Análise causal em camadas
Definição
Análise causal em camadas é um método de foresight criado por Sohail Inayatullah que examina um problema em quatro níveis, da superfície visível às causas sistêmicas, visões de mundo e mitos culturais, ajudando líderes e empresas a enxergar por que certas soluções falham e a construir futuros alternativos com mudanças mais profundas.
- Causal Layered Analysis
- CLA
- Análise causal por camadas
- Cluster
- Futuro
- Classificação
- Método
- Nível
- Avançado
O que é análise causal em camadas?
Análise causal em camadas, conhecida pela sigla em inglês CLA, é um método de foresight que olha um problema em profundidade. A premissa é simples: o que aparece nas reuniões e nos relatórios é só a camada de cima, e as soluções que mexem apenas nela tendem a não durar.
O método foi proposto pelo futurista Sohail Inayatullah em 1998, na revista Futures. Ele organiza a análise em quatro camadas, da mais visível para a mais profunda:
- Litania: o problema como é contado oficialmente, com números e manchetes.
- Causas sistêmicas: fatores econômicos, tecnológicos, regulatórios e de processo.
- Visão de mundo: as crenças e os valores que fazem o sistema parecer normal.
- Mito ou metáfora: a história profunda, muitas vezes inconsciente, que dá sentido a tudo.
Como funciona na prática?
Em uma oficina, o grupo escolhe um tema e preenche as quatro camadas sobre o presente. Depois faz o caminho inverso: propõe uma nova metáfora e pergunta que visão de mundo, que sistema e que litania nasceriam dela.
Um exemplo com produtividade no escritório:
- Litania: a equipe está sobrecarregada e as entregas atrasam.
- Causas sistêmicas: excesso de reuniões, metas sobrepostas, ferramentas desconectadas.
- Visão de mundo: estar ocupado é sinal de compromisso.
- Metáfora: a empresa é uma máquina que não pode parar.
Se a metáfora muda para algo como "a empresa é uma orquestra", as perguntas mudam: quem rege, quando há pausa, qual é a música. Novas regras e indicadores derivam daí.
Análise causal em camadas vs pensamento sistêmico: qual a diferença?
O pensamento sistêmico mapeia relações, ciclos e efeitos entre partes de um sistema, o que corresponde em grande parte à segunda camada. A CLA inclui essa leitura, mas desce até crenças e narrativas culturais. Os dois se complementam: o mapa sistêmico mostra como o problema se mantém; a CLA mostra por que ele parece natural.
Exemplos
- Governos e cidades usam o método para discutir temas como mobilidade e saúde pública com grupos de interesses diferentes.
- Uma empresa investiga por que programas de inovação morrem e descobre que a metáfora dominante é "errar é demitido".
- Equipes de estratégia usam as quatro camadas para dar profundidade aos cenários de futuro.
Erros comuns
- Ficar na litania e chamar isso de diagnóstico.
- Pular direto para a metáfora sem sustentar as camadas do meio.
- Fazer a análise do presente e não construir o futuro alternativo.
- Tratar a camada do mito como exercício de criatividade, sem ligar a novas decisões.
Por que importa para líderes e empresas?
Muitas transformações fracassam porque mudam ferramentas e processos, mas deixam intactas as crenças que os sustentam. A análise causal em camadas dá à liderança uma linguagem para tratar cultura, narrativa e identidade como partes da estratégia, com um caminho estruturado do discurso até a prática.
Perguntas frequentes
Quem criou a análise causal em camadas?
O método foi criado pelo futurista Sohail Inayatullah e apresentado no artigo Causal layered analysis: Poststructuralism as method, publicado na revista Futures em 1998. Desde então é usado em projetos de governos, universidades e empresas para investigar problemas complexos e construir futuros alternativos a partir de narrativas e não só de dados.
Quais são as quatro camadas da análise causal?
A primeira é a litania, a versão oficial e superficial do problema, como aparece nas manchetes. A segunda reúne as causas sistêmicas: economia, tecnologia, regras e processos. A terceira é a visão de mundo que sustenta o sistema. A quarta é o mito ou metáfora, a história profunda e muitas vezes emocional que dá sentido a tudo.
Quando usar análise causal em camadas?
O método é útil quando soluções repetidas não resolvem um problema, quando grupos discordam sem entender por quê ou quando a empresa quer mudar a cultura e não apenas processos. Ele também prepara cenários mais ricos, porque cada futuro alternativo ganha uma nova metáfora, e não só números diferentes.
Qual a diferença entre análise causal em camadas e análise de causa raiz?
A análise de causa raiz busca a falha técnica ou de processo que gerou um problema, geralmente em um sistema conhecido. A análise causal em camadas vai além: inclui crenças, valores e histórias culturais que sustentam o sistema, e trata essas camadas como pontos de transformação, não apenas como contexto.