Eu conheço um garoto brilhante que concluiu sua graduação há um ano e agora trabalha para um grande banco de investimento. Ele deciciu que odeia Wall Street e que quer trabalhar para uma startup de tecnlogia (ótimo!). Recentemente, ele notificou seus chefes, os quais responderam dando um show de persuasão para convencê-lo a ficar. Se ele permanecer no banco, dizem os chefes, ele terá um aumento de salário e maior responsabilidade. Juntando-se à indústria de tecnologia, ele estaria começando do zero. Ele agora pensa em continuar no banco, em detrimento de sua declaração convincente de que não tem nenhuma ambição a longo prazo na área de finanças.

Ao longo dos anos, eu tenho lidado com muitos empregados bastante prospectivos em situações semelhantes. Quando eu lhes faço uma pergunta muito óbvia: “O que você quer estar fazendo daqui a 10 anos?” A resposta é, invariavelmente, “fundando ou trabalhando em uma startup de tecnologia”—ainda assim, muitos deles decidem continuar seguindo seus atuais caminhos em vez de unirem-se a uma startup. Então, alguns anos mais tarde, eles finalmente deixam seus empregos, mas somente depois de terem passado anos em uma indústria da qual eles não gostavam, e que não os levaram de fato na direção de suas ambições de longo prazo.

Como é possível pessoas inteligentes e ambiciosas continuarem trabalhando em uma área em que eles não têm nenhum interesse a longo prazo? Eu acho que uma boa analogia para o erro que eles estão cometendo pode ser encontrada na Ciência da Computação.

Um problema clássico em Ciência da Computação é o hill climbing (em tradução livre, “subida do monte”). Imagine que você é lançado em um ponto aleatório de um terreno montanhoso, onde você pode enxergar apenas poucos metros em cada direção devido à névoa. O objetivo é conseguir chegar ao monte mais alto.

Considere o algoritmo mais simples. Em qualquer dos instantes dados, dê um passo na direção que o leve a um ponto mais alto. O risco deste método é que, se acontecer de você começar perto do menor monte, você vai acabar no topo desse monte mais baixo e não no topo do mais alto.

Uma versão mais sofisticada deste algoritmo adiciona alguma aleatoriedade na sua caminhada. Você começa com muita aleatoriedade e vai reduzindo-a ao longo do tempo. Isso lhe dá uma chance melhor de serpentear por perto do monte mais alto antes de você iniciar uma subida de maneira focada, sem aleatoriedade.

Outro (e geralmente melhor) algoritmo faz você se lançar repetidas vezes em regiões aleatórias do terreno. Em cada lançamento, você faz a subida de monte do modo simples. Então, após muitas tentativas como essa, você analisa as subidas que deu e decide qual dos montes que você subiu era o mais alto.

Voltando para o candidato a emprego, ele tem a vantagem de possuir uma visão menos nebulosa de seu terreno. Ele sabe (ou, pelo menos, acredita) que ele quer terminar no topo de um monte diferente do que ele está subindo atualmente. Ele pode ver, de onde ele está, aquele monte mais alto.

Mas a sedução do monte em que o indivíduo já se encontra é forte. Há uma tendência natural do ser humano de fazer do passo seguinte um passo para cima. Ele acaba caindo numa armadilha comum, apontada por economistas comportamentais: pessoas tendem a supervalorizar sistematicamente recompensas de curto prazo, ao invés das de longo prazo. Esse efeito parece ser ainda mais forte em pessoas mais ambiciosas. Sua ambição parece tornar-lhes difícil renunciar ao passo acima próximo a elas.

Pessoas no início de suas carreiras deveriam aprender da Ciência da Computação: serpentear um pouco em sua caminhada (especialmente no princípio), jogar-se aleatoriamente em novas regiões do terreno e, quando encontrar o monte mais alto, não perder mais tempo no monte atual, não importando o quão melhor o passo acima seguinte possa parecer.