Por que algumas das decisões propostas pelas ferramentas de otimização são tão diferentes da intuição?

Muitas indústrias têm grande expectativa de que as ferramentas de otimização melhorem seus processos de tomada de decisão, visando objetivos diversos, como a maximização do lucro ou minimização de custos, por exemplo. No entanto, às vezes a adoção de tais ferramentas leva tempo e enfrenta alguma resistência.

 

Em primeiro lugar, nem sempre é fácil demonstrar os ganhos dos modelos e algoritmos antes da implementação. Além disso, há sempre o viés do "status quo", em que os tomadores de decisão preferem continuar trabalhando da mesma maneira que sempre fizeram. Por fim, a principal dificuldade é fazer com que os tomadores de decisão tenham confiança de que as decisões propostas são coerentes e factíveis na realidade, uma vez que podem ser muito diferentes das práticas vigentes.

 

A melhor maneira de lidar com essa resistência e obter a confiança dos usuários é entender os principais motivos que justificam as decisões contra-intuitivas que uma ferramenta de otimização pode sugerir e ficar atento!

 

 

Por que algumas decisões são tão contra-intuitivas?

 

Vamos supor que o modelo seja "livre de erros" e que as soluções contra-intuitivas não se originem da incoerência do modelo. Nesse caso, precisamos entender como elas podem ser aplicadas e por que nunca foram tentadas antes.

 

1. A ferramenta identifica ganhos obtidos a partir de diferentes combinações de variáveis: após inserir equações que representam as relações entre diferentes variáveis, o modelo pode explorá-las para identificar oportunidades. Um profissional experiente pode ser capaz de reconhecer o impacto de uma variável sobre a outra, mas o poder de computação de uma ferramenta de otimização pode ser superior ao olhar para as combinações de várias variáveis ​​ao mesmo tempo (até mesmo milhares ou mais).

 

2. Os tomadores de decisão podem ser influenciados por suas experiências: o empirismo é a fonte usada por muitos tomadores de decisão, contando com suas experiências anteriores para decisões futuras. A "heurística de disponibilidade" costuma superestimar algumas decisões ("o melhor dia da operação teve essa configuração, portanto precisamos focar nesses valores") e negligenciar outros ("eu nunca operei desta forma, portanto não é possível"). No entanto, as ferramentas de otimização não têm vieses e contam apenas com os dados de entrada, equações e métodos de solução para definir as melhores decisões. Isso pode levar a decisões muito diferentes sobre as quais o tomador de decisão nunca havia pensado antes.

 

3. As pessoas tendem a simplificar problemas complexos para encontrar uma solução: às vezes, algumas decisões lógicas que parecem simples podem levar a resultados inadequados. Como humanos, quando enfrentamos problemas complexos, criamos regras e mecanismos para simplificá-los. Um exemplo clássico pode ser observado em grandes companhias que integram uma longa cadeia produtiva com o objetivo de reduzir seus custos: de forma simplificada, é comum que essa meta seja repartida uniformemente pelos departamentos. Porém, a decisão mais adequada aqui seria identificar as melhores oportunidades como um todo, buscando uma redução global, mesmo que às vezes o custo de um determinado departamento aumente.

 

4. Falta de conhecimento de alguns conceitos e teorias importantes: a otimização é a base de muitas teorias clássicas, como a microeconomia (marginalismo e equilíbrio, por exemplo). Portanto, os resultados de alguns modelos podem ser justificados por esses conceitos. Por exemplo, é uma decisão comum produzir mais porque é necessário diluir o custo fixo ou porque a demanda do mercado é alta. Porém, ao utilizar um modelo de otimização a decisão proposta pode ser diferente, com a definição de um nível ótimo de produção que irá maximizar os lucros. Esse é o tipo de solução que pode ser contra-intuitiva, mas é explicada porque a receita marginal de uma produção extra será menor do que o custo marginal,  logo o lucro será reduzido.

 

5. Valores não explorados podem representar oportunidades: uma característica de uma ferramenta de otimização é identificar a combinação de variáveis ​​que mais contribuem para o objetivo e explorá-las até atingir os limites. Nesse processo, ele pode explorar alguns valores que nunca foram explorados e descobrir ganhos potenciais! Nestes casos, os tomadores de decisão precisam avaliar se existem riscos na aplicação de tais decisões.

Minha ferramenta de otimização pode estar errada?

 

Em todos os casos citados, os modelos de otimização encontram oportunidades que não são percebidas pelos tomadores de decisão, melhorando as decisões e os resultados. Porém, às vezes é possível que a ferramenta proponha soluções incoerentes e impraticáveis ​​na realidade, decorrentes de falhas no processo de desenvolvimento e criação do modelo.

 

Isso pode acontecer por vários motivos. Portanto, é importante identificá-los e evitá-los:

 

1. O modelo não inclui partes importantes do escopo de decisão: durante o desenvolvimento de uma ferramenta de otimização, os desenvolvedores e usuários devem concordar sobre seu escopo. Se houver falha de comunicação e algumas variáveis ​​e parâmetros importantes forem desconsiderados, isso pode resultar em decisões que não representam a realidade! Para evitar isso, uma boa prática é definir o escopo em detalhes em um documento que deve ser verificado e acordado por todas as partes envolvidas.

 

2. Algumas restrições não são consideradas: às vezes, a ferramenta pode sugerir uma solução não aplicável. Depois de investigar por que não se pode aplicá-la, algumas restrições que não foram consideradas são identificadas. A fase de calibração é essencial para evitar isso: os desenvolvedores e usuários devem passar por todas as variáveis ​​observando se há limites que não foram adicionados.

 

3. A relação entre as variáveis ​​não é bem representada: em uma ferramenta de otimização, especialmente nos modelos matemáticos, é muito importante que as equações que definem a relação entre as diferentes variáveis ​​sejam bem projetadas. Essas equações podem vir de relações conhecidas (como a equação que define o lucro como receita menos custo), de estudos da literatura ou do desenvolvimento de regressões para prever o impacto de algumas variáveis ​​em outras. Para garantir que essas relações sejam bem representadas e não gerem soluções erradas, é importante validá-las com os especialistas do processo e executar testes no modelo com diferentes situações, observando como o modelo se comportará.

 

 

Potencializando as decisões com o suporte de ferramentas de otimização

 

Como podemos observar, os motivos pelos quais uma ferramenta de otimização pode propor soluções tão diferentes daquelas propostas pela intuição humana são diversos. Seu principal objetivo costuma ser auxiliar a tomada de decisão, portanto, os usuários devem tratá-lo como um consultor e sempre ser criteriosos e abertos: permitir a descoberta de diferentes possibilidades e avaliar e compreender seus impactos e riscos, e não seguir cegamente a solução proposta!

 

Afinal de contas, é bom que as decisões propostas sejam diferentes da intuição. Caso contrário, nenhuma oportunidade de ganho seria identificada e a ferramenta seria inútil!

 

Autor: Cassiano Lima - Consultor Senior na Cassotis Consulting

  Coautor: Fabio Silva - Gerente Sênior na Cassotis Consulting