Superprevisões Resumo - Philip E. Tetlock

Aprenda a aprender de casa! Para você usar o tempo a seu favor! REDUZIMOS A ASSINATURA EM 30%!

Oferta por tempo limitado!

805 leituras ·  4.0 avaliação média ·  211 avaliações

Superprevisões

Superprevisões Resumo
Autoajuda & Motivação

Este microbook é uma resenha crítica da obra: Superforescating: The art and science of prediction

Disponível para: Leitura online, leitura nos nossos aplicativos móveis para iPhone/Android e envio em PDF/EPUB/MOBI para o Amazon Kindle.

ISBN: 0804136696; 978- 0804136693

Também disponível em audiobook

Resumo

As superprevisões

Em algumas áreas, estamos sempre buscando por previsões para o futuro. Esse é o caso das previsões do tempo, do mercado de ações e até mesmo os resultados de jogos esportivos. Mas essas não são as únicas situações nas quais você pode criar previsões. Nossa fixação com as previsões está presente na maioria das áreas da nossa vida, e ficamos incomodados quando os eventos não acontecem como deveriam. Mas como podemos garantir que nossas previsões são mais precisas e melhores?

Essa é a função das superprevisões, que são corrigidas e realinhadas a cada nova informação; e analisadas e melhoradas depois que o momento de previsão passa.

O importante aqui, é entender que essas superprevisões são habilidades mensuráveis e reais. Elas podem ser ensinadas e melhoradas com investimentos adequados. As pessoas estão cada vez mais confiantes sobre suas previsões, e não querem estar erradas. O problema é que essa ideia pode sabotar as métricas e gerar interpretações erradas sobre o futuro.

Uma única pessoa pode causar muito impacto

Fazemos previsões o tempo inteiro, seja mapeando nossos próximos passos de carreira ou escolhendo investimentos. De maneira geral, nossas previsões refletem nossas expectativas sobre como será o futuro.

Apesar disso, as previsões são limitadas, já que eventos desconhecidos podem levar a consequências não imaginadas.

Vivemos em um mundo complexo no qual uma única pessoa pode instigar grandes eventos. Por exemplo, você já ouviu falar da Primavera Árabe? Tudo começou quando um vendedor tunisiano, Mohamed Bouazizi, colocou fogo em si mesmo depois de ser humilhado por policiais corruptos.

Existe uma teoria que explica por que é tão difícil prever esse tipo de evento. Ela é chamada de teoria do caos (também conhecida como ‘o efeito borboleta’). O meteorologista americano Edward Lorenz explica: em sistemas não-lineares como a atmosfera da Terra, até mesmo mudanças minúsculas podem ter um impacto considerável.

Se a trajetória do vento muda por uma pequena fração, os padrões do clima no longo prazo podem mudar drasticamente. Explicando de maneira mais dramática: se uma borboleta bate suas asas no Brasil, pode causar um furacão no Texas.

As previsões precisam ser avaliadas com rigor

Apesar das limitações, não devemos descartar ou ignorar a importância das previsões. Vamos pensar na meteorologia por exemplo. Previsões de tempo são relativamente confiáveis quando feitas poucos dias antes. Isso acontece porque os meteorologistas analisam a precisão de suas previsões depois do ocorrido. Ao comparar suas previsões com o tempo real, conseguem compreender melhor o funcionamento do clima.

O problema é que, as pessoas em outras áreas normalmente não medem a precisão de suas previsões.

Portanto, para melhorar nossas previsões, precisamos trabalhar na precisão e comparar, com seriedade, o que pensamos que aconteceria, com o que realmente aconteceu. E isso significa se comprometer com as métricas.

Por exemplo, até a metade do século 20, o campo da medicina estava cheio de especialistas que confiavam em seus anos de experiência e acreditavam em seus mais diversos tipos de terapias e tratamentos. Mas muitos deles se provaram incorretos, e alguns causaram mais mal do que bem.

O surgimento de uma medicina que se baseava em evidências, se mostrou desafiador para aqueles médicos que confiavam em suas experiências. Eles eram especialmente resistentes aos testes, já que os consideravam antiéticos.

O problema aqui, é que se sentir certo não é o mesmo que estar certo. E por isso, confiar nos dados e nas métricas é uma forma útil de acabar com qualquer viés de informação que possuímos.

As porcentagens e a precisão fazem toda diferença nas previsões

Medir previsões não é tão fácil quanto parece. Além de coletar as previsões, julgar as precisões, fazer cálculos, existe uma série de fatores a serem considerados.

Para garantir a precisão de uma previsão, você precisa primeiro entender o significado da previsão original. Por exemplo, em abril de 2007, a mídia afirmou que o CEO da Microsoft, Steve Ballmer, fez uma previsão: o iPhone não conseguiria muito market share. Considerando o tamanho da Apple, a previsão de Ballmer parecia absurda, e as pessoas riram dele. Outros afirmaram que a Apple controlava 42% do mercado de smartphones nos Estados Unidos, um número muito significativo.

Mas vamos pensar naquilo que Ballmer afirmou: ele disse que, o iPhone podia gerar muito dinheiro; no entanto, jamais ganharia um market share significativo no mercado global de celulares: sua previsão ficava entre 2 a 3%. Ao invés disso, o software de sua empresa, a Microsoft, dominaria o mercado. E sua previsão estava mais ou menos correta.

De acordo com os dados da Garner IT, as vendas globais do iPhone no meio de 2013 correspondiam a cerca de 6% das vendas do mercado de celulares – um número próximo ao previsto por Ballmer. Enquanto isso, o software da Microsoft era utilizado pela maioria dos celulares vendidos no mundo.

As previsões devem evitar também uma linguagem vaga e precisam utilizar números para aumento de precisão.

Palavras vagas como “frio”, “talvez” ou “provavelmente” são comuns em previsões, mas pesquisas demonstram que as pessoas atribuem significados diferentes para palavras como essas. Portanto, quem fizer as previsões precisa falar da maneira mais precisa possível, utilizando porcentagens por exemplo.

Considere como as organizações de inteligência americanas como a NSA e a CIA afirmaram que Saddam Hussein estava escondendo armas de destruição em massa – uma afirmação que se provou completamente mentirosa. Se essas agências de inteligência tivessem calculado com precisão e utilizado porcentagens, os Estados Unidos poderiam não ter invadido o Iraque. Se houvesse uma chance de 60% do Iraque ter WMDs, ainda existiria uma chance de 40% contrária – uma justificativa absurda para iniciar uma guerra.

O método Brier para medir a precisão das previsões

Devemos evitar esses erros como o cometido pelas agências de inteligência americanas. Por isso, é muito importante garantir previsões com maior precisão. Vamos pensar em algumas maneiras de alcançar uma maior precisão:

A melhor maneira é manter uma pontuação. Para isso, o time de pesquisa do autor estabeleceu um projeto financiado pelo governo chamado ‘Good Judgment’, que possuía milhares de voluntários respondendo a mais de um milhão de perguntas em quatro anos. Utilizando uma pontuação, o time esperava melhorar a precisão da previsão.

Os participantes responderam a perguntas como “o presidente da Tunísia vai fugir para um exílio mês que vem? Ou “o euro vai cair abaixo de $1.20 nos próximos 12 meses? “ Cada um avaliou a probabilidade da previsão do participante, ajustada depois de ler informações relevantes. Então o time se juntava e atribuía a cada previsão uma nota chamada “Brier”, indicando a precisão da previsão.

Essa nota, nomeada em homenagem a Glenn. W. Brier, é o método mais utilizado para medir a precisão de previsões. Quanto mais baixa a nota, mais precisa a previsão: uma previsão perfeita recebe uma nota zero. Uma pessoa aleatória gera uma nota Brier 0.5, enquanto uma previsão errada gera uma nota 2.0 por exemplo.

A interpretação da nota Brier também depende da pergunta. Você pode ter uma nota Brier de 0.2, que parece muito boa, mas na verdade a sua previsão pode ser terrível.

Digamos que você esteja prevendo o clima. Se o clima está consistentemente quente com céu azul em Phoenix, Arizona. Alguém pode prever que o clima será quente com sol e receber uma nota Brier de zero, que é melhor que 0.2. Mas se você recebeu uma nota de 0.2 por prever o clima em Springfield, Missoure – um lugar no qual o clima sempre muda – você será considerado um meteorologista muito bom!

Pessoas com uma supervisão utilizam o método de Fermi

Todos as pessoas que fazem boas previsões são grandes pensadores com acesso a informações secretas? Não! Então como essas pessoas fazem previsões tão precisas sobre o futuro?

Essas pessoas lidam com o problema impossível, quebrando em subproblemas menores. Isso é conhecido como o estilo de pensamento Fermi.

O físico Enrico Fermi, uma figura central na criação da bomba atômica, estimou com precisão incrível coisas como por exemplo, o número de pianos em Chicago, sem qualquer informação prévia.

Ele fez isso ao separar o que é conhecido do desconhecido, esse é o primeiro passo. Por exemplo, quando Yasser Arafat, líder da Organização de Liberação Palestina, morreu de causas desconhecidas, muitas especulações surgiram de que ele teria sido envenenado.

Então em 2012, pesquisadores descobriram altos níveis de polônio-2010 – um elemento radioativo letal – em seus pertences. Essa descoberta reforçou ainda mais a ideia de que ele poderia ter sido envenenado, o que levou à exumação de seu corpo, para verificação na França e na Suíça.

Como parte do projeto ‘Good Judgement’, algumas pessoas que trabalham com previsões foram perguntadas sobre os níveis elevados de polônio no corpo de Yasser Arafat.

Bill Flack, um dos voluntários, abordou a pergunta utilizando o estilo Fermi e quebrando a informação em pedaços menores.

Primeiro, Flack descobriu que o polônio decai rapidamente, então se Arafat tivesse sido envenenado, havia uma chance de o polônio não ser detectado em seus restos mortais, porque ele havia morrido em 2004. Flack pesquisou os testes com a substância e chegou à conclusão de que ele podia ser detectável. Finalmente, Flack também levou em consideração o fato de que Arafat tinha inimigos palestinos que poderiam querer culpar Israel por sua morte. Ele considerou que havia uma chance de 60% de encontrarem o polônio no corpo de Arafat.

Então, Flack lidou com as questões básicas primeiro, e depois pensou nas suposições subsequentes; e é exatamente assim que boas previsões são feitas.

Utilizando a ancoragem e adotando primeiro uma visão externa

Como cada situação é única, você precisa evitar se precipitar ao julgar um caso. A melhor maneira de abordar qualquer pergunta, é adotar uma visão exterior. Isso significa descobrir qual a probabilidade inicial de um acontecimento.

Por exemplo, imagine uma família italiana que vive em uma casa modesta nos Estados Unidos. O pai trabalha como bibliotecário e a mãe tem um emprego de meio horário em uma creche. Eles vivem com seus filhos e com a avó.

Se te perguntassem quais as chances dessa família italiana ser dona de um animal de estimação, você pode tentar responder à pergunta pensando nos detalhes da situação de vida deles. Mas se você pensar assim, pode ignorar algumas coisas importantes!

Ao invés de olhar para os detalhes primeiro, você deveria começar pesquisando a porcentagem de lares americanos que possui um animal de estimação. Em alguns segundos, graças ao Google, você vai descobrir que esse valor é de 62%. Essa é sua visão externa.

Fazendo isso, você pode agora adotar uma visão interna. Ela vai te dar os detalhes para ajustar sua porcentagem de maneira correta.

Nesse exemplo da família italiana, começar com a visão externa te dá uma estimativa inicial: cerca de 62% de chance de que essa família possua um animal de estimação. Então, você pode ser mais específico e ajustar esse valor. Por exemplo, você pode verificar a taxa de famílias italianas, vivendo nos Estados Unidos, que possuem animais de estimação.

A razão por trás dessa visão externa vem de um conceito chamado ‘ancoragem’. Uma âncora é um valor inicial, antes de qualquer ajuste. Se ao invés disso você começa com detalhes mais profundos, sua previsão provavelmente ficará longe de qualquer âncora ou valor preciso.

Atualizações e pesquisas contínuas são o segredo das superprevisões

Depois que fizer sua primeira previsão, você não pode simplesmente esperar para ver se está certo ou não. Você precisa atualizar e modificar seu julgamento com base em novas informações.

Depois que Bill Flack previu 60% de chance de o polônio ser detectado no corpo de Yasser Arafat, ele continuou lendo as notícias e atualizou sua previsão sempre que possível. Então, bem depois da primeira previsão de Flack, um time de pesquisadores suíços afirmou que novos testes eram necessários, e que iriam anunciar os resultados mais tarde.

Como Flack havia feito diversas pesquisas sobre o polônio, ele sabia que esse adiamento significava que o time havia encontrado a substância; e que estavam tentando confirmar as fontes. Então Flack aumentou sua previsão para 65%.

Como previsto por ele, o time de pesquisadores realmente encontrou polônio no corpo de Arafat e a nota Brier final de Flack foi 0.36. Muito impressionante se considerarmos a dificuldade dessa questão.

Mas embora novas informações possam te auxiliar, elas também podem te atrapalhar. Por exemplo, uma pesquisa da agência do governo americano ‘Intelligence Advanced Research Projects Activity' (IARPA), questionou se haveria menos gelo no mar Ártico no dia 15 de setembro de 2014, comparado ao ano anterior. Doug Lorch, concluiu que havia uma chance de 55% de que a resposta seria positiva.

No entanto, dois dias depois de sua estimativa, Lorch leu um relatório criado um mês antes, do Sea Ice Prediction Network, que deu a ele informações para que aumentasse sua previsão para 95%, uma grande mudança baseada em um único relatório.

Então, em 15 de setembro de 2014, a quantidade de gelo Ártico era maior do que no ano anterior. A previsão inicial de Lorch era de 45% de probabilidade, mas depois de seu ajuste, caiu para meros 5%.

Uma atualização habilidosa exige a observação de detalhes e uma análise criteriosa das informações. Não tenha medo de mudar de ideia, mas pense duas vezes sobre a utilidade das novas informações.

Trabalhar em grupo pode ajudar nas previsões

Você talvez já tenha escutado o termo ‘groupthinking’. O psicólogo Irving Janis, que criou esse termo, criou a hipótese de que pessoas em grupos pequenos construíam um espírito de time ao criar de maneira inconsciente ilusões que interferem no pensamento crítico. Essa interferência vem do fato de que as pessoas fogem dos confrontos, e por isso, concordam umas com as outras.

O time de pesquisa do projeto ‘Good Judgment’ decidiu ver se o trabalho em grupo influenciaria a precisão. Eles fizeram isso criando plataformas online de comunicação, separadas por grupos.

No início, o time de pesquisa compartilhava ideias em dinâmicas de grupo e alertava os grupos online sobre o ‘groupthinking’. No final do primeiro ano, os resultados foram: em média, as pessoas que trabalhavam em times eram 23% mais precisas do que quem trabalhava sozinho. No segundo ano, os pesquisadores escolheram colocar as pessoas que faziam as melhores previsões juntos em um mesmo grupo, e descobriram que esses grupos superavam os grupos regulares.

No entanto, as dinâmicas de grupo também foram impactadas. Elaine Rich, que estava em um dos melhores grupos, não ficou satisfeita com o resultado. Todo mundo era muito educado e poucas críticas e discussões eram feitas. Para mudar isso, os grupos tentaram se esforçar mais para mostrar que aceitavam as críticas construtivas.

Outra maneira de aumentar a eficiência do trabalho em grupo é o questionamento preciso, que encoraja as pessoas a repensarem seus argumentos. Essa tática não é nova, já que grandes professores praticaram o questionamento preciso desde os tempos de Sócrates.

O questionamento preciso representa a exploração detalhada de um argumento. Como por exemplo, ao perguntar a definição de um termo particular. Mesmo que as opiniões sejam polarizadas, esse questionamento revela o pensamento por trás da conclusão, que permite futuras investigações.

As características das boas previsões

  • As previsões devem ser claras, deve ser fácil para qualquer observador concordar ou não com você.
  • Elas precisam ter uma data concreta para realização. Previsões como ‘o desemprego vai diminuir com estímulos’ não deixam claro quando isso vai acontecer.
  • Elas devem ser probabilísticas. Para que as previsões sejam utilizadas como base para decisões, é importante conhecer o nível de confiança delas, e calibrar a confiança quando necessário.
  • Elas devem utilizar números específicos para as probabilidades. Muitos erros podem acontecer quando pessoas diferentes atribuem significados diferentes para frases como ‘existe uma grande possibilidade de que isso aconteça...’, com interpretações variando de 20% a 80% de chance em um caso.
  • É importante fazer muitas previsões. Considerando conhecimento parcial e eventos probabilísticos, não há como julgar se sua previsão de ‘70% de chance de chuva’ estava errada ou você teve azar. Com grandes quantidades de previsões parecidas, podemos começar a julgar a precisão das suas previsões.

Notas finais

Ter uma supervisão não é uma característica inata. Você pode trabalhar e praticar para desenvolver essa habilidade tão importante nos dias atuais. Mantenha-se informado sobre os acontecimentos, busque quebrar os problemas em situações menores e comece adotando uma visão externa!

Dica do 12’: Dá uma olhada no Ted Talk de Noreena Hertz. Ela fala um pouco sobre como e quando considerar a ajuda de especialistas nos negócios!

Cadastre-se e leia grátis!

Ao se cadastrar, você ganhará um passe livre de 3 dias grátis para aproveitar tudo que o 12min tem a oferecer.

ou via formulário:

Quem escreveu o livro?

Dan Gardner é o autor de livros sobre psicologia e tomada de decisão. Os livros de Dan Gardner foram publicados em 24 países e 19 línguas. Além de escrever, Gardner ensina ao redor do mundo a previsão, o risco e a tomada de decisão. Ele também consulta s... (Leia mais)

Philip E. Tetlock é um escritor de ciência política canadense-americana e atualmente professor da Annenberg University na Universidade da Pensilvânia, onde é coordenador na Wharton School e na Escola de Artes e Ciências. E... (Leia mais)