認知バイアスは名前を覚えても減らない、減らすのは手続き

認知バイアスの一覧を読み終えた人が最初に見つけるのは、たいてい上司や同僚のバイアスです。自分のバイアスは、一覧の最後まで読んでもなかなか見つかりません。人は他人の判断の偏りには気づきやすく、自分の偏りには気づきにくいことが知られているからです。この記事では、認知バイアスの定義と成り立ち、分類、意思決定で影響の大きい代表例を整理したうえで、バイアスを減らすのは知識ではなく手続きだ、という見方を示します。名前を覚えることと、判断の場で偏りを避けることは、別の技能です。

認知バイアスは、誤りというより近道の副作用です

認知バイアス（Cognitive Bias）は、思考の過程に生じる系統的な偏りで、客観的で論理的な判断からのずれをもたらします。偶然の誤りではなく一定のパターンで繰り返し起きること、文化や教育の水準にかかわらずほとんどの人に共通すること、多くの場合本人が気づかないこと、判断を速くする経験則（ヒューリスティック）から生まれるものがあること、環境に素早く適応するための近道として形成されたと考えられていること、が特徴です。情報が多すぎる環境で脳が効率よく働くための仕組みでもあり、複雑な問題を解く場面では、それが非合理な判断につながります。

研究の土台は1950年代以降に築かれました。ハーバート・サイモンは、人間の合理性には限界があり、最適解ではなく満足できる解を選ぶ傾向があると論じました（限定合理性）。1970年代には、ダニエル・カーネマンとエイモス・トヴェルスキーがプロスペクト理論を発表し、損失を同じ額の利得より重く感じる損失回避や、示し方で判断が変わるフレーミング効果を実証しました。カーネマンは2002年にノーベル経済学賞を受け、この流れはリチャード・セイラーらの行動経済学へつながっています。思考を、速く直感的なシステム1と、遅く分析的なシステム2に分ける二重過程理論も、研究の重要な枠組みです。

四つの分類は、偏りが入り込む段階の地図です

情報処理のバイアスは、情報を取り込み評価する段階で起きます。定価を見たあとのセール価格がお得に感じるアンカリング効果、生存率90%と死亡率10%で選択が変わるフレーミング効果、残りわずかで価値が高く見える希少性バイアスなどです。記憶のバイアスは、覚えて思い出す段階で起きます。経験の評価がいちばん強い瞬間と終わりの印象で決まるピーク・エンド・ルールや、たぶん雨かもしれないという予報を雨と言っていたと覚えてしまう現象です。社会的バイアスは他人との関係で起き、他人の失敗を状況ではなく性格のせいにする基本的帰属エラー、一つのよい印象が全体の評価に広がるハロー効果、肩書きを過度に信じる権威バイアスがあります。信念のバイアスは世界観を守る方向に働き、反証を突きつけられるとかえって信念が強まるバックファイア効果、自分には悪いことが起きにくいと考える楽観バイアス、成功は自分のおかげ、失敗は外のせいとする自己奉仕バイアスがあります。

知っていても避けられないのは、気づく本人が偏っているからです

バイアスに注意しましょう、と書かれた研修資料は、居眠りに注意しましょう、と書かれた運転マニュアルに似ています。注意すべき当の本人が、注意できない状態になる現象だからです。バイアスは多くの場合、気づかないうちに働きます。気づかないものに、意志で注意を向けることはできません。だから、名前を覚えた後に必要なのは、意志に頼らず偏りを外から捕まえる手続きです。

ビジネスの判断で影響の大きいものを、手続きと合わせて見ます。確証バイアスは、自分の仮説に合う情報ばかりを集める傾向です。手続きとしては、反対の立場ならどんな証拠を出すかを書き、その証拠を実際に探します。アンカリング効果は、最初に示された数字に判断が引きずられる傾向で、複数の参照点を用意し、最初の数字の出所を確かめます。プランニング錯誤は、時間、費用、危険を少なく、利益を多く見積もる傾向で、カーネマンとトヴェルスキーが1979年に提唱しました。似た過去の案件のデータで予測するリファレンスクラス予測法や、始める前にこの計画が失敗したとしたらなぜかを考えるプレモーテムが効きます。

サンクコスト効果は、取り戻せない過去の投資を理由に、やめるべきことを続けてしまう傾向です。サンクコストを捨てられない会議は、過去に払った金額を、これからの利益と同じ表に書いています。手続きとしては、表を分け、これから追加で投じるものと得られるものだけで比べます。友人が同じ状況にいたら何と助言するか、と考えるのも一つの方法です。後知恵バイアスは、結果を知ってから予測できたと感じる傾向で、決定と予測を事前に記録し、当時手に入った情報だけで過去の判断を評価します。

組織の手続きも、形だけになると効きません

個人では、なぜこの結論に至ったのかと自分に問い、判断を確定した結論ではなく検証すべき仮説として扱います。重要な決定とその理由を意思決定日記に残し、あとで結果と照らし合わせると、自分が陥りやすいバイアスが見えてきます。組織では、意図して反対の立場を取る悪魔の代弁者を置く、異論を言える心理的安全性をつくる、重要な決定の手順に点検項目を組み込む、といった方法があります。匿名の専門家が独立して判断し、それをまとめるデルファイ法も、権威や同調の影響を減らします。

ただ、手続きも形だけになれば効きません。悪魔の代弁者の役を毎回同じ若手に回し、その反対意見に誰も答えないまま採決する会議では、反対意見は通過儀礼になります。手続きが効いているかは、反対意見によって結論や条件が変わったことがあるかで確かめられます。

AIも、ここで二つの顔を持ちます。学習データの偏りを引き継ぎ、確証バイアスをおすすめ機能で増幅することもあれば、反対の証拠を探させる道具にもなります。どちらに転ぶかは使う側の問い方しだいです。なお、バイアスを常に取り除くべきだとも言えません。時間が限られ、間違えても影響の小さい判断では、経験則の近道のほうが合理的なことも多いからです。どの判断で手続きを踏み、どの判断で近道を使うかの線引きに、一般的な正解はありません。

あなたが最近下した判断のうち、反対の立場の証拠を実際に探しに行ったものはいくつあるでしょうか。あなたの会議で、反対意見によって結論が変わったのは、いつが最後だったでしょうか。

この記事の背景にある考え方は、拙著『GoogleのAI NotebookLM 意思決定の強化書』の2章3節「ソースを集める」に書きました。リサーチで集めた材料が自分の計画を裏付けるものばかりにならないよう、中止や縮小の事例をあえて調べる手順を示し、「自分の立場や仮説が決まると、人はそれを裏付ける情報ばかりを集めがちです。」と書いています。この節を読むと、意志の力に頼らず、反対材料を集める手順そのものを自分の調べ方に組み込めるようになります。