Modelos mentais: como pensar melhor sem simplificar demais

Uma empresa pequena recebe um pedido de um cliente importante: desenvolver uma funcionalidade que ainda não existe no produto. O cliente parece disposto a pagar, a equipe sabe construir e já existe uma data para começar.

O que ainda não aparece na conversa é o trabalho que precisará sair da agenda, a manutenção que aquela funcionalidade exigirá e o precedente criado para o próximo pedido. Também falta saber se outros clientes têm o mesmo problema. Sem essas perguntas, a decisão tende a se organizar em torno do que está mais perto: a receita possível e a vontade de atender bem.

Nesse exemplo hipotético, algumas consequências estão visíveis desde o início; outras dependem de perguntas que ninguém fez. Modelos mentais ajudam a formular essas perguntas antes de decidir.

Custo de oportunidade chama atenção para o que será deixado de lado. Reversibilidade ajuda a distinguir um teste de um compromisso duradouro. Pensamento sistêmico leva a examinar como a mudança afetará outras partes do negócio. Cada perspectiva revela um pedaço diferente da decisão.

Usar um modelo exige escolher uma perspectiva adequada à situação, perceber o que ela deixa de fora e conferir se nossa interpretação corresponde ao que acontece de fato.

O que é um modelo mental

Um modelo mental é uma representação simplificada usada para compreender uma situação e antecipar parte de seu comportamento. Pode assumir a forma de uma relação causal, uma analogia, uma regra de decisão ou um pequeno conjunto de perguntas.

Quando alguém diz que uma equipe está sobrecarregada porque aceita mais trabalho do que consegue concluir, está usando uma representação do funcionamento daquela equipe. Há uma entrada, uma capacidade de execução e um acúmulo. Essa representação orienta o que será observado e quais intervenções parecem razoáveis.

Essa representação pode deixar de fora a distribuição do trabalho entre pessoas, a diferença de complexidade entre tarefas ou a necessidade de refazer entregas. Dependendo do problema, uma dessas omissões pode ser decisiva.

Uma planta de um edifício ajuda a localizar portas e corredores. Para avaliar a incidência de sol, é preciso acrescentar orientação e horário. Para entender a circulação de pessoas, será necessário observar o uso do espaço. A qualidade de uma representação depende da pergunta que queremos responder com ela.

No uso cotidiano, a expressão “modelos mentais” reúne coisas de naturezas diferentes. Uma identidade contábil tem um grau de precisão que uma analogia sobre comportamento humano não possui. Uma regra prática pode ajudar a começar uma análise sem ter validade geral. Tratar tudo como se fosse uma coleção de leis igualmente comprovadas cria uma confiança que o material não sustenta.

Antes de adotar um modelo, pergunte de onde ele vem e em que condições funciona. Que evidência mostraria que ele não se aplica à situação?

Decidir com uma visão incompleta

Herbert Simon estudou decisões tomadas por pessoas e organizações com informação incompleta e capacidade limitada de processamento. Ao discutir a racionalidade limitada, ele examinou como conseguimos escolher nessas condições, sem pressupor que alguém possa calcular todas as alternativas e consequências. A formulação aparece em sua conferência do Nobel de 1978.

A investigação precisa, portanto, ter um escopo. Não vamos levantar todos os cenários antes de escolher um fornecedor ou definir a próxima etapa de um produto. Podemos, porém, identificar quais incertezas têm maior chance de mudar a decisão.

Se duas alternativas custam quase o mesmo, refinar a estimativa de preço talvez acrescente pouco. Se uma delas depende de um único fornecedor que ainda não demonstrou capacidade de entrega, investigar essa dependência pode ser muito mais útil.

O modelo escolhido orienta nossa atenção. Dependendo dessa escolha, podemos concentrar o tempo nas diferenças relevantes ou acabar analisando em detalhe um aspecto secundário.

Custo de oportunidade: o que deixa de acontecer

Se a funcionalidade pedida pelo cliente exigir três semanas de trabalho, precisamos saber o que a equipe faria nesse período.

A equipe poderia estar corrigindo um problema que faz novos usuários abandonarem o produto ou reduzindo erros que geram chamados de suporte. A comparação relevante passa a incluir o benefício esperado desse outro trabalho e o custo de adiá-lo.

O custo de oportunidade é o valor da melhor alternativa viável que deixamos de escolher. Não é a soma de todas as coisas imagináveis que poderíamos fazer com o mesmo tempo. Essa distinção evita transformar qualquer escolha num inventário infinito de perdas.

Para usar o modelo, é preciso dar alguma forma à alternativa. “Poderíamos estar crescendo” é vago demais. “Poderíamos usar essas semanas para corrigir a etapa de cadastro em que observamos mais desistências” já permite uma investigação. Ainda será necessário verificar se o problema é realmente o cadastro e se a correção produziria o efeito esperado.

Há também custos que aparecem depois da entrega. Uma funcionalidade pode ocupar pouco tempo para ser construída e muito tempo para ser explicada, testada e mantida. Quem compara apenas o esforço inicial tende a enxergar um projeto menor do que aquele que terá de sustentar.

Na vida pessoal, a mesma pergunta pode iluminar uma agenda cheia. Aceitar um compromisso semanal ocupa um horário e pode fragmentar o tempo ao redor dele. A alternativa sacrificada talvez seja uma atividade específica, descanso ou uma margem livre para imprevistos. Não é necessário atribuir um preço a tudo para reconhecer que há uma troca.

O limite do modelo aparece quando tentamos reduzir valores diferentes a uma única medida. Tempo com alguém próximo, aprendizado e renda nem sempre admitem uma comparação satisfatória em dinheiro. O modelo ajuda a tornar a renúncia visível; a importância relativa de cada alternativa continua exigindo julgamento.

Reversibilidade: separar o teste do compromisso

Uma decisão pode ser fácil de anunciar e difícil de desfazer. A existência de um botão para desativar uma funcionalidade não significa que sua introdução seja plenamente reversível.

Se clientes passaram a depender dela, a retirada pode exigir migração, negociação e perda de confiança. Se a equipe construiu processos ao redor da novidade, haverá trabalho para reorganizá-los. A reversibilidade deve ser examinada do ponto de vista das pessoas afetadas, além do funcionamento técnico.

No exemplo do produto, há diferença entre implementar um recurso permanente para toda a base e testar uma solução manual com um pequeno grupo. Um piloto pode ajudar a descobrir se o problema é frequente, se a solução proposta faz sentido e se o esforço de atendimento é sustentável.

Isso depende de como o teste é apresentado. Um experimento descrito como serviço definitivo cria expectativas de continuidade. Limitar o período, explicar o que está sendo avaliado e combinar como o teste terminará são partes do desenho da decisão.

A pergunta útil é: quanto custaria voltar atrás, para quem e depois de quanto tempo? Uma escolha pode começar reversível e se tornar difícil de desfazer conforme contratos, dependências e hábitos se acumulam.

Esse modelo também ajuda a ajustar o esforço de análise. Um teste pequeno, com consequências limitadas e observáveis, pode ser uma forma de obter informação. Um compromisso de longo prazo, com efeitos difíceis de reparar, merece investigação adicional antes da execução.

Um teste barato para quem o propõe pode transferir um custo alto para outra pessoa. Experimentar um novo processo às custas de clientes que não sabem que estão participando dele é uma decisão diferente de um piloto combinado com participantes informados.

Incentivos e consequências que aparecem depois

Imagine que a empresa passe a premiar a equipe comercial apenas pelo volume de contratos assinados. Se negócios complexos contam tanto quanto negócios simples, pode se tornar atraente prometer adaptações que outras áreas terão de entregar.

A recompensa torna alguns comportamentos mais vantajosos, mas não determina sozinha o que as pessoas fazem. Responsabilidade profissional, vínculo com colegas e preocupação com clientes também pesam na decisão.

Observar incentivos exige olhar além do discurso. Quem recebe o benefício da decisão? Quem absorve seu custo? Qual resultado aparece no relatório de cada área? Um acordo pode parecer excelente para quem fecha a venda e ruim para quem precisa manter o serviço durante anos.

Em Leverage Points, Donella Meadows inclui fluxos de informação, regras e objetivos entre os pontos de intervenção em sistemas. Ela examina como a estrutura de um sistema produz comportamentos e alerta para o risco de generalizar sobre sistemas complexos. Aplicar essas ideias a uma empresa exige verificar como ela funciona. Texto original de Meadows.

Aplicada ao nosso exemplo, essa perspectiva sugere investigar o caminho percorrido por uma promessa comercial. A equipe de produto participa antes da assinatura? O custo de manutenção entra na avaliação? Quem acompanha o contrato depois da venda? As respostas precisam ser investigadas antes de concluir o que está acontecendo na empresa.

O pensamento de segunda ordem amplia a observação no tempo. A primeira consequência de aceitar a adaptação pode ser receita adicional. Depois, outros clientes podem pedir tratamento semelhante. A equipe pode dividir sua atenção entre versões do produto, alongar prazos ou criar uma oferta especializada rentável.

O cuidado é não construir histórias cada vez mais distantes e tratá-las como previsões. Quanto mais elos acrescentamos, mais importante se torna explicitar as condições necessárias para cada um. Em vez de afirmar que “isso vai desorganizar a empresa”, podemos perguntar que volume de pedidos semelhantes criaria um problema e como perceberíamos sua aproximação.

Restrições: onde o trabalho realmente fica preso

Às vezes, a discussão começa pela falta de pessoas porque essa é a explicação mais disponível. Antes de contratar, vale acompanhar como uma entrega atravessa o processo.

Uma tarefa pode passar poucas horas em execução e muitos dias esperando uma aprovação. Outra pode voltar repetidamente porque quem a recebe não tinha informações suficientes. Aumentar a velocidade de uma etapa não garante que o conjunto entregue mais rápido.

Olhar para a restrição significa procurar o ponto que, nas condições atuais, limita o resultado do sistema. É uma hipótese que precisa ser confrontada com observação: onde o trabalho se acumula, quanto tempo permanece ali e o que impede sua passagem?

No caso da funcionalidade solicitada pelo cliente, o desenvolvimento pode nem ser a parte mais escassa. Talvez toda alteração dependa da revisão de uma única pessoa. Talvez o atendimento já não consiga explicar os recursos existentes. Acrescentar novas possibilidades pode aumentar a carga exatamente onde há menos capacidade.

Uma equipe pode trabalhar intensamente numa etapa que está adiantada enquanto outra continua impedindo a entrega. Também é possível deslocar a restrição: resolvido um problema de aprovação, os testes passam a limitar o fluxo.

O modelo fica frágil quando a situação envolve várias restrições que mudam rapidamente ou quando a informação disponível cobre apenas uma parte do processo. Nesses casos, anunciar “o gargalo” cedo demais pode encerrar a investigação justamente quando seria preciso ampliá-la.

Probabilidades: dar espaço para a revisão

“Tenho certeza de que outros clientes vão querer isso” costuma esconder perguntas que ainda não foram respondidas. Quantos clientes foram ouvidos? Como foram escolhidos? Eles descreveram um problema próprio ou apenas concordaram com uma solução apresentada?

Pensar em probabilidades envolve reconhecer quanto podemos confiar numa expectativa com base nas observações disponíveis. Mesmo sem fazer uma conta, podemos distinguir uma possibilidade interessante de uma previsão que tem evidências a seu favor.

Um caminho é procurar uma referência externa à situação que chamou atenção. Como iniciativas semelhantes se comportaram? O que sabemos sobre pedidos anteriores? Se quase nenhuma adaptação solicitada por um único cliente foi útil ao restante da base, esse histórico merece entrar na análise, mesmo que o novo pedido pareça convincente.

O histórico também tem limites. Talvez o produto tenha mudado, o público seja outro ou os registros misturem tipos muito diferentes de solicitação. Uma frequência só é uma boa referência quando os casos comparados têm semelhança suficiente para a pergunta em questão.

A atualização de crenças fica mais clara quando formulamos explicações concorrentes. Considere duas hipóteses: existe uma demanda recorrente no mercado, ou existe uma necessidade particular daquele cliente. Uma manifestação vaga de interesse poderia ocorrer nos dois casos e, por isso, ajuda pouco a distingui-los. Encontrar o mesmo problema, descrito espontaneamente por clientes independentes, seria um sinal mais informativo.

Mesmo esse sinal não demonstra que a solução proposta funcionará. A existência do problema, a adequação da solução e a disposição para pagar são questões diferentes. Misturá-las faz uma evidência favorável à primeira parecer confirmação de todas as outras.

Registrar o grau de confiança antes de agir permite avaliar a revisão depois. Se o teste contradisser a expectativa, a tarefa é entender o que mudou: a hipótese estava errada, o teste foi insuficiente ou uma condição relevante deixou de existir? Um resultado isolado raramente resolve todas essas possibilidades.

Como as perspectivas se encontram numa decisão

Ao avaliar o pedido do cliente, a empresa precisa decidir quanto trabalho comprometer, sob quais condições e o que espera aprender. A pergunta “fazer ou não fazer a funcionalidade” deixa essas escolhas de fora.

Suponha que tenhamos os seguintes dados, todos fictícios: a adaptação ocuparia três semanas da mesma equipe responsável por corrigir o cadastro; somente um cliente descreveu a necessidade em detalhe; a manutenção ainda não foi estimada; e existe uma forma manual de simular parte do serviço.

O custo de oportunidade pede uma comparação com a correção do cadastro. Antes de adiar esse trabalho, a equipe deve esclarecer qual problema observou e por que acredita que a intervenção planejada ajudará. O novo projeto não merece ceticismo enquanto o projeto antigo é aceito sem exame.

A reversibilidade favorece considerar um teste delimitado da solução manual. O teste pode ter duração e escopo combinados, sem compromisso automático de incorporação ao produto. Isso reduz alguns custos de saída, embora continue exigindo tempo de atendimento.

A análise de restrições pergunta quem fará esse atendimento e o que deixará de fazer. Se a operação manual consumir justamente a pessoa de quem todas as entregas dependem, o piloto talvez seja menos barato do que parece. Poderia ser necessário reduzir seu escopo ou adiá-lo.

Os incentivos levam a explicitar quem pode prometer o quê. A área comercial precisa conhecer os limites do teste, e a avaliação deve incluir o trabalho posterior à venda. A intenção é permitir uma decisão compartilhada sobre o custo total, sem presumir má-fé de quem trouxe a oportunidade.

A análise da incerteza define quais observações justificariam continuar. A equipe poderia procurar ocorrências independentes do problema e acompanhar o esforço real de execução. Antes de começar, combinaria quais sinais levariam a ampliar o teste, reformular a solução ou encerrá-lo.

Essas perspectivas não obrigam a empresa a testar. Dependendo das prioridades e das evidências, recusar ou assumir o projeto completo também pode ser defensável. Em qualquer caso, a equipe deve conseguir explicar as condições da escolha, os custos e as hipóteses que a sustentam, além de combinar como revisará o que ainda não sabe.

O risco de usar modelos para defender uma preferência

É possível montar uma defesa elegante de quase qualquer escolha selecionando apenas os modelos convenientes. Quem quer lançar pode falar em experimentação. Quem quer esperar pode destacar irreversibilidade. Quem prefere o projeto novo pode exagerar seu potencial; quem prefere o antigo pode tratar qualquer mudança como dispersão.

Conhecer mais conceitos pode ampliar o vocabulário usado para justificar a preferência inicial, sem corrigir a seleção conveniente de perspectivas.

Uma disciplina útil é aplicar à alternativa favorita a pergunta mais incômoda que aplicamos à concorrente. Se exigimos evidência de demanda para o projeto novo, que evidência sustenta o projeto atual? Se atribuímos um custo ao teste, qual é o custo de permanecer sem aprender? Se imaginamos o fracasso de uma opção, também examinamos como a outra poderia falhar?

Outra proteção é separar os fatos observados das interpretações. “Três clientes mencionaram dificuldade no cadastro” é uma observação, desde que registrada adequadamente. “O cadastro é a principal causa do baixo crescimento” é uma explicação que demanda evidência adicional. A diferença desaparece facilmente em apresentações bem construídas.

Também convém perguntar quem conhece a situação por outro ângulo. Um modelo sobre o trabalho de uma equipe deve ser confrontado com quem executa esse trabalho. Detalhes aparentemente pequenos podem invalidar a relação causal que parecia tão clara numa reunião.

Um registro que caiba na rotina

Comece com uma decisão de tamanho moderado, cujo resultado seja observável nas próximas semanas.

Antes de decidir, registre o que está considerando. Use os campos que ajudarem naquele caso:

Depois, escolha uma ou duas perspectivas que possam alterar a análise. Se o problema é excesso de compromissos, comece pelo custo de oportunidade. Se envolve uma novidade incerta, examine a possibilidade de aprender com um teste. Se uma dificuldade reaparece apesar do esforço, acompanhe o processo e as regras que podem estar contribuindo para ela.

Na revisão, preserve a distinção entre a qualidade da decisão e o resultado observado. Uma escolha cuidadosa pode terminar mal por razões que eram incertas. Uma escolha mal examinada pode ser favorecida pelas circunstâncias. Avaliar apenas o desfecho dificulta perceber o que deve ser repetido e o que precisa mudar no processo.

Guarde a anotação inicial e compare o que esperava com o que observou, incluindo as condições que mudaram no caminho. Isso ajuda a ajustar o modelo e a reconhecer quando ele foi aplicado fora de seu alcance. Na próxima decisão parecida, consulte esse registro para entender por que a escolha anterior funcionou ou falhou e quais dessas condições ainda se aplicam.