Viés de otimismo em projetos: por que todo projeto começa com estimativas erradas
Entenda por que equipes subestimam custos, prazos e riscos — e como dados de projetos semelhantes produzem estimativas mais realistas do que confiança e experiência isoladas.
O programa Competitive Project Management da State University of New York (SUNY), coordenado por Mario Trentim em parceria com a IBS Americas, examina o viés de otimismo como causa estrutural de fracasso em projetos — a partir de Kahneman (Planning Fallacy) e Flyvbjerg (reference class forecasting). Acontece em janeiro, New Paltz e Albany, Nova York. Bolsas de até 60% disponíveis.
Toda equipe de projeto que já fez uma estimativa de prazo e custo sabe, em algum nível, que a estimativa está errada. O que poucas equipes sabem é por quê — e por que continuam fazendo estimativas erradas da mesma maneira, projeto após projeto, mesmo com experiência acumulada e histórico documentado que demonstra o erro sistematicamente.
Antes do plano, a pergunta. E a pergunta que a maioria das organizações não faz antes de aprovar um projeto é simples: qual foi o histórico real de projetos similares a este? Não “qual é a expectativa desta equipe para este projeto?” — mas qual é a distribuição empírica de custo, prazo e escopo para projetos com este perfil, nesta organização, neste tipo de ambiente. A diferença entre essas duas perguntas é a diferença entre fazer estimativa interna — o que toda equipe faz — e fazer reference class forecasting — o que quase nenhuma equipe faz.
A lacuna entre o que sabemos sobre viés de otimismo e o que aplicamos no dia a dia da gestão de projetos é uma das mais bem documentadas e menos discutidas da área. Daniel Kahneman ganhou o Prêmio Nobel de Economia em 2002 documentando os mecanismos cognitivos que produzem esse viés. Bent Flyvbjerg passou décadas coletando dados de projetos em 136 países para quantificar o custo. E as organizações continuam aprovando projetos com estimativas que todos sabem que são otimistas demais.
A Planning Fallacy: Kahneman e os dois sistemas
Em “Thinking, Fast and Slow” (2011), Daniel Kahneman descreve a Planning Fallacy como um erro específico e sistemático na estimativa de projetos futuros. A raiz do problema está na arquitetura do pensamento humano: o Sistema 1 — rápido, automático, intuitivo — produz estimativas otimistas com facilidade, ancorando o julgamento no melhor cenário. O Sistema 2 — lento, deliberativo, analítico — é necessário para corrigir esse otimismo, mas tem custo cognitivo alto e é ativado de maneira inconsistente.
O resultado documentado por Kahneman é que pessoas fazem planos para si mesmas e para suas equipes como se fossem implementar o plano perfeito em condições ideais, ignorando sistematicamente a distribuição de resultados possíveis. Isso não é irracionalidade — é a racionalidade do Sistema 1 operando sem correção do Sistema 2. O Sistema 1 é muito eficiente. Só não serve para estimar projetos.
A Planning Fallacy não afeta apenas profissionais inexperientes. Kahneman documentou que afeta igualmente especialistas com décadas de experiência, em seus próprios domínios de competência. A familiaridade com um tipo de projeto não elimina o viés — em alguns casos, aumenta a confiança sem aumentar a precisão das estimativas. Especialistas têm histórico mais rico para racionalizar suas previsões otimistas, mas o viés permanece.
O que agrava o problema é que o Sistema 2, quando ativado para revisão de estimativas, frequentemente trabalha de dentro para fora — começa na estimativa interna do próprio projeto e ajusta marginalmente. Kahneman e Tversky documentaram esse padrão como ancoragem: o primeiro número que entra na mente — a estimativa inicial otimista — ancora toda a análise subsequente, mesmo quando o analista está conscientemente tentando ser conservador.
Antes do plano, a pergunta: qual foi o histórico real de projetos similares a este?
Prospect Theory e a ancoragem no melhor cenário
A Prospect Theory, desenvolvida por Kahneman e Tversky nos anos 1970 e formalizada em seu paper seminal de 1979 no Econometrica, descreve como as pessoas avaliam ganhos e perdas em termos de desvios de um ponto de referência, não em termos absolutos. Uma das implicações diretas para estimativas de projeto é que as pessoas tendem a dar peso desproporcional ao cenário de sucesso — a referência — e a subestimar a probabilidade e o impacto dos cenários de desvio.
Na prática de estimativa de projetos, isso se manifesta de maneira específica: a equipe elabora o plano do projeto como se o plano fosse ser executado. Não como se o plano fosse ser o ponto de partida para uma série de adaptações. A estimativa é construída sobre o cenário de execução bem-sucedida, com algum buffer para “riscos identificados” — que normalmente são os riscos mais óbvios e menores, não os que de fato acontecem.
O que a Prospect Theory explica é por que esse padrão é estável mesmo quando as pessoas têm evidência histórica clara de que os planos raramente são executados como planejados. A evidência histórica é abstrata. O plano atual é concreto, detalhado, e foi construído com esforço. O investimento cognitivo e emocional no plano cria aversão a aceitar que o plano está subestimando o que vai acontecer.
Flyvbjerg e os dados que mudam a conversa
Bent Flyvbjerg é professor na Oxford Saïd Business School e passou mais de 30 anos coletando dados sobre projetos de grande porte ao redor do mundo. Seu livro mais recente, “How Big Things Get Done” (2023), co-escrito com Dan Gardner, sintetiza os dados mais completos que existem sobre desempenho de projetos em escala global.
Os números são desconfortáveis. Flyvbjerg analisou mais de 16.000 projetos em 136 países, cobrindo décadas de dados. A conclusão: 8,5% dos projetos entregaram no prazo, dentro do orçamento e com os benefícios prometidos. Não 50%. Não 30%. 8,5%. O restante — 91,5% — entregou com alguma combinação de atraso, estouro de orçamento e entrega parcial dos benefícios prometidos.
Flyvbjerg documenta que os projetos que mais extrapolam estimativas são consistentemente os mais complexos, com mais incerteza técnica e mais interdependências. Mas também que mesmo projetos relativamente simples mostram o mesmo padrão de subestimação de custo e prazo — simplesmente em menor magnitude. O viés não é específico de grandes projetos. É sistêmico.
O conceito central que Flyvbjerg propõe como antídoto é o reference class forecasting: em vez de estimar um projeto específico a partir de dentro — analisando suas características únicas e construindo uma estimativa bottom-up — estimar a partir de fora, olhando para a distribuição real de resultados de projetos similares. A pergunta muda de “quanto este projeto vai custar?” para “qual foi o custo mediano de projetos com este perfil no passado?”
A diferença parece simples. Na prática, é uma mudança significativa de epistemologia gerencial. Exige abrir mão da ilusão de que este projeto é suficientemente único para justificar ignorar os dados históricos. E exige que a organização tenha dados históricos organizados de maneira que permitam essa comparação — o que a maioria não tem.
Por que gerentes sabem que estão sendo otimistas e continuam assim
A ironia documentada por Kahneman e confirmada pela pesquisa de Flyvbjerg é que muitos gerentes de projetos sabem, no nível abstrato, que suas estimativas são otimistas. Quando perguntados em contexto anônimo, ou quando olham para outros projetos da organização, reconhecem o padrão. Quando trabalham nas suas próprias estimativas, aplicam o mesmo otimismo que identificam nos outros.
Há razões estruturais para isso que vão além da cognição individual. A primeira é pressão política para aprovação de projetos. Organizações aprovam mais facilmente projetos com estimativas agressivas. Um projeto proposto com estimativa realista — baseada em reference class forecasting, que mostra que projetos similares normalmente custam 40% mais e demoram 60% mais — enfrenta resistência maior do que um projeto proposto com estimativa otimista que “cabe no orçamento”.
A segunda razão é a estrutura de incentivos. O gerente que propõe uma estimativa conservadora e entrega dentro do prazo recebe menos reconhecimento do que o gerente que propõe uma estimativa agressiva, consegue aprovação, e tenta — mesmo que não consiga — entregar dentro do prazo otimista. O reconhecimento vai para quem tenta o difícil, não necessariamente para quem entrega o que prometeu.
A terceira razão é o viés de confirmação: uma vez que o projeto foi aprovado com a estimativa otimista, a tendência é buscar evidências de que a estimativa pode ser alcançada, não evidências de que não pode. Isso se intensifica à medida que o projeto avança e o investimento aumenta — o que Kahneman chama de sunk cost fallacy operando dentro do contexto de projeto.
A quarta razão é a ausência de consequências simétricas. Quando o projeto extrapola prazo e orçamento, a narrativa frequentemente é sobre “problemas imprevistos” — não sobre estimativa estruturalmente otimista desde o início. Isso elimina o feedback que poderia calibrar estimativas futuras.
O que muda com reference class forecasting
Flyvbjerg documentou casos onde o reference class forecasting foi aplicado — mais sistematicamente no Reino Unido, após o governo britânico adotar a abordagem como padrão para projetos de infraestrutura. O resultado consistente é que as estimativas iniciais ficam mais próximas do resultado real. Não porque o método prevê o futuro com precisão — mas porque incorpora a distribuição histórica de resultados em vez de ignorá-la.
A implicação prática mais importante não é apenas a acurácia da estimativa. É o que o método força a organização a reconhecer: que a incerteza sobre o resultado de qualquer projeto específico é alta, que o gerenciamento de projetos é, em grande parte, gerenciamento de incerteza, e que a estimativa é uma distribuição de probabilidades, não um número único.
Quando uma organização começa a tratar estimativas como distribuições — “há 50% de probabilidade de que este projeto entregue em 18 meses, 80% de probabilidade de que entregue em 24 meses, e 95% de probabilidade de que entregue em 30 meses” — a conversa com a liderança muda. O projeto não é mais “vai entregar em 18 meses”. É “qual é o nível de confiança que queremos ter para tomar a decisão de aprovação, e o que isso implica em termos de contingência e gestão de risco?”
Isso é uma conversa mais difícil. Mas é a conversa honesta. E é a conversa que previne o problema recorrente de projetos aprovados com estimativas que todos sabem que estão subestimadas, seguidos de renegociações de prazo e orçamento que poderiam ter sido evitadas desde o início.
O problema não é fazer a estimativa errada. É não perguntar qual foi o histórico real de projetos similares antes de fazer qualquer estimativa.
Como o SUNY aborda esse problema
No programa Competitive Project Management da SUNY, o viés de otimismo não é tratado como conceito teórico para ser memorizado. É tratado como problema prático que os participantes trazem de suas próprias organizações. O exercício central é direto: apresentar um projeto real, com a estimativa que foi aprovada, e calcular onde esse projeto se posiciona em relação à distribuição histórica de projetos similares.
A maioria dos participantes descobre que seus projetos foram aprovados com estimativas que estavam no quartil mais otimista da distribuição histórica. Não porque a equipe foi desonesta — mas porque o processo de estimativa não consultou a distribuição histórica. Consultou a equipe do projeto, que aplicou a Planning Fallacy de maneira completamente natural.
O segundo exercício é mais desconfortável: recalcular a estimativa aplicando reference class forecasting e apresentar o resultado para o grupo. O número resultante é consistentemente maior — às vezes muito maior — do que a estimativa aprovada. E a pergunta que o exercício força é: se você apresentasse essa estimativa para a sua liderança hoje, o projeto teria sido aprovado? E o que isso diz sobre os projetos que estão sendo aprovados na sua organização?
Esse não é um exercício de desmotivar equipes. É um exercício de desenvolver a capacidade de ter conversas honestas sobre incerteza — que é o trabalho real do gerente de projetos em qualquer projeto que importe.
O que isso significa para a carreira
O gerente de projetos que consegue ter conversas honestas sobre estimativas — que usa dados históricos para calibrar expectativas antes de comprometer prazos, que distingue entre o cenário esperado e o cenário seguro para commit público, e que consegue comunicar essa distinção para a liderança sem perder credibilidade — é o gerente que as organizações precisam e que poucas conseguem encontrar.
Em contextos internacionais, essa competência é ainda mais diferenciada. Organizações globais que operam em múltiplos mercados têm mais dados históricos disponíveis e mais incentivo para usá-los. A pergunta “em que referência de classe você está baseando essa estimativa?” começa a aparecer em revisões de portfólio de organizações maduras. O profissional que não sabe responder a essa pergunta está em desvantagem competitiva.
O SUNY desenvolve essa competência — não como ferramenta isolada, mas como parte de uma abordagem mais ampla de gestão de projetos baseada em evidências, não em intuição otimista.
Limitações
1. Reference class forecasting exige dados históricos que muitas organizações não têm organizados. A técnica depende da existência de uma classe de projetos comparáveis com dados de resultado documentados. Organizações que não têm esse histórico organizado precisam primeiro construir essa base — o que leva tempo e exige disciplina de governança de dados de projetos que vai além do que a maioria das PMOs mantém.
2. Em projetos genuinamente inovadores, a referência histórica tem limitações significativas. Quando um projeto não tem análogo histórico próximo — desenvolvimento de nova tecnologia, expansão para mercado completamente novo, mudança regulatória sem precedente — o reference class forecasting perde precisão. Outros métodos de gestão de incerteza, como scenario planning e real options, são mais adequados nesses casos.
3. Aplicar a técnica sem mudar o processo de aprovação tem impacto limitado. Se as estimativas mais conservadoras produzidas por reference class forecasting enfrentam resistência no processo de aprovação porque “são conservadoras demais”, a técnica produz análises que não mudam decisões. A mudança real requer que a liderança da organização também mude sua relação com incerteza — o que é trabalho de cultura organizacional, não apenas de método de estimativa.
Leia também neste hub: Decisões sob incerteza: o que Kahneman ensina que o CSUN coloca em prática · Pensamento estratégico não é planejar: o erro que os MBAs estão cometendo há 30 anos · O gerente de projetos da era da IA: o que vai mudar e o que vai permanecer
Competitive Project Management — State University of New York (SUNY) · Janeiro
O programa SUNY examina viés de otimismo, reference class forecasting e gestão de incerteza em projetos com base em casos reais e dados empíricos. Realizado em New Paltz e Albany, Nova York, em janeiro. Bolsas de até 60% disponíveis.
Mario H. Trentim é keynote speaker e membro do Board of Directors do PMI Global (2025–2027). Doutorando em Engenharia Aeronáutica e Mecânica no ITA, autor de 13 livros e Academic Leader dos programas de gestão na CSUN e SUNY. trentim.com