Muitas vezes, ouvimos a palavra algoritmo e pensamos imediatamente em inteligência artificial complexa ou redes sociais nos manipulando manipulando nossos feeds. No entanto, um algoritmo é apenas um método: uma sequência finita de passos lógicos que servem para resolver um problema.

Algoritmos que fazem parte de programas de computador precisam ser (mas nem sempre são) otimizados para funcionar em um processador que muitas das vezes é limitado ou a memória é pequena, como o chip de um smartwatch, o painel de um micro-ondas ou a placa que controla os ciclos de uma máquina de lavar roupa. O interessante é que nossos cérebros enfrentam limitações que podem ser compreendidas através dessa mesma forma, como uma memória de curto prazo restrita e uma capacidade de processamento que precisa ser bem gerida.

Ao observarmos nossos desafios diários sob a perspectiva de modelos computacionais, podemos encontrar estruturas úteis que cientistas e matemáticos estudam há décadas. Não se trata de buscar uma eficácia infalível ou de virar um robô, mas de usar esses modelos como ferramentas de apoio que podem ajudar a organizar melhor o fluxo mental e oferecer clareza em decisões comuns, sem a pretensão de eliminar completamente a complexidade ou a margem de erro da vida real.

Como fazer uma escolha?

Você já se viu no dilema entre continuar procurando por algo melhor ou aceitar o que já encontrou? Seja analisando um apartamento ou uma vaga de estacionamento, a matemática oferece a “Regra dos 37%” como um guia referencial. Esse modelo de parada ótima, famoso na matemática e conhecido como o Problema da Secretária, demonstra estatisticamente que a melhor estratégia é dedicar os primeiros 37% do seu tempo de busca apenas à observação e ao estabelecimento de um critério de qualidade, sem a pressão de tomar uma decisão imediata.

Após essa fase de exploração, a sugestão é considerar a próxima opção que supere o que foi visto anteriormente. Embora não garanta o resultado perfeito, essa lógica ajuda a equilibrar as chances entre o risco de procurar indefinidamente e o de se contentar cedo demais com uma escolha pouco satisfatória, oferecendo um suporte racional para lidar com a incerteza.

Para aplicar essa regra nesse contexto, comece definindo o tempo total que você tem para tomar a decisão. Utilize os primeiros 37% desse período para explorar livremente, coletando referências sem o compromisso de decidir, o que ajudará a estabelecer um “padrão de ouro”, a melhor opção vista até o momento. Após essa janela inicial, o seu objetivo deve ser aceitar a primeira opção que superar esse padrão estabelecido, garantindo uma escolha eficiente.

O Mais Usado Mais Próximo

Os computadores usam o Caching para manter dados importantes acessíveis de forma instantânea. O algoritmo LRU (Least Recently Used) dita que, quando o espaço acaba, devemos descartar o item que não foi usado há mais tempo. Esse conceito é usado pela Netflix para entregar filmes sem travamentos, pelos navegadores de internet para carregar sites frequentes instantaneamente e pelo seu celular, que fecha sozinho os aplicativos que você não abre há muito tempo para manter a memória livre para os que você mais usa.

Podemos aplicar isso diretamente na organização de casa, especialmente com os brinquedos da sua filha. Se a caixa de brinquedos ou o quarto está lotado, a solução não é apenas arrumar, mas aplicar um sistema de cache: os brinquedos e jogos que ela usa toda semana ficam acessíveis nas prateleiras mais baixas ou nos cestos da frente (cache rápido), enquanto aqueles de uso raro vão para o alto do armário ou para caixas fechadas (armazenamento secundário). Se um brinquedo não é tocado há mais de um ano, ele se torna o “LRU” e deve ser doado para liberar espaço para o que faz sentido na fase atual dela. Essa lógica reduz o “tempo de busca” pela brincadeira favorita no dia a dia e evita a sobrecarga visual de manter objetos sem uso espalhados pela casa.

No cotidiano, o caching se manifesta na forma como organizamos o que está ao nosso alcance imediato para minimizar o esforço de busca. Manter as peças do dia a dia, como as roupas de trabalho ou de treino, nas gavetas mais acessíveis e na altura das mãos, em vez de misturá-las com casacos pesados ou trajes de festa no fundo do armário, é uma aplicação prática dessa lógica. Ao priorizar o acesso rápido aos itens de uso frequente e mover o que é raramente utilizado para espaços de armazenamento secundário, como maleiros ou depósitos, criamos um sistema que otimiza nosso tempo e reduz a fadiga de procurar o que é essencial para a rotina presente.

Como ser Monotasking?

Vivemos em uma sociedade que valoriza a multitarefa, mas, como mostram as pesquisas, não somos capazes disso, nossos cérebros são como os computadores antigos que tinham apenas uma única CPU. Um sistema operacional (a consciência) precisa decidir qual tarefa a CPU (o cérebro) deve executar a cada milissegundo. Quando tentamos ser multitarefa, na verdade estamos forçando nosso cérebro a realizar trocas de contexto (context switching). Cada vez que você para de escrever um relatório para responder a um WhatsApp, seu cérebro gasta energia para “recarregar” o estado mental da tarefa anterior. Esse custo é invisível, mas drena sua energia mental.

Uma forma de combater isso, é usando algoritmos de escalonamento como o Shortest Processing Time (resolver tarefas rápidas primeiro para liberar a lista) ou o Earliest Deadline First (focar no que vence antes). O segredo é agrupar tarefas similares para minimizar as trocas de contexto e proteger seu foco.

O escalonamento eficiente funciona como uma estratégia para proteger nossa energia mental contra as constantes interrupções. Um exemplo comum é a escolha de agrupar todas as respostas de e-mails e mensagens em um único bloco de tempo dedicado, em vez de reagir a cada notificação assim que ela surge. Essa abordagem permite que o cérebro permaneça em um estado de fluxo por mais tempo, evitando o alto custo cognitivo da troca de contexto e garantindo que atividades similares sejam processadas em sequência para manter a produtividade estável.

O que fazer primeiro?

A ordenação topológica é usada para organizar tarefas que possuem dependências estritas, ou seja, quando a tarefa B não pode começar antes da tarefa A terminar. No cotidiano, isso é a diferença entre um projeto fluido e um pesadelo de retrabalho. Imagine algo tão simples quanto se vestir para sair: se você calçar os sapatos antes de colocar as meias, perceberá o erro imediatamente e terá que desfazer o processo para seguir a ordem correta. Agora imagine um projeto com várias tarefas, qual deve ser a primeira que irá destravar as outras?

Ao mapear as dependências de um projeto complexo, você cria o que chamamos de grafo de precedência. A imagem a seguir ilustra bem esse conceito: as letras são as tarefas e as setas mostram a ordem de execução.

A ordenação topológica ajuda a identificar o caminho crítico e garante que você nunca fique parado esperando por algo que poderia ter sido resolvido no início. Para entender como o algoritmo resolve nosso exemplo simples, veja a lógica passo a passo com base no grafo:

1. Encontre as tarefas “livres”: O primeiro passo é buscar as tarefas que não dependem de nenhuma outra (com 0 dependências pendentes). No grafo, são A e G. Você pode executá-las em qualquer ordem. Vamos executar A e depois G.
2. Corte as dependências: Ao concluir A e G, você “corta” as setas que saem delas, eliminando as barreiras que seguravam as etapas seguintes.
3. Desbloqueie a próxima fase: Com as amarras cortadas, a tarefa B (que dependia de A) fica livre (com 0 dependências pendentes). Você a executa e corta todas as setas que saem dela (para C, D, E).
4. Siga o caminho crítico: As tarefas C (dependia de B) e D (dependia de B e G) agora estão com todas as suas dependências satisfeitas. Você pode executá-las (por exemplo, primeiro C, depois D) e cortar as setas que saem delas para E.
5. Finalize o fluxo: A tarefa E (que dependia de B, C, D) agora está com 0 dependências. Você a executa e corta a seta para F. Finalmente, a tarefa F (que dependia de E) está livre para ser executada.
6. O resultado: A sequência ideal resultante é: A, G, B, C, D, E, F (ou outra variação, como G, A, B, D, C, E, F).

A ordenação topológica é a espinha dorsal do planejamento de projetos onde a ordem dos fatores altera drasticamente o resultado. Ignorar essa dependência transformaria o trabalho em um ciclo de retrabalho constante. Ao reconhecer que certas etapas definem o ritmo das seguintes, conseguimos visualizar o projeto como um fluxo lógico, garantindo que cada ação seja tomada no momento exato em que seus pré-requisitos foram satisfeitos.

Conclusão

Adotar algoritmos no dia a dia não significa abandonar a intuição ou a espontaneidade por uma fórmula pronta. Na verdade, muitas vezes já recorremos a essas lógicas de forma instintiva, sem sequer percebermos. O grande diferencial está em trazer essa percepção para o nível consciente, ao compreendermos a mecânica por trás das nossas ações, ganhamos o poder de aplicá-las de forma intencional.

Entender a desorganização como um desafio de caching ou a procrastinação como uma questão de escalonamento não resolve o problema instantaneamente, mas nos oferece ferramentas para gerenciar melhor o cotidiano. Viver com o apoio de algoritmos é, acima de tudo, buscar uma perspectiva mais clara e consciente para navegar na complexidade.

Esse texto foi inspirado pelo livro Algoritmos para Viver: A Ciência Exata das Decisões Humanas de Brian Christian e Tom Griffiths.

Esse texto contou com a revisão de Ianca Miranda e Luane Tomé.