O "lado obscuro" das premissas

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 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, N. N. A lógica do cisne negro – O impacto do altamente improvável. Rio de Janeiro: BestSeller, 2008.