Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Análise e Tomada de Decisão

Aula 11 de 12 Atualizada a 2 de novembro de 2026 Programador
Nesta página
  1. Raciocínio para Apoiar a Tomada de Decisão
  2. Análise Comparativa Estruturada
  3. Análise de Cenários
  4. Padrão: Matriz de Decisão Automatizada
  5. Análise de Riscos
  6. Avaliação de Compromissos (Trade-offs)
  7. Padrão: Advogado do Diabo
  8. Small 4 ou Large 4 para Análise?
  9. Pontos-chave

Lição atualizada em 2 de novembro de 2026. Os exemplos originais utilizavam o Magistral, que foi descontinuado a 31 de julho de 2026. Agora utilizam o Mistral Small 4 (mistral-small-2603) ou o Mistral Large 4 (mistral-large-4-0) com reasoning_effort="high", analisando a resposta através da função separer da Lição 3. Fonte: Reasoning (Documentação Mistral).

Raciocínio para Apoiar a Tomada de Decisão

Sejamos honestos antes de avançar para as técnicas: o modelo não tomará a decisão por si, e esse não é o objetivo. O que o raciocínio traz à tomada de decisão é aquilo que um bom consultor fornece: explicitação. Critérios que permaneciam implícitos, cenários que não tinha considerado, riscos que ninguém mencionou: tudo isto colocado preto no branco deixa a decisão final nas suas mãos, mas muito melhor informado.

Decisões complexas exigem análise multicritério, consideração de diferentes perspetivas e capacidade de avaliar compromissos (trade-offs). Estas são tarefas onde o raciocínio estruturado oferece um valor considerável em comparação com uma resposta intuitiva.

Análise Comparativa Estruturada

O raciocínio permite comparações metódicas:

from mistralai.client import Mistral

client = Mistral(api_key="YOUR_API_KEY")

comparison = """My team needs to choose between PostgreSQL and MongoDB for a new application.

Context:
- B2B SaaS project management application
- 500 initial users, target of 10,000 in 2 years
- Structured data (users, projects, tasks) + free-text comments
- Team of 4 developers, all experienced in SQL
- Limited server budget (startup)

Analyze both options and recommend the best one."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[
        {"role": "system", "content": """Senior technical consultant.

ANALYSIS METHOD:
1. Identify relevant decision criteria
2. Evaluate each option against each criterion
3. Weight criteria based on context
4. Identify risks for each option
5. Formulate an argued recommendation

REFLECTION:
Explore trade-offs. Consider short-term and long-term implications.

RESPONSE:
Clear recommendation with justification, risk mitigation plan."""},
        {"role": "user", "content": comparison}
    ],
)

Análise de Cenários

O raciocínio é particularmente eficaz para explorar as consequências de diferentes escolhas:

scenario = """Our startup (15 employees, $2M ARR) received two offers:
1. Series A funding round of $5M from a VC with 25% dilution
2. Acquisition offer of $12M by a large group (3-year earn-out)

Analyze both scenarios and their implications."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[
        {"role": "system", "content": """Strategic analyst.
For each scenario, evaluate:
- Financial impact at 1 year, 3 years, 5 years
- Impact on decision-making autonomy
- Risks and probability of realization
- Impact on team and culture"""},
        {"role": "user", "content": scenario}
    ],
)

Padrão: Matriz de Decisão Automatizada

Pode automatizar a construção de matrizes de decisão:

def decision_matrix(client, options, criteria, context):
    """Generates a structured decision matrix."""

    options_text = "\n".join(f"- {opt}" for opt in options)
    criteria_text = "\n".join(f"- {crit}" for crit in criteria)

    prompt = f"""Context: {context}

Options to evaluate:
{options_text}

Evaluation criteria:
{criteria_text}

For each option, rate each criterion on a scale of 1 to 5.
Justify each rating.
Calculate the total weighted score.
Recommend the optimal option."""

    response = client.chat.complete(
        model="mistral-small-2603",
        reasoning_effort="high",
        messages=[
            {"role": "system", "content": "Decision analysis expert. Be objective and rigorous in your evaluations."},
            {"role": "user", "content": prompt}
        ],
    )

    return separer(response.choices[0].message.content)[1]  # the response, without the reasoning

# Example: framework selection
result = decision_matrix(
    client,
    options=["React + Next.js", "Vue + Nuxt", "Svelte + SvelteKit"],
    criteria=[
        "Learning curve",
        "Ecosystem and community",
        "Performance",
        "Developer recruitment",
        "Long-term maintainability"
    ],
    context="Redesign of a B2C e-commerce site, team of 3 junior devs"
)

Análise de Riscos

O raciocínio estruturado é ideal para identificar e avaliar riscos:

risk_analysis = """We plan to migrate our production database
(50 GB, 200 tables, 15 connected applications) from MySQL 5.7 to PostgreSQL 16.

Identify all risks associated with this migration and propose a mitigation plan."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[
        {"role": "system", "content": """Senior DBA and system architect.

RISK ANALYSIS:
For each identified risk, specify:
- Probability (low/medium/high)
- Impact (low/medium/critical)
- Mitigation plan
- Rollback plan"""},
        {"role": "user", "content": risk_analysis}
    ],
)

Avaliação de Compromissos (Trade-offs)

As decisões técnicas envolvem frequentemente compromissos. O raciocínio ajuda a torná-los explícitos:

tradeoff = """Microservices vs. monolithic architecture for our application:

Our situation:
- Team of 6 developers
- HR management application
- 3 modules: recruitment, payroll, leave management
- Deployment on Kubernetes
- Need for independent module updates

Analyze the trade-offs of each approach."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": tradeoff}]
)

Padrão: Advogado do Diabo

Este é o padrão mais valioso desta lição, pois corrige um viés partilhado por todos: uma vez tomada uma decisão, procuramos apenas confirmação. Pedir explicitamente ao modelo que ataque a decisão — encontrando fraquezas, cenários de falha, pressupostos frágeis — obriga-o a ouvir o que nenhum colega ousa dizer e o que já não diz a si mesmo:

def challenge_decision(client, decision, context):
    """Plays devil's advocate on a decision."""

    prompt = f"""A team has made the following decision:
DECISION: {decision}

CONTEXT: {context}

Play devil's advocate:
1. Identify the 5 main arguments AGAINST this decision
2. For each argument, assess its severity (1-5)
3. Propose conditions under which this decision would be catastrophic
4. Suggest necessary safeguard measures
5. Conclude: Is the decision solid despite the counter-arguments?"""

    return client.chat.complete(
        model="mistral-small-2603",
        reasoning_effort="high",
        messages=[
            {"role": "system", "content": "Critical analyst. Be incisive but constructive."},
            {"role": "user", "content": prompt}
        ],
    )

Small 4 ou Large 4 para Análise?

O reflexo correto é alinhar o modelo com a criticidade e a reversibilidade da decisão. Para uma comparação simples entre duas opções com critérios claros, uma avaliação rápida ou uma decisão que pode corrigir na próxima semana: o Mistral Small 4 no modo high funciona muito bem a um custo menor. No entanto, assim que a análise se torna multicritério com ponderações debatíveis, a decisão é estratégica e difícil de reverter — uma escolha de arquitetura, uma migração de produção, uma arbitragem financeira — ou o cenário envolve incerteza real, teste o Mistral Large 4 no modo high. Um modelo mais capaz tem maior probabilidade de fazer a diferença na exploração de compromissos e casos desfavoráveis, mas apenas uma comparação nos seus próprios casos lhe dirá se o custo extra se justifica.

Pontos-chave

  • O raciocínio transforma a análise de decisão num processo estruturado e reproduzível
  • Utilize um prompt de sistema que imponha um método de análise (critérios, ponderação, riscos)
  • As matrizes de decisão e a análise de cenários beneficiam enormemente do raciocínio
  • O padrão advogado do diabo aproveita o raciocínio para desafiar as suas decisões
  • Adapte o modelo à criticidade da decisão: Small 4 para tarefas diárias, teste o Large 4 para decisões estratégicas