Carter Racing: ข้อมูลที่บอกให้ถอนตัวมีอยู่ครบ แต่ต้องอ่าน “สองกราฟ” พร้อมกัน

ผู้จัดการทีมแข่งรถคนหนึ่งต้องตัดสินใจก่อนวันแข่งว่าจะลงสนามต่อหรือถอนตัว เอกสารบนโต๊ะมีข้อมูลการแข่งในอดีตครบ แรงกดดันก็ครบ การถอนตัวหมายถึงเสียโอกาส การลงสนามหมายถึงความเสี่ยงที่ไม่มีใครอยากพูดถึง

นี่คือเคสที่ชื่อ Carter Racing ซึ่งใช้สอนในโรงเรียนธุรกิจ โครงสร้างของมันอิงมาจากการตัดสินใจก่อนกระสวยอวกาศ Challenger ขึ้นบินเมื่อปี 1986 ผู้เรียนรับบทหัวหน้าทีม ต้องอ่านข้อมูลแล้วเลือกว่าจะไปต่อหรือหยุด

คำตอบอยู่ในข้อมูลที่มีครบ แต่ต้องวางเทียบกัน

จุดที่ทำให้เคสนี้น่าสนใจคือหลักฐานที่ชี้ว่าควรถอนตัวมีอยู่ครบแล้วตั้งแต่ต้น เพียงแต่มันจะมองเห็นก็ต่อเมื่ออ่านกราฟสองชุดร่วมกัน ถ้าดูกราฟใบเดียว จะไม่เห็นเหตุผลที่หนักพอจะถอนตัว แต่ถ้าวางข้อมูลอีกชุดลงไปเทียบกัน รูปแบบที่ซ่อนอยู่ก็ปรากฏขึ้นทันที

คนส่วนใหญ่ไม่ได้เลือกผิดเพราะขาดข้อมูล แต่เพราะเริ่มจากสมมติฐานว่า “น่าจะไปต่อได้” แล้วเลือกอ่านเฉพาะส่วนที่ไม่ขัดกับสมมติฐานนั้น นี่คือ Confirmation Bias (การหาหลักฐานที่เข้าข้างความเชื่อเดิม) ในรูปที่แนบเนียนที่สุด เพราะไม่มีใครรู้สึกว่าตัวเองมองข้ามอะไร ทุกคนรู้สึกว่ากำลังวิเคราะห์ข้อมูลอยู่

ฝึกสู้กับอคติได้ และผลติดตัวไปถึงงานจริง

มีงานวิจัยที่ตีพิมพ์ใน Psychological Science โดย Anne-Laure Sellier, Irene Scopelliti และ Carey Morewedge ที่ใช้เคสนี้เป็นเครื่องวัดผลโดยตรง นักศึกษาปริญญาโทสาขาธุรกิจกลุ่มหนึ่งได้เล่นเกมคอมพิวเตอร์ที่ออกแบบมาฝึกให้รู้เท่าทัน Confirmation Bias เกมนี้พัฒนาขึ้นสำหรับหน่วยงานด้านข่าวกรองของสหรัฐฯ โดยผู้เล่นไม่ได้รับรู้ว่ามันเกี่ยวกับเคสที่จะตามมา

ผลคือกลุ่มที่ผ่านการฝึกเลือกตัวเลือกที่ผิดและเข้าข้างสมมติฐานเดิมน้อยกว่ากลุ่มที่ไม่ได้ฝึกราว 29% โดยช่วงห่างระหว่างการเล่นเกมกับการทำเคสเฉลี่ยประมาณ 18 วัน และผลยังอยู่หลังคุมปัจจัยอย่างอายุ ประสบการณ์ทำงาน และคะแนนสอบเข้าแล้ว งานวิจัยนี้ทดลองในสนามเดียว ผู้วิจัยจึงย้ำว่าต้องทดสอบซ้ำในบริบทอื่น แต่สิ่งที่น่าสนใจคือการเปลี่ยนแปลงไม่ได้มาจากการท่องว่าอคติมีกี่ชนิด แต่มาจากการได้ฝึกคิดแบบอื่นซ้ำ ๆ จนมันกลายเป็นนิสัย

ทางใช้จริงคือบังคับให้ตัวเองวางข้อมูลเทียบกัน

ในงานประจำวัน เราไม่มีเกมฝึกให้เล่นก่อนทุกการประชุม แต่มีคำถามที่ทำหน้าที่คล้ายกันได้ ก่อนตัดสินใจเรื่องสำคัญ ลองถามสามข้อ ข้อมูลชุดที่เรากำลังดูอยู่ คือข้อมูลเฉพาะกรณีที่ “เกิดปัญหา” หรือรวมกรณีที่ “ไม่เกิด” ด้วย ถ้าวางสองชุดนี้เทียบกัน เรื่องราวเปลี่ยนไปไหม และถ้าสมมติฐานของเราผิด ข้อมูลหน้าตาแบบไหนที่จะบอกเราเร็วที่สุด

ในที่ประชุมจริง ลองขอให้ใครสักคนถือหน้าที่ “ดึงข้อมูลที่ไม่ได้อยู่บนสไลด์มาวางข้างกัน” แทนที่จะรอให้ทุกคนช่วยกันตรวจสิ่งที่ถูกนำเสนอมาแล้ว เพราะสิ่งที่ถูกเลือกมาโชว์ มักผ่านการกรองด้วยสมมติฐานของคนเตรียมสไลด์ไปเรียบร้อยแล้ว

ปิดท้าย

หลายครั้งเราไม่ได้ตัดสินใจพลาดเพราะข้อมูลไม่พอ เราพลาดเพราะข้อมูลที่ชี้ทางอยู่ในกราฟอีกใบที่ไม่มีใครเปิดดูพร้อมกัน

ครั้งหน้าที่ทั้งทีมพยักหน้าเห็นด้วยกับสไลด์ใบหนึ่ง ลองถามว่ากราฟใบที่สองที่ควรวางข้างมัน คืออะไร