 |
| Bellacosa Mainframe e a loss aversion |
☕ Um Café no Bellacosa Mainframe
Loss Aversion: Doctor Who, COBOL e o Dia em que Perder R$ 1 Milhão Doeu Mais do que Ganhar R$ 1 Milhão Deu Alegria
Uma viagem pela TARDIS dos projetos e incidentes para entender por que perdas pesam psicologicamente mais do que ganhos equivalentes — e como esse desequilíbrio pode distorcer rollback, migrações, investimentos, segurança, mudanças, projetos, incidentes e aquela perigosa decisão de arriscar ainda mais só para não admitir que alguma coisa já foi perdida
Terça-feira.
16:08.
Sala de reunião.
Projeto Atlas.
Sim.
Ainda ele.
Na tela:
OPÇÃO A
PARAR AGORA
PERDA CERTA:
R$ 2 MILHÕES
Ao lado:
OPÇÃO B
CONTINUAR
50%:
RECUPERAMOS O PROJETO
50%:
PERDEMOS MAIS R$ 6 MILHÕES
Nosso jovem programador COBOL olha.
CFO:
— O que vocês preferem?
Gerente:
— Continuar.
Diretor:
— Continuar.
Sponsor:
— Continuar.
Nosso jovem:
— Mesmo podendo perder mais seis milhões?
Diretor:
— Mas existe chance de recuperar.
— E parar?
— Significa aceitar dois milhões de perda.
Nosso jovem:
— Dois milhões que provavelmente já teremos que reconhecer de qualquer forma?
Silêncio.
Diretor:
— Não gosto da palavra “perda”.
Ah.
Chegamos.
A perda:
não é apenas número.
É:
dor.
É:
fracasso.
É:
explicação para o board.
É:
“por que não percebemos antes?”
É:
“quem aprovou isso?”
É:
vermelho no relatório.
Continuar oferece algo psicologicamente delicioso:
a possibilidade de ainda não precisar admitir a perda.
VWORP.
VWORP.
VWORP.
A TARDIS aparece ao lado do projetor.
A porta abre.
O Doctor sai.
Olha:
para as duas opções.
— A primeira custa dois milhões?
CFO:
— Sim.
— A segunda pode custar seis?
— Mais.
— Então por que todos parecem mais confortáveis com a segunda?
O diretor responde:
— Porque a primeira garante uma perda.
Doctor:
— Ah.
Pega um marcador.
Escreve:
LOSS CERTAIN
↓
PSYCHOLOGICAL PAIN
↓
TAKE MORE RISK
↓
TRY TO AVOID RECOGNIZING LOSS
E acima:
LOSS AVERSION
Ou:
Aversão à Perda.
Em linguagem Bellacosa:
é quando perder alguma coisa dói psicologicamente mais do que ganhar uma quantidade equivalente dá satisfação — e por isso nosso cérebro pode tomar decisões diferentes dependendo de a situação parecer ganho ou perda.
🧠 Primeiro: o que é Loss Aversion?
Imagine:
ganhar:
R$ 1.000.
Bom.
Agora imagine:
perder:
R$ 1.000.
A sensação negativa da perda tende a ser:
mais intensa
do que:
a sensação positiva do ganho equivalente.
Não é simplesmente:
“ninguém gosta de perder.”
Óbvio que ninguém gosta.
A ideia importante é:
ganhos e perdas não são tratados simetricamente pela nossa mente.
Em muitos contextos:
perder dói mais.
☕ Definição Bellacosa
Ganhar R$ 1 milhão chama champanhe. Perder R$ 1 milhão chama auditoria, três reuniões, um PowerPoint e uma vontade repentina de apostar mais R$ 2 milhões para ver se ninguém precisa escrever a palavra “perda”.
💻 COBOL cognitivo
Imagine:
IF GAIN = 1000
ADD 1000 TO HAPPINESS
END-IF.
IF LOSS = 1000
SUBTRACT 2000 FROM HAPPINESS
END-IF.
Não é uma fórmula literal.
Mas ilustra:
a assimetria.
O cérebro não executa:
GAIN 1000 = +1000
LOSS 1000 = -1000
Em termos emocionais,
a segunda linha pode:
pesar mais.
🧠 Isso muda comportamento diante de risco
E aqui a coisa fica:
muito interessante.
Quando pensamos estar:
ganhando,
tendemos frequentemente a preferir:
segurança.
Quando pensamos estar:
perdendo,
podemos aceitar:
mais risco
para tentar evitar a perda.
👻 Easter Egg nº 1 — Dalek Finance
Dalek:
— CHOOSE.
— Opção?
— ACCEPT LOSS OF TWO MILLION.
— Ou?
— 50% CHANCE OF LOSING SIX MILLION.
Doctor:
— E vocês escolheram a segunda?
Dalek:
— THERE IS ALSO 50% CHANCE OF NO LOSS.
Doctor:
— Então vocês estão pagando risco extra para evitar sentir uma perda certa?
Dalek:
— CORRECT.
Doctor:
— Fascinante.
Dalek:
— FINANCE CALLS IT STRATEGY.
Doctor:
— Psicologia chama de outra coisa.
🧠 Loss Aversion e Prospect Theory
Sem transformar a máquina de café em:
seminário de pós-graduação,
Loss Aversion aparece fortemente associada ao trabalho sobre Prospect Theory.
A ideia central é:
nossa decisão depende muito de:
ponto de referência.
Interpretamos resultados como:
ganho
ou:
perda
em relação a alguma referência.
🧠 Exemplo
Seu projeto tinha:
budget:
R$ 10M.
Agora precisa:
R$ 12M.
Você pensa:
“perdemos R$ 2M.”
Mas se novo business case mostra:
benefício futuro muito maior,
talvez:
não seja racional tratar simplesmente como:
perda.
O ponto de referência:
afeta sentimento.
🎯 Pergunta Bellacosa nº 1
“Em relação a qual referência estamos chamando isso de ganho ou perda?”
🧠 Anchoring Bias aparece imediatamente
Orçamento original:
R$ 10M.
Esse número:
vira âncora.
Tudo acima:
perda.
Tudo abaixo:
ganho.
Mas talvez orçamento inicial:
fosse irreal.
Então:
Loss Aversion reage:
à âncora.
☕ Um número errado
pode produzir:
uma dor muito real.
🧠 Loss Aversion e Sunk Cost
Agora nosso velho conhecido.
Já gastamos:
R$ 9M.
Parar significa:
admitir:
“perdemos.”
Então:
continuamos.
Sunk Cost diz:
“já gastamos.”
Loss Aversion diz:
“não quero reconhecer a perda.”
Escalation of Commitment completa:
“então coloque mais dinheiro.”
🧠 O trio
SUNK COST
↓
LOSS AVERSION
↓
ESCALATION OF COMMITMENT
É quase:
um PROC corporativo.
🎯 Pergunta Bellacosa nº 2
“Estamos tentando maximizar valor futuro ou apenas evitar a sensação de reconhecer uma perda passada?”
🧠 Loss Aversion e Plan Continuation Bias
Plano:
já está em andamento.
Cancelar:
parece:
perder trabalho.
Continuar:
mantém:
possibilidade de sucesso.
Então:
seguimos.
Mesmo quando:
nova evidência
pede:
parada.
☕ Cancelar torna a perda:
visível.
Continuar mantém:
a esperança em memória virtual.
🧠 Loss Aversion e Goal Gradient
Quanto mais perto:
do fim,
mais doloroso:
parar.
“Chegamos a 97%!”
Abandonar agora:
parece perder:
97%.
Mas talvez:
o 3% restante
contenha:
todo o risco.
🎯 Pergunta Bellacosa nº 3
“Estamos avaliando o valor do que falta ou sofrendo pela ideia de abandonar tudo que já fizemos?”
🧠 Loss Aversion e projetos de software
Imagine:
18 meses de desenvolvimento.
Arquitetura:
não escala.
Equipe descobre.
Alternativa:
refatorar profundamente.
Mas isso significa:
descartar:
muito código.
Resistência:
enorme.
Por quê?
Porque linhas de código parecem:
patrimônio.
☕ Programador olha:
50 mil linhas.
Vê:
50 mil linhas.
CFO olha:
vê:
tempo.
Gerente olha:
vê:
prazo.
Ninguém quer:
“perder.”
Mas talvez:
a parte mais valiosa seja:
aquilo que aprendemos escrevendo.
🎯 Pergunta Bellacosa nº 4
“Estamos protegendo código porque ele ainda cria valor ou porque apagá-lo parece admitir desperdício?”
🧠 Loss Aversion e refactoring
Refactoring muitas vezes:
parece perda.
Você remove:
300 linhas.
Depois:
ficam 80.
Metricamente:
“menos produção.”
Tecnicamente:
melhor.
☕ Às vezes o melhor commit:
tem:
-800 linhas.
Isso dói menos:
quando você já viu o sistema em produção.
🧠 Loss Aversion e legacy
Empresa tem:
sistema antigo.
Custa:
manter.
Mas trocar implica:
perder:
conhecimento;
procedimentos;
interfaces;
investimento;
segurança percebida.
Isso não significa:
migrar.
Também não significa:
ficar.
A pergunta é:
quais elementos têm:
valor futuro
e quais são:
apenas perdas que não queremos reconhecer?
🎯 Pergunta Bellacosa nº 5
“Estamos preservando um ativo futuro ou evitando emocionalmente abandonar um investimento histórico?”
🧠 Importante: aversão à perda pode proteger coisas valiosas
Loss Aversion não é:
sempre ruim.
Se você teme perder:
dados,
reputação,
confiabilidade,
isso pode:
produzir controles bons.
Backup.
DR.
Change management.
Peer review.
☕ Aversão à perda pode:
proteger produção.
O problema surge quando:
ela distorce comparação entre:
opções.
🧠 Exemplo
Opção A:
rollback agora.
Impacto:
10 min.
Opção B:
seguir.
Chance de recuperação.
Mas também:
chance de 3h outage.
Equipe evita rollback porque:
“perderemos o deploy.”
Perda pequena:
visível.
Risco grande:
probabilístico.
Loss Aversion pode:
favorecer B.
🎯 Pergunta Bellacosa nº 6
“Estamos evitando uma perda pequena e certa ao custo de aceitar uma perda potencial muito maior?”
🧠 Isso aparece demais em incidentes
Mudança começou.
Erros.
Rollback disponível.
Mas:
“vamos tentar mais cinco minutos.”
Porque rollback:
reconhece:
falha.
Continuar:
mantém chance:
de sucesso.
☕ Rollback às vezes não é:
fracasso.
É:
controle funcionando.
🧠 Outcome Bias depois
Se esperamos:
e estabiliza,
todo mundo diz:
“fez bem não rollback.”
Talvez:
sorte.
Se explode:
Hindsight Bias:
“era óbvio que devíamos voltar.”
Precisamos:
critérios antes.
🎯 Pergunta Bellacosa nº 7
“Se o resultado futuro ainda fosse desconhecido, qual decisão o nosso critério de risco recomendaria agora?”
🧠 Loss Aversion e Stop-Loss
Investimentos financeiros usam:
conceito de stop-loss.
Em projetos:
também deveria haver:
limites.
Não porque:
você prevê tudo.
Mas porque:
sabe que, sob perda,
seu cérebro pode:
apostar mais.
☕ Stop-loss é:
controle de processo
contra:
um cérebro em modo:
“recupera, recupera, recupera.”
🧠 Bellacosa Stop-Loss técnico
ROLLBACK IF:
ERROR > 2%
FOR 5 MIN
OR
DATA MISMATCH > 0.5%
OR
LATENCY > BASELINE + 50%
Assim:
decisão não nasce:
no calor.
🎯 Pergunta Bellacosa nº 8
“Definimos o ponto de saída antes de começarmos a perder?”
🧠 Loss Aversion e Risk Seeking
Essa é talvez:
a parte mais fascinante.
Diante de ganho:
pessoa pode preferir:
R$ 500 garantidos
em vez de:
50% de chance de R$ 1.000.
Diante de perda:
pode preferir:
apostar
para tentar evitar:
perda garantida.
☕ Na máquina do café:
ganho:
“garante.”
Perda:
“joga.”
🧠 Em projeto
Parar:
perda certa:
R$ 2M.
Continuar:
chance de recuperar,
chance de perder:
R$ 8M.
Aversão à perda:
empurra:
risco.
🎯 Pergunta Bellacosa nº 9
“Estamos assumindo mais risco porque a alternativa segura contém uma perda explícita?”
🧠 Loss Aversion e prazo
Imagine:
Go-Live hoje.
Adiar:
perder:
campanha.
Marketing.
Bonus.
Reputação.
Essas perdas:
visíveis.
Continuar com risco técnico:
probabilístico.
Assim:
visível pode:
dominar.
☕ Perda certa de calendário
pode parecer:
mais assustadora
que:
incidente possível.
Até:
o incidente acontecer.
🎯 Pergunta Bellacosa nº 10
“Estamos comparando uma perda certa pequena com uma perda probabilística muito maior usando a mesma escala?”
🧠 Probability neglect
Emocionalmente:
não.
Risco de:
20%
pode parecer:
abstrato.
Uma perda certa:
R$ 500k
parece:
real.
🧠 Expected Loss
Uma ferramenta útil:
probabilidade × impacto.
Não resolve tudo.
Mas:
desemocionaliza.
☕ Número não elimina viés.
Mas ajuda:
o cérebro a sair da novela.
🧠 Loss Aversion e Zero-Risk Bias
Outra combinação interessante.
Podemos querer:
eliminar totalmente
um risco conhecido
porque:
a perda assusta.
Mesmo se:
isso aumenta:
outro risco.
Zero-Risk Bias.
🎯 Pergunta Bellacosa nº 11
“Estamos tentando eliminar a perda mais emocionalmente saliente ou minimizar o risco total?”
🧠 Loss Aversion e Risk Compensation
Depois que:
controle reduz risco,
sentimo-nos:
mais seguros.
Agora:
aceitamos mais risco.
Mas se perder:
volta doloroso.
Behavior oscillates.
🧠 Loss Aversion e Moral Hazard
Se quem decide:
não absorve perda,
aversão pode:
sumir.
Curioso.
Trader with:
someone else's money.
Manager with:
another team's downtime.
🎯 Pergunta Bellacosa nº 12
“Quem sente a perda e quem toma a decisão?”
🧠 Principal-Agent Problem
Sponsor ganha:
se entrega.
Ops perde:
se cai.
Sponsor sente:
loss of deadline.
Ops sente:
loss of availability.
Cada um:
avesso a:
perdas diferentes.
Então:
conflito.
☕ Não existe apenas:
“aversão à perda.”
Existe:
aversão à perda de quê, para quem?
Essa é pergunta:
muito melhor.
🎯 Pergunta Bellacosa nº 13
“Qual perda cada stakeholder está tentando evitar?”
🧠 Loss Aversion e Goodhart
Se bônus depende:
de indicador,
perder KPI:
dói.
Então:
decisões começam:
proteger KPI.
Mesmo:
contra sistema.
🧠 Campbell’s Law
Se métrica:
premia/pune,
comportamento:
se adapta.
Loss Aversion dá:
energia.
☕ A equipe pode:
não estar tentando ganhar.
Pode estar:
tentando desesperadamente:
não perder o bônus.
🎯 Pergunta Bellacosa nº 14
“Estamos otimizando valor ou evitando punição?”
🧠 Loss Aversion e Goal Substitution
Objetivo:
melhorar serviço.
Mas:
perder SLA:
dói.
Então:
objetivo vira:
não violar SLA.
Customer experience:
second.
🧠 Metric Fixation
SLA 99.9%.
99.89:
“perda.”
Maybe difference:
tiny.
Again:
reference point.
🎯 Pergunta Bellacosa nº 15
“Essa fronteira representa diferença real de valor ou apenas o ponto onde a organização começa a chamar o resultado de perda?”
🧠 Loss Aversion e McNamara Fallacy
Perdas mensuráveis:
receita,
SLA,
ticket count,
visíveis.
Perdas difíceis de medir:
conhecimento;
confiança;
resiliência;
burnout,
menos.
Então:
protegemos:
o mensurável.
☕ Ninguém abre Excel:
“Perdemos 14% da confiança da equipe.”
Mas isso existe.
🎯 Pergunta Bellacosa nº 16
“Que perdas importantes não aparecem no dashboard?”
🧠 Loss Aversion e Ratchet Effect
Equipe entrega:
Meta sobe:
Agora voltar para:
10
parece:
perda.
Mesmo se:
12 exigiu overtime.
Assim:
ganho temporário
vira:
referência.
Loss Aversion impede:
normalizar para baixo.
☕ Depois que organização vê:
12,
10 parece:
fracasso.
Mesmo que:
10 fosse sustentável.
🎯 Pergunta Bellacosa nº 17
“Estamos defendendo um pico porque qualquer retorno ao nível sustentável agora parece perda?”
🧠 Loss Aversion e performance
CPU improved:
30%.
Now regression:
5%.
Feels:
terrible.
Still:
25% better than old baseline.
Reference changed.
🧠 Hedonic adaptation corporate edition
New normal:
quickly.
Loss from new baseline:
painful.
🎯 Pergunta Bellacosa nº 18
“Qual baseline está dirigindo nossa sensação de perda?”
🧠 Loss Aversion e incidents
System degraded:
but stable.
Recovery action:
requires restart.
Restart causes:
5 min certain outage.
Team avoids.
But if system collapses:
2h.
Classic.
☕ Cinco minutos certos
podem assustar:
mais
que:
duas horas possíveis.
🎯 Pergunta Bellacosa nº 19
“Estamos evitando downtime curto e controlado ao custo de aumentar probabilidade de downtime longo e descontrolado?”
🧠 Loss Aversion e DR
Failover:
causes:
small disruption.
Waiting:
keeps:
hope primary recovers.
Team delays.
Why?
Because failover:
confirms:
we lost primary.
Psychologically:
big.
🧠 Normalcy Bias partners
“It may recover.”
Loss Aversion:
“don't declare loss yet.”
Plan Continuation:
“keep primary plan.”
Escalation:
“try one more fix.”
Very nice chain.
🎯 Pergunta Bellacosa nº 20
“Estamos adiando DR porque tecnicamente é melhor esperar ou porque declarar desastre torna a perda oficial?”
🧠 Loss Aversion e data loss
This one:
even stronger.
If suspect corruption,
shutting service:
certain availability loss.
Keeping writes:
risk of bigger data loss.
Availability is visible.
Integrity risk:
uncertain.
Could make:
wrong trade-off.
☕ Disponibilidade perdida:
grita.
Integridade comprometida:
às vezes sussurra.
Até:
auditoria.
🎯 Pergunta Bellacosa nº 21
“Estamos protegendo o serviço agora às custas de uma perda de dados potencialmente irreversível?”
🧠 Loss Aversion e security
Isolate server:
business disruption.
Do not isolate:
risk breach spreads.
Team delays because:
isolating causes:
certain operational loss.
Risk:
probabilistic.
Again.
🎯 Pergunta Bellacosa nº 22
“A perda operacional certa de conter o incidente é menor que a perda potencial de deixá-lo crescer?”
🧠 Security controls
Same.
Blocking user:
complaint certain.
Allowing:
fraud probability.
Organizations calibrate.
Loss Aversion can:
overweight complaint
or:
overweight fraud,
depending frame.
🧠 False positives
If team punished:
for customer friction,
they take more fraud risk.
If punished:
for fraud,
they block too much.
Campbell.
☕ Incentivo define:
qual perda dói.
🧠 Loss Aversion e staffing
Manager hesitates:
replace underperforming vendor.
Because:
loses:
relationship,
knowledge,
transition cost.
But continuing:
future loss.
Need:
comparison.
🎯 Pergunta Bellacosa nº 23
“Estamos tratando o custo da transição como perda maior do que o custo acumulado de permanecer?”
🧠 Status Quo Bias
Leaving current state:
feels like:
loss.
Staying:
default.
Even when:
future worse.
Loss Aversion helps:
status quo.
☕ O conhecido tem:
um desconto psicológico.
Mesmo:
ruim.
🧠 Endowment Effect
Parente interessante.
Tendemos a:
valorizar mais aquilo que:
já possuímos.
Nosso sistema.
Nossa ferramenta.
Nossa arquitetura.
Nossa equipe.
Então abandonar:
parece:
perda maior.
🎯 Pergunta Bellacosa nº 24
“Estamos valorizando essa solução mais porque ela é objetivamente melhor ou porque já é nossa?”
🧠 Loss Aversion e ferramenta interna
Custom framework.
People love.
External better.
Switch feels:
loss:
controle;
identidade;
investimento.
Maybe remain.
Need:
future comparison.
☕ “Nosso framework”
é duas palavras:
com muito apego.
🧠 Loss Aversion e careers
Programador passa:
20 anos em tecnologia.
Aprender nova:
parece perder:
status de especialista.
Junior novamente.
Pode:
resistir.
Not because:
new tech bad.
Because:
expertise is:
asset identity.
🎯 Pergunta Bellacosa nº 25
“Estamos evitando mudar porque a nova opção nos faria temporariamente perder status, domínio ou conforto?”
🧠 Isso vale para gestores também
Nova prática:
ameaça:
controle.
DevOps.
Automation.
AI.
Loss of:
authority.
Can produce:
resistance.
🧠 Need for Control
A mudança parece:
loss of control.
Então:
mais approvals.
More governance.
Control Bias.
☕ Às vezes “risco técnico”
é:
medo administrativo
com crachá.
🎯 Pergunta Bellacosa nº 26
“Que perda de controle, status ou identidade está escondida atrás da resistência técnica?”
🧠 Loss Aversion e AI
Empresa adota:
modelo.
Depois:
performance worse than expected.
Switch vendor:
means admit:
investment mistake.
So:
tune.
Prompt.
RAG.
Agents.
Fine if improving.
But maybe:
Escalation of Commitment.
🎯 Pergunta Bellacosa nº 27
“Estamos melhorando a solução porque ela está evoluindo ou evitando trocar porque trocar cristalizaria a perda?”
🧠 AI agent behavior
Can also encode:
loss aversion metaphorically
via objective functions.
If system heavily penalizes:
loss,
it may take:
odd actions
to avoid.
This is not human emotion,
but optimization asymmetry.
Important distinction.
☕ Máquina não “sente” perda.
Mas podemos escrever:
uma função
que trate a perda:
como pecado mortal.
Resultado:
comportamento estranho.
🧠 Loss functions — Easter egg conceitual
Em machine learning existe literalmente:
“loss function”.
Não é Loss Aversion psicológica.
Mas o trocadilho:
inevitável.
👻 Easter Egg nº 2 — IA confusa
AI Agent:
— MY LOSS FUNCTION IS HIGH.
Doctor:
— Isso não é Loss Aversion.
Agent:
— TERMINOLOGY COLLISION DETECTED.
Programador:
— Então você não tem medo de perder?
Agent:
— I HAVE BEEN OPTIMIZED TO MAKE YOU VERY UNHAPPY WHEN I DO.
Doctor:
— Perto o suficiente para uma terça-feira.
🧠 Loss Aversion e rollback
Rollback psychologically:
sounds backward.
Bad branding.
Interesting.
“Rollback”
feels:
undo progress.
Maybe teams resist.
Could say:
restore known-good state.
Same technical action.
Different framing.
🎯 Pergunta Bellacosa nº 28
“A palavra usada para descrever a opção está fazendo-a parecer perda maior do que ela realmente é?”
🧠 Framing Effect
Boom.
Loss Aversion closely related:
to framing.
“90% success”
versus:
“10% failure.”
Same numbers.
Different feeling.
🧠 Incident framing
Option:
“rollback and lose deployment”
versus:
“restore stable production.”
Same action.
One:
loss frame.
Other:
reliability frame.
☕ Palavras não mudam:
a máquina.
Mas mudam:
a reunião.
🎯 Pergunta Bellacosa nº 29
“Como a decisão muda se descrevemos a mesma opção em termos de ganho e em termos de perda?”
🧠 Loss Aversion e Change Advisory Board
“Delay launch”
sounds:
loss.
“Preserve safe release”
sounds:
gain.
Need:
neutral comparison.
🧠 Avoid manipulative framing
List:
both.
🎯 Pergunta Bellacosa nº 30
“Conseguimos descrever cada alternativa simetricamente, com benefícios, custos e riscos?”
🧠 Loss Aversion e negotiation
People fight:
to avoid giving up:
existing benefits.
A R$100 reduction:
hurts more
than R$100 new bonus:
pleases.
Impacts:
organizational change.
🧠 Employee changes
Remove:
old tool/benefit/process.
Resistance.
Not irrational.
Losses:
specific.
Future benefits:
abstract.
☕ Transformação promete:
nuvem.
Mudança remove:
a cadeira que você usa hoje.
Guess which:
feels more real.
🎯 Pergunta Bellacosa nº 31
“As perdas da mudança são concretas enquanto os benefícios permanecem abstratos?”
🧠 Change management
If so:
make future tangible.
Training.
Trial.
Migration path.
Safety.
Reduces loss perception.
🧠 Loss Aversion e training
Expert fears:
losing competence.
Pair.
Sandbox.
Preserve:
status.
🎯 Pergunta Bellacosa nº 32
“Como podemos reduzir a perda percebida sem negar que ela existe?”
🧠 Important
Don't say:
“there is no loss.”
Bad leadership.
There may:
be.
Acknowledging:
helps.
🧠 Loss Aversion e layoffs/budget cuts
Sensitive organizational context.
Executives may:
cut future investment
to avoid:
visible current losses.
Or preserve bad projects
to avoid:
write-offs.
Again.
🎯 Pergunta Bellacosa nº 33
“Estamos protegendo o trimestre ou o sistema?”
🧠 McNamara Fallacy
Quarterly loss:
measured.
Long-term resilience:
hard.
So:
visible loss wins.
☕ O trimestre tem:
dashboard.
O futuro:
às vezes só tem:
um sysprog preocupado.
🧠 Loss Aversion e technical debt
Fixing technical debt:
cost certain.
Future incident:
probabilistic.
So:
delay.
Because:
today's budget loss:
real.
Future:
maybe.
🎯 Pergunta Bellacosa nº 34
“Estamos evitando custo certo de prevenção ao custo de aceitar risco futuro maior?”
🧠 Prevention Paradox
If spend:
nothing happens.
People think:
waste.
If don't spend:
maybe incident.
Loss Aversion:
can work both directions.
Need:
risk-adjusted.
☕ Control that works
often produces:
the strange result:
“nothing happened.”
Hard to sell.
🧠 Loss Aversion e backups
Backup costs:
money.
No disaster:
looks like:
loss.
Then cut.
Danger.
🎯 Pergunta Bellacosa nº 35
“Estamos chamando proteção não utilizada de desperdício porque seu sucesso aparece como ausência de perda?”
🧠 Loss Aversion e cyber insurance / DR
Same.
🧠 Loss Aversion e observability
Monitoring costs:
money.
No incidents:
“why pay?”
Again.
☕ O detector de fumaça
tem péssimo ROI
até:
a cozinha pegar fogo.
🧠 Loss Aversion e Normalization of Deviance
We don't want:
lose speed.
So:
skip control.
Works.
Normalizes.
Soon:
control seen as:
loss of productivity.
🎯 Pergunta Bellacosa nº 36
“Estamos tratando controles como perda de velocidade sem medir a perda evitada de risco?”
🧠 Loss Aversion e Productivity Metrics
Mandatory review:
reduces:
commits/day.
Looks:
loss.
Quality:
harder to measure.
Metric Fixation.
🧠 Goodhart
People bypass:
review
to preserve:
metric.
☕ Velocidade visível
vence:
qualidade invisível.
Até:
o P1.
🧠 Loss Aversion e debugging
Programador spent:
hours
on hypothesis.
Abandoning:
feels:
loss of effort.
So:
continues.
Same as sunk cost.
🎯 Pergunta Bellacosa nº 37
“Estou evitando mudar de hipótese porque isso faria meu esforço anterior parecer inútil?”
🧠 Scientific mindset
Effort wasn't useless.
It ruled out:
hypothesis.
Information gained.
Reframe.
☕ Hipótese morta
não é:
tempo perdido
se ela deixou:
o espaço de busca menor.
🧠 This is key anti-loss framing
What did we learn?
Turns:
loss
into:
information.
🧠 Loss Aversion e postmortem
People may:
hide mistakes
to avoid:
reputation loss.
Blame culture:
intensifies.
Then:
organization loses learning.
🎯 Pergunta Bellacosa nº 38
“O medo de perder reputação está nos fazendo perder informação?”
🧠 Psychological Safety
Critical.
If admitting:
“I was wrong”
costly,
Confirmation Bias and Escalation:
increase.
☕ Quem não pode perder:
face
acaba fazendo:
o sistema perder:
tempo.
🧠 Loss Aversion e decision ownership
A person tied:
to proposal.
Rejecting:
proposal feels:
personal loss.
Separate:
idea from person.
🎯 Pergunta Bellacosa nº 39
“Estamos rejeitando uma ideia ou desvalorizando a pessoa que a propôs?”
🧠 Governance design
Let:
projects die
without:
careers dying.
Very important.
🧠 Loss Aversion e kill criteria
Predefine:
before emotional attachment.
Again.
🧠 Bellacosa Loss Budget
Interesting concept.
Define:
acceptable losses.
A small controlled loss:
can protect:
larger outcome.
Examples:
10 min downtime;
aborted deploy;
discarded prototype;
cancelled pilot.
☕ Nem toda perda deve:
ser evitada.
Algumas devem:
ser compradas.
Porque:
são baratas.
🎯 Pergunta Bellacosa nº 40
“Qual perda pequena estamos dispostos a aceitar para evitar uma perda catastrófica?”
🧠 This is central risk management
Safety often:
sacrifices:
small performance/availability
to protect:
larger.
🧠 Circuit breaker
Beautiful example.
Trips.
Rejects requests.
That's intentional:
small loss
to prevent:
collapse.
☕ Circuit breaker é:
Loss Aversion bem educada.
Aceita:
perder algumas transações
para:
não perder sistema.
🧠 Load shedding
Same.
Drop:
some load.
Preserve:
core.
🎯 Pergunta Bellacosa nº 41
“Nosso sistema sabe aceitar perdas controladas para preservar o todo?”
🧠 Graceful degradation
Fantastic.
Loss managed.
Not:
all-or-nothing.
🧠 Loss Aversion e Zero-Risk Bias again
If refuse:
any small loss,
system may:
take huge risk.
☕ Não querer perder:
nada
é excelente maneira
de perder:
tudo.
🧠 Example
Never drop requests.
Queue grows.
Retries.
Collapse.
Better:
shed 5%.
Preserve:
95%.
Loss Aversion may resist:
dropping 5%.
🎯 Pergunta Bellacosa nº 42
“Estamos sacrificando resiliência porque não aceitamos nenhuma perda parcial?”
🧠 Loss Aversion e redundancy
Failover may:
lose:
small transient state.
Team avoids.
Then:
primary dies,
loses:
much more.
Again.
🧠 Risk Management 101
Accept:
bounded loss.
Avoid:
unbounded.
☕ Mainframe old-school wisdom:
às vezes CANCEL
é mais elegante que:
WAIT UNTIL EVERYTHING DIES.
🧠 Loss Aversion e capacity
Overprovision:
cost.
Cut:
saves.
Unused capacity looks:
waste.
But:
headroom.
Removing:
small financial loss avoided.
Future outage risk:
increases.
🎯 Pergunta Bellacosa nº 43
“Estamos chamando margem de segurança de capacidade desperdiçada?”
🧠 This connects to efficiency obsession
100% utilization:
looks:
great.
No margin:
terrible.
☕ Um sistema com 100% de utilização
é:
uma agenda sem intervalo.
Parece eficiente
até:
acontecer qualquer coisa.
🧠 Loss Aversion e inventory / spare parts
Spare:
unused.
Looks:
waste.
Until:
failure.
Same.
🧠 Loss Aversion e organizational knowledge
Cross-training costs:
time.
Manager sees:
lost productivity today.
But:
reduces future key-person risk.
Again.
🎯 Pergunta Bellacosa nº 44
“Estamos evitando perda imediata de produtividade ao custo de criar dependência futura?”
🧠 Loss Aversion e training juniors
Senior teaches:
slower now.
Feels:
loss.
But:
future capacity.
If never teach:
single point.
☕ Uma hora ensinando
parece:
uma hora sem produzir.
Até:
o senior sair de férias.
🧠 Loss Aversion e Cultural Debt
Old rituals persist because:
removing:
feels like losing:
identity.
“We've always done this.”
Loss of:
tradition.
Familiarity.
Status.
🎯 Pergunta Bellacosa nº 45
“Qual perda simbólica estamos tentando evitar ao preservar esta prática?”
🧠 Loss Aversion e modernization
Mainframe modernization can trigger:
fear of losing:
reliability;
knowledge;
control;
identity.
Cloud teams may fear losing:
speed;
autonomy;
modern tooling.
Both:
valid concerns.
Need:
explicit.
☕ Debate tecnológico melhora
quando paramos de perguntar:
“quem está certo?”
e perguntamos:
“o que cada lado teme perder?”
🧠 Bellacosa Loss Map
STAKEHOLDER FEARS LOSING
OPS STABILITY
DEV SPEED
SECURITY CONTROL
FINANCE BUDGET
MANAGEMENT DEADLINE
CUSTOMER SERVICE
SENIOR SME STATUS / DOMAIN
Now:
decision clearer.
🎯 Pergunta Bellacosa nº 46
“Estamos discutindo arquitetura ou negociando perdas diferentes?”
🧠 Loss Aversion e incident communications
Admitting:
outage
causes:
reputation loss.
So:
delay.
Normalcy Bias.
But delayed transparency:
bigger reputational loss.
🎯 Pergunta Bellacosa nº 47
“Estamos evitando uma pequena perda de reputação agora e criando uma perda maior de confiança depois?”
🧠 Loss Aversion e customer support
Refund:
certain loss.
Fight customer:
maybe avoid.
But:
churn.
Reputation.
Again.
🧠 Loss Aversion e governance
Need:
decision frames.
For each option:
list:
certain losses;
probabilistic losses;
gains;
probability;
reversibility.
🧠 Bellacosa Decision Table
OPTION A: STOP
CERTAIN LOSS:
R$ 2M
FUTURE RISK:
LOW
OPTION B: CONTINUE
CERTAIN COST:
R$ 1M
50%:
RECOVERY
50%:
ADDITIONAL R$ 6M LOSS
Now:
conversation less emotional.
🎯 Pergunta Bellacosa nº 48
“Estamos comparando opções pelo valor esperado ou pela intensidade emocional da perda mais visível?”
🧠 Loss Aversion e probability
Need:
ranges.
Not fake precision.
But:
quantify enough.
🧠 Reframing test
Describe:
Option A:
“lose 2M.”
Then:
“preserve 6M from further exposure.”
Same.
Option B:
“chance to recover.”
Then:
“risk 6M additional.”
Same.
Now:
see both.
🎯 Pergunta Bellacosa nº 49
“A decisão continua igual depois de reformularmos cada opção como ganho e como perda?”
🧠 This is practical anti-bias
Dual framing.
🧠 Loss Aversion e risk appetite
Organization should define:
risk appetite.
Before:
event.
Otherwise:
emotion decides.
☕ Risk appetite escrito às 10:00
é melhor que:
coragem improvisada às 03:00.
🧠 Bellacosa Anti-Loss-Aversion Protocol
Passo 1 — Identifique a referência
O que estamos chamando de perda?
Passo 2 — Separe sunk cost
Já foi.
Passo 3 — Liste perdas certas
Explicitamente.
Passo 4 — Liste perdas probabilísticas
Com magnitude.
Passo 5 — Liste ganhos
Também.
Passo 6 — Reframe as gain and loss
Both.
Passo 7 — Calculate forward value
Future only.
Passo 8 — Define stop-loss
Before commitment.
Passo 9 — Preserve reversibility
Rollback, canary, failover.
Passo 10 — Accept bounded losses
To avoid catastrophic ones.
📋 Checklist Bellacosa anti-Loss Aversion
[ ] Qual é nosso ponto de referência?
[ ] O que estamos chamando de perda?
[ ] Essa perda já aconteceu?
[ ] Estamos evitando reconhecer um sunk cost?
[ ] Que risco adicional estamos aceitando?
[ ] Qual perda é certa?
[ ] Qual perda é probabilística?
[ ] Qual é o impacto de cada uma?
[ ] A opção está sendo descrita em termos neutros?
[ ] O framing muda nossa preferência?
[ ] Existe stop-loss?
[ ] Existe rollback?
[ ] Quem sente a perda?
[ ] Quem toma a decisão?
[ ] Estamos evitando uma perda pequena e criando risco de uma maior?
🧠 Bellacosa Loss Card
REFERENCE POINT:
________________________
CERTAIN LOSS:
________________________
POTENTIAL LOSS:
________________________
PROBABILITY:
________________________
POTENTIAL GAIN:
________________________
SUNK COST:
________________________
REVERSIBILITY:
________________________
STOP-LOSS:
________________________
BEST FORWARD OPTION:
________________________
👻 Easter Egg nº 3 — BELLACOSA.BIAS(LOSS-AVERSION)
IF LOSS-IS-CERTAIN = 'Y'
AND RISKY-OPTION-AVAILABLE = 'Y'
PERFORM CHECK-RISK-SEEKING
END-IF.
IF SUNK-COST > ZERO
MOVE ZERO
TO SUNK-COST-VOTING-RIGHTS
END-IF.
IF SMALL-CONTROLLED-LOSS
PREVENTS CATASTROPHIC-LOSS
PERFORM ACCEPT-SMALL-LOSS
END-IF.
IF DECISION-FRAME = 'LOSS-ONLY'
PERFORM REFRAME-AS-GAIN
END-IF.
Comentários:
* AVOIDING A LOSS
* IS NOT THE SAME AS
* CREATING VALUE.
Outro:
* A SMALL CERTAIN LOSS
* MAY BE CHEAPER
* THAN A LARGE GAMBLE.
Outro:
* ROLLBACK
* IS NOT DEFEAT.
* SOMETIMES IT IS CONTROL.
Outro:
* DO NOT RISK
* THE WHOLE MAINFRAME
* TO SAVE THE CHANGE WINDOW.
E naturalmente:
* DALEK PLAN:
* SAVE ONE DALEK.
*
* ACCEPTABLE RISK:
* ENTIRE GALAXY.
*
* REVIEW REQUIRED.
🕰️ De volta à reunião
CFO:
— Temos duas opções.
Nosso jovem:
— Vamos reformular.
Ele escreve:
A:
ACEITAR R$ 2M DE PERDA
E PROTEGER O RESTANTE.
B:
MANTER CHANCE DE RECUPERAÇÃO
AO CUSTO DE EXPOR MAIS R$ 6M.
O diretor olha.
Antes:
A parecia:
fracasso.
Agora:
A também parece:
proteção.
B parecia:
esperança.
Agora:
B também parece:
aposta.
☕ Nada nos números mudou
Só:
a linguagem.
Mas:
a decisão ficou:
mais honesta.
🧠 Doctor pergunta:
— Qual opção vocês escolheriam se os R$ 2 milhões não fossem chamados de perda?
Silêncio.
CFO:
— Provavelmente parar.
— E se os R$ 6 milhões fossem chamados de risco de destruição adicional?
— Também pararíamos.
Doctor:
— Então talvez o problema não fosse matemática.
Nosso jovem:
— Era enquadramento.
Doctor:
— E emoção.
🧠 Importante
Emoção não é:
inimiga.
Loss Aversion existe porque:
perdas importam.
O erro é:
permitir que:
a dor de uma perda pequena
nos empurre:
para risco desproporcional.
🧠 Na produção
Isso vira:
um princípio:
aceite perdas pequenas, controladas e reversíveis quando elas protegem o sistema de perdas grandes, descontroladas e irreversíveis.
☕ Circuit breaker.
Rollback.
Canary.
Failover.
Abort.
Rate limit.
Load shedding.
Todos têm:
uma coisa em comum.
Eles aceitam:
alguma perda local
para proteger:
o todo.
🧠 Bellacosa Resilience Rule
SMALL CONTROLLED LOSS
<
LARGE UNCONTROLLED LOSS
Parece:
bobo.
Até:
a reunião começar.
🧠 Loss Aversion e incident commanders
Um bom Incident Commander precisa:
às vezes dizer:
— Vamos perder cinco minutos.
Para não perder:
cinco horas.
🎯 Pergunta Bellacosa nº 50
“Qual pequena perda precisamos ter coragem de aceitar agora para evitar uma perda maior depois?”
Essa talvez seja:
a pergunta definitiva deste capítulo.
🧬 Regeneração organizacional
Uma organização madura não tenta:
eliminar aversão à perda.
Ela usa:
estrutura.
Antes da crise:
define:
risk appetite;
stop-loss;
rollback;
failover criteria;
decision thresholds.
Durante:
separa:
perda certa;
risco futuro;
sunk cost;
opportunity cost.
Ela não chama automaticamente:
rollback de fracasso.
Não chama:
cancelamento de derrota.
Não chama:
capacidade ociosa de desperdício.
Não chama:
controle não utilizado de custo inútil.
Porque entende que:
resiliência frequentemente exige aceitar pequenas perdas voluntárias para impedir perdas involuntárias muito maiores.
📓 Diário do Doctor
Se guardar algumas ideias desta viagem, guarde estas:
Loss Aversion é a tendência de perdas terem impacto psicológico maior do que ganhos equivalentes.
Nossa percepção depende de um ponto de referência: resultados são interpretados como ganho ou perda em relação a ele.
Anchoring pode definir artificialmente esse ponto de referência.
Sunk Cost Fallacy acrescenta custos passados que já não podem ser recuperados.
Loss Aversion torna emocionalmente doloroso reconhecer esses sunk costs.
Escalation of Commitment aparece quando assumimos mais investimento e risco para tentar evitar essa perda.
Plan Continuation Bias mantém o curso porque cancelar parece uma perda.
Goal Gradient torna abandonar perto da meta especialmente doloroso.
Em situações percebidas como perda, pessoas podem aceitar mais risco para tentar evitar a perda certa.
Outcome Bias pode recompensar apostas arriscadas que terminaram bem.
Hindsight Bias depois faz a decisão correta parecer óbvia apenas porque sabemos o resultado.
Framing Effect altera decisões quando a mesma alternativa é apresentada como ganho ou como perda.
Principal-Agent importa porque stakeholders diferentes temem perdas diferentes.
Goodhart e Campbell podem tornar perdas de métricas, bônus ou metas mais salientes que perdas sistêmicas.
Metric Fixation e McNamara Fallacy fazem perdas fáceis de medir dominarem perdas difíceis de quantificar.
Status Quo Bias e Endowment Effect tornam aquilo que já possuímos psicologicamente mais difícil de abandonar.
Rollback, circuit breakers, canaries, failover e load shedding são exemplos de mecanismos que aceitam perdas pequenas e controladas para evitar perdas maiores.
Stop-loss e critérios de abort devem ser definidos antes de entrarmos no estado emocional de perda.
O objetivo não é evitar toda perda. É minimizar perdas totais e proteger aquilo que realmente importa.
E principalmente:
não transforme uma pequena perda certa em uma grande aposta só porque seu cérebro odeia admitir que algo já não pode ser salvo.
🥚 Easter Egg final
Antes de entrar na TARDIS, o Doctor escreve:
LOSS = 2.
RISK-OF-MORE-LOSS = 6.
Nosso jovem:
— Então escolhemos perder dois?
Doctor:
— Talvez.
— Isso parece errado.
— Por quê?
— Porque escolhemos perder.
Doctor:
— Não.
Ele apaga:
CHOOSE LOSS.
E escreve:
LIMIT TOTAL DAMAGE.
Nosso jovem fica:
quieto.
— É a mesma decisão.
Doctor:
— Exatamente.
— Mas parece diferente.
— Bem-vindo ao framing.
Nosso jovem ri.
— Então Loss Aversion está também nas palavras?
Doctor abre a porta.
“Está nas palavras, nos números, nas memórias, no orgulho e principalmente na fantasia de que uma perda ainda não reconhecida deixou de existir.”
VWORP.
VWORP.
VWORP.
A TARDIS começa:
a desaparecer.
Nosso jovem grita:
— Doctor!
A porta abre.
— Sim?
— Qual é a diferença entre desistir e aceitar uma perda?
O Doctor pensa.
Depois responde:
“Desistir é abandonar o objetivo. Aceitar uma perda pode ser exatamente aquilo que preserva a possibilidade de ainda alcançá-lo.”
A porta fecha.
VWORP.
VWORP.
VWORP.
No quadro sobra:
“Nem toda perda deve ser evitada. Algumas devem ser aceitas cedo para impedir que cresçam.”
E talvez essa seja toda a essência da Loss Aversion no Bellacosa Mainframe:
o cérebro pergunta ‘como evito perder isto?’. A engenharia madura pergunta ‘qual decisão limita melhor o dano total daqui para frente?’.
☕🌀
Próxima parada: Framing Effect — o dia em que “90% de chance de sucesso” pareceu muito melhor do que “10% de chance de falha”, embora o mainframe, indiferente à retórica, soubesse perfeitamente que eram exatamente a mesma coisa.
