[27] 데이터가 많을수록, 보고 싶은 것만 본다.
확증편향(Confirmation Bias)
1. 이슈 제기 상황
“데이터로 보니까 이 방향이 맞습니다.”
요즘 조직에서 가장 강력한 말이다.
숫자가 나오면 토론이 조용해진다.
그래프가 뜨면 반대가 약해진다.
그런데 이상한 일이 벌어진다.
같은 데이터를 두고
팀 A는 “지금이 기회”라고 말하고,
팀 B는 “위험 신호”라고 말한다.
같은 시장 보고서를 보고
누군가는 확장을 주장하고,
누군가는 축소를 주장한다.
데이터는 늘었는데
합의는 더 어려워진다.
왜일까.
사람은 데이터를 보는 게 아니라
보고 싶은 해석을 찾기 때문이다.
2. 접근 관점
이 단원에서 바꿔야 할 질문은 이것이다.
“데이터가 충분한가?”가 아니다.
“우리는 이미 결론을 정해놓고 데이터를 찾고 있지 않은가?”이다.
사람은 원래 이렇게 생각한다.
먼저 가설을 세운다.
그다음 그 가설을 지지하는 증거를 찾는다.
반대 증거는 덜 중요하게 보고,
모호한 데이터는 자신에게 유리하게 해석한다.
데이터가 많아질수록 오히려 선택권이 늘어난다.
그리고 선택은 편향을 강화한다.
결론이 먼저, 근거가 나중에 붙는 구조다.
이때 조직은 착각한다.
우리는 데이터 기반이라고.
실제로는
신념 기반 + 데이터 장식일 수 있다.
3. 선각자의 제언
이를 설명하는 개념이 확증편향(Confirmation Bias)이다.
피터 와슨(Peter Wason)은 1960년 실험을 통해
사람이 자신의 가설을 검증하기보다
확인하려는 경향이 강하다는 점을 보여주었다(Wason, 1960).
확증편향은 단순히 고집이 아니다.
인지 자원을 아끼기 위한 자연스러운 전략에 가깝다.
사람은 불확실성을 싫어한다.
자신의 판단이 맞았다고 느끼고 싶어 한다.
그래서
자신이 선호하는 전략의 성공 사례는 오래 기억하고,
반대 전략의 실패 사례는 크게 본다.
회의에서도 이런 장면이 자주 보인다.
“지난번에도 이런 시도는 실패했잖아요.”
“해외에서는 이미 성공했습니다.”
각자 자기 주장에 맞는 사례만 꺼낸다.
확증편향은 개인의 문제가 아니라
인간의 기본 작동 방식이다.
4. 이론에 근거한 현실적인 해법
확증편향을 없애는 것은 어렵다.
대신 구조로 견제해야 한다.
4-1. 결론 전에 ‘반대 가설’을 의무화한다
어떤 전략을 주장할 때
반대 가설도 동시에 정리하게 한다.
“이 전략이 틀렸다면 이유는 무엇인가.”
“가장 강력한 반대 근거는 무엇인가.”
이 질문이 없으면
팀은 찬성 데이터만 모은다.
4-2. 데이터 수집 기준을 사전에 합의한다
결론이 정해진 뒤 데이터를 찾으면
편향은 강화된다.
- 그래서 먼저 이렇게 정한다.
- 어떤 지표를 볼 것인가.
- 성공과 실패의 기준은 무엇인가.
- 어떤 데이터가 나오면 계획을 수정할 것인가.
사전 합의는 해석의 자의성을 줄인다.
4-3. ‘악마의 변호인(Devil's Advocate)’을 공식 역할로 둔다
한 명에게 의도적으로 반대 역할을 맡긴다.
개인의 성격이 아니라 역할로 반대를 만들면
방어가 줄어든다.
“이 결론에 동의하지 않는다면, 무엇을 근거로 반대하겠는가.”
이 질문은 팀의 시야를 넓힌다.
4-4. 결정 후 ‘가정 리스트’를 남긴다
결정할 때 암묵적으로 깔린 가정을 문장으로 남긴다.
고객은 이런 반응을 보일 것이다.
경쟁사는 당분간 대응하지 못할 것이다.
비용은 이 수준을 넘지 않을 것이다.
그리고 일정 시점에 그 가정을 점검한다.
확증편향은 기억을 왜곡한다.
기록은 그 왜곡을 줄인다.
결론
데이터는 중립적이다.
해석은 그렇지 않다.
데이터가 많을수록
우리는 더 똑똑해질 수도 있고,
더 확신에 차 있을 수도 있다.
문제는 확신이다.
확신이 강해질수록
반대 근거는 사라진다.
좋은 조직은 데이터를 많이 모으는 조직이 아니다.
자기 확신을 의심하는 구조를 가진 조직이다.
데이터는 판단을 돕는다.
하지만 판단을 대신해주지는 않는다.
#조직심리 #확증편향 #ConfirmationBias #의사결정 #데이터기반의사결정 #리더십 #조직행동 #회의문화
#인지편향 #전략수립 #HRD #성과관리 #비판적사고