Imagine que uma empresa queira aumentar a produtividade de seus funcionários.
Ela escolhe uma métrica:
número de tarefas concluídas por dia.
Parece razoável.
Então anuncia:
“A partir de agora, cada funcionário deverá concluir 30 tarefas por dia.”
O que acontece?
As pessoas começam a trabalhar para atingir o número.
Algumas tarefas são divididas artificialmente.
Outras são feitas de maneira mais superficial.
As mais difíceis são deixadas para depois.
O indicador melhora.
A produtividade real talvez não.
Esse problema é conhecido como Lei de Goodhart.
A frase ficou famosa
A formulação mais popular diz:
“Quando uma medida se torna uma meta, deixa de ser uma boa medida.”
A frase é atribuída ao economista britânico Charles Goodhart.
Mas existe uma nuance importante.
Goodhart originalmente estava discutindo política monetária, não metas empresariais.
Em 1975, ele observou que uma regularidade estatística poderia deixar de funcionar quando passasse a ser utilizada como instrumento de controle. Marko Živković
A ideia posteriormente foi generalizada para outros contextos.
O problema é que indicadores são atalhos
Imagine que queremos medir a qualidade de um hospital.
É impossível observar diretamente tudo.
Então escolhemos indicadores:
tempo de espera,
mortalidade,
número de atendimentos,
taxa de retorno,
satisfação dos pacientes.
Esses números funcionam como aproximações.
Eles tentam representar algo mais complexo.
O problema começa quando as pessoas passam a ser recompensadas diretamente pelo indicador.
O indicador vira o objetivo
Imagine uma escola avaliada pelo desempenho dos alunos em uma prova.
Se a nota for apenas uma medida de qualidade, ela pode ser útil.
Mas imagine que todo o financiamento da escola dependa daquela nota.
Agora existe um incentivo para ensinar o aluno a fazer a prova.
A escola pode melhorar a métrica sem necessariamente melhorar a educação.
Isso não significa que professores sejam desonestos.
Significa que as regras mudaram o problema que eles estão tentando resolver.
O fenômeno é econômico
Em economia, incentivos importam.
Se você altera o retorno de determinado comportamento, as pessoas respondem.
É por isso que políticas públicas precisam considerar não apenas:
“o que queremos incentivar?”
mas também:
“o que as pessoas farão para atingir a métrica escolhida?”
Essa segunda pergunta é frequentemente esquecida.
Uma empresa pode destruir sua própria métrica
Imagine uma equipe comercial.
A empresa define como meta:
número de novos clientes.
O vendedor recebe bônus por cada cliente conquistado.
O que acontece?
Ele passa a ter incentivo para adquirir clientes.
Ótimo.
Mas talvez não tenha incentivo para adquirir bons clientes.
Pode vender para pessoas que não permanecerão.
Pode oferecer descontos excessivos.
Pode prometer coisas que a empresa não consegue entregar.
A meta aumenta.
O lucro pode cair.
O problema está no que a métrica não mede
Uma boa métrica captura uma parte da realidade.
Nunca toda a realidade.
No exemplo comercial:
novos clientes é uma variável.
Mas existem outras:
margem,
retenção,
inadimplência,
custo de aquisição,
valor do cliente ao longo do tempo.
Quando apenas uma variável recebe recompensa, ela começa a dominar o comportamento.
O restante fica invisível.
Isso acontece também em governos
Imagine que um programa público tenha como meta atender 100 mil pessoas.
A administração alcança 110 mil.
Parece sucesso.
Mas e se metade das pessoas atendidas não precisasse do serviço?
Ou se o atendimento fosse tão superficial que não produzisse resultado?
A quantidade aumentou.
O impacto pode não ter aumentado.
Por isso, políticas públicas precisam distinguir:
output
de
outcome.
Output é o que o governo produz diretamente.
Outcome é o efeito que aquilo produz na realidade.
Atender pessoas é output.
Melhorar a saúde delas é outcome.
Construir escolas é output.
Melhorar aprendizagem é outcome.
Pagar bolsas é output.
Aumentar permanência escolar pode ser outcome.
A parte difícil é medir o que realmente importa
Quanto mais importante é o objetivo, mais difícil costuma ser medi-lo.
É relativamente fácil contar:
consultas,
obras,
contratos,
alunos,
atendimentos,
horas trabalhadas.
É muito mais difícil medir:
qualidade,
bem-estar,
produtividade,
aprendizado,
inovação,
confiança.
Por isso, organizações tendem a utilizar métricas observáveis.
E isso é racional.
O problema aparece quando esquecemos que a métrica é apenas uma aproximação.
Existe uma solução?
Não é abandonar indicadores.
Seria impossível administrar organizações complexas sem métricas.
A solução é reconhecer suas limitações.
Uma boa estrutura pode combinar:
múltiplos indicadores
avaliação qualitativa
auditoria
amostragem
indicadores de resultado
métricas de longo prazo
revisão periódica dos incentivos
Isso torna mais difícil manipular o sistema.
A tecnologia aumenta o problema
IA e automação tornam a medição cada vez mais precisa.
Podemos contar praticamente tudo.
Quantas mensagens.
Quantos atendimentos.
Quanto tempo.
Quantos cliques.
Quantas tarefas.
Quantas vendas.
Isso parece maravilhoso.
Mas quanto mais fácil é medir uma variável, maior pode ser a tentação de transformá-la em objetivo.
A tecnologia melhora nossa capacidade de medir.
Não necessariamente nossa capacidade de escolher o que deveria ser medido.
A pergunta que gestores deveriam fazer
Antes de criar uma meta, pergunte:
“Se eu pagar alguém para maximizar este número, o que essa pessoa fará?”
Essa pergunta é extremamente poderosa.
Se a resposta parecer diferente do comportamento que realmente queremos, existe um problema.
A métrica está mal desenhada.
E existe uma segunda pergunta
“O que pode melhorar sem que o objetivo real melhore?”
Essa pergunta procura efeitos colaterais.
Se o objetivo é reduzir tempo de atendimento, podemos reduzir o tempo simplesmente encerrando atendimentos mais rápido.
Se o objetivo é aumentar produção, podemos reduzir qualidade.
Se o objetivo é aumentar vendas, podemos aumentar descontos.
Se o objetivo é aumentar aprovação escolar, podemos facilitar a avaliação.
O número melhora.
A realidade pode piorar.
Goodhart não significa que toda meta é ruim
Esse também é um erro comum.
Metas são úteis.
Indicadores são úteis.
Bonificações são úteis.
O problema é a relação entre eles.
Uma métrica funciona melhor quando continua sendo uma boa representação do objetivo mesmo depois que as pessoas sabem que ela será usada para avaliá-las.
Quando o incentivo fica muito forte, a relação pode se romper.
A lição econômica
Goodhart começou falando de política monetária.
Mas sua ideia atravessou décadas e chegou a empresas, governos, escolas e sistemas digitais.
A razão é simples.
Pessoas respondem aos incentivos criados pelos sistemas de medição.
Se medimos uma variável, ela pode orientar decisões.
Se premiamos essa variável, ela passa a orientar ainda mais.
Se transformamos essa variável no objetivo principal, as pessoas podem começar a otimizar o número em vez da realidade que o número deveria representar.
Por isso, uma boa gestão não pergunta apenas:
“Qual é nossa meta?”
Pergunta também:
“O que estamos incentivando as pessoas a fazer para atingir essa meta?”
É nessa segunda pergunta que começa a verdadeira engenharia de incentivos.
Fontes
– Goodhart, C. A. E. “Problems of Monetary Management: The UK Experience.” 1975. Marko Živković
– Goodhart, C. A. E. “The ECB and the Conduct of Monetary Policy: Goodhart’s Law and Lessons for the Euro Area.” Journal of Common Market Studies, 2006. Wiley Online Library
– Strathern, M. “‘Improving ratings’: audit in the British University system.” European Review, 1997. A formula popularizada da Lei de Goodhart deriva dessa literatura posterior.