Atualize crenças com frequência e em pequenos incrementos

Quando nova evidência chega, ajuste sua estimativa de probabilidade — mesmo que a mudança seja pequena.

Why it works

Superprevisores atualizam com mais frequência e em incrementos menores do que previsores medianos. O mecanismo é bayesiano: cada nova evidência tem um peso diagnóstico, e atualizar proporcionalmente a esse peso produz calibração. Os dois modos de falha são a subatualização (ancorar na estimativa original) e a superatualização (dar peso excessivo a eventos recentes salientes). Atualizações pequenas e frequentes resistem a ambos, mantendo a estimativa próxima à evidência atual.

How to do it

1. Defina uma cadência regular de revisão para previsões ativas: semanal para horizonte curto, mensal para longo.
2. A cada revisão, pergunte: "Que evidência chegou desde a última vez, e em que direção isso empurra minha estimativa?"
3. Faça uma atualização numérica — mesmo que ±3 pontos percentuais — para registrar a decisão.
4. Se a evidência for consistente com a estimativa anterior, registre isso explicitamente em vez de deixar o número inalterado.

Evidência

No Good Judgment Project, os superprevisores atualizaram suas previsões mais que o dobro da frequência do participante médio e mantiveram melhor calibração como resultado. A atualização bayesiana sequencial é o referencial formal; os dados do torneio a confirmam na prática. (observational)

A frequência de atualização que melhorou a precisão em torneios de previsão pode não se aplicar identicamente a contextos de decisão pessoal com menor densidade de sinal.

Fontes

• Tetlock & Gardner (2015), Superforecasting

Erro comum

Esperar até ter "certeza" sobre uma mudança antes de atualizar — esperar pela certeza significa atualizar tarde demais e demais de uma vez, que é apenas a falha de ancoragem.