Driver Tree na prática: o framework McKinsey que separa diagnóstico de palpite

Sabe a hora que cliente diz “queremos usar IA na empresa” e você instintivamente pensa “vou propor um chatbot”?

Essa é a hora em que você está perdendo R$ 5-10K.

O cliente que pede IA quer um número mudando — receita subindo, custo caindo, retenção melhorando. Ele só não sabe articular qual número. Seu trabalho como consultor é descobrir o número antes de propor a ferramenta. A ferramenta dessa descoberta é Driver Tree.

Esse artigo é o framework em 5 passos com case real. Ao final, você sai sabendo cobrar R$3-8K pelo diagnóstico standalone — o produto-âncora de entrada da consultoria de IA séria.

Cornerstone deste pilar: Os 4 pilares da consultoria de IA. Esse artigo aprofunda o Pilar 1 (Driver Tree).

Por que Driver Tree é o framework #1 do consultor

Driver Tree foi desenvolvida pela McKinsey nos anos 60-70 pra problemas de transformação empresarial. Sobreviveu 60 anos porque resolve 3 problemas que aparecem em todo projeto:

Pedido vago — cliente fala “melhorar conversão” sem saber qual conversão
Falta de alavancagem — você ataca o problema errado e gera 2% de impacto onde queria 30%
Conversa pulverizada — cada stakeholder tem prioridade diferente, ninguém alinha

Driver Tree resolve os três simultaneamente: decompõe pedido vago em variáveis numéricas, prioriza por impacto, cria linguagem visual que todo stakeholder entende em 5 minutos.

Anatomia: 4 níveis

NÍVEL 0 — OBJETIVO PRINCIPAL (raiz)
   Específico, mensurável, com prazo
   Ex: "Aumentar margem EBITDA de 15% para 25% em 18 meses"
        |
        ├── NÍVEL 1 — DRIVERS PRIMÁRIOS
        |    2-4 fatores MECE (Mutuamente Exclusivos, Coletivamente Exaustivos)
        |    Ex: "Aumentar receita" + "Reduzir custos"
        |
        |    ├── NÍVEL 2 — DRIVERS SECUNDÁRIOS
        |    |    2-4 por driver primário
        |    |    Ex: "Mais clientes" + "Maior ticket médio"
        |    |
        |    |    └── NÍVEL 3 — AÇÕES TÁTICAS (folhas)
        |    |         Iniciativas concretas implementáveis
        |    |         Ex: "Automação de qualificação de lead com IA"

Regra fundamental: cada nível MECE. Sem sobreposição, sem buraco. Se você tem “Mais clientes” e “Mais leads” no mesmo nível, sobreposição (leads → clientes). Refaz.

Os 5 passos pra construir uma Driver Tree (case real)

Vou usar TechStart, SaaS B2B brasileira com $2M ARR, cliente que veio com “queremos crescer com IA”. Output final foi a recomendação que destravou +$2M em ARR em 12 meses.

Passo 1 — Defina o objetivo com precisão cirúrgica

Cliente disse: “queremos crescer”

❌ “Crescer” é vago, sem prazo, sem métrica ✅ “Dobrar ARR de $2M para $4M em 12 meses (Q4 2026)”

Como tirar essa precisão do cliente em 1 conversa:

“Crescer quanto?” → “uns 40%? 50%?”
“Crescer em quê?” → “ARR”
“Em quanto tempo?” → “ideal 1 ano”
“É realista?” → testa com dado histórico ou benchmark

Em 15 min você sai com objetivo numerável.

Passo 2 — Identifique drivers primários por primeiros princípios

Pergunta: “O que fundamentalmente determina ARR?”

Pra qualquer modelo de receita recorrente:

ARR = (Novos clientes adquiridos no ano - Clientes perdidos) × Receita média por cliente

Simplifica em 2 drivers primários MECE:

Aumentar Número de Clientes (de 100 → 180)
Aumentar Receita por Cliente (de $20K → $22K)

Já é Driver Tree. Já tem MECE.

Passo 3 — Decomponha cada driver primário

Pega “Número de Clientes” e aplica primeiros princípios de novo:

Clientes = (Aquisição - Churn) acumulados

Vira:

Melhorar Aquisição (de 10/mês → 18/mês)
Reduzir Churn (de 3%/mês → 2%/mês)

Aquisição = Leads × Conversão. Decompõe mais um nível:

Aumentar Leads (de 500/mês → 900/mês)
Aumentar Conversão (de 2% → 2.5%)

Leads = SEO + Paid Ads + Parcerias. Vira:

SEO/Conteúdo: 200 → 400
Paid Ads: 150 → 300
Parcerias: 150 → 200

E assim por diante. Você para de decompor quando chega em ação tática implementável — algo que tem owner, prazo e custo.

Passo 4 — Valide com dados antes de propor

Pra cada nível, verifica:

Os drivers realmente movem o objetivo? Histórico mostra correlação real?
Você consegue medir cada driver? Tem instrumentação?
Os drivers são independentes? Mudar um não automaticamente muda outro?

No case TechStart, dois problemas apareceram:

“Parcerias” não era medível com sistema atual (sem UTM, sem CRM tagging)
“Conversão” mexia automaticamente com qualidade de lead (sobreposição com “leads”)

Ajustou Driver Tree: tirou parcerias, renomeou conversão pra “conversão weighted por fonte”. MECE restaurada.

Passo 5 — Priorize pela matriz Impacto × Esforço

Pra cada folha (ação tática), avalia:

Impacto potencial (1-5): se executar perfeito, quanto move o objetivo?
Facilidade de implementação (1-5): quão fácil/barato/rápido implementar?

Cria matriz 2×2:

Alto Impacto
       │
  [B]  │  [A]  ← QUADRANTE OURO: ataca primeiro
Difícil│ Fácil
─ ─ ─ ─ ┼ ─ ─ ─ ─→ Facilidade
  [D]  │  [C]
       │
Baixo Impacto

A (alto impacto, fácil): QUADRANTE OURO. Ataca primeiro, sempre.
B (alto impacto, difícil): roadmap longo. Vira fase 2.
C (baixo impacto, fácil): quick wins moral, mas não muda número grande. Faz se sobrar tempo.
D (baixo impacto, difícil): NUNCA faz. Mata da lista.

No case TechStart, quadrante A teve duas folhas:

Automação de qualificação de lead com IA (alto impacto: aumenta conversão weighted; fácil: 4-6 semanas implementar)
Personalização de upsell com IA (alto impacto: move receita por cliente; fácil-médio: 6-8 semanas)

Recomendação executiva: focar nessas 2 nos próximos 6 meses, ignorar tudo mais. Cliente aprovou em 1 reunião.

A entrega: como cobrar R$3-8K pelo diagnóstico

Driver Tree não é “consultoria gratuita pra fechar o projeto grande”. É produto standalone vendido por R$3-8K com prazo de 1-2 semanas.

O que entra no entregável:

Artefato	Detalhe
AI Opportunity Map	mapa visual dos 5-10 lugares onde IA pode mover número
Driver Tree completa	3-4 níveis, MECE validada, com dados
Matriz Impacto × Esforço	priorização visual
Recomendação executiva	1 página: 2-3 alavancas pra atacar + por quê
Plano de mensuração	quais métricas trackeadas + como

Apresentação ao vivo de 60 min (vc + cliente), 1-2 reuniões de revisão, entrega em PDF + Miro.

Cliente que aprovou o diagnóstico geralmente segue pra Fase 2 (proposta executiva + piloto pago, R$15-30K). Diagnóstico é entry-point comercial e qualificador: cliente que paga R$5K pelo diagnóstico é cliente que paga R$25K pelo piloto.

Tabela completa de preços por faixa de entregável

Anti-patterns que matam Driver Tree

1. Começar a árvore sem objetivo numérico Sem objetivo claro, MECE não funciona. Cliente fala “melhorar produto”, você quebra em… o quê? Volta sempre ao passo 1.

2. Decompor além do necessário 3-4 níveis é o sweet spot. 5+ vira micro-management que ninguém usa. Quando chegar em “ação tática implementável”, para.

3. Adicionar drivers pq parecem importantes (sem MECE) “Marketing”, “Vendas”, “Produto” no mesmo nível tem sobreposição (marketing influencia vendas). Refaz com lógica de primeiros princípios.

4. Não validar com dados Driver Tree teórica = palpite bonito. Sem cliente confirmar “sim, esses números batem com nossa realidade”, você está propondo no escuro.

5. Cair na matriz Impacto×Esforço sem ouvir o cliente sobre Esforço Você acha que “implementar Snowflake” é alto esforço. Cliente já tem Snowflake. Pergunta o esforço dele, não o seu.

Ferramentas que vale usar

Tool	Pra que	Custo
Whimsical	desenhar Driver Tree pra cliente (export PDF profissional)	$10/mês
Miro	trabalhar Driver Tree colaborativo (cliente edita junto)	free / $8
Excalidraw	rascunho rápido, suficiente pra discussão interna	free
Notion + tabelas	versão estruturada com dados + matriz priorização	free

Eu uso Whimsical pra cliente (visual bonito) + Excalidraw pra rascunho rápido. Software bonito sem prática não vai te tornar consultor melhor.

Próximos passos

Se quer aprender Driver Tree + os outros 3 frameworks (Business Acumen, Pyramid Principle, FAST) aplicados em projeto seu real:

→ Formação Consultor AI — Academy

Ou começar com material aprofundado grátis:

→ Manual do Consultor de IA — ebook 82p

Leitura relacionada:

FAQ

Quanto tempo demora pra construir uma Driver Tree boa? 60-90 min de trabalho focado, com cliente disponível pra responder dúvidas. Sem cliente disponível, dobra (você fica com hipóteses pra validar).

Driver Tree funciona pra B2C? Funciona, com adaptação. Drivers de B2C tendem a ser mais ruidosos (LTV menos previsível, churn diferente). Princípios MECE + primeiros princípios continuam idênticos.

Como cobrar R$5K por “uma árvore desenhada”? Você não cobra pela árvore. Cobra pela clareza que ela destrava. Cliente economiza meses de tentativa-e-erro quando você diz “ataca essas 2 alavancas, esquece o resto”. O ROI dele é absurdo. R$5K é pechincha.

Tem template pra eu não começar do zero? Tem. No ebook Manual do Consultor de IA entra template Driver Tree em Whimsical + Excalidraw + matriz Impacto×Esforço em Notion.

E se cliente discordar da minha árvore? Ótimo — significa que o diagnóstico tá expondo desalinhamento real entre stakeholders. Sua função é facilitar a discussão, não impor versão. Refaz junto, MECE permanece, todos saem alinhados.

Driver Tree substitui OKR / KPI? Não. Complementa. OKRs são objetivos top-level; Driver Tree decompõe como atingir esses objetivos. Quase todo OKR good vem de Driver Tree implícito.

Como aprendo Driver Tree direito sem fazer MBA McKinsey? 3 fontes: (1) este artigo + cornerstone; (2) livro “The Pyramid Principle” da Barbara Minto (capítulo sobre análise estruturada); (3) prática deliberada — faz 5 árvores em clientes reais, mesmo gratuito pra começar. Em 1 mês vira instinto.