Minimising Financial Risk under Enrolment Uncertainty: An Open-Source Entropy-Indexed POMDP Tool for University Governance

As universidades são negócios de um tipo peculiar, onde o dinheiro necessário para pagar a equipe e os edifícios do próximo ano deve ser gasto anos antes mesmo de os estudantes que os financiarão chegarem. Isso cria uma tensão constante entre a necessidade de planejar com antecedência e a impossibilidade de conhecer o futuro com certeza. No Reino Unido, essa incerteza tornou-se aguda. Durante anos, as universidades confiaram em previsões para guiar seus gastos, mas os reguladores descobriram que essas previsões são persistentemente otimistas demais, deixando quase metade dos provedores ingleses diante de déficits financeiros. O problema central não é a falta de esforço ou inteligência entre os líderes universitários; é uma falha estrutural na forma como eles tomam decisões. Quando o futuro é genuinamente incerto, pedir a um conselho de administração que concorde com um único cenário de "melhor palpite" é pedir que façam algo que não podem fazer de forma confiável. Pede-se que atribuam pesos a diferentes futuros, mas a própria natureza do ambiente atual significa que esses pesos são desconhecidos.

Para resolver isso, pesquisadores da Universidade de Bedfordshire desenvolveram uma nova ferramenta de planejamento que muda a pergunta. Em vez de pedir aos líderes que adivinhem qual futuro é mais provável, a ferramenta mede o quão confiante a instituição pode estar de qualquer futuro. Ela utiliza um método que rastreia o fluxo de números de estudantes para atualizar um mapa de probabilidade da saúde financeira da universidade. Este mapa não se estabelece em um único resultado; em vez disso, ele muda constantemente à medida que novos dados chegam, mostrando se a universidade está em um período de crescimento, estabilidade ou dificuldade. Crucialmente, a ferramenta calcula uma pontuação de incerteza baseada no quão dispersas estão essas probabilidades. Quando os dados são confusos e as probabilidades estão divididas uniformemente, a ferramenta sinaliza que a situação é incerta demais para fazer grandes mudanças permanentes. Quando os dados se tornam claros e um resultado domina, a ferramenta sinaliza que é seguro agir. Essa abordagem permite que as universidades naveguem pela incerteza profunda sem forçar seus líderes a fazerem palpites impossíveis.

Os pesquisadores construíram este sistema como um aplicativo de software de código aberto, o que significa que é gratuito para qualquer pessoa usar e inspecionar. O sistema foi calibrado com uma década de dados abertos da HESA de quatro instituições do Russell Group, cada uma com um histórico recente diferente. Algumas dessas instituições enfrentaram quedas acentuadas no número de estudantes internacionais devido a mudanças nas políticas de vistos, enquanto outras experimentaram crescimento constante. A equipe então testou a ferramenta contra seis outras estratégias comuns de planejamento, realizando uma avaliação de Monte Carlo através de 500 futuros de matrícula simulados. Os resultados mostraram que a nova ferramenta, que eles chamam de sistema indexado por entropia, produziu consistentemente melhores resultados financeiros do que os métodos tradicionais. Nessas simulações, ela alcançou a maior recompensa financeira média, mantendo a chance de uma crise financeira mais baixa do que qualquer uma das outras estratégias. A chave para esse sucesso foi sua capacidade de conter compromissos irreversíveis, como a contratação de pessoal permanente ou a construção de novos campi, sempre que a pontuação de incerteza era alta.

A ferramenta opera sob uma lógica simples, mas poderosa. Ela trata a situação financeira da universidade como um estado oculto que pode estar em um de três modos: um modo de baixo crescimento, onde o dinheiro é escasso; um modo estável, onde as coisas estão normais; ou um modo de alto crescimento, onde há espaço para investir. A universidade não pode ver esses modos diretamente; ela vê apenas o número anual de estudantes matriculados. O software usa um processo matemático para atualizar sua crença sobre em qual modo a universidade se encontra cada vez que um novo número de matrícula chega. Se os números são confusos, a crença do software permanece espalhada por todos os três modos. Esse estado de confusão é medido por um valor chamado entropia. Quando a entropia é alta, a ferramenta bloqueia automaticamente a universidade de tomar decisões grandes e difíceis de reverter. Ela força a instituição a esperar e reunir mais evidências. Uma vez que os números de matrícula se tornam consistentes e a crença se concentra em um único modo, a pontuação de entropia cai, e a ferramenta dá o sinal verde para investir ou expandir.

Essa abordagem oferece uma vantagem distinta sobre as formas padrão pelas quais as universidades planejam atualmente. O planejamento de cenários tradicional pede aos líderes que imaginem alguns futuros diferentes, como um melhor caso e um pior caso, e então tentem escolher entre eles. No entanto, este método falha quando os líderes não conseguem concordar sobre a probabilidade de cada cenário. A nova ferramenta remove a necessidade desse acordo. Ela não pede ao conselho para decidir qual futuro é mais provável; ela simplesmente relata o que os dados dizem sobre o nível de confiança atual. Se os dados são ambíguos, a ferramenta recomenda uma postura cautelosa, como manter os níveis atuais de pessoal ou focar no recrutamento de estudantes para aprender mais sobre o mercado. Se os dados são claros, ela recomenda uma ação decisiva. Isso permite que a universidade seja conservadora quando é verdadeiramente necessário e agressiva quando a evidência a apoia, sem depender de intuições ou pressão política.

Os pesquisadores testaram o sistema em quatro tipos específicos de trajetórias universitárias para ver como ele lidaria com diferentes desafios do mundo real. Em um cenário, que imitava a queda acentuada de estudantes internacionais vista após 2022, a ferramenta recomendou corretamente segurar os gastos durante os dois primeiros anos enquanto a situação permanecia incerta. Outras estratégias que ignoraram a incerteza continuaram a recomendar investimentos durante esse período, o que levou a problemas financeiros nas simulações. Assim que os dados esclareceram que a universidade estava se estabilizando, a ferramenta mudou sua recomendação para uma postura mais ativa, permitindo que a universidade se recuperasse mais rápido do que aquelas que permaneceram excessivamente cautelosas. Em outro cenário onde o crescimento era constante e previsível, a ferramenta acabou recomendando investimento agressivo, mas apenas depois que tempo suficiente passou para confirmar que o crescimento era uma tendência duradoura e não um pico temporário. Isso evitou o erro de construir nova capacidade cedo demais, apenas para descobrir que o crescimento havia estagnado.

Um recurso único desta ferramenta é como ela apresenta suas descobertas. Ela gera um documento de duas páginas, chamado Board Pack (Pacote para o Conselho), que resume toda a análise em linguagem clara. Este documento inclui um gráfico mostrando como a estratégia recomendada se compara a outras seis abordagens comuns, juntamente com uma explicação clara de por que uma decisão específica foi tomada. Por exemplo, pode explicar que a ferramenta recomendou esperar para contratar novos funcionários porque a pontuação de incerteza ainda era muito alta para justificar o risco. Como o documento é gerado por um programa de computador que segue regras estritas, ele é totalmente reproduzível. Se outro líder rodar os mesmos números na ferramenta, obterá exatamente o mesmo resultado. Isso cria uma trilha de auditoria clara, mostrando que a decisão foi baseada em uma análise transparente dos dados, e não em uma opinião subjetiva.

Os pesquisadores também projetaram a ferramenta para ser acessível a pessoas sem formação em matemática ou ciência da computação. Um diretor financeiro de uma universidade pode usar a ferramenta em poucos minutos para obter uma recomendação básica, ou passar uma hora calibrando-a com os dados específicos de sua própria instituição. O software está disponível online gratuitamente e pode ser executado em um navegador padrão sem a necessidade de instalar softwares complexos. Para instituições que desejam manter seus dados privados, existe uma versão que pode ser executada em um computador local. A ferramenta utiliza dados da Higher Education Statistics Agency, que é a fonte oficial para números de matrícula universitária no Reino Unido, mas os pesquisadores disponibilizaram o código subjacente e as configurações pré-calculadas para que qualquer pessoa possa verificar os resultados.

O estudo destaca que o valor desta abordagem é maior quando o futuro é mais incerto. Em tempos de estabilidade, os métodos de planejamento tradicionais costumam funcionar bem o suficiente. Mas quando uma universidade enfrenta um choque repentino, como uma mudança nas leis de visto ou uma mudança demográfica, a capacidade de medir a incerdza torna-se crítica. A ferramenta não promete prever o futuro; em vez disso, fornece uma maneira de gerenciar o risco de estar errado. Ao restringir automaticamente as decisões quando a evidência é fraca, ela protege a universidade de cometer erros dispendiosos. Ao liberar essas restrições quando a evidência se torna forte, ela permite que a universidade aproveite oportunidades que outros métodos de planejamento mais rígidos poderiam perder.

Este trabalho representa uma mudança na forma como a pesquisa operacional, um campo que utiliza métodos matemáticos para ajudar organizações a tomar melhores decisões, é aplicada ao ensino superior. Por muito tempo, esses métodos foram usados para problemas táticos, como agendamento de aulas ou alocação de recursos dentro de um departamento. Esta ferramenta leva esse poder para o nível estratégico, ajudando os níveis mais altos da governança universitária a navegar pelo risco financeiro. Os pesquisadores enfatizam que a ferramenta não é um substituto para o julgamento humano, mas um sistema de suporte que torna esse julgamento mais confiável. Ela transforma o conceito abstrato de incerteza em um número concreto que os líderes podem ver e utilizar.

As implicações deste trabalho estendem-se além do Reino Unido. Universidades em outros países, como a Austrália, enfrentam desafios semelhantes com mercados de estudantes internacionais voláteis e mudanças de políticas. Os pesquisadores sugerem que a ferramenta pode ser adaptada para uso em qualquer lugar, desde que os dados locais sejam usados para calibrar o sistema. A lógica central de medir a incerteza e ajustar as decisões de acordo é universal. Ao tornar a ferramenta de código aberto, os pesquisadores esperam que outras instituições a testem, a refinem e a adaptem aos seus próprios contextos. Essa abordagem colaborativa garante que a ferramenta evolua com base na experiência do mundo real, em vez de permanecer como um exercício teórico.

No fim, o artigo apresenta uma solução prática para um problema persistente. Oferece uma maneira de as universidades planejarem o futuro sem fingir que conhecem o futuro. Ao focar no que pode ser medido — o nível de confiança nos dados — ela fornece uma base estável para a tomada de decisões em um mundo instável. A ferramenta não elimina o risco, mas oferece aos líderes uma maneira de compreendê-lo e gerenciá-lo com maior precisão. Para um setor que tem lutado contra previsões excessivamente otimistas e déficits financeiros, esse tipo de clareza não é apenas uma melhoria técnica; é um passo vital para a sustentabilidade a longo prazo. Os pesquisadores convidam diretores financeiros e equipes de planejamento a testar a ferramenta, para ver como ela performa com seus próprios dados e a contribuir para seu desenvolvimento. O objetivo é criar um padrão compartilhado de planejamento baseado em evidências que possa ajudar as universidades a navegar pelas incertezas das próximas décadas.