У 1970-х американський суддя Марвін Франкель звернув увагу на дві схожі справи. Двоє чоловіків без судимостей намагались розрахуватися підробленими чеками на невеликі суми — від $35 до $60. За схожі злочини один отримав 15 років ув'язнення, а другий — 30 днів. Долі двох людей склалися принципово по-різному через випадковість — і врешті все залежало від того, до якого судді потрапила справа.
Коли ми аналізуємо помилки в рішеннях, зазвичай говоримо про упередження: роботодавці систематично віддають перевагу чоловікам, а судова система суворіше карає представників певної групи. Така помилка має чіткий напрям і повторюється.
Деніел Канеман, Олів'є Сібоні та Кас Санстейн звертають увагу на менш очевидну проблему — шум, тобто небажану варіативність рішень там, де вони мали б бути однаковими. Один лікар радить операцію, інший за тих самих симптомів призначає ліки. Один рекрутер бачить у кандидаті майбутнього керівника, а інший — посереднього спеціаліста.
У книжці «Шум. Хибність людських суджень» автори пояснюють, чому професійні рішення часто нагадують лотерею та як зробити їх більш послідовними.
Записали найцікавіше.
Упередження веде в один бік, шум розкидає рішення навмання
Щоби пояснити різницю між упередженням і шумом, автори пропонують уявити тир та кілька команд стрільців.
У реальному житті упередження доволі легко помітити. Наприклад, якщо лікар майже всім пацієнтам призначає антибіотики незалежно від симптомів. Або якщо керівник під час оцінювання команди стабільно завищує бали одним людям і занижує іншим.
З шумом усе трохи складніше. Якщо упередженість — це систематичне зміщення в один бік, то шум — це розбіжність між професійними судженнями. Щоб його побачити, недостатньо проаналізувати один висновок. Потрібно щоб кілька фахівців незалежно оцінили той самий кейс.
Наприклад, п'ятьох суддів попросити визначити покарання за одну й ту саму справу або кільком лікарям дати історію хвороби одного пацієнта. Якщо вони доходять кардинально різних висновків, автори називають це шумом.
Ілюзія професійної згоди
У великій американській страховій компанії вирішили провести простий експеримент. Кільком досвідченим фахівцям, які визначали розмір страхової премії для клієнтів, дали однакові кейси та попросили незалежно їх оцінити.
Керівники компанії були переконані, що спеціалісти оцінюють однакові ризики дуже схоже. Різниця між оцінками, на їхню думку, навряд чи перевищувала 10%.
До аудиту компанія навіть не підозрювала про масштаб проблеми. Кожен менеджер працював зі своїми клієнтами, тож його оцінки майже ніколи не зіставляли з оцінками колег щодо тих самих кейсів. Експеримент вперше зробив цю випадкову варіативність видимою.
Автори пропонують починати боротьбу з шумом саме з аудиту: кільком спеціалістам дають однаковий набір реалістичних кейсів, збирають незалежні відповіді та вимірюють розбіжності. Це показує, наскільки рішення залежать від того, кому випадково дісталася справа.
Найнебезпечніше те, що проблема може роками залишатися непоміченою. Якщо фахівці не оцінюють однакові кейси паралельно, компанія просто не має можливості побачити, наскільки сильно відрізняються їхні професійні судження.
Сьогодні ви можете вирішити інакше, ніж учора
На наші рішення впливають утома, стрес, настрій, погода, час доби й сама подача інформації. Формально ці фактори не мають значення, але повністю відокремитися від них складно.
В одному дослідженні розробників двічі просили оцінити, скільки часу забере виконання певних завдань. Різниця була лише в кілька днів, умови залишалися подібними, а прогнози тієї самої людини щодо тієї самої роботи в середньому відрізнялися на 71%.
Є й інші докази ситуативного шуму. Наприклад, наприкінці робочого дня лікарі значно рідше призначають пацієнтам скринінги на рак, ніж під час ранкових прийомів. Менеджер може вище оцінити презентацію після вдалої зустрічі та нижче — після конфлікту з керівником.
💡 Шум важко помітити ще й тому, що люди рідко сумніваються у власних висновках. Якщо той самий експерт оцінить однаковий кейс сьогодні та через місяць, він може дійти різних висновків. І в обох випадках буде однаково впевнений, що має рацію.
Звідси неприємний підсумок: інтуїтивне відчуття впевненості нічого не говорить про послідовність судження. Людина може щиро вірити у дві різні оцінки, зроблені в різні дні.
Навіть відбиток пальця не завжди дає однозначну відповідь
У березні 2004 року, після терактів у Мадриді, слідчі знайшли на пакеті з детонаторами відбиток пальця. Його цифрове зображення передали ФБР, а комп'ютерна система запропонувала декілька можливих збігів.
Американські експерти вирішили, що відбиток належить адвокату з Орегону Брендону Мейфілду. Перший фахівець підтвердив збіг. Його висновок підкріпили ще кілька експертів, серед яких був незалежний спеціаліст.
Мейфілда заарештували як важливого свідка й утримували близько двох тижнів. Іспанські експерти весь цей час заперечували висновок ФБР: вони бачили між відбитками суттєві відмінності.
Згодом іспанська поліція встановила іншу людину, якій насправді належав слід. ФБР визнало помилку та публічно перепросило.
Частково проблема була в якості матеріалу: слід з місця злочину виявився неповним і нечітким. Та головна проблема — не в самому відбитку. Коли перший авторитетний експерт заявив про збіг, наступні фахівці вже знали його висновок. Замість кількох незалежних перевірок система отримала ланцюг підтверджень: кожен наступний експерт дивився на відбиток крізь призму готової версії.
Головний висновок: друга думка працює лише тоді, коли вона справді незалежна. Якщо експерт знає, якого результату вже дійшли колеги, перевірка ризикує стати формальністю. Саме тому автори радять організовувати її так, щоб фахівці оцінювали кейси «наосліп», не знаючи чужих рішень.
Досвід ≠ точність
У 1954 році американський психолог Пол Міл опублікував книжку, яка викликала чимало суперечок серед його колег. Її головна думка звучала майже образливо: у багатьох випадках прості математичні моделі прогнозують результат точніше, ніж досвідчені фахівці.
Протягом наступних десятиліть цей висновок неодноразово перевіряли. Автори «Шуму» наводять різні дослідження, в яких механічні моделі порівнювали з професійними судженнями психологів, лікарів, суддів та інших експертів. У багатьох випадках перемагали саме моделі.
Чому так відбувалося?
Річ не в тому, що формули розумніші за людей. В низці експериментів дослідники спочатку аналізували, як конкретний експерт ухвалює рішення, а потім будували модель, яка просто повторювала його логіку. Вона знала не більше за людину й не враховувала жодних додаткових нюансів, проте часто все одно прогнозувала точніше.
Причина проста: модель щоразу застосовувала однакові правила, тоді як людина несвідомо змінювала їх залежно від контексту, настрою чи випадкових деталей.
Це не означає, що алгоритми бездоганні. Якщо навчити модель на упереджених даних, вона відтворюватиме ті самі стереотипи. Але автори звертають увагу на інше: люди також упереджені, але ще й часто непослідовні. І саме через це перевага залишається за формулами.
Що в підсумку
Ми звикли пояснювати помилки конкретними людьми: суворим суддею, неуважним лікарем або слабким рекрутером. Автори книжки пропонують подивитися ширше. Часто проблема не в окремому фахівцеві, а в системі, яка дозволяє оцінювати однакові ситуації по-різному.
Головне запитання, яке пропонують поставити автори: чи змінився б результат, якби цю саму справу розглядав інший фахівець? Якщо відповідь «Так», то варто переглянути не лише окреме рішення, але й процес його ухвалення.
Бажаєте отримувати дайджест статей?
