”Brus”, Daniel Kahneman, Cass Sunstein, Olivier Sibony

I ett samtal med en av sina medförfattare ska den alltid så blygsamma Daniel Kahneman ha sagt att han just nu gick och arbetade på en väldigt stor idé, kanske sin största någonsin. Ett koncept så stort att han var övertygad om att det var detta han skulle ägna resten av sitt liv åt.

Åtta år senare var han och hans medförfattare klara med boken Brus, som utforskar fenomenet med samma namn. Samtliga tre författare har alla bidragit till att göra begreppet bias till en vedertagen term.

En bias kan ses som ett systematiskt snedtänk, som på ett ganska förutsägbart vis påverkar våra bedömningar till det sämre. Personer som är övertygade om att en viss strategisk inriktning är den rätta kommer på ett närmast omedvetet sätt att bara notera information som bekräftar att de har rätt. De kan således anses ha drabbats av så kallad konfirmeringsbias.

En person som systematiskt bedömer kandidater av motsatt kön lägre drabbas å sin sida av en annan, mycket mer allvarlig bias.

Bias är lätt att förstå, lätt att ta på allvar, lätt att identifiera och således lätt att eliminera. Detsamma gäller tyvärr inte brus, menar författarna, trots att brus bidrar till minst lika mycket dåliga bedömningar. Bias är systematiskt och förutsägbart, brus är varierande och oförutsägbart. Bias är främst något som finns hos individer, medan brus är något som främst påverkar organisationer.

Men som du kommer att se längre in i sammanfattningen går det att reducera brus, något som är angeläget då brus påverkar alla typer av bedömningar – och mycket mer än du tror.

För att cementera skillnaden mellan bias och brus inleds boken med bilder på två olika piltavlor. Den första visar en piltavla med fem pilar. Ingen av dessa har träffat mitt i prick, utan har samlats i ett prydligt kluster strax utanför tavlans mitt. Den andra piltavlan, däremot, uppvisar i stället pilar som träffat tavlan lite huller om buller.

Tavla nummer ett symboliserar bias, alltså en typ av miss som sker på samma sätt, kast efter kast. Tavla nummer två symboliserar brus, med en rad missar utan något som helst mönster. Båda felen är viktiga att korrigera, men precis som med piltavlorna är det lättare att se när en bedömning lider av bias än av brus.

Ordet bedömning nämns frekvent i boken så en definition är på sin plats. När författarna talar om bedömningar så menar de ”en sorts mätning där instrumentet är det mänskliga intellektet”.

Med den definitionen i ryggen blir det uppenbart att bedömningar är en central del av chefers vardag. Oavsett roll, bransch eller erfarenhet finns det i dag mer brus i dina och dina medarbetares bedömningar än ni kan föreställa er.

Här är exempel på några av de brusfyllda bedömningar som författarna identifierat i sin forskning:

Värt att notera är att de flesta studier som nämns i boken är amerikanska sådana, vilket inte på något sätt bör öppna upp för en diskussion om huruvida brus främst är något som drabbar amerikanska prognosmakare, domare, skadereglerare och så vidare. Där det sker bedömningar finns det brus, och mer än vi kan ana – oavsett i vilket land bedömningarna äger rum. 

Brusets beståndsdelar

Bias och brus påverkar alltså beslut negativt. Men det är mer komplicerat än så då just brus, ibland även kallat systembrus, i sin tur består av två typer av brus: nivåbrus och mönsterbrus. Det sistnämnda går dessutom att bryta ner i stabilt mönsterbrus och situationsbrus.

Du behöver inte kunna brusets beståndsdelar som ett rinnande vatten, men att ha definitionerna lättillgängliga gör det enklare att förstå exakt vilka problem din organisation eller arbetsgrupp har när det gäller bedömningar.

Här en kortare sammanfattning av brusets beståndsdelar:

Brus och bias har alltså likvärdiga roller när det kommer till att förklara avvikelser och felaktiga bedömningar. Historiskt sett har det varit enklare och vanligare att bias används som den främsta förklaringsmodellen. Anledningen är att det är lättare att i efterhand se och acceptera en bias som förklaringsmodell. Att mena att en kvinnlig kandidat valts bort på grund av könsbias hos bedömarna är betydligt lättare att acceptera än förklaringar som har med brus att göra, menar författarna. För vem vill exempelvis tro att ledningsgruppens beslut delvis påverkades av det faktum att det under tiden för beslutet var exceptionellt vackert väder?

Arbetsgruppen – en brusförstärkare

Ett återkommande råd för att minska brus är att inte lämna viktiga bedömningar åt enskilda individer, utan i stället låta dessa göras av grupper. En sammanvägning av flera individers bedömningar är med andra ord alltid mer brusfri än enskilda bedömningar. Samtidigt och trots detta vill författarna lyfta ett varningens finger när det gäller just arbetsgruppen, på grund av att den också har en förmåga att på vissa sätt öka bruset.

Men hur kan kollektiva bedömningar både vara lösningen och en riskfaktor?

I mångt och mycket handlar det om hur gruppen går tillväga när de fattar viktiga beslut. Görs det fel kan två farliga psykologiska krafter släppas lösa:

Den första kraften går under namnet kaskader och handlar om hur en individs yttrande riskerar att färga vad nästa person kommer att säga, vilket i sin tur påverkar personen efter, och så vidare. Så kallade informationskaskader kan exempelvis uppstå i ett samtal kring en potentiell rekrytering. En grupp chefer ses för att diskutera de tre huvudkandidaterna. Den första som yttrar sig talar starkt för kandidat ett, vilket får nästa person på tur att bli lite osäker och då väljer att lita på den första talarens omdöme. Situationer som denna är med andra ord som gjorda för att innehålla en hel del situationsbrus.

Den andra kraften är så kallad gruppolarisering, ett välbeforskat tema inom socialpsykologin. Till skillnad från kaskader handlar det här inte om att en individs åsikt spiller över och färgar av sig på nästa. I stället är gruppen här redan av samma uppfattning och tenderar att skruva sina åsikter mot det mer extrema. Studier har exempelvis visat hur politiskt likasinnade tar fram varandras mer extrema åsikter och gruppen sluter således upp med en ståndpunkt mer extrem än respektive medlem hade innan frågan började diskuteras. Samma effekt har dokumenterats när juryer ska fatta beslut om skadestånd. Svarar medlemmarna individuellt blir skadestånden betydligt mindre än om medlemmarna ska diskutera sig fram till ett rimligt belopp.

Så även om kollektiva beslut är mindre brusfyllda än individuella, krävs det att gruppen har rätt process för att göra sina bedömningar för att undvika dessa fallgropar.

Vägen mot mindre brus och bättre bedömningar

Det moderna arbetslivet har sedan länge gått mot hyperspecialisering där experter och deras omdömen blir allt viktigare. Då experter just gör bedömningar, snarare än beräkningar, är det i princip omöjligt att göra bedömningar utan minsta lilla brus. En mer långsiktig lösning på problemet kan vara att överlåta vissa bedömningar åt algoritmer, något som beskrivs utförligare i slutet av denna bok.

Men då mer maskinbaserade lösningar både är dyra och för med sig vissa risker, är det rimligt att anta att de flesta organisationer alltid kommer att vara beroende av mänskliga bedömningar. Därför är den första åtgärden för alla organisationer att utföra en så kallad brusinventering.

Vi återkommer snart exakt till hur en sådan går till, men sammanfattningsvis handlar en brusinventering om en process där flera av organisationens medarbetare utför en och samma bedömning. Det kan exempelvis vara projektledare som uppskattar tidsåtgång för ett fiktivt projekt. Eller att en grupp handläggare utför en bedömning av ett och samma fall.

När arbetsplatsens brusinventering är klar blir det tydligt hur mycket brus som finns i bedömningarna. Nästa steg blir därför att vidta åtgärder som rensar bort bias respektive åtgärder som minimerar mängden brus.

Bias reduceras på två sätt:

Lösningen på brusiga bedömningar är att en rad olika aktiviteter införs för att uppnå god beslutshygien. Precis som en arbetsplats har rutiner för god hygien (tvätta händer, stanna hemma om du är sjuk, ställ undan din disk etc.) måste rutiner för beslutshygien också införas, menar författarna.

För att se till att din organisation har god beslutshygien bör följande tre råd följas:

Författarna är medvetna om att deras råd om att införa fler maskinstyrda regler kring beslut lätt väcker negativa känslor, vilket också är varför så få människor och organisationer låter algoritmer fatta viktiga beslut. Förklaringarna till ”regelskepsisen” är många (vi är rädda att ersättas av teknik, vi förstår inte tekniken, vi ogillar datorer och så vidare) men den viktigaste orsaken är att människor inte ställer samma krav på människor som de gör på algoritmer.

I mångt och mycket förväntar sig människor att maskiner ska vara felfria, vilket också är varför många faktiskt är villiga att testa att ta råd från en algoritm. Om ett sådant råd skulle visa sig vara felaktigt får algoritmen sällan en andra chans. Trots att mänskliga bedömare ofta är sämre har vi inte samma krav på korrekthet när det gäller våra medmänniskor som vi har på beslutsalgoritmer, är författarnas poäng.

Bättre och brusfria rekryteringar

Ett exempel på en mycket viktig bedömning du som ledare gör, är vid en rekryteringssituation.

I all enkelhet kan syftet med rekryteringsförfarandet vara att bedöma huruvida en kandidat kommer att lyckas med jobbet som personen söker. En sammanställning av all modern forskning kring rekrytering visar att ostrukturerade anställningsintervjuer inte är rätt väg att gå för att lyckas med en sådan bedömning.

Själva intervjuförfarandet är fullt av såväl bias som brus. Korrelationen mellan två bedömares betyg av en kandidat är ofta mycket låg. Dels finns det mycket mönsterbrus i situationen eftersom olika bedömare reagerar olika på samma kandidat och dennes svar, bland annat utifrån tidigare erfarenheter. Det finns också mycket situationsbrus då man bland annat sett att det övergripande omdömet av en kandidat styrs av bedömarens första intryck, som påverkas av yttre tillfälliga faktorer, exempelvis tidpunkt och väder.

Rekryteringar kan bli bra mycket mindre brusiga, hävdar författarna. Lösningen är struktur och delbedömningar. Många av de praktiska råd som ges i boken är hämtade från Google, som just funnit att företagets anställningsintervjuer hade noll värde när det handlade om att förutse framtida arbetsprestation. För att åtgärda problemet skapade företaget tre principer för strukturering av komplexa bedömningar.

Är algoritmer lösningen?

Det är inte bara svårt att identifiera att en organisation innehåller brus, det är också svårt att reducera brus. Den optimala lösningen är som boken visar att införa mer regelstyrda bedömningar, inkludera fler bedömare i beslut och att gå mot att använda algoritmer och artificiell intelligens. Dessa åtgärder är tyvärr dyra. Tänk om exempelvis, skriver författarna, alla skolor skulle vidta nödvändiga åtgärder för att minska brus vid betygsättning, det vill säga att fler än en lärare skulle betygsätta ett och samma prov.

Trots detta avslutar författarna boken med att argumentera för fler maskiner när det gäller bedömningar. Algoritmer kan förvisso vara påverkade av bias, exempelvis om de bygger på snedvridna källdata eller om de bygger sina prediktioner på variabler som kön och etnicitet. Men de kan också vara helt brusfria och därmed ha en viktig funktion att fylla.

I väntan på mer maskin-algoritmer på arbetsplatsen bör du och din organisation utföra en brusinventering för att se hur stor variation som finns i era bedömningar. Därefter bör ni vidta nödvändiga åtgärder för att minska bruset i era bedömningar.

Men – räkna inte med att vare sig ni eller världen någonsin kommer att bli helt brusfri, är slutordet från bokens författare.