Segundo a ABNT (1994), falha (failure) é o término da capacidade de um item desempenhar sua função requerida.

Falhas são ocorrências nos equipamentos que impedem seu funcionamento ou acarretam perdas graves de desempenho ou ainda prejuízos à qualidade do produto final ou de serviço prestado.

Existem 21 tipos de falhas técnicas citadas nesta norma. Consulte a definição de falha no glossário para conhecer esses tipos de falhas.

Vários autores, diferenciam falhas na inovação, chamadas de inteligentes por alguns, com o objetivo de aprendizagem. Antes de apresentar as perspectivas dos principais autores, trazemos a seguir uma síntese de definição do que é uma falha inteligente para aprender:

Falha inteligente para aprender é o resultado não atingido de um experimento deliberadamente planejado para testar hipóteses relevantes em contextos de incerteza, conduzido com limites explícitos de risco, custo e impacto, e que gera evidências confiáveis para orientar decisões futuras (perseverar, ajustar ou interromper uma iniciativa). Essa falha:

• não decorre de negligência, descuido ou erro repetido de execução;
• não compromete a segurança, a conformidade ou a continuidade do negócio;
• é intencional no desenho do experimento, mas não desejada como resultado;
• tem valor gerencial apenas se for analisada e convertida em aprendizado acionável.

Na gestão da inovação, essa falha se manifesta como o não atingimento de um objetivo, independentemente de ter havido erro humano ou não. Na gestão da inovação, a falha:

• é um desfecho do experimento ou iniciativa, quando ela não entrega o valor esperado;
• pode ocorrer mesmo que ninguém tenha cometido um erro;
• é parte natural do processo de descoberta, aprendizado e validação.

A falha da gestão da inovação é parte natural do processo de descoberta, aprendizado e validação.

Exemplos típicos:

• um protótipo que não gera tração de mercado.
• uma hipótese que não se confirma.
• um teste que não valida o comportamento do cliente.
• um experimento cujo custo-benefício não se sustenta.

Porém, em todos esses casos, se intencionalmente desenhados, esses experimentos de validação de hipóteses trazem um grande aprendizado na gestão da inovação.

Seguem agora as nuances dos autores principais.

Cannon & Edmondson (2005)

Poucas organizações conseguem aprender efetivamente com falhas, apesar do seu potencial como fonte precoce de alerta e prevenção de problemas mais graves. Isso ocorre porque as características dos sistemas técnicos e sociais tornam difícil identificar, analisar e extrair aprendizado das falhas, que acabam sendo ignoradas. 

Ainda assim, existem exceções: algumas organizações tornam as falhas visíveis, analisam-nas de forma sistemática ou até estimulam falhas inteligentes por meio de experimentação estruturada.

Aprender com falhas não é impossível, mas contraria normas e intuições gerenciais. Para torná-lo mais comum, é necessário estruturar atividades-chave — identificar falhas, analisá-las e experimentar — apoiadas por uma mudança no modelo mental da liderança. 

Mais do que listas de ações, o aprendizado com falhas exige reconfigurar rotinas, incentivos e a forma como a gestão interpreta a falha, deixando de associá-la à culpa e passando a tratá-la como parte do risco, da incerteza e da melhoria contínua.

Edmondson (2011)

Nem toda falha é igual. Existem três categorias de falhas.

1) As falhas evitáveis (preventable failures) ocorrem em contextos conhecidos, estáveis e bem compreendidos. Elas resultam de erros básicos, como:

• descumprimento de procedimentos,
• falta de treinamento,
• negligência,
• comunicação inadequada.

Essas falhas devem ser eliminadas, por meio de disciplina operacional, padronização, treinamento e controle.

2) As falhas relacionadas à complexidade (complexity-related failures). que surgem em sistemas complexos, nos quais múltiplos fatores interagem de forma não linear. Mesmo com pessoas competentes e processos adequados, falhas podem ocorrer porque:

• o sistema é altamente interdependente,
• há variabilidade difícil de prever,
• pequenas variações se combinam de maneira inesperada.
• São comuns em:
  • operações complexas,
  • grandes projetos,
  • ambientes com alta incerteza operacional.

Essas falhas não podem ser totalmente eliminadas, mas podem ser reduzidas e gerenciadas, com redundâncias, monitoramento, aprendizado contínuo e melhoria sistêmica.

3) As falhas inteligentes (intelligent failures) ocorrem em territórios novos, onde não há conhecimento consolidado. São resultado de experimentação deliberada, com hipóteses claras e riscos controlados. As características dessas falhas são:

• acontecem em pequena escala,
• têm custo limitado,
• produzem aprendizado relevante,
• não decorrem de descuidos ou incompetência.

Essas falhas devem ser toleradas e até incentivadas, porque são fundamentais para inovação, aprendizagem organizacional e adaptação estratégica.

Narduzzo & Forrer (2024)

A falha inteligente não é um insucesso operacional, mas um processo deliberado de geração de conhecimento que desafia o sistema de crenças e pressupostos da organização. Diferentemente das falhas não intencionais, a falha inteligente é projetada ex-ante, com hipóteses explícitas e experimentos cuidadosamente desenhados para testá-las com o objetivo de validação.

Enquanto o aprendizado tradicional com falhas tende a reforçar o conhecimento existente (aprendizado de ciclo simples, inovação incremental), a falha inteligente ativa o aprendizado de duplo ciclo, questionando premissas consolidadas e possibilitando inovação de ruptura em tecnologias, mercados, modelos de negócio e organização. 

Nesse sentido, a falha inteligente funciona como um mecanismo deliberado para lidar com incerteza e ambiguidade, estimulando raciocínio abdutivo, revisão de modelos mentais e criação de novos caminhos estratégicos. Para isso, o papel do design intencional dos experimentos, da liderança e da cultura organizacional é central.

Um erro representa a diferença entre um valor ou uma condição observada ou medida e a correspondente condição ou valor verdadeiro especificado ou teórico. Notas:a) um erro pode ser causado por um item em pane; por exemplo, um erro de cálculo feito por um computador em pane. b) o termo “erro” pode também designar um erro humano” (ABNT, 1994).

Um erro humano representa a ação humana que produz um resultado diferente daquele que se pretendia ou que se deveria obter” (ABNT, 1994). 

Podemos interpretar o erro humano como um desvio em relação ao comportamento esperado, normalmente associado a uma ação humana inadequada, uma decisão mal tomada, um procedimento seguido de forma incorreta ou uma premissa equivocada.

Nas empresas, o erro:

• é um equívoco no processo, na execução ou no julgamento;
• tende a ter origem humana (mas também pode ser de concepção);
• é frequentemente evitável com treinamento, revisão de processos, protocolos e checklists.

Exemplos típicos:

• interpretar errado um critério.
• deixar de fazer uma verificação obrigatória.
• assumir uma hipótese sem dados suficientes.
• programar um parâmetro incorretamente.

Inovação, por natureza, é incerta e ambígua, exigindo que as organizações aceitem que erros farão parte do processo. Erros podem, inclusive, levar a descobertas acidentais (serendipity) ou ser um subproduto da inovação.

Isso ocorre especialmente em contextos de alta confiabilidade, ou seja, quando se necessita de baixa taxas de falhas, nos quais o dano potencial é elevado ou irreversível.

São ambientes onde temos que garantir a segurança de pessoas, integridade de ativos críticos, privacidade e dados, requisitos regulatórios, fraudes e controles financeiros.

A principal regra de negócios neste contexto é ter uma tolerância quase zero a desvios. Devemos para a linha de produção, por exemplo, quando um limite de segurança/compliance é ultrapassado.

Os mecanismos típicos empregados aqui são: 

• padrões mandatórios, 
• segregação de funções, 
• auditoria, 
• rastreabilidade, 
• validações independentes,
• redundância e 
• simulações antes de ir a campo.

O mesmo raciocínio se aplica a processos repetitivos, estáveis e bem conhecidos.

Se o processo é estável e conhecido, o erro é sinal de disciplina fraca, padrão mal definido, treinamento insuficiente ou controle inadequado. Não aceitar a recorrência dos erros. A primeira ocorrência aciona correção, e se houver a repetição do erro, devemos acionar a revisão de causa, padrão e responsabilidade.

Os mecanismos típicos empregados aqui são: 

• trabalho padronizado, 
• checklists simples, 
• revisões por pares, 
• automação de checagens, 
• “poka-yoke”, 
• controle de mudanças e 
• qualificação antes de executar.

A recorrência do erro é sempre inaceitável.

Há ainda situações em que falhas são inaceitáveis não por estarem associadas à execução rotineira, mas pelo seu potencial de gerar impactos sistêmicos sobre a organização. Em grandes apostas estratégicas, uma única decisão pode comprometer de forma ampla e duradoura o desempenho do negócio, afetando simultaneamente finanças, operações, reputação e a própria viabilidade futura da empresa.

Esse tipo de situação ocorre, por exemplo, quando a decisão “puxa a empresa inteira”: investimentos de grande monta e baixa reversibilidade, migrações de plataformas críticas, mudanças amplas no modelo de negócio, exposição relevante da marca ou dependência excessiva de um único parceiro estratégico.

Nesses casos, a regra de gestão não é aprender após a falha, mas reduzir incerteza antes de escalar decisões, evitando apostas baseadas apenas em crença e exigindo evidência incremental e limites claros de exposição financeira, operacional e reputacional.

Os mecanismos típicos empregados aqui são: 

• fases com critérios de passagem claros, 
• validações externas/independentes, 
• pilotos com raio de impacto limitado, 
• planos de contingência, 
• gatilhos de reversão e
• pré-mortem e cenários de estresse.

Em domínios complexos, nos quais relações de causa e efeito só se tornam claras retrospectivamente, a inovação não avança por planejamento detalhado e previsibilidade, mas por meio de experimentos deliberados. Nesses contextos, o caminho não pode ser totalmente antecipado; ele se revela à medida que a organização testa hipóteses, observa sinais do ambiente e ajusta progressivamente a direção.

É nesse tipo de situação que se aplicam os experimentos safe-to-fail: testes desenhados para explorar incertezas relevantes com limites explícitos de custo, tempo, risco e impacto. É o caminho proposto por Snowden & Boone (2007): testar, capturar sinais e ajustar a direção (em vez de exigir previsibilidade total).

Quando uma hipótese não se confirma, ou seja, quando o experimento “falha” em validar o que se esperava,  esse resultado é aceitável e esperado, desde que gere evidência confiável para decidir se a iniciativa deve ser ajustada, perseverada ou cancelada. Esse é o sentido de aprendizagem validada na gestão da inovação (Ries, 2011).

O que não é aceitável, mesmo em contextos de exploration, é a repetição de erros de execução. Problemas como instrumentação inadequada, coleta de dados frágil, critérios de sucesso mal definidos ou descuido com premissas básicas não representam falhas de hipótese, mas falhas de método. 

Mesmo em ciclos como o Build–Measure–Learn, o aprendizado ocorre principalmente pelo ajuste do desenho do experimento (protocolos, métricas, critérios de parada e checagens) e não pela tolerância a erros recorrentes ou pela tentativa de “consertar o sistema inteiro” após resultados ruins.

No nível do portfólio, a aceitação de falhas assume uma lógica diferente da gestão de projetos isolados.

Um portfólio saudável assume que algumas iniciativas serão descartadas, ou seja, uma parte relevante das iniciativas não chegará ao mercado ou não terá escala. Essa prática protege a empresa de apostar tudo em uma única tese e investir com muito risco..

O foco gerencial não é evitar falhas, mas maximizar aprendizado por recurso investido.

Ou seja, “matar” cedo (e o mais rapidamente possível) o que não sustenta evidências e reforçar o que mostra tração.

Falhas de meta podem estar ligadas a erros de planejamento, execução/implementação e marketing. Detectar as causas evita “lições genéricas” e traz uma  melhora no próximo ciclo (Coccia, 2023).

É nesse contexto que a expressão ‘falhar rapidamente’ costuma ser invocada, muitas vezes de forma equivocada.

Fail fast” virou um slogan popular para reforçar a velocidade de aprendizado, mas quase sempre aparece como uma paráfrase (não como citação literal) das abordagens de experimentação do Lean Startup e abordagens semelhantes.

O ponto não é “errar rápido” no sentido de aceitar descuido, improviso ou falta de disciplina. Isso é erro evitável e deve ser tratado como um problema de gestão.

A postura (mentalidade / cultura) é tolerar o “falhar rápido” quando você está testando hipóteses: desenhar experimentos pequenos, com custo e risco limitados, para descobrir cedo o que NÃO funciona.

Uma forma mais fiel de traduzir a intenção é: FALHAR RÁPIDO, BARATO, COM CONTENÇÃO E APRENDIZADO.

Ou seja, devemos:

• estabelecer uma hipótese explícita, 
• que tenha um critério de sucesso/fracasso determinado,
• e um gatilho de parada para cancelar (quando necessário) o experimento e 
• um evento / tempo / para registrar e compartilhar o aprendizado.

Se não houver aprendizado reutilizável, não foi “falha inteligente”; foi apenas desperdício.

A aceitação de falhas em contextos de exploration não depende apenas de postura gerencial, mas da criação de espaços organizacionais protegidos para experimentação. Nesses espaços, a lógica de gestão é distinta do core operacional: enquanto no core a régua é confiabilidade, disciplina e conformidade, nos espaços de inovação a régua é aprendizagem rápida com risco controlado.

A separação explícita de ambientes reduz o risco de contaminação entre exploitation e exploration, evitando tanto que práticas exploratórias comprometam operações críticas quanto que exigências operacionais inibam a experimentação. Nesses espaços, erros devem ser geridos com foco em detecção rápida, contenção de impacto e ajuste de método, e não por meio de caça aos culpados, o que inibe transparência e aprendizado.

Para erros, o foco deve estar na recorrência e no tempo de detecção e correção, reconhecendo que, em territórios novos, erros não são totalmente evitáveis, mas sua repetição é gerenciável. Adote uma lógica de gestão de erros: comunicação aberta sobre erros, compartilhamento de conhecimento, ajuda entre pares, detecção rápida e contenção de dano. 

Métricas adequadas reforçam essa lógica, priorizando indicadores de aprendizagem e decisão em vez de métricas clássicas de eficiência operacional, tais como (Fischer et al., 2018):

• tempo de ciclo do experimento, 
• qualidade da evidência, 
• taxa de decisões (pivotar/perseverar/cancelar), 
• exposição a risco; e, para erros, recorrência e tempo de detecção/correção (porque erros não são totalmente evitáveis, especialmente em “território novo”).

A forma de lidar com falhas depende diretamente do contexto de gestão em que elas ocorrem. 

Em atividades associadas ao exploitation e ao core operacional (H1), falhas são eventos indesejáveis que sinalizam ruptura do sistema e exigem contenção imediata, análise de causas e reforço de controles para evitar recorrência e impacto sistêmico. 

O foco da gestão está em restaurar a confiabilidade, proteger pessoas, ativos e reputação, e reduzir a variabilidade do sistema. 

Já em contextos de exploration (H2 e H3), falhas de hipótese são parte esperada do processo de descoberta. Nesses casos, o papel da gestão é garantir que a falha ocorra dentro de limites explícitos de risco, custo e impacto, e que o resultado seja rapidamente convertido em aprendizado acionável para decidir se a iniciativa deve ser ajustada, continuada ou interrompida.

O erro gerencial, nesse contexto, não é a falha em si, mas a incapacidade de aprender com ela ou o escalonamento prematuro sem evidência suficiente.

Erros, diferentemente das falhas, exigem tratamento disciplinado em qualquer contexto, ainda que a resposta gerencial varie. 

Em ambientes de exploitation, erros evitáveis indicam fragilidade de processos, padrões ou competências e devem ser corrigidos de forma imediata, com foco na eliminação da causa raiz e na prevenção da repetição. A recorrência do erro é inaceitável e sinaliza falha de gestão.

Em ambientes de exploration, erros também não são desejáveis, mas tendem a ocorrer como subproduto da incerteza e da experimentação. Nesses casos, a gestão deve priorizar a detecção rápida, a contenção de impactos e o ajuste do desenho do experimento (como instrumentação, métricas, critérios de parada e checagens), evitando que erros de execução contaminem o aprendizado. 

Em nenhum dos contextos o erro deve ser celebrado; no máximo, deve ser tratado sem punição cega quando reportado cedo e usado para fortalecer o sistema e a capacidade de decisão

A tolerância inteligente a falhas e erros não é resultado apenas de atitude ou discurso, mas da estruturação deliberada de um sistema de gestão que combine experimentação responsável, aprendizado confiável e disciplina operacional. Não se trata de “liberar o erro”, mas de criar condições para testar hipóteses com risco controlado, capturar aprendizado de forma consistente e evitar a repetição de desvios evitáveis.

Um primeiro princípio é definir claramente o campo de testes, separando o core operacional dos espaços de exploration. Em contextos de exploration, a lógica safe-to-fail só funciona quando a experimentação é tratada como parte de um sistema explícito de decisão, com limites claros e responsabilidade definida, evitando improvisação e a contaminação do core operacional.

A estruturação adequada também exige práticas sistemáticas de antecipação e de consolidação do aprendizado.

Antes da execução, exercícios de pré-mortem ajudam a explicitar suposições críticas, identificar por que um experimento pode falhar e transformar incertezas relevantes em hipóteses testáveis, com sinais de alerta definidos antecipadamente. 

Após a execução, revisões curtas e objetivas (pós-mortem ou after-action reviews) permitem separar falhas de validação de hipótese (que geram aprendizado) de erros de execução ou medição (que exigem correção). 

Para que o aprendizado não “morra na reunião”, é necessário adotar mecanismos simples de registro, bancos de lições aprendidas e rituais periódicos de reuso do conhecimento, transformando lições em decisões, regras ou checklists.

Por fim, a tolerância inteligente depende de condições organizacionais de sustentação. Isso inclui:

segurança psicológica com disciplina, ou seja, um ambiente em que problemas são reportados cedo, sem punição cega, mas com intolerância à repetição de erros evitáveis

• uma governança leve e explícita, com proteções, alçadas de decisão, gates de risco e compliance,
• responsáveis definidos pelos experimentos e 
• trilhas de escalonamento quando algo sai dos limites estabelecidos. 

Incentivos também precisam estar alinhados ao comportamento desejado, reconhecendo transparência, aprendizado validado e cancelamento precoce com evidência, e evitando premiar heroísmo operacional ou metas que estimulem a maquiagem de indicadores.

Estruturar a tolerância a falhas e erros, portanto, não significa reduzir exigência, mas aumentar a maturidade da gestão, tornando explícitas as regras do jogo para proteger o core operacional e, ao mesmo tempo, sustentar a aprendizagem necessária à inovação.

Na prática, lidar bem com falhas e erros exige distinguir claramente três práticas organizacionais diferentes, com tempos, rotinas e responsabilidades próprias.

Tolerar (postura de gestão, no curto prazo): É a resposta imediata ao resultado negativo: proteger o time de punição automática quando houve bom julgamento e o objetivo era aprender, mantendo o foco no que o resultado revela. Em domínios complexos, a liderança precisa aceitar falhas como parte da lógica de “experimentos safe-to-fail” — pequenos testes para entender o sistema, em vez de apostar em previsões.

Analisar (processo, no médio prazo): É transformar a falha em insight acionável. Aqui entra a diferença que evita a distorção do “vamos falhar mesmo”: normalizar/tolerar, por si só, não garante melhoria. A aprendizagem vem de reflexão deliberada e análise estruturada das falhas (Danneels & Vestal, 2020).

Na prática, isso significa ter um ritual padrão (pós-mortem, review de decisão, revisão de hipóteses, análise de causa), com critérios para classificar:

• foi uma falha “inteligente” (experimento com hipótese e risco controlado)?
• foi um erro evitável (execução, checagem, parâmetro, procedimento)?

Aprender (mudança de sistema, no longo prazo): É quando a organização altera algo concreto: decisão, regra, checklist, padrão de execução, critério de gate, treinamento, governança. Sem essa “mudança do sistema”, o que existe é apenas narrativa de aprendizado. Essa transição exige sair do modelo mental “culpa” e entrar no modelo “risco, incerteza e melhoria contínua”.

Distinguir e articular essas três práticas reduz a reincidência de erros, evita a normalização de falhas evitáveis e torna a tolerância a falhas um instrumento real de melhoria e inovação, e não um discurso vazio.

Sem essa “mudança do sistema”, o que existe é apenas narrativa de aprendizado

Apenas tolerar falhas sem análise tende a perpetuar uma sequência de falhas evitáveis. Organizações que realmente se diferenciam são aquelas que transformam falhas em aprendizado, por meio da extração deliberada e franca de lições, usando isso para inovar melhor do que seus concorrentes (Danneels & Vestal, 2020).

• Confundir falha com erro: tratar desvio evitável (execução ruim) como se fosse “resultado do experimento”.
• Virar álibi: “falhou porque inovação é assim” para encobrir falta de foco, gestão fraca ou decisões sem evidência.
• Romantizar “fail fast”: valorizar velocidade sem qualidade de hipótese, sem instrumentação e sem critério de parada.
• Misturar ambientes: levar a lógica de exploration para o core (H1) e criar risco operacional desnecessário.
• Medir o que é fácil, não o que importa: volume de experimentos e “atividade” no lugar de aprendizagem validada e decisões tomadas.
• Tratar aprendizado como evento, não como sistema: pós-mortem vira reunião; nada vira padrão, checklist, treinamento ou decisão de portfólio.

• “Sloganização”: a empresa comunica “toleramos falhas”, mas não define limites, guardrails e consequências para erro repetido.
• Efeito pêndulo: sai de cultura punitiva para cultura “sem dono” (ninguém se sente responsável por qualidade e disciplina).
• Heroísmo e incêndio: times passam a ser premiados por apagar problemas que eles mesmos criaram, e não por prevenir e aprender.
• Ruído com stakeholders: discurso interno mal calibrado pode ser interpretado como relaxamento de qualidade por clientes, auditoria e áreas de risco.
• Feudos de inovação: “espaços protegidos” viram áreas blindadas, sem transparência e sem conexão com o negócio.
• Efeito colateral clássico: aumento de retrabalho, perda de confiança entre áreas (operação vs. inovação) e fadiga de experimentos.

 Use como diagnóstico rápido (SIM/NÃO). Quanto mais “SIM”, mais a tolerância tende a ser inteligente e controlada.

1. Existem limites explícitos de risco (custo, cliente, compliance, reversibilidade) para experimentos?
2. Há separação prática entre core operacional e espaços de experimentação (com regras diferentes)?
3. Todo experimento tem hipótese, métrica de evidência e critério de parada (perseverar/pivotar/cancelar)?
4. Existe “stop-the-line” claro para segurança, compliance e incidentes com cliente?
5. A organização diferencia falha de hipótese (aprendizado) de erro de execução/medição (correção)?
6. O pós-mortem é curto, padrão e gera ações concretas (padrões, checklists, licoes aprendidas, mudanças de processo) para evitar recorrência?
7. Há repositório simples de aprendizados e rotina de reuso (não fica “esquecido” em slides)?
8. As lideranças protegem a transparência, mas cobram disciplina (segurança psicológica com responsabilidade)?
9. Incentivos recompensam decisões com evidência (inclusive cancelar cedo) e não “atividade” ou heroísmo?
10. O portfólio assume descarte e reequilibra investimentos com base em evidência, não em política interna?

Leitura prática do resultado:

• 0–3 SIM: tolerância tende a virar ruído ou permissividade. Priorize limites, critérios de parada e pós-mortem padrão.
• 4–7 SIM: em evolução. O ganho rápido vem de melhorar qualidade de evidência e transformar aprendizado em padrão.
• 8–10 SIM: bom nível de maturidade. O desafio passa a ser escala: manter disciplina com volume e velocidade.

ABNT (1994). NBR 5462 Confiabilidade e Mantenabilidade.

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.

Coccia, M. (2023). New Perspectives in Innovation Failure Analysis : A taxonomy of general errors and strategic management for reducing risks. Technology in Society, 75(June), 102384. https://doi.org/10.1016/j.techsoc.2023.102384

Cannon, M. D., & Edmondson, A. C. (2005). Failing to Learn and Learning to Fail ( Intelligently ): How Great Organizations Put Failure to Work to Innovate and Improve. 38, 299–319. https://doi.org/10.1016/j.lrp.2005.04.005

Danneels, E., & Vestal, A. (2020). Normalizing vs . analyzing : Drawing the lessons from failure to enhance firm innovativeness ☆. Journal of Business Venturing, 35(1), 105903. https://doi.org/10.1016/j.jbusvent.2018.10.001

Edmondson, A. C. (2011). Strategies for learning from failure. Harvard business review, 89(4), 48-55.

Edmondson, A. C. (2023). Right kind of wrong: The science of failing well. Simon and Schuster.

Ferreira, J. J. M., Fernandes, C. I., & Ferreira, F. A. F. (2020). Wearing failure as a path to innovation. Journal of Business Research, 120, 195–202.

Fischer, S., Frese, M., Mertins, J. C., & Hardt-gawron, J. V. (2018). The Role of Error Management Culture for Firm and Individual Innovativeness. APPLIED PSYCHOLOGY: AN INTERNATIONAL REVIEW, 00(00), 1–26. https://doi.org/10.1111/apps.12129

Freisinger, E., & McCarthy, I. P. (2024). What fails and when? A process view of innovation failure. Technovation, 133, 102995.

Jong, I. S. De. (2021). When Wrong Is Right : Leaving Room for Error in Innovation Measurement.

Kurtz;, C. F., & Snowden, D. J. (2003). The new dynamics of strategy : Sense-making in a complex and complicated world. IBM SYSTEMS JOURNAL, 42(3).

Narduzzo, A., & Forrer, V. (2024). Technovation Nurturing innovation through intelligent failure : The art of failing on purpose. Technovation, 131(November 2023), 102951. https://doi.org/10.1016/j.technovation.2024.102951

Pisano, G. P. (2019). The Hard Truth Creativity can be messy . Harvard Business Review, February.

Ries, E. (2011). The lean startup: How today’s entrepreneurs use continuous innovation to create radically successful businesses. New York: Crown Business.

Snowden, D. J., & Boone, M. E. (2007). A Leader’s Framework for Decision Making. Harvard Business Review, November, 1–8.

Starbuck, W. H., & Hedberg, B. (2001). How organizations learn from success and failure. In M. Dierkes, A. Berthoin Antal, J. Child, & I. Nonaka (Eds.), Handbook of organizational learning and knowledge (pp. 1-26). Oxford University Press.