Resumo Técnico: Busca Sequencial com Planejamento

1. Formulação do Problema

O artigo modela um problema de busca sequencial onde um tomador de decisão (TD) explora uma sequência fixa de $n$ opções (ou "caixas"), cada uma contendo uma recompensa incerta $X_i$ extraída de uma distribuição conhecida $F_i$. A busca é limitada por duas estruturas de custos distintas que diferenciam este modelo dos problemas padrão de Pandora's Box:

1. Custos de Inspeção ($c_i$): O custo para observar a recompensa de uma caixa específica.
2. Custos de Planejamento e Ajuste:
   • Custo de Escopo ($\phi(j_0)$): Antes do início da busca, o TD deve escolher um "escopo" inicial $j_0 \in \{1, \dots, n\}$, representando o número de estágios tornados acessíveis. Isso incorre em um custo ex-ante $\phi(j_0)$, que é estritamente crescente e convexo.
   • Custo de Ajuste ($\psi$): Durante a busca, o TD pode revisar o escopo. Expandir o escopo de $j$ para $j' > j$ no estágio $i$ incorre em um custo marginal adicional $\psi(i, j, j')$. A contração é isenta de custos.

O TD é neutro ao risco e visa maximizar o payoff líquido esperado, definido como o máximo entre a dotação inicial e a maior recompensa observada, subtraído da soma de todos os custos de inspeção, escopo inicial e ajuste. A sequência de caixas é dada exogenamente; o TD não pode pular estágios.

2. Metodologia

Os autores empregam Programação Dinâmica (PD) para resolver o problema de decisão sequencial. O espaço de estados é definido por três variáveis:

• $i$: O estágio atual (índice da caixa).
• $z$: A "garantia" atual (o máximo da dotação inicial e de todas as recompensas observadas até o momento).
• $j$: O "escopo pago" atual (o estágio mais distante para o qual os custos de acesso já foram incorridos).

A função de valor $V(i, z, j)$ representa o valor de continuação esperado ótimo após observar o estágio $i$ com garantia $z$ e escopo pago $j$. A equação de Bellman compara a opção de parar (gerando um payoff $z$) contra a opção de continuar, o que envolve selecionar um novo escopo $j' \geq i+1$, pagar o custo de ajuste $\psi(i, j, j')$ e o próximo custo de inspeção $c_{i+1}$, e receber o valor futuro esperado.

Uma inovação metodológica fundamental é a introdução de valores de reserva dependentes do escopo. Diferente dos modelos de busca padrão onde um valor de reserva é uma propriedade fixa de uma caixa específica, aqui o limiar para continuar depende da variável de estado $j$.

3. Principais Contribuições e Resultados

A. Valores de Reserva Dependentes do Escopo

O artigo estabelece a existência e unicidade de uma família de valores de reserva, denotados por $r_i(j)$, para cada estágio $i$ e cada escopo pago viável $j$.

• Definição: $r_i(j)$ é o valor único tal que o TD é indiferente entre parar e continuar de forma ótima, dado o escopo pago atual $j$.
• Estratégia Ótima: A política ótima é uma regra de limiar:
  • Parar se a garantia atual $z \geq r_i(j)$.
  • Continuar se $z < r_i(j)$. Se continuar, o TD escolhe um novo escopo $j'$ para maximizar o valor de continuação líquido esperado.
• Implicação: A regra de parada ótima não é mais "indexável" no sentido tradicional (um valor único por estágio). Dois TDs no mesmo estágio com o mesmo histórico observado, mas diferentes escopos pagos, tomarão decisões de parada diferentes.

B. Análise Comparativa (Comparative Statics)

Os autores derivam vários resultados de monotonicidade em relação aos valores de reserva e escolhas de escopo ótimo:

1. Efeito do Escopo: O valor de reserva $r_i(j)$ é fracamente crescente no escopo pago $j$. Um TD com um escopo pré-pago mais amplo está disposto a continuar a busca em garantias mais altas porque o custo marginal de acessar estágios futuros é menor.
2. Efeito do Custo: Os valores de reserva são fracamente decrescentes em custos de inspeção ($c$) e custos de ajuste ($\psi$).
3. Submodularidade e Escolha de Escopo: Sob a premissa de que os custos de ajuste são submodulares (ou seja, o custo marginal de expansão diminui conforme o escopo atual aumenta), o próximo escopo ótimo é fracamente crescente em relação ao escopo atual. Isso implica que uma empresa com um escopo atual mais amplo escolherá um futuro escopo (fracamente) mais amplo.

C. Forças Econômicas

O artigo identifica e caracteriza três forças econômicas que interagem para moldar a estratégia ótima:

1. Efeito da Garantia: Uma oferta atual mais alta ($z$) reduz a melhoria esperada do próximo estágio, induzindo uma parada precoce. Isso é paralelo ao efeito do "valor de fallback" na literatura existente.
2. Efeito do Escopo Pago (Inovação): Um escopo pré-pago maior reduz o custo marginal de acesso futuro, elevando o valor de continuação e sustentando a continuidade em garantias mais altas. Este efeito não possui equivalente em modelos onde o acesso futuro é gratuito (ex: Weitzman, 1979; Boodaghians et al., 2020).
3. Efeito do Horizonte Remanescente: À medida que a busca progride, o valor da opção de continuar diminui porque restam menos estágios.

A interação dessas forças gera dois regimes distintos:

• Sub-planejamento (Under-planning): A empresa escolhe um escopo inicial estreito e o expande adaptativamente conforme os resultados são realizados (comum quando as recompensas são normais e os custos são convexos).
• Sobre-planejamento (Over-planning): A empresa se compromete com um escopo amplo ex-ante, mas interrompe a busca precocemente (comum sob condições específicas com recompensas de cauda pesada ou estruturas de custo específicas).

D. Referencial de Planejamento sem Custos

O artigo demonstra que quando os custos de planejamento e ajuste desaparecem ($\phi = 0, \psi = 0$), o modelo reduz-se ao benchmark padrão de busca ordenada (Boodaghians et al., 2020). Neste limite, a formulação de escopo adaptativo coincide com a função de valor da programação dinâmica, e os valores de reserva tornam-se independentes do histórico de planejamento.

4. Significância e Alegações

O artigo afirma preencher uma lacuna na literatura sobre busca sequencial e planejamento de P&D ao modelar explicitamente o planejamento ex-ante custoso e a revisão adaptativa do escopo.

• Contribuição Teórica: Ele generaliza o problema de Pandora's Box para cenários onde o acesso a opções futuras não é gratuito, mas requer investimentos afundados (sunk investments). Prova-se que o "valor de reserva" não é uma propriedade estática de uma opção, mas uma variável de estado dinâmica dependente dos compromissos de planejamento passados.
• Insight Econômico: Os autores argumentam que o "efeito do escopo pago" altera fundamentalmente o comportamento de busca. Em modelos padrão, a decisão de uma empresa de continuar depende apenas da recompensa atual e da distribuição das recompensas futuras. Neste modelo, a decisão também depende de quanto a empresa já investiu para tornar esses estágios futuros acessíveis.
• Aplicação em P&D e Exploração: O framework é motivado por cenários do mundo real, como P&D em múltiplos estágios (ex: desenvolvimento de IA, ensaios clínicos) e exploração de recursos naturais, onde as empresas devem comprometer infraestrutura ou aprovações regulatórias (escopo) antes que os resultados sejam conhecidos, e onde os planos são frequentemente revisados adaptativamente com base em resultados intermediários.
• Modéstia: O artigo não pretende resolver todas as interações estratégicas em organização industrial, mas fornece um framework de agente único tratável que captura a tensão entre o compromisso inicial e a flexibilidade adaptativa. Reconhece que extensões para recompensas correlacionadas ou ambientes competitivos são deixadas para trabalhos futuros.

O artigo conclui que a interação entre o efeito da garantia, o efeito do escopo pago e o efeito do horizonte remanescente gera comportamentos adaptativos realistas (tanto de sub-quanto de sobre-planejamento) que não podem ser capturados por modelos que assumem planejamento sem custos ou horizontes fixos.