Predizer o futuro é um exercício de estatística, não de adivinhação
A maioria das pessoas confunde previsão com desejo quando tenta entender o que funcionará amanhã. Há uma diferença prática entre olhar para sinais de longo prazo e apenas torcer. Vou explicar como isso funciona na prática, com os problemas que eu mesmo enfrento e que raramente aparecem em artigos otimistas.
O que funcionará amanhã depende de quem pergunta
Quando eu comecei a trabalhar com análise de tendências, achava que bastava observar dados macroeconômicos e tecnológicos. Na realidade, a variável mais importante é o contexto do problema. Um ano atrás, uma empresa de logística me procurou querendo saber se Ia generativa era a resposta para otimizar rotas de entrega. A resposta honesta foi não. O que funcionava para eles era algo muito mais simples: um algoritmo de aprendizado de reforço treinado nos dados históricos de tráfego da cidade. A Ia generativa só entraria no cenário dois anos depois, quando as APIs de planejamento tivessem maturidade suficiente. O erro comum é tratar previsões como se fossem receitas universais. Elas não são. O que funcionará amanhã para uma startup de fintech com cinco engenheiros é radicalmente diferente do que funcionará para uma indústria farmacêutica com duzentos pesquisadores.
Como construir uma previsão útil, não apenas plausível
O método que eu uso se baseia em três camadas. A primeira é a observação de adoção precoce. Não olho para produtos já vendidos em escala, mas para quem está comprando antes do mercado mainstream. A segunda camada é a análise de gargalos tecnológicos. Tecnologia nova não é o que falta; é o que está travando o caminho. A terceira camada é o teste de validade negativa: você precisa ser capaz de listar exatamente quando sua previsão estaria errada. Se não consegue definir isso, não tem uma previsão, tem um palpite. Um exemplo concreto que eu enfrentei. Estávamos avaliando se edge computing se tornaria viável para sensores industriais em 2024. Os dados de adoção mostravam crescimento de 40% ao ano em hardware de processamento embarcado. Os gargalos eram latência e custo de energia. Quando tentei listar as condições para a previsão estar errada, identifiquei que se o preço dos chips de baixo consumo caísse menos de 15% no segundo semestre, a adoção em larga escala não aconteceria. Achei que poderia colocar um número, mas o mercado de semicondutores é imprevisível em curtos prazos. A previsão se manteve, mas com margem de erro maior do que eu gostaria de admitir.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Gargalos que ninguém menciona
O problema mais frequente com análises de futuro é o viés de sobrevivência. Você vê as empresas que adotaram uma tecnologia e tiveram sucesso, mas ignora as que adotaram a mesma tecnologia e falharam. Em 2019, eu revisei um estudo sobre adoção de blockchain no setor financeiro. O estudo citava três casos de sucesso. Três. As estimativas indicavam que pelo menos doze tentativas semelhantes haviam falhado no mesmo período. O resultado disso era uma visão distorcida do que funcionaria no futuro próximo. Outro problema é a diferença entre disponibilidade técnica e adoção real. Tecnologia pronta não significa adoção pronta. A computação quântica, por exemplo, tem avançado em laboratório, mas a cadeia de suprimentos para criogenia e estabilização de ambiente ainda é um gargalo estrutural que ninguém resolveu. Prever que ela funcionará amanhã é ignorar que o problema não é o algoritmo, é a infraestrutura.
Alternativas quando a previsão não convence
Se você está tentando decidir o que funcionará amanhã e não tem dados confiáveis para as três camadas que mencionei, a melhor alternativa é o planejamento por cenários. Em vez de escolher um futuro, você constrói três ou quatro cenários plausíveis e testa suas decisões contra cada um deles. Uma decisão que funciona em todos os cenários é, na prática, mais robusta do que uma decisão que funciona apenas no cenário que você mais deseja. Eu usei isso com um cliente no setor de energia renovável. A previsão de custos de baterias de íon-lítio estava sendo feita com base em projeções lineares. Ao usar cenários — um onde a oferta de lítio se mantém estável, outro onde há restrições geopolíticas severas e outro onde novas químicas de bateria se tornam viáveis — conseguimos montar um plano de investimento que protegiamos contra os dois piores cenários sem abandonar completamente o cenário otimista. O resultado foi que, quando o preço do lítio disparou em 2023, o plano já tinha contingência. Não foi sorte. Foi ter preparado várias versões do futuro.
O que funcionará amanhã nunca será óbvio até que já esteja acontecendo. O útil é ter um método que reduza o risco de apostar errado, não um método que elimine o risco por completo. Nenhum método elimina o risco. A diferença é que alguns métodos te deixam ciente do risco e preparados para ele.
