigorosa evita essa distorção ao fornecer dados concretos sobre desempenho e eficiência, assim como a ciência deste efeito e a decisão de avaliar os fatos e dados "sem rótulos".

3. Falácia da Conjunção: Histórias Coerentes Não São Necessariamente Verdadeiras

A falácia da conjunção ocorre quando acreditamos que um conjunto de eventos específicos é mais provável do que um evento isolado simplesmente porque a história contada faz sentido. Um exemplo clássico é a crença de que um problema de qualidade em um produto só pode ter sido causado por um erro humano, ignorando a possibilidade de que vários fatores sistêmicos tenham contribuído para o defeito.

Vivi isto na pele em minha carreira, caindo eu mesmo neste efeito, em um ativo muito crítico de uma indústria com muitos vazamentos no sistema hidráulico, acreditávamos que seu óleo estava contaminado. Tudo fazia perfeito sentido técnico, por sorte coletamos o óleo, e para nossa surpresa o óleo estava em perfeito estado. O problema na realidade era a especificação errada do óleo, dado a temperatura ambiente do país onde estávamos e onde o equipamento foi fabricado.

Ao medir corretamente, podemos validar as hipóteses em vez de confiar apenas em narrativas que parecem lógicas.

IA e Dados: Ferramentas que Reforçam, Não Substituem, a Medida

Na atualidade onde cada vez observamos a inteligência artificial realizar feitos inacreditáveis, elas mesmo tem um grande calcanhar de Aquiles. Mesmo com muito sucesso na análise de dados e na previsão de tendências, seu sucesso depende da qualidade e precisão das medições assim como os vieses dos dados reais e fenômenos não explícitos nos dados. Sem dados confiáveis, algoritmos podem amplificar estes vieses em vez de corrigi-los.

Portanto mais do que nunca a essência da gestão eficaz continua a mesma: medir de forma adequada para gerenciar corretamente e, assim, melhorar continuamente. Sem medição, a gestão torna-se uma questão de opinião, e a melhoria, um mero acaso.

Gostou deste artigo?

Explore mais conteúdos sobre gestão, melhoria contínua e tecnologia.

Ver Mais Artigos