Muitos problemas de produto e de negócios dão errado antes mesmo de as pessoas começarem a estudá-los. Isso acontece porque o time não concordou sobre qual problema está tentando resolver. Uma única pergunta pode fazer as pessoas pensarem ao mesmo tempo na causa, no plano e na solução.
Cada pessoa pode responder a uma pergunta diferente. Encontrar a causa, fazer um plano e escolher uma solução são três tarefas distintas. Quando as pessoas misturam tudo, podem perder fatos importantes ou tomar decisões frágeis. Por exemplo, alguém pode adivinhar a causa quando o time realmente precisa de um plano. Ou o time pode discutir correções antes de saber o que causou o problema.
Uma boa maneira de estudar um problema é seguir um de três caminhos claros. O time faz perguntas uma de cada vez e verifica se nada é repetido ou deixado de lado. A IA pode ajudar com essas verificações. O gerente de produto ainda decide qual problema estudar, qual é o problema principal e quais perguntas o time deve responder.
Desembarace os ramos do pensamento
- Uma árvore de Porquê (Why-tree) encontra causas. Sua raiz pergunta por que algo está acontecendo. Suas folhas listam possíveis causas. O resultado final é um conjunto de hipóteses testáveis.
- Uma árvore de O quê (What-tree) divide o trabalho. Sua raiz pergunta qual trabalho uma entrega exige. Suas folhas listam análises, decisões, compromissos, artefatos ou processos. O resultado final é um plano na ordem correta.
- Uma árvore de Como (How-tree) lista caminhos possíveis. Sua raiz pergunta como o time pode alcançar uma meta escolhida. Suas folhas listam ações concretas. O resultado final é um conjunto de opções ranqueadas.
Use Porquê para causas, O quê para unidades de trabalho e Como para ações. Cada tipo de folha apoia uma decisão diferente.
Exemplo
Entrada: "A ativação de novos usuários está com baixo desempenho. Precisamos decidir o que fazer."
O visual abaixo usa placeholders para os tipos de ramo e não contém descobertas sobre um produto real.
\\`text
PORQUÊ: Por que a ativação de novos usuários está com baixo desempenho?
├── 1. [Família de causas candidatas A]
├── 2. [Família de causas candidatas B]
└── 3. [Família de causas candidatas C]
Saída: hipóteses testáveis
O QUÊ: O que produzir um plano de ativação exige que desempacotemos?
├── 1. Evidências
│ └── 1.1 [ANÁLISE] Evidências de que o plano precisa
├── 2. Escolhas
│ └── 2.1 [DECISÃO] Escolha que depende da análise
├── 3. Acordos
│ └── 3.1 [COMPROMISSO] Propriedade ou escopo a confirmar
└── 4. Síntese
└── 4.1 [SÍNTESE] Plano que depende dos ramos 1–3
Saída: plano de trabalho sequenciado
COMO: Como podemos aumentar a ativação de novos usuários?
├── 1. [Intervenção ligada a uma causa confirmada]
├── 2. [Intervenção ligada a outra causa confirmada]
└── 3. [Família de intervenções dentro das restrições definidas]
Saída: opções ranqueadas
\\`
Eu usaria Porquê aqui porque o time sabe que a ativação está baixa, mas não encontrou a causa. Como seria adequado se o time soubesse a causa. O quê seria adequado se o time precisasse produzir um plano de ativação.
Verificações estruturais não provam que a árvore é verdadeira
As três árvores usam a mesma regra MECE.
Os ramos em cada nível não devem se sobrepor. Os ramos em cada nível devem cobrir todas as áreas importantes. Essa verificação ajuda um PM a identificar áreas que são cobertas por mais de um ramo e áreas que não são cobertas.
Quando enfrento um problema confuso, converso sobre o contexto com a IA. Uso a habilidade para rascunhar ramos, construir a árvore e executar as verificações MECE. Mantenho o resultado no chat ou copio para o Miro ou outra ferramenta visual.
Torne o método repetível
Um gerente de produto pode fazer uma árvore de problema manualmente. Mas um time precisa fazer o mesmo trabalho repetidamente. Eles precisam criar ramos, colocá-los em ordem, verificar cada nível e desenhar uma árvore clara para muitos problemas diferentes.
Um agente de IA pode realizar essas etapas repetidamente. O gerente de produto adiciona detalhes sobre o produto e decide como descrever o problema, nomear a questão principal e remover ramos desnecessários. Quando todos usam os mesmos passos, líderes de produto e revisores conseguem entender o trabalho mais facilmente. Eles podem ver por que o time construiu a árvore daquela forma e verificar se ela cobre todo o problema sem repetir ideias.
Quando você enfrenta um novo problema, primeiro decida qual resposta precisa. Você precisa encontrar as causas, fazer um plano de trabalho ou pensar em diferentes opções? Então escolha Porquê, O quê ou Como para corresponder a esse objetivo. Construa sua primeira árvore. Em seguida, procure um ramo que está faltando e um ramo que repete outra ideia antes de usar a árvore.
Se um time de produto quiser usar esse método repetidamente, não deve pedir que cada gerente de produto construa todo o processo e verifique todas as regras manualmente. A IA pode fazer esse trabalho repetitivo para que o time possa gastar mais tempo resolvendo o problema.
Dê essa habilidade ao seu time
\mckinsey-issue-tree\ é uma das 243 habilidades de PM dentro do AI PM OS, o sistema operacional compartilhado para times de produto. Ele roda em Claude Code, Cowork ou Cursor e é atualizado pelo menos a cada 2 semanas, na versão 2.5.
Cada PM mantém seu próprio contexto de produto enquanto o time compartilha fluxos de trabalho e padrões de revisão, para que as árvores de problema e os planos analíticos retornem fundamentados no seu produto, seus usuários e suas restrições reais, em vez de conselhos genéricos de PM.
Você não precisa montar nada disso. O AI PM OS conecta \mckinsey-issue-tree\ à camada operacional do time junto com fluxos de trabalho para estratégia, pesquisa, decisões, trabalho com stakeholders e medição.
