[!INFO] 책 정보

저자: 저자/대니얼_카너먼

번역: 번역/장진영

출판사: 출판사/김영사

발행일: 2022-04-29

origin_title: Noise- A Flaw in Human Judgment

나의 평점: 7

완독일: 2024-12-06 00:00:00

노이즈

1. Befor Qustion

2. Synopsis (개요)

2.1 저자 - 대니얼 카너먼

인물정보 심리학자/상담학자 경제학자 대니얼 카너먼 Daniel Kahneman 노벨경제학상을 수상한 천재 심리학자. 고전경제학의 프레임을 완전히 뒤엎은 ‘행동경제학’의 창시자. 심리학과 경제학의 경계를 허물고 인간의 비합리성과 그에 따른 의사결정에 관한 연구를 통해 경제주체의 이면을 발견한 독보적 지성인. 현재 프린스턴대학 심리학 및 공공행정 명예교수. 예루살렘 히브리대학에서 심리학을 전공한 뒤 캘리포니아대학 버클리 캠퍼스에서 심리학 박사학위를 받았다. 미시건대학과 케임브리지대학 응용심리연구소 과학자, 인지연구센터 연구원으로 활동했으며, 하버드대학에서 심리학을 강의했다. 비즈니스와 사회공헌 분야 컨설팅 회사인 ‘더 그레이티스트 굿The Greatest Good’의 설립자이기도 하다. ‘불확실한 상황에서 행하는 인간의 판단과 선택’을 설명한 혁신적 연구 성과인 ‘전망 이론prospect theory’으로 2002년 노벨경제학상을 수상했다. 심리학자인 그가 노벨경제학상을 수상할 수 있었던 것은 심리학과 경제학을 완벽히 융합했기 때문이다. 카너먼과 동료 트버스키가 전망 이론을 발표한 1979년은 ‘행동경제학의 원년’으로 불린다. 2007년 평생을 심리학에 바쳐 이룩한 탁월한 기여를 인정받아 미국심리학협회가 수여하는 공로상을 받았다. 2011년 〈포린 폴리시〉 선정 ‘세계 일류 사상가’, 〈블룸버그〉 선정 ‘세계 금융 분야에서 가장 영향력 있는 50인’에 이름을 올렸다. 2013년에는 오바마 대통령에게서 대통령 자유훈장을 받았다. 그밖에도 미국심리과학협회의 탁월한 과학적 기여상(1982), 실험심리학자학회의 워런 상(1995), 일반심리학에 대한 기여가 인정되어 힐가드 상(1995)을 수상했다. 주요 저서로 행동경제학의 바이블로 자리매김한 베스트셀러 《생각에 관한 생각》이 있으며, 다수의 논문을 통해 인간과 사회 이해의 새로운 길을 열었다.

2.2 주제

2.3 기획 및 지필 의도

2.4 주요 등장 인물

2.5 전체 줄거리

3. After My Idea

3.1 Insight

편향과 잡음을 줄이기 위해 구조화 하고, 가이드라인을 만들고, 프로세스를 만들고…

인간의 감정과 편향을 예방하는 방법… 특별할건 없었다.

3.2 After Qustion

(why) 이 책의 제목을 이렇게 지은 이유는?
(how) 어떻게 설명하고 있는가? 어떻게 하라고 하는가? 어떻게 해야하는가?
(where) 어느 곳에서 쓴 책인가? 어느 것을 위해 쓴건인가? 어디로 가야하는가? 어디에서 읽어야 하나? 그곳은 어떤 곳인가?
(when) 이책은 언제 쓰여졌는가? 시대적 배경은 무엇인가? 언제를 기준으로 쓰였는가? 언제 할것인가?
(who) 저자는 누구인가? 주인공은 누구이고 어떤 사람들이 나오나? 누구를 위해 저자는 말하는가?
(why) 이책을 통한 질문을 만들기
- 질문 1.
- 질문 2.
(what) 이 책에서 말하는 주제라는 무엇?
- 알게된 것은 무엇인가?
- 해야할건 먼가?
- 다른 책과 다른 점은 먼가?
- 이 책의 특징은 먼가?

3.3 Top 3 Highlight

34 1). 세상은 복잡, 불확실한 곳이기 때문에 판단을 내리는 것은 어렵다.

판단이 내려지는 곳 어디에서든 의견 차이는 피할 수 없다. 2). 의견 차이의 정도는 우리가 예상한 것보다 크다
뜻하지 않게 끼어드는 변산성 곧 제도 잡음 system noise 만연한 불평등, 높은 경제적 비용, 다양한 오류를 초래할 수 있다. 3). 잡음은 줄어들 수 있다.
가이드라인은 잡음을 성공적으로 줄일 수 있는 접근법이다
잡음을 줄이기 위해 도입된 방법 중 어떤 것들은 편향도 줄일 수 있다. 4). 잡음 축소 노력은 곧잘 반대에 부딪히고 심각한 어려움에 마주한다.

4. Key Word 책에서 뽑은 키워드 정리

__index_키워드

4.1 결정 위생

대니얼 카너먼의 <노이즈>에서 소개된 결정 위생(decision hygiene)은 판단의 오류, 특히 잡음(noise)을 줄이기 위한 일련의 절차와 전략입니다. 주요 내용은 다음과 같습니다:

결정 위생의 개념

결정 위생은 의사결정 과정에서 발생할 수 있는 잠재적 오류를 예방하기 위한 접근 방식입니다. 카너먼은 이를 손 씻기에 비유하여 설명합니다. 손 씻기가 다양한 병원체로부터 보호하듯, 결정 위생은 여러 종류의 판단 오류로부터 보호합니다.

주요 전략

외부 관점 채택:
- 현재 사례에 대한 ‘직관’에 의존하지 않고, 유사한 과거 사례들의 결과 범위를 고려합니다.
판단의 구조화:
- 복잡한 판단을 여러 개의 독립적인 과제로 분해합니다.
- 이는 ‘과도한 일관성’이라는 심리적 메커니즘을 방지합니다.
상대적 판단과 척도 사용:
- 절대적 판단보다는 상대적 판단을 선호합니다.
- 쌍대 비교 능력을 활용하여 잡음을 줄입니다.
정보의 순차적 제시:
- 특히 과학수사 분야에서, 정보를 단계적으로 제공하여 선입견 형성을 방지합니다.
결정 관찰자 활용:
- 결정 과정을 모니터링하고 잠재적 편향을 식별할 수 있는 ‘결정 관찰자’를 지정합니다.
잡음 감사 실시:
- 조직 내 판단의 변동성을 측정하고 분석하는 ‘잡음 감사’를 정기적으로 수행합니다.

결정 위생의 특징

예방적 접근:
- 문제가 발생한 후 해결하는 것이 아니라, 사전에 오류를 방지하는 데 중점을 둡니다.
지속적 실천:
- 일회성이 아닌 일상적인 실천이 필요합니다.
광범위한 적용:
- 특정 편향이 아닌 다양한 종류의 오류를 예방할 수 있습니다.
간접적 효과:
- 직접적인 결과를 즉시 확인하기 어렵지만, 장기적으로 판단의 질을 향상시킵니다.

결정 위생은 인간의 판단에 내재된 잡음을 줄이고 더 나은 의사결정을 할 수 있도록 돕는 체계적인 접근 방식입니다. 이를 통해 조직은 더 일관되고 정확한 판단을 내릴 수 있게 됩니다.

4.2 잡음

<노이즈>에서 저자들이 정의하는 잡음은 다음과 같습니다:

판단의 원치 않는 변동성: 잡음은 “판단 시스템 내의 원치 않는 변동성"으로 정의됩니다1.
동일한 문제에 대한 판단의 바람직하지 않은 변동성: 저자들은 인간 판단에서의 잡음을 “동일한 문제에 대한 판단의 바람직하지 않은 변동성"으로 정의합니다4.
무작위적/혼란스러운 편차: 잡음은 목표 행동으로부터의 무작위적이거나 혼란스러운 편차로, 인과적 설명이 불가능한 것으로 정의됩니다3.
통계적 특성: 저자들은 잡음의 통계적 특성과 심리학적 관점에 초점을 맞춥니다4.
원치 않는 변동성: 카너먼은 “우리가 말하는 잡음은 원치 않는 변동성"이라고 정의합니다5.

이러한 정의들은 잡음이 동일한 상황이나 문제에 대해 다른 판단이 내려지는 현상을 설명하며, 이는 의사결정 과정에서 바람직하지 않은 변동성을 초래한다는 점을 강조합니다.

4.3 노이즈와 편향

노이즈와 편향은 판단과 의사결정에서 발생하는 두 가지 주요 오류 유형입니다. 주요 차이점은 다음과 같습니다:

정의
- 편향: 판단의 평균적인 오류로, 특정 방향으로 체계적으로 벗어나는 경향
- 노이즈: 판단의 원치 않는 변동성 또는 무작위적 오류
특성
- 편향: 일관된 방향성을 가짐
- 노이즈: 무작위적이고 비일관적인 변동성을 보임
측정 방법
- 편향: 평균 판단과 실제 값의 차이로 측정
- 노이즈: 동일한 상황에 대한 여러 판단의 분산으로 측정
시각화
- 편향: 과녁의 중심에서 벗어난 정도
- 노이즈: 과녁에 맞은 화살들의 퍼짐 정도
인식
- 편향: 상대적으로 잘 인식되고 연구됨
- 노이즈: 덜 인식되고 연구가 부족한 편
개선 방법
- 편향: 체계적 오류의 원인을 파악하고 수정
- 노이즈: 판단 과정의 구조화, 독립적 평가 집계 등
영향
- 편향: 평균적인 오류를 일으킴
- 노이즈: 판단의 신뢰성과 일관성을 저해

노이즈와 편향은 모두 판단의 정확성을 떨어뜨리지만, 그 메커니즘과 특성이 다르므로 각각에 맞는 대응 전략이 필요합니다.

5.책 밑줄 정리 (책 밑줄 전체,page)

머리말 두 가지 오류

12 판단 시 일어나는 오류 이해해야 한다

#편향 #Bias
#잡음 Noise 때로는 잡음이 더 심각한 문제가 된다 편향이 쇼의 주인공이라면, 잡음은 통상 관객 눈에 잘 띄지 않는 단영 배우다

1부 잡음을 찾아서

1장 잡음과 형사사법제도

22 판단이 있는 곳에 잡음이 있고, 그 잡음은 우리가 생각하는 것보다 더 많다.

어떤 영역에서는 잡음을 완전히 없애는 것이 사실상 불가능하며, 잡음을 제거하는 데 막대한 비용이 드는 영역도 있다. 예를 들어 잡음을 제거하려는 노력은 사람들의 사기를 저하시킬 수 있다.

양형 가이드라인은 양형 잡음을 해소하는 하나의 방법이다. 하지만 많은 사람이 양형 가이드라인을 반기지 않는다. 양형 가이드라인이 공정성과 정확성을 보장하는 데 필수적일 수 있는 사법 재량을 제한하기 때문이다. 어쨌든 각각의 사건은 고유한 것이지 않은가?

아이디어와 판단에 나타나는 변산성은 환영받는다. 의견 차이야말로 문제를 해결하는 첫 단계가 되기 때문이다. 🤔 변산성 = 분산

2장 제도 잡음

보험.. 보험회사의 잡음을 확인 하기 위해..잡음 감사 noise audit 수행 (상호 대체 가능한 전문가들이 비슷한 사례를 검토하고 판단을 내리는 일… 52)

48 대부분의 사람들은 대체로 아무 의심 없이 세상은 눈에 보이는 게 전부라고 믿으며 산다. 그리고 이 믿음은 ‘다른 사람들도 나와 비슷하게 세상을 본다’는 믿음으로 이어진다. 소박한 실재론(native realism)이라고도 하는 이런 믿음은 타인과 공유하는 현실 감각에서 매우 중요하다. 사람들은 이런 믿음에 거의 의구심을 품지 않는다. 사람들에겐 어느 때건 자기를 둘러싼 세상에 대한 단 하나의 해석만이 존재한다. 그리고 보통 그것을 대체할 그럴듯한 해석을 내놓는 데에 조금도 노력을 기울이지 않는다. 하나의 해석이면 충분하고, 실제로 사람들은 그렇게 세상을 경험한다. 세상을 다르게 바라보는 방법을 고민하면서 인생을 살아가진 않는 것이다

49 의견 불일치가 불편하기 때문 대부분의 조직이 반대와 갈등보다 합의와 조화를 선호한다.

3장 일회적인 결정

선례도 없고, 앞으로 도 없을 듯한 결정들 (역사학자들이나 경영의 대가들 )

반복적인 결정에 관한 분석은 통계학적이다.

56 사후 가정적 - 실제 나타난 결과와는 다른 결과를 가정해보는 것 - 으로 생각하면, 일회적은 결정에도 잡음은 분명 존재한다.

2부 잡음과 인간의 마음

4장 판단의 문제

60 #판단 = 인간의 마음을 도구로 사용하는 측정행위, #측정 의 목표 = 진실에 접근하고 오류를 최소하 하는것 판단의 목표는 누군가에게 감동을 주는 것도, 입장을 표명하는 것도, 누군가를 설득하는 것도 아니다.

판단 judgment <> 사고 thinking 정확한 판단을 내리는 것 <> 좋은 판단을 내리는 것

5장 오류 측정

100 오류는 참값의 존재에 달려 있다. 게다가 오류가 구체화되더라도 오류로 인해 발생하는 비용은 거의 대칭적이지 않을 것이고 제곱값에 정확하게 비례하지도 않을 것이다. 예를 들어 엘리베이터를 만드는 회사 입장에서, 엘리베이터의 최대 하중을 추산할 때 발생하는 오류의 결과는 틀림없이 비대칭적일 것이다. 최대 하중을 너무 낮게 추산하면 비용이 발생하고, 반대로 너무 높게 추산하면 끔찍한 사고로 이어질 수 있다. 오류의 제곱은 마찬가지로 기차를 타려면 집에서 언제 출발해야 하는지에 대한 결정과 무관하다. 기차 시간에 1분 늦게 도착하든 5분 늦게 도착하든 결과는 같다.

좋은 결정과 관련해 널리 회자되는 격언에 따르면, 좋은 결정을 내리고자 할 때 개인의 가치와 사실을 뒤섞어선 안 된다. 좋은 결정은 희망과 두려움, 또는 선호와 가치의 영향을 전혀 받지 않는 객관적이고 정확한 예측적 판단에 기초해야 한다.

101 모든 사례에서 최종 결정은 평가적 판단을 요구한다. 의사결정자들은 최적의 선택을 위해서 다양한 선택지들을 검토하고 그것들의 가치를 활용해야 한다. 하지만 결정은 기저에 깔린 예측에 좌우된다. 그래서 이러한 예측은 반드시 가치중립적이어야 한다. 결정의 목표는 정확도다. 다시 말해서 가능한 한 표적에 가깝게 총알을 쏴야 한다. 그리고 평균제곱 오류는 오류의 적절한 척도다. 편향이 대단히 증가하지 않는 이상 잡음을 줄이는 절차가 예측적 판단을 개선할 것이다.

6장 잡음 분석

7장 상황 잡음

130 ‘나’라는 사람이 늘 똑같은 건 아니다 …기분이 바뀌면, 뇌의 어느 부분에서도 변화가 나타난다.

상황 잡음 유발 주요 요인 - 스트레스,피로감 날씨도 문제의 검토 순서

시간이 흐르면 판단의 일관성이 떨어진다.

136 #기억력 은 대개 “기억 기능을 관정하는 내인성 신경 과정의 효율성"에 의해 결정된다. ..즉, 뇌 기능의 능률도에서 순간순간 변산성이 나타나는 이유 …우리의 뇌가 기능하는 방식의 특성이기도 하다

현실에선 의견은 뚜렷한 이유 없이 바뀔 수 있다. 이것은 전문가들이 심사숙고해서 내리는 판단들도 마찬가지다. 예를 들어 내과 의사들에게 같은 사례에 대해서 두 차례에 걸쳐 진단을 내릴 것을 요청하면, 그들은 매순간 상당히 다른 진단을 내릴 것이다. 미국의 주요 와인 대회에서 같은 와인을 두 번 시음한 와인 감별사들은 18퍼센트의 와인에 대해서만 똑같은 점수를 줬다(똑같은 점수를 받은 와인들은 대체로 최악의 와인들이었다)

8장 집단은 잡음을 어떻게 증폭시키나

만약 이니셔티브 지지자 한두 명이 먼저 발언한다면, 그들은 그룹의 결정을 자신들에게 유리한 방향으로 끌고 갈 수 있을 것이다. 새로운 이니셔티브에 대해 회의적인 사람이 먼저 발언을 할 때도 마찬가지다. 사람들이 다른 사람의 의견에 영향을 받는다면, 적어도 이런 일이 일어날 수 있다. 정말이다. 이런 이유로 비슷한 그룹에서 누가 먼저 발언했느냐, 음악 다운로드에 상응하는 행위를 했느냐에 따라 완전히 다른 판단이 내려질 수 있다

초반의 인기는 자기강화적이다. 만약 어떤 안건이 첫날 지지를 거의 얻지 못했다면, 그 안건은 끝내 국민투표를 통과하지 못할 것이다. 음악에서처럼 정치에서도 많은 것이 사회적 영향에 좌우된다. 특히 남들이 그것을 지지하느냐 거부하느냐에 따라서 사람들의 판단이 달라진다

그룹 구성원들이 서로서로 의견을 듣는다면, 그들의 생각은 그룹의 지배적인 경향 쪽으로 기울게 된다. 그 결과 그 그룹의 결속력은 강화되고, 자신감은 높아지며, 극단주의는 심화된다. 그리고 사람들이 그룹 내 자신의 평판에 신경을 쓴다면, 그들의 생각 역시 그룹의 우세한 경향 쪽으로 움직이게 될 것이다. 여기서 집단 극화가 일어난다.

146 결국에 사람들은 서로서로 배우고, 그 배움을 통해 무엇이 옳은지 파악할 수 있다. 서로 알고 있는 것과 생각하는 것을 공유하는 유연한 환경에서 그룹은 더 좋은 판단을 내릴 수 있다. 하지만 군중의 지혜에는 독립성이라는 전제 조건이 붙는다. 만약 사람들이 스스로 판단을 내리지 않고 남들의 생각에 의존한다면, 군중은 그렇게 지혜롭지 않을지도 모른다

3부 예측적 판단에 나타나는 잡음

9장 판단과 모델

178 어려운 문제를접했을 때 기계적으로 단순한 규칙을 따르면 판단의 질을 개선할 수 있다.

🤔 사람의 판단보다, 알고리즘에 의한 판단이 정확하다

10장 잡음 없는 규칙

1974년 도스는 예측 과제를 단순화함으로써 돌파구를 마련했다. 그의 아이디어는 놀라웠고, 거의 이단에 가까웠다. 그는 각 예측 변수의 정확한 가중치를 결정하기 위해서 다중회귀를 사용하는 대신, 모든 예측 변수에 같은 가중치를 줄 것을 제안했다. 도스는 동일 가중치 공식을 부적절 선형 모델improper linear model이라 불렀다. 그의 놀라운 발견은 동일 가중치 모델은 ‘적절한proper’ 회귀 모델만큼이나 정확하고 임상적 판단보다 훨씬 우월하다는 것이었다.

원칙적으로 이렇게 차별적인 예측 결과가 나오는 것은 분명히 위험 요인이다. 하지만 알고리즘이 판사보다 인종적으로 덜 편향된 결정을 내린다는 것은 중요한 사실이다. 위험 허용치가 판사들과 같은 수준의 범죄율을 획득하도록 설정된다면, 머신러닝 알고리즘이 보석 불허 결정을 내리는 유색인종은 41퍼센트 하락한다. 이와 유사한 결과가 다른 시나리오에서도 관측됐다. 정확도의 향상이 반드시 인종차별의 악화로 이어지는 것은 아니다. 그리고 연구진이 보여줬듯이, 머신러닝 알고리즘은 인종차별을 줄이는 쪽으로 쉽게 학습될 수 있다.

어떤 면에서는 이런 반응이 합리적인 듯하다. 믿을 수 없는 알고리즘을 신경 쓸 이유가 어디 있겠나? 사람은 실수를 한다. 우리 모두 이 사실을 너무나도 잘 안다. 실수하는 것은 인간만이 가질 수 있는 특권이다. 다시 말해서 인간만이 실수할 수 있다. 우리는 기계가 완벽하길 기대한다. 이런 기대가 깨지면, 우리는 기계를 과감히 폐기한다.

11장 객관적인 무지

201 내재적신호 - 그것이 옳은지 안다는 느낌 자기 자신에게 주는 일종의 보상 판단시 사람들은 이 신호을 얻기위해 노력 but 확신은 예측의 정화도를 보장하지 않는다

세상이 어떻게 돌아가는지를 설명하는 명료한 이론으로 무장한 전문가들이 자신의 예측에 대해 가장 큰 자신감을 보였고, 가장 정확하지 않은 예측을 했다.

기계적 예측과 알고리즘 예측에 유리한 모든 증거가 다 갖추어져도, 그리고 예측 정확도 면에서 점진적인 개선을 분명히 보여주는 합리적인 계산 방법이 있어도, 많은 의사결정자가 자신의 직관을 활용할 기회를 박탈하는 접근법을 채택하길 거부할 것이다. 많은 영역에서 도입된 알고리즘이 거의 완벽에 가깝지 않은 이상, 객관적인 무지는 불완전한 알고리즘이 인적 판단을 대체하는 일을 결코 허용하지 않을 것이다. 이것이야말로 인적 판단이 반드시 개선되어야 하는 이유다

더 먼 미래를 내다보려 할수록 객관적인 무지는 착실하게 축적된다. 전문가들의 정치적 판단이 제한적인 까닭은 예측가의 인지적 한계 때문이 아니라, 미래에 대한 그들의 해소할 수 없는 객관적인 무지 때문이다.

12장 정상의 계곡

225 valley of the normal #정상의계곡 인생의 좋고 나쁜 극단의 일들.. 대부분은 정상의 계곡 범위에서 일어난다 전혀 기대한 바없고 딱히 놀랍지도 않는 사건들 즉, 평범함 일

통계적 사고 , 에너지가 필요하다, 훈련도 필요하다 인과적 사고는 자연스럽게 가능하다.

230 정상의 계공에선 뜻밖의 일도, 모순된 일도 일어나지 않는다. 이곳에서 미래는 과거 만큼이나 예측 가능한 것 같고 잡음은 들리지도 보이지도 않는다.

2부까지는 임상적 판단, 즉 인간 전문가들이 하는 판단이 생각처럼 정확도가 높지 않다는 것을 보여주는 데 주력했던 것 같아요. 당연한 이야기라고 할 수도 있지만, 전문가들이 깊은 전문지식과 풍부한 경험을 갖고 내리는 판단이 변수가 얼마 되지 않는 단순한 수치 모형보다 노이즈가 심하다는 건 일반 사람들의 기대와 다른 내용일 수 있을 것 같습니다. 10장에 보면 영화 머니볼 이야기가 나오는데, 야구문외한인 젊은 통계 전문가가 어떤 선수를 채용하고 어떤 선수를 트레이딩할 것인지 결정하는 알고리즘을 제시하니까 수십년 동안 스카우트 일을 했던 사람들이 비웃는 장면이 나오거든요. 자신들의 전문성과 경험을 하찮은 수학 모델로 대체할 수 있다는 아이디어를 거부한 거죠. 그렇지만 의외로 그런 전문가들의 판단이 얼마나 맞는지와 별개로 얼마나 많은 노이즈(편차)를 갖고 있는지를 2부에서 중점적으로 이야기한 것 같습니다. 대표적인 것이 우리가 공정할 것으로 기대하는 판사들의 판결이 개인 성향에 따라 매우 큰 편차를 보인다는 결과겠죠. https://www.gmeum.com/meet/2130?talkId=155818

4부 잡음은 어떻게 일어나는가

13장 어림짐작, 편향 그리고 잡음

시스템1이 판단을 내릴 때 활용하는3가지 중요한 판단 어림짐작 heuristics 그것들이 어떻게 잡음/예측 가능하며 방향성을 지닌 오류를 유발하는가

#편향 #대체편향 - 증거에 잘못된 가중치를 부여 #결론편향 - 증거를 우회하거나 왜곡해서 검토하게끔 함 #과도한일관성 - 첫인상을 확대 해석, 상충하는 정보 축소

심리적 편향이 줄어들면 판단이 개선 될것이다.

14장 매칭 과정

시스템1의 특정한 작동방식인 매칭을 집중적 살피고, 야기되는 오류들

15장 척도

판단이 내려지는 범위

미국 법은 배심원들의 정의감이 죄질에 대한 숙고를 통해 정확한 처벌을 도출하는 데로 나아갈 것이라고 상정한다. 그러나 이는 심리학적으로 난센스다. 사람에겐 그럴 능력이 없다. 사법제도는 법을 집행하는 사람들의 한계를 인정해야 한다.

16장 패턴

잡음 유형의 심리적 원천 사람들의 반응 패턴

사람들이 저마다 독특하고 끊임없이 흥미로운 것은 성격과 상황의 결합이 기계적으로 더해지지 않기 때문이다. 가령 덜한 공격성을 더 많이 혹은 더 적게 이끌어내는 상황이 모든 사람에게 같진 않다. 심지어 앤드루와 브래드가 평균적으로 비슷하게 공격적인 사람들이라 하더라도, 그들이 모든 상황에서 같은 수준의 공격성을 드러내는 건 아니다. 브래드의 공격성은 위아래를 가리지 않는 반면, 앤드루는 또래에겐 공격적이고 윗사람들에겐 유순할지도 모른다. 또 어쩌면 브래드는 비난을 받을 때 특히 공격적인 데 반해 신체적으로 위협을 받을 땐 평소와 달리 차분할 수도 있다.

상식적으로 행동은 성격에 따라 좌우되는 와중에 상황의 영향도 강하게 받는다. 어떤 상황에서는 그 누구도 공격적이지 않고, 어떤 상황에서는 모두가 공격적이다. 사별한 친구를 위로할 때 앤드루와 브래드는 절대 공격적으로 행동하지 않을 것이다. 하지만 축구 경기에서 두 사람은 어느 정도의 공격성을 드러낼 것이다. 간단히 말해 행동은 성격 및 상황과 함수관계에 있다.

여러분이 스스로 내린 결론에 자신 있는 것 같아 보여도 이건 쉬운 문제가 아니다. 여러분이 내린 결론과 다른 방향을 가리키는 단서들이 있기 때문이다. 증거의 대안적인 해석을 간과하진 않았나?

17장 잡음의 원천

잡음의 구성 요소

오류는 3번에 걸쳐 분해된다

오류 = 편향 + 제도 잡음으로 분해된다.
제도 잡음 = 수준 잡음 + 패턴 잡음
패턴 잡음 = 안정적인 패턴 잡음 + 상황 잡음 ![Pasted image 20241221082016.png](Pasted image 20241221082016.png)

315 사람들은 주로 인과적 사고를 한다 개별 사례마다 원인, 결과가 일관성 있게 연결된 이야기에 관심 갖는다 실패 <- 오류의 결과, 오류 <- 편향의 결과 라고 생각한다 나쁜 판단의 원인은 쉽게 이해되지만, 오류에 관해 잡음이 가려진다.

잡음이 눈에 보이지 않는 이유 -> 인과적 사고의 직접적 결과 잡음은 -> 통계를 해야 보인다. 통계적 측면에서 보면 잡음은 어디에나 존재한다.

통계적 사고방식을 취하는 것은 쉽지 않다. 통계적으로 사고하는 데에는 훈련이 필요하며 많은 노력이 요구된다.

5부 판단 개선

18장 좋은 판단자가 좋은 판단을 내린다

333 만약 판단을 내릴 사람을 여러분 손으로 뽑아야 한다면, 정신능력이 가장 높은 사람을 선택하는 것이 합리적이다.

334 좋은 정신능력을 지닌 사람들은 다른 사람들보다 더 좋은 판단을 내리고 진정한 전문가가 될 가능성이 더 높다. 동료들에게 깊은 인상을 남기고 다른 사람들의 신뢰를 얻어, 어떠한 실제 피드백도 없는 상황에서 존경-전문가가 될 가능성 역시 더 높다.

자신의 판단이 틀릴 수 있음을 아는 리더를 찾는 편이 좋다. 339

19장 편향 제거와 결정 위생

손 씻기가 어떤 종류의 세균 감염을 예방하는지 아는 사람은 거의 없다. 그냥 손 씻기가 다양한 세균 감염을 예방하는 데 효과적이라는 것만 안다. 마찬가지로 결정 위생을 준수한다는 건 피하고 싶은 기저 오류가 무엇인지 모르는 상태에서 잡음을 줄이는 기법을 채택했다는 뜻이다. 의도적으로 결정 위생을 손 씻기에 비유했다. 위생 수칙을 따르는 것은 지루할 수 있다. 그것들의 혜택은 직접 눈에 보이지 않는다.

20장 과학수사와 정보의 순차적 제시

21장 예측의 선별과 집계

다양성과 상관없이, 집계는 판단이 진정 독립적인 경우에만 잡음을 줄일 수 있다. 그룹 잡음에 관한 논의에서 강조했듯, 그룹 숙려는 잡음에서 줄이는 오류보다 더 많은 오류를 편향에서 발생시킨다. 다양성을 적극적으로 활용하기를 원하는 조직은 팀원들이 독립적으로 판단을 내릴 때 발생할 의견 불일치를 환영해야 한다. 독립적이고 다양한 판단을 내리고 그것들을 집계하는 것은 가장 쉽고 저렴하며 널리 활용될 수 있는 결정 위생 전략일 것이다.

22장 의료 가이드라인

가이드라인은 편향과 잡음을 모두 줄이는 데 매우 성공적이었다.

23장 근무평정의 척도

평점 척도를 명확하게 만들고 척도를 일관되게 사용하도록 평정자를 훈련시켜서 근무평정의 질을 개선할 수 있다. 427

24장 채용 시스템의 구조화

25장 매개 평가 프로토콜

6부 최적의 잡음

26장 잡음 축소 비용

27장 존엄

28장 규칙이냐 기준이냐

결론 - 잡음을 진지하게 고민하자

판단 <> 사고 다른 개념이다 판단은 훨씬 더 협소한 개념

일종의 측정
측정도구는 사람의 마음
어떤 판단은 예측적이다
전문가의 판단 방법을 찾고 배우기
- 그들의 판단은 우리의 삶에 영향을 미친다.

잡음 유형

제도 잡음
- 수준 잡음
  - 서로 다른 개인이 내린 평균 판단의 변산성
  - 사람마다 판단 척도가 다르다, 이것을 줄이는 것이 목표
- 패턴 잡음
  - 주어진 사례에 대한 서로 다른 평가
  - 통계정 상호작용? 몬소리

객관적인 무지 - 판단 오류 원인중

통계적으로 생각하고 외부 관점을 활용 판단을 여려 개의 독립적인 과제로 구조화 이른 직관을 참아내자

여러 판단자들로부터 나온 독립적인 판단을 집계하자 상대적 판단과 상대적 척도를 선호하자

상대적 판단은 절대적 판단보다 잡음이 덜하다

에필로그 잡음이 줄어든 세상

부록A 잡음 감사를 시행하는 방법

부록B 결정 관찰자를 위한 점검표

부록C 예측 수정

6.읽으면서 떠오른 생각들

7. 연관 문서

<노이즈>에서는 잡음과 편향을 줄이기 위한 여러 방법을 제시합니다:

결정 위생 (Decision Hygiene)

결정 위생은 판단의 오류, 특히 잡음을 줄이기 위한 일련의 절차와 전략입니다:

외부 관점 채택: 현재 사례에 대한 직관에 의존하지 않고, 유사한 과거 사례들의 결과 범위를 고려합니다.
판단의 구조화: 복잡한 판단을 여러 개의 독립적인 과제로 분해합니다.
상대적 판단과 척도 사용: 절대적 판단보다는 상대적 판단을 선호합니다.
정보의 순차적 제시: 특히 과학수사 분야에서, 정보를 단계적으로 제공하여 선입견 형성을 방지합니다.
이른 직관 참기: 직관적 판단을 완전히 포기하지 않되, 여러 항목을 개별적으로 평가하고 결론을 내린 후에 직관을 발휘합니다.

잡음 감사 (Noise Audit)

잡음 감사는 조직 내 판단의 변동성을 측정하고 분석하는 과정입니다:

동일한 사례에 대해 여러 판단자의 독립적인 평가를 수집합니다.
판단 결과의 변동성을 측정합니다.
잡음의 수준과 원인을 분석합니다.

알고리즘 활용

인간의 판단을 형식적 규칙이나 알고리즘으로 대체하는 것도 효과적인 방법입니다:

데이터 기반의 의사결정 모델을 구축합니다.
일관된 결과를 제공하는 알고리즘을 개발합니다.

결정 관찰자 활용

결정 과정을 모니터링하고 잠재적 편향을 식별할 수 있는 ‘결정 관찰자’를 지정합니다:

의사결정 과정을 객관적으로 관찰합니다.
편향의 징후를 알아차리고 보고합니다.

독립적 판단 집계

여러 판단자들로부터 나온 독립적인 판단을 집계하여 개인의 편향과 잡음을 상쇄합니다.

이러한 방법들을 통해 조직은 더 일관되고 정확한 판단을 내릴 수 있으며, 궁극적으로 의사결정의 질을 향상시킬 수 있습니다.