Previsão por Classe de Referência
Usando taxas-base e âncoras de visão externa para prever com mais honestidade
Como taxas-base tornam suas previsões mais precisas?
A previsão por classe de referência, desenvolvida por Daniel Kahneman e Amos Tversky e formalizada por Bent Flyvbjerg, melhora a precisão da previsão ancorando-a na distribuição estatística de resultados de projetos passados semelhantes, em vez dos detalhes do projeto atual. O método corrige de forma confiável o viés de otimismo que infla estimativas de custo, tempo e benefício no planejamento — a base de evidência aqui é real e específica.
Quando as pessoas planejam projetos, elas constroem uma narrativa detalhada sobre sua situação específica e fazem previsões a partir dela — a "visão interna". Kahneman percebeu que esse processo é confiavelmente otimista, porque a narrativa se concentra no que pode dar certo e ignora a distribuição de resultados de projetos comparáveis. A previsão por classe de referência força uma ancoragem nessa distribuição antes que os detalhes da visão interna sejam adicionados de volta. As práticas abaixo operacionalizam essa disciplina de visão externa e são úteis muito além da gestão de projetos.
Práticas
- Identifique a classe de referência certa para sua situação
Encontre um conjunto bem definido de situações passadas estruturalmente semelhantes à sua e reúna os dados de seus resultados.
- Ancore-se na taxa-base antes de adicionar detalhes da visão interna
Comece sua previsão pela mediana da classe e depois ajuste — não comece pela sua narrativa e ajuste em direção à taxa-base.
- Preveja uma distribuição, não uma estimativa pontual
Represente sua previsão como uma faixa de resultados prováveis, não um único número previsto.
- Distinga o viés de otimismo cognitivo da deturpação estratégica
Reconheça que parte da inflação da previsão é viés genuíno e parte é distorção deliberada — exigem correções diferentes.
- Atualize sua previsão incrementalmente à medida que novas evidências chegam
Trate sua previsão como uma probabilidade que deve mudar a cada nova evidência, não um compromisso que sobrevive à contradição.
- Conduza debriefings pós-projeto para contribuir com os dados da classe
Registre honestamente resultados reais versus previstos — isso constrói a classe de referência da qual futuras previsões dependem.