در یک شرکت خدمات مالی جهانی، یک مشتری قدیمی به طور تصادفی پرونده مشابهی را به دو دفتر ارسال کرد. اگرچه کارمندانی که پرونده را بررسی کردند قرار بود از دستورالعمل های یکسانی پیروی کنند، دفاتر جداگانه نظرات بسیار متفاوتی را ارائه کردند و شرکت متهم به بی دقتی شد. به این تفاوت در قضاوت در موارد یکسان یا نسبتا مشابه نویز گفته می‌شود. ما مطالب زیادی در مورد سوگیری در تصمیم‌گیری شنیده‌ایم اما مفهوم نویز کمتر مورد توجه قرار گرفته است.
متاسفانه نویز بسیار رایج‌تر از تصور ما هست و در بسیاری از مشاغلی که با مسایل قضاوتی مواجه هستند، نویزهای بسیار شدیدی وجود دارد. مشاغلی مثل ارزیاب‌ها آژانس‌های رتبه‌بندی، پزشکان اورژانس، پذیره‌نویسان وام‌ها، ارزش‌گذاران سهام، قضات و ... از جمله مشاغل قضاوتی هستند. این متخصصان اغلب تصمیماتی می گیرند که به طور قابل توجهی از تصمیمات همتایان خود، از تصمیمات قبلی خود و از قوانینی که خودشان ادعا می کنند پیروی می‌کنند انحراف دارد. به عنوان مثال، زمانی که از توسعه دهندگان نرم افزار در دو روز جداگانه خواسته شد تا زمان تکمیل یک کار مشخص را تخمین بزنند، ساعات پیش بینی شده آنها به طور متوسط 71 درصد متفاوت بود. قضاوت های انجام شده توسط افراد مختلف حتی بیشتر از هم متفاوت است.
با توجه به اینکه افراد با سوگیری آشنایی بیشتری دارند در ابتدا لازم است کمی در مورد تفاوت این دو بدانیم. برای درک این موضوع به شکلهای زیر توجه کنید:
برخلاف سوگیری، نویز را می توان بدون دانستن پاسخ دقیق اندازه گیری کرد. برای فهم این موضوع، تصور کنید که سیبل‌ها را برداریم و سوراخهای روی دیوار پشت قابل مشاهده باشند. در این صورت شما مورد دقت کلی تیم‌ها چیزی نمی‌دانید، اما می‌توانید مطمئن باشید که در ضربات پراکنده تیم‌های B و D مشکلی وجود دارد. فارغ از علت وجود و دلایل سختی تشخیص نویز در سیستم‌ها، می‌توان راهکارهایی برای اندازه‌گیری و کاهش نویز ارائه داد.
مشکل اصلی نویز در دنیای واقعی مخفی بودن آن است. اما چه چیزی باعث می‌شود شرکت‌ها نتوانند تشخیص دهند که قضاوت‌های کارکنانشان پر نویز است؟ پاسخ در دو پدیده آشنا نهفته است: متخصصان باتجربه معمولاً به صحت قضاوت های خود اعتماد دارند و همچنین به هوش همکاران خود اهمیت زیادی می دهند. این ترکیب ناگزیر به برآورد بیش از حد توافق منجر می شود. وقتی از متخصصان در مورد اینکه همکارانشان چه می گویند، سؤال می شود، انتظار دارند که قضاوت دیگران بسیار نزدیکتر از آنچه در واقع هستند به قضاوت آنها باشد. البته در بیشتر مواقع، متخصصان با تجربه کاملاً به آنچه دیگران ممکن است فکر کنند بی توجه هستند و به سادگی تصور می کنند که پاسخ آنها بهترین است.
1) رادیکال ترین راه حل برای مشکل نویز جایگزینی قضاوت انسانی با الگوریتم ها است. علی رغم تصور موجود، الگوریتم‌ها در حدود نیمی از مطالعات دقیق‌تر از انسان‌های حرفه‌ای بودند و در بقیه مطالعات تقریباً با انسان‌ها مرتبط بودند که با توجه به ارزان‌تر بودن الگوریتم‌ها این تساوی را می‌توان به عنوان برد الگوریتم‌ها در نظر گرفت. البته در زمانی که ورودی‌ها منحصربه‌فرد هستند یا کدنویسی آنها در قالبی ثابت دشوار است، استفاده از یک قانون ممکن است امکان‌پذیر نباشد. جایگزینی تصمیمات انسانی با یک الگوریتم در بیشتر موارد این راه حل بیش از حد رادیکال یا غیرعملی خواهد بود.
2) سازماندهی میزگردهایی که تصمیم گیرندگان برای بررسی پرونده ها گرد هم می آیند نیز راهکار مناسبی است. متأسفانه، اکثر میزگردها به گونه ای برگزار می شوند که دستیابی به توافق را بسیار آسان می کند، زیرا شرکت کنندگان به سرعت بر روی نظرات بیان شده در ابتدا یا با اطمینان بیشتر همگرا می شوند. برای جلوگیری از چنین توافقات جعلی، تک تک شرکت کنندگان در یک میزگرد باید به طور مستقل پرونده را مطالعه کنند، نظراتی را که آماده دفاع از آنها هستند تشکیل دهند و قبل از جلسه آن نظرات را برای رهبر گروه ارسال کنند.
3) به عنوان یک جایگزین میزگرد، باید به متخصصان ابزارهای کاربرپسند، مانند چک لیست ها و سؤالات دقیق فرموله شده، ارائه شود تا در هنگام جمع آوری اطلاعات در مورد یک پرونده، قضاوت های میانی و تدوین تصمیم نهایی، آنها را راهنمایی کند. درک نویز دشوارتر از سوگیری است، اما نه کمتر واقعی است و نه هزینه کمتری دارد.
بازنشر از کانال تورق:https://t.me/Tavaroghstd
