 |
| Bellacosa Mainframe e o hindsight bias |
☕ Um Café no Bellacosa Mainframe
Hindsight Bias: Doctor Who, COBOL e o Dia em que, Depois do Incidente, Todo Mundo Descobriu que Era Óbvio
Uma viagem pela TARDIS dos incidentes para entender por que, depois que sabemos o resultado, nossa memória reconstrói o passado como se os sinais estivessem claros desde o início — e como isso pode transformar aprendizado em caça às bruxas, confiança em arrogância e postmortem em ficção retrospectiva
Segunda-feira.
09:02.
Postmortem.
O incidente aconteceu:
sexta-feira.
Produção caiu:
23 minutos.
Impacto:
alto.
Root cause:
descoberta.
Agora:
todos sabem.
Essa parte é importante.
Agora todos sabem.
Na sexta-feira, às 18:04:
ninguém sabia.
Mas segunda-feira tem uma característica quase sobrenatural:
todo mundo parece lembrar que:
já sabia.
No telão:
INCIDENTE P1
CAUSA CONFIRMADA:
CERTIFICATE CHAIN FAILURE
IMPACTO:
PAYMENT TIMEOUTS
DURAÇÃO:
23 MIN
Diretor:
— Era óbvio que o certificado era o risco principal.
Nosso jovem programador COBOL olha para:
as notas da War Room.
18:07:
H1 DB2
H2 NETWORK
H3 API EXTERNA
H4 CERTIFICATE
Certificate:
quarta hipótese.
Confidence:
baixa.
Gerente:
— Eu lembro de ter pensado em certificado logo no começo.
Nosso jovem abre:
o chat.
Primeira mensagem do gerente:
TEM CARA DE DB2
Interessante.
DBA:
— Os sinais estavam todos lá.
Nosso jovem pergunta:
— Quais?
— Os timeouts.
— Mas timeout podia ser umas quinze coisas.
— Sim, mas agora sabemos que era certificado.
Ah.
Agora chegamos:
ao problema.
VWORP.
VWORP.
VWORP.
A TARDIS aparece ao lado da mesa.
A porta abre.
O Doctor sai.
Olha para o postmortem.
Escuta:
“era óbvio.”
“já dava para saber.”
“qualquer um deveria ter percebido.”
Ele suspira.
— Curioso.
Diretor:
— O quê?
— Sexta-feira vocês tinham quatro hipóteses.
— Sim.
— Hoje vocês lembram que uma delas era claramente superior.
— Era.
Doctor:
— Então por que não escolheram?
Silêncio.
— Porque naquele momento...
Gerente começa:
— ...não estava tão claro.
Doctor sorri.
Exatamente.
Bem-vindo ao:
Hindsight Bias
ou:
Viés Retrospectivo.
Em linguagem Bellacosa:
é quando, depois de descobrir o resultado, nosso cérebro recompila o passado como se aquele resultado fosse muito mais previsível do que realmente era.
🧠 O que é Hindsight Bias?
É a tendência de acreditar, depois que um evento aconteceu, que:
“eu sabia.”
“era previsível.”
“os sinais eram claros.”
“qualquer um deveria ter percebido.”
Mesmo quando, antes do resultado:
havia incerteza real;
múltiplas hipóteses plausíveis;
evidências ambíguas;
informação incompleta.
Depois do resultado:
o passado parece:
mais simples.
☕ Bellacosa Definition
Hindsight Bias é quando o cérebro pega o dump depois do ABEND e finge que tinha aquele dump antes do programa cair.
Perfeito.
💻 COBOL cognitivo
Imagine:
IF OUTCOME-KNOWN = 'Y'
MOVE 'OBVIOUS'
TO PAST-PREDICTABILITY
END-IF.
Esse programa:
roda silenciosamente.
Na memória humana.
O problema:
na sexta-feira:
PAST-PREDICTABILITY = UNKNOWN
Na segunda:
PAST-PREDICTABILITY = OBVIOUS
Sem:
nova viagem no tempo.
🧠 O resultado contamina a memória
Depois que sabemos:
certificate failure,
começamos a lembrar:
todos os sinais
que combinam:
com certificado.
Timeout.
Handshake.
External call.
Tudo:
parece pista.
Mas na hora:
esses mesmos sinais podiam indicar:
network;
DNS;
TLS;
proxy;
Db2 downstream;
load balancer.
☕ Um sinal ganha:
clareza retrospectiva
porque agora sabemos:
qual história venceu.
👻 Easter Egg nº 1 — Doctor e a profecia
Companion:
— Doctor, era óbvio que o Dalek faria isso.
Doctor:
— Era?
— Sim.
— Então por que você gritou “o que está acontecendo?” cinco minutos atrás?
Silêncio.
Doctor:
— Hindsight.
Companion:
— Eu prefiro chamar de intuição retrospectiva.
Doctor:
— Claro que prefere.
🧠 Hindsight Bias versus Outcome Bias
No capítulo anterior:
Outcome Bias.
Outcome Bias pergunta:
“Como o resultado mudou meu julgamento sobre a qualidade da decisão?”
Hindsight Bias pergunta:
“Como o resultado mudou minha memória sobre quão previsível ele parecia antes?”
Exemplo:
mudança falha.
Outcome Bias:
“Então a decisão de lançar foi ruim.”
Hindsight Bias:
“Era óbvio que falharia.”
Dois vieses:
diferentes.
Frequentemente:
juntos.
🎯 Pergunta Bellacosa nº 1
“Eu realmente previ isso antes ou estou lembrando de forma diferente agora que sei o final?”
🧠 Hindsight Bias e Confirmation Bias
Depois do evento:
selecionamos memórias que confirmam:
“eu sabia.”
Esquecemos:
hipóteses erradas.
Lembramos:
comentário certo.
Confirmation Bias ajuda:
a reconstruir autobiografia.
☕ Todo mundo lembra:
do palpite que acertou.
Ninguém imprime:
os nove que errou.
🧠 Decision Journal salva
Na War Room:
registre:
18:07
H1 DB2 40%
H2 API 30%
H3 NETWORK 20%
H4 CERTIFICATE 10%
Depois do incidente:
ninguém pode dizer:
“certificate era óbvio”
sem:
confrontar registro.
🎯 Pergunta Bellacosa nº 2
“Qual era nossa confiança registrada antes do resultado?”
🧠 Anchoring aparece no passado também
Na sexta-feira:
âncora:
Db2.
Segunda:
root cause certificate.
Agora memória:
reancora no resultado.
O cérebro reorganiza:
timeline mental.
🧠 Narrative Bias trabalha horas extras
Depois do incidente:
criamos uma história perfeita:
CERTIFICATE WARNING
↓
TLS FAILURE
↓
TIMEOUT
↓
RETRY
↓
DB2 LOCK
↓
INCIDENT
Lindo.
Coerente.
A história parece:
inevitável.
Mas antes:
ninguém sabia:
qual dessas setas era causal.
☕ Uma narrativa completa
faz o passado parecer:
mais organizado
do que foi.
🧠 “Era tudo óbvio” é uma ilusão perigosa
Porque:
se acreditamos que era óbvio,
a pergunta vira:
“quem não viu?”
Em vez de:
“por que o sistema de observação não tornou isso distinguível?”
A primeira:
procura culpado.
A segunda:
melhora sistema.
🎯 Pergunta Bellacosa nº 3
“O sinal era realmente claro ou só ficou claro depois que descobrimos o mecanismo?”
🧠 Fundamental Attribution Error entra
Se resultado parece:
óbvio retrospectivamente,
quem não percebeu parece:
incompetente.
“Como o operador não viu?”
Talvez porque:
naquela hora
o sinal estava enterrado em:
2.000 eventos.
Agora:
temos filtro.
☕ No postmortem
é fácil:
dar zoom.
Na War Room:
ninguém tinha:
roteiro.
🧠 Search Satisfaction e Hindsight
Depois que sabemos a causa:
olhamos para:
primeiro finding relacionado.
Dizemos:
“já estava ali.”
Mas talvez:
existissem 40 findings.
Search Satisfaction retrospectivo.
🧠 Streetlight retrospectivo
Também.
Agora sabemos:
onde olhar.
Então:
abrimos exatamente:
o log certo.
E perguntamos:
— Como ninguém viu isso?
Porque:
na hora ninguém sabia:
qual log era o certo.
🎯 Pergunta Bellacosa nº 4
“Estamos avaliando o passado usando a vantagem de saber onde procurar?”
🧠 Diagnosis Momentum e memória
Durante incidente:
diagnóstico errado viaja.
Depois:
RCA corrige.
Mas memória coletiva pode:
reescrever:
“estávamos chegando lá.”
Talvez:
não.
Preserve:
handoffs.
☕ Organizações também:
editam a própria memória.
🧠 Hindsight Bias em debugging COBOL
Bug:
campo errado.
Depois você encontra:
copybook incompatível.
Olha código:
MOVE INPUT-AMOUNT
TO WS-AMOUNT.
Agora pensa:
— Claro! Era o copybook.
Mas antes:
essa linha parecia:
perfeitamente normal.
Porque:
você não sabia ainda.
🧠 O bug fica óbvio depois que sabemos o bug
Clássico.
🎯 Pergunta Bellacosa nº 5
“Essa linha era suspeita antes ou só parece suspeita agora que sabemos o que procurar?”
🧠 Code review retrospectivo
Após incidente:
reviewer:
— Isso deveria ter sido pego no code review.
Talvez.
Mas pergunte:
what signal?
Was rule explicit?
Static analyzer?
Test?
Without:
specific mechanism,
“deveria ter visto”
é:
hindsight.
☕ “Alguém deveria ter percebido”
não é:
controle.
É:
frase.
🧠 Hindsight Bias e testing
Depois de falha:
“faltou teste desse cenário.”
Claro.
Depois:
o cenário existe.
Mas antes:
quantos cenários plausíveis?
100?
1.000?
10.000?
Need:
risk-based testing.
🎯 Pergunta Bellacosa nº 6
“Esse cenário era previsível antes ou só parece inevitável porque acabou acontecendo?”
🧠 Hindsight Bias e segurança
Depois de breach:
“os sinais estavam lá.”
Talvez.
Mas:
quantos alerts iguais
não eram breach?
Base rate.
Need:
signal-to-noise.
☕ Depois do ataque
cada log vermelho
vira:
profecia.
Antes:
era mais um alerta.
🧠 Alert Fatigue
If system generated:
10k alerts,
one relevant,
saying:
“they should have noticed”
may be unfair.
Better:
why signal not prioritized?
🧠 Hindsight Bias e Outcome Bias juntos em security
Breach happened.
Outcome Bias:
security decision bad.
Hindsight:
breach obvious.
Maybe:
controls reasonable,
attack novel.
Or maybe:
not.
Need reconstruct.
🎯 Pergunta Bellacosa nº 7
“Estamos julgando a qualidade do alerta ou apenas sua relevância retrospectiva?”
🧠 Hindsight Bias em incident timeline
Timeline criada depois:
pode parecer:
deterministic.
18:01 cert expires
18:02 timeout
18:03 retry
18:04 queue
Mas real-time:
events arrive:
out of order.
Logs delayed.
Clock skew.
Unknown.
☕ Timeline final
é:
versão restaurada.
War Room vive:
arquivo fragmentado.
🧠 Time synchronization
Important.
Correlation only:
after.
🎯 Pergunta Bellacosa nº 8
“A timeline que vemos agora existia de forma acessível durante o incidente?”
🧠 Hindsight Bias e postmortem blame
The most dangerous consequence:
blame.
If past seems obvious:
error becomes:
negligence.
But maybe:
decision locally rational.
Need:
local rationality.
🧠 Local Rationality
Ask:
“Por que essa decisão fazia sentido para a pessoa naquele momento?”
Not to excuse.
To understand.
☕ Se você não entende
por que uma decisão errada parecia:
razoável na hora,
você ainda não entendeu:
o sistema.
🎯 Pergunta Bellacosa nº 9
“Que informação a pessoa tinha e que informação nós só obtivemos depois?”
🧠 Hindsight Bias e Authority Bias
Depois do evento:
senior says:
“I knew.”
People believe.
Maybe:
did.
Check records.
Experience can:
predict.
But:
memory also reconstructs.
🧠 Prediction receipt
If someone says:
“eu avisei,”
great.
Find:
warning.
Maybe real.
Then:
learn.
☕ “Eu avisei”
fica muito mais útil
quando possui:
timestamp.
🧠 Hindsight Bias e Self-Serving Bias
If I predicted:
I remember.
If I missed:
I reinterpret.
Self-image.
🧠 Hindsight Bias e Dunning-Kruger
After reading RCA,
novice thinks:
“eu teria visto.”
No.
You now possess:
answer key.
☕ Ler solução
não prova:
que resolveria prova.
🎯 Pergunta Bellacosa nº 10
“Estou confundindo compreender a explicação depois com capacidade de descobri-la antes?”
Essa é maravilhosa.
🧠 Hindsight Bias em treinamento
Case study:
show incident.
If reveal answer too early:
students think:
obvious.
Better:
progressive disclosure.
Give data:
as happened.
Ask:
hypotheses.
This teaches:
uncertainty.
☕ Não ensine incidentes
como romance policial
com assassino já na capa.
🧠 War Game / Tabletop
Reveal:
timeline gradually.
Great.
🎯 Pergunta Bellacosa nº 11
“Estamos treinando pessoas para raciocinar sob incerteza ou apenas para reconhecer respostas depois?”
🧠 Hindsight Bias e AI
AI after incident:
given:
full logs + root cause.
Produces:
beautiful explanation.
Then humans think:
AI would have found it live.
Not necessarily.
Because:
prompt contained future information.
🤖 Data leakage cognitivo
If model sees:
result,
it can:
explain.
But live diagnosis:
different task.
☕ Explicar depois
não é:
prever antes.
🎯 Pergunta Bellacosa nº 12
“A IA teve acesso a informação que não estava disponível no momento real da decisão?”
🧠 Hindsight Bias em benchmarks
If evaluation includes:
answer context,
model looks:
smart.
Need:
time-appropriate data.
🧠 Simulation validity
Replay incident using only:
information available at each timestamp.
Excellent.
🎯 Pergunta Bellacosa nº 13
“Estamos testando diagnóstico online ou explicação retrospectiva?”
🧠 Hindsight Bias e RCA automation
AI summarizer:
“root cause clearly indicated by TLS failures.”
Danger word:
clearly.
Maybe:
not clear live.
Need:
epistemic language.
☕ “Clearly”
depois do fato
é suspeito.
🧠 Hindsight Bias e metrics
Metric spikes:
look obvious
after aligning:
incident window.
Before:
same spike may:
not stand out.
Charts:
retrospectively zoomed.
🎯 Pergunta Bellacosa nº 14
“Esse padrão seria detectável sem saber previamente onde começa e termina o incidente?”
🧠 Hindsight Bias e anomaly detection
After event:
label anomaly.
Train model.
Model can overfit.
Future:
maybe.
Need:
generalization.
🧠 Confirmation Bias in retrospective labeling
We label:
all pre-incident events
as relevant.
Maybe:
not.
☕ Depois do incêndio
qualquer cheiro de fumaça
vira:
sinal precursor.
🧠 Hindsight Bias e Near Miss
Interesting opposite.
Near miss:
nothing bad happened.
Later:
maybe ignored.
Because outcome absent.
Outcome Bias.
But if failure later:
old near miss becomes:
“obvious warning.”
Hindsight.
🎯 Pergunta Bellacosa nº 15
“Esse evento só ganhou importância porque agora sabemos o que aconteceu depois?”
🧠 Hindsight Bias e risk registers
After disaster:
risk seems:
obvious.
“Como não estava no register?”
Maybe:
unknown unknown.
Could still improve.
But don't pretend:
all risks enumerable.
☕ Risco novo
não é automaticamente:
falha moral de quem não adivinhou.
🧠 Hindsight Bias e Zero-Risk Bias
After rare event:
pressure:
eliminate to zero.
Because now:
salient.
But:
other risks.
Need:
portfolio.
🧠 Availability Heuristic
Recent disaster:
easy recall.
Risk estimate:
inflates.
Hindsight:
“should have known.”
🎯 Pergunta Bellacosa nº 16
“Estamos superestimando este risco porque acabou de acontecer?”
🧠 Hindsight Bias e insurance mentality
After incident:
everyone wants:
control.
Need for Control.
Maybe:
overcontrols.
Cultural Debt.
☕ Ontem ninguém falava
do risco.
Hoje querem:
17 aprovações.
Classic.
🧠 Hindsight Bias e Normalization of Deviance
Before failure:
deviation seems:
safe.
After failure:
everyone says:
“obviously unsafe.”
But organization had:
years of successful outcomes.
Need understand:
why deviation normalized.
Not:
pretend everyone knew.
🎯 Pergunta Bellacosa nº 17
“Se era tão obviamente perigoso, por que o sistema o tolerou por tanto tempo?”
Brutal.
🧠 Hindsight Bias e Cultural Debt
Old architectural choice fails.
After:
“sempre foi uma bomba.”
Was it?
Maybe:
worked 20 years.
Decision may have been:
good then.
Context changed.
Outcome today:
rewrites history.
☕ Uma decisão pode:
envelhecer mal
sem ter nascido:
errada.
🧠 Temporal humility
Evaluate:
decision at T1
with:
T1 info.
Re-evaluate:
at T2.
Do not:
backport T2 knowledge.
🎯 Pergunta Bellacosa nº 18
“Estamos usando conhecimento de 2026 para condenar uma decisão tomada em 2006?”
🧠 Hindsight Bias e legacy systems
System now:
hard to maintain.
People say:
“arquitetura absurda.”
But maybe:
constraints then:
memory;
cost;
hardware;
skills;
time.
Need:
historical context.
☕ COBOL code de 1989
não foi escrito
para impressionar:
reviewer de 2026.
🧠 Hindsight Bias e migrations
After failed migration:
“big bang was obviously wrong.”
Maybe:
evidence then favored.
Maybe not.
Need:
reconstruct.
🧠 TSB-style lessons
Important not:
mythologize.
Retrospective clarity:
high.
Ex ante uncertainty:
different.
🎯 Pergunta Bellacosa nº 19
“Que alternativas pareciam plausíveis antes do resultado?”
🧠 Hindsight Bias e Outcome Bias no sucesso
Project succeeds.
“Claro que estratégia era correta.”
Maybe:
lucky.
Same.
🧠 Survivor stories
Successful startup:
founder says:
“we knew.”
Maybe:
narrative hindsight.
☕ Vencedores contam:
timeline
com edição.
🧠 Hindsight Bias e status meetings
Before:
confusion.
After:
simple.
If postmortem doesn't preserve:
uncertainty,
future teams learn:
wrong lesson:
“just detect signal X.”
But maybe:
X only useful with Y/Z.
🎯 Pergunta Bellacosa nº 20
“Estamos ensinando uma regra simples demais porque agora conhecemos o final?”
🧠 Hindsight Bias e Search Satisfaction
After root cause known:
search stops:
once find matching clue.
Then:
“there it was.”
But perhaps:
hundreds clues.
Need:
counterfactual search.
🧠 Signal-to-noise test
Would clue stand out:
without label?
☕ Uma pista só é:
“óbvia”
se chama atenção:
antes de saber o crime.
🧠 Hindsight Bias e false alarms
Suppose:
alert X fired.
Incident happened.
Now:
“alert X predicted.”
But how often X fires:
without incident?
Need:
precision.
🎯 Pergunta Bellacosa nº 21
“Qual era a taxa de falso positivo desse sinal antes do incidente?”
🧠 Hindsight Bias e monitoring redesign
After event:
add alert.
Good.
But beware:
alert for exact past failure only.
Future failures:
different.
Fighting last war.
🧠 Overfitting observability
Monitor:
past root cause.
Not:
failure class.
☕ Não construa:
um detector perfeito
para:
ontem.
🎯 Pergunta Bellacosa nº 22
“Estamos monitorando o mecanismo geral ou apenas a assinatura específica do último incidente?”
🧠 Hindsight Bias e AI observability
Train agent:
historical incidents.
May overfit:
past labels.
Need:
unknown detection.
🧠 Hindsight Bias and causal graphs
After event:
graph seems:
linear.
Real system:
branching.
Represent:
alternatives that were considered.
☕ RCA final
não deveria apagar:
as hipóteses concorrentes.
Elas mostram:
o grau real de incerteza.
🎯 Pergunta Bellacosa nº 23
“O postmortem registra só a causa final ou também o espaço de hipóteses que existia?”
🧠 Hindsight Bias e decision review
Best practice:
two documents.
What we knew then.
What we know now.
Compare.
🧠 Ex ante / ex post separation
Again.
☕ TARDIS Method
Nice name.
“Volte mentalmente ao minuto da decisão sem carregar informação do futuro.”
Very Doctor Who.
🧪 Passo 1 — Congele a timeline
What was known at 18:05?
Not later.
🧪 Passo 2 — Hide the outcome
When reviewing decision:
temporarily ignore result.
🧪 Passo 3 — Reconstruct options
What choices existed?
🧪 Passo 4 — Reconstruct probabilities
What seemed likely?
🧪 Passo 5 — Compare with contemporaneous notes
Not memory.
🧪 Passo 6 — Identify hindsight statements
“Obviously.”
“Clearly.”
“Should have known.”
Challenge.
🧪 Passo 7 — Ask what signal was actionable
Not just present.
🧪 Passo 8 — Improve detection
If signal could reasonably be distinguished.
🧪 Passo 9 — Preserve uncertainty
Document.
🧪 Passo 10 — Learn without blame
Mechanism.
📋 Checklist Bellacosa anti-Hindsight
[ ] O que sabíamos naquele minuto?
[ ] O que só descobrimos depois?
[ ] Quais hipóteses eram plausíveis?
[ ] Qual era a confiança em cada uma?
[ ] O sinal era distinguível antes do resultado?
[ ] Quantos falsos positivos existiam?
[ ] A timeline completa estava disponível em tempo real?
[ ] Estamos usando palavras como "óbvio" ou "claro"?
[ ] A decisão fazia sentido localmente?
[ ] Estamos avaliando com informação do futuro?
[ ] Existe registro contemporâneo?
[ ] A IA recebeu dados posteriores?
[ ] Estamos confundindo explicar com prever?
[ ] Estamos culpando alguém por não saber o que ninguém sabia?
🧠 Bellacosa Hindsight Card
DECISION TIME:
____________________
KNOWN THEN:
____________________
UNKNOWN THEN:
____________________
HYPOTHESES THEN:
____________________
CONFIDENCE THEN:
____________________
KNOWN NOW:
____________________
WHAT CHANGED:
____________________
LESSON:
____________________
👻 Easter Egg nº 2 — BELLACOSA.BIAS
No dataset:
BELLACOSA.BIAS(HINDSIGHT)
Dentro:
IF OUTCOME-KNOWN = 'Y'
PERFORM LOAD-HISTORICAL-STATE
END-IF.
IF CURRENT-KNOWLEDGE
NOT = PAST-KNOWLEDGE
DISPLAY
'DO NOT BACKPORT FUTURE INFORMATION'
END-IF.
IF POSTMORTEM-SAYS 'OBVIOUS'
PERFORM ASK-WAS-IT-OBVIOUS-THEN
END-IF.
IF PERSON-SAYS 'I-KNEW-IT'
PERFORM CHECK-TIMESTAMP
END-IF.
Comentários:
* DO NOT DEBUG
* YESTERDAY
* WITH TODAY'S DUMP.
Outro:
* EXPLANATION AFTER
* IS NOT
* PREDICTION BEFORE.
Outro:
* CLEAR NOW
* DOES NOT MEAN
* CLEAR THEN.
E naturalmente:
* TARDIS ACCESS:
* NOT AVAILABLE
* DURING ORIGINAL INCIDENT.
🧠 O Teste da TARDIS
Pergunte:
“Estou usando alguma informação que só existia depois da decisão?”
Se sim:
remove.
Reevaluate.
🧠 O Teste do Timestamp
“I warned.”
Great.
Timestamp.
🧠 O Teste do Analista Cego
Give:
data only up to T.
Ask:
what would you do?
Excellent.
🧠 O Teste do Sinal
Would this signal:
trigger action
in 100 similar normal days?
If yes:
maybe too noisy.
🎯 Pergunta Bellacosa nº 24
“Esse sinal era acionável ou apenas retrospectivamente interessante?”
🧠 Hindsight Bias e leadership
Leader after failure:
“team should have escalated.”
Was escalation threshold:
defined?
If not:
hindsight.
Improve:
threshold.
☕ Transforme:
“deveriam ter sabido”
em:
“como tornamos isso detectável?”
🧠 Hindsight Bias e process design
The best use:
convert hindsight into:
forward controls.
If truly:
signal identifiable,
create:
alert;
runbook;
threshold;
training.
Then:
next time
less uncertain.
🎯 Pergunta Bellacosa nº 25
“Que conhecimento retrospectivo podemos transformar em conhecimento operacional futuro?”
Excelente.
🧠 Hindsight Bias e “human error”
After failure:
operator clicked wrong.
Obvious.
But:
UI similar buttons.
No confirmation.
Time pressure.
Need:
context.
🧠 Local rationality again
Why did click:
make sense?
☕ Se só disser:
“não clique errado”
você acabou:
de desperdiçar o postmortem.
🧠 Hindsight Bias e compliance
After regulatory issue:
“obvious gap.”
Was regulation:
clear then?
Interpretation?
Need:
context.
🧠 Hindsight Bias e planning
Project late.
“Obviously estimate unrealistic.”
Before:
maybe new unknowns.
Or maybe indeed unrealistic.
Need:
original assumptions.
🎯 Pergunta Bellacosa nº 26
“Qual suposição original falhou e ela era razoável na época?”
🧠 Hindsight Bias e estimates
If estimate:
10 days.
Actual:
We say:
bad estimator.
But scope changed:
maybe.
Need:
decompose.
☕ Erro de previsão
não é:
diferença simples
entre:
estimado e realizado.
🧠 Hindsight Bias e executive confidence
After success:
“we always knew.”
Danger:
overconfidence.
Outcome Bias.
Future:
riskier decisions.
🎯 Pergunta Bellacosa nº 27
“O sucesso está reescrevendo quanta incerteza realmente existia?”
🧠 Hindsight Bias e pre-mortem
One antidote before:
imagine failure.
What happened?
Expands risk.
Later:
compare.
🧠 Decision log
Before rollout:
what could fail?
If later event:
was absent,
learn.
If present:
why not acted?
More precise.
☕ Pre-mortem gera:
recibo cognitivo.
🧠 Hindsight Bias e Red Team
Red team warnings:
record.
After event:
can see.
Not:
memory.
🎯 Pergunta Bellacosa nº 28
“Quais riscos foram explicitamente levantados antes e quais só surgiram na narrativa depois?”
🧠 Hindsight Bias e Cultural Debt
Old team made:
choice.
Modern team:
“how could they?”
Maybe:
constraints invisible.
Document:
decision records.
ADR.
Excellent.
🧠 Architecture Decision Records
Capture:
context;
options;
trade-offs.
Then future:
less hindsight.
☕ ADR é:
vacina parcial
contra:
“esses caras eram malucos.”
🎯 Pergunta Bellacosa nº 29
“Temos registro do contexto que justificou essa decisão arquitetural?”
🧠 Hindsight Bias e legacy modernization
Modern team sees:
batch.
“why not real-time?”
Maybe:
Network.
Cost.
Hardware.
Business process.
Different.
Judge:
historically.
Then:
modernize today.
🧠 Don't romanticize either
Context:
not excuse forever.
But:
understand.
☕ Uma coisa pode:
ter sido certa ontem
e:
errada hoje.
Sem contradição.
🧠 Hindsight Bias e AI code review
AI sees:
bug + failing test.
Says:
“obvious null check.”
But before bug:
maybe not.
If using AI for postmortem:
ask:
what signals were present beforehand?
🎯 Pergunta Bellacosa nº 30
“A explicação da IA distingue entre evidência disponível antes e evidência descoberta depois?”
🧠 Hindsight Bias e RAG
Postmortem RAG retrieves:
final RCA.
Then:
answers:
“why should team have known?”
Danger.
Need:
incident-time corpus.
🧠 Temporal RAG
Retrieve only documents/messages:
available before timestamp.
Great idea.
☕ IA com TARDIS controlada:
não pode:
ler o futuro.
🧠 Hindsight Bias e model evaluation
For incident agents:
replay:
progressively.
No future leaks.
Otherwise:
illusory performance.
🎯 Pergunta Bellacosa nº 31
“Nosso benchmark permite que o modelo veja o futuro sem percebermos?”
🧠 Hindsight Bias e causal certainty
After RCA:
cause seems:
single.
But:
multiple contributors.
Remember:
Premature Closure.
Don't let hindsight:
simplify.
🧠 Complex systems
Outcome known:
doesn't make:
causal graph trivial.
☕ Saber quem ganhou
não explica:
todas as jogadas.
🧠 Hindsight Bias e blame metrics
“Missed obvious alert” counts:
human error.
But:
if alert noisy,
system issue.
McNamara.
🎯 Pergunta Bellacosa nº 32
“Estamos medindo falha humana sem medir qualidade do sinal que a pessoa recebeu?”
🧠 Hindsight Bias e training evaluation
Trainee sees:
known RCA case.
Gets answer.
We think:
learned.
Need:
novel case.
Otherwise:
recognition hindsight.
☕ Saber gabarito
não é:
saber investigar.
🧠 Hindsight Bias e confidence calibration
Ask before:
probability.
After:
compare.
If always:
“100% obvious”
after:
you're biased.
🧠 Forecast log
Useful for:
risk teams.
🎯 Pergunta Bellacosa nº 33
“Estamos registrando previsões antes para aprender sobre nossa calibração depois?”
🧠 Hindsight Bias e near-miss culture
If no failure:
warning ignored.
If failure:
warning becomes obvious.
Need:
evaluate warnings by:
quality
not:
outcome.
Outcome Bias.
☕ Um alarme não fica:
mais inteligente
porque:
incêndio aconteceu.
🧠 Hindsight Bias e automation
Automated system chooses:
route A.
Fails.
Humans:
“AI should know.”
What inputs?
If insufficient:
maybe no.
Need:
system design.
🎯 Pergunta Bellacosa nº 34
“O agente tinha informação suficiente para distinguir a alternativa correta?”
🧠 Hindsight Bias e human-in-the-loop
Human overrides AI.
Outcome bad.
After:
“should have trusted AI.”
If outcome opposite:
“good override.”
Outcome bias + hindsight.
Need:
process metrics.
☕ A mesma decisão
não pode:
ser genial e idiota
só porque:
moeda caiu diferente.
🧠 Hindsight Bias e decision quality matrix
Again:
process separate.
🧠 Hindsight Bias em change windows
After failed Friday deploy:
“never deploy Friday.”
Maybe:
reasonable cultural rule.
But actual cause:
not day.
Avoid:
superstition.
🎯 Pergunta Bellacosa nº 35
“Estamos extraindo uma regra causal ou apenas uma superstição do último incidente?”
🧠 Technical superstition again
Incident happened:
after command X.
“Never X.”
Need:
mechanism.
☕ Operação sem causalidade
vira:
folclore.
🧠 Hindsight Bias e Bellacosa Mainframe
This series itself:
important caution.
Once we name:
bias,
past incidents can:
look obvious.
Don't overfit:
everything to bias.
Use:
lens.
Not:
verdict.
🎯 Pergunta Bellacosa nº 36
“Estamos usando o nome do viés para entender o caso ou apenas para rotular alguém depois?”
Important.
🧠 Bias labels can become hindsight tools
“Clearly anchoring.”
Maybe.
Need:
evidence.
Don't:
psychologize recklessly.
☕ Vieses são:
mapas.
Não:
martelos.
🧠 Hindsight Bias e empathy
Reconstruct uncertainty:
creates empathy.
Not excuse.
Better learning.
🧠 Postmortem maturity
Replace:
“How could they miss it?”
with:
“What made it reasonable to miss?”
Then:
fix.
🎯 Pergunta Bellacosa nº 37
“O que tornava essa evidência difícil de distinguir em tempo real?”
🧠 Signal design
Maybe:
alert buried.
Need:
priority.
Correlation.
🧠 Observability improvement
Use hindsight:
productively.
☕ O objetivo não é:
proibir olhar para trás.
É:
olhar para trás sem fingir que já sabíamos o caminho.
🧠 Bellacosa Anti-Hindsight Protocol
Passo 1 — Preserve registros contemporâneos
Chat.
Ticket.
Hypotheses.
Confidence.
Passo 2 — Reconstrua por timestamp
What known then?
Passo 3 — Hide final RCA temporarily
Review decision blind.
Passo 4 — List alternatives alive then
Not now.
Passo 5 — Evaluate signal-to-noise
Was clue actionable?
Passo 6 — Remove future data
No leakage.
Passo 7 — Ask local rationality
Why decision made sense?
Passo 8 — Convert lessons into controls
Alerts, checks, tests.
Passo 9 — Avoid “obvious”
Unless evidence.
Passo 10 — Preserve uncertainty in postmortem
Teach real reasoning.
📋 Checklist Bellacosa anti-Hindsight
[ ] Estamos usando informação descoberta depois?
[ ] Temos registro do que se sabia antes?
[ ] Quais hipóteses existiam naquele momento?
[ ] Qual era a confiança?
[ ] O sinal tinha baixo ruído?
[ ] Era acionável?
[ ] A timeline estava completa em tempo real?
[ ] Alguém realmente previu isso?
[ ] Existe timestamp da previsão?
[ ] Estamos chamando algo de "óbvio"?
[ ] Estamos culpando alguém por não saber o futuro?
[ ] A decisão era razoável com dados disponíveis?
[ ] A IA teve acesso a dados futuros?
[ ] Estamos extraindo uma regra geral de um caso único?
👻 Easter Egg nº 3 — SQL retrospectivo
No postmortem:
SELECT *
FROM LOGS
WHERE EVENT_RELATED_TO_ROOT_CAUSE = 'Y';
Nosso jovem:
— Fácil assim.
Doctor:
— Claro.
— Então por que não fizemos sexta?
Doctor:
— Porque sexta vocês ainda não tinham a coluna EVENT_RELATED_TO_ROOT_CAUSE.
Silêncio.
Perfeito.
🧠 Essa é talvez a melhor metáfora
Depois:
sabemos qual filtro usar.
Antes:
não.
🧠 The hindsight query problem
Retrospective investigation:
has labels.
Live:
doesn't.
Remember.
🎯 Pergunta Bellacosa nº 38
“Estamos filtrando o passado com uma coluna que só foi criada depois do incidente?”
🧠 Hindsight Bias e “I knew it all along”
Psychology phrase:
“knew-it-all-along effect.”
Perfect summary.
☕ Em português Bellacosa:
“Depois do dump, todo mundo é sysprog.”
🧠 Hindsight Bias e organizational learning
If uncorrected:
three harms:
blame
overconfidence
bad controls
🧠 Blame
“person should know.”
🧠 Overconfidence
“next time obvious.”
Maybe not.
🧠 Bad controls
monitor exact past symptom.
🎯 Pergunta Bellacosa nº 39
“Que lição falsa poderíamos aprender se tratarmos o incidente como previsível demais?”
🧠 Hindsight Bias e resilience
Real lesson:
not predict all.
Build:
detection;
containment;
recovery.
Because:
unknowns.
☕ Engenharia resiliente
não exige:
vidência.
Graças a Deus.
🧠 Hindsight Bias and uncertainty acceptance
Mature org:
admits:
some events hard to foresee.
Then:
designs:
margin.
🎯 Pergunta Bellacosa nº 40
“Estamos tentando melhorar previsão ou melhorar capacidade de responder ao imprevisível?”
Both useful.
Different.
🧠 Hindsight Bias e War Room culture
After every incident:
if someone says:
“obvious,”
ask:
“show me the timestamp.”
Bellacosa rule.
☕ Sem timestamp:
memória.
Com timestamp:
evidência.
🧠 Bellacosa Timestamp Rule
IF CLAIM = "EU AVISEI"
THEN
SHOW TIMESTAMP
ELSE
CLASSIFY AS RETROSPECTIVE MEMORY
Brutal.
Fair.
🧠 Hindsight Bias em newsletters, livros, histórias
Narratives compress.
We tell:
clean sequence.
But actual life:
messy.
When writing case studies:
include uncertainty.
This makes:
better teaching.
🎯 Pergunta Bellacosa nº 41
“Nossa história ficou boa demais para representar a confusão real do momento?”
🧠 The TARDIS Lesson
Doctor Who has:
time travel.
We don't.
That's the ultimate metaphor.
In postmortem:
we mentally travel back
with future knowledge.
That's cheating.
☕ O Doctor pode:
voltar sabendo.
Você não podia.
Esse detalhe:
é tudo.
👻 Easter Egg final — BELLACOSA.BIAS(HINDSIGHT)
IF POSTMORTEM-MODE = 'Y'
PERFORM RESTORE-KNOWLEDGE-AT-TIME
END-IF.
IF FUTURE-INFORMATION = 'PRESENT'
PERFORM REMOVE-FUTURE-DATA
END-IF.
IF CLAIM-TEXT = 'ERA-OBVIO'
PERFORM CHECK-ORIGINAL-EVIDENCE
END-IF.
IF CLAIM-TEXT = 'EU-SABIA'
PERFORM REQUEST-TIMESTAMP
END-IF.
Comentários:
* DO NOT RUN
* YESTERDAY'S DECISION
* WITH TODAY'S MEMORY.
Outro:
* POSTMORTEM
* IS NOT
* TIME TRAVEL.
Outro:
* CLEAR AFTER
* MAY HAVE BEEN
* AMBIGUOUS BEFORE.
Outro:
* A DUMP
* AVAILABLE AFTER ABEND
* WAS NOT AVAILABLE
* BEFORE ABEND.
E naturalmente:
* TARDIS ACCESS:
* DOCTOR ONLY.
*
* INCIDENT TEAM:
* LINEAR TIME.
🕰️ De volta ao postmortem
Diretor:
— Então não deveríamos dizer que os sinais estavam lá?
Nosso jovem:
— Podemos.
— Então qual a diferença?
— Precisamos perguntar se eles eram distinguíveis.
— Como?
Ele abre:
alert history.
O mesmo TLS warning apareceu:
42 vezes
nos últimos 30 dias.
Sem incidente.
Silêncio.
— Então não era tão óbvio.
DBA:
— Mas agora sabemos que foi importante.
— Sim.
Doctor sorri.
“Importante depois não significa evidente antes.”
🔧 A lição muda
Em vez de:
“operador deveria ter percebido TLS warning,”
ação:
correlacionar TLS warning
com:
external timeout spike.
Criar:
alerta composto.
Agora:
future signal:
stronger.
Isso é:
aprendizado.
☕ Não culpe cérebro
por não distinguir:
sinal
que o sistema também não distinguia.
Melhore:
sistema.
🧠 Postmortem finalmente fica bom
Antes:
ROOT CAUSE:
Certificate failure
HUMAN ERROR:
Failed to identify obvious warning
Depois:
ROOT CAUSE:
Certificate chain failure
DETECTION GAP:
TLS warning had high false-positive rate and lacked correlation with external timeout metrics.
ACTION:
Create correlated detection and certificate validation.
Muito melhor.
🧠 Isso é engenharia
Não:
profecia retrospectiva.
📓 Diário do Doctor
Se guardar algumas ideias desta viagem, guarde estas:
Hindsight Bias é a tendência de perceber eventos passados como mais previsíveis depois que sabemos o resultado.
Ele produz a sensação de “eu sabia” ou “era óbvio”.
Outcome Bias julga a decisão pelo resultado; Hindsight Bias altera nossa percepção de quão previsível o resultado era.
Confirmation Bias ajuda a selecionar memórias que combinam com o resultado conhecido.
Narrative Bias reorganiza os fatos numa história mais coerente do que a incerteza real vivida.
Anchoring pode mudar retrospectivamente quando o resultado final vira nova referência.
Streetlight Effect parece desaparecer depois porque agora sabemos qual log abrir — mas essa vantagem não existia em tempo real.
Search Satisfaction pode fazer a primeira pista retrospectivamente compatível parecer “a pista que estava ali o tempo todo”.
Fundamental Attribution Error pode transformar ambiguidade real em acusação de incompetência.
Decision journals, timestamps e registros de confiança são grandes antídotos.
Um alerta só é realmente acionável se sua qualidade e relação sinal/ruído permitirem distingui-lo antes do resultado.
Uma IA pode parecer melhor retrospectivamente se receber dados ou labels que só existiram depois do incidente.
Postmortems devem reconstruir o estado de conhecimento da época, não apenas explicar o mundo com a resposta já conhecida.
Arquiteturas antigas precisam ser avaliadas no contexto em que foram decididas, mesmo quando hoje precisam ser mudadas.
O objetivo não é eliminar hindsight; é impedir que ele transforme aprendizado em culpa e previsibilidade fictícia.
E principalmente:
não use a informação de hoje para condenar a decisão de ontem sem primeiro devolver à decisão de ontem apenas a informação que existia ontem.
🥚 Último Easter Egg
Antes de entrar na TARDIS, o Doctor pergunta:
— Agora que você sabe que era certificado, parece óbvio?
Nosso jovem:
— Um pouco.
— Pegue o ticket das 18:05.
Ele lê:
POSSIBLE:
DB2
NETWORK
API
TLS
MQ
Doctor:
— Ainda óbvio?
Nosso jovem:
— Não.
— Melhor.
— Por quê?
O Doctor abre a porta.
“Porque respeito pela incerteza passada é uma das formas mais importantes de inteligência presente.”
VWORP.
VWORP.
VWORP.
A TARDIS desaparece.
No quadro fica:
“Depois do incidente, todo mundo tem acesso ao final da história. O desafio é lembrar que ninguém tinha o último capítulo quando precisava tomar a decisão.”
E talvez essa seja toda a essência do Hindsight Bias no Bellacosa Mainframe:
olhar para trás é indispensável para aprender; fingir que o passado tinha a mesma clareza que o presente é uma excelente maneira de aprender a lição errada.
☕🌀
Próxima parada: Normalcy Bias — o dia em que todos viram sinais de que algo muito errado estava acontecendo, mas continuaram tratando a situação como normal porque aceitar que a realidade havia mudado parecia mais difícil do que esperar mais cinco minutos.
