Принятие решений: алгоритмы или эксперты?

Мы часто используем разные критерии принятия решений для одинаковых ситуаций: например, рентгенологи меняли свое мнение в 20% случаев, когда им давали те же снимки. Это часть человеческой природы, люди нередко отталкиваются от того, что кажется верным – основываясь на интуитивном мышлении, – и при повторении той же ситуации часто обращают внимание уже на другие обстоятельства, даже если знают примерный набор определяющих факторов. В таких случаях алгоритмы, которые представляют из себя формализованные правила или математические модели, могут работать не хуже или даже лучше людей. Так происходит во многом за счет учета фиксированного набора переменных.

Алгоритм не обязательно должен быть сложным или точно отражать действительность, чтобы справиться лучше эксперта: например, семь одинаково взвешенных факторов определяло рак по рентгену довольно хорошо. Помимо отсутствия когнитивных искажений и систематического применения одного критерия, у моделей есть и другие преимущества перед людьми: высокая скорость, непрерывная работа и отсутствие необходимости выстраивать для них правильные стимулы.

Конечно, как модели, так и эксперты, бывают разного уровня, да и алгоритмам свойственны систематические ошибки. Однако сделать хорошую модель зачастую проще и дешевле: издержки на нее более-менее фиксированы, в то время как нужно больше экспертов на большее количество клиентов. Кроме того, люди довольно дорогой ресурс.

Thomas Ghietzen исследовал банк в Африке, который выдавал кредиты для малого бизнеса. В нем вводилась автоматизированная система рейтингования – скоринговая модель – взамен ручной оценки заемщиков*. Более того, скоринговую систему ввели не сразу для всей компании. Отделения случайным образом разделили на те, где оставили сотрудников и где ввели способ принятия решений с помощью математической модели. Через некоторое время скоринг внедрили повсеместно.

Такой дизайн исследования позволил авторам сравнить два подхода на трех временных отрезках: до изменений, во время разделения на две части, после повсеместного введения скоринга. Качество кредитного портфеля не стало значительно хуже при использовании модели вместо экспертов**. По расчетам авторов у банка сократились издержки по выдаче кредитов после введения системы**.

Современные алгоритмы пока не могут повсеместно заменить экспертов, однако они уже способны функционировать лучше или выдавать примерно то же качество результата в разных сферах принятия решений: от скоринговых моделей и до диагностики сколиоза. И при этом быть ощутимо дешевле армии экспертов.

P.S. Когда почти дописал пост, узнал, что у Канемана с соавторами в этом году вышла книга: «Шум. Несовершенство человечески суждений» (на русском уже есть). В ней как раз подробно обсуждается, почему алгоритмы помогают улучшать качество решений. Должно быть интересное чтение!

*Отмечу, что это препринт и работа сделана давно: возможно, есть причины, по которым ее не приняли к публикации.

**Такие результаты нельзя считать окончательной истиной. Могут быть неизвестные параметры: например, уже до введения скоринга как-то изменились стимулы экспертов или все-таки группы отделений чем-то различались. А в подсчетах экономической эффективности легко что-то не учесть.

Литература: ссылки в посте.

#когнитивистика #инструменты #аналитические_системы