Atualizado em abril/2026.
TL;DR
- Design de Futuros não tenta prever um futuro único, e sim explorar futuros possíveis para que a empresa se prepare em vez de reagir.
- O método ocupa o lado da exploração na ambidestria organizacional, equilíbrio entre executar bem o presente e investigar o futuro. Sem essa base ambidestra, cenários viram relatório que ninguém aplica.
- O campo nasceu nos estudos de futuro do pós-guerra, ganhou método nas escolas de gestão a partir dos anos 60 e tem hoje três frameworks que vale conhecer: Cone de Futuros (Voros), Three Horizons (Sharpe e McKinsey) e Oxford Scenario Planning (Ramírez e Wilkinson).
- O roteiro prático tem cinco etapas: capturar sinais fracos (signals), identificar forças motrizes (drivers), construir cenários alternativos, criar personas e produtos para cada cenário, e fazer backcasting até definir as decisões que precisam acontecer hoje.
- A IA generativa virou multiplicador útil: organiza signals coletados em escala, gera primeiras versões de cenários e personas, simula backcasting. Sem método, vira gerador de cenários sem lastro.
- A pergunta-chave para qualquer empresa em 2026 é: qual a próxima rodada de transformação digital para o meu setor? Design de Futuros é o instrumento metodológico para responder.
Este artigo complementa o livro Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude. Baixe gratuitamente o livro no link, que reúne mais de 20 técnicas de engenharia de prompts, incluindo várias das que estão aprofundadas neste artigo, com explicação e exemplos prontos para uso. A versão impressa é Best Seller na Amazon, com 4,5 estrelas e mais de 800 avaliações, tendo ficado semanas em primeiro lugar em várias categorias.
Por que reescrevi este artigo
Publiquei a primeira versão em julho de 2022, com o foco em apresentar Design de Futuros para quem ainda nem tinha ouvido falar do termo. Quatro anos depois, o cenário pediu três coisas. Primeiro, o post irmão sobre transformação digital passou a sustentar a tese de que transformação digital é uma linha do tempo contínua, e Design de Futuros virou ali o instrumento metodológico para identificar a próxima rodada. Esta versão amadurece o tratado para corresponder a esse papel. Segundo, frameworks formais (Cone de Futuros, Three Horizons, Oxford Scenario Planning) precisavam ser nomeados e atribuídos, em vez de ficarem implícitos. Terceiro, a IA generativa apareceu no meio do caminho e mudou o que dá para fazer no método; valia incorporar.
A primeira vez que me apresentaram a futurologia eu torci o nariz. Em um mundo que muda o tempo todo, como alguém pretende prever o futuro? Hoje uso o termo Design de Futuros, e a resposta para a torcida de nariz fica clara: o método não tenta prever um futuro único. Ele constrói cenários alternativos possíveis e prepara a organização para mais de um deles. A diferença entre as duas posturas é o que separa estratégia frágil de estratégia robusta.
O que é Design de Futuros
Design de Futuros é a aplicação de métodos sistemáticos para explorar como o futuro pode se desenhar, com o objetivo de informar decisões presentes. Em inglês corre como Strategic Foresight ou Futures Studies, com origem em institutos acadêmicos do pós-guerra. Wendell Bell, sociólogo da Universidade Yale, é uma das vozes fundadoras do campo nos anos 60 e 70. O Hawaii Research Center for Futures Studies, fundado em 1971 por James Dator, tornou-se um dos polos mais reconhecidos da disciplina. No mundo corporativo, a tração começou nos anos 70 com Pierre Wack na Royal Dutch Shell, que aplicou cenários para preparar a empresa para o choque do petróleo de 1973 e virou caso clássico de scenario planning.
Vale uma distinção rápida entre os termos próximos. Futurologia carrega tom popular, às vezes confundida com adivinhação. Futures Studies é o termo acadêmico mais formal. Strategic Foresight é a aplicação do campo para decisão estratégica organizacional. Design de Futuros é o termo que vem ganhando força em comunidades de design e inovação, com ênfase em construção ativa de futuros desejáveis (em vez de apenas previsão). Os quatro convivem, e neste post uso Design de Futuros como termo principal.
Uma premissa atravessa o método: o futuro não é um ponto único, é um espaço de possibilidades. Quem opera com essa premissa toma decisões que funcionam em mais de um cenário, em vez de apostar tudo em uma previsão.
Por que cenários funcionam melhor que previsões
Previsão tradicional pega o presente, extrapola tendências e produz uma linha. Funciona em sistemas estáveis. Em sistemas instáveis (que é onde quase todas as empresas operam hoje), a linha quebra. Cenários multiplicam a aposta: a equipe constrói três a cinco futuros possíveis, igualmente fundamentados em sinais reais do presente, e avalia que decisões fariam sentido em cada um. Decisões que aparecem como boas em vários cenários ganham prioridade. Decisões que dependem de um único futuro se acontecer recebem menos investimento, ou são desenhadas com plano B explícito.
A lógica vale para qualquer indústria. Uma rede de varejo que decide pesado em loja física só vence se o cenário “pessoas voltam aos shoppings em massa” se confirmar. A mesma rede pode decidir investir 60% em loja física e 40% em estrutura de e-commerce, vencendo nos dois cenários com retorno menor. Cenários trocam aposta única por carteira diversificada de aposta.
Onde Design de Futuros se encaixa: ambidestria organizacional
Empresas saudáveis operam dois lados em paralelo. De um lado, executar o presente com excelência (eficiência, qualidade, escala, retenção de cliente). Do outro, explorar o futuro (investigar tecnologias, testar modelos novos, antecipar mudanças). A capacidade de equilibrar os dois lados sem que um devore o outro tem nome técnico em literatura de gestão: ambidestria organizacional.
A literatura sobre o tema é abundante e usa termos próximos. Há quem chame de “exploration versus exploitation” (James March, 1991), “dual operating system” (John Kotter em “Accelerate”, 2014), “strategic agility” (Doz e Kosonen, 2008), “dynamic capabilities” (David Teece) ou “bimodal IT” (Gartner). Cada termo carrega ênfase própria, e todos descrevem a mesma necessidade dual. Uso ambidestria organizacional como termo principal pela mesma lógica que prefiro Design de Futuros sobre foresight ou futures studies: o termo tem mais reconhecimento em comunidades brasileiras de gestão e tem origem acadêmica sólida (Robert Duncan introduziu o conceito em 1976; James March formalizou exploração e execução em 1991; Michael Tushman e Charles O’Reilly ampliaram com a separação estrutural a partir de 1996).
Design de Futuros ocupa o lado da exploração. É o instrumento metodológico que sustenta a investigação do que está por vir, alimentando as decisões dos horizontes 2 e 3 do framework Three Horizons (já citado). A operação do horizonte 1, eficiência do presente, segue com seus próprios métodos consagrados (Lean, OKRs, Six Sigma, ciclos PDCA, gestão por processos). O que ambidestria oferece é a infraestrutura organizacional para manter os dois lados ativos ao mesmo tempo, com pessoas, orçamentos, métricas e ciclos de tempo distintos.
Para empresas que tratam exploração e execução como mutuamente excludentes (ou só inova, ou só executa), Design de Futuros não funciona bem. O método precisa de capacidade ambidestra mínima para que cenários e iniciativas saídas do exercício encontrem solo organizacional fértil. Sem isso, o trabalho vira relatório bonito que ninguém aplica. A ambidestria como tema merece tratamento próprio em outro post; aqui basta o ponto de ancoragem para entender o lugar do método na empresa.
Os três frameworks que vale conhecer
A literatura de Design de Futuros tem dezenas de frameworks. Três cobrem a maior parte das necessidades práticas e merecem ser nomeados.
Cone de Futuros (Voros, 2003)
Joseph Voros, da Swinburne University of Technology, formalizou em 2003 o Cone de Futuros, baseado em trabalho anterior de Charles Taylor (1990). O cone organiza os tipos de futuro em camadas concêntricas a partir do presente.
| Camada | Descrição | Exemplo |
|---|---|---|
| Possíveis | Qualquer futuro imaginável, mesmo que improvável dado o conhecimento atual | Contato com vida extraterrestre |
| Plausíveis | Futuros que poderiam acontecer dadas as leis e tendências conhecidas | Computação quântica em produção comercial em 2030 |
| Prováveis | Futuros que provavelmente acontecerão se as tendências atuais seguirem | Maioria do trabalho de escritório usar IA generativa em 2030 |
| Preferíveis | Futuros que queremos que aconteçam | Energia limpa abundante e barata em 2035 |
| Projetados | Futuros que extrapolam linearmente o presente | Crescimento contínuo de uso de smartphones |
A utilidade prática do cone é forçar a equipe a sair da zona dos prováveis e considerar plausíveis e preferíveis. Estratégias de longo prazo costumam falhar quando trabalham só com a camada do projetado.
Three Horizons (Sharpe e McKinsey)
Bill Sharpe, do International Futures Forum, propôs o framework dos Three Horizons como instrumento de leitura de transição entre o presente e o futuro. A McKinsey, no clássico “The Alchemy of Growth” (Baghai, Coley e White, 2000), aplicou um modelo análogo dos três horizontes ao crescimento corporativo. As duas tradições convergem na prática.
Horizonte 1 é o presente: o negócio que sustenta a empresa hoje, com seus produtos e fontes de receita atuais. Investimento em H1 é manutenção e otimização. Horizonte 2 é a transição: produtos e modelos em desenvolvimento que devem se tornar relevantes nos próximos anos. Investimento em H2 é crescimento e prototipagem. Horizonte 3 é o futuro emergente: opções, exploração, sementes que podem virar negócios em cinco a dez anos. Investimento em H3 é exploração com aceitação de alto risco e baixo retorno imediato.
A força do framework está em mostrar que empresas saudáveis precisam manter atividade nos três horizontes simultaneamente. Empresas que investem só em H1 envelhecem. Empresas que pulam direto para H3 sem H1 e H2 perdem caixa. A combinação é o que sustenta presença no longo prazo.
Oxford Scenario Planning (Ramírez e Wilkinson)
Rafael Ramírez e Angela Wilkinson, da Oxford Saïd Business School, sistematizaram a abordagem em “Strategic Reframing” (Oxford University Press, 2016). Diferente do Cone de Futuros (taxonômico) e do Three Horizons (temporal), a Oxford Scenario Planning é metodológica: oferece um processo passo a passo para construir cenários úteis para tomada de decisão real.
A abordagem é especialmente desenhada para ambientes que eles chamam de TUNA (Turbulent, Uncertain, Novel, Ambiguous), uma das alternativas conceituais ao VUCA tratada em Mundo VUCA, mundo BANI e o que vem depois. A força central da escola Oxford é o reframing: cenários servem para reformular a pergunta estratégica em si, não só para responder à pergunta original.
O método em cinco etapas
A combinação dos três frameworks com tradições de scenario planning rende um roteiro de cinco etapas que funciona em quase qualquer empresa.
Etapa 1: capturar sinais fracos (signals)
Sinais fracos são indícios pontuais de mudança que ainda não viraram tendência clara. Patente nova, paper acadêmico, startup financiada, mudança regulatória pequena, comportamento emergente em uma faixa de consumidor específica. A captura é trabalho contínuo, em geral feito por pequena equipe dedicada (ou por toda a empresa, com sistema simples de submissão). Quanto mais ampla a coleta, melhor. Bons sinais não vêm só do setor da empresa; vêm de setores adjacentes que costumam adotar tecnologia primeiro.
Etapa 2: identificar forças motrizes (drivers)
Drivers são as forças subjacentes que explicam por que vários sinais apontam na mesma direção. Para mapear sistematicamente, frameworks como STEEP (Social, Technological, Economic, Environmental, Political/Legal) e suas variações (PESTLE, STEEPLE, DESTEP) ajudam a organizar a coleta. STEEP cobre cinco eixos:
- Social (sociocultural): demografia, valores, padrões de comportamento, mudanças geracionais, saúde mental coletiva, educação, distribuição de renda como vetor cultural. Em 2026, exemplos típicos incluem envelhecimento populacional em economias maduras, redefinição do trabalho híbrido, crise generalizada de atenção entre jovens e adultos, e o protagonismo das gerações Z e Alfa no consumo.
- Tecnológico (technological): tecnologias emergentes (IA generativa, computação quântica, biologia sintética, robótica avançada, neurotecnologias, materiais novos), P&D, infraestrutura digital, automação, ciclos de inovação. Aqui entram tanto tecnologias já maduras com uso restrito quanto protótipos próximos do mercado.
- Econômico (economic): macroeconomia (inflação, juros, câmbio), política monetária e fiscal, comércio internacional, fluxos de capital, distribuição de renda, comportamento do consumidor, modelos de financiamento (Venture Capital, dívida, capital próprio).
- Ambiental (environmental): mudança climática, escassez de recursos, transição energética, biodiversidade, ESG, regulação ambiental, atitudes da sociedade frente à crise ecológica. Esse eixo ganhou peso enorme nos últimos dez anos e raramente fica de fora de cenários corporativos de longo prazo em 2026.
- Político/Legal (political/legal): regulação setorial, geopolítica, política pública, tributação, marcos legais (especialmente sobre dados, IA e plataformas), estabilidade institucional, mudanças de liderança, política comercial.
A escolha entre STEEP, PESTLE (que destaca Legal de forma autônoma) e STEEPLE (que acrescenta Ethical) é menos importante do que a disciplina de varrer todos os eixos. Equipe que pula um eixo costuma produzir cenários enviesados pela própria experiência.
Em geral, três a sete drivers principais por exercício de cenários costumam ser o suficiente. Drivers demais geram complexidade ingerível. Drivers de menos geram cenários parecidos demais.
Etapa 3: construir cenários alternativos
Com drivers identificados, a equipe seleciona dois ou três que tenham alta incerteza e alto impacto, e constrói cenários combinando suas variações. Quatro cenários é número clássico, mas três ou cinco também funcionam. Cada cenário precisa ser internamente consistente (não pode ter contradições óbvias), plausível (alguém razoável pode acreditar que aconteça), distinto (não pode ser apenas variação leve dos outros) e relevante para a decisão em questão.
Bom cenário ganha nome curto e memorável. “Mundo regulado”, “abundância tecnológica”, “fragmentação geopolítica”, “transição climática acelerada” funcionam melhor do que “Cenário 1, 2, 3, 4”. O nome serve como atalho cognitivo para a equipe consultar o cenário em decisões posteriores.
Etapa 4: criar personas e produtos para cada cenário
Em cada cenário, identifique como serão os clientes da empresa. Que problemas eles terão? Que produtos e serviços resolveriam esses problemas? Que tipo de empresa estaria mais bem posicionada para entregá-los? Esse exercício transforma cenários abstratos em hipóteses de produto concretas. A maior parte das equipes acha esta etapa a mais energizante do método, porque conecta foresight a fazer coisas.
Etapa 5: backcasting para o presente
Selecionados os produtos e serviços hipotéticos por cenário, a equipe faz backcasting: parte do futuro desejado e volta passo a passo até o presente, perguntando o que precisaria estar pronto, contratado, treinado ou parceirizado em cada momento. O resultado é um portfólio de iniciativas concretas, com prazos, dependências e responsáveis. O backcasting é o que transforma exercício de Design de Futuros em plano de ação executável, em vez de relatório bonito que ninguém aplica.
Onde a IA generativa muda o jogo
A explosão da IA generativa a partir de 2022 mudou o que dá para fazer em Design de Futuros. Três frentes ganharam tração.
A primeira é a coleta e organização de sinais. Em 2022, capturar e organizar centenas de signals exigia equipe dedicada. Em 2026, ChatGPT, Gemini ou Claude organizam um conjunto de signals coletados, agrupam por tema, identificam padrões e sugerem drivers iniciais em poucos minutos. A equipe humana valida e refina, em vez de partir do zero.
A segunda é a geração de cenários. O modelo recebe drivers selecionados e propõe combinações, narrativas iniciais, nomes possíveis. Funciona como sparring partner cognitivo, e o resultado depende muito da qualidade do prompt. Equipe que define bem os drivers e pede cenários internamente consistentes obtém material útil. Equipe que pede genericamente “me dê cenários para o setor X em 2030” obtém cenários genéricos.
A terceira é o backcasting estruturado. O modelo ajuda a desdobrar do produto hipotético até as iniciativas concretas, gerando primeira versão da árvore de dependências. A equipe humana refina prazos, atribui responsáveis e calibra a viabilidade.
A regra prática segue a mesma de qualquer aplicação corporativa de IA generativa. Anexe a fonte (em vez de pedir ao modelo “ache os signals”, cole os signals coletados). Valide a saída antes de aplicar. O modelo gera cenários plausíveis sem distinguir bem o que está fundamentado em sinais reais e o que está improvisando. A revisão humana especializada continua sendo o componente decisivo. Para o impacto mais amplo no trabalho, vale Futuro do trabalho com IA.
Trajetória pessoal com Design de Futuros
Durante meu período na Digital House lecionei a disciplina “Tecnologias Emergentes”, desenhada para preparar líderes para tecnologias que já existem e podem impactar negócios em poucos anos ou meses. Pesquisando para essa disciplina, comecei a notar que existe uma quantidade imensa de tecnologias já disponíveis comercialmente, mas restritas a um público pequeno, e outras que existem em forma de protótipo funcional e devem chegar ao mercado em breve. Essa observação me levou a estudar foresight com mais profundidade.
Em maio de 2021, comecei a colaborar com a STURM und DRANG, consultoria alemã especializada em estratégia, inovação e foresight. Trabalhar dentro de projetos reais de Design de Futuros para clientes europeus acelerou meu aprendizado e me deu base para sistematizar o método como apresento neste artigo. Sigo aplicando a abordagem em projetos no Brasil e como conselheiro consultivo de empresas em tecnologia e inovação.
A grande virada de chave foi entender que tecnologia é feita por pessoas e para pessoas. Quem define a adoção de novas tecnologias é o comportamento humano, e por isso bom Design de Futuros combina leitura técnica com leitura comportamental. Que problema essa tecnologia resolve na vida do indivíduo ou da empresa? Qual a curva de aprendizado para dominá-la? Qual a infraestrutura necessária? Quais os riscos e barreiras (legislação, custo, dependência de outras tecnologias, mudança cultural)? Cada cenário em Design de Futuros precisa responder a essas perguntas para ser útil.
Como começar amanhã na sua empresa
Cinco passos para qualquer empresa começar Design de Futuros com baixa fricção.
Primeiro, defina a pergunta estratégica. Sem pergunta clara (“como o setor X vai mudar nos próximos cinco anos?”, “que produtos novos podemos lançar até 2030?”), o método não opera. A pergunta delimita o escopo da coleta de signals e a profundidade dos cenários.
Segundo, monte uma equipe pequena (cinco a oito pessoas), com diversidade de áreas e níveis. Equipe homogênea produz cenários parecidos. Equipe diversa produz cenários distintos.
Terceiro, capture signals por dois a quatro semanas, sem tentar fechar conclusão. A disciplina de coleta sem julgamento prematuro é o que permite enxergar padrões inesperados depois.
Quarto, aplique o método de cinco etapas (signals, drivers, cenários, personas, backcasting) em workshop de dois a três dias, com facilitação. IA generativa pode acelerar partes do processo, especialmente na organização de signals e na primeira versão de cenários. A facilitação humana com método continua sendo o que faz a diferença.
Quinto, mantenha o exercício vivo. Design de Futuros pontual gera relatório que envelhece. Design de Futuros como ritual anual (ou semestral) integra a leitura de futuro à decisão estratégica recorrente. Para a base mental que sustenta esse trabalho dentro do profissional individual, vale O pensamento computacional e a proficiência digital, que cobre as 4 culturas (Inovação, Digital, Dados e IA) necessárias para ler bem o terreno.
Perguntas frequentes
Design de Futuros é o mesmo que prever o futuro?
Não. Design de Futuros explora futuros possíveis em paralelo, sem apostar em um único. A diferença prática é que estratégias derivadas de Design de Futuros funcionam em vários cenários, em vez de depender de uma previsão única estar correta.
Qual a diferença entre futurologia, foresight e Design de Futuros?
Os três termos se sobrepõem. Futurologia carrega tom popular e às vezes é confundida com adivinhação. Strategic Foresight é o termo formal usado em consultoria e governança. Design de Futuros vem de comunidades de design e inovação, com ênfase em construir ativamente futuros desejáveis. Na prática profissional os três descrevem o mesmo campo de trabalho.
Quais são os três frameworks formais que vale conhecer?
Cone de Futuros (Voros, 2003), que organiza tipos de futuro em camadas concêntricas. Three Horizons (Sharpe; também McKinsey via Baghai, Coley e White), que organiza investimentos em três horizontes temporais. Oxford Scenario Planning (Ramírez e Wilkinson, 2016), que oferece processo metodológico passo a passo para construir cenários.
Quanto tempo leva um exercício de Design de Futuros?
Depende do escopo. Um exercício enxuto cabe em workshop de dois a três dias com equipe pequena, depois de duas a quatro semanas de coleta de signals. Projetos mais robustos, com múltiplas iterações e validação extensa, levam três a seis meses. A profundidade vale o investimento quando a decisão tem horizonte de cinco anos ou mais.
IA generativa substitui o trabalho humano em Design de Futuros?
Não substitui, acelera. IA organiza signals em escala, propõe primeiras versões de cenários e ajuda no backcasting. A validação humana, a leitura comportamental do mercado e a calibração do que é plausível continuam sendo trabalho qualificado e insubstituível. Uso bem feito do modelo libera tempo para a equipe se concentrar nas decisões difíceis.
Em que setores Design de Futuros funciona melhor?
Funciona melhor em setores com alta incerteza e alto custo de errar (saúde, energia, finanças, mobilidade, defesa). Setores estáveis com pouca disrupção tendem a obter retorno menor. Em 2026, com a IA generativa atravessando praticamente todos os setores, o método ganhou utilidade transversal.
Por onde uma empresa começa, se nunca aplicou Design de Futuros?
Comece pela pergunta estratégica clara, monte equipe pequena e diversa (cinco a oito pessoas), reserve duas a quatro semanas para coleta de signals e marque um workshop de dois ou três dias para aplicar o método. Se possível, traga facilitação experiente para o primeiro exercício. Depois do primeiro ciclo, a equipe interna ganha musculatura para conduzir os próximos.
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro consultivo de empresas em tecnologia e inovação. Fundou sete startups ao longo da carreira. Leciona na ESPM, Insper, USP, PUCRS e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.
