When Crowds Go Wrong: Bubbles, Cascades, and the Madness of Herds

A mesma multidão, dois dias muito diferentes

Em 1906, uma multidão de 787 visitantes de uma feira em uma exposição de gado na Inglaterra adivinhou o peso de um boi com uma margem de cerca de um por cento da verdade — a demonstração fundadora da sabedoria das multidões, que contamos em detalhes na história do boi de Galton. Duascentas e cinquenta anos antes, multidões de comerciantes holandeses igualmente comuns elevaram o preço de bulbos de tulipa raros a alturas extraordinárias antes que o mercado colapsasse em uma única fevereiro. Mesma espécie, mesmo equipamento cognitivo. O que muda a situação?

A diferença não é inteligência, e não é ganância. É estrutura. Os visitantes da feira de Galton escreveram suas adivinhações em privado em cartões, cada um se baseando em seu próprio conhecimento, sem ver o número de ninguém mais. Os comerciantes de tulipas observaram uns aos outros fazer lances. No momento em que os julgamentos se tornam sequenciais e observáveis, uma multidão deixa de ser uma coleção de medições independentes e se torna uma cadeia de inferências sobre inferências — e cadeias assim podem carregar um erro do tamanho de uma sociedade com quase nenhuma informação. Este artigo é sobre como isso acontece: a matemática das cascatas, a psicologia do pensamento de grupo, os destroços históricos e as estruturas que mantêm os grupos do lado certo da mudança.

A maquinaria de uma cascata

Em 1992, Sushil Bikhchandani, David Hirshleifer e Ivo Welch publicaram "Uma Teoria de Modismos, Moda, Costumes e Mudança Cultural como Cascatas Informacionais" no Journal of Political Economy — um dos modelos mais influentes na ciência social moderna. Abhijit Banerjee publicou independentemente "Um Modelo Simples de Comportamento de Manada" no Quarterly Journal of Economics no mesmo ano. A configuração é austera: as pessoas escolhem entre duas opções, uma de cada vez, em público. Cada pessoa possui um sinal privado — uma dica ruidosa sobre qual opção é melhor — e pode ver a escolha de cada pessoa anterior, mas não o sinal por trás dela.

Observe a lógica se desenrolar. A primeira pessoa segue seu próprio sinal — é tudo o que ela tem. A segunda pessoa vê a primeira escolha e seu próprio sinal; se eles concordam, fácil, e se eles entram em conflito, seu sinal pelo menos o mantém em uma escolha aleatória. Mas a terceira pessoa que vê duas escolhas idênticas à sua frente enfrenta uma aritmética: duas evidências de sinais (inferidas a partir das escolhas) contra uma. Mesmo que seu sinal privado grite o oposto, o movimento racional de Bayes é seguir a multidão. E aqui está o veneno: porque ela ignorou seu sinal, sua escolha não revela nada. A quarta pessoa vê três escolhas idênticas, mas apenas duas delas continham informações. A cascata agora se sela sozinha — cada pessoa subsequente imita, nenhuma informação privada entra no pool público, e a sequência de conformidade cresce sem um único novo fato por trás dela.

Três propriedades surgem do modelo, cada uma confirmada em experimentos de laboratório por Lisa Anderson e Charles Holt (American Economic Review, 1997), onde um jogo de urnas de cor majoritária reproduziu cascatas — incluindo as erradas — com pessoas reais e recompensas reais:

• Cascatas são racionais. Nenhum indivíduo está se comportando de forma tola. Cada imitação é uma inferência defensável a partir das evidências disponíveis. A falha é coletiva: a informação do grupo está presa em cabeças que não agem mais sobre ela.
• Cascatas estão frequentemente erradas. Se os dois primeiros sinais acabam por enganar — perfeitamente possível com informações ruidosas — toda a multidão subsequente se fixa na opção errada. Quanto maior a multidão, mais impressionante parece o erro.
• Cascatas são frágeis. Porque a conformidade se baseia em dois ou três sinais, e não em milhares, uma pequena injeção de informação pública — um dissidente credível, um fato contrário visível — pode destruir uma cascata da noite para o dia. É por isso que os modismos colapsam tão repentinamente quanto se formam, e por que os autores do modelo o intitularam em homenagem à moda.

Essa fragilidade é o sinal. O consenso genuíno, construído a partir de muitos julgamentos independentes, é robusto a um único dissidente. O consenso da cascata é uma casa de cartas vestindo o traje de uma fortaleza. O modelo completo, suas suposições e suas aplicações recebem um tratamento mais profundo em nossa página de referência sobre cascatas de informações.

Um tour pelos destroços

Mania das tulipas, 1636–37 — e a cascata sobre a cascata

A história canônica da bolha: no auge do comércio de tulipas holandesas no inverno de 1636–37, contratos para bulbos raros mudaram de mãos a preços que rivalizavam com casas, antes que o mercado colapsasse em fevereiro de 1637 e — a lenda diz — arruinasse uma nação. A pesquisa moderna conta uma história mais interessante. A historiadora Anne Goldgar, trabalhando nos arquivos holandeses para seu livro de 2007 Tulipmania, descobriu que o comércio estava confinado a uma rede bastante pequena de comerciantes e artesãos, que as falências documentadas eram poucas, e que a economia holandesa mais ampla navegou em grande parte ilesa. Os preços dos bulbos raros realmente dispararam e despencaram; a devastação nacional é um mito.

Por que o mito persiste? Porque histórias também cascatas. Goldgar rastreou como a versão sensacionalista desce substancialmente de panfletos moralizantes e do Extraordinary Popular Delusions and the Madness of Crowds de Charles Mackay de 1841, repetido de autor para autor por séculos — cada escritor confiando em predecessores em vez de verificar os arquivos. O conto de advertência mais famoso sobre manadas é, ele mesmo, uma cascata de informações clássica: adoção sequencial de uma afirmação com base na observação de adotantes anteriores, com quase ninguém consultando a evidência primária.

A Bolha do Mar do Sul, 1720

As ações da South Sea Company subiram de cerca de £128 em janeiro de 1720 para quase £1.000 naquele verão, impulsionadas por esquemas de conversão de dívida, promoção agressiva e — crucialmente — o espetáculo visível de vizinhos ficando ricos, antes de colapsar de volta à terra até o final do ano. A investigação subsequente do Parlamento descobriu suborno chegando ao governo. Como um ambiente informacional, era perfeito para cascatas: as compras eram altamente observáveis, as reais perspectivas da empresa eram quase desconhecidas, e a decisão de cada novo comprador se apoiava na inferência de que tantos compradores anteriores não poderiam estar todos errados. Eles poderiam, porque a maioria deles estava fazendo a mesma inferência.

A Baía dos Porcos, 1961: quando a cascata acontece em torno de uma mesa

Bolhas de mercado envolvem estranhos; as mesmas dinâmicas operam entre colegas que se admiram — e aí a psicologia ganha um toque extra. Em abril de 1961, a administração Kennedy lançou uma invasão apoiada pela CIA de Cuba por cerca de 1.400 exilados na Baía dos Porcos. Ela colapsou em três dias. O grupo consultivo que a aprovou era, por qualquer medida, brilhante. O psicólogo Irving Janis fez do caso o centro de seu livro de 1972 Victims of Groupthink, perguntando como um grupo assim aprovou um plano cujas falhas eram visíveis antecipadamente — alguns conselheiros, Arthur Schlesinger entre eles, mais tarde admitiram dúvidas que nunca pressionaram na sala.

A resposta de Janis foi pensamento de grupo: quando a coesão e o desejo de unanimidade superam a avaliação realista, o grupo ouve muito mais concordância do que realmente existe. Ele catalogou oito sintomas em três grupos:

Note a diferença de uma cascata de mercado: o comerciante de tulipas realmente passou a acreditar que os preços subiriam. A vítima do pensamento de grupo ainda discorda em privado — e esconde isso. O Paradoxo de Abilene de Jerry Harvey (1974) levou isso à sua conclusão absurda com a história de uma família que dirige quatro horas quentes e empoeiradas para Abilene para um jantar que, depois, revela-se que nenhum deles queria: grupos podem convergir em um resultado que nenhum membro individual prefere, porque todos confundem o silêncio dos outros com entusiasmo. Onde uma cascata destrói informações através da imitação racional, o pensamento de grupo a destrói através da autocensura — um tema que exploramos em configurações de grupo em nosso guia sobre tomada de decisão em grupo.

A história da Baía dos Porcos tem um segundo ato que prova que a falha foi estrutural, não pessoal. Dezoito meses depois, enfrentando a Crise dos Mísseis de Cuba, Kennedy reestruturou deliberadamente como o mesmo círculo de conselheiros deliberava — Janis ele mesmo fez o contraste. Robert Kennedy foi designado para atuar como advogado do diabo, o grupo se dividiu em subgrupos que desenvolveram opções de forma independente antes de compará-las, especialistas externos foram trazidos, e o presidente se ausentou das sessões para que sua preferência não pudesse ancorar a sala. As mesmas pessoas, estrutura diferente, e uma deliberação que trouxe à tona e testou alternativas em vez de ratificar o primeiro plano na mesa.

Bolha das empresas de internet e a bolha imobiliária: cascatas com encanamento moderno

O NASDAQ Composite atingiu o pico de 5.048,62 em 10 de março de 2000 e perdeu cerca de 78% de seu valor até seu fundo em outubro de 2002. O combustível da bolha era familiar — cada rodada de financiamento, o estouro de IPO e a capa de revista eram um sinal público de que tantas pessoas inteligentes não podem estar erradas — amplificado por uma tecnologia genuinamente nova cujos fundamentos eram difíceis de avaliar, que é precisamente quando os sinais privados são mais fracos e a imitação mais tentadora. A crise imobiliária de 2008 adicionou um acelerador estrutural: a crença quase universal de que os preços das casas nos EUA não caem nacionalmente era um erro correlacionado — compartilhado por mutuários, credores, agências de classificação e reguladores — e a securitização propagou essa única suposição compartilhada por todo o sistema financeiro. Quando os erros são correlacionados, a agregação não os cancela; ela os concentra. Um portfólio diversificado de apostas que todas dependem secretamente da mesma crença não é diversificado de forma alguma.

Cascatas na velocidade da internet

As redes sociais são uma máquina de cascatas por construção: compartilhar é sequencial, visível e sem esforço, e verificar uma afirmação é custoso — o regime de parâmetros exato que o modelo de 1992 identifica como propenso a cascatas. O estudo empírico marcante é "A disseminação de notícias verdadeiras e falsas online" de Soroush Vosoughi, Deb Roy e Sinan Aral (Science, 2018), que analisou cerca de 126.000 cascatas de histórias verificadas no Twitter ao longo de onze anos. Notícias falsas se espalharam significativamente mais longe, mais rápido e mais profundamente do que a verdade, e as falsidades eram cerca de 70% mais propensas a serem retuitadas — um efeito impulsionado por humanos, não bots, aparentemente porque histórias falsas eram mais novas e mais emocionalmente estimulantes.

Uma nova preocupação se aproxima no horizonte. Uma perspectiva de 28 autores liderada por Jason Burton (Nature Human Behaviour, 2024) examinou como grandes modelos de linguagem podem remodelar a inteligência coletiva — e sinalizou a homogeneização como um risco central: quando milhões de pessoas consultam os mesmos poucos modelos, treinados em dados sobrepostos, seus julgamentos independentes silenciosamente se correlacionam. Uma sociedade que terceiriza seu pensamento a um oráculo é, em termos de cascata, uma multidão de um. As respostas individuais podem ser boas; a diversidade que faz a agregação funcionar é o que se erode — uma preocupação que se conecta diretamente ao viés de automação e à calibração de confiança em sistemas humano-IA.

Um guia de campo: cascata, pensamento de grupo ou manada?

“Manada” é o termo guarda-chuva para comportamento convergente; os mecanismos subjacentes diferem, assim como as soluções. Uma rápida taxonomia:

Desastres reais geralmente entrelaçam os três. Um analista imobiliário em 2006 enfrentou uma cascata (os modelos de todos diziam que os preços subiriam), pensamento de grupo (a cultura do setor punia o pessimismo) e manada de recompensas (carreiras são seguras no consenso). É por isso que os remédios abaixo atacam a estrutura em vez de exortar indivíduos a serem mais corajosos.

Como quebrar uma cascata

Cada contramedida eficaz faz uma das duas coisas: restaura a independência aos julgamentos individuais ou move informações privadas para o pool público. Os clássicos:

Estrutura como a cura: separando contribuição da observação

Olhe para o modelo de cascata e a falha tem um local preciso: o momento em que uma pessoa vê as escolhas dos outros antes de fazer seu próprio julgamento. Esse é o ponto onde a estrutura pode intervir. Argumentree é construído exatamente em torno dessa intervenção para tomada de decisão colaborativa: os participantes contribuem com argumentos de forma independente e assíncrona — registrando seu raciocínio antes que o grupo converja — com contribuição anônima disponível onde a pressão de status é o risco. Os argumentos então se encontram com o grupo como ramos estruturados de prós e contras avaliados com base em seus méritos (utilidade, clareza, precisão, completude), de modo que o apoio a uma posição reflete suas evidências em vez de sua ordem de chegada.

E porque o registro completo preserva o porquê de cada posição ter sido tomada, o grupo nunca enfrenta a cegueira central da cascata — escolhas visíveis, razões invisíveis. Um registro de decisão com o raciocínio anexado é o equivalente organizacional de publicar os sinais privados: participantes posteriores, e decisões posteriores, herdam a informação em vez de apenas a conformidade. A multidão permanece um instrumento de medição em vez de se tornar uma câmara de eco.