 |
| Bellacosa Mainframe e o anchoring bias |
☕ Um Café no Bellacosa Mainframe
Anchoring Bias: Doctor Who, COBOL e o Dia em que o Primeiro Palpite Virou o Centro Gravitacional da War Room
Uma viagem pela TARDIS dos incidentes para entender por que a primeira informação que recebemos — um número, um alerta, um comentário do senior ou um rótulo no ticket — pode influenciar tudo aquilo que pensamos depois, mesmo quando novas evidências começam a apontar em outra direção
03:07.
War Room.
O café já não está quente.
Mas ninguém reclama.
No telão:
INCIDENTE P1
APLICAÇÃO:
PAYMENTS-X
SINTOMA:
LATÊNCIA ELEVADA
INÍCIO:
02:52
STATUS:
INVESTIGANDO
Nosso jovem programador COBOL acabou de entrar.
Ainda está tentando entender:
quem está na sala;
qual componente falhou;
qual foi a última mudança;
e por que existem seis pessoas falando ao mesmo tempo.
Então alguém diz:
— Isso está com cara de Db2.
Pronto.
Cinco segundos.
Uma frase.
Nenhuma prova.
Nenhum trace.
Nenhuma análise.
Mas algo aconteceu.
O jovem olha para o dashboard de Db2.
O DBA começa a procurar locks.
O gerente pergunta:
— Tivemos problema de database ontem também, não?
Outro analista:
— Tivemos.
Nosso jovem abre:
DB2 ACCOUNTING
Depois:
DB2 LOCKS
Depois:
DB2 BUFFERPOOL
Nem percebe que ainda não olhou:
MQ.
Network.
CICS.
API externa.
Volume de entrada.
Certificados.
Fila downstream.
O primeiro comentário:
“tem cara de Db2”
não provou nada.
Mas organizou:
toda a busca.
VWORP.
VWORP.
VWORP.
A TARDIS surge ao lado do monitor.
A porta abre.
O Doctor sai.
Olha para a sala.
— Qual é a causa?
Gerente:
— Provavelmente Db2.
Doctor:
— Evidência?
Silêncio.
— Quem falou primeiro?
Todos apontam para:
um analista.
Doctor:
— E por que vocês continuam olhando Db2?
Gerente:
— Porque parece Db2.
Doctor:
— Interessante.
Ele pega uma caneta.
Escreve no quadro:
FIRST INFORMATION
↓
ATTENTION
↓
INTERPRETATION
↓
DECISION
Depois escreve:
ANCHORING BIAS
Ou:
Viés de Ancoragem.
Em linguagem Bellacosa:
é quando a primeira informação que entra na cabeça ganha peso demais e passa a influenciar tudo o que vem depois.
🧠 O que é Anchoring Bias?
Anchoring Bias é a tendência de nossas estimativas, julgamentos e decisões ficarem influenciados por uma informação inicial.
Essa informação funciona como:
âncora.
Depois fazemos ajustes.
Mas normalmente:
ajustamos pouco.
Imagine alguém perguntar:
“Essa mudança vai levar mais ou menos de 10 dias?”
Depois:
“Quanto tempo você acha?”
Mesmo que você não queira,
o número:
10
entrou no sistema.
Agora sua estimativa talvez fique:
8;
12;
Se a pergunta tivesse sido:
“mais ou menos de 100 dias?”
a estimativa poderia:
mudar.
O primeiro número:
não é neutro.
☕ Bellacosa Definition
“A âncora é o primeiro valor que entra no working-storage da cabeça e depois ninguém lembra de fazer INITIALIZE.”
💻 COBOL cerebral
Imagine:
01 WS-ESTIMATE PIC 9(03).
MOVE 10 TO WS-ESTIMATE.
Depois você começa:
a recalcular.
Mas em vez de:
começar do zero,
você faz:
ADD 2 TO WS-ESTIMATE.
ou:
SUBTRACT 3 FROM WS-ESTIMATE.
Resultado:
continua orbitando:
Esse é o mecanismo psicológico clássico chamado:
insufficient adjustment
ou:
ajuste insuficiente.
🧠 A primeira informação não precisa ser boa
Esse é o problema.
Pode ser:
aleatória;
incompleta;
desatualizada;
mal interpretada;
irrelevante.
Mesmo assim:
gruda.
👻 Easter Egg nº 1 — Dalek Estimator
Manager Dalek:
— HOW LONG WILL THE PROJECT TAKE?
Programmer:
— I don’t know yet.
Dalek:
— TWO WEEKS?
Programmer:
— Probably three.
Doctor:
— Why three?
Programmer:
— Because two felt optimistic.
Doctor:
— Congratulations.
— For what?
— You just estimated relative to a completely invented number.
🧠 Anchoring em estimativas de projeto
Talvez seja:
o exemplo corporativo mais comum.
Gerente:
— Isso é coisa de um dia, certo?
Pronto.
Agora o desenvolvedor pensa:
“Não, um dia é pouco.”
Mas talvez responda:
“Três.”
Sem aquela âncora,
talvez dissesse:
sete.
Ou dez.
☕ A frase:
“isso é simples”
é uma âncora.
Assim como:
“isso não deve levar mais de duas horas.”
🧠 Planning Fallacy encontra Anchoring
Gerente define:
prazo inicial otimista.
Esse prazo vira:
anchor.
Depois surgem:
novas informações.
Integração.
Teste.
Security.
Data migration.
Mas ao invés de:
reestimar do zero,
começamos:
adicionar dias.
10 dias
+ 2
+ 3
+ 5
Talvez o projeto real fosse:
Mas ficamos:
presos ao primeiro 10.
Planning Fallacy + Anchoring.
🎯 Pergunta Bellacosa nº 1
“Se ninguém tivesse mencionado esse número, qual seria minha estimativa?”
Excelente para planejamento.
🧠 Anchoring na War Room
Agora:
primeira hipótese.
— É Db2.
Essa frase cria:
âncora causal.
A partir daí:
logs Db2 parecem:
mais importantes.
Warnings:
ganham significado.
Outros sinais:
parecem ruído.
🧠 Confirmation Bias chega depois
Anchoring escolhe:
a hipótese.
Confirmation Bias procura:
provas.
Sequência:
FIRST GUESS
↓
ANCHOR
↓
SEARCH FOR SUPPORT
↓
CONFIRMATION
Perigoso.
☕ Anchoring planta.
Confirmation Bias:
rega.
🧠 Streetlight Effect entra
Se a âncora é:
Db2,
e Db2 tem:
muita telemetria,
Streetlight Effect ajuda:
ficar ali.
Agora temos:
primeira hipótese
ferramentas boas.
O resto da cadeia desaparece.
🧠 Search Satisfaction
Encontramos:
um lock.
Pronto.
Search Satisfaction:
“achei.”
A âncora:
parece confirmada.
🧠 Premature Closure
Agora dizemos:
“é Db2.”
A hipótese virou:
conclusão.
🧠 Diagnosis Momentum
Depois:
o próximo turno recebe:
“Db2 incident.”
A âncora agora:
viaja.
Esse é o motivo pelo qual Anchoring é tão central.
Ele é:
o primeiro dominó.
☕ O primeiro comentário da War Room
pode ser:
mais importante do que parece.
🧠 Anchoring e Recency Bias
Último incidente:
Db2.
Hoje:
problema parecido.
A memória recente:
gera âncora.
— Deve ser Db2 de novo.
Recency dá:
conteúdo.
Anchoring dá:
peso.
🧠 Representativeness Heuristic
Sintoma:
parece incidente antigo.
Logo:
mesma causa.
A semelhança:
vira âncora.
🎯 Pergunta Bellacosa nº 2
“Essa hipótese nasceu da evidência atual ou da semelhança com algum caso antigo?”
🧠 Anchoring e Framing Effect
Ticket:
DB2 PERFORMANCE ISSUE
Antes mesmo de abrir:
log,
você já está:
ancorado.
Compare:
PAYMENT LATENCY
Muito diferente.
O título:
é âncora.
☕ Ticket title
não deveria:
resolver o incidente
antes da equipe.
🧠 Anchoring em números
Outro clássico.
Você pergunta:
— Quantos clientes foram afetados?
Alguém:
— Uns 500.
Mais tarde descobre:
estimativa real ainda não existe.
Mas o número:
500
vai parar:
no status.
Depois:
“cerca de 600.”
Depois:
“aproximadamente 700.”
Talvez fossem:
12 mil.
O primeiro número:
organizou todos os ajustes.
🧠 Incident impact estimation
Nunca confunda:
primeiro chute
com:
baseline.
🎯 Pergunta Bellacosa nº 3
“Esse valor veio de medição ou foi a primeira aproximação disponível?”
🧠 Anchoring em budget
Fornecedor:
R$1 milhão.
Negociação começa.
Mesmo que custo real:
R$300 mil,
o milhão:
vira referência.
Então:
R$700 mil
parece:
desconto.
☕ Isso explica parte da magia de:
“de R$999 por R$499.”
O cérebro compara:
com 999.
Não:
com valor real.
🧠 Anchoring em salário
Primeiro número:
define negociação.
Por isso:
anchor strategy
é conhecida em negociação.
Mesmo quem sabe:
pode ser influenciado.
🧠 Mainframe version
Vendor:
— Modernização custa US$ 20 milhões.
Diretor:
— Muito.
Vendor:
— Podemos fazer 14.
Agora 14 parece:
barato.
Mas ninguém perguntou:
qual deveria ser o custo baseado no trabalho?
🎯 Pergunta Bellacosa nº 4
“Estamos avaliando esse número pela realidade ou pelo número que veio imediatamente antes?”
🧠 Anchoring em performance
Historicamente:
batch leva:
40 minutos.
Novo hardware:
talvez deveria:
Mas todos continuam:
tratando 40 como referência.
Agora:
35 parece excelente.
Anchor:
legacy baseline.
☕ Baseline antigo
pode virar:
prisão.
🧠 Status Quo Bias
Anchoring frequentemente trabalha com:
status quo.
“sempre levou 40.”
Logo:
40 = normal.
Talvez:
não devesse mais.
Status Quo + Anchoring.
🧠 Cultural Debt entra
Decisão antiga:
certa.
Número antigo:
vira referência.
Arquitetura muda.
Negócio muda.
Mas âncora:
fica.
Exemplo:
“batch precisa terminar às 06:00.”
Por quê?
Porque:
há 20 anos agência abria:
08:00.
Hoje:
processo é:
online.
Mas 06:00 continua:
sagrado.
Anchoring temporal virou:
Cultural Debt.
☕ O primeiro SLA
pode sobreviver:
ao motivo que o criou.
🧠 Anchoring em architecture
Alguém diz:
“mainframe é caro.”
Pronto.
Toda discussão começa:
custo.
Mas:
qual custo?
Por transaction?
Reliability?
Security?
Migration?
Risk?
Primeiro frame:
ancora.
🧠 Anchoring tecnológico
“Cloud is cheaper.”
“Mainframe is legacy.”
“Microservices are scalable.”
“COBOL is old.”
Todas podem:
virar âncoras.
Depois buscamos:
evidência que encaixa.
🎯 Pergunta Bellacosa nº 5
“Estamos analisando tecnologia ou defendendo um rótulo que veio antes da análise?”
🧠 Anchoring e Dunning-Kruger
Iniciante:
não possui muitas referências.
Primeira explicação:
ganha peso enorme.
Senior diz:
— S0C7 é dado inválido.
Júnior:
aprende.
Depois:
todo S0C7:
“arquivo ruim.”
Mas pode ser:
overlay;
copybook;
bad address;
conversion;
data.
Primeiro ensinamento:
vira âncora simplificada.
☕ Conhecimento inicial
é necessário.
Mas deve:
ganhar nuance.
🧠 Ensino para COBOL iniciante
Quando ensinar:
S0C7 = DATA EXCEPTION
ótimo.
Mas acrescente:
“isso é sintoma técnico; ainda precisamos descobrir por que o dado chegou inválido.”
Assim:
evitamos âncora causal.
🧠 Anchoring em ABEND
S0C7:
dado.
S0C4:
memory/addressing.
S322:
timeout.
Mas:
abend code
é:
ponto inicial.
Não:
RCA completa.
🎯 Pergunta Bellacosa nº 6
“Estou usando o código de erro para orientar investigação ou para encerrar diagnóstico?”
🧠 Anchoring e Authority Bias
Senior:
— Isso é WLM.
Agora:
everyone WLM.
Por quê?
Porque:
senior.
Anchor ganha:
massa com autoridade.
☕ Senioridade aumenta:
prior probability.
Não:
certeza.
🧠 Anchoring e Diagnosis Momentum
Senior hipótese:
vira ticket.
Ticket:
vira handoff.
Handoff:
vira executive summary.
Agora:
anchor social.
🧠 Anchoring e números executivos
Diretor pergunta:
— Impacto é 10%?
Mesmo sendo pergunta,
já lançou:
anchor.
Equipe:
“talvez 15%.”
Se perguntasse:
— Quanto é o impacto?
Resposta poderia:
diferir.
🎯 Pergunta Bellacosa nº 7
“A pergunta já contém uma resposta sugerida?”
Essa é fantástica.
🧠 Leading Questions
“Não foi a mudança de ontem?”
“Isso é Db2, certo?”
“Não deve passar de duas horas, correto?”
Essas perguntas:
não são neutras.
Elas instalam:
âncora.
☕ Em investigação:
pergunte:
“O que aconteceu?”
antes de:
“Foi X?”
🧠 Interview bias
Ao perguntar para operador:
— O problema começou depois do deploy?
ele começa:
a procurar relação.
Better:
— Quando percebeu o primeiro sintoma?
Depois:
compare com deploy.
🧠 Anchoring em RCA meetings
Facilitador abre:
— Acredito que problema foi falta de teste.
Pronto.
RCA agora:
sobre teste.
Talvez fosse:
requirement;
incentive;
change;
monitoring.
🎯 Pergunta Bellacosa nº 8
“A primeira pessoa a falar deveria ser também a pessoa que propõe a causa?”
Às vezes não.
🧠 Independent hypothesis generation
Uma técnica muito boa:
antes da discussão,
cada especialista escreve:
top 3 hipóteses.
Depois:
compartilham.
Isso reduz:
anchor social.
☕ Primeiro pense.
Depois ouça.
Muito útil.
🧠 Anchoring e Groupthink
Primeiro senior:
X.
Restante:
adjust around X.
Depois:
consenso.
Mas talvez:
consenso nasceu:
da ordem de fala.
Groupthink + Anchoring.
🧠 Randomize order
In critical review:
juniors first.
Then seniors.
Reduces authority anchor.
🎯 Pergunta Bellacosa nº 9
“Se a ordem de fala fosse invertida, chegaríamos à mesma conclusão?”
🧠 Anchoring em estimativa COBOL
Gerente:
— Alteração pequena.
Programador:
— Talvez.
“Pequena” é:
anchor sem número.
Agora você procura:
como fazer pequeno.
Talvez:
copybook compartilhado;
20 programas;
DB2 package;
CICS map;
batch downstream.
Não pequeno.
☕ Adjetivo também pode:
ser âncora.
🧠 Anchoring verbal
“simples.”
“rápido.”
“baixo risco.”
“apenas.”
“só.”
Essas palavras:
moldam.
🎯 Pergunta Bellacosa nº 10
“Quem decidiu que isso era simples antes da análise?”
🧠 Anchoring e Goal Gradient
Projeto:
90%.
Essa porcentagem:
vira âncora.
Agora:
“falta pouco.”
Mesmo que:
risco restante:
alto.
Goal Gradient acelera.
Anchoring fixa:
90% como referência.
🧠 Metric Fixation
Percentual:
parece objetivo.
Anchor quantitativo.
☕ 97%
é apenas:
um número.
Mas pode dirigir:
uma reunião inteira.
🧠 Anchoring e McNamara Fallacy
Primeiro KPI:
availability.
Depois:
toda saúde do serviço
orbita:
availability.
Mesmo quando:
correctness;
customer impact;
manual toil
importam.
Métrica inicial vira:
anchor conceitual.
🧠 Goodhart
Depois:
anchor vira target.
Goodhart.
🧠 Anchoring e Zero-Risk Bias
Alguém fala:
“precisamos eliminar totalmente vulnerabilidades críticas.”
Zero:
anchor.
Agora:
qualquer risco residual:
parece intolerável.
Mesmo se:
trade-off piora.
🎯 Pergunta Bellacosa nº 11
“O valor zero foi escolhido por análise de risco ou por conforto psicológico?”
🧠 Anchoring em incident severity
Primeira pessoa:
— P2.
Ticket:
P2.
Impact grows.
Mas todos:
adjust slowly.
Maybe deveria:
P1.
Anchor de severidade.
Outro lado:
primeiro chama P1.
Mesmo depois:
baixo impacto,
continua:
panic.
☕ Severidade também tem:
inércia.
🧠 Re-anchor with evidence
Severity should:
update.
Not:
stay.
🎯 Pergunta Bellacosa nº 12
“Se abríssemos o incidente agora, com os dados atuais, daríamos a mesma severidade?”
🧠 Anchoring e baseline técnico
CPU normal:
70%.
Por quê?
“sempre foi.”
Maybe:
bad design.
Baseline should:
reflect:
healthy state,
not:
historical habit.
🧠 Anchoring em capacity
Last year:
peak 80%.
Forecast:
starts:
But new customer:
changes workload.
Need:
new model.
☕ Forecast não é:
ano passado + 10%.
Às vezes.
🧠 Anchoring em orçamento anual
Budget previous year:
anchor.
New budget:
+5%.
But:
needs changed.
This is known:
incremental budgeting.
Anchoring explains part.
🧠 Ratchet Effect
Last performance:
anchor
and floor.
Then:
ratchet.
🎯 Pergunta Bellacosa nº 13
“Estamos construindo a nova meta a partir da necessidade atual ou apenas ajustando a antiga?”
🧠 Anchoring em fornecedores
Vendor reputation:
good.
New incident:
benefit of doubt.
Or bad:
every incident blamed.
Reputation:
anchor.
Fundamental Attribution Error.
☕ Marca também:
ancora.
🧠 Anchoring em pessoas
“Ele é excelente.”
Future mistake:
exception.
“Ele é ruim.”
Future success:
luck.
First impression:
anchor.
Halo Effect.
Horn Effect.
🧠 First Impression Bias
Related.
Anchoring can help explain:
persistence of first impression.
🎯 Pergunta Bellacosa nº 14
“Estou avaliando este evento ou reinterpretando-o à luz da reputação anterior?”
🧠 Anchoring e AI
Agora moderno.
Prompt:
“A causa parece ser Db2. Analise.”
Você acabou:
ancorar a IA.
Ela talvez:
procure Db2.
Better:
“Analise independentemente as possíveis causas. Uma hipótese anterior mencionou Db2, mas trate-a como não confirmada.”
Huge difference.
🤖 Prompt as anchor
Context window:
contains:
first hypothesis.
Model reasons:
from context.
Be careful.
🧠 AI debugging
“Find the bug in this loop.”
What if:
bug not loop?
Prompt narrows:
search space.
Streetlight + Anchoring.
🎯 Pergunta Bellacosa nº 15
“Estou pedindo à IA para investigar ou estou sugerindo a conclusão no próprio prompt?”
🧠 Anchoring e RAG
RAG retrieves:
top document.
First result:
maybe anchor.
Model then:
builds answer.
Need:
diverse retrieval.
Multiple sources.
🧠 Search ranking itself anchors
Top result:
more attention.
Streetlight.
Search Satisfaction.
☕ Primeiro resultado do Google
não recebe:
certificado de verdade.
🧠 Anchoring em AIOps
Classifier says:
70% Db2.
Operator:
anchors.
Maybe classifier:
prior.
Now:
human ignores:
new signal.
Automation Bias.
🧠 Automation Bias
If anchor comes from:
machine,
authority may:
increase.
“AI says Db2.”
Careful.
🎯 Pergunta Bellacosa nº 16
“Esse score da IA é evidência independente ou apenas uma priorização de hipóteses?”
🧠 Anchoring e security
SIEM alert:
“possible credential theft.”
Now analyst:
credential theft.
Could be:
service account rotation.
Alert label:
anchor.
Need:
raw evidence.
🧠 Anchoring e fraud
First transaction:
looks fraudulent.
Account:
labeled.
Future transactions:
interpreted through:
fraud anchor.
Maybe false positive.
🧠 Anchoring e legal/compliance
First audit finding:
“weak control.”
Years:
control viewed weak.
Even after:
improved.
Diagnosis Momentum + Anchoring.
☕ Label antigo
vira:
âncora nova.
🧠 Anchoring e Cultural Debt novamente
“Esse sistema é crítico demais para mexer.”
Talvez era verdade:
15 years ago.
Now:
architecture.
tools.
staff.
changed.
Anchor persists.
Culture:
forms around.
🎯 Pergunta Bellacosa nº 17
“Essa afirmação ainda é evidência atual ou apenas história acumulada?”
🧠 Anchoring e Sunk Cost
Investimos:
R$10 milhões.
Agora:
esse valor vira:
âncora.
“Não podemos abandonar.”
But future decision should:
consider future costs/benefits.
Not:
past.
Sunk Cost.
🧠 Anchoring e Escalation of Commitment
Original plan:
anchor.
New evidence:
bad.
But:
keep adjusting.
Not:
rethink.
☕ Plano antigo
pode virar:
coordenada fixa.
Mesmo quando:
mapa mudou.
🧠 Anchoring e Loss Aversion
Original price.
Original performance.
Original expectation.
Loss defined:
relative to anchor.
This is fundamental in prospect theory.
Our perception of gains/losses depends on:
reference point.
Anchors can become:
reference points.
🧠 Example
System target:
99.9%.
Actual:
99.8%.
Feels:
loss.
If old baseline:
98%.
Huge improvement.
Which frame?
Reference matters.
🎯 Pergunta Bellacosa nº 18
“Qual referência estamos usando para decidir se isso é bom ou ruim?”
🧠 Anchoring e SLA
SLA negotiated:
99.9%.
Years later:
customer needs:
99.99.
But old SLA:
anchor.
“Estamos above contract.”
Maybe:
business still fails.
Goal Substitution.
🧠 Contract anchor
Legal success.
Operational failure.
☕ SLA é:
piso contratual.
Não necessariamente:
definição de qualidade.
🧠 Anchoring e postmortem
First timeline:
contains:
“deployment caused issue.”
Later evidence:
maybe no.
But RCA draft:
built around.
Hard to:
rebuild.
Need:
facts-first.
🧠 Premature Narrative
Narrative Bias.
🎯 Pergunta Bellacosa nº 19
“Estamos revisando a hipótese ou apenas editando a história original?”
🧠 Anchoring e RCA tools
Form asks:
ROOT CAUSE:
Too early.
Field itself:
anchors.
Better:
LEADING HYPOTHESES:
Then:
confirmed root/contributors.
Data model influences:
thinking.
☕ Um campo obrigatório
pode induzir:
certeza prematura.
🧠 Anchoring e NOT NULL
Again:
ROOT_CAUSE NOT NULL
Organizational disaster.
Someone fills:
something.
That something:
anchors historical data.
🧠 AI training later
Old labels:
become:
training data.
Anchor at scale.
🎯 Pergunta Bellacosa nº 20
“Nosso sistema obriga alguém a dar uma resposta antes de existir evidência suficiente?”
🧠 Anchoring e order effects
Question order:
matters.
If ask:
“Is Db2 causing latency?”
then:
“What else?”
Db2 anchor.
Better:
“List plausible causes.”
Then:
evaluate Db2.
🧠 Checklist order
Even checklist can:
anchor.
Randomize or:
broad first.
☕ O primeiro item da checklist
também recebe:
holofote.
🧠 Anchoring e code review
Reviewer sees:
author comment:
“Fixes overflow.”
Now:
looks overflow.
Maybe:
security issue elsewhere.
Independent review:
first read code
before reading:
author hypothesis.
Sometimes useful.
🎯 Pergunta Bellacosa nº 21
“Quanta interpretação devemos mostrar ao revisor antes que ele faça sua primeira leitura?”
🧠 Anchoring em troubleshooting runbooks
Runbook:
“Latency → check Db2.”
This is:
explicit anchor.
Good if:
base rate high.
Bad if:
exclusive.
Better:
Latency:
1. confirm scope
2. identify affected path
3. check recent change
4. inspect key dependencies
Then specific branches.
☕ Runbook deveria:
guiar busca.
Não:
pré-julgar culpado.
🧠 Anchoring e heuristics
Heuristics are:
useful.
Expert:
“usually Db2.”
This prior:
helps.
But must:
update.
The mistake:
isn't starting with prior.
It's refusing:
to move enough.
🧠 Bayesian analogy
Prior:
Db2 50%.
Evidence:
network error.
Update:
should change.
Anchoring means:
update too little.
🎯 Pergunta Bellacosa nº 22
“A nova evidência mudou nossa probabilidade ou apenas nossa explicação verbal?”
🧠 Anchoring e confidence
Initial confidence:
60%.
Later:
contradictory evidence.
Still:
55%.
Maybe insufficient adjustment.
Could drop:
Be deliberate.
🧠 Re-estimation from scratch
Powerful technique.
After major new evidence:
discard old estimate and rebuild.
☕ Não faça:
“10 + mais 5 dias.”
Pergunte:
“Se eu estimasse hoje do zero?”
🧪 Técnica Bellacosa nº 1 — Zero-Based Estimate
For project:
ignore old number.
Estimate:
tasks.
dependencies.
risk.
Then compare.
🧪 Técnica nº 2 — Blind Hypothesis Generation
Before hearing:
first guess,
write your own.
🧪 Técnica nº 3 — Multiple Anchors
If unavoidable:
consider:
best case;
likely;
worst.
Avoid:
single anchor.
🧪 Técnica nº 4 — Outside View
Look:
similar projects/incidents.
Base rates.
Not:
one internal guess.
🧪 Técnica nº 5 — Disconfirming Evidence
Ask:
what would move us away?
☕ A âncora só é perigosa
quando:
ninguém verifica a corrente.
🧠 Anchoring em estimates: three-point
Instead of:
“10 days.”
Use:
OPTIMISTIC: 8
LIKELY: 15
PESSIMISTIC: 30
More honest.
Still estimates.
But less:
single-number fixation.
🧠 Range
A range reduces:
false precision.
🎯 Pergunta Bellacosa nº 23
“Por que estamos exigindo um número único quando a realidade ainda é uma distribuição?”
🧠 Anchoring e False Precision
Manager says:
12.5 days.
Now:
precision anchor.
Looks:
scientific.
Maybe:
guess.
Metric Fixation.
☕ Decimal
não é:
evidence.
🧠 Anchoring em performance targets
“CPU should be below 70.”
Why 70?
Maybe:
historical threshold.
Everyone tunes:
But:
system may handle 85.
Or suffer at 60.
Threshold anchor.
🎯 Pergunta Bellacosa nº 24
“Qual evidência originou esse threshold?”
🧠 Anchoring e Alert Thresholds
Threshold:
500 queue depth.
At 499:
green.
At 501:
red.
Anchor boundary.
Reality continuous.
Metric Fixation.
🧠 Threshold crossing
Don't let:
number
replace:
trend/context.
☕ 499 e 501
não vivem:
em universos diferentes.
Só dashboard acha.
🧠 Anchoring em compliance
“100% compliant.”
Anchor:
But:
control effectiveness?
Different.
Again.
🧠 Anchoring em certification
Score:
80% pass.
Candidate:
79%.
Feels:
fail.
Maybe:
difference tiny.
Threshold anchor.
Necessary operationally.
But don't overinterpret:
competence gap.
🎯 Pergunta Bellacosa nº 25
“A fronteira operacional também representa uma diferença real de competência ou risco?”
🧠 Anchoring em customer complaints
First complaint:
“slow.”
Support:
latency.
Maybe issue:
wrong data.
Customer description:
anchor.
Important:
listen.
But translate:
symptom.
🧠 User explanation vs observation
User:
“database is down.”
Observation:
“screen doesn't load.”
Record:
observation.
Not:
diagnosis.
☕ Usuário pode:
ser excelente sensor.
Não necessariamente:
RCA engine.
🧠 Anchoring em incident severity wording
Customer says:
“everything is down.”
Maybe:
one feature.
Don't anchor:
“everything.”
Verify scope.
🎯 Pergunta Bellacosa nº 26
“O que foi observado diretamente e o que foi interpretação de quem reportou?”
🧠 Anchoring e Political/Organizational Pressure
Director:
— This cannot be security.
Now:
negative anchor.
Team maybe:
avoids security.
Anchoring also works:
by exclusion.
🧠 Authority anchor
“We know it's not network.”
Why?
“Network manager said.”
Evidence?
Hmm.
☕ “Não é nosso.”
também é:
âncora.
🧠 Anchoring and blind spots
If first message:
“application problem,”
infra stops thinking.
Silos.
🎯 Pergunta Bellacosa nº 27
“Qual área foi excluída cedo demais por causa do primeiro rótulo?”
🧠 Anchoring e Human Error
First report:
“operator entered wrong value.”
Now:
human error.
Later:
screen auto-filled.
But anchor:
person.
Fundamental Attribution.
🧠 Anchoring e moral judgment
Once person:
blamed,
evidence interpreted:
accordingly.
Blameless culture helps:
reset.
☕ Culpa também:
ancora.
E muito forte.
🧠 Anchoring e RCA legal defensiveness
Organization may anchor:
external cause.
Because:
safer.
Then:
search.
Principal-Agent.
Self-Serving.
🎯 Pergunta Bellacosa nº 28
“Nossa primeira hipótese também é a hipótese mais confortável politicamente?”
🧠 Anchoring e Near Misses
First incident:
classified low severity.
Similar future:
low.
But context:
changed.
Reassess.
🧠 Anchoring e recurring incidents
“Known issue.”
That label:
powerful anchor.
Maybe:
new issue.
Never assume identical.
☕ “Known issue”
é útil.
Mas pode:
matar curiosidade.
🧠 Anchoring em historical RCA
Previous RCA:
DB2.
New incident:
search old KB.
First article:
DB2.
Anchor.
Search engine:
amplifies.
Streetlight.
Diagnosis Momentum.
🧠 Search ranking bias
Top result:
not necessarily:
best match.
🎯 Pergunta Bellacosa nº 29
“Estamos repetindo o RCA anterior porque a evidência é semelhante ou porque ele foi o primeiro artigo recuperado?”
🧠 Anchoring e Incident Copilots
AI could:
de-bias.
Ask:
top 5 hypotheses
without:
current anchor.
Then:
score evidence.
But if fed:
“Db2 issue,”
will anchor.
Tool design matters.
🧠 Independent first pass
Agent A:
facts-only.
Agent B:
previous hypothesis.
Compare.
Great.
☕ Uma IA pode:
ser a segunda opinião
desde que:
não receba a primeira opinião
disfarçada de fato.
🧠 Anchoring e Confidence Drift
Initial:
Db2 40%.
After five people repeat:
Db2 80%.
No evidence.
Diagnosis Momentum.
Anchor grows:
through social reinforcement.
🎯 Pergunta Bellacosa nº 30
“Nossa confiança mudou porque surgiram dados ou porque o rótulo ficou familiar?”
🧠 Familiarity effect
Repeated statements:
feel truer.
Illusory Truth Effect.
This can reinforce:
anchors.
☕ Repetição
não é:
compilação.
Muito menos:
teste.
🧠 Anchoring e narrative compression
Executive asks:
one sentence.
Team says:
“Db2 lock.”
Now:
anchor disseminated.
Later:
correction harder.
Use careful:
“leading hypothesis.”
🧠 Preserve uncertainty
Words:
possible;
likely;
confirmed.
Again.
🎯 Pergunta Bellacosa nº 31
“A simplificação executiva preservou nosso nível real de certeza?”
🧠 Anchoring e memory
After incident:
people remember:
first explanation.
Even if later changed.
Primacy effect.
First info sticks.
Diagnosis Momentum.
🧠 Correction lag
Corrections often:
less memorable.
Need:
explicit update.
☕ Boato chega:
de Ferrari.
Correção:
de ônibus municipal.
🧠 Information Rollback
If first hypothesis wrong:
propagate correction.
Not enough:
update ticket.
Tell:
teams.
vendor.
executives.
KB.
🎯 Pergunta Bellacosa nº 32
“A correção viajou tão longe quanto a hipótese original?”
🧠 Anchoring e Cultural Memory
Years later:
“that outage was Db2.”
Maybe:
not.
Old anchor:
persists.
Then:
future architecture decisions.
Cultural Debt.
🧠 Anchoring e legacy modernization
Original migration estimate:
2 years.
Years later:
people still say:
“two-year project.”
Even if scope changed.
Anchor:
institutional.
🎯 Pergunta Bellacosa nº 33
“Estamos discutindo um número atual ou uma memória organizacional de um número antigo?”
🧠 Anchoring e leadership
A leader can reduce bias:
by speaking last.
Powerful.
If leader says first:
anchor.
So:
ask team first.
☕ Chefe falar por último
às vezes:
é arquitetura cognitiva.
🧠 Silent Brainwriting
Collect:
hypotheses before:
meeting discussion.
Excellent.
🧠 Anchoring e interviews
Security investigation:
don't tell witness:
current hypothesis.
Avoid contamination.
Same principle.
🎯 Pergunta Bellacosa nº 34
“Estamos coletando informação independente ou contaminando a testemunha com nossa teoria?”
🧠 Anchoring e baseline revalidation
Periodic:
ask:
why threshold?
why SLA?
why schedule?
why architecture rule?
Anchors age.
🧠 Anchor expiry date
Nice concept.
Every assumption:
review date.
☕ Talvez todo número histórico precise:
de validade.
Como certificado.
🧠 Anchoring e Goal Substitution final connection
Original metric:
becomes anchor for:
goal.
Then:
metric target.
Then:
culture.
Anchoring may:
start entire chain.
🧠 Anchoring e Metric Fixation
First dashboard:
defines:
attention.
Everything else:
secondary.
Again.
🧠 Anchoring e McNamara
First measurable variable:
becomes:
reference.
Hard-to-measure:
ignored.
🧠 Anchoring e Streetlight
First place:
look.
Then:
stay.
🧠 Anchoring e Search Satisfaction
First finding:
satisfies.
🧠 Anchoring e Premature Closure
First plausible story:
closes.
🧠 Anchoring e Diagnosis Momentum
First label:
travels.
☕ Anchoring é quase:
o boot loader
de muitos vieses.
🧠 Bellacosa Anti-Anchoring Protocol
Quando surgir:
primeiro número;
primeira hipótese;
primeiro rótulo;
faça:
Passo 1 — Identifique a âncora
O que entrou primeiro?
Passo 2 — Pergunte a origem
Data?
Guess?
Senior?
History?
Passo 3 — Faça estimativa independente
If possible:
before hearing others.
Passo 4 — Liste alternativas
Minimum:
3 plausible.
Passo 5 — Seek disconfirming evidence
Try:
move away.
Passo 6 — Re-estimate from zero
After major evidence.
Passo 7 — Use outside view
Historical base rates.
Passo 8 — Separate observation from interpretation
Facts first.
Passo 9 — Leader speaks last
Reduce authority anchor.
Passo 10 — Re-anchor deliberately
Anchor on:
objective evidence,
not:
first opinion.
📋 Checklist Bellacosa anti-Anchoring
[ ] Qual foi a primeira informação recebida?
[ ] Ela tinha evidência?
[ ] Era dado ou palpite?
[ ] Minha estimativa mudou pouco demais?
[ ] Eu faria a mesma estimativa sem conhecer esse número?
[ ] Listei hipóteses independentes?
[ ] A primeira pessoa a falar tinha autoridade?
[ ] O título do ticket contém diagnóstico?
[ ] Algum valor histórico virou baseline sem revisão?
[ ] Há evidência nova que deveria mover minha opinião?
[ ] Estou procurando confirmação?
[ ] A IA recebeu uma hipótese já embutida no prompt?
[ ] O threshold foi escolhido por análise ou tradição?
[ ] A correção da hipótese anterior foi propagada?
🧠 Bellacosa Anchor Card
ANCHOR:
________________________
SOURCE:
________________________
TYPE:
DATA / ESTIMATE / OPINION / HISTORY
INDEPENDENT ESTIMATE:
________________________
ALTERNATIVES:
________________________
EVIDENCE AGAINST:
________________________
NEW ESTIMATE:
________________________
🧠 O Teste do RESET
Pergunte:
“Se eu pudesse apagar da memória a primeira informação recebida, o que concluiria agora?”
Difícil.
Mas poderoso.
🧠 O Teste do Número Aleatório
Se alguém diz:
“10 dias,”
pergunte:
“Se tivessem dito 100, minha estimativa mudaria?”
Se sim:
anchor.
🧠 O Teste da Hipótese Morta
Assuma:
Db2 provado inocente.
Agora:
o que investiga?
Isso:
quebra anchor.
🧠 O Teste do Senior Ausente
Pergunte:
“Se o senior não tivesse dito nada, qual seria minha hipótese?”
Great.
👻 Easter Egg nº 2 — BELLACOSA.BIAS
Na manhã seguinte:
BELLACOSA.BIAS(ANCHORING)
Dentro:
IF FIRST-VALUE-RECEIVED = 'Y'
MOVE 'POSSIBLE-ANCHOR'
TO COGNITIVE-STATUS
END-IF.
IF NEW-EVIDENCE = 'STRONG'
PERFORM REESTIMATE-FROM-ZERO
END-IF.
IF SENIOR-SPEAKS-FIRST = 'Y'
PERFORM REQUEST-INDEPENDENT-HYPOTHESES
END-IF.
IF TICKET-TITLE-CONTAINS-ROOT-CAUSE = 'Y'
AND ROOT-CAUSE-CONFIRMED = 'N'
DISPLAY
'WARNING: FRAME MAY BECOME ANCHOR'
END-IF.
Comentários:
* FIRST
* DOES NOT MEAN
* BEST.
Outro:
* EARLY
* DOES NOT MEAN
* TRUE.
Outro:
* A NUMBER
* CAN ENTER YOUR HEAD
* WITHOUT PERMISSION.
Outro:
* REESTIMATE
* DO NOT JUST ADJUST.
E naturalmente:
* FIRST DALEK SEEN:
* RED.
*
* DO NOT ASSUME
* ALL DALEKS
* ARE RED.
🕰️ De volta à War Room
03:32.
Todos:
Db2.
Nosso jovem pergunta:
— Podemos começar de novo?
Gerente:
— Como assim?
— Sem assumir Db2.
DBA:
— Mas temos locks.
— Sim.
— Então?
— Eles começaram depois do incidente.
Silêncio.
Ele escreve:
FACTS
02:52 latency
02:53 retries
02:57 queue growth
03:01 DB2 lock
Depois:
HYPOTHESES
external API
MQ
network
retry storm
DB2 contributor
A sala muda.
🔧 Quinze minutos depois
Descobrem:
um parceiro externo começou:
a responder lentamente.
Clients:
retry.
Workload:
cresce.
Db2:
sofre.
O lock:
era real.
Mas:
não original.
☕ O DBA pergunta:
— Então não era Db2?
Nosso jovem:
— Db2 participou.
— Mas não causou?
— Não primeiro.
Doctor sorri.
— Muito bom.
🧠 A diferença entre “primeiro observado” e “primeiro causal”
Importantíssima.
First alert:
not first cause.
First hypothesis:
not best hypothesis.
First number:
not correct baseline.
First estimate:
not reference truth.
🎯 Pergunta Bellacosa nº 35
“Primeiro em qual sentido?”
Primeiro a aparecer?
Primeiro a ser detectado?
Primeiro a ser mencionado?
Primeiro causal?
Completamente diferentes.
🧬 Regeneração organizacional
Uma organização madura não tenta:
eliminar âncoras.
Isso é impossível.
Nós precisamos:
de referências.
O cérebro precisa:
começar em algum lugar.
A maturidade está em:
saber que o primeiro lugar é apenas um ponto de partida.
Ela:
separa fatos de hipótese;
pede estimativas independentes;
usa base rates;
faz leaders falarem depois;
recalcula quando evidência muda;
e não pune:
mudança de opinião.
Principalmente:
ela entende que:
a primeira resposta tem vantagem psicológica, não privilégio epistemológico.
📓 Diário do Doctor
Se guardar algumas ideias desta viagem:
Anchoring Bias é a tendência de depender excessivamente de uma informação inicial ao fazer julgamentos e estimativas.
Depois da âncora, frequentemente fazemos ajustes insuficientes.
A âncora pode ser um número, uma hipótese, uma palavra, um rótulo, um histórico ou a opinião de alguém com autoridade.
Em incidentes, o primeiro alerta pode ancorar toda a investigação.
Em projetos, o primeiro prazo pode dominar estimativas posteriores.
Em negociação, o primeiro preço altera a referência da conversa.
Em performance, um baseline histórico pode se tornar uma âncora obsoleta.
Em arquitetura, rótulos como “legacy”, “caro”, “impossível” ou “moderno” podem ancorar decisões.
Anchoring frequentemente antecede Confirmation Bias, Search Satisfaction, Premature Closure e Diagnosis Momentum.
Streetlight Effect pode manter a busca no componente escolhido pela âncora.
Recency Bias e Representativeness Heuristic ajudam a selecionar âncoras familiares.
Authority Bias torna a âncora de um especialista mais poderosa.
Metric Fixation pode transformar um número inicial em realidade oficial.
Goal Gradient pode fazer porcentagens de progresso virarem âncoras perigosas.
Sunk Cost e Escalation of Commitment podem transformar o plano original numa âncora difícil de abandonar.
A IA também pode ser ancorada pelo contexto, pelo prompt ou por classificações automáticas.
E principalmente:
a primeira informação merece ser considerada — nunca automaticamente obedecida.
🥚 Easter Egg final
Antes de entrar na TARDIS, o Doctor escreve:
FIRST != TRUE
Nosso jovem:
— Outra vez código que não compila.
Doctor:
— Corrija.
Ele escreve:
IF FIRST-HYPOTHESIS = 'DB2'
MOVE 'CANDIDATE'
TO HYPOTHESIS-STATUS
PERFORM GENERATE-ALTERNATIVES
END-IF.
Doctor:
— Melhor.
O jovem pergunta:
— E se o senior tiver certeza?
Doctor:
— Ótimo.
— Ótimo?
— Significa que temos uma hipótese muito boa para tentar destruir.
Nosso jovem ri.
— E se ela sobreviver?
Doctor abre a porta.
— Então ela terá conquistado sua confiança.
Pausa.
“Não apenas chegado primeiro.”
VWORP.
VWORP.
VWORP.
A TARDIS desaparece.
Na War Room sobra apenas:
“Primeiro é posição temporal, não certificado de verdade.”
E talvez essa seja toda a essência do Anchoring Bias no Bellacosa Mainframe:
começar por uma hipótese é inevitável; permanecer preso a ela depois que a evidência mudou é escolha — e uma das escolhas mais caras que uma War Room pode fazer.
☕🌀
Próxima parada: Confirmation Bias — quando a âncora já está presa e começamos a vasculhar logs, métricas, memórias e opiniões procurando exatamente aquilo que provará que estávamos certos desde o começo.
