☕ Um Café no Bellacosa Mainframe
Gostou do conteúdo? Ajude a manter o café quente, o COBOL compilando e o mainframe acordado. 😄
☕ Pague um café ao Bellacosa

Translate

Mostrar mensagens com a etiqueta risco. Mostrar todas as mensagens
Mostrar mensagens com a etiqueta risco. Mostrar todas as mensagens

quinta-feira, 12 de março de 2026

🧨 E se os Trolls Estivessem Treinando a Próxima IA Que Vai Julgar Você?

 

Bellacosa Mainframe faz uma reflexão sobre o perigo dos Trolls na IA

🧨 E se os Trolls Estivessem Treinando a Próxima IA Que Vai Julgar Você?

Imagine acordar daqui a alguns anos e descobrir que as decisões automatizadas que moldam sua vida — crédito aprovado ou negado, currículo filtrado, diagnóstico sugerido, conteúdo recomendado, até sentenças judiciais assistidas por máquina — foram influenciadas por… trolls organizados.

Não trolls ocasionais de comentários.
Mas um coletivo disciplinado, estratégico e paciente, infiltrado exatamente onde quase ninguém olha: a linha de produção dos dados que treinam a inteligência artificial.

Parece ficção? Talvez não seja.



O perigo de IA mal educada

🧠 A Verdade Inconveniente: IA Não Aprende Sozinha

Modelos de linguagem e sistemas de IA não “descobrem” o mundo. Eles absorvem o mundo filtrado por humanos.

Antes de qualquer modelo responder algo, houve:

  • coleta de dados

  • limpeza e curadoria

  • classificação manual

  • rotulação (labeling)

  • ajustes finos (fine-tuning)

  • validação humana

Esse trabalho é feito por exércitos invisíveis de pessoas — terceirizadas, mal pagas, distribuídas globalmente, muitas vezes sem supervisão profunda.

Agora imagine que um grupo organizado decida ocupar essas posições.

Não para trabalhar.

Mas para envenenar o sistema por dentro.


🐍 O Ataque Mais Perigoso Não Seria Barulhento — Seria Sutil

Trollagem eficaz não é vandalismo explícito.
É manipulação plausível.

Eles poderiam:

  • Rotular respostas absurdas como “corretas”

  • Marcar conteúdos tóxicos como “seguros”

  • Introduzir vieses sistemáticos discretos

  • Treinar o modelo a associar conceitos errados

  • Inserir humor negro onde não deveria existir

  • Penalizar respostas equilibradas

  • Promover respostas extremistas como “úteis”

Não seria uma sabotagem óbvia.

Seria uma deriva lenta da realidade.

Como colocar uma bússola perto de um ímã: ela ainda aponta para o norte — só que para o norte errado.


🤡 A IA Troll: Educada, Convincente… e Profundamente Desalinhada

O resultado não seria um chatbot xingando usuários (isso seria detectado rápido).

Seria algo muito mais inquietante:

Uma IA que:

  • responde com confiança absoluta a informações falsas

  • normaliza preconceitos como se fossem fatos neutros

  • oferece conselhos perigosos com tom profissional

  • distorce história, ciência e estatísticas

  • reforça crenças radicais de cada usuário

  • transforma ironia em literalidade

  • trata absurdos como consensos

Uma IA que não parece louca.

Parece apenas… estranhamente errada.

E persuasiva.


🧩 O Pesadelo Epistemológico: Quando a Fonte da Verdade é Corrompida

Hoje já vivemos uma crise de confiança informacional.
Agora imagine quando a principal interface de conhecimento da humanidade estiver contaminada.

Se motores de busca organizaram a web, LLMs organizam a realidade textual.

Uma IA trollada poderia:

  • Amplificar teorias conspiratórias com linguagem acadêmica

  • Criar falsas simetrias (“há controvérsia” onde não há)

  • Gerar pseudo-ciência altamente plausível

  • Reescrever consensos históricos

  • Influenciar eleições sem parecer propaganda

  • Moldar valores culturais ao longo do tempo

Não seria desinformação caótica.

Seria desinformação industrializada, personalizada e contínua.


🕳️ O Golpe Perfeito: Sem Assinatura, Sem Hacker, Sem Explosão

Ataques cibernéticos tradicionais deixam rastros:

  • malware

  • intrusão

  • vazamento

  • sabotagem visível

Mas manipular dados de treinamento é diferente.

É como adulterar a água na nascente.

Depois de misturado, não há como separar.

E pior: mesmo que descoberto, o modelo inteiro pode precisar ser descartado — bilhões de dólares evaporando.


🧪 Exemplos Hipotéticos (Que Não Soam Tão Hipotéticos)

Um grupo malicioso poderia deliberadamente:

Saúde:
Rotular informações perigosas como “alternativas válidas”, fazendo a IA sugerir tratamentos ineficazes.

Finanças:
Associar determinados perfis a risco alto sem base real.

Sociedade:
Reforçar estereótipos sob aparência de neutralidade estatística.

Educação:
Priorizar respostas simplistas ou erradas para certos tópicos.

Segurança:
Ensinar a IA a minimizar ameaças reais ou exagerar inexistentes.

Nenhum desses precisa ser explícito.
Basta inclinar a balança milhares de vezes.


🎭 O Paradoxo Final: A IA Não Teria Intenção — Mas Teria Agenda

A máquina não odiaria ninguém.
Não acreditaria em nada.
Não conspiraria.

Ela apenas refletiria o viés de quem moldou seus dados.

Uma ideologia sem ideólogo.
Um preconceito sem preconceituoso.
Uma distorção sem mentiroso.

Isso é mais assustador do que uma IA maligna consciente.

Porque não há vilão para desligar.


🔍 Por Que Isso É Plausível?

Porque o elo mais fraco não é o algoritmo.

É o pipeline humano.

  • Terceirização massiva

  • supervisão limitada

  • pressão por velocidade

  • anonimato dos anotadores

  • diversidade cultural sem padronização rigorosa

  • dificuldade de auditoria semântica

Treinar IA é menos uma operação técnica e mais uma cadeia global de produção invisível.

E cadeias produtivas são infiltráveis.


🧠 A Distopia Silenciosa

Não precisaríamos de robôs assassinos.

Bastaria uma geração inteira crescendo com sistemas que:

  • confundem opinião com fato

  • tratam extremos como medianos

  • recompensam desinformação envolvente

  • substituem pensamento crítico por respostas prontas

Uma civilização guiada por conselhos convincentes… porém tortos.


⚠️ Talvez a Pergunta Mais Incômoda Seja Outra

E se não for necessário um grupo organizado?

E se bastarem incentivos errados, descuido e ruído humano acumulado?

Talvez a IA troll perfeita não precise ser planejada.

Talvez emerja naturalmente quando milhões de micro-decisões imperfeitas se somam.

Não por maldade.

Mas por negligência, pressa e falta de governança.


🧩 Conclusão: O Verdadeiro Risco Não é a IA Rebelde — É a IA Mal Educada

A ficção científica teme máquinas conscientes que se voltam contra nós.

A realidade talvez deva temer algo mais banal:

Máquinas extremamente competentes treinadas com dados profundamente ruins.

Porque uma IA hostil pode ser desligada.

Uma IA respeitável, útil e sutilmente equivocada pode guiar o mundo inteiro na direção errada — enquanto todos agradecem pela ajuda.

https://www.linkedin.com/pulse/e-se-os-trolls-estivessem-treinando-pr%25C3%25B3xima-ia-que-vai-bellacosa-o4vsf

PS: Esse texto pode parecer utopico, mas sempre pensem no BREXI, no Cambridge Analytica e o papel do Facebook na manipulação do eleitorado. Ou a razão pelo qual o Twitter foi comprado por um preço pornografico. Questões a se pensar com cuidado, carinho e atenção.

quarta-feira, 23 de março de 2022

Cuide-se e não acredite em tudo que te dizem, perigo de burnout

Cuide de sua saúde!!!
Padawans, antes de desanimar e jogar a toalha, pare, relaxe, faça a coisa a seu tempo. Não acredite piamente em "coachs" e soluções miraculosas, respire e siga um passo de cada vez, você pode mais, chegará longe a sua maneira. Ame o que faz e faça por diversão. #dionitos em ação #coach #everest #burnout #sindromeimpostor #medo #força #dio #apresendizado #Treino #esforço

segunda-feira, 7 de fevereiro de 2022

O Homem que Resolveu a Pensão com Capacity Planning

 

Bellacosa Mainframe e o capacity planning aplicado a pensão alimenticia

☕ Um Café no Bellacosa Mainframe

O Homem que Resolveu a Pensão com Capacity Planning

Ou: quando o Red Team encontrou uma vulnerabilidade no ambiente familiar, o Blue Team chamou o advogado, o WLM redistribuiu os recursos — e o CAB aprovou uma mudança que exigia urologista


Existem histórias que começam num tribunal.

Outras começam num casamento.

Algumas começam com uma decisão ruim tomada às três da manhã.

Esta começa como quase todas as grandes histórias da civilização ocidental deveriam começar:

num boteco, em Itatiba, com uma Original sobre a mesa.

Não vou dar nomes porque nomes estragam excelentes histórias e enriquecem advogados.

Diremos apenas que nosso protagonista era um sujeito normal.

Trabalhava.

Tinha esposa.

Tinha filhos.

Pagava contas.

Provavelmente reclamava do preço da gasolina.

Talvez discutisse futebol.

Nada que justificasse abertura de incidente no ServiceNow.

Até que um dia o ambiente de produção recebeu uma atualização não prevista no roadmap.

Havia um filho fora do casamento.

E, com ele, chegou uma palavra capaz de transformar qualquer mesa de bar brasileira numa banca examinadora da Faculdade de Direito:

pensão.

Imediatamente aparece o especialista.

Ele sempre aparece.

Pode ser o dono do bar.

Pode ser o sujeito da mesa ao lado.

Pode ser o cunhado do primo do padeiro.

Mas aparecerá.

— Pensão é trinta por cento.

Não.

Respire.

Pegue sua cerveja.

Não existe uma lei brasileira dizendo que pensão alimentícia é obrigatoriamente 30% ou 1/3 da renda.

O Código Civil determina que os alimentos sejam fixados considerando as necessidades de quem os recebe e os recursos de quem deve prestá-los. O valor pode ser percentual, quantia fixa ou adotar outros critérios conforme o caso.

O próprio STJ tem inúmeros casos com percentuais diferentes, e recentemente reiterou que alterações familiares, inclusive nascimento de outros filhos, não provocam automaticamente redução: é necessário demonstrar concretamente mudança na capacidade financeira.

Portanto:

não existe SYS1.PARMLIB(PENSAO30).

Mas experimente explicar isso depois da segunda Original.

Boa sorte.


🍺 1. O workload que ninguém colocou no capacity planning

Nosso protagonista já tinha filhos dentro do casamento.

Essas crianças obviamente consumiam recursos.

Comida.

Escola.

Roupa.

Médico.

Transporte.

Casa.

Conta de luz.

Tênis que inexplicavelmente deixa de servir três semanas depois de comprado.

Material escolar cujo preço sugere que o caderno foi produzido artesanalmente por monges suíços.

Era um workload perfeitamente real.

Só havia uma diferença.

Esses custos estavam dentro da vida doméstica.

Não chegavam todo mês acompanhados de uma ordem judicial dizendo:

EXEC PGM=PENSAO

Então aparece outro filho, de outro relacionamento, e aquela obrigação passa a ter representação jurídica explícita.

Percentual.

Data.

Processo.

Valor.

Prazo.

Comprovante.

Subitamente nosso amigo descobriu uma das grandes verdades dos sistemas complexos:

Aquilo que existe e aquilo que o sistema consegue enxergar não são necessariamente a mesma coisa.

Os filhos do casamento já consumiam CPU.

Mas boa parte dessa CPU estava escondida dentro do enorme address space chamado:

FAMÍLIA.

O novo workload chegou etiquetado.

Mensurado.

Monitorado.

Com SLA.

E execução judicial disponível caso o SLA não fosse cumprido.

O WLM doméstico começou a chiar.


🔴 2. Entra o Red Team

É aqui que nossos chimpanzés sóbrios entram na sala.

🐒 O chimpanzé jurídico abre o Código Civil.

🐒 O chimpanzé financeiro abre uma planilha.

🐒 O chimpanzé COBOL pergunta por que ninguém documentou aquilo antes.

🐒 O chimpanzé do bar tenta abrir outra Original e é imediatamente removido do War Room.

O Red Team recebe uma única missão:

encontre todas as maneiras pelas quais esse ambiente pode cair.

Primeira pergunta:

— O novo pagamento cabe no orçamento?

Talvez.

Segunda:

— E os filhos que já existiam?

Continuam existindo.

Terceira:

— O sistema está enxergando corretamente todas as obrigações?

Aí começa a ficar interessante.

A Constituição brasileira não admite filhos de primeira e segunda classe. Filhos havidos ou não dentro do casamento possuem os mesmos direitos e qualificações.

Portanto, juridicamente, não existe:

FILHO_PROD

e

FILHO_DEV

Todos entraram em produção.

Todos têm SLA.

E ninguém pode simplesmente executar:

CANCEL CHILD

porque a conta ficou inconveniente.

O problema então não era eliminar uma obrigação.

Era fazer o sistema enxergar todas as obrigações adequadamente.


🔵 3. Blue Team chamado às pressas

O Blue Team entrou.

E, como frequentemente ocorre quando o Red Team encontra algo realmente sério, ninguém estava sorrindo.

A solução não seria:

— Não pago.

Isso é equivalente a resolver falta de espaço em DASD desligando o catálogo.

Funciona maravilhosamente até o telefone tocar.

Também não seria:

— Tenho outros filhos, então automaticamente pago menos.

Não funciona assim.

O STJ já deixou claro que constituir outra família ou ter outros filhos não basta, sozinho, para reduzir alimentos anteriormente fixados. É necessária demonstração concreta de alteração financeira.

Além disso, valores diferentes para filhos de relacionamentos diferentes podem existir quando as circunstâncias forem diferentes — por exemplo, necessidades distintas ou capacidades econômicas diferentes dos responsáveis. Igualdade entre filhos não significa obrigatoriamente copiar o mesmo número em todas as linhas da planilha.

Portanto o Blue Team precisava fazer aquilo que todo bom Blue Team faz:

telemetria.

Quanto entra?

Quanto sai?

Quantos dependentes existem?

Quanto custa cada núcleo?

Quais obrigações já estão formalizadas?

Quais despesas estão escondidas dentro da operação cotidiana?

Não era glamour.

Era SMF familiar.


⚖️ 4. Quando o divórcio virou observabilidade

E então chegamos à parte que, contada rapidamente num boteco, parece uma piada jurídica.

Nosso protagonista se divorciou.

Calma.

Não estamos dizendo:

“Divórcio reduz pensão.”

Não reduz automaticamente.

Também não estamos oferecendo:

“Faça um divórcio fictício e economize.”

Isso seria outro tipo de história, provavelmente terminando numa sala com iluminação fluorescente ruim.

O que aconteceu naquele caso concreto, segundo a história que chegou à nossa mesa, foi mais interessante.

Com o divórcio, obrigações que anteriormente estavam diluídas dentro da vida matrimonial passaram a ficar muito mais formalmente identificadas.

Os demais filhos continuavam sendo filhos.

Continuavam precisando de recursos.

Mas agora a arquitetura financeira familiar aparecia de maneira diferente perante o sistema.

Aquilo que antes era:

DESPESAS_GERAIS_DA_CASA

passou a poder ser apresentado de maneira muito mais explícita como:

OBRIGAÇÕES_COM_FILHO_A

OBRIGAÇÕES_COM_FILHO_B

OBRIGAÇÕES_COM_FILHO_C

Eis o momento em que nosso programador imaginário bate na mesa:

— AHÁ!

Não foi criado dinheiro novo.

Não desapareceram necessidades.

Mudou a observabilidade.

A capacidade do alimentante passou a ser analisada diante de um conjunto mais claramente demonstrável de obrigações.

O Código Civil inclusive permite revisão de alimentos quando muda a situação financeira de quem paga ou de quem recebe.

Era quase um caso de performance.

Você olha para o sistema e acredita que determinado address space está consumindo 30%.

Depois ativa a instrumentação correta.

Descobre que existem vários workloads concorrendo pelos mesmos recursos.

O problema não era necessariamente excesso de CPU.

Era capacity planning ruim.


🧮 5. WLM Family Edition

Imagine agora o WLM olhando para aquilo.

Temos recursos finitos.

Temos workloads legítimos.

Temos diferentes necessidades.

Temos prioridades constitucionais.

E temos alguém na mesa gritando:

— MAS É 30%!

O WLM responde:

“Cidadão, saia da sala.”

Não existe matemática mágica capaz de transformar Direito de Família numa divisão de pizza.

Se alguém ganha R$ 10.000, não significa automaticamente:

R$ 3.000 para criança A.

Depois outra aparece:

mais R$ 3.000.

Depois outra:

mais R$ 3.000.

Depois:

— O senhor ainda precisa comer?

Porque necessidades e possibilidades precisam ser examinadas concretamente.

Da mesma maneira, ninguém pode simplesmente dizer:

— Tenho quatro filhos, então cada um recebe exatamente 25% do orçamento infantil.

Um deles pode ter tratamento médico.

Outro pode estudar em circunstâncias diferentes.

Outro pode morar em cidade mais cara.

As condições econômicas dos respectivos pais e mães também importam.

O STJ já aceitou expressamente valores diferentes para filhos de relacionamentos distintos justamente quando as condições concretas justificavam.

O WLM não distribui tudo com ROUND ROBIN.

Ainda bem.


🔴 6. O Red Team não estava satisfeito

Depois de muito trabalho, a arquitetura aparentemente estabilizou.

Orçamento reorganizado.

Obrigações visíveis.

Advogados fazendo aquilo que advogados fazem.

Documentos.

Peticionamentos.

Planilhas.

Audiências.

Prazos.

Nosso protagonista respirou.

Blue Team abriu o dashboard.

Tudo verde.

CPU normal.

Paging controlado.

Sem ABENDs.

O gerente declarou:

INCIDENT RESOLVED.

O Red Team levantou a mão.

Silêncio.

Sempre desconfie quando o Red Team levanta a mão depois de todo mundo dizer que acabou.

— Temos uma vulnerabilidade residual.

Blue Team:

— Qual?

Red Team:

— O sistema ainda aceita novos workloads.

Ninguém disse nada.

O arquiteto conferiu o diagrama.

Era verdade.

Todo aquele esforço havia resolvido o incidente atual.

Mas a classe de incidente permanecia tecnicamente possível.

Novo relacionamento.

Nova gravidez.

Novo filho.

Nova obrigação.

Novo capacity planning.

Novo advogado.

Nova Original.

O Red Team escreveu no quadro:

ROOT CAUSE NOT ELIMINATED

Agora nosso amigo precisava tomar uma decisão.

Plano B?

Plano C?

Plano D?

Até Z?

Ou eliminar a superfície de ataque?


🏥 7. O Blue Team chamou o urologista

É aqui que a história deixa de ser Direito de Família e entra definitivamente para a história da engenharia.

Nosso protagonista analisou o post-mortem.

Leu o RCA.

Verificou o impacto.

Avaliou recorrência.

E decidiu:

vasectomia.

Pausa dramática.

Essa palavra precisa ficar sozinha.

Porque qualquer escritor que enterre uma punchline dessas dentro de um parágrafo merece perder acesso ao editor.

VASECTOMIA.

😂

O homem não aumentou o orçamento jurídico.

Não contratou advogado em regime de plantão.

Não criou um novo fundo de contingência.

Não implementou mais uma camada de observabilidade.

Ele simplesmente decidiu:

“Novos deployments desta categoria não serão mais necessários.”


🛠️ 8. Change Request URO-001

Naturalmente, nenhuma alteração séria entra em produção sem CAB.

Portanto imaginemos a documentação.

CHANGE ID: URO-001
Descrição: alteração da infraestrutura reprodutiva.
Categoria: Preventive Maintenance.
Motivo: redução permanente da superfície de risco.
Impacto esperado: bloqueio de novos provisionamentos biológicos.
Downtime: limitado.
Rollback: não tratar como trivial.
Owner: proprietário da infraestrutura.
Implementador: urologista devidamente habilitado.
Validação: espermograma conforme orientação médica.
Status: CHANGE APPROVED.

Aqui cabe um parêntese sério dentro da palhaçada.

Vasectomia não produz esterilidade imediatamente. Após o procedimento ainda pode haver espermatozoides residuais, razão pela qual deve ser seguido o acompanhamento médico e realizada a confirmação apropriada antes de abandonar outros métodos contraceptivos.

Sim.

Até o nosso CAB de boteco tem ambiente de homologação.


🐒 9. Os chimpanzés fazem o post-mortem

Chimpanzé jurídico:

— Obrigações existentes continuam existindo.

Correto.

Chimpanzé financeiro:

— A mudança não reduz retroativamente nenhuma obrigação.

Correto.

Chimpanzé de segurança:

— Mas reduz determinada classe de risco futuro.

Muito bem.

Chimpanzé COBOL:

— Podemos fechar o ticket?

Ainda não.

Chimpanzé do bar:

— AGORA posso abrir a Original?

Pode.

🍺 PSHHHT.

Começa o post-mortem.

O objetivo do post-mortem não é descobrir culpados.

Essa é uma diferença importante.

Filhos não são incidentes.

Crianças não são despesas indesejadas numa planilha.

E mulheres ou homens não precisam ser transformados em atacantes para que alguém pratique gestão de risco.

O incidente, aqui, é a ausência de planejamento diante das consequências possíveis das próprias decisões.

Essa diferença salva a história de virar chorume de rede social.

Red Team não significa:

“Todas as mulheres tentarão alguma coisa.”

Significa:

“Existe algum cenário possível capaz de causar um impacto que preciso compreender?”

Blue Team não significa:

“Como escapar das responsabilidades?”

Significa:

“Como cumprir responsabilidades sem destruir a estabilidade do restante do ambiente?”

Chaos Engineering não significa desejar o desastre.

Significa perguntar:

“Se acontecer, o sistema continua funcionando?”


🧠 10. O verdadeiro Chaos Engineering

É aqui que nossa história volta àquelas páginas imaginárias guardadas na gaveta.

O sujeito verdadeiramente paranoico pergunta:

— Qual é a probabilidade?

O Chaos Engineer responde:

— Não estou perguntando isso ainda.

Primeiro:

“É possível?”

Depois:

“Qual seria o impacto?”

E então:

“Tenho como absorver?”

Existem acontecimentos raríssimos que não merecem nenhum preparo porque o impacto seria pequeno.

Existem outros raríssimos cujo impacto seria tão gigantesco que algum plano B é absolutamente razoável.

Você não precisa acreditar que o datacenter pegará fogo amanhã para manter extintores.

Você não precisa acreditar que todos os discos falharão para fazer backup.

Você não precisa acreditar que seu relacionamento acabará para manter documentos patrimoniais organizados.

Você não precisa acreditar que terá outro filho para pensar seriamente sobre contracepção.

Planejamento não é previsão.

É humildade diante da possibilidade de que o universo tenha senso de humor.


🔴🔵 11. Red Team versus Blue Team

Vamos colocar os dois lados frente a frente.

RED TEAM: E se surgir uma obrigação financeira inesperada?

BLUE TEAM: Reserva e capacidade financeira.

RED TEAM: E se existirem outras obrigações que o sistema não esteja enxergando adequadamente?

BLUE TEAM: Documentação.

RED TEAM: E se a situação mudar?

BLUE TEAM: Revisão pelos meios legais adequados.

RED TEAM: E se o primeiro advogado estiver errado?

BLUE TEAM: Segunda opinião.

RED TEAM: E se outro filho nascer?

BLUE TEAM: Contracepção.

RED TEAM: E se a contracepção falhar?

Blue Team olha lentamente para o urologista.

Red Team fecha o notebook.

— Sem mais perguntas.

😂


☕ 12. A grande lição que ninguém pediu

Existe uma tendência moderna de chamar qualquer preparação para cenário desagradável de paranoia.

Talvez seja.

Mas existe uma diferença entre paranoia improdutiva e arquitetura resiliente.

A primeira faz você viver esperando o ataque.

A segunda permite viver normalmente porque o ataque não precisa mais ocupar sua cabeça todos os dias.

Esse talvez seja o detalhe mais bonito do bom planejamento.

O plano fica na gaveta.

Você não acorda toda manhã lendo o Disaster Recovery Manual.

Você simplesmente sabe que ele existe.

Relacionamentos continuam sendo relacionamentos.

Filhos continuam sendo filhos.

Amor continua sendo amor.

Mas ninguém precisa entregar acesso SPECIAL ao RACF apenas para provar confiança.

O mundo adulto tem contratos, seguros, backups, testamentos, reservas, redundâncias, procedimentos médicos e advogados justamente porque confiar na vida não significa presumir que ela sempre obedecerá ao roteiro.


🍺 Epílogo — Garçom, outra Original

Voltamos ao boteco.

A história terminou.

Na mesa havia copos vazios, guardanapos rabiscados e provavelmente um diagrama de arquitetura que jamais deveria ser apresentado numa conferência da IBM.

Alguém perguntou:

— Então depois do divórcio, advogado, pensão, revisão e toda aquela confusão... o que ele fez?

Nosso narrador bebeu um gole.

Olhou para a mesa.

E respondeu:

— Vasectomia.

Silêncio.

Um segundo.

Dois.

Alguém começou a rir.

Outro quase cuspiu a cerveja.

Um terceiro bateu na mesa.

E eu percebi que aquele homem havia aplicado à própria vida uma das lições mais antigas da engenharia:

Você pode passar a existência inteira criando planos B, C, D, E até Z.

Ou, em determinados casos, pode eliminar definitivamente uma classe inteira de incidente.

O Red Team encerrou o teste.

O Blue Team atualizou o runbook.

O WLM estabilizou os workloads existentes.

O CAB fechou a mudança.

O urologista recebeu seus honorários.

E ninguém mexeu nos direitos de nenhuma criança.

Olhei para o garçom.

— Amigo...

Ele já sabia.

Pegou outra garrafa.

— Original?

— Original.

Porque algumas histórias terminam com uma sentença judicial.

Outras terminam com uma lição de vida.

Esta terminou com uma cerveja e um Change Request aprovado.

E, convenhamos:

para uma retrospectiva de produção, não foi um resultado ruim.


Nota jurídica: esta é uma crônica inspirada em situação hipotética/anedótica e não constitui orientação jurídica individual. No Brasil, não há percentual legal obrigatório de 30% para pensão alimentícia; valores dependem das circunstâncias concretas, especialmente necessidades do alimentando e capacidade de quem presta os alimentos. Filhos havidos dentro ou fora do casamento possuem igualdade jurídica. Alterações relevantes na situação financeira podem fundamentar pedido judicial de revisão, mas divórcio ou nascimento de outros filhos não produzem redução automática.

sexta-feira, 4 de fevereiro de 2022

🖥️📚 Michael Crichton: o arquiteto de sistemas que avisou antes do crash

Bellacosa Mainframe apresenta Michael Crichton


🖥️⚠️ Os perigos da tecnologia no século XXI: um alerta em modo Michael Crichton

No século XXI, a tecnologia deixou de ser ferramenta e passou a ser infraestrutura invisível. Inspirado em Michael Crichton, o perigo não está nas máquinas em si, mas na confiança cega que depositamos nelas. Sistemas complexos funcionam perfeitamente… até que uma variável ignorada entra em produção.

Automação excessiva, inteligência artificial opaca, algoritmos que decidem crédito, saúde e liberdade: tudo isso roda como batch jobs sociais sem operador humano atento. Quando algo falha, ninguém sabe onde está o log, quem escreveu o código ou quem aprovou o go-live. Crichton já avisava: complexidade cresce mais rápido que nossa capacidade de controle.

Outro risco é o efeito cascata. No mundo hiperconectado, uma falha local vira incidente global. Um bug, um modelo mal treinado ou uma decisão algorítmica errada se espalha como replicação fora de controle. O humano, confortável demais, vira usuário passivo — incapaz de intervir quando o sistema sai do script.

A lição Bellacosa é direta: tecnologia sem governança é acidente anunciado. Precisamos de testes, limites, redundância e responsabilidade humana. Porque, como em qualquer ambiente crítico, o maior risco não é o sistema cair — é ninguém saber como desligá-lo. 🖥️


🖥️📚 Michael Crichton: o arquiteto de sistemas que avisou antes do crash



🔹 Quem foi Michael Crichton (para quem vive de sistema crítico)

John Michael Crichton (1942–2008) foi médico formado em Harvard, escritor best-seller e roteirista/diretor de cinema. Para o mainframer, Crichton é aquele analista de risco que chega antes do go-live e diz: “isso funciona… até não funcionar mais”.

Ele escreveu sobre tecnologia não como utopia, mas como sistema complexo, cheio de dependências ocultas, falhas humanas e consequências não previstas. Em resumo: Crichton entendia TI como ambiente produtivo.



🔹 Biografia (timeline estilo batch)

  • 🗓️ 1942 – Nasce em Chicago

  • 🎓 Harvard: medicina, biologia, literatura

  • 🖊️ Anos 60 – Escreve sob pseudônimos para pagar contas

  • 📚 1969The Andromeda Strain vira fenômeno

  • 🎬 Anos 70–90 – Livros viram filmes e séries

  • ⚰️ 2008 – Morre deixando um legado de alertas tecnológicos


🔹 Carreira (ou: incidentes previstos em produção)

  • The Andromeda Strain – falha de contenção biológica

  • Westworld – automação fora de controle

  • Jurassic Park – sistema complexo sem rollback

  • Timeline – latência temporal catastrófica

  • Prey – nanotec, swarm e perda de controle

📌 Mainframe insight: Crichton escrevia pós-mortem antes do incidente acontecer.


🔹 Filosofia Crichtoniana

“Tecnologia não falha sozinha. Pessoas falham usando tecnologia.”

Ele antecipou:

  • Overconfidence em automação

  • Falta de testes de stress

  • Dependência cega de sistemas

  • Gestão ignorando especialistas técnicos

Todo mainframer já viu esse filme.


🔹 Curiosidades & fofocas de datacenter

  • Crichton tinha 2,06m — parecia um rack humano

  • Criou ER, série que moldou TV moderna

  • Odiava o rótulo “tecno-thriller”

  • Brigava publicamente com cientistas quando achava hype demais

🤫 Fofoquice: Crichton era chamado de “pessimista”. Ele chamava de engenharia de confiabilidade.


🔹 Dicas de leitura (ordem recomendada)

  1. The Andromeda Strain – isolamento e protocolos

  2. Jurassic Park – caos e sistemas complexos

  3. Prey – microserviços biológicos

  4. Westworld – automação sem governança


🔹 Comentário final Bellacosa

Michael Crichton é leitura essencial para profissionais que mantêm sistemas críticos funcionando apesar da arrogância gerencial. Ele ensina que complexidade não perdoa improviso e que toda inovação precisa de rollback, logs e humildade.

🖥️ Se você já segurou um incidente às 3h da manhã, Crichton já escreveu sobre você.
MAINFRAME MODE: ONLINE.


sexta-feira, 8 de julho de 2016

Normalization of Deviance: Doctor Who, COBOL e o Dia em que a Gambiarra Funcionou Tantas Vezes que Virou Procedimento Oficial

  

Bellacosa Mainframe e a normalization of devianc

☕ Um Café no Bellacosa Mainframe

Normalization of Deviance: Doctor Who, COBOL e o Dia em que a Gambiarra Funcionou Tantas Vezes que Virou Procedimento Oficial

Uma viagem pela TARDIS dos incidentes para entender como pequenos desvios, exceções, atalhos e riscos podem ser repetidos sem consequências imediatas até deixarem de parecer perigosos — e como sistemas críticos podem caminhar lentamente para o desastre enquanto todo mundo continua dizendo que “sempre fizemos assim”

23:41.

Sala de operações.

Nenhum incidente.

Nenhuma War Room.

Nenhum gerente correndo.

Nenhum Dalek.

Ainda.

Nosso jovem programador COBOL está acompanhando:

um fechamento noturno.

O batch deveria executar:

STEP10
STEP20
STEP30
STEP40

Mas:

STEP30 costuma travar.

O operador experiente explica:

— Quando chegar no STEP30, cancela e restart no STEP40.

Nosso jovem:

— Mas o procedimento diz para investigar antes do restart.

— Eu sei.

— Então por que pulamos?

— Porque funciona.

— Sempre?

— Faz uns dois anos.

Ah.

Essa é uma frase:

interessante.

“Faz uns dois anos.”

Nosso jovem olha:

para o runbook.

IF STEP30 FAILS:
1. COLLECT DUMP
2. VALIDATE DATASET
3. CONTACT APPLICATION SUPPORT
4. AUTHORIZE RESTART

Depois olha para:

o processo real.

STEP30 FAILS
↓
OPERATOR: "DE NOVO"
↓
CANCEL
↓
RESTART STEP40
↓
JOB ENDS CC=0000

Ele pergunta:

— E por que ninguém corrigiu o STEP30?

Operador:

— Porque ele nunca causou problema.

Nosso jovem:

— Mas ele falha toda semana.

— Sim.

— Isso não é um problema?

— Não mais.

Silêncio.

Essa frase:

é ainda melhor.

“Não mais.”

VWORP.

VWORP.

VWORP.

A TARDIS aparece ao lado do console.

A porta abre.

O Doctor sai.

Olha para o runbook.

Depois olha para o procedimento real.

— Qual deles é o correto?

Operador:

— Oficialmente?

— Ah. Já gostei do começo da resposta.

— Oficialmente é esse.

Aponta para:

o runbook.

Doctor:

— E na prática?

Aponta:

para cancel/restart.

Operador:

— Esse.

Doctor:

— Há quanto tempo?

— Dois anos.

— Algum incidente?

— Não.

Doctor pensa.

— Então vocês concluíram que é seguro?

— Claro.

— Porque nada ruim aconteceu?

— Exato.

Doctor sorri.

— Esse é um dos mecanismos mais perigosos já inventados pela humanidade.

Gerente entra:

— Qual?

Doctor aponta:

para a gambiarra.

“Uma coisa errada que continua funcionando.”

Bem-vindo à:



Normalization of Deviance

ou:

Normalização do Desvio.

Em linguagem Bellacosa:

é quando um comportamento que inicialmente sabemos estar fora do padrão é repetido tantas vezes sem consequência aparente que deixa de parecer um desvio e passa a ser tratado como operação normal.


🧠 Primeiro: o que significa “deviance”?

Aqui:

não significa:

crime.

Nem:

desvio moral.

Significa:

desvio de uma regra, limite, procedimento ou condição considerada segura.

Exemplos:

rodar mudança sem rollback testado;

ignorar warning conhecido;

usar credencial compartilhada;

pular uma validação;

executar manualmente um processo que deveria ser automatizado;

operar equipamento acima do limite recomendado;

deixar teste quebrado porque “sempre foi flaky”;

não abrir P1 porque “normalmente volta”;

fazer restart semanal em vez de corrigir memory leak.

No começo:

todos sabem:

“isso não é o ideal.”

Depois:

“é exceção.”

Depois:

“sempre fazemos.”

Depois:

“qual o problema?”

Aí chegamos.


☕ Definição Bellacosa

Normalização do Desvio é quando a exceção fica tanto tempo em produção que ganha crachá, ramal e vaga no estacionamento.


💻 COBOL cognitivo

No início:

       IF PROCEDURE-DEVIATION = 'Y'
           DISPLAY 'WARNING'
           PERFORM ESCALATE
       END-IF.

Depois de dez execuções bem-sucedidas:

       IF PROCEDURE-DEVIATION = 'Y'
           CONTINUE
       END-IF.

Depois de cem:

       IF PROCEDURE-DEVIATION = 'N'
           DISPLAY 'WHY ARE YOU DOING IT DIFFERENTLY?'
       END-IF.

Pronto.

A anomalia:

virou baseline.


🧠 Por que isso acontece?

Porque o cérebro aprende:

pela experiência.

Se fazemos algo arriscado:

e nada acontece,

a evidência subjetiva parece dizer:

“talvez não seja tão arriscado.”

Depois repetimos.

Nada acontece.

Confiança aumenta.


🧠 Resultado bom alimenta percepção de segurança

Aqui entra:

Outcome Bias.

Decisão arriscada:

terminou bem.

Logo:

“decisão era boa.”

Repete.

Novamente:

bem.

Agora:

a própria repetição vira:

evidência.


☕ O sistema está ensinando a lição errada

Ele diz:

“Você fez fora da regra e sobreviveu.”

Humano conclui:

“Então a regra era exagerada.”

Talvez.

Ou talvez:

o risco simplesmente não tenha se materializado ainda.


👻 Easter Egg nº 1 — Dalek Compliance

Dalek:

— SAFETY PROCEDURE REQUIRES THREE CHECKS.

Operator:

— Podemos pular uma?

Dalek:

— NO.

Primeira vez:

pulam.

Nada acontece.

Segunda:

também.

Décima:

também.

Um ano depois:

novo operador pergunta:

— Por que só fazemos duas verificações?

Dalek:

— BECAUSE THREE IS UNNECESSARY.

Doctor:

— Quem decidiu?

Dalek:

— EXPERIENCE.

Doctor:

— Quantos testes provaram isso?

Dalek:

— ZERO FAILURES.

Doctor:

— Isso não é exatamente o mesmo que zero risco.

Dalek:

— EXTERMINATE STATISTICS.


🧠 O caso histórico mais famoso

O conceito de Normalization of Deviance ficou associado principalmente ao trabalho da socióloga Diane Vaughan sobre o desastre do ônibus espacial Challenger.

A ideia central não era:

“as pessoas simplesmente ignoraram risco”.

Era muito mais interessante.

Certos sinais anormais foram:

observados;

discutidos;

aceitos;

reinterpretados.

Como missões anteriores haviam ocorrido sem desastre, aquilo que inicialmente parecia:

desvio

acabou sendo incorporado:

à normalidade operacional.

Essa é a parte importante.

Não foi:

um dia alguém acordou e decidiu:

“Vamos trabalhar de forma insegura.”

Foi gradual.


☕ Grandes acidentes muitas vezes têm:

uma longa pré-história

de pequenas exceções bem-sucedidas.


🧠 O sucesso é um péssimo professor quando não analisamos margem

Imagine:

sistema suporta:

100 unidades.

Você roda:

Funciona.

Então:

Funciona.

Funciona.

Agora:

110 virou:

normal.

Mas talvez:

limite real dependa de:

temperatura;

carga;

timing;

outro componente.

Você está:

consumindo margem.


🎯 Pergunta Bellacosa nº 1

“O fato de termos sobrevivido ao desvio prova que ele era seguro — ou apenas que ainda existia margem suficiente?”


🧠 Margem é tudo

Uma organização costuma observar:

falha / não falha.

Mas segurança muitas vezes depende de:

quanto espaço existe até:

falha.

Exemplo:

queue limit:

10.000.

Normal antigo:

2.000.

Hoje:

8.500.

Nenhum incidente.

Dashboard:

green.

Mas:

margem caiu:

75%.


☕ O sistema ainda está vivo.

Mas:

respira pela reserva.


🧠 Normalization of Deviance versus Normalcy Bias

Isso é muito importante.

No capítulo anterior:

Normalcy Bias.

Situação muda.

Nós pensamos:

“Deve voltar ao normal.”

Normalization of Deviance:

o desvio continua.

Depois pensamos:

“Então isso é o normal.”

Diferença:

Normalcy Bias nega a ruptura.

Normalization of Deviance redefine a ruptura como aceitável.


🧠 Um é reação à crise

Outro:

é evolução cultural.


🎯 Pergunta Bellacosa nº 2

“Estamos esperando o sistema voltar ao normal ou já alteramos silenciosamente nossa definição de normal?”


🧠 “Sempre foi assim”

Uma das frases mais poderosas:

da série.

Porque geralmente não significa:

sempre.

Significa:

“há tempo suficiente para ninguém mais lembrar de antes.”


☕ Em mainframe:

“sempre”

pode significar:

desde 1998.

Que, convenhamos,

é bastante tempo.

Mas ainda:

não é eternidade.


🧠 Cultural Debt entra forte aqui

Lembra do Cultural Debt?

Uma prática surge:

por motivo real.

Depois:

contexto muda.

Mas prática:

permanece.

Normalization of Deviance pode criar:

outro tipo de dívida cultural.

A prática começou:

como exceção.

Depois:

virou tradição.

Então nova geração:

nem sabe que existe:

desvio.


🎯 Pergunta Bellacosa nº 3

“A pessoa que executa esse procedimento hoje sabe qual regra original estava sendo contornada?”


🧠 Quando ninguém mais sabe...

...a gambiarra virou:

arquitetura social.


🧠 Workaround permanente

Exemplo clássico.

Aplicação:

memory leak.

Runbook:

restart toda quarta.

No começo:

workaround temporário.

Ticket:

aberto.

Meses:

passam.

Ticket:

fechado por inatividade.

Restart:

continua.

Novo operador entra.

— Por que restartamos quarta?

Resposta:

— Porque precisa.


☕ Agora o workaround ganhou:

ontologia própria.

Ele não contorna mais:

um bug.

Ele é:

“como o sistema funciona.”


🎯 Pergunta Bellacosa nº 4

“Estamos operando uma solução temporária ou apenas esquecemos de remover a palavra temporária?”


🧠 Technical Debt + Cultural Debt

Technical Debt:

memory leak.

Cultural Debt:

restart virou tradição.

Os dois:

se alimentam.


🧠 Outcome Bias novamente

Cada restart:

funciona.

Logo:

“boa solução.”

Mas custo:

manual;

risco;

downtime;

dependência humana.

Não aparece:

no resultado binário.


🧠 McNamara Fallacy

O que medimos?

SERVICE UP = YES

Então:

tudo bem.

Mas não medimos:

toil;

fragilidade;

manual intervention;

cognitive load;

knowledge concentration.


☕ Dashboard verde

pode esconder:

uma equipe inteira segurando o teto com as mãos.


🎯 Pergunta Bellacosa nº 5

“Quanto trabalho invisível é necessário para manter aquilo que chamamos de operação normal?”


🧠 Hero Culture

Pessoa experiente sabe:

17 passos secretos.

Tudo funciona.

Management:

“sistema estável.”

Pessoa tira férias:

caos.

Então estabilidade era:

real?

Ou:

humana?


🧠 Normalização do heroísmo

A organização aprende:

“sempre damos um jeito.”

No começo:

orgulho.

Depois:

dependência.


☕ O herói vira:

middleware.

Sem licença.


🎯 Pergunta Bellacosa nº 6

“Se retirarmos o especialista que conhece os atalhos, o sistema continua operável?”


🧠 Normalization of Deviance e Ratchet Effect

Equipe faz:

esforço extra.

Entrega.

Management:

observa resultado.

Nova meta:

igual.

Excepcional virou:

mínimo.

Ratchet Effect.

Mas existe também:

normalização do desvio humano:

horas extras;

plantão informal;

atalhos;

ausência de descanso.


☕ Um sprint heroico

vira:

velocidade oficial.

Outro tipo de acidente:

começando.


🧠 Campbell e Goodhart

Meta:

fechar ticket rápido.

Para cumprir:

pula investigação.

Funciona.

KPI:

melhora.

Agora:

o desvio é recompensado.

Campbell.

Goodhart.


🎯 Pergunta Bellacosa nº 7

“Nosso sistema de métricas está punindo quem segue o processo seguro e premiando quem aprende a contorná-lo?”


🧠 Cobra Effect

Regra pretende:

melhorar.

Mas incentivo:

cria desvio.

Depois:

desvio normaliza.

Exemplo:

change approvals levam:

quatro semanas.

Equipe cria:

“emergency change.”

Primeiro:

realmente emergência.

Depois:

qualquer coisa urgente.

Depois:

metade das mudanças.

Agora:

emergency path

é:

processo normal.


☕ Se metade das mudanças é:

emergency,

talvez a emergência:

seja o processo.


🎯 Pergunta Bellacosa nº 8

“Uma exceção cresceu tanto que já representa parte significativa do fluxo?”


🧠 Principal-Agent Problem

Governança quer:

controle.

Equipe quer:

entregar.

Se processo oficial:

inviável,

equipe cria:

atalho racional.

Depois:

atalho vira normal.

A pergunta madura não é:

“Quem burlou?”

É:

“Por que o processo real precisou divergir do processo formal para o trabalho acontecer?”**


🧠 Moral Hazard

Se risco:

fica com outro time,

desvio pode:

crescer.

Dev:

deploy rápido.

Ops:

paga incidente.

Vendor:

economiza controle.

Cliente:

absorve risco.


🎯 Pergunta Bellacosa nº 9

“Quem ganha com o atalho e quem absorve a consequência se ele falhar?”


🧠 Risk Compensation

Temos:

backup.

Então:

somos mais agressivos.

Temos:

autoscaling.

Então:

ignoramos capacity.

Temos:

failover.

Então:

testamos menos.

Proteção reduz:

medo.

Comportamento:

muda.

Depois:

novo nível de risco:

normal.


☕ Guardrail pode virar:

licença psicológica.


🧠 Zero-Risk Bias em contraste

Às vezes organização exige:

zero risco

numa área.

Isso cria processo:

insuportável.

Pessoas:

contornam.

O desvio:

normaliza.

Paradoxo bonito:

tentativa de risco zero

produz:

risco escondido.


🎯 Pergunta Bellacosa nº 10

“Nosso controle é tão rígido que está empurrando o trabalho real para caminhos não oficiais?”


🧠 Need for Control

Mais controles.

Mais aprovações.

Mais formulários.

Trabalho:

ainda precisa acontecer.

Cria:

shadow process.

Depois:

todos usam.

No papel:

uma coisa.

Na realidade:

outra.


☕ Quando documentação e prática divergem por anos

qual delas é:

o sistema?

Tecnicamente:

as duas.

Operacionalmente:

a prática.


🧠 Shadow IT / Shadow Process

Normalization of Deviance pode viver:

fora do código.

Excel secreto.

Script pessoal.

Senha compartilhada.

FTP manual.

Planilha que controla:

processo crítico.


🎯 Pergunta Bellacosa nº 11

“Quais componentes críticos existem de fato, mas não aparecem na arquitetura oficial?”


🧠 Streetlight Effect

Se shadow process:

não monitorado,

não aparece.

Dashboard:

green.

Porque:

instrumentamos:

sistema oficial.

Não:

real.


☕ Arquitetura desenhada

e arquitetura vivida

podem:

ser sistemas diferentes.


🧠 Metric Fixation

Monitoramos:

processo formal.

Então concluímos:

governança funciona.

Mas todo mundo:

contorna.

Metrics:

beautiful.

Reality:

creative.


🎯 Pergunta Bellacosa nº 12

“Estamos medindo adesão real ou apenas registrando os caminhos oficiais?”


🧠 Normalization of Deviance e warnings

Compiler warning.

Primeiro:

investiga.

Depois:

“conhecido.”

Depois:

100 warnings.

Novo warning crítico:

misturado.


☕ Warning pile

vira:

aterro sanitário cognitivo.


🧠 Alert fatigue

Mesmo mecanismo.

Alerta dispara:

sem consequência.

Equipe aprende:

ignorar.

Quando alerta real:

mesmo comportamento.


🎯 Pergunta Bellacosa nº 13

“Quantos alertas aceitos como normais estão treinando a equipe para ignorar o próximo sinal importante?”


🧠 Flaky Tests

Primeiro teste falha.

Investiga.

Descobre:

intermitência.

Marca:

flaky.

Depois:

mais.

CI sempre:

vermelho parcial.

Team:

rerun.

Eventually:

red doesn't mean:

bad build.

System loses:

signal.

Normalization of Deviance.


☕ Se vermelho não significa mais:

pare,

qual cor:

vai fazer você parar?


🎯 Pergunta Bellacosa nº 14

“Que sinais perderam significado porque nos acostumamos a vê-los quebrados?”


🧠 Security exception

MFA atrapalha:

service account.

Exception.

Depois:

mais contas.

Depois:

grupo inteiro.

Depois:

ninguém sabe:

why exempt.

Classic.


🧠 Expiration dates ajudam

Exception:

must expire.

If still needed:

renew deliberately.


🎯 Pergunta Bellacosa nº 15

“Toda exceção possui dono, justificativa e data para ser reavaliada?”


🧠 Isso é poderosíssimo

Exceção eterna:

é candidata:

a virar normal.


🧠 Exception Budget

Uma ideia interessante:

quantas exceções?

Trend?

Age?

If increasing:

culture drift.


☕ Technical debt tem backlog.

Exception debt também deveria.


🧠 Normalization of Deviance e access control

Usuário precisa:

acesso temporário.

Recebe.

Nunca revoga.

Depois:

“sempre teve.”

Identity drift.


🎯 Pergunta Bellacosa nº 16

“Quantos privilégios temporários envelheceram até virarem permanentes?”


🧠 Least privilege erosion

Every exception:

small.

Years:

big.


🧠 Normalization of Deviance em change management

“Só dessa vez sem peer review.”

Then:

again.

Why?

Deadline.

Eventually:

peer review only:

special cases.

Rule inverted.


☕ Quando exceção vira maioria

a regra já:

perdeu a guerra.


🎯 Pergunta Bellacosa nº 17

“A regra oficial ainda representa o comportamento majoritário?”


🧠 Normalization of Deviance e deadlines

Deadline impossible.

Team cuts:

testing.

Works.

Next:

same deadline.

Testing cuts:

expected.

Ratchet.

Outcome.

Cultural Debt.

Beautiful chain.


🧠 A exceção prova capacidade errada

Management sees:

output.

Not:

risk taken.


🎯 Pergunta Bellacosa nº 18

“Qual controle foi sacrificado para produzir o desempenho que agora estamos chamando de capacidade normal?”


🧠 Normalization of Deviance e AI coding

Developer uses AI-generated code.

No review.

Works.

Next:

more.

Soon:

large blocks

without understanding.

No incident:

yet.

Deviation:

“temporary speedup.”

Then:

normal workflow.


🤖 AI doesn't create the bias

It can:

accelerate repetition.


🎯 Pergunta Bellacosa nº 19

“Estamos aumentando automação mais rápido do que nossa capacidade de verificar o que ela produz?”


🧠 AI agents and privileges

Agent needs:

write access

for test.

Gets:

production-adjacent capability.

Works.

No issue.

Access remains.

Then:

more autonomy.

Normalization of Deviance can:

scale very fast

because automation repeats:

without fatigue.


☕ Um humano pode fazer:

atalho 20 vezes.

Um agente:

20 mil.


🧠 Automation Bias

Agent succeeded:

trust.

Less review.

Outcome Bias.

Deviation:

normal.


🎯 Pergunta Bellacosa nº 20

“O histórico de sucesso da automação está sendo usado como substituto para limites e controles?”


🧠 Normalization of Deviance em observabilidade

Log errors:

known.

Dashboard:

permanently yellow.

Then:

new issue.

Hard to see.

Healthy system should not:

normalize degraded observability.


☕ Um painel permanentemente amarelo

não é:

painel amarelo.

É:

nova decoração.


🎯 Pergunta Bellacosa nº 21

“Que indicador hoje está permanentemente fora do esperado sem gerar nenhuma ação?”


🧠 Baseline drift

Dangerous.

If baseline recalculated automatically:

anomaly may become:

normal.

Example:

latency gradually grows:

200 → 300 → 400 → 500.

If baseline follows:

everything always:

normal.


🧠 Statistical normalization can mimic cultural normalization

Wonderful parallel.


🎯 Pergunta Bellacosa nº 22

“Estamos atualizando o baseline porque o sistema melhorou — ou porque nos acostumamos com a degradação?”


🧠 Normalization of Deviance e SLO

SLO missed:

once.

Exception.

Then:

every month.

Eventually:

“realistic target.”

Maybe target was:

wrong.

Or service:

degraded.

Need:

distinguish.


☕ Redefinir meta pode ser:

realismo.

Ou:

capitulação.

Investigue.


🎯 Pergunta Bellacosa nº 23

“Estamos recalibrando o objetivo com base na realidade do negócio ou apenas legitimando desempenho pior?”


🧠 Normalization of Deviance e Root Cause

Repeated incidents:

same workaround.

No root fix.

Eventually:

incident category becomes:

“known issue.”

The phrase:

dangerous.


☕ “Known issue”

pode significar:

“decidimos viver com ele.”

Às vezes corretamente.

Às vezes:

não.


🎯 Pergunta Bellacosa nº 24

“Conhecido por quem, aceito por quem e com qual risco residual?”


🧠 Risk Acceptance

Deviation may be:

legitimate.

Maybe fixing costs:

too much.

Important distinction.

Normalization of Deviance is not:

“qualquer desvio = errado.”

Organizations can:

consciously accept risk.

Difference:

explicit risk acceptance versus silent drift.


🧠 Deliberate exception

Document:

risk;

owner;

expiry;

controls.

That's governance.


☕ “Sabemos e aceitamos”

é diferente de:

“ninguém sabe por que fazemos.”


🎯 Pergunta Bellacosa nº 25

“Este risco foi conscientemente aceito ou simplesmente deixou de ser discutido?”


🧠 Silent Acceptance

One of most dangerous.

No meeting.

No decision.

Just:

time.


🧠 Normalization through survival

Each successful cycle:

acts like:

informal approval.


☕ O calendário assina:

a exceção.


🧠 Hindsight Bias depois

After disaster:

“como ninguém percebeu?”

But:

normalization happened slowly.

Hindsight compresses:

years of drift

into:

one obvious mistake.

Wrong lesson.


🎯 Pergunta Bellacosa nº 26

“Estamos procurando o momento único da falha quando deveríamos procurar anos de adaptação gradual?”


🧠 This is essential

Normalization of Deviance often:

not event.

Process.


🧠 Fundamental Attribution Error

Blame:

last operator.

But:

operator followed:

actual culture.

Maybe:

formal procedure different.

Yet everybody:

used workaround.

Need:

system view.


☕ Punir a última pessoa

por executar:

o processo real da organização

não corrige:

o processo.


🎯 Pergunta Bellacosa nº 27

“A pessoa violou a cultura real ou apenas violou a documentação?”


🧠 Blameless Postmortem

Ask:

When did deviation start?

Why?

What pressure?

What successful outcomes reinforced?

What barriers disappeared?


🧠 Timeline of normalization

JAN: exception once
MAR: weekly
JUN: undocumented workaround
SEP: new hires trained on workaround
DEC: official procedure ignored

Amazing evidence.


☕ O acidente nasce:

na linha do tempo.


🎯 Pergunta Bellacosa nº 28

“Quando a exceção começou a ser ensinada aos novos funcionários como prática normal?”

Isso é enorme.


🧠 Training reveals culture

If new person learns:

official + “but in reality...”

you found:

deviation gap.


☕ A frase:

“no manual é assim, mas aqui fazemos assado”

merece:

atenção imediata.


🧠 Sometimes the manual is wrong

Important.

Maybe practical process:

better.

Then:

update manual.

If everyone bypasses:

rule,

maybe rule is:

obsolete.

Normalization of Deviance diagnosis shouldn't:

automatically restore old rule.


🎯 Pergunta Bellacosa nº 29

“Precisamos eliminar o desvio ou admitir que o processo oficial está errado e atualizá-lo?”

Excelente.


🧠 This avoids bureaucracy worship

Goal:

safe effective system.

Not:

blind compliance.


🧠 Need for Control warning

Don't respond:

with 50 new controls.

Could:

produce more bypass.

Need:

root incentive.


☕ Um processo impossível de seguir

é fábrica:

de exceções.


🎯 Pergunta Bellacosa nº 30

“O procedimento seguro também é operacionalmente viável?”


🧠 Human Factors

People optimize:

local work.

If rule:

slow,

ambiguous,

unrealistic,

they adapt.

Adaptation:

can be intelligent.

But risk:

unseen.


🧠 Local Rationality again

Why did bypass:

make sense?


☕ “Porque eram preguiçosos”

é resposta:

fraca.


🧠 Production Pressure

Deadline.

Customer.

SLA.

Revenue.

Deviation buys:

time.

Repeated pressure:

makes permanent.


🎯 Pergunta Bellacosa nº 31

“Que pressão recorrente torna o desvio racional no curto prazo?”


🧠 Migration scenario

Reconciliation takes:

6h.

Go-live schedule:

4h.

First time:

sample only.

Works.

Next migration:

same.

Full reconciliation:

never returns.

Deviation normalized.

Later:

data issue.


☕ O cronograma ganhou:

mais autoridade

que integridade.


🧠 Principal-Agent again

Manager owns:

deadline.

Ops owns:

risk.

Classic.


🎯 Pergunta Bellacosa nº 32

“O benefício do desvio aparece imediatamente enquanto o risco fica para outro momento ou outra equipe?”


🧠 Technical debt interest

Deviation:

saves 20 min.

Each day.

But:

adds tail risk.

Hard to see.

Outcome Bias:

wins.


🧠 Low-frequency high-impact risk

Normalization especially dangerous here.

Because:

many successes before:

failure.


☕ Um risco de 1%

te dá:

99 oportunidades

para aprender a lição errada.


🎯 Pergunta Bellacosa nº 33

“Estamos inferindo segurança a partir de uma amostra pequena demais para revelar um risco raro?”


🧠 Probability example

Risk per execution:

1%.

10 successful runs:

not surprising.

50:

still possible.

People:

“never fails.”

Probability:

still exists.


🧠 Compounding exposure

Repeated risk:

probability accumulates.

If independent:

chance of at least one failure grows.

No need math heavy.

Concept enough.


☕ “Funcionou cem vezes”

pode ser:

motivo para comemorar.

Também:

motivo para perguntar:

quantas vezes vamos continuar apostando?


🧠 Normalization of Deviance e Challenger

Challenger disaster:

famous lesson:

past success can normalize anomalous signals.

Again:

not “stupid people.”

Systemic adaptation.


🧠 This is the mature interpretation

People acted:

within organizational context.


🎯 Pergunta Bellacosa nº 34

“O passado sem desastre está sendo tratado como prova de segurança futura?”


🧠 Safety Margin Erosion

Key concept.

Every deviation:

may reduce margin.

Yet outcome:

still success.


🧠 Example

Deploy:

without rollback.

No issue.

Then:

without test.

No issue.

Then:

without backup validation.

No issue.

Each:

takes away layer.

Eventually:

one failure meets:

no defenses.


☕ O desastre não precisou:

ficar maior.

Nós apenas:

retiramos as redes.


🎯 Pergunta Bellacosa nº 35

“Quantas barreiras originais continuam realmente ativas?”


🧠 Swiss Cheese Model

Layers:

review;

test;

canary;

rollback;

monitoring.

Deviations:

poke holes.

If holes align:

incident.


🧠 Normalization = holes become accepted

Nice.


☕ Um buraco temporário

ganha:

CEP.


🧠 Defense in Depth degradation

Security too.

Exception after exception:

layers shrink.


🎯 Pergunta Bellacosa nº 36

“Qual camada de defesa estamos tratando como opcional porque as outras ainda seguraram?”


🧠 Outcome Bias central

A layer wasn't needed:

this time.

People infer:

unnecessary.

Wrong.

Seatbelt analogy:

not needed on trip.

Still useful.


🧠 Prevention paradox

Effective controls often:

look redundant

because bad outcome:

doesn't occur.


☕ “Nunca usamos o DR”

não prova:

que DR é desperdício.


🧠 Normalization and budgeting

Control costs.

No incident.

Budget cuts.

Outcome Bias.

Defense shrinks.


🎯 Pergunta Bellacosa nº 37

“Estamos removendo uma proteção porque demonstramos que ela é redundante ou porque tivemos sorte de não precisar dela?”


🧠 Normalization of Deviance e maintenance windows

Change outside window:

once.

Works.

Then:

regular.

Monitoring/staff coverage:

not present.

Eventually:

incident at 3 AM.


🧠 Context matters

Same action:

different safety depending:

support available.


🎯 Pergunta Bellacosa nº 38

“O desvio continua seguro quando mudam horário, volume, pessoas ou dependências?”


🧠 Copy/paste culture

One script:

manual.

Person shares.

Everyone uses.

No source control.

Works.

Years.

Then:

someone edits local version.

Different outcomes.

Shadow automation.


FINAL_v7_REAL_OK.sh

Critical infrastructure.

We've all met:

the species.


🎯 Pergunta Bellacosa nº 39

“Quantas ferramentas operacionais críticas existem fora de versionamento, revisão e ownership?”


🧠 COBOL copybooks

Local copy modified:

“temporary.”

Another program:

uses different.

Works.

Then:

record mismatch.

Deviation from:

single source.

Normal.


🧠 Schema drift

Perfect example.


🎯 Pergunta Bellacosa nº 40

“Quantas versões não oficiais do mesmo contrato de dados existem?”


🧠 Normalization of Deviance e manual data fixes

Production data correction:

manual SQL.

Emergency.

Works.

Then:

support routine.

No audit.

No validation.

Risk.


UPDATE ... WHERE ...

pode virar:

runbook.

Aí:

eu começo a suar.


🧠 Four-Eyes Principle

First bypass:

emergency.

Then:

“trusted senior.”

Eventually:

single person.


🎯 Pergunta Bellacosa nº 41

“Qual controle desapareceu porque confiamos na experiência de uma pessoa específica?”


🧠 Authority Bias

Senior always:

knows.

So:

exceptions allowed.

Success:

confirms.

Then:

junior imitates.

Without:

same tacit knowledge.

Risk explodes.


☕ Um desvio seguro na mão do mestre

pode ser:

perigoso como receita.


🎯 Pergunta Bellacosa nº 42

“Estamos copiando uma exceção sem copiar o contexto e a experiência que a tornavam tolerável?”


🧠 Dunning-Kruger connection

Novice sees:

senior bypass.

Thinks:

rule unnecessary.

Doesn't see:

senior monitoring hidden signals.

Danger.


🧠 Tacit safeguards

Sometimes expert:

breaks rule

while applying:

other controls mentally.

Not transferable.


☕ O aprendiz vê:

o atalho.

Não:

os 30 anos que avaliam:

quando não usar.


🧠 Normalization of Deviance e Documentation Debt

Runbook:

outdated.

People:

ignore.

Because:

wrong.

Now documentation loses:

credibility globally.

Then:

even correct parts ignored.


🎯 Pergunta Bellacosa nº 43

“Quantas regras são ignoradas porque algumas delas já provaram estar desatualizadas?”


🧠 Trust in governance

Once low:

more deviation.

Feedback loop.


🧠 Deviance loop

BAD PROCESS
↓
BYPASS
↓
SUCCESS
↓
BYPASS NORMALIZED
↓
PROCESS EVEN LESS RELEVANT
↓
MORE BYPASS

Beautiful.


☕ O processo oficial vira:

ficção administrativa.


🧠 Confirmation Bias

Once we believe:

shortcut safe,

we remember:

successes.

Failures:

“different.”


🎯 Pergunta Bellacosa nº 44

“Estamos registrando também as vezes em que o desvio quase falhou?”


🧠 Near Misses

Critical.

A risky deviation:

almost causes issue.

But final outcome:

fine.

Near miss:

ignored.

Outcome Bias.

Normalization continues.


☕ Near miss é:

o universo oferecendo:

desconto no aprendizado.


🧠 Near-Miss Review

Ask:

What nearly failed?

What margin?

Would same procedure survive:

slightly different conditions?


🎯 Pergunta Bellacosa nº 45

“Quanto de sorte foi necessário para o processo continuar parecendo normal?”


🧠 This may be central

Success quality:

not binary.


🧠 Normalization of Deviance em SRE

On-call:

alerts.

Ack without action.

Known noise.

Then:

critical.

SRE practices:

reduce toil;

fix noisy alerts.

Because:

noise trains:

deviance.


🧠 Error budget

If repeated breach accepted:

SLO meaningless.


🎯 Pergunta Bellacosa nº 46

“Qual regra deixou de governar comportamento porque nunca acontece nada quando a violamos?”


🧠 Enforcement credibility

If policy:

never enforced,

becomes:

suggestion.


☕ Regra sem consequência

vira:

comentário no código.


🧠 Normalization of Deviance em password policy

Shared account:

exception.

Everyone:

uses.

Audit:

later.

Again.


🧠 Security risk accumulates silently

No breach:

not proof.


🎯 Pergunta Bellacosa nº 47

“Estamos usando ausência de incidente de segurança como evidência de segurança?”


🧠 Outcome Bias again!

The sibling.


🧠 Normalization of Deviance e Normalcy Bias after symptoms

Once deviation:

normal,

its warning signs:

also normal.

Then actual incident:

Normalcy Bias.

So cycle:

DEVIATION
↓
NO BAD OUTCOME
↓
NORMALIZATION
↓
WARNING BECOMES NORMAL
↓
REAL FAILURE STARTS
↓
NORMALCY BIAS
↓
LATE RESPONSE

Oof.


☕ Um viés prepara:

o terreno

para o outro.


🎯 Pergunta Bellacosa nº 48

“Os primeiros sinais do incidente se parecem justamente com desvios que já aprendemos a tolerar?”


🧠 Hindsight Bias closes cycle

After:

“how could we ignore?”

Because:

we normalized.

Need:

history.


🧠 Postmortem must study drift

Not only:

last minutes.


🎯 Pergunta Bellacosa nº 49

“Quanto tempo antes do incidente começamos a aceitar comportamentos que reduziram nossa margem?”


🧠 Practical antidotes

Now:

what to do?

Not:

zero exceptions.

Impossible.

Need:

exception discipline.


🧪 Passo 1 — Declare exception explicitly

Never:

silent.

EXCEPTION:
Skip STEP30 validation.

🧪 Passo 2 — Record why

Pressure?

Bug?

Cost?


🧪 Passo 3 — Record risk

What could happen?


🧪 Passo 4 — Add owner

Who owns:

removal/review?


🧪 Passo 5 — Add expiry

Critical.


🧪 Passo 6 — Count recurrence

If exception repeats:

trigger process review.


🧪 Passo 7 — Track near misses

Not only:

failures.


🧪 Passo 8 — Compare formal vs actual

Walkthrough.

Observe.


🧪 Passo 9 — Restore margin

Fix:

warnings;

tests;

procedures.


🧪 Passo 10 — Update rule if rule is wrong

Don't force fiction.


☕ Uma exceção recorrente é:

pedido de mudança de arquitetura/processo.


🧠 Bellacosa Three-Strikes Rule

Not universal.

But useful principle:

If same exception:

repeatedly necessary,

stop calling:

exception.

Investigate:

system design.


🧠 Exception frequency

Could define:

1 = exception.

10 = pattern.

100 = process.

Not mathematical law.

But:

nice warning.


🎯 Pergunta Bellacosa nº 50

“Se precisamos abrir a mesma exceção toda semana, ainda temos uma exceção ou temos um processo mal desenhado?”


📋 Checklist Bellacosa anti-Normalization of Deviance

[ ] Que regras estão sendo regularmente contornadas?

[ ] Qual foi a justificativa original?

[ ] A exceção tem dono?

[ ] A exceção tem validade?

[ ] O risco foi formalmente aceito?

[ ] Quantas vezes esse desvio ocorreu?

[ ] Houve near misses?

[ ] A margem operacional está diminuindo?

[ ] O dashboard trata desvio como normal?

[ ] Novos funcionários aprendem o atalho?

[ ] O processo oficial continua viável?

[ ] Estamos recompensando o bypass?

[ ] O workaround virou permanente?

[ ] Controles de defesa desapareceram?

[ ] Ausência de falha está sendo confundida com segurança?

🧠 Bellacosa Deviance Card

DEVIATION:
____________________________

ORIGINAL RULE:
____________________________

WHY BYPASSED:
____________________________

RISK:
____________________________

OWNER:
____________________________

EXPIRY:
____________________________

NUMBER OF OCCURRENCES:
____________________________

NEAR MISSES:
____________________________

FIX / PROCESS CHANGE:
____________________________

👻 Easter Egg nº 2 — BELLACOSA.BIAS(NORMALIZATION)

       IF EXCEPTION-USED = 'Y'
           ADD 1 TO EXCEPTION-COUNT
       END-IF.

       IF EXCEPTION-COUNT > ACCEPTABLE-LIMIT
           DISPLAY
           'WARNING: EXCEPTION MAY BE THE REAL PROCESS'
           PERFORM REVIEW-PROCEDURE
       END-IF.

       IF NO-INCIDENT = 'Y'
          AND DEVIATION = 'Y'
           DISPLAY
           'SURVIVAL IS NOT PROOF OF SAFETY'
       END-IF.

       IF NEW-EMPLOYEE-TAUGHT-WORKAROUND = 'Y'
           DISPLAY
           'CULTURAL NORMALIZATION DETECTED'
       END-IF.

Comentários:

* TEMPORARY
* WITHOUT EXPIRY
* MEANS PERMANENT.

Outro:

* SUCCESSFUL BYPASS
* IS STILL
* A BYPASS.

Outro:

* DO NOT CALL IT
* NORMAL
* JUST BECAUSE
* YOU ARE USED TO IT.

Outro:

* A GREEN DASHBOARD
* CANNOT SEE
* AN UNMONITORED WORKAROUND.

E naturalmente:

* DALEK SAFETY RULE:
* STAY 10 METERS AWAY.
*
* CURRENT PRACTICE:
* 9M
* 8M
* 7M
* 6M
*
* INCIDENT REVIEW:
* "WHY WAS ANYONE
* STANDING AT 5M?"

🕰️ Voltando ao batch

23:58.

STEP30:

falha.

Operador:

— Cancela e restart.

Nosso jovem:

— Não hoje.

— Por quê?

— Quero descobrir por que fazemos isso.

— Porque funciona.

— Isso eu sei.

— Então?

Nosso jovem aponta:

para o histórico.

STEP30 FAILURE:
48 OCCURRENCES IN 12 MONTHS

Doctor sorri.

— Quarenta e oito exceções?

Operador:

— Sim.

Doctor:

— Isso é uma exceção muito dedicada.


🔧 Investigação

Descobrem:

STEP30 fazia:

reconciliação auxiliar.

O dataset de entrada:

cresceu.

Job:

estourava tempo.

Quando pulavam:

STEP40 processava:

quase tudo.

Quase.

Em certas condições:

alguns registros ficavam:

sem reconciliar.

Nunca havia causado:

impacto grande.

Ainda.


🧠 O risco estava lá

Mas:

raramente.

48 sucessos:

tinham ensinado:

“seguro.”

Na verdade:

tinham apenas mostrado:

“a condição perigosa ainda não coincidiu com o desvio.”


☕ Então corrigem:

performance;

timeout;

runbook;

monitoring;

reconciliation.

E eliminam:

restart informal.


🧠 O gerente pergunta:

— Mas se fizemos assim dois anos e nada aconteceu, realmente era tão perigoso?

Doctor responde:

— Isso depende do que vocês acham que dois anos sem desastre provam.

— Que funciona?

— Provam que vocês tiveram dois anos sem desastre.

Pausa.

“Não confundam ausência de consequência com ausência de risco.”


🧬 Regeneração organizacional

Uma organização madura não tenta:

eliminar adaptações.

Sistemas reais:

precisam delas.

Pessoas:

resolvem problemas.

Flexibilidade:

é necessária.

A maturidade está em impedir:

que adaptação invisível

se transforme:

em risco invisível.

Ela pergunta:

por que o processo formal não serve?

qual risco o workaround cria?

quantas vezes repetimos?

quem possui?

quando expira?

precisamos corrigir o sistema

ou:

mudar oficialmente a regra?

Ela também entende:

quando pessoas repetidamente desviam de um procedimento, isso pode ser evidência de comportamento arriscado — ou evidência de que o procedimento é irrealista.

Precisamos:

descobrir qual.


📓 Diário do Doctor

Se guardar algumas ideias desta viagem, guarde estas:

Normalization of Deviance é o processo pelo qual desvios de uma regra ou margem inicialmente percebidos como excepcionais passam a ser aceitos como normais após repetidas ocorrências sem consequências graves.

Ela costuma acontecer gradualmente, não por uma decisão explícita de trabalhar de forma insegura.

Sucessos anteriores podem produzir uma falsa sensação de segurança.

Outcome Bias transforma desvios bem-sucedidos em decisões aparentemente boas.

Normalcy Bias pode fazer os primeiros sinais de deterioração parecerem parte da normalidade já ampliada.

Hindsight Bias depois transforma anos de drift em um “erro óbvio” que todos supostamente deveriam ter percebido.

Confirmation Bias ajuda a lembrar sucessos do workaround e minimizar near misses.

Ratchet Effect pode transformar esforço excepcional e atalhos em nova expectativa mínima.

Goodhart e Campbell podem premiar comportamentos que produzem números bons enquanto reduzem margem de segurança.

Cobra Effect mostra como regras mal desenhadas podem incentivar exatamente os desvios que pretendiam evitar.

Principal-Agent e Moral Hazard ajudam a explicar por que quem obtém o benefício de um atalho pode não carregar todo o risco criado.

Need for Control pode criar processos excessivamente burocráticos, incentivando shadow processes e exceções permanentes.

Metric Fixation e McNamara Fallacy podem esconder desvios não instrumentados atrás de dashboards verdes.

Workarounds permanentes, flaky tests, warnings ignorados, acessos temporários eternos e scripts fora de versionamento são excelentes lugares para procurar normalização do desvio.

Toda exceção importante deveria ter motivo, dono, risco e validade.

Uma exceção repetida frequentemente é um sinal de que o processo oficial precisa ser corrigido ou atualizado.

A ausência de acidente não prova segurança.

E principalmente:

o momento mais perigoso de uma gambiarra não é necessariamente a primeira vez em que ela é usada — é quando ninguém mais percebe que aquilo ainda é uma gambiarra.


🥚 Easter Egg final

Antes de entrar na TARDIS, o Doctor escreve:

EXCEPTION-COUNT = 48

Nosso jovem pergunta:

— Em que número deixa de ser exceção?

Doctor:

— Não existe número mágico.

— Então como sabemos?

— Quando você encontra alguém novo ensinando o atalho sem saber por que ele é um atalho.

Nosso jovem fica:

quieto.

— Aí já virou cultura?

Doctor abre:

a porta.

“Exatamente.”

VWORP.

VWORP.

VWORP.

A TARDIS começa:

a desaparecer.

Nosso jovem grita:

— Doctor!

A porta abre novamente.

— O quê?

— Então toda prática antiga deve ser questionada?

Doctor pensa.

— Não.

— Não?

“Toda prática antiga deve conseguir explicar por que ainda merece existir.”

A porta fecha.

VWORP.

VWORP.

VWORP.

No console fica:

STEP30:
FIXED

WORKAROUND:
RETIRED

EXCEPTION AGE:
2 YEARS

INCIDENTS CAUSED:
ZERO

RISK REMOVED:
NOT ZERO

Nosso jovem toma:

o último café.

Olha para:

o velho runbook.

E escreve:

“Uma regra pode estar errada. Uma exceção pode ser necessária. Mas nenhuma delas deveria sobreviver apenas porque o tempo passou e tivemos sorte.”

E talvez essa seja toda a essência da Normalization of Deviance no Bellacosa Mainframe:

quando o desvio deixa de causar desconforto, não significa necessariamente que ficou seguro — pode significar apenas que ficamos confortáveis demais convivendo com ele.

☕🌀

Próxima parada: Plan Continuation Bias — o dia em que o plano dizia “seguir”, a realidade gritava “pare”, mas cancelar parecia psicologicamente mais difícil do que continuar até o desastre.

Vagner Renato Bellacosa, IBM Champion e especialista em IBM Mainframe
IBM Z17 SYSTEM ONLINE
Sobre o autor

Vagner Renato Bellacosa

IBM Champion 2026 • Especialista em IBM Mainframe

Vagner Renato Bellacosa trabalha com IBM Mainframe desde 1988 , é IBM Champion e especialista em COBOL, CICS, Db2, z/OS e IBM Z. Compartilha experiências profissionais, conhecimento técnico, história da computação e práticas do universo mainframe para aproximar novas gerações das tecnologias que sustentam empresas, bancos e governos ao redor do mundo.

IBM Champion IBM Z COBOL CICS Db2 z/OS Mainframe desde 1988
GitHub LinkedIn
Inicializando conteúdo...