Experimentar, avaliar, selecionar, aprender e pivotar, na verdade, não são processos. São atividades que podem / devem ser realizadas conjuntamente com todas as atividades de gestão da inovação.

Sempre devemos experimentar, testar, avaliar, validar os artefatos (conceituais e concretos) que são criados. Com base nos resultados dessas atividades podemos mudar o rumo do desenvolvimento (pivotar). Em muitos momentos, temos de selecionar entre alternativas. E o aprendizado é constante. 

A próxima figura foi extraída do framework de categorias de processos da flexM4i para ilustrar a iteratividade dessas atividades com a execução dos processos ou realização dos projetos.

Figura 1144: ilustração da interatividade das atividades de experimentar, avaliar, selecionar, aprender e pivotar com os processos e projetos de inovação.

A seguir listamos características dessas atividades:

• são atividades que criam, avaliam e validam provas de conceitos, MVPs e protótipos de diversas naturezas; 
• quanto maiores as incertezas, mais experimentações devem ser realizadas para validação da hipóteses de mercado e valor, que incluem a validação do market fit;
• a evolução do desenvolvimento passa por avaliações constantes, que se tornam mais formais para soluções regulamentadas por órgãos de controle, nas fases finais de desenvolvimento;
• a inovação passa por muitos pontos de decisão, nos quais devemos selecionar conceitos e soluções para dar continuidade ao desenvolvimento. Mesmo assim, dentro do conceito de set-based engineering do lean design, se não estivermos seguros com a decisão, damos continuidade ao desenvolvimento paralelo de soluções concorrentes (set-based) até que uma se mostre mais viável que as demais;
• as flechas circulares representam a interação das atividades desta categoria com as demais atividades dos processos das outras categorias.

Atividades de experimentar, avaliar, selecionar, aprender e pivotar ocorrem durante a execução de projetos, como ilustra a próxima figura.

Figura 411: ilustração das atividades de experimentar, avaliar, selecionar, aprender e pivotar interagindo com um projeto de inovação

A barra que representa os processos de “experimentar, avaliar, selecionar, aprender e pivotar” na figura 411 (do início desta seção) também cobre a fase de uso e operação da solução, representada na figura pelo ciclo “prover e capturar valor”. 

Isso mostra que as atividades de experimentar, avaliar, selecionar, aprender e pivotar vão além da fase de desenvolvimento. A própria operação é uma “experimentação”. 

Se monitorarmos parâmetros de uso das soluções, teremos uma fonte excelente de informações que podem direcionar outras inovações ou mesmo ao aumento da confiabilidade da solução. A partir dessas informações avaliamos o desempenho das ofertas e aprendemos sempre. É quando utilizamos soluções digitais para monitorar e adquirir dados, que depois serão analisados por soluções e inteligência artificial dentro do conceito de data analytics.

É testar o avanço da inovação construindo protótipos de baixa fidelidade, produto mínimo viável (MVP), prova de conceito ou protótipos de diversos tipos.

Esses experimentos acontecem para validar achados e hipóteses de valor, de mercado e crescimento.

Grande parte dos experimentos iniciais devem ser realizados com clientes. Mas durante as fases de detalhamento, homologação ou certificação dos produtos, devemos rodar experimentos controlados e comparar com especificações, que são avaliações com relação a requisitos.

Podem ocorrer também experimentações durante os processos de todas as categorias, sempre que alguma hipótese tiver que ser validada.

Por exemplo, durante o planejamento estratégico e/ou planejamento da inovação, podem ser realizadas experimentações baseadas em dados (na verdade informações derivadas de dados) para validar hipóteses de mercado (data analytics).

São atividades mais abrangentes do que as de experimentar. Você pode avaliar por meio de experimentações, mas também pode avaliar usando outros métodos qualitativos ou quantitativos. 

Você consegue avaliar as soluções por meio de surveys, entrevistas, pontuação de critérios.

A avaliação pode ser contra uma lista de requisitos de uma norma que se precisa atender. O uso de simulação também pode ser utilizado para avaliar uma solução. Esse modelo de simulação pode ser considerado um tipo de protótipo. 

A avaliação pode estar relacionada com um artefato criado durante o desenvolvimento de um projeto, ou mesmo com ideias, desafios e oportunidades durante o planejamento da inovação, incluindo a avaliação do portfólio.

Essas atividades ocorrem quando você possui alternativas e precisa selecionar algumas (filtrar).

Elas são complementares às duas atividades anteriores, pois você pode experimentar ou avaliar para poder selecionar (não necessariamente). 

Você pode utilizar, por exemplo, a análise multicritério. 

Nessa análise, especialistas avaliam soluções, que não precisam ser prototipadas, por meio de ponderação subjetiva dos critérios. Enquanto a avaliação está relacionada com um artefato, a seleção é entre artefatos distintos.

Sempre estamos aprendendo ao realizar as atividades de inovação. Uma dificuldade é tornar o aprendizado individual em coletivo. Para isso existem métodos de gestão de conhecimento.

Nas fases iniciais da inovação, quando convivemos com muitas incertezas (para alguns tipos de inovação), ocorrem muitas falhas, que devem ser encaradas como um aprendizado (e a organização deve ter tolerância a falhas).

Um dos focos na gestão do conhecimento é o gerenciamento das lições aprendidas.

Lições aprendidas são conhecimentos adquiridos ao longo da execução de um projeto, processo ou ciclo de trabalho, resultantes da análise do que funcionou bem e do que pode ser melhorado. Essas lições permitem que as equipes e organizações evitem repetir erros e aproveitem práticas eficazes para aumentar a eficiência e a qualidade do trabalho.

As atividades de um projeto de inovação são iterativas e formam um ciclo. 

Quando alguma hipótese não for atendida, nós aprendemos e mudamos alguma coisa para entrar em mais um ciclo de construir-experimentar-avaliar-aprender.

Se o protótipo for aprovado nessa fase, sem mudanças, damos continuidade ao desenvolvimento e entramos em mais um ciclo. 

Existe a possibilidade de não aprovar e não ter como pivotar; isso acontece. Nesse caso, temos de cancelar o projeto de inovação.

 Porém, se houver outros projetos no portfólio, podemos continuar o desenvolvimento com outro conceito.

As provas de conceito, os protótipos e os MVPs representam diferentes formas de materializar e testar hipóteses durante o processo de inovação. São instrumentos essenciais para reduzir incertezas, validar funcionalidades e verificar a viabilidade técnica e de mercado de uma proposta. 

Embora compartilhem o propósito de gerar aprendizado rápido, eles se distinguem pelo grau de maturidade, pelo objetivo do teste e pelo tipo de evidência que produzem. 

A prova de conceito busca demonstrar a viabilidade técnica ou funcional de uma ideia. O MVP (Minimum Viable Product) valida a proposta de valor e o product-market fit, com o mínimo de recursos necessários para aprender com os usuários. Já os protótipos, por sua vez, materializam a solução para testar interações, funcionalidades, usabilidade, confiabilidade, assim como para obter a homologação ou certificação de um produto e da produção. 

Na flexM4i, esses conceitos são tratados em uma série específica de seções que detalham suas aplicações práticas, complementaridades e limites. Elas explicam como escolher a forma adequada de experimentação conforme o tipo de hipótese que se deseja validar — técnica, funcional, de valor ou de mercado. 

A seção principal dessa série está disponível neste link. Essa leitura aprofunda o entendimento sobre como essas práticas sustentam o ciclo contínuo de experimentar, avaliar, aprender e pivotar dentro da lógica da inovação.

A figura abaixo mostra as seções dessas práticas. Você pode baixar a figura como um mapa de conteúdo com os links para todas as seções citadas na figura.

Figura 1402: Seções da flexM4i relacionadas com protótipos (clique na figura para abrir um PDF em outra aba com os links para essas seções)

Realizar experimentos e analisar os dados (data analytics) traz uma visão mais embasada, desde que ponderada com insights qualitativos de pessoas experientes. Mas se deve tomar cuidado para não deixar o feeling ser preponderante. Na verdade, isso existe uma mudança de comportamento, principalmente da liderança que não conhece o potencial da análise de dados. A cultura da empresa é novamente crucial para o sucesso da tomada de decisão baseada em dados.

Associados aos dados de monitoramento do mercado (business intelligence), o data analytics pode contribuir para o sucesso da inovação.

Consideramos que o data analytics é um processo de apoio transversal aos processos end-to-end da inovação. É essencial para se retirar valor dos dados que são obtidos hoje por várias fontes, como por exemplo, redes sociais.

Neste tópico apresentamos uma lista de alguns exemplos de abordagens, metodologias, métodos e ferramentas relacionados com esta categoria.

Essas práticas podem servir de referência para a sua empresa: adotar alguns dos seus princípios; definir seus processos; implementar alguns métodos e ferramentas de inovação.

Não iremos listar práticas específicas relacionadas com as tecnologias de cada produto e serviço desenvolvido. Veja aqui uma lista de tecnologias conhecidas, emergentes e tendências tecnológicas.

Cada combinação setor + tecnologia possui práticas específicas de experimentação, avaliação, e seleção, que poderiam ser empregadas. Algumas práticas da lista a seguir são bem amplas e outras correspondem a disciplinas ou processos de apoio transversais.

Nem todas abordagens e práticas listadas abaixo são tratadas na flexM4i. Você pode tentar encontrar e obter informações adicionais perguntando e conversando com os agentes de IA da flexM4i.

• Análise de investimentos
• Análise multicritério
• Análise de sensibilidade
• Análise de trade-off
• Benchmarking de soluções
• Confiabilidade
• Controle estatístico de processo (SPC)
• Custo-alvo (Target Costing)
• Data analytics
• Design da proposição de valor
• Design of experiments (DOE)
• Design thinking
• Design for Six Sigma (DFSS)
• Experimentação e prototipagem
• Gestão ágil de projetos
• Gestão de conhecimento
• Lean Startup
• Metodologias de execução de estratégias
• Metodologias de experimentação provenientes das tecnologias aplicadas
• Métodos multicritérios
• PDCA
• Prova de conceito (POC), produto mínimo viável (MVP) e protótipos
• Simulação e modelagem de sistemas
• Teoria da utilidade
• Teoria do valor percebido
• Testes de usabilidade
• Tomada de decisão
• Validação de mercado (Market fit testing)
• Valuation

Arnold, R. D., & Wade, J. P. (2015). A definition of systems thinking: A systems approach. Procedia Computer Science, 44(C), 669–678. https://doi.org/10.1016/j.procs.2015.03.050

Behrens, J. (2011). Chair of Decision Making in Innovation Portfolio Management Decision Making in Innovation Portfolio Management – An Experimental Paper Series – Dissertation to obtain the academic title Chair of Technology and Innovation Management. WHU – Otto Beisheim School of Management Chair.

Bland, D. J., & Osterwalder, A. (2020). Testing business ideas. John Wiley & Sons.

Blank, S. (2007). The four steps to the epiphany: successful strategies for products that win. John Wiley & Sons.

Blank, S., & Dorf, B. (2012). The startup owner’s manual: The step-by-step guide for building a great company. John Wiley & Sons.

North, K., & Kumta, G. (2018). Knowledge management: Value creation through organizational learning. Springer.

Oliveira, M. G. (2012). Método de análise do processo de decisão do planejamento da inovação: uma contribuição para a avaliação e seleção de propostas de produtos inovadores. Tese de Doutorado, Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Disponível em: https://teses.usp.br/teses/disponiveis/18/18156/tde-15012013-091229/pt-br.php. Acesso em 18-4-2023.

PMI (2013). PMBoK – Guide to the project Management body of knowledge. 5th. ed. Pennsylvania: Project Management Institute, Inc.

PMI (2017). The Standard for Project Management. Newtown Square, PA.

PMI (2021). PMBoK – Guide to the project Management body of knowledge. 7th. ed. Pennsylvania: Project Management Institute, Inc.

Ries, E. (2011). The lean startup. New York: Crown Business.

Rozenfeld et al. Gestão de desenvolvimento de produtos: uma referência para a melhoria do processo. São Paulo, Saraiva. 2006.

Torres, T. (2021). Continuous discovery habits: Discover products that create customer value and business value. Product Talk LLC.

Ulrich, Karl T.; Eppinger, Steven D.; Yang, Maria (2020) Product Design and Development. 7th. ed. New York: McGraw Hill.