Înțelepciunea convențională sugerează că cele mai bune predicții sunt cele care minimizează greșelile, însă cercetări noi indică faptul că nu acesta este neapărat modul în care oamenii percep lucrurile. Un studiu publicat în Management Science a constatat că, atunci când oamenii fac sau evaluează predicții, ei acordă mai multă importanță posibilității de a fi exact corecți decât reducerii dimensiunii erorilor potențiale. În multe cazuri, oamenii preferă predicții care cresc șansa unui rezultat perfect, chiar dacă acest lucru creează un risc mai mare de greșeli mai mari.
Aceste descoperiri contestă o presupunere fundamentală care stă la baza multor sisteme de prognoză, instrumente de analiză predictivă și modele de inteligență artificială, care sunt proiectate, în mod obișnuit, să minimizeze eroarea medie, mai degrabă decât să maximizeze probabilitatea de a fi precis corect. Studiul, intitulat „Înțelegerea Preferințelor Oamenilor pentru Predicții: Oamenii Prioritizează a Avea Dreptate în Fața Minimizării Cât de Mult Greșesc în Așteptare”, a fost realizat de Berkeley J. Dietvorst de la University of Chicago Booth School of Business. „Pentru mulți oameni, scopul predicției este de a avea dreptate, nu doar de a minimiza eroarea medie”, a declarat Dietvorst. „Acesta este un lucru nou pentru cei care construiesc modele pentru analiza predictivă, care adesea lucrează pentru a minimiza inexactitățile grosolane, în loc să lucreze pur și simplu pentru a face predicțiile perfecte.”
O linie clară între corect și greșit
Cercetarea sugerează că oamenii evaluează erorile de predicție într-un mod care diferă radical de modul în care mulți experți și sisteme de prognoză abordează problema. În loc să răspundă proporțional la fiecare creștere a erorii, oamenii par să fie extrem de sensibili la diferența dintre a fi exact corect și a fi ușor greșit. Odată ce o predicție este deja greșită, erorile suplimentare contează mai puțin decât presupun multe modele de prognoză. Dietvorst a analizat 16 studii implicând o varietate de sarcini de predicție și designuri experimentale. În toate studiile, participanții au demonstrat în mod constant ceea ce cercetătorii descriu ca fiind o „sensibilitate diminuată la eroarea de predicție”. În multiple experimente, participanților li s-au prezentat distribuții de probabilitate și li s-a cerut să facă predicții. Aceștia au fost semnificativ mai predispuși să aleagă rezultate care maximizau șansele de a fi exact corecți, decât rezultate care ar fi redus eroarea anticipată în ansamblu. Studii suplimentare au examinat reacțiile emoționale la erorile de predicție. Rezultatele au arătat că satisfacția a scăzut brusc atunci când participanții au trecut de la a fi perfect corecți la a fi ușor greșiți. În comparație, creșterile mai mari ale erorii au produs scăderi mult mai mici ale satisfacției.
Unde apare nepotrivirea
Descoperirile au implicații mult dincolo de prognoză. Multe sisteme predictive, inclusiv instrumente de inteligență artificială, motoare de recomandare, modele de prognoză de afaceri și tehnologii de suport decizional, sunt concepute în jurul unor măsuri statistice care prioritizează minimizarea erorii medii. Cercetarea sugerează că utilizatorii ar putea judeca acele sisteme folosind un standard foarte diferit. „Rezultatele subliniază importanța înțelegerii obiectivelor umane înainte de a proiecta sisteme predictive”, a spus Dietvorst. „Dacă modelele sunt optimizate pentru obiective care diferă de ceea ce oamenii apreciază, adoptarea și încrederea ar putea avea de suferit.” Pe măsură ce organizațiile se bazează din ce în ce mai mult pe tehnologii predictive pentru a ghida deciziile, studiul ridică o întrebare importantă: Sunt sistemele de prognoză actuale optimizate pentru ceea ce își doresc oamenii de fapt? Descoperirile sugerează că răspunsul ar putea depinde de modul în care succesul este definit – prin a fi mai puțin greșit – sau prin a fi corect.