Quando os dados ainda não têm razão

Em Dante’s Peak, o vulcão começa a dar sinais muito antes de entrar em erupção.

Pequenos sismos. Alterações na água. Animais mortos. Vegetação afetada. Variações de temperatura e, mais tarde, um aumento da atividade sísmica e dos gases. Nenhum destes sinais, por si só, demonstra que o vulcão vá despertar.

Esse é precisamente o problema.

São aquilo a que, em estratégia e prospetiva, chamamos sinais fracos: informação precoce, incompleta e ambígua que pode antecipar uma mudança relevante, mas cujo significado ainda não é claro.

Nas organizações, surgem constantemente. Uma métrica que começa a comportar-se de forma estranha. Um pedido inesperado de um cliente. Uma nova utilização do produto. Várias pessoas que, separadamente, detetam o mesmo problema. Uma tecnologia aparentemente periférica que começa a surgir cada vez com mais frequência.

Cada sinal pode ter uma explicação perfeitamente razoável. Pode ser uma exceção, ruído ou simplesmente algo sem importância. O problema surge quando explicá-los separadamente nos impede de perguntar se, em conjunto, estão a começar a contar outra história.

Porque as grandes transformações raramente começam com um alerta inequívoco num dashboard.

A mudança costuma começar antes de termos uma métrica capaz de lhe dar um nome.

Ver dados não significa saber lê-los

Em Dante’s Peak, várias pessoas podem observar os mesmos fenómenos e, ainda assim, não chegar à mesma conclusão. Os dados estão lá. O que muda é a forma de os interpretar.

Harry Dalton não dispõe de informação secreta. O que traz é experiência, contexto e a capacidade de relacionar aquilo que está a ver com padrões que já conhece. Uma anomalia deixa de ser apenas um dado quando pode ser ligada a outras e ganhar significado.

Poderíamos representá-lo assim:

dado → contexto → padrão → interpretação

No entanto, em muitas organizações continuamos a agir como se o processo fosse muito mais curto:

dado → resposta

Criamos dashboards, analisamos o comportamento dos utilizadores, recolhemos feedback, fazemos investigação e, cada vez mais, utilizamos sistemas de IA capazes de processar enormes quantidades de informação. Tudo isto amplia a nossa capacidade de observar. Mas observar mais não significa necessariamente compreender melhor.

Um dashboard pode mostrar-nos que uma métrica caiu, mas não porquê. Uma investigação pode detetar um comportamento recorrente sem ainda explicar o que o provoca. Uma IA pode encontrar correlações ou resumir milhares de respostas sem necessariamente saber quais delas deveriam mudar a nossa forma de compreender o problema.

O valor surge quando somos capazes de situar esses dados num contexto, relacioná-los e construir uma interpretação que possamos testar.

Porque acumular informação pode ajudar-nos a ver mais coisas. Mas mais informação não produz necessariamente mais compreensão.

Quando vários sinais começam a contar a mesma história

Uma anomalia pode ser ruído. Duas, também. Mas chega um momento em que sinais provenientes de lugares distintos começam a revelar uma certa coerência.

Em Dante’s Peak, os sismos, as alterações na água, a vegetação afetada ou as emissões de gases não são relevantes apenas porque se acumulam. São-no porque começam a encaixar uns nos outros. Aquilo que pareciam fenómenos independentes começa a desenhar um padrão.

É aí que entra o reconhecimento de padrões (pattern recognition): a capacidade de identificar relações significativas entre elementos que, observados isoladamente, poderiam parecer desconexos.

Numa organização, isto acontece constantemente. A equipa de produto deteta uma mudança no comportamento dos utilizadores. As vendas começam a ouvir uma objeção que antes quase não surgia. O apoio ao cliente recebe novas perguntas. Uma investigação qualitativa descobre uma expectativa que o produto não foi concebido para satisfazer. Separadamente, cada equipa pode interpretar o que observa como um fenómeno local.

A pergunta interessante surge quando cruzamos essas observações:

E se não forem problemas diferentes?

Uma das dificuldades das organizações é que os sinais tendem a surgir separados por departamentos, ferramentas e responsabilidades. Cada equipa dispõe de uma parte da realidade e tem boas razões para a analisar a partir do seu próprio contexto. Mas as mudanças importantes não têm de respeitar a estrutura do nosso organigrama.

Por isso, reconhecer um padrão não consiste apenas em encontrar semelhanças. Exige também questionar as fronteiras com que organizámos a informação e perguntar-nos em que momento devemos deixar de explicar cada anomalia separadamente.

Porque, por vezes, compreender o que está a mudar começa quando descobrimos que vários sinais aparentemente diferentes estão a contar a mesma história.

Harry Dalton podia estar enganado

Até aqui, é tentador pensar que Harry Dalton está simplesmente a ver antes dos outros algo que acabará por se tornar evidente. Nós, além disso, partimos em vantagem: sabemos que estamos a ver um filme chamado Dante’s Peak. Esperamos que o vulcão entre em erupção.

As personagens não têm essa certeza.

Harry tem motivos para se preocupar, mas Paul Dreyfus, o seu superior, também tem razões para pedir prudência. Uma atividade vulcânica anómala não implica necessariamente que venha a ocorrer uma erupção. E tomar uma decisão como evacuar uma população também não é inócuo: tem consequências económicas e sociais, gera alarme e pode desgastar a confiança se, no final, nada acontecer.

Essa nuance muda bastante a leitura do filme. O conflito deixa de ser entre alguém que tem razão e alguém que se recusa a ouvi-lo, passando a ser entre duas formas de gerir uma incerteza que ainda não pode ser resolvida.

As organizações enfrentam continuamente decisões semelhantes, ainda que normalmente sem um vulcão pelo meio. Quando investimos numa tecnologia que ainda não sabemos se se irá consolidar? Quando alteramos um produto devido a um comportamento emergente dos utilizadores? Quando é que uma queda sustentada de uma métrica deixa de ser uma flutuação e exige uma mudança de estratégia?

Agir demasiado cedo tem um custo. Agir demasiado tarde também.

Por isso, esperar por ter todos os dados nem sempre é a opção mais racional. Por vezes, quando a evidência é suficiente para eliminar a incerteza, também já desapareceu parte da nossa capacidade de resposta.

O desafio está em definir o nosso limiar de decisão: que combinação de evidência, risco e impacto justifica agir, mesmo que ainda possamos estar enganados.

Porque o critério não consiste em ter certeza. Consiste em decidir que nível de incerteza estamos dispostos a aceitar antes de agir.

O problema não é apenas interpretar. É conseguir que uma organização interprete

Harry pode observar os sinais, relacioná-los e construir uma hipótese. Mas isso não significa que a organização vá chegar automaticamente à mesma conclusão.

Entre uma interpretação individual e uma decisão coletiva surgem novas variáveis: hierarquias, responsabilidades, interesses económicos, reputação, comunicação e, naturalmente, desacordo entre especialistas. Já não se trata apenas de perguntar o que dizem os dados, mas de construir uma leitura partilhada do que está a acontecer.

É aqui que entra o sensemaking organizacional: o processo através do qual uma organização tenta dar sentido a uma situação ambígua para poder decidir como responder.

E isto tem uma consequência importante. Uma boa organização não é aquela em que o especialista ganha sempre a discussão. Harry pode ter experiência e detetar corretamente um padrão, mas isso não transforma automaticamente a sua interpretação na única possível. Como vimos, também podia estar enganado.

O importante é que exista espaço para pôr as interpretações à prova: testar hipóteses, incorporar perspetivas diferentes, questionar as explicações existentes e determinar que novas evidências poderiam confirmar ou enfraquecer cada leitura.

O problema surge quando a estrutura faz precisamente o contrário: quando um sinal é descartado porque vem do departamento errado, contradiz uma decisão anterior, ameaça determinados interesses ou simplesmente não encaixa na história que a organização já contou a si própria.

Nesse momento, o risco não é a falta de informação. É ter construído uma organização incapaz de discutir o que essa informação poderia significar.

Porque interpretar bem não deveria depender de encontrar a pessoa que tem razão, mas de criar as condições para que uma interpretação possa ser examinada antes de ser aceite ou descartada.

Quando todos concordam, já é demasiado tarde

Por fim, o vulcão entra em erupção.

Nesse momento, o desacordo desaparece. Já não há sinais para interpretar, hipóteses para testar nem limiares de decisão para discutir. Todos observam a mesma realidade e chegam à mesma conclusão.

A certeza é máxima.

A margem de decisão, porém, reduziu-se drasticamente.

Esta é talvez uma das paradoxos mais interessantes de Dante’s Peak: quando é mais fácil saber o que está a acontecer é também quando restam menos opções para responder.

Nas organizações acontece algo semelhante. Quando uma tecnologia já transformou um setor, quando o comportamento dos consumidores mudou de forma evidente, quando um concorrente consolidou um novo modelo ou quando um problema cultural começa a refletir-se na rotatividade, nos resultados e na perda de talento, alcançar consenso torna-se muito mais simples.

Mas então já não estamos a decidir se devemos antecipar-nos à mudança. Estamos a tentar adaptar-nos a ela.

Isto não significa que devamos reagir a cada sinal nem tentar prever constantemente o futuro. Significa aceitar que algumas das decisões mais importantes terão de ser tomadas quando ainda existir desacordo, informação incompleta e uma possibilidade real de nos enganarmos.

Porque existe uma relação incómoda entre a certeza e a capacidade de ação: quanto maior for a certeza, menor poderá ser a nossa margem de decisão.

Esperar até que todos concordem pode ser tranquilizador. O problema é que, nessa altura, talvez a realidade já tenha decidido por nós.

Conclusão

Dante’s Peak estreou-se em 1997. Quase trinta anos depois, alguns dos seus efeitos especiais envelheceram e várias das suas licenças científicas são evidentes. Ainda assim, o dilema que coloca continua a ser surpreendentemente atual.

Hoje temos acesso a uma quantidade de informação que Harry Dalton dificilmente teria conseguido imaginar. Dashboards em tempo real, analítica avançada, investigação com utilizadores, modelos preditivos e sistemas de inteligência artificial capazes de encontrar padrões em enormes quantidades de dados.

E, ainda assim, continuamos a enfrentar a mesma pergunta:

O que significa realmente aquilo que estamos a ver?

Talvez seja por isso que o critério continua a ser tão importante. Não porque nos permita prever o futuro ou eliminar a incerteza, mas porque nos ajuda a decidir o que merece atenção quando ainda não temos todas as respostas.

Por vezes, o sinal mais importante nem sequer é o aparecimento de algo inexplicável. É descobrir que a explicação que usávamos até agora já não explica suficientemente aquilo que estamos a ver.

É aí que começa o trabalho difícil: observar, relacionar, interpretar, testar e decidir sabendo que ainda podemos estar enganados.

Porque o valor do critério existe precisamente antes da certeza.

Que sinais estamos hoje a descartar porque ainda conseguimos explicá-los separadamente?

Quando a realidade tornar evidente a resposta, talvez já não estejamos a interpretar sinais. Estejamos a gerir consequências.