Diversity Beats Ability: Why Your Smartest Hire Isn't Your Best Decision-Maker

A afirmação mais sedutora na ciência da gestão

Todo líder já sentiu a atração de uma teoria simples de contratação: contrate as pessoas mais inteligentes que você puder encontrar, coloque-as em uma sala, e as melhores decisões seguirão. Tem a virtude de ser óbvia. Tem a desvantagem de ser, na melhor das hipóteses, meia verdade. Nas últimas duas décadas, um corpo de pesquisa sobre inteligência coletiva convergiu para uma descoberta desconfortável: a inteligência de uma equipe não é a soma — ou mesmo o máximo — da inteligência de seus membros. Algo mais está fazendo uma grande parte do trabalho, e esse algo se parece muito com diferença: informações diferentes, heurísticas diferentes, maneiras diferentes de estar errado.

Essa descoberta se solidificou em um slogan — “a diversidade supera a habilidade” — que então fez o que os slogans fazem: se desvinculou de suas condições e flutuou livre em apresentações. A reação foi igualmente abrangente, descartando toda a linha de pesquisa como matemática politizada. Ambos os extremos estão errados, e a verdade no meio é genuinamente útil. Este artigo percorre os dois programas de pesquisa por trás da afirmação — o fator de inteligência coletiva “c” e o teorema de Hong-Page — incluindo as críticas que geralmente são deixadas de fora, e termina com o que um leitor cuidadoso pode realmente levar para uma decisão de contratação ou design de equipe.

O fator c: equipes têm uma inteligência própria

Em 2010, Anita Williams Woolley, Christopher Chabris, Alex Pentland, Nada Hashmi e Thomas Malone publicaram um estudo na Science que fez uma pergunta enganosamente simples: se os indivíduos têm um fator de inteligência geral (o psicométrico g), os grupos também têm um? Eles testaram 699 pessoas trabalhando em grupos de dois a cinco em uma ampla bateria de tarefas — brainstorming, raciocínio moral, negociação, quebra-cabeças — e então verificaram se o desempenho de um grupo em um tipo de tarefa previa seu desempenho nos outros.

E previu. Um único fator estatístico — que eles chamaram de c, para inteligência coletiva — explicou aproximadamente 43% da variância no desempenho do grupo em diferentes tarefas. A surpresa foi o que c não rastreou: correlacionou-se apenas fracamente com a inteligência média dos membros do grupo e a inteligência do membro mais inteligente. O que previu c, em vez disso, foram três propriedades do próprio grupo: a média de sensibilidade social dos membros (medida com o teste Reading the Mind in the Eyes), a igualdade na troca de turnos de conversa — grupos dominados por uma ou duas vozes tiveram pontuações mais baixas — e a proporção de mulheres no grupo, um efeito mediado estatisticamente pela sensibilidade social.

Lendo com atenção, isso não é uma afirmação de que a habilidade não importa. É uma afirmação de que, no nível da equipe, a habilidade não é o gargalo. O gargalo é se o grupo pode extrair e combinar o que seus membros sabem — o que é uma propriedade do processo, não de qualquer crânio individual.

A luta pela replicação que você não ouve em palestras

O fator c passou por uma verdadeira luta científica, e a honestidade exige que isso seja relatado. Em 2017, Marcus Credé e Garett Howardson reanalisaram dados de seis amostras publicadas anteriormente e argumentaram que o suporte empírico para um fator de inteligência coletiva geral é fraco — que um único fator explica pouca variância em muitas tarefas de grupo, e que a construção pode ser parcialmente um artefato de escolhas de pontuação. Woolley, Yeonjeong Kim e Malone responderam em 2018, argumentando que a crítica se baseava em um procedimento de pontuação e suposições de simulação que não correspondiam às tarefas que os grupos realmente realizaram.

A evidência mais substancial desde então é uma meta-análise de 2021 na PNAS por Christoph Riedl, Young Ji Kim, Pranav Gupta, Thomas Malone e Anita Woolley, cobrindo 22 estudos e 1.356 grupos — estudantes universitários, militares, trabalhadores online e jogadores. Encontrou evidências consistentes para um fator c nessas populações, com processos de colaboração em grupo e habilidades dos membros contribuindo. Onde isso deixa um praticante? A construção é apoiada por uma grande meta-análise e ainda debatida em sua estrutura — aproximadamente onde o g em si esteve por décadas. O que não é seriamente debatido é o padrão subjacente: o QI dos membros é um preditor surpreendentemente fraco do desempenho da equipe, e o processo de interação é um surpreendentemente bom.

“A diversidade supera a habilidade”: o que Hong e Page realmente provaram

O segundo pilar do argumento da diversidade vem da economia e da ciência da complexidade. Em 2004, Lu Hong e Scott Page publicaram um artigo na PNAS com o título memorável “Grupos de solucionadores de problemas diversos podem superar grupos de solucionadores de problemas de alta habilidade.” Eles construíram modelos computacionais nos quais agentes equipados com diferentes heurísticas de resolução de problemas buscavam um terreno de solução acidentado. Cada agente sobe até ficar preso; então outro agente assume a partir desse ponto com movimentos diferentes.

O resultado: sob as condições do modelo, um grupo selecionado aleatoriamente de agentes — a seleção aleatória garantindo diversidade heurística — superou o grupo composto pelos agentes com melhor desempenho individual. O mecanismo é intuitivo uma vez visto: os melhores desempenhadores individuais tendem a ter aprendido heurísticas semelhantes, então ficam presos nos mesmos ótimos locais. Uma equipe de clones, por mais talentosos que sejam, busca como uma única mente. Os membros de uma equipe diversa se resgatam mutuamente de seus respectivos becos sem saída.

Mas as condições importam, e Page foi mais claro sobre elas do que seus divulgadores: o problema deve ser genuinamente dificil (nenhum indivíduo pode resolvê-lo sozinho), os agentes devem ser todos razoavelmente capazes (diversidade entre os desinformados não ajuda), o grupo do qual a equipe é formada deve ser grande, e o ambiente é de resolução de problemas iterativa onde os agentes constroem sobre as posições uns dos outros. “Qualquer grupo diverso supera qualquer grupo de especialistas” não é o que foi provado, e tratá-lo dessa forma prepara a afirmação para falhar.

O contra-ataque: um teorema sob ataque

Em 2014, a matemática Abigail Thompson publicou uma crítica contundente nas Notices of the American Mathematical Society (vol. 61, no. 9, pp. 1024–1030) intitulada “A Diversidade Supera a Habilidade? Um Exemplo do Mau Uso da Matemática nas Ciências Sociais.” Seu argumento tinha duas frentes. Primeiro, que o teorema formal no artigo de Hong-Page, uma vez que suas suposições são descompactadas, é quase trivial — em sua leitura, as condições efetivamente constroem a conclusão, e o conteúdo matemático é raso para o peso social que lhe é atribuído. Segundo, que as simulações que sustentam a afirmação mais ampla são sensíveis a escolhas de parâmetros e não autorizam as conclusões abrangentes tiradas delas.

A crítica gerou respostas próprias. Uma nota de 2017 na Critical Review de Daniel Kuehn argumentou que as objeções matemáticas de Thompson eram diversas vezes incorretas, enganosas ou irrelevantes para como os modelos formais funcionam nas ciências sociais — onde o valor de um modelo é o mecanismo que ele isola, não a profundidade de sua prova. Filósofos da ciência que trabalham em comunidades epistêmicas, incluindo Daniel Singer, desenvolveram modelos relacionados nos quais o valor da diversidade sobrevive em formas modificadas.

Nossa leitura, para o que um praticante precisa: o teorema é mais fraco do que seu título, o mecanismo é real e observável, e o slogan abrangente deve ser aposentado em favor da afirmação condicional. Quando você enfrenta um problema difícil e multidimensional e seu grupo de candidatos é profundo, uma equipe selecionada por maneiras complementares de pensar frequentemente buscará o espaço de solução melhor do que uma equipe selecionada puramente com base em pontuações individuais — porque as pontuações individuais agrupam pessoas que pensam de forma semelhante. Essa afirmação não precisa de um teorema abrangente, e a próxima seção mostra por quê.

A matemática que ninguém contesta: o teorema de previsão de diversidade

Remova os modelos contestados e uma peça de matemática permanece de pé que ninguém discute, porque é uma identidade — álgebra, não empírica. Scott Page a chama de teorema de previsão de diversidade (em The Difference, 2007). Para qualquer grupo fazendo estimativas numéricas, com erro medido como distância quadrada da verdade:

Duas consequências surgem diretamente. Primeiro, a estimativa agregada do grupo é sempre pelo menos tão precisa quanto a de seu membro médio — a multidão não pode ser pior do que o indivíduo típico, embora possa ser pior do que o melhor. Segundo, mantendo a precisão individual fixa, cada aumento em desacordo genuíno mecanicamente reduz o erro coletivo. A diversidade não é um bônus que faz sentir-se bem nesta equação; é um dos dois termos. Um grupo de clones precisos e um grupo de contrários moderadamente precisos podem chegar ao mesmo erro coletivo idêntico por rotas diferentes.

O problema — e é o mesmo problema que permeia toda essa pesquisa — é a palavra genuíno. O teorema recompensa a diversidade de previsões, o que requer diversidade de informações e modelos. Se todos leem as mesmas três fontes, suas previsões se agrupam, o termo de diversidade colapsa, e a multidão se degrada em um eco. Este é precisamente o modo de falha documentado na literatura sobre sabedoria das multidões: erros correlacionados não se cancelam, eles se acumulam.

Quando a diversidade ajuda

Quando não ajuda — a parte que o slogan deixa de fora

Um relato honesto deve incluir os custos, porque eles são reais e são a razão pela qual equipes diversas às vezes têm desempenho inferior a equipes homogêneas na prática, mesmo quando a teoria as favorece.

O padrão na literatura organizacional é consistente com os modelos: os benefícios da diversidade são contingentes à complexidade da tarefa e à qualidade do processo, e seus custos são antecipados (coordenação, conflito, formação de normas mais lenta) enquanto seus benefícios são acumulados (melhor busca, menos pontos cegos). Equipes que desistem cedo capturam os custos e perdem o retorno.

A diversidade cognitiva não é diversidade demográfica

Uma distinção que mantém este debate honesto: a pesquisa acima é sobre diversidade cognitiva (ou epistêmica) — diferenças em informação, formação, heurísticas e modelos mentais. A diversidade demográfica é uma variável diferente. As duas estão correlacionadas no mundo real, porque a experiência de vida molda informação e perspectiva, mas não são intercambiáveis, e os efeitos de pesquisa mais fortes se ligam ao tipo cognitivo. Uma equipe demograficamente diversa que se baseia em fontes idênticas e formação idêntica pode ser cognitivamente uniforme; uma equipe demograficamente semelhante pode conter um engenheiro, um advogado e um operador de campo que discordam sobre tudo que importa. Note também que os fatores c de Woolley — sensibilidade social e troca de turnos — são sobre processo, não composição de qualquer tipo. Para um tratamento mais profundo da distinção e da pesquisa por trás dela, veja nosso guia sobre diversidade epistêmica.

O que fazer na prática: compor e gerenciar a equipe

Traduzir o núcleo defensável desta pesquisa em prática gera conselhos que são menos quotáveis do que o slogan, mas muito mais robustos:

Fazendo a entrada diversa contar: estrutura como o multiplicador

Note que cada recomendação prática acima é sobre capturar a diversidade, não apenas montá-la. É aí que os métodos estruturados se justificam. Em um mapa de argumentos, cada parte interessada contribui com seu raciocínio de forma independente — antes que a reunião converja para um líder — e cada argumento se sustenta ou cai com base em seu mérito avaliado, não na senioridade de quem o ofereceu. Isso rompe a ligação de influência de status que permite que uma voz confiante homogeneize uma sala diversa.

Argumentree implementa exatamente esse padrão para tomada de decisão colaborativa: entrada de múltiplas partes interessadas coletada de forma assíncrona e independente, argumentos organizados em uma árvore compartilhada de prós e contras, e avaliações multidimensionais (utilidade, clareza, precisão, completude) agregadas em pontuações de consenso. A diversidade que sua contratação produziu se torna informação que sua decisão realmente utiliza — com um registro completo mostrando quais perspectivas moldaram o resultado. E como as contribuições podem ser feitas em 66 idiomas, o pool de perspectivas não está limitado àquelas fluentes na língua da reunião.

Para o arco mais longo da pesquisa que este artigo se baseia — desde o teorema do júri de Condorcet até as equipes humano-IA de hoje — veja nosso artigo complementar, Inteligência Coletiva: 240 Anos de Pesquisa.