نرخ پایه چیست و چگونه خطاهای ذهنی را کاهش می‌دهد؟
چرا شناخت سوگیری‌های شناختی به‌تنهایی کافی نیست؟
شاید یکی از مهم‌ترین سوءتفاهم‌ها درباره خطاهای شناختی این باشد که تصور کنیم برای تصمیم‌گیری بهتر، کافی است سوگیری‌های ذهن را بشناسیم. انگار اگر بدانیم انسان‌ها گرفتار لنگراندازی، تأییدطلبی، در دسترس بودن، اعتمادبه‌نفس بیش از حد یا خطای برنامه‌ریزی می‌شوند، از این لحظه به بعد می‌توانیم مراقب خودمان باشیم و دیگر قربانی آن‌ها نشویم. اما مسئله به این سادگی نیست. دانستن نام یک خطا لزوماً مانع وقوع آن نمی‌شود؛ همان‌طور که دانستن نام یک توهم بصری باعث نمی‌شود شبکیه‌ی چشم ناگهان تصویر دیگری ببیند. ما می‌توانیم بدانیم که ذهنمان در معرض یک خطای خاص قرار دارد و باز هم همان خطا را مرتکب شویم. بخشی از دشواری دقیقاً از همین‌جا شروع می‌شود: مشکل فقط ناآگاهی نیست؛ مشکل این است که سازوکار تولید خطا، تا حدی در همان فرایندی قرار دارد که وظیفه‌اش کمک به ما برای فهمیدن جهان است. وقتی در یک تصمیم پیچیده می‌خواهیم بفهمیم کدام شغل را انتخاب کنیم، مهاجرت کنیم یا نه، کسب‌وکاری را راه بیندازیم یا نه، روی یک پروژه سرمایه‌گذاری کنیم، چه رشته‌ای بخوانیم یا حتی با چه کسی وارد یک رابطه‌ی جدی شویم، ذهن ما معمولاً به دنبال ساختن یک روایت می‌رود. ما می‌پرسیم: «اگر این کار را انجام بدهم، چه اتفاقی می‌افتد؟» بعد سناریویی در ذهنمان شکل می‌گیرد. اگر تلاش کنم، احتمالاً موفق می‌شوم. اگر این شهر را انتخاب کنم، زندگی‌ام بهتر خواهد شد. اگر این شرکت را راه‌اندازی کنم، چون بازار خوب است و ایده‌ام متفاوت است، می‌توانم رشد کنم. این سناریوها بسیار طبیعی‌اند و گاهی لازم‌اند. بدون توانایی تصور آینده، برنامه‌ریزی عملاً ناممکن می‌شود. مسئله از جایی شروع می‌شود که داستانی که درباره آینده ساخته‌ایم، جایگزین اطلاعاتی شود که درباره گذشته و نرخ واقعی وقوع نتایج مشابه در جهان داریم. اینجاست که یکی از ساده‌ترین و در عین حال عمیق‌ترین ابزارهای تصمیم‌گیری وارد می‌شود: نرخ پایه. سؤال اصلی این نیست که «در مورد من چه چیزهایی متفاوت است؟» بلکه قبل از آن باید پرسید: «در میان موارد مشابه، معمولاً چه اتفاقی افتاده است؟»
نرخ پایه در ساده‌ترین تعریف، فراوانی یا احتمال اولیه‌ی یک رویداد در یک جمعیت یا طبقه مرجع است. اگر از میان هزار پروژه مشابه، هفتصد پروژه با تأخیر مواجه شده باشند، این واقعیت یک نرخ پایه‌ی مهم در تصمیم‌گیری درباره پروژه جدید است. اگر از میان کسب‌وکارهای مشابهی که با شرایط اولیه‌ی مشابه شروع شده‌اند، درصد مشخصی در سال‌های نخست شکست خورده باشند، این داده هم بخشی از اطلاعاتی است که باید در پیش‌بینی ما حضور داشته باشد. نرخ پایه به ما می‌گوید پیش از آنکه به داستان خاص این مورد نگاه کنیم، جهان در موارد مشابه چه الگویی از خود نشان داده است. اما چرا ذهن انسان این اطلاعات را نادیده می‌گیرد؟ چرا وقتی کسی برای ما یک داستان جذاب و منسجم تعریف می‌کند، آمارهای کلی ناگهان کم‌اهمیت به نظر می‌رسند؟ بخش مهمی از پاسخ را می‌توان در پژوهش‌های کلاسیک آموس تورسکی و دنیل کانمن پیدا کرد. در مقاله‌ی معروف سال ۱۹۷۴ در مجله‌ی ساینس، آن‌ها توضیح دادند که انسان‌ها هنگام قضاوت تحت عدم‌قطعیت از میان‌برهای ذهنی استفاده می‌کنند؛ از جمله میان‌بُر ذهنی نمایندگی، یعنی تمایل به قضاوت درباره احتمال یک رویداد بر اساس شباهت آن به یک تصویر ذهنی یا نمونه‌ی آشنا.
فرض کنید به شما بگویند فردی آرام، دقیق، کم‌حرف و علاقه‌مند به مطالعه است. بعد بپرسند احتمال اینکه این فرد کتابدار باشد بیشتر است یا فروشنده؟ بسیاری از افراد فوراً به تصویر ذهنی خود از «کتابدار» فکر می‌کنند و بر اساس شباهت شخص به این تیپ تصمیم می‌گیرند. اما یک سؤال مهم نادیده گرفته شده است: اصلاً تعداد کتابداران در این جمعیت چقدر است و تعداد فروشندگان چقدر؟ اگر فروشندگان بسیار بیشتر باشند، نرخ پایه می‌تواند نتیجه را به شکل قابل‌توجهی تغییر دهد. این همان نقطه‌ای است که ذهن ما با یک وسوسه‌ی عجیب مواجه می‌شود: داستان مورد خاص، ملموس و قابل تصور است؛ اما نرخ پایه، انتزاعی و بی‌هیجان است. ذهن ما انسان‌ها برای زندگی در جهان واقعی ساخته شده، نه برای حل مستقیم مسائل آماری. یک داستان درباره یک نفر، یک پروژه یا یک کسب‌وکار، مجموعه‌ای از جزئیات دارد؛ شخصیت، نیت، انگیزه، نقاط قوت، ضعف، اتفاقات احتمالی و تصویری از آینده. اما «۳۷ درصد پروژه‌های این نوع با تأخیر بیش از شش ماه مواجه می‌شوند» برای ذهن شهودی جذابیت بسیار کمتری دارد. آمار چیزی را توضیح نمی‌دهد؛ فقط می‌گوید در گذشته چه چیزی تکرار شده است. داستان به ما اجازه می‌دهد احساس کنیم آینده را فهمیده‌ایم، در حالی که نرخ پایه فقط به ما یادآوری می‌کند که آینده چگونه برای دیگران رقم خورده است.
این تمایل فقط یک کنجکاوی آزمایشگاهی نیست. یکی از یافته‌های مهم روان‌شناسی قضاوت همین است که مردم ممکن است اطلاعات اختصاصی درباره یک مورد را بیش از اندازه جدی بگیرند و اطلاعات آماری درباره مجموعه‌ی موارد مشابه را کمتر از حد لازم در نظر بگیرند. در واقع، جذابیت روان‌شناختی اطلاعات فردی و «قابل توضیح بودن» آن می‌تواند باعث شود چیزی که از نظر آماری ضعیف‌تر است، از نظر ذهنی قانع‌کننده‌تر به نظر برسد.
نگاه درونی و نگاه بیرونی؛ پیش‌بینی بر اساس طبقه مرجع
چگونه از نگاه بیرونی در تصمیم‌های مهم استفاده کنیم؟
پس استفاده از نرخ پایه چگونه ممکن است؟ اولین قدم این است که قبل از ساختن داستان، جامعه‌ی آماری را تعریف کنیم. اگر کسی می‌گوید «من می‌خواهم یک کانال یوتیوب راه‌اندازی کنم و فکر می‌کنم موفق می‌شوم»، سؤال درست این نیست که فوراً درباره کیفیت ایده‌ی او بحث کنیم. باید بپرسیم: «موفقیت را دقیقاً چه تعریف می‌کنی؟ و در میان کانال‌هایی که با شرایط مشابه شروع کرده‌اند، چند درصد به این سطح از موفقیت رسیده‌اند؟»
اگر کسی می‌گوید «من می‌خواهم برای ادامه‌ی تحصیل به یک کشور دیگر بروم و تقریباً مطمئنم شرایط آنجا برای من بهتر خواهد بود»، باید بخشی از توجه را از ویژگی‌های فردی او به جمعیت مشابه منتقل کرد. چند درصد از مهاجران با شرایط تحصیلی، مالی، زبانی و شغلی مشابه، به نتیجه‌ای که او «بهتر بودن» می‌نامد دست پیدا کرده‌اند؟ چند درصد از آن‌ها در پنج سال نخست از تصمیم خود راضی بوده‌اند؟ چند درصد به شغل مرتبط رسیده‌اند؟ چند درصد مجبور شده‌اند برنامه‌ی خود را تغییر دهند؟ این پرسش‌ها رمانتیک نیستند. حتی ممکن است هیجان تصمیم را کم کنند. اما دقیقاً به همین دلیل ارزش دارند. فرض کنید می‌خواهیم درباره یک پروژه بزرگ تصمیم بگیریم. تیم پروژه می‌گوید: «این پروژه با پروژه‌های معمول فرق دارد. تیم ما بسیار باتجربه است، برنامه‌ریزی دقیقی انجام داده‌ایم، ریسک‌ها شناسایی شده‌اند و این بار همه‌چیز متفاوت خواهد بود.» شاید همه‌ی این موارد درست باشند. اما هنوز یک پرسش باقی است: «در پروژه‌های مشابه، توزیع واقعی زمان و هزینه چگونه بوده است؟»
اگر نرخ پایه نشان دهد که بیشتر پروژه‌های مشابه از برنامه عقب افتاده‌اند، صرفاً اضافه کردن دلایل خاص درباره برتری تیم ما نباید باعث شود آن اطلاعات را کنار بگذاریم. ویژگی‌های خاص مسئله ممکن است نرخ پایه را تعدیل کنند، اما معمولاً نباید آن را از پنجره بیرون بیندازند. این نگاه، ما را از نرخ پایه به تکنیک مهم‌تری می‌رساند: پیش‌بینی بر اساس طبقه مرجع (Reference Class Forecasting). پیش‌بینی بر اساس طبقه مرجع (Reference Class Forecasting) یا «پیش‌بینی بر اساس طبقه مرجع» در حقیقت نسخه‌ی ساختاریافته‌تری از همین ایده است. به‌جای اینکه برای هر مسئله ابتدا بگوییم «این مورد منحصربهفرد است و باید آینده‌اش را از روی جزئیات خودش پیش‌بینی کنم»، می‌پرسیم «این مورد بیشتر شبیه کدام مجموعه از موارد گذشته است؟»
این تغییر کوچک، در ظاهر فقط یک تغییر در زاویه‌ی نگاه است، اما از نظر شناختی بسیار مهم است. کاهنمن و دان لاوالو در مقاله‌ی مشهور خود درباره تصمیم‌های جسورانه و پیش‌بینی‌های خوش‌بینانه توضیح دادند که تصمیم‌گیرندگان تمایل دارند مسئله‌ی فعلی را منحصربهفرد ببینند، جزئیات مورد جاری را پررنگ کنند و آمار موارد گذشته را نادیده بگیرند. آن‌ها این الگو را در چارچوب تفاوت میان نگاه درونی و نگاه بیرونی توضیح کردند. داخل نگاه کردن به مسئله یعنی بگوییم: «بیایید این مورد را تحلیل کنیم. برنامه‌مان چیست؟ چه منابعی داریم؟ چه موانعی ممکن است ایجاد شوند؟ اگر مراحل A و B و C درست پیش بروند، احتمالاً در زمان X به نتیجه می‌رسیم.»
این فرایند کاملاً معقول به نظر می‌رسد. حتی بسیار حرفه‌ای به نظر می‌رسد. اما یک مشکل دارد: فرض ضمنی آن این است که ما می‌توانیم آینده یک سیستم پیچیده را از درون جزئیات آن بازسازی کنیم. در نگاه بیرونی پرسش عوض می‌شود: «افراد یا پروژه‌هایی که در موقعیتی مشابه این موقعیت قرار داشته‌اند، معمولاً چه نتیجه‌ای گرفته‌اند؟» در نگاه بیرونی، این پروژه دیگر یک پروژه استثنایی نیست. یک عضو از یک طبقه بزرگ‌تر است.
فرض کنید می‌خواهید خانه بسازید. داخل نگاه کردن می‌گوید: زمین آماده است، پیمانکار انتخاب شده، مصالح مشخص‌اند، برنامه‌ی زمان‌بندی نوشته شده و اگر هر مرحله مطابق برنامه جلو برود، پروژه در نه ماه تمام می‌شود. بیرون نگاه کردن می‌گوید: در میان پروژه‌های ساختمانی مشابه در این منطقه، برای خانه‌هایی با این اندازه و این نوع قرارداد، میانه‌ی زمان اجرا چقدر بوده است؟ صدک‌های مختلف چه می‌گویند؟ چه مقدار تأخیر معمول بوده؟ تفاوت این دو رویکرد، تفاوت میان «داستان محتمل» و «توزیع واقعی نتایج» است. یک پروژه ممکن است سناریویی کاملاً منطقی برای نه ماه داشته باشد. اما برای اینکه پروژه به نه ماه برسد، باید ده‌ها چیز تقریباً درست پیش بروند. در مقابل، راه‌های بسیار زیادی برای خراب شدن برنامه وجود دارد. یک تأخیر تأمین‌کننده، یک تغییر طراحی، یک مسئله‌ی حقوقی، یک بیماری، یک خطای قراردادی، یک مشکل نقدینگی یا یک تصمیم اشتباه کافی است تا زنجیره‌ی برنامه تغییر کند.
کاهنمن و لاوالو دقیقاً روی همین مشکل تأکید کردند: در پروژه‌های پیچیده، ساختن یک سناریوی آینده و گرفتن آن به‌عنوان محتمل‌ترین نتیجه می‌تواند بسیار گمراه‌کننده باشد، زیرا ما معمولاً تعداد مسیرهای متفاوتی را که می‌توانند به شکست یا تأخیر منجر شوند دست‌کم می‌گیریم. در نگاه بیرونی، به‌جای پیش‌بینی تک‌تک مسیرهای آینده، از توزیع نتایج گذشته استفاده می‌کنیم. این ایده در عمل برای پروژه‌ها اهمیت زیادی پیدا کرده است، زیرا «خطای برنامه‌ریزی» دقیقاً به همین تمایل مربوط است. در مجموعه‌ای از مطالعات بوهلر، گریفین و راس در سال ۱۹۹۴، دانشجویان برای تمام کردن کارهای مختلف خود زمان کمتر از واقعیت تخمین می‌زدند و هنگام پیش‌بینی، بیشتر روی سناریوی برنامه‌ریزی‌شده‌ی خود تمرکز می‌کردند تا تجربه‌های گذشته‌ی مشابه. وقتی از آن‌ها خواسته شد تجربه‌های قبلی مرتبط را با پیش‌بینی پیوند دهند، خوش‌بینی کاهش یافت. این یافته یک سؤال بسیار مهم برای زندگی روزمره ایجاد می‌کند: چند بار تا امروز درباره یک کار گفته‌ایم «این بار فرق دارد»؟
«این بار واقعاً از هفته‌ی بعد ورزش می‌کنم.» «این بار این پروژه را زودتر شروع می‌کنم.» «این ترم دیگر همه‌ی درس‌ها را منظم می‌خوانم.»
«این کسب‌وکار را می‌توانم در شش ماه به درآمد برسانم.» «این رابطه با بقیه فرق دارد.» ممکن است واقعاً فرق داشته باشد. مسئله این نیست که نگاه بیرونی همیشه درست است. مسئله این است که نگاه درونی معمولاً بدون هزینه کنار گذاشتن گذشته را برایمان آسان می‌کند.
وقتی به گذشته نگاه می‌کنیم، باید یک کار ناخوشایند انجام دهیم: باید بپذیریم که خودمان نیز عضوی از همان آماری هستیم که درباره دیگران می‌خوانیم. اگر پنج بار برای شروع یک پروژه زمان مشخص کرده‌ایم و هر پنج بار عقب افتاده‌ایم، ششمین پیش‌بینی ما نباید فقط از این جمله شروع شود که «این بار جدی‌ترم». ممکن است این بار واقعاً جدی‌تر باشیم، اما داده‌ی قبلی درباره رفتار خودمان همچنان ارزش دارد. در واقع، یکی از بهترین طبقه‌های مرجع در تصمیم‌گیری، گذشته‌ی خود ماست.
برای نمونه، اگر می‌دانید در ده پروژه قبلی، زمان برآوردی شما به‌طور متوسط ۳۰ درصد کمتر از زمان واقعی بوده است، این اطلاعات باید در پروژه یازدهم جایی داشته باشد. لازم نیست کورکورانه ۳۰ درصد به هر برآوردی اضافه کنید؛ شاید پروژه یازدهم از نوع دیگری باشد. اما نادیده گرفتن سابقه‌ی خودتان فقط به این دلیل که این بار انگیزه‌ی بیشتری دارید، یک خطای شناختی است. در مهاجرت نیز نگاه بیرونی می‌تواند بسیار مفید باشد. داخل نگاه کردن ممکن است شامل این باشد که زبانم خوب است، مدرکم معتبر است، چند نفر از دوستانم آنجا هستند، شهر را دوست دارم و بازار کار را امیدوارکننده می‌بینم. این اطلاعات مهم‌اند، اما هنوز باید پرسید: «افرادی با ترکیبی مشابه از سن، رشته، سابقه‌ی کاری، زبان، وضعیت مالی و هدف مهاجرت، معمولاً بعد از سه یا پنج سال در چه وضعیتی قرار می‌گیرند؟» در کسب‌وکار هم همین اتفاق رخ می‌دهد. داخل نگاه می‌گوید بازار بزرگ است، رقیب مستقیم نداریم و محصولمان مزیت دارد. بیرون نگاه می‌پرسد: «در این صنعت، چند شرکت با شرایط اولیه‌ی مشابه به مرحله‌ای که ما هدف‌گذاری کرده‌ایم رسیده‌اند؟»
در تحصیل نیز سؤال مشابه است. ممکن است دانشجویی بسیار باهوش باشد، اما نرخ پایه‌ی فرسودگی، تغییر رشته، افت تحصیلی یا طولانی‌تر شدن مدت تحصیل همچنان درباره یک گروه مشابه اطلاعاتی به ما بدهد. بنابراین نگاه بیرونی قرار نیست جای نگاه درونی را بگیرد. قرار نیست بگوییم «جزئیات مسئله بی‌اهمیت‌اند و فقط به آمار نگاه کن». اگر چنین کاری کنیم، خودمان به یک خطای دیگر دچار شده‌ایم. نگاه درونی به ما می‌گوید «این مورد چه ویژگی‌هایی دارد؟»
نگاه بیرونی می‌گوید «این مورد، با وجود همه‌ی ویژگی‌های خاصش، شبیه چه موارد دیگری است؟» هر دو سؤال لازم‌اند. اگر مثلاً نرخ پایه‌ی شکست در یک نوع خاص از کسب‌وکار زیاد باشد، اما تیمی که مقابل ماست واقعاً ویژگی‌های استثنایی داشته باشد، این ویژگی‌ها می‌توانند ارزیابی ما را تغییر دهند. اما برای اینکه نگاه بیرونی را کنار بگذاریم، باید بتوانیم توضیح دهیم که دقیقاً چه اطلاعاتی داریم که این مورد را از طبقه مرجع جدا می‌کند.
این نکته بسیار مهم است: «این مورد خاص است» نباید یک ادعا باشد؛ باید یک استدلال باشد. شاید بتوانیم این اصل را به یک پرسش عملی تبدیل کنیم: «چه چیزی در این مورد وجود دارد که در موارد مشابه گذشته وجود نداشته؟» اگر پاسخی روشن نداریم، احتمالاً بیش از اندازه گرفتار نگاه درونی شده‌ایم.
سوگیری تأییدی چیست و چگونه با آن مقابله کنیم؟
چرا شواهد مخالف را کمتر جدی می‌گیریم؟
در این مرحله، یکی از قدرتمندترین عادت‌های ذهنی برای مقابله با خطاهای شناختی مطرح می‌شود: «چه چیزی می‌تواند باعث شود اشتباه کرده باشم؟» این سؤال ساده، مستقیماً به یکی از سرسخت‌ترین سوگیری‌های ذهنی یعنی سوگیری تأییدی حمله می‌کند. ما معمولاً فکر می‌کنیم مشکل سوگیری تأییدی این است که فقط دنبال اطلاعاتی می‌گردیم که حرفمان را تأیید کند. اما ماجرا ظریف‌تر است. گاهی حتی وقتی دو طرف یک مجموعه‌ی یکسان از شواهد را می‌بینند، آن را به شکل متفاوتی ارزیابی می‌کنند.
آزمایش مشهور لرد، راس و لپر در سال ۱۹۷۹ نمونه‌ی قدرتمندی از این مسئله ارائه کرد. پژوهشگران افرادی را که درباره مجازات اعدام موضع موافق یا مخالف داشتند، در معرض دو مطالعه‌ی ظاهراً علمی قرار دادند؛ یکی مطالعه‌ای که از موضع اولیه‌ی آن‌ها حمایت می‌کرد و دیگری مطالعه‌ای که خلاف آن را نشان می‌داد. نتیجه چه بود؟ طرفداران و مخالفان هر دو، شواهد سازگار با دیدگاه خود را قانع‌کننده‌تر می‌دانستند و شواهد مخالف را بیشتر زیر سؤال می‌بردند؛ در نتیجه، قرار گرفتن در معرض شواهد یکسان حتی می‌توانست باعث افزایش فاصله‌ی بین دیدگاه‌ها شود، نه کاهش آن. این آزمایش یک درس ناخوشایند دارد: ممکن است «شواهد» به‌خودی‌خود ما را بی‌طرف نکنند. ما شواهد را تفسیر می‌کنیم، کیفیت آن را ارزیابی می‌کنیم، روش جمع‌آوری آن را می‌سنجیم و اهمیتش را تعیین می‌کنیم. و تمام این مراحل می‌توانند تحت تأثیر باور قبلی ما قرار بگیرند.
پس اگر بعد از تصمیم‌گیری بنشینیم و ده مقاله پیدا کنیم که انتخابمان را تأیید می‌کنند، لزوماً در حال بررسی منطقی تصمیم نیستیم. ممکن است فقط در حال تزئین تصمیمی باشیم که قبلاً گرفته‌ایم. اینجا تکنیک «چه چیزی می‌تواند باعث شود اشتباه کرده باشم؟» اهمیت پیدا می‌کند. فرض کنید تصمیم گرفته‌اید شغل A را انتخاب کنید. ذهن طبیعی شما شروع می‌کند به جست‌وجوی دلایل مناسب: حقوق بهتر، محیط جذاب، امکان رشد، مدیر خوب و مسیر شغلی مناسب.
اما اگر از خودتان بپرسید «چه چیزی می‌تواند نشان دهد این انتخاب اشتباه است؟»، ناگهان نوع اطلاعاتی که جست‌وجو می‌کنید تغییر می‌کند. دنبال کارکنان ناراضی می‌گردید. آمار ترک شغل را بررسی می‌کنید.
با افرادی که از آن شرکت خارج شده‌اند صحبت می‌کنید. می‌پرسید چه چیزی ممکن است در این محیط طی دو سال آینده بدتر شود. به‌جای اینکه فقط بپرسید «چه چیزی به نفع انتخاب A است؟»، می‌پرسید «چه واقعیتی می‌تواند وزن انتخاب A را پایین بیاورد؟»
همین تغییر کوچک می‌تواند کیفیت تصمیم را بالا ببرد. در سال ۱۹۶۰، پیتر وازون آزمایش معروف ۲، ۴، ۶ را انجام داد. به افراد سه عدد «۲، ۴، ۶» داده شد و از آن‌ها خواسته شد قاعده‌ای را که این سه عدد را تولید می‌کند پیدا کنند. افراد می‌توانستند مجموعه‌های دیگری پیشنهاد دهند و آزمایشگر فقط می‌گفت مجموعه با قاعده سازگار است یا نه. قاعده‌ی واقعی بسیار ساده بود: هر سه عددی که به ترتیب صعودی باشند. اما بسیاری از شرکت‌کنندگان فرضیه‌ای محدودتر در ذهن می‌ساختند، مثلاً «اعداد زوج که با فاصله‌ی دو تا افزایش پیدا می‌کنند»، و سپس نمونه‌هایی را امتحان می‌کردند که همان فرضیه را تأیید کنند. مشکل این بود که برای رد کردن فرضیه‌ی خود، باید مثال‌هایی می‌ساختند که با آن ناسازگار باشند. چنین چیزی را کمتر انجام می‌دادند. از نظر منطقی، بهترین راه آزمودن یک فرضیه این است که به دنبال داده‌ای باشیم که اگر فرضیه غلط باشد، احتمال مشاهده‌اش بیشتر شود.
اما ذهن ما اغلب برعکس عمل می‌کند. «بگذار ببینم آیا این فرضیه درست از آب درمی‌آید.» در حالی که سؤال قدرتمندتر این است:
تکنیک وکیل مدافع شیطان
«چه مشاهده‌ای اگر رخ دهد، من مجبور می‌شوم این فرضیه را کنار بگذارم؟» همین سؤال ما را به تکنیک دیگری می‌رساند: وکیل مدافع شیطان. اسم این تکنیک شاید کمی تهاجمی به نظر برسد، اما ایده‌اش ساده است: عمداً و به‌صورت ساختاریافته از موضع مخالف دفاع کن.
اگر همه‌ی اعضای تیم فکر می‌کنند ورود به بازار جدید تصمیم خوبی است، یک نفر را مأمور کنید تا از موضع مخالف دفاع کند. نه برای اینکه واقعاً با تصمیم مخالفت دارد. نه برای اینکه جلسه را به دعوا تبدیل کند.
بلکه برای اینکه مجبور شود بهترین استدلال ممکن را علیه تصمیم موجود بسازد. چرا چنین روشی ممکن است مفید باشد؟ چون در تصمیم‌های گروهی، توافق زیاد همیشه نشانه‌ی کیفیت بالا نیست. گاهی اعضای گروه خیلی زود به یک نتیجه می‌رسند، سپس بیشتر انرژی خود را صرف یافتن دلایل پشتیبان می‌کنند. در چنین شرایطی، مخالفت می‌تواند به یک ابزار پردازش اطلاعات تبدیل شود.
پژوهش‌ها درباره Devil’s Advocacy نتایج کاملاً یکدستی ندارند و این نکته باید جدی گرفته شود. برخی مطالعات نشان داده‌اند که این تکنیک می‌تواند ارزیابی انتقادی و تولید گزینه‌های بیشتر را افزایش دهد، اما گاهی می‌تواند هزینه‌هایی هم داشته باشد؛ مثلاً کاهش تمایل به کار کردن دوباره با اعضای گروه یا ایجاد تنش. بنابراین وکیل مدافع شیطان یک «داروی جادویی» نیست، بلکه ابزاری است که باید با دقت طراحی شود. پژوهش‌های دیگری نیز نشان داده‌اند که در برخی شرایط، گروه‌هایی که از Devil’s Advocacy یا روش‌های مشابه تعارض شناختی استفاده می‌کنند، گزینه‌های بیشتری بررسی کرده و تصمیم‌های باکیفیت‌تری اتخاذ می‌کنند؛ به‌خصوص در مقایسه با رویکردهایی که بر اجماع سریع تکیه دارند. اما یک تفاوت مهم وجود دارد: هدف وکیل مدافع شیطان این نیست که «یک مخالف» داشته باشیم. هدف این است که «فرایند مخالفت» داشته باشیم.
اگر مدیر جلسه بگوید «تو همیشه باید مخالف باشی»، خیلی زود یک بازی قدرت شکل می‌گیرد. اما اگر بگوید «پیش از تصمیم نهایی، می‌خواهیم قوی‌ترین پرونده‌ی ممکن علیه این گزینه ساخته شود»، مخالفت از یک موضع شخصی به یک نقش شناختی تبدیل می‌شود. این تکنیک حتی در تصمیم‌های شخصی هم قابل استفاده است. فرض کنید مطمئن هستید مهاجرت تصمیم درستی برای شماست. یک تمرین ساده انجام دهید: «من باید متقاعدکننده‌ترین مقاله ممکن را علیه مهاجرت خودم بنویسم.»
اما توجه کنید که قرار نیست یک متن احساسی از ترس‌ها تولید کنید. باید از همان معیارهایی استفاده کنید که برای دفاع از تصمیم خودتان استفاده می‌کردید. اگر برای انتخاب مهاجرت از کیفیت بازار کار، درآمد، رفاه و فرصت رشد حرف می‌زنید، در نسخه‌ی مخالف هم باید درباره همین ابعاد صحبت کنید. مثلاً: «ممکن است کیفیت بازار کار آن‌قدر که تصور می‌کنم بالا نباشد.»
«ممکن است هزینه‌های زندگی بخش بزرگی از افزایش درآمد را خنثی کند.» «ممکن است شبکه‌ی اجتماعی جدیدم آن‌قدر قوی نباشد.» «ممکن است هزینه‌ی روانی و زمانی سازگاری بیشتر از چیزی باشد که پیش‌بینی می‌کنم.»
بعد باید یک گام مهم‌تر بردارید: برای هرکدام از این ادعاها دنبال شواهد بگردید. این مرحله مهم است، چون وکیل مدافع شیطان نباید تبدیل به داستان‌سازی منفی شود. اگر قرار باشد هر تصمیمی را با ده‌ها سناریوی فاجعه‌بار بمباران کنیم، دیگر در حال عقلانی‌تر شدن نیستیم؛ فقط اضطراب را به شکل استدلال عرضه کرده‌ایم.
بنابراین باید از خودمان بپرسیم: «کدام مخالفت، مبتنی بر شواهد است؟» اینجا دوباره به نرخ پایه برمی‌گردیم. فرض کنید می‌خواهیم ثابت کنیم انتخاب شغل جدید خطرناک است. بهترین مدافع مخالف نمی‌گوید «شاید مدیرت آدم بدی باشد، شاید شرکت ورشکست شود، شاید از کارت متنفر شوی». او می‌پرسد: «در میان شرکت‌های این نوع، نرخ ترک شغل چیست؟ عملکرد مالی شرکت در چند سال اخیر چگونه بوده؟ سابقه‌ی اخراج در این صنعت چقدر است؟ کارکنان با سابقه‌ی مشابه چه تجربه‌ای داشته‌اند؟» مخالفت خوب، مخالفت مستند است.
ابطال‌پذیری؛ چگونه تصمیم‌های خود را قابل آزمون کنیم؟
معیارهای ابطال را پیش از تصمیم مشخص کنید
و این ما را به یکی از بنیادی‌ترین ایده‌های تفکر علمی می‌رساند: ابطال‌پذیری. ایده‌ی ابطال‌پذیری بیش از همه با فلسفه‌ی علم کارل پوپر شناخته می‌شود. پوپر استدلال می‌کرد که یک گزاره یا نظریه‌ی علمی باید دست‌کم از نظر منطقی در معرض امکان ناسازگاری با مشاهده قرار داشته باشد؛ یعنی بتوان تصور کرد داده‌ای وجود دارد که اگر مشاهده شود، ادعای موردنظر با آن تعارض پیدا کند. این ایده را می‌توان از آزمایشگاه علم بیرون آورد و به زندگی روزمره آورد.
بیشتر مردم هنگام تصمیم‌گیری از خودشان می‌پرسند: «چه چیزی تصمیم من را تأیید می‌کند؟» اما یک تصمیم‌گیرنده‌ی محتاط می‌پرسد:
«چه چیزی می‌تواند نشان دهد تصمیم من اشتباه است؟» این دو سؤال ظاهراً تفاوت کوچکی دارند، اما از نظر ساختار ذهنی تفاوت عظیمی ایجاد می‌کنند. فرض کنید می‌گویید:
«این کسب‌وکار قطعاً تا یک سال دیگر سودده خواهد شد.» چه چیزی می‌تواند این گزاره را رد کند؟ اگر پاسخ روشنی ندارید، گزاره احتمالاً بیش از اندازه مبهم است.
مثلاً شاید بتوان گفت: «اگر طی شش ماه نرخ بازگشت مشتری به X نرسد، یا هزینه‌ی جذب مشتری از Y بالاتر بماند، یا حاشیه‌ی سود به Z نرسد، فرضیه‌ی فعلی من درباره مدل کسب‌وکار باید بازنگری شود.» ناگهان تصمیم تبدیل به یک فرضیه‌ی قابل آزمون می‌شود.
این همان چیزی است که می‌تواند تصمیم‌گیری را از امید جدا کند. امید می‌گوید: «فکر می‌کنم موفق می‌شود.» فرضیه می‌گوید: «این پیش‌بینی من است و این‌ها نشانه‌هایی هستند که اگر رخ دهند، احتمالاً نشان می‌دهند پیش‌بینی‌ام درست بوده؛ و این‌ها هم نشانه‌هایی هستند که اگر رخ دهند، باید بپذیرم که احتمالاً اشتباه کرده‌ام.»
تفاوت بین این دو نوع فکر کردن، تفاوت میان «دفاع از تصمیم» و «آزمودن تصمیم» است. یکی از عادات بسیار خطرناک در تصمیم‌گیری این است که پس از متعهد شدن به یک گزینه، معیارهای ارزیابی را تغییر دهیم تا هر نتیجه‌ای را بتوانیم توجیه کنیم. اگر فروش کم باشد، می‌گوییم «هنوز اول کار است».
اگر فروش بالا برود، می‌گوییم «دیدی گفتم؟» اگر مشتری ناراضی باشد، می‌گوییم «مشکل از اوست.» اگر مشتری راضی باشد، می‌گوییم «این همان چیزی بود که پیش‌بینی کرده بودم.»
در چنین شرایطی، هیچ داده‌ای واقعاً قادر نیست نظریه‌ی ما را شکست دهد. و وقتی هیچ داده‌ای نمی‌تواند نظریه را شکست دهد، نظریه عملاً از آزمون مصون شده است. به همین دلیل است که ابطال‌پذیری فقط یک تکنیک دانشگاهی نیست. می‌تواند یک روش برای محافظت از خودمان در برابر خودفریبی باشد. اجازه دهید این موضوع را با یک مثال ساده روشن کنیم.
فرض کنید یک نفر می‌گوید: «من مطمئنم این رابطه در نهایت به ازدواج موفق منجر می‌شود.» سؤال تأییدی چیست؟ «چه چیزهایی نشان می‌دهد رابطه‌مان خوب است؟»
احتمالاً جواب بسیار طولانی خواهد بود: با هم می‌خندیم، علایق مشترک داریم، همدیگر را دوست داریم، خانواده‌ها راضی‌اند و… اما سؤال ابطال‌گر چیست؟ «چه الگوهایی اگر تداوم پیدا کنند، باید باعث شوند در این پیش‌بینی تجدیدنظر کنم؟»
مثلاً شاید تعارض‌های تکرارشونده درباره ارزش‌های بنیادین، ناتوانی در حل اختلاف، عدم توافق درباره آینده یا بی‌اعتمادی مزمن. نکته این نیست که وجود یک علامت فوراً تصمیم را باطل کند. نکته این است که معیارهای هشدار از قبل تعریف شوند، نه بعد از وقوع مسئله. این «از قبل» اهمیت زیادی دارد. چون وقتی نتیجه اتفاق افتاده، ذهن می‌تواند برای آن توجیه بسازد. اما اگر پیش از آنکه داده را ببینیم مشخص کرده باشیم که چه شواهدی برایمان نگران‌کننده خواهد بود، فضای کمتری برای توجیه‌گری باقی می‌ماند.
این همان منطق پیش‌ثبت معیارها در علم است. پژوهشگر خوب، تا حد امکان، قبل از دیدن نتایج مشخص می‌کند چه چیزی را اندازه می‌گیرد و چه الگویی می‌تواند فرضیه‌اش را پشتیبانی یا تضعیف کند. در تصمیم‌های شخصی نیز می‌توان نسخه‌ای ساده از همین انضباط را به کار برد. مثلاً هنگام انتخاب یک شغل می‌توانیم بگوییم: «اگر طی شش ماه مشخص شود وظایف واقعی با چیزی که در مصاحبه درباره‌اش صحبت شد تفاوت جدی دارد، من این تصمیم را دوباره ارزیابی می‌کنم.»
یا: «اگر هزینه‌ی واقعی زندگی در شهر جدید باعث شود پس‌اندازم بسیار کمتر از حد مشخصی شود، باید فرضیاتم را اصلاح کنم.» چنین معیارهایی باعث می‌شوند تصمیم ما به چیزی شبیه یک آزمایش تبدیل شود.
اما باید مراقب یک سوءتفاهم دیگر نیز باشیم: «ابطال‌پذیری» به این معنی نیست که با مشاهده‌ی یک داده‌ی ناسازگار باید فوراً همه‌چیز را کنار بگذاریم. واقعیت معمولاً پیچیده‌تر از این است. اگر یک پیش‌بینی اقتصادی غلط از آب درآمد، شاید مسئله از نظریه‌ی اصلی نبوده باشد؛ ممکن است یکی از فرض‌های فرعی اشتباه بوده باشد. در زندگی هم باید بین «شواهد مخالف» و «ابطال کامل تصمیم» تفاوت بگذاریم.
هدف از این تکنیک‌ها تولید قطعیت نیست؛ تولید انعطاف‌پذیری است. یک تصمیم‌گیرنده‌ی خوب کسی نیست که همیشه از اول درست حدس بزند. کسی است که وقتی شواهد تغییر می‌کنند، بتواند نظرش را نیز تغییر دهد. در واقع، یکی از نشانه‌های بلوغ شناختی این است که بتوانیم جمله‌ای شبیه این بگوییم:
«من در حال حاضر به این تصمیم باور دارم، اما می‌دانم چه شواهدی می‌تواند باعث شود باورم را تغییر دهم.» این جمله بسیار قدرتمندتر از «من مطمئنم درست می‌گویم» است.
۵ گام عملی برای مقابله با خطاهای شناختی در تصمیم‌گیری
ترکیب نرخ پایه، طبقه مرجع و شواهد مخالف
حالا می‌توانیم تمام تکنیک‌های مطرح‌شده را کنار هم بگذاریم و ببینیم چگونه یک سیستم دفاعی در برابر خطاهای شناختی می‌سازند. فرض کنید می‌خواهیم درباره یک تصمیم مهم، مثل راه‌اندازی کسب‌وکار، تصمیم بگیریم. اول، نرخ پایه را می‌پرسیم:
«در موارد مشابه، معمولاً چه اتفاقی افتاده؟» این سؤال جلوی یک مشکل را می‌گیرد: اینکه داستان خاص خودمان را به‌جای واقعیت آماری بنشانیم. بعد طبقهٔ مرجع پیدا می‌کنیم:
«چه نمونه‌هایی واقعاً شبیه این تصمیم هستند؟» چون هر آماری مفید نیست. اگر طبقه مرجع را بد انتخاب کنیم، نگاه بیرونی نیز می‌تواند گمراه‌کننده شود. مقایسه‌ی یک استارتاپ فناوری نرم‌افزاری با کل کسب‌وکارهای جدید دنیا چندان مفید نیست. باید مجموعه‌ای پیدا کنیم که از نظر ویژگی‌های مرتبط، مشابه‌تر باشد. بعد نگاه درونی را بررسی می‌کنیم:
«شرایط خاص من چیست؟ چه اطلاعاتی در مورد من یا این پروژه داریم که باید نرخ پایه را تعدیل کند؟» اینجا ویژگی‌های خاص دوباره وارد بازی می‌شوند. سپس می‌پرسیم:
«چه چیزی می‌تواند باعث شود اشتباه کرده باشم؟» با این پرسش، خودمان را مجبور می‌کنیم به‌جای جمع‌آوری شواهد تأییدی، به سراغ شواهد چالشی برویم. سپس وکیل مدافع شیطان را فعال می‌کنیم:
«اگر قرار بود علیه تصمیمم قوی‌ترین پرونده‌ی ممکن را بسازم، چه می‌گفتم؟» و در نهایت ابطال‌پذیری: «چه مشاهده‌ای می‌تواند نشان دهد این تصمیم یا فرضیه نیاز به بازنگری دارد؟»
این پنج مرحله، در کنار هم، یک تغییر عمیق در ذهنیت ایجاد می‌کنند. ما دیگر از خودمان نمی‌پرسیم «چطور مطمئن شوم تصمیمم درست است؟» بلکه می‌پرسیم:
«چطور می‌توانم احتمال فریب خوردن از ذهن خودم را کاهش دهم؟» این دو سؤال یکسان نیستند. اولی ما را به سمت اطمینان می‌برد.
دومی ما را به سمت آزمون. و در بسیاری از تصمیم‌های پیچیده، آزمون از اطمینان ارزشمندتر است. تاریخ علم پر از لحظه‌هایی است که پیشرفت نه به‌خاطر کسی رخ داده که توانسته شواهد بیشتری برای ایده‌ی خودش پیدا کند، بلکه به‌خاطر کسی رخ داده که حاضر شده بپرسد «اگر اشتباه کنم چه؟»
این روحیه، همان چیزی است که از علم یک روش یادگیری ساخته است. دانشمند قرار نیست عاشق فرضیه‌ی خودش باشد. قرار است آن را در معرض فشار قرار دهد. البته انسان واقعی، حتی در علم، کاملاً از سوگیری‌ها مصون نیست. دانشمندان هم ممکن است به نظریه‌های مورد علاقه‌ی خود متعهد شوند، داده‌های ناخوشایند را کمتر جدی بگیرند یا وارد مناقشه‌هایی شوند که بار عاطفی زیادی دارند. اما یکی از نقاط قوت روش علمی این است که سعی می‌کند انسان را در معرض ساختارهایی قرار دهد که خطاهای فردی را کمتر کنند: تکرار، بررسی همتا، مقایسه، سنجش، پیش‌بینی و امکان رد شدن.
این دقیقاً درسی است که در زندگی شخصی نیز می‌توان گرفت. ما به‌جای اینکه از مغزمان انتظار داشته باشیم «بی‌سوگیری» شود، می‌توانیم محیط تصمیم‌گیری‌مان را طوری طراحی کنیم که سوگیری‌ها کمتر کنترل ما را در دست بگیرند. به همین دلیل، یکی از بهترین روش‌های استفاده از نرخ پایه این است که آن را «قبل از تصمیم» وارد کنیم.
چرا قبل؟ چون بعد از آنکه سناریوی مورد علاقه‌مان در ذهن شکل گرفت، پیدا کردن نرخ پایه دشوارتر می‌شود. ذهن ما دوست دارد داده‌های جدید را در چارچوب داستانی که قبلاً ساخته‌ایم تفسیر کند. مثلاً اگر ابتدا تصمیم گرفته‌ایم یک کسب‌وکار خاص راه بیندازیم، آمار شکست آن صنعت ممکن است در ذهنمان به‌صورت «ولی مدل من فرق دارد» بازتفسیر شود.
اما اگر پیش از شکل دادن به روایت، نرخ پایه را ببینیم، این عدد بخشی از چارچوب اولیه‌ی فکر ما می‌شود. به عبارت دیگر، ترتیب پرسش‌ها اهمیت دارد. اول:
«این نوع تصمیم در جهان واقعی چگونه پیش رفته است؟» بعد: «شرایط من چقدر با آن‌ها متفاوت است؟»
نه برعکس. همین ترتیب می‌تواند در بسیاری از تصمیم‌ها به‌تنهایی کیفیت قضاوت را تغییر دهد. برای مثال، یک دانشجو ممکن است بگوید:
«من می‌خواهم هم‌زمان کار تمام‌وقت و تحصیل تمام‌وقت داشته باشم.» نگاه درونی: «من منظم هستم، انگیزه دارم، شب‌ها وقت دارم و برنامه‌ریزی می‌کنم.»
نگاه بیرونی: «افرادی که در شرایط مشابه کار تمام‌وقت و تحصیل تمام‌وقت را انجام داده‌اند، واقعاً چه میزان فرسودگی و افت عملکرد تجربه کرده‌اند؟» بعد:
«چه چیزی در شرایط من واقعاً متفاوت است؟» سپس: «اگر بخواهم علیه این تصمیم استدلال کنم، چه می‌گویم؟»
و در نهایت: «چه نشانه‌هایی طی سه ماه آینده به من می‌گویند این برنامه بیش از ظرفیت واقعی من است؟» این آخرین سؤال اهمیت ویژه‌ای دارد، چون تصمیم‌گیری خوب فقط به انتخاب اولیه مربوط نیست. بخش بزرگی از تصمیم‌گیری به «تصحیح مسیر» مربوط است.
بسیاری از افراد تصمیم را یک رویداد می‌بینند: «انتخاب کردم.» اما افراد باتجربه‌تر تصمیم را یک فرایند می‌بینند:
چرا تصمیم‌گیری یک فرایند است، نه یک رویداد؟
«یک انتخاب موقت بر اساس اطلاعات فعلی انجام دادم؛ حالا داده‌های جدید می‌آیند و من باید ببینم چه چیزی باید تغییر کند.» این طرز فکر، ما را از یک مشکل دیگر هم نجات می‌دهد: گرفتار شدن در تصمیم فقط به‌خاطر اینکه قبلاً برای آن هزینه داده‌ایم. وقتی معیارهای ابطال را از قبل تعیین نکرده باشیم، ممکن است ماه‌ها یا سال‌ها در یک انتخاب بمانیم فقط چون نمی‌خواهیم بپذیریم اشتباه کرده‌ایم.
«این‌همه وقت گذاشته‌ام.» «این‌همه پول هزینه کرده‌ام.» «به همه گفته‌ام که این تصمیم درست است.»
«نمی‌توانم حالا برگردم.» اما هزینه‌ای که در گذشته پرداخت شده، به‌خودی‌خود نباید دلیل ادامه دادن باشد. تصمیم درست امروز باید بر اساس اطلاعات امروز ارزیابی شود، نه فقط هزینه‌های دیروز. ابطال‌پذیری در چنین شرایطی کمک می‌کند که به‌جای سؤال «چطور این تصمیم را توجیه کنم؟» بپرسیم:
«اگر امروز بدون هیچ سابقه‌ای قرار بود این تصمیم را بررسی کنم، چه اطلاعاتی می‌دیدم؟» این همان چیزی است که می‌تواند یک تصمیم‌گیرنده را از اسیر شدن در گذشته نجات دهد. در روابط، کسب‌وکار، شغل، تحصیل و حتی عادت‌های شخصی، ما معمولاً بسیار سریع برای انتخاب‌های خود «هویت» می‌سازیم.
«من آدم این شغلم.» «من آدم این شهری‌ام.» «من آدم کارآفرینی‌ام.»
«من این رشته را انتخاب کرده‌ام.» «من این رابطه را دارم.» وقتی تصمیم به بخشی از هویت ما تبدیل شد، مخالفت با تصمیم دیگر فقط مخالفت با یک گزینه نیست؛ احساس می‌کنیم بخشی از خودمان زیر سؤال رفته است. از اینجا به بعد، سوگیری تأییدی می‌تواند قدرتمندتر شود، زیرا ما دیگر فقط از یک فرضیه دفاع نمی‌کنیم؛ از تصویر خودمان دفاع می‌کنیم.
به همین دلیل، یکی از بهترین عادت‌ها این است که فاصله‌ای میان «من» و «تصمیم من» ایجاد کنیم. به‌جای اینکه بگوییم: «من آدمی هستم که باید این کسب‌وکار را موفق کنم.»
بگوییم: «من در حال حاضر فرض می‌کنم این کسب‌وکار ارزش ادامه دادن دارد.» در جمله‌ی دوم جایی برای بازنگری وجود دارد.
در جمله‌ی اول، بازنگری شبیه خیانت به هویت می‌شود. این تغییر زبانی ساده، از نظر روان‌شناختی بسیار بااهمیت است. قرار نیست از خودمان یک ماشین سرد و آماری بسازیم.
احساسات همچنان اطلاعات ارزشمندی دارند. تجربه‌ی شخصی همچنان اهمیت دارد. داستان و شهود همچنان می‌توانند سرنخ بدهند.
نگاه درونی همچنان لازم است. مسئله این نیست که این منابع را حذف کنیم. مسئله این است که اجازه ندهیم یکی از آن‌ها به‌تنهایی تصمیم را کنترل کند. می‌توانیم داستان را بسازیم، اما باید بعداً آن را در برابر آمار قرار دهیم.
می‌توانیم به شهودمان گوش کنیم، اما بپرسیم چه شواهدی آن را به چالش می‌کشد. می‌توانیم از تصمیم خود دفاع کنیم، اما یک نسخه‌ی مخالف آن را نیز بسازیم. می‌توانیم امیدوار باشیم، اما معیارهایی تعیین کنیم که اگر محقق نشدند، امیدمان را به واقعیت بازتنظیم کنیم.
در واقع، شاید هدف اصلی مهارت تصمیم‌گیری منطقی همین باشد: نه حذف ذهن، بلکه ساختن سازوکارهایی که ذهن را وادار کنند گاهی علیه خودش کار کند. نرخ پایه و طبقهٔ مرجع ما را مجبور می‌کنند گذشته را به آینده وصل کنیم. نگاه بیرونی ما را مجبور می‌کند بپذیریم که مسئله‌ی ما احتمالاً آن‌قدر منحصربهفرد نیست که تصور می‌کنیم.
سؤال «چه چیزی می‌تواند باعث شود اشتباه کرده باشم؟» ما را وادار می‌کند از منطقه‌ی امن شواهد تأییدی خارج شویم. وکیل مدافع شیطان صدای مخالفت را از یک مزاحم به یک ابزار تبدیل می‌کند. و ابطال‌پذیری به ما یاد می‌دهد که یک تصمیم خوب، تصمیمی نیست که نتوان آن را زیر سؤال برد؛ تصمیمی است که می‌دانیم تحت چه شرایطی باید آن را دوباره بررسی کنیم.
شاید بتوان تمام این روش‌ها را در یک گفت‌وگوی ساده با خودمان خلاصه کرد. «در موارد مشابه چه اتفاقی افتاده است؟» «این مورد چقدر واقعاً شبیه آن‌هاست؟»
«چه ویژگی خاصی وجود دارد که باید پیش‌بینی را تغییر دهد؟» «اگر مخالف تصمیم خودم بودم، چه می‌گفتم؟» «چه مدرکی می‌تواند نشان دهد اشتباه کرده‌ام؟»
«چه نشانه‌ای باعث می‌شود تصمیمم را اصلاح کنم؟» این سؤال‌ها معجزه نمی‌کنند. هیچ تکنیکی نمی‌تواند عدم‌قطعیت را حذف کند. هیچ‌کس نمی‌تواند تضمین کند که با استفاده از نرخ پایه یا نگاه بیرونی همیشه پیش‌بینی درست خواهد داشت. خود نرخ‌های پایه هم می‌توانند ناقص باشند، طبقه مرجع می‌تواند اشتباه انتخاب شود، داده‌ها ممکن است کیفیت خوبی نداشته باشند و آینده ممکن است واقعاً با گذشته متفاوت باشد. اما این ابزارها کار مهم‌تری انجام می‌دهند: آن‌ها احتمال اینکه یک داستان قانع‌کننده را با یک پیش‌بینی معتبر اشتباه بگیریم، کاهش می‌دهند.
و شاید این همان چیزی باشد که باید از مهارت تصمیم‌گیری منطقی انتظار داشته باشیم. تصمیم‌گیری منطقی یعنی اینکه قبل از تصمیم، احساس نکنیم موظفیم آینده را دقیقاً پیش‌بینی کنیم. یعنی بپذیریم که آینده ناشناخته است، اما جهان کاملاً بی‌اطلاع هم نیست.
گذشته برای ما نرخ پایه می‌سازد. نمونه‌های مشابه، طبقه مرجع می‌سازند. نگاه بیرونی، ما را از جذابیت داستان شخصی فاصله می‌دهد.
مخالفت، ضعف‌های استدلال‌مان را آشکار می‌کند. و ابطال‌پذیری، راه خروجی برای زمانی می‌سازد که شواهد علیه ما قرار می‌گیرند. در نهایت شاید یکی از مهم‌ترین پرسش‌هایی که می‌توانیم پیش از هر تصمیم مهم از خود بپرسیم این نباشد که «آیا من درست می‌گویم؟»
بلکه این باشد: «اگر ذهن من در حال فریب دادن من باشد، احتمالاً دقیقاً از چه راهی این کار را انجام می‌دهد؟» این پرسش ما را متواضع می‌کند، اما نه از نوعی که باعث فلج شدن شود. از نوعی که باعث کنجکاوی می‌شود.
و شاید تصمیم‌گیرنده‌ی خوب دقیقاً کسی باشد که بتواند میان این دو جمله تفاوت بگذارد: «من فکر می‌کنم حق با من است.» و:
جمع‌بندی؛ به‌جای دفاع از تصمیم، آن را بیازمایید
«من دلایلی برای این تصمیم دارم، می‌دانم چه شواهدی آن را پشتیبانی می‌کنند، چه شواهدی می‌توانند تضعیفش کنند، و آماده‌ام اگر داده‌ها تغییر کردند، من هم تغییر کنم.» جمله‌ی دوم شاید به‌اندازه‌ی اولی احساس اطمینان ایجاد نکند. اما هدف تصمیم‌گیری خوب، تولید احساس اطمینان نیست.
هدف، نزدیک‌تر شدن به واقعیت است. و برای نزدیک شدن به واقعیت، گاهی لازم است به‌جای اینکه از تصمیم خودمان دفاع کنیم، آن را زیر سؤال ببریم؛ به‌جای اینکه منحصربهفرد بودن خودمان را برجسته کنیم، به تاریخچه‌ی موارد مشابه نگاه کنیم؛ به‌جای اینکه سناریوی زیبایی برای آینده بسازیم، ببینیم در دنیای واقعی برای دیگران چه اتفاقی افتاده است؛ و به‌جای اینکه بپرسیم «چطور ثابت کنم درست می‌گویم؟»، با شجاعت بیشتری بپرسیم: «چه چیزی می‌تواند نشان دهد که اشتباه می‌کنم؟»
این شاید یکی از ساده‌ترین و در عین حال دشوارترین عادت‌های عقلانی باشد. زیرا ذهن ما معمولاً می‌خواهد حق با او باشد. اما واقعیت، هیچ تعهدی برای درست بودن ذهن ما ندارد. و درست از همین‌جا است که تصمیم‌گیری بهتر آغاز می‌شود.