Ajuda do HubLink Estratégia · IC&M

Ajuda do Hub · Suíte de análise

ACH — Análise de Hipóteses Concorrentes

Como estruturar hipóteses, avaliar evidências por consistência e ler o ranking de hipóteses sobreviventes.

O ACH (Analysis of Competing Hypotheses) é um método de análise estruturada criado para combater viés de confirmação. Em vez de defender a explicação preferida, o analista tenta refutar todas as hipóteses e observa qual resiste.

O princípio

Você não escolhe a hipótese com mais evidência a favor. Você elimina as hipóteses inconsistentes com as evidências. A hipótese vencedora é a que sobrou depois do teste — e evidências que são consistentes com todas as hipóteses são inúteis para decidir (baixa diagnosticidade).

As etapas

1. Configurar — a pergunta analítica. Precisa ser uma questão de explicação ou previsão, não uma pergunta de fato ("Por que o concorrente X reduziu preço?", não "Qual o preço do concorrente X?").

2. Hipóteses — liste as explicações plausíveis, mutuamente exclusivas quando possível, incluindo a hipótese "desconfortável" que ninguém no time defende. A IA pode sugerir hipóteses adicionais para reduzir ponto cego.

3. Evidências — cadastre cada evidência com descrição, fonte e confiabilidade. Sinais do WeakSignals e snapshots do WebParser são fontes naturais aqui.

4. Matriz e resultados — para cada par evidência × hipótese, marque se a evidência é consistente, inconsistente ou neutra em relação àquela hipótese. O app calcula o ranking, destacando as hipóteses menos contrariadas e as evidências mais diagnósticas.

[CAPTURA DE TELA] Matriz ACH com evidências nas linhas e hipóteses nas colunas.

Ler o resultado

  • Hipótese no topo = a menos inconsistente com o conjunto de evidências. Não é "a verdade"; é a mais defensável hoje.
  • Evidência muito diagnóstica = o que vale monitorar, porque muda o ranking se mudar.
  • Empate = evidência insuficiente. O produto da análise passa a ser uma agenda de coleta, não uma conclusão.

Boas práticas

  • Três a seis hipóteses. Duas viram debate binário; dez viram exercício burocrático.
  • Registre evidências que contrariam sua intuição primeiro.
  • Reavalie a matriz quando novas evidências chegarem, em vez de criar uma análise nova.

Perguntas frequentes

Devo ponderar a confiabilidade da fonte? Sim, ela é registrada na evidência e deve pesar na sua leitura.

O cliente visualizador vê a matriz? Vê a etapa de resultados, quando a análise está concluída.

  • ACH
  • hipóteses
  • evidências
  • matriz
  • diagnosticidade

Atualizado em 2026-08-21

Hub Help · Analysis suite

ACH — Analysis of Competing Hypotheses

How to structure hypotheses, assess evidence by consistency and read the ranking of surviving hypotheses.

ACH (Analysis of Competing Hypotheses) is a structured analytic method built to fight confirmation bias. Instead of defending the preferred explanation, the analyst tries to refute every hypothesis and watches which one holds.

The principle

You do not pick the hypothesis with the most supporting evidence. You eliminate hypotheses that are inconsistent with the evidence. The winning hypothesis is the one left after the test — and evidence consistent with every hypothesis is useless for deciding (low diagnosticity).

The stages

1. Configure — the analytic question. It must be a question of explanation or prediction, not of fact ("Why did competitor X cut prices?", not "What is competitor X's price?").

2. Hypotheses — list the plausible explanations, mutually exclusive when possible, including the "uncomfortable" hypothesis nobody on the team defends. AI can suggest additional hypotheses to reduce blind spots.

3. Evidence — register each piece of evidence with description, source and reliability. WeakSignals and WebParser snapshots are natural sources here.

4. Matrix and results — for each evidence × hypothesis pair, mark whether the evidence is consistent, inconsistent or neutral regarding that hypothesis. The app computes the ranking, highlighting the least contradicted hypotheses and the most diagnostic evidence.

[SCREENSHOT] ACH matrix with evidence in rows and hypotheses in columns.

Reading the result

  • Top hypothesis = the least inconsistent with the body of evidence. Not "the truth"; the most defensible today.
  • Highly diagnostic evidence = what is worth monitoring, because the ranking changes if it changes.
  • A tie = insufficient evidence. The output of the analysis becomes a collection agenda, not a conclusion.

Good practices

  • Three to six hypotheses. Two turn into a binary debate; ten into a bureaucratic exercise.
  • Register the evidence that contradicts your intuition first.
  • Re-assess the matrix when new evidence arrives, instead of creating a new analysis.

Frequently asked questions

Should I weight source reliability? Yes, it is recorded on the evidence and should weigh in your reading.

Does the client viewer see the matrix? They see the results stage, once the analysis is completed.

  • ACH
  • hypotheses
  • evidence
  • matrix
  • diagnosticity

Updated on 2026-08-21

Ayuda del Hub · Suite de análisis

ACH — Análisis de Hipótesis en Competencia

Cómo estructurar hipótesis, evaluar evidencias por consistencia y leer el ranking de hipótesis sobrevivientes.

El ACH (Analysis of Competing Hypotheses) es un método de análisis estructurado creado para combatir el sesgo de confirmación. En vez de defender la explicación preferida, el analista intenta refutar todas las hipótesis y observa cuál resiste.

El principio

Usted no elige la hipótesis con más evidencia a favor. Elimina las hipótesis inconsistentes con las evidencias. La hipótesis ganadora es la que quedó después de la prueba — y las evidencias consistentes con todas las hipótesis son inútiles para decidir (baja diagnosticidad).

Las etapas

1. Configurar — la pregunta analítica. Debe ser una cuestión de explicación o predicción, no una pregunta de hecho ("¿Por qué el competidor X redujo el precio?", no "¿Cuál es el precio del competidor X?").

2. Hipótesis — liste las explicaciones plausibles, mutuamente excluyentes cuando sea posible, incluyendo la hipótesis "incómoda" que nadie en el equipo defiende. La IA puede sugerir hipótesis adicionales para reducir puntos ciegos.

3. Evidencias — registre cada evidencia con descripción, fuente y confiabilidad. Las señales del WeakSignals y los snapshots del WebParser son fuentes naturales aquí.

4. Matriz y resultados — para cada par evidencia × hipótesis, marque si la evidencia es consistente, inconsistente o neutra respecto a esa hipótesis. La app calcula el ranking, destacando las hipótesis menos contrariadas y las evidencias más diagnósticas.

[CAPTURA DE PANTALLA] Matriz ACH con evidencias en las filas e hipótesis en las columnas.

Leer el resultado

  • Hipótesis en el tope = la menos inconsistente con el conjunto de evidencias. No es "la verdad"; es la más defendible hoy.
  • Evidencia muy diagnóstica = lo que vale monitorear, porque cambia el ranking si cambia.
  • Empate = evidencia insuficiente. El producto del análisis pasa a ser una agenda de recolección, no una conclusión.

Buenas prácticas

  • Tres a seis hipótesis. Dos se vuelven debate binario; diez, ejercicio burocrático.
  • Registre primero las evidencias que contrarían su intuición.
  • Reevalúe la matriz cuando lleguen evidencias nuevas, en vez de crear un análisis nuevo.

Preguntas frecuentes

¿Debo ponderar la confiabilidad de la fuente? Sí, se registra en la evidencia y debe pesar en su lectura.

¿El cliente visualizador ve la matriz? Ve la etapa de resultados, cuando el análisis está concluido.

  • ACH
  • hipótesis
  • evidencias
  • matriz
  • diagnosticidad

Actualizado el 2026-08-21