인지 편향 감지하기

🔄 이전 레슨 복습: 이전 레슨에서 가중 매트릭스, 의사결정 나무, 장단점-완화 분석을 배웠어요. 이제 이 프레임워크의 입력값을 왜곡하는 인지 편향을 식별하고 극복하는 법을 다뤄요.

보이지 않는 적: 인지 편향

의사결정 프레임워크를 아무리 잘 써도 입력값이 편향되면 출력도 편향돼요. 가중 매트릭스에서 자기가 원하는 옵션에 무의식적으로 높은 점수를 줄 수 있어요. 편향을 먼저 감지해야 해요.

매몰 비용 편향

“여기까지 투자했는데 그만둘 수 없어.”

3년 동안 프로젝트에 30억을 투자했는데 시장이 변해서 전망이 어두워요. 합리적 결정: 추가 투자 수익을 기준으로 판단. 실제 결정: “30억을 날릴 수 없으니 계속 가자.”

AI로 편향 점검:

다음 결정에서 매몰 비용 편향이 작동하고 있는지 점검해줘:

상황: [설명]
지금까지 투자한 것: [시간, 돈, 노력]
지속하려는 이유: [이유들]

만약 지금까지의 투자가 0이었다면 같은 결정을 할까?

확증 편향

이미 마음이 기운 뒤에 “분석"을 하면 지지 정보만 찾아요.

AI를 악마의 변호인으로 활용:

나는 [옵션 A]로 기울고 있어. 이 결정에 반대하는
가장 강력한 논거 5가지를 만들어줘.
솔직하게, 내가 보고 싶지 않을 수 있는 것도 포함해서.

가용성 편향

최근에 보거나 들은 것이 판단을 지배해요.

✅ 확인 질문: 동료가 “AI 프로젝트는 90% 실패해"라고 말했다면, 이것이 여러분의 AI 도입 결정에 어떤 편향을 만들까요?

가용성 편향이에요. 하나의 인상적인 통계가 머릿속을 지배해요. AI에게 실제 데이터를 요청해서 기저율(base rate)을 확인하세요.

과신 편향

“나는 이 분야를 잘 알아. 분석 없이도 맞을 거야.”

AI로 과신 점검:

이 결정에 대한 나의 확신도는 85%야.
내가 틀릴 수 있는 구체적 시나리오 5가지를 제시해줘.
각 시나리오의 현실적 확률도 추정해줘.

AI 편향 감지 프롬프트

다음 의사결정 과정에서 작동할 수 있는 인지 편향을 분석해줘:

결정: [설명]
내가 기울고 있는 옵션: [옵션]
기울고 있는 이유: [이유]

다음 편향이 작동하는지 각각 점검해줘:
1. 매몰 비용 편향
2. 확증 편향
3. 앵커링
4. 가용성 편향
5. 현상 유지 편향
6. 과신
7. 프레이밍 효과

각 편향에 대해: 작동 여부, 어떻게, 교정 방법을 설명해줘.

핵심 정리

• 매몰 비용 편향은 이미 투자한 것 때문에 손해 보는 선택을 지속하게 만들어요 — “투자가 0이었다면?” 질문으로 점검
• 가용성 편향은 쉽게 떠오르는 사례를 실제보다 가능성 높다고 판단하게 해요 — 기저율 데이터로 교정
• 과신은 불확실성 범위를 과소평가해요 — “틀릴 수 있는 시나리오"를 AI에게 요청해서 점검
• AI를 악마의 변호인으로 활용하면 확증 편향을 깰 수 있어요
• 편향을 제거할 수는 없지만, 보이게 만들고 관리할 수 있어요

다음 레슨: 리스크 분석과 불확실성 — 시나리오 플래닝, 기대값, 정보 충분성 판단으로 불확실한 결정을 체계적으로 다뤄요.