哪里有判斷，哪里就有噪聲。噪聲是“本該相同的判斷中存在的變異性”。

諾貝爾經濟學獎得主丹尼爾·卡尼曼用體重秤打比方：你放在浴室的體重秤，每次測出來都偏重一斤，這就是“偏差”，也很容易糾正，只要每次在顯示的體重的基礎上減去一斤就可以了。但假如有一臺秤，你連續三次站上去結果都不一樣，三個數值之間存在微小的差別，且這個差別是隨機的，這就是“噪聲”。

在有關人類判斷失誤的公開討論中，偏差是臺上的主角，噪聲只是幕后一個不起眼的參與者。而在現實的決策中，噪聲的數量往往高得驚人。

諾貝爾經濟學獎得主丹尼爾·卡尼曼在暢銷書《思考，快與慢》中指出了人類思考過程中的諸多缺陷，向我們展示了，我們并沒有自己想象的那么理性。

在卡尼曼與奧利維耶·西博尼、卡斯·R·桑斯坦合著的新書《噪聲》中，作者通過對人類判斷、決策和選擇的研究，指出偏差與噪聲是人類判斷的兩類錯誤。

哪里有判斷，哪里就有噪聲。噪聲是“本該相同的判斷中存在的變異性”。

比如，醫生中的噪聲水平遠超我們的想象。在診斷癌癥和心臟病，甚至在看X光片時，專家們也會出現意見不一致的情況。這意味著病人得到的治療可能是碰運氣的結果。再比如，醫生往往會認為，無論是星期一還是星期五，清晨還是傍晚，他們都會做出同樣的決策。但事實證明，醫生的言行可能完全取決于他們的疲勞程度。

“即使是依據簡單規則搭建的算法模型，在做決策時也往往比人類更可靠。”卡尼曼在專訪中直言，算法沒有噪聲，因此比人類決策更有優勢，“當然，這不是說我們要用算法替代人類，關鍵是，我們該如何減少噪聲，提高決策的準確性”。

卡尼曼將這項重任寄托于組織身上，這位“悲觀的心理學家”相信，在決策的時候避免噪聲，實在不是個體十分擅長的事情。“如果說，可以抱有什么信念的話，我其實把它放在組織身上。”

《噪聲》中為組織的決策者們提供了減少噪聲的策略——作者稱之為“決策衛生”。他們還重點介紹了“降噪”中組織可能面臨的挑戰，以及有時需要做出的利弊權衡。

以下是《中歐商業評論》與《噪聲》作者的對話。

中歐商業評論（以下簡稱CBR）：以全人類正在共同經歷的疫情為例，在您看來，哪些我們此刻正在承擔的后果是由于“我們對噪聲視而不見”導致的？

《噪聲》作者：這場疫情有一個顯著的特點，那就是，盡管存在微小的差異，許多國家需要處理的問題類似，它們追求共同的目標，擁有的數據也是一致的。

然而，這些國家卻做出了各自不同的決策。例如，一款疫苗是否因副作用而被撤出市場，哪一類人群需要注射疫苗，這些問題應該有理想的正確答案，然而不同國家給出的答案有時存在明顯的不同。

我們總是用”隱藏的議程”或“不同的偏好”來解釋這種不同，但實際情況是，這種不同是由噪聲導致的：本該相同的判斷中，不同的人無法做出一致的決策。

CBR：人們對“偏差”的敏感程度日益加深，也理解偏差對判斷帶來的影響，基于糾正偏差、消除歧視也產生了一系列的法規和機制，但對于非統計學專業人士而言，很少有人會將判斷錯誤歸因于“噪聲”，甚至要嚴格區分“偏差”與“噪聲”也十分困難，對于企業管理者而言，承認“噪聲”的存在有什么意義？

《噪聲》作者：偏差是一種可以預見的方向錯誤。不是所有錯誤都源自偏差。當人們被期望就某個目標達成一致，而到頭來他們卻產生了嚴重的分歧，此時這些判斷就存在噪聲。

一個測量的例子可以最好地說明“偏差”與“噪聲”的區別。比如，你放在浴室的體重秤，每次測出來都偏重一斤，這就是“偏差”，也很容易糾正，只要每次在顯示的體重的基礎上減去一斤就可以了。但假如有一臺秤，你連續三次站上去結果都不一樣，三個數值之間存在微小的差別，且這個差別是隨機的，這就是“噪聲”。

偏差和噪聲，即系統偏差和隨機離散，是誤差的不同組成部分，為了做出正確的決策，組織需要同時與偏差和噪聲作斗爭。

CBR：在您日常接觸的硅谷科技公司的創始人和高管中，他們通常采取什么樣的措施減少決策過程中的噪聲？

《噪聲》作者：我們日常不會接觸硅谷公司，不過，通常而言，認真對待噪聲的組織傾向于制定決策流程，以減少噪聲對個人決策的影響。一種減少噪聲的方法我們稱之為決策衛生，另一種方法是用算法代替人類做決策。

CBR：算法在其中發揮著怎樣的作用？

《噪聲》作者：無論算法的質量如何，相對于人類判斷，算法還是具有巨大的優勢的——算法消除了噪聲。算法在做出決策時，不存在心情好壞，也不受客觀環境的影響。這也是為什么人工智能算法在許多應用程序中發揮著舉足輕重的作用。即使是依據簡單規則搭建的算法模型，在做決策時也往往比人類更可靠。

當然，這不是說我們要用算法替代人類。首先，這不可能。其次，算法有時會產生偏見和歧視，這將導致運用算法減少噪聲得不償失。第三，哲學意義上，即使一種算法在多重指標上的表現都優于人類判斷，我們可能還是想要人來負責算法。

基于以上三個原因，《噪聲》一書并非倡導“人類決策是糟糕的，必須用算法取代它”，這本書研究的是，“人類決策是有缺陷的，我們該如何提高決策的準確性？”為了實現這個目標，我們應該嘗試模仿沒有噪聲的機器決策。

CBR：有判斷的地方，就有噪聲，尤其當涉及到個人對個人的判斷，比如面試、績效評估、人才選拔/淘汰上，噪聲數量和危害尤甚，對管理者而言，如何跨出解決問題的第一步，您有什么好的建議？

《噪聲》作者：第一步是正視噪聲問題。也許迄今為止，你都沒有思考過噪聲對決策的負面影響，是時候研究一下噪聲問題有多嚴重，存在多大的風險。我們可以通過噪聲審查來評估系統中的噪聲。在噪聲審查過程中，幾名專業人員對同一案例做出獨立判斷，我們可以在不知道真實值的情況下測量噪聲。

以人事決策為例，我們可以詢問幾名專業人員對某個應聘者的看法，或他們對某位員工表現的評價，由此評估人事系統的噪聲，前提是，我們必須確保專業人員獨立做判斷，且結果互不干擾。

毫無意外地，我們會發現每個人的結論都不同——這就是人類決策——并且很有可能，專業人員之間的差異之大超出我們的想象。這意味著，一項決策一旦換了負責人，結果就會迥然不同。對于任何組織來說，這都是一個令人不安的結論。

CBR：對于組織而言，最佳的噪聲水平意味著什么？如何找到最佳的噪聲水平？

《噪聲》作者：我們把噪聲定義為“本該相同的判斷中存在的不受歡迎的變異性”，根據定義，噪聲有害無益，然而，每當我們建議人們消除噪聲時，他們可能會以成本過高為由進行反對。

例如，當給學生評分時，老師本身存在噪聲。假如每篇論文都由三位老師打分，再取平均值，噪聲就會小得多，但是否每一次打分都要勞師動眾？也未必，只有當打分結果對學生有重大影響時，我們才會考慮這么做。

我們在《噪聲》一書中提出“最佳的噪聲水平”，它指的是我們需要權衡減少噪聲的成本與益處。但不可能徹底消除噪聲不應該成為無視噪聲的借口，恰恰相反，只有正視噪聲的存在，我們才有可能權衡每一個具體情境下減少噪聲的ROI。

CBR：有一種觀點認為，減少噪聲的策略和流程助長了組織中的“官僚主義”？

《噪聲》作者：這是個很重要的問題。我們在《噪聲》一書中介紹了幾種決策衛生策略：對信息進行排序；將決策過程結構化并進行獨立評估；使用基于外部視角的共同參考框架，以及匯總多個獨立判斷。

毫無疑問，這種強調過程而不是決策內容的做法可能會引起一些人的質疑和不滿。內容是具體的，而流程是通用的，運用直覺和判斷生動有趣，遵循流程則沉悶無趣。傳統觀點認為，好的決策來自偉大領袖的洞察力和創造力，當我們是領導者時，我們尤其愿意相信這一點。對于許多人來說，流程這個詞意味著官僚主義、繁文縟節和拖延。

官僚主義固然不可取，但噪聲同樣不受歡迎。再次重申，一切在于權衡。以醫學指南為例，盡管一些醫生認為醫學指南是官僚主義的化身，但絕大多數醫生更愿意使用醫學指南，因為醫學指南在減少偏差和噪聲方面非常成功。

所以，關鍵是找到一種減少噪聲的方法，既不讓專業人士認為是官僚主義，又可以幫助他們做出更好的決策。

CBR：您曾在接受采訪時說，“在決策的時候避免噪聲，實在不是個體十分擅長的事情。如果說，可以抱有什么信念的話，我其實把它放在組織身上”。您對組織的這種信念來自何處？

《噪聲》作者：噪聲是“本該相同的判斷中存在的變異性”，這意味著它很難在個體決策中暴露出來。當我在做一個判斷的時候，我十分確信這個判斷是準確的。我不會去想，如果換一個人是否會得出不同的結論，或者說，如果換一個時間思考，結論是否會不同。

因此，在組織中更容易發現、測量并且減少噪聲，當然，除非組織采取具體的行動，否則，這一切不會自動發生。

CBR：有一種觀點認為，算法時代加劇了人們活在各自的“信息繭房”，這是否意味著系統和組織在減少噪聲時將面臨更大的挑戰？

《噪聲》作者：如果人們接觸不同的信息并形成不同的信念，他們的判斷可能會更加不同，這意味著會有更多的噪聲。這并不一定會使減少噪聲變得更加困難，但會使它變得更加重要。

CBR：除了減少噪聲，今天的企業管理者還需要關注及應對哪些組織變革的挑戰？

《噪聲》作者：近年來，管理者必須應對許多挑戰。減少噪聲不應被視為需要處理的額外問題，而應該被視為更好地應對挑戰的一種方式。例如，為了應對疫情，管理者需要做出很多決策。如果你能讓這些決策的噪聲更小，效果自然會更好。

本文來自微信公眾號 “中歐商業評論”（ID：ceibs-cbr），作者：周琪，36氪經授權發布。