Thinking companion, companion for thinking

Компаньон для мышления, мышление с компаньоном

Несколько простых способов использовать ИИ, чтобы вырваться из плена когнитивных искажений

Я уверен, что большинство моих читателей знакомы с когнитивными искажениями — областями, где человеческие решения отклоняются от рациональных. Продолжаются споры о том, сколько фундаментальных искажений существует (150? 25? Всего одно?), но нет сомнений, что люди часто ведут себя нерационально. И, как показали многие мои коллеги, эти сбои могут приводить к плохим решениям. Настолько, что снижение когнитивных искажений стало одной из ключевых тем во многих областях социальных наук.

Я хотел бы предположить, что ИИ даёт уникальную возможность по-новому решить проблему искажений в принятии решений. В конце концов, многие из этих искажений возникают из-за того, что мы заперты в собственном сознании. Но теперь у нас есть другой (странный, искусственный) разум, к которому можно обратиться за помощью. ИИ может стать нашим компаньоном для мышления, улучшая качество наших решений и помогая нам осмысливать собственный выбор (а не просто перекладывая принятие решений на ИИ). В этой статье я рассмотрю пару подходов, которые могут быть полезны, но это лишь начало. Мы внезапно оказались в области, где навыки принятия решений человеком могут быть легко усилены новым способом, а потенциал и риски ещё не до конца ясны.

ИИ для проверки нашего мышления

Существует множество причин, по которым мы склонны предпочитать информацию, не слишком противоречащую нашим предположениям: от предвзятости подтверждения до эффекта IKEA (мы считаем, что всё, что мы делаем или строим, более качественное) и фундаментальной ошибки атрибуции (мы объясняем свои неудачи невезением, а чужие — некомпетентностью). В результате мы уделяем недостаточно внимания тому факту, что можем ошибаться, или не исследуем альтернативы, что может привести к провалу планирования или нереалистичной оценке шансов.

Подобные искажения могут быть ещё сильнее в командах, где Абилинский парадокс и групповое мышление влияют на готовность команды предлагать альтернативы. Абилинский парадокс — это явление, при котором группа людей коллективно принимает решение, противоречащее предпочтениям каждого отдельного участника. Это происходит потому, что каждый ошибочно полагает, что его собственные предпочтения не совпадают с групповым консенсусом, и поэтому не хочет высказывать возражения. В итоге все принимают решение, которое ненавидит каждый участник группы! Групповое мышление, с другой стороны, возникает, когда стремление к гармонии или конформизму приводит к иррациональным или дисфункциональным решениям. Члены группы ставят согласие выше критической оценки альтернативных точек зрения, часто подавляя несогласие и упуская из виду потенциальные проблемы.

Все эти искажения объединяет общая нить: предпочтение информации, совпадающей с предвзятыми представлениями, подавление инакомыслия и ограничение исследования разнообразных перспектив. Мы знаем техники, которые помогают преодолеть эти искажения, но применять их нелегко, потому что сначала нужно признать наличие проблемы. Например, проведение пре-мортема, когда вы рассказываете истории о том, как проект может провалиться, связано с более высокими показателями успеха, но требует признания возможности неудачи. Именно в этом и состоит ценность упражнения — оно делает допустимым рассмотрение возможных негативных исходов, пробивая барьер ваших искажений.

ИИ отлично справляется с генерацией историй о неудачах (и возможных решений). Например: Я собираюсь написать пост в блоге о том, как использовать ИИ для принятия лучших решений, который получат 30 000 человек. Дай мне четыре яркие истории о том, как написание этого поста может провалиться — в процессе или по результату.

Ответы показались мне достаточно правдоподобными, и я попросил ИИ помочь их решить. Я вставил приведённый выше раздел и спросил: Вот что я планирую написать — мне всё ещё грозят эти провалы? Предложи конкретные формулировки, которые мне стоит добавить или изменить.

Есть и другие промпты, с помощью которых можно заставить ИИ бросить вызов вашему мышлению. Вставьте план проекта и напишите: дай мне три абзаца, каждый из которых подробно описывает один отдельный сценарий провала этого проекта, с фокусом на сбоях в [процессе/продажах/планировании/и т.д.]. Загрузите своё резюме и спросите: какие пробелы в навыках могут помешать мне достичь моей цели ____. Возьмите ноутбук на следующий обзор спринта, загрузите стенограмму встречи и спросите: какие риски мы упускаем в этой стенограмме для достижения наших целей ____.

ИИ для принятия перемен

С другой стороны, существует множество искажений, говорящих о том, что чрезмерное беспокойство о неудачах может парализовать нас и помешать действовать. Среди них — неприятие потерь (наша склонность избегать потерь сильнее, чем готовность стремиться к выгоде), гиперболическое дисконтирование (наша склонность ценить краткосрочные награды больше, чем долгосрочные выгоды) и искажение статус-кво, которое заставляет нас избегать перемен, даже когда они могут пойти на пользу.

Эти искажения могут заставлять нас упускать возможности, но ИИ способен помочь. Недавно я писал о практических способах, которыми ИИ может помочь нам сдвинуться с мёртвой точки и продвинуться к нашим целям. Но ИИ также может быть полезен для непосредственного преодоления искажений, мешающих нам принимать перемены.

Например, мы можем попросить его помочь нам преодолеть искажение статус-кво, переформулировав наше бездействие как потерю — фрейм, который также помогает справиться с неприятием потерь, заставляя думать о выгодах. ИИ удивительно хорош в этом: Я подумывал начать тренироваться к забегу на 5 км, но я очень занят и не думаю, что хочу идти на такие большие перемены. Можешь переформулировать мой отказ от участия в забеге на 5 км как потерю, а не как вариант по умолчанию? Сделай формулировку яркой.

Если поставить вопрос так…

ИИ для рассмотрения альтернатив

Существуют также искажения, которые ограничивают наш взгляд на альтернативные варианты и делают нас слепыми к истинным издержкам наших действий. Неудивительно, что исследование, в котором опросили всех экономистов Швеции, чтобы выяснить, какую экономическую концепцию важнее всего знать каждому, показало, что подавляющее большинство выбрало… альтернативные издержки.

Альтернативные издержки — это то, от чего вы отказываетесь, делая выбор. Не только то, что вы не купили на потраченные деньги, но и то, что вы могли бы сделать с этими деньгами, если бы сберегли их на будущее. Поскольку в рациональном мире вы должны были выбрать лучший вариант, альтернативные издержки — это ваш следующий лучший выбор. Но, конечно, в реальных человеческих решениях это не совсем так. Множество исследований показали, что люди пренебрегают альтернативными издержками при выборе. Это приводит к тому, что потребители попадаются на плохой маркетинг, политики принимают близорукие решения и возникают другие негативные последствия.

Концепцию альтернативных издержек крайне трудно применять на практике, поскольку она требует активного обдумывания неудобной и раздражающей информации, подрывающей радость от сделанного выбора. Например, чтобы учесть альтернативные издержки, можно составить список того, на что ещё вы хотели бы потратить деньги, пересчитать расходы в часах работы или даже представить себя на пенсии. Это не только утомительно обдумывать, но и утомительно считать. И здесь снова на помощь приходит ИИ. Вы можете спросить: Мне 25 лет, я зарабатываю $22 в час. Я хочу купить новый игровой ПК за $2 800. Как мне оценить альтернативные издержки этой покупки — и с точки зрения моей нынешней работы, и с точки зрения будущей пенсии? Делай любые допущения, которые считаешь нужными.

Учитывая, что процесс оценки альтернативных издержек призван отнять радость от покупок, неудивительно, что просить ИИ анализировать эти вопросы — не самое весёлое занятие. Но исследования показывают, что учёт альтернативных издержек ведёт к лучшим решениям, а донести эти идеи иным способом очень сложно (поверьте, я участвовал в нескольких проектах по созданию игр для обучения финансовой грамотности).

Дополненное заключение

Хотя ИИ может значительно улучшить наши процессы принятия решений, предоставляя объективный анализ и рекомендации, важно помнить, что это инструмент для поддержки людей, принимающих решения, а не для их замены. У ИИ есть свои ограничения, и его эффективность зависит от качества данных и дизайна алгоритмов. Кроме того, исследуя потенциал ИИ в принятии решений, крайне важно учитывать этические последствия: алгоритмические предвзятости, конфиденциальность данных и влияние на рабочие места. Самое главное — ИИ призван не заменить экспертизу человека, а дополнить её. Используя аналитические возможности ИИ, люди, принимающие решения, могут делать более обоснованный выбор, по-прежнему опираясь на свою интуицию, опыт и суждения для навигации в сложных ситуациях.

Если вы читали начало поста, то заметили, что предыдущий абзац — это дословно тот текст, который ИИ посоветовал мне написать, чтобы избежать обсуждавшихся ранее рисков провала. Я не спорю с его посылом, однако считаю важным завершить статью последней (человеческой) мыслью. Нам нужно принять и исследовать способы, которыми ИИ может дополнить наши решения, при этом помня о рисках — как очевидных, так и неочевидных. У людей есть изъяны в принятии решений, но они есть и у ИИ. Мы можем надеяться, что наши изъяны уравновесят друг друга и люди станут лучше принимать решения, не утрачивая при этом способности контролировать собственный выбор. Использование ИИ для осмысления нашего собственного процесса принятия решений представляется самым безопасным и полезным способом начать.

Поделиться