of 64621 LinkedIn

Wegnemen 'ruis' verbetert beslissingen bestuurders

Oordelen is een vorm van meten met de menselijke geest als instrument, dat is blootgesteld aan vooroordelen en ruis. Nobelprijswinnaar Daniel Kahneman beschrijft in zijn nieuwste boek wat je als leidinggevende kunt doen om deze stoorzenders te reduceren bij jezelf en in de organisatie.

Oordelen is een vorm van meten met de menselijke geest als instrument, dat is blootgesteld aan vooroordelen en ruis. Nobelprijswinnaar Daniel Kahneman beschrijft in zijn nieuwste boek wat je als leiddinggevende kunt doen om deze stoorzenders te reduceren bij jezelf en in de organisatie.

Ruis

Twee mensen met precies dezelfde diagnose komen bij het UWV voor een keuring. De ene wordt volledig afgekeurd en krijgt een uitkering en de andere niet. Twee rechters die een uitspraak doen in een zaak met exact hetzelfde misdrijf, gepleegd onder identieke omstandigheden. De ene rechter geeft de veroordeelde twee jaar cel, de andere zeven jaar en een boete van 250.000 euro. Twee CFO's die een identieke businesscase beoordelen. Één CFO geeft hem groen licht en de ander schiet hem af. Allemaal voorbeelden van ‘ruis', het onderwerp van het nieuwste boek van de wereldberoemde psycholoog Daniel Kahneman, dat hij samen schreef met vakgenoten Olivier Sibony en Cass R. Sunstein. Alle drie de auteurs zijn experts in besluitvorming en wat daarbij mis kan gaan.


Rationeel
In Kahneman's vorige invloedrijke boek Thinking Fast, and Slow, ging het vooral om vooroordelen en heuristieken, mentale shortcuts die mensen in staat stelt om in een complexe wereld met te veel informatie toch op efficiënte wijze beslissingen te kunnen nemen. Wat Kahneman aantoonde in dit bekroonde werk is dat mensen niet altijd zulke rationele beslissingen nemen als zij zelf vaak denken. Ruis is een vergelijkbaar soort probleem dat samengevat kan worden als; een ongewenst verschil in oordelen die idealiter identiek zouden moeten zijn. 

Noise audits

Ondernemingen kunnen veel verliezen door ruis, ontdekten de onderzoekers door ‘noise audits’ te verrichten bij verschillende bedrijven. Bij een verzekeraar ontdekten zij bijvoorbeeld dat werknemers die de premies bepaalden voor zekere risico's tot compleet andere bedragen kwamen voor exact dezelfde risico's. Ze vonden een gemiddeld verschil van 55 procent. De verliezen die de verzekeraar leed op de te laag geprijsde contracten schatten zij op enkele honderden miljoenen dollars.

Onzichtbaar probleem

'Nog los van de financiële schade’, merken de auteurs op, ‘wat zouden de klanten hiervan vinden? Ze verwachten consistente oordelen en krijgen systeemruis’. Bij een noise audit bij een investeringsfirma lieten ze 42 ervaren beleggers een aandeel waarderen op basis van precies dezelfde informatie. Het gemiddelde verschil bedroeg 41 procent. Zo'n groot verschil binnen één firma dat dezelfde waarderingsmethodes gebruikt is geen goed nieuws. Wat de auteurs erg verbaasde bij de verzekeraar, was dat de bestuurders van de firma compleet verrast werden door de uitkomsten. Ruis bleek een onzichtbaar probleem te zijn. De auteurs verklaren dit doordat mensen de neiging te hebben te veronderstellen dat andere mensen de wereld op dezelfde manier bekijken.


Conflict vermijden

We besteden doorgaans weinig tijd aan het genereren van plausibele alternatieven voor ons persoonlijke perspectief. Ruis blijft verder onzichtbaar door de illusie van overeenstemming. Voor veel mensen is het ongemakkelijk om het niet met elkaar eens te zijn. Liever harmonie en consensus dan conflict. Procedures zijn vaak zo ontworpen dat conflict vermeden wordt in plaats van dat de best mogelijke beslissing wordt genomen.  

Oorzaken van ruis
Ruis komt bij vele typen organisaties voor en kan onderverdeeld worden in verschillende vormen. Niveauruis betekent bijvoorbeeld dat sommige CFO's meer op cost control zitten dan andere, dus dit is een redelijk consistente en voorspelbare vorm. Patroonruis is meer willekeurig: een CFO is meer geneigd geld in een wagenpark te investeren omdat hij autogek is. De laatste variant is gelegenheidsruis. Een voorbeeld is dat een financieel directeur chagrijnig is omdat zijn favoriete voelbalclub heeft verloren en daarom een zakelijk voorstel afwijst. Samen vormen de verschillende categorieën systeemruis. 

Vooroordelen
Ruis ontstaat op verschillende manieren, maar een belangrijke oorzaak zijn vooroordelen. Deze worden uitgebreid behandeld in Thinking, Fast & Slow, maar enkele voorbeelden zijn:

• Negeren van statistieken: Bij een probleem nemen we statische informatie over het probleem niet mee.  
• Vervangen van de ene vraag voor een andere: De vraag ‘ben ik tevreden met mijn leven?’ wordt bijvoorbeeld vervangen door ‘wat is mijn humeur op dit moment?’. Het huidige humeur wordt onredelijk zwaar meegenomen. 
• Referentie-effect: We springen vaak naar een conclusie en blijven daarbij. We denken dat onze mening op bewijs is gebaseerd, maar hier zit vaak een verstoring in. We vervormen het bewijs zodat het bij ons eerste oordeel past.  
• Affectheuristiek: Mensen nemen een besluit door hun gevoel te raadplegen.  
 
Systeemruis
Individuele verschillen in al deze vooroordelen kunnen enorme systeemruis veroorzaken, stellen de auteurs. Groepen versterken deze ruis nog eens. Denk maar aan vergaderingen. Daarin maakt het een groot verschil wie als eerste praat en wie als laatste of helemaal niet aan bod komt, wie dominant is in de groep, wat de onderlinge verhoudingen zijn, wie de meeste overtuigingskracht heeft, et cetera. De impact is groot op zakelijke beslissingen. Wie wordt er aangenomen? Wie wordt er ontslagen of overgeplaatst? Welke producten worden gelanceerd en welke niet? En waar wordt de stekker uitgetrokken? Factoren die irrelevant zouden moeten zijn, wegen zwaar mee in zulke beslissingen. 
 
Het reduceren van ruis 
Een wereld met minder ruis heeft vele voordelen; het zou heel veel geld schelen, fouten voorkomen, de publieke veiligheid en gezondheid verbeteren, en zorgen voor meer eerlijkheid en gerechtigheid. Dus hoe kunnen we het elimineren of tenminste verminderen? De auteurs geven verschillende tips in het boek.  
 
• Maak gebruik van de ‘wisdom of the crowd'. Het gemiddelde van meerdere beoordelingen zit dichter op de waarheid en is dus minder lawaaierig. Crowds moeten wel onafhankelijk tot hun oordeel kunnen komen en niet blootgesteld worden aan groepsinvloeden.  

• Als je een onafhankelijke mening van buitenstaanders kan krijgen, doen! Zo niet, creëer een ‘inner crowd' om beslissingen mee tegen elkaar af te zetten.   
 
• Neem de tijd voor belangrijke beslissingen. Neem afstand van je eerste mening en argumenteer actief tegen jezelf waarom je eerste oordeel niet klopt, bijvoorbeeld vanwege foute aannames en vooroordelen.  
 
• Humeur maakt een verschil. Wanneer in een onderhandeling het humeur goed is, worden er betere resultaten bereikt. Ook het tijdstip maakt een verschil. Aan het einde van de werkdag zijn artsen bijvoorbeeld sneller geneigd te kiezen voor ‘quick fixes’, blijkt uit onderzoek. Let dus op wanneer je een zakelijk besluit neemt.

• Kies betere beoordelaars. Kenmerken zijn: hoge intelligentie, goed opgeleid in besluitvorming en een goede cognitieve stijl. Hoe iemand denkt maakt een groot verschil. Een effectieve stijl is actief open-minded denken en beseffen dat je oordeel altijd een ‘work-in-progress' is. De beste forecasters veranderen voortdurend van mening, denken in waarschijnlijkheden, en zoeken voortdurend naar informatie die in tegenspraak is met hun eerdere overtuiging. De persoonlijkheid van de beste beslissers past wellicht niet met het typische beeld van de besluitvaardige leider.   
 
• Maak gebruik van een ‘decision observer’ die kijkt of de besluitvorming in een groep beïnvloedt wordt door vooroordelen.  
 
• Vele studies hebben aangetoond dat mechanische regels (algoritmes) superieur zijn ten opzichte van menselijke oordelen. Als je jezelf vervangt door een model van jou krijg je accuratere beslissingen. Waarom? Jij voegt complexiteit en rijkdom toe aan een beoordeling, maar dat leidt niet tot betere voorspellingen. Zielloze consistentie bereikt betere resultaten. Daarom de tip: waar mogelijk, gebruik regels en algoritmes, ruisvrije methodes.  

AI
Kunstmatige intelligentie (AI) is in dat opzicht ook een grote belofte. Zeker omdat er steeds meer data beschikbaar komt om de algoritmes mee te trainen. Op Colombia Business School werd een onderzoek gedaan met algoritmes in recruitment. Bij kandidaten die door een algoritme werden geselecteerd, was het 14 procent waarschijnlijker dat ze een baanaanbod zouden ontvangen na een sollicitatiegesprek. Ook ontstond er een diverser team. Als algoritmes zo succesvol zijn, waarom worden ze dan niet meer gebruikt in besluitvorming? Omdat experts denken dat ze het beter kunnen (de illusie van vaardigheid). De auteurs delen hun resultaten vaak en een typische reactie van een leidinggevende is dat ze hun ‘gut’ meer vertrouwen dan welke analyse dan ook.    

Meer bewustzijn

Tot slot, het reduceren van ruis begint bij meer bewustzijn over het probleem. Het lezen van het vuistdikke boek is dus aan te raden, zeker wanneer je regelmatig betrokken bent bij beslissingen die grote impact hebben. Als je vermoedt dat er in je organisatie veel ruis kan zijn adviseren Kahneman, Sibony en Sunstein een ‘noise audit’. Boven alles helpt het om een open geest te houden voor argumenten die aantonen dat jij het misschien wel bij het verkeerde eind hebt.

Een versie van dit artikel van Jeppe Kleyngeld verscheen eerder op CHRO.

Verstuur dit artikel naar Google+

GERELATEERDE ARTIKELEN

Reageer op dit artikel
















Even geduld a.u.b.

Reactie op dit bericht

Door Jannie op
Beslissingen nemen mbv algoritmes, AI en machine learning prima, maar houd in de gaten dat juist hier (verborgen) bias in versleuteld kan zijn. Bijv. een algoritme geeft aan welke persoon de beste kandidaat voor een functie zou zijn. Niet toevallig is dat keer op keer een witte, hetero man. Het algoritme maakt nml gebruik van historische gegevens en daarin komen van oudsher vooral witte, hetero mannen voor. Geen wonder dat het algoritme dus nooit iets anders aanwijst dan dat. En een toonaangevend voorbeeld van een algoritme waarin bias zat en waar dat compleet verkeerd heeft uitgepakt: de Toeslagenaffaire... Pas dus op met algoritmen en (verborgen) bias!!! Een algoritme is geen toverdoos. Persoonlijke inbreng en logisch nadenken blijft additioneel nodig.

Vacatures

Van onze partners

Whitepapers