诺贝尔经济学奖得主和心理学家丹尼尔·卡尼曼（Daniel Kahneman）被称为行为经济学之父。几年前，他从普林斯顿大学的教学岗位退休，在纽约和人联合成立了一家咨询公司。在最近的沃顿人力分析大会（Wharton People Analytics Conference）访谈中，他讲述了他的顾问经验，他原本「期待」那些「需要盈利才能在这个竞争激烈的世界生存下来」的组织机构的决策品质「能让他感到惊叹」。
「但是我并没有感到惊叹，」他说道。
「你看着那些大型组织机构，它们应该是最优秀最合理的。但是在它们运营过程中数不胜数的愚蠢行为，它们的那些荒唐程式，还有你身边那些随处可见，实在糟糕的思维方式，真的非常令人苦恼，」他说道，并指出有许多地方都可以改进。
在卡尼曼看来，思考如何做出「与风险的复杂性和重要性相称」的决策是一个巨大的问题，但商业界对此并没有投入太多的思考。在大会上，他描述了在使企业变得「更加智慧」的过程中能够产生哪些重大进展。
- 不必财报背景、也不用数学好，如何快速掌握财报背后的数字意义？
如果个人经常做出糟糕的决策，就像卡尼曼所说的那样，那么原因是什么呢？答案就在行为经济学中，该领域解释了为什么人们经常做出不合理的财务选择，并且总是不按标准经济模型预测的常理出牌。 （卡尼曼在他2011年备受赞誉的国际畅销书《快思慢想》（Thinking, Fast and Slow ）中解释他的许多成果。）
行为经济学家认为，人们正在不知不觉中被过度自信、有限的注意力、认知偏见以及其他心理因素束缚手脚，从而不可避免地产生判断错误。这些因素影响着我们的一切行为，从我们如何投资股票，到我们如何应对市场行销供给，再到我们如何选择午餐购买的三明治。
「从本质上来说，当我们跳到结论，得出完整条理的故事，再进行阐述时，我们对自己的感觉过于自信，」卡尼曼说道。 「所以我们会自然而然，无意识地曲解一些情况。这一点很难控制。」更重要的是，很多人为错误甚至不是由于系统原因造成，而是「噪音」，他说道，
「当人们思考错误时，我们会倾向于思考出现了某些偏差。但是实际上，人们所犯的很多错误根本就是『噪音』而已，也就是说它们是随意的，不可预测的，所以也是不能解释的。」
他引述了一些关于专家的专业判断的例子，令人堪忧，「 你把相同的X光片放在放射专家面前，在个别试验中，大约20%的时间他们都无法得出相同的诊断结论。 」
从他的顾问工作中，卡尼曼提供了一个大型金融机构的例子，这一金融机构经常需要做出关于贷款批准和保险公司的判断。但是这些涉及数十万美元的决策通常跟一个人的意见挂钩。卡尼曼进行了一个实验，问团队领导人 如果让两个专业人士分别评估一个相同的案例，他们认为这两个人的结论会有多少出入呢？
「许多人给出了同样的猜测：5%到10%之间，」卡尼曼说道，「但 答案是40%到60%之间。相差超过一个量级。这跟所有人预期的截然不同。 」他指出，在这家组织机构中存在「巨大的噪音问题」，但公司领导人对此毫无知觉。
这一问题不能归咎于某些员工的相对经验不足，卡尼曼说道，「至少在我们的试验中，令人感到非常惊讶的是那些经验丰富的专业人士的表现与新手们一样变化无常。」
如果让专家参与进来，像一个小组一样决策会有所帮助吗？即使这种做法在组织机构中是可行的，其中也存在一些陷阱，而且通常情况下这种做法并不可行。卡尼曼说，根据社会心理学，当一群人在讨论一件事时，就会出现「巨大的顺从压力」，导致参与者从根本上低估他们之间的分歧程度。
面临着改善商业决策的重重困难，一家企业应该怎么做呢？
- 解决之道：演算法
卡尼曼的方法是通过演算法说明组织机构以「严谨思考」缓和人为判断的风险。研究结果非常明确，他说道，当涉及到决策时，演算法比人更胜一筹。 「演算法是没有噪音的，人则不是，」他说道，「当你把一些资料放在一个演算法前时，你总是会从另一端得到相同的回应。」
一个优秀的演算法根本不需要大量的资料，卡尼曼说道。 （他说这是「一个金融业内鲜为人知的秘密」。）如果你正在评估公司的金融稳定性，例如给它们贷款或者给它们投保免受金融风险影响。他建议跟一群对情况有透彻了解的人坐下来，列举出五个或六个维度。八个以上可能就没必要了。 「 如果你针对这些维度进行良好的等级排序，给予它们相同的权重，一般情况下你得出的结论会与一个非常复杂的统计演算法一样可靠。 」而且就平均水准而言，通常会比专家结论可靠得多，他补充道。
卡尼曼是美籍以色列人，如今已经步入耄耋之年。他回忆起曾经发明过一个关于这类程式的模型，当时他还只是一个拥有心理学学位的以色列排长，应要求为军队设计一个新的面试系统。尽管当时遇到了一些阻力，但是他设计的这一系统现在仍然被以色列武装力量使用着，他说道。
卡尼曼发现了六个可以同时进行评估的维度，其中包括准时性、社会性和尽责性，「一些称之为男性的骄傲的因素」（他指出这是60年前针对作战单元的面试），以及其他。 「把这些因素放在一起同时评估非常重要，」他说道，「通过这种方式你不会只是对这个人形成一种整体的印象，而是对每个因素形成不同的印象。它所控制的也就是心理学家所说的光环效应。」
完整的选拔过程就是产生六个核心维度，然后将其叠加。当许多面试官抱怨「你把我们变成了机器人」时，卡尼曼说他添加了一个最终的「整体评分」步骤，作为对人类直觉论的一种让步，「然后，闭上你的眼睛，思考这个人将会成为怎样的一种士兵。然后再1和5之间打分。」
当几个月后新的面试系统生效后，根据实际表现，它的结果显示最终的整体打分非常准确，卡尼曼说道。事实上，它比任何单一维度评分都准确得多。 「从中可以获得一些启示，」他说道。在以前，候选人在面试时只进行整体评分，「这是毫无价值的」。
「整体评分不错，直觉也不错，但前提是你先要对问题的各个部分进行系统地和独立的评估，」他解释道，「然后当你闭上眼睛，凭直觉产生一个整体的印象时，你就会添加资讯。」
不论在任何组织机构中，执行这种程式一定会面临来自员工的阻力，卡尼曼说道。 「你应该以一种轻柔的方法实施，否则人们就会对你怀恨在心，不会遵守。但是如果他们认为你实施这种程式能够说明他们完成工作，那就不错。」就个人经验而言，他说道，如果你努力指导人们用一种特别的方式审视资讯，实际上他们会发现这会帮助他们做好工作。
当企业领导人初次被告知他们应该实施演算法来引导专家的观点，他们的反应如何？ 「不太好，」他说道。但是「当你告诉团队领导者，当他们预期只有5%或10%的差异时，事实上会有50%的差异，他们就愿意采用演算法了。」
人工智慧会替代人类直觉吗？
当卡尼曼被问道人工智慧在商业思考中越来越重要的角色，特别是强大的演算法正越来越多地完成一些先前由会计师、咨询师和管理者完成的工作，他的回答令许多观众感到惊讶，「我对此也很担忧。」
他的担心是，随着人工智慧越来越复杂，它将不再是简单地帮助人类实现严谨思考，实际上它们自己就可以执行专业的判断。 「这对组织机构的领导人来说极具威胁性，」他说道，「因为一旦你进行决策分析后，任何人都可以猜透领导。这对权力结构将会产生何种影响？」
他引用了一个令人大开眼界的人工智慧里程碑的例子，也就是今年年初，Google电脑程式五局四胜，打败了曾获得18个国际冠军头衔的亚洲围棋世界冠军。
「围棋可以被看作是直觉游戏的一个例子。真正的专家也不能解释他们是如何得出结论的，这太复杂了。」但是，卡尼曼说道，Google团队设计的软体以15万场真正的人类比赛为基础，然后通过自我对阵大约3000万场对其进行了改进。最后得到了一款比世界冠军更加优秀的程式，这款软体能获得比一个人可能获得的更多的资讯。
「所有这些都取决于资料的可用性，这就是直觉如何发展出来的，」他指出，
「我们的直觉靠的是我们一生中收集的资讯。人工智慧将做得更好。我们该如何面对这些呢？」
经理人，2017/09/25 ：https://www.managertoday.com.tw/columns/view/55063