o lado obscuro das premissas
TRANSCRIPT
O lado obscuro das premissasFFM – Outubro/15
As premissas são fatores que se relacionam com as incertezas de um projeto. Dentro
desse cenário incerto, a equipe se utiliza de suposições que “destravam” o processo de
planejamento e fundamentam alguns pontos do plano de projeto, incluindo sua linha de
base.
O PMBOK Guide® (PMI, 2013) define como premissa “um fator do processo de
planejamento considerado verdadeiro, real ou certo, desprovido de prova ou
demonstração”. Afirma, ainda, que as premissas também descrevem “o impacto
potencial desses fatores se forem comprovados como falsos” e que é dever das equipes
de projeto a validação dessas premissas “como parte do processo de planejamento”.
No raciocínio lógico, as premissas são declarações que fundamentam a conclusão de um
argumento. Nos projetos, não é diferente – as conclusões obtidas pela equipe de
gerenciamento estão suportadas por premissas.
Figura 01 – Premissas são base para uma conclusão
As definições apresentadas evidenciam o relacionamento das premissas com os riscos.
Afinal, se uma premissa, elemento importante para o plano do projeto, não é certamente
verdadeira, existe uma possibilidade de que sua “negativa” seja verdadeira. Assim, para
cada premissa assumida, deve-se considerar o risco dela se revelar falsa. Aqui saliento o
uso do termo premissa “assumida” e não “registrada” ou “documentada”. É daí que vem
minha proposição de que planos de projeto possuem “premissas implícitas”, nome que
Conclusão
Premissa
Premissa
Premissa
dou a certos “saltos lógicos” da equipe de projeto durante o planejamento. Afirmo que
esses saltos lógicos são ações inconscientes de assumir premissas para se utilizar de
alguma informação ou de alguma ferramenta no gerenciamento do projeto.
Nas seguintes sessões, serão apresentadas ocasiões onde é possível encontrar premissas
implícitas.
Dados Históricos
O PMBOK Guide® (PMI, 2013) lista como técnica de estimativas de custo e prazo a
estimativa análoga, que busca em projetos anteriores considerados semelhantes
informações para realizar estimativas para o projeto atual. Se um membro de uma
equipe de projeto se utiliza de dados de um projeto A anterior para um projeto B que
será executado num futuro próximo, está assumindo a seguinte premissa: “As condições
do projeto A são semelhantes às condições do projeto B”. E isso pode ficar implícito.
Em que se baseia essa decisão acerca da semelhança? O mesmo ocorre para estimativas
paramétricas. Nesse caso, assume-me que os parâmetros utilizados nas estimativas
foram obtidos a partir de amostras reproduzem realmente o cenário do novo projeto.
Opinião Especializada
Também presente no PMBOK Guide® (PMI, 2013) está uma ferramenta importante e
utilizada em muitos processos: a opinião especializada. É a opinião de um ou mais
especialistas sobre algum aspecto particular do projeto, seja sobre requisitos, prazo,
custos, riscos e etc.
Porém, ao tomar de um especialista estimativas das durações otimista, pessimista e
mais provável atividades para uma Análise PERT, assume-se que estas durações são
confiáveis. No caso assume-se que “o gerente Fulano é capaz de fornecer estimativas
dentro da nossa tolerância de riscos para as atividades Y, Z e W”. Qual a confiança que
você pode ter nisso? Qual evidência dessa capacidade? Qual a chance de você estar
errado?
Cabe ressaltar que diversos trabalhos, como o de Kahneman (2012), Hubbard (2009) e
Taleb (2008) por exemplo, revelam que estimativas de especialistas em alguns casos são
tão ou menos precisas que estimativas de não especialistas.
Análise Quantitativa de Riscos
Em simulações de Monte Carlo, modelos do cronograma e orçamento do projeto são
construídos. Nesses modelos, atribui-se a certas variáveis submetidas à incerteza uma
função de probabilidade – uma expressão que relaciona o intervalo de valores que a
variável pode assumir com a probabilidade relativa. O ajuste de funções de
probabilidades pode ser feito a partir de dados históricos e opiniões de especialistas.
Estas estão, como já comentado, por si só sujeitas a premissas implícitas.
Mas, além disso, ao gerar simulações de Monte Carlo com um modelo de risco e usar os
resultados dessas simulações para tomada de decisões, a equipe também assume
premissas implícitas. Aqui, assume-se que o modelo de riscos gera cenários condizentes
com a realidade do projeto. Em outras palavras, num modelo de risco de prazo, assume-
se que os resultados gerados nas iterações refletem de maneira satisfatória o
comportamento das atividades futuras do projeto.
Conclusão
A consequência direta desse vem da definição de premissas: elas estão atreladas a
riscos. E como essas premissas não “aparecem” nos registros, os riscos associados ou
não aparecem também ou são subestimados. Ao desconsiderar as premissas implícitas
envolvidas nos casos citados, o projeto está exposto ao impacto de estimativas
equivocadas, tornando as linhas de base do projeto inválidas. Em projetos que utilizam
simulações para monitoramento e controle, os resultados podem oferecer projeções
falhas.
É importante que a equipe de gerenciamento de projetos assuma uma “postura cética”
em relação ao plano de projeto que está desenvolvendo e trabalhe na validação de
premissas – todas elas! Questionamentos sobre como foram feitas as estimativas do
projeto devem ser feitos constantemente.
É preciso reconhecer que incertezas estão não apenas no ambiente do projeto: no prazo
de entrega dos fornecedores, na instabilidade do clima, na cotação do dólar, nas ações
de sindicatos, nas expectativas dos clientes, no tempo necessário para se conseguir um
alvará, no absenteísmo dos colaboradores da empresa, na tecnologia nova empregada no
projeto, e etc. A incerteza está também na forma como a equipe de projeto toma suas
decisões e nas ferramentas que ela usa.
Bibliografia
Hubbard, D. W. The Failure of Risk Management: Why It’s Broken and How to Fix It.
New Jersey: Wiley & Sons, Inc, 2009.
Kahneman, D. Rápido e Devagar: Duas Formas de Pensar. Rio de Janeiro: Objetiva,
2012.
PMI, Project Management Institute. A Guide to the Project Management Body of
Knowledge. PMBOK® Guide, Fifth Edition. Project Management Institute, 2013.
Taleb, Nassim Nicholas. A lógica do cisne negro – O impacto do altamente improvável.
Rio de Janeiro: BestSeller, 2008.