Nový výzkum mění pohled na předpovědi: Lidé chtějí být přesní, ne jen „méně špatní“

Zatímco se obecně předpokládá, že nejlepší předpovědi jsou ty, které minimalizují chyby, nový výzkum naznačuje, že lidé se více zajímají o možnost být naprosto přesní než o snižování rozsahu potenciálních chyb.

Zatímco se obecně předpokládá, že nejlepší předpovědi jsou ty, které minimalizují chyby, nový výzkum naznačuje, že lidé se více zajímají o možnost být naprosto přesní než o snižování rozsahu potenciálních chyb. Studie publikovaná v časopise *Management Science* odhalila, že lidé často preferují předpovědi, které zvyšují šanci na dokonalý výsledek, i když to s sebou nese větší riziko rozsáhlejších omylů.

Tato zjištění zpochybňují základní předpoklady mnoha prognostických systémů, nástrojů prediktivní analýzy a modelů umělé inteligence. Tyto systémy jsou obvykle navrženy tak, aby minimalizovaly průměrnou chybu, nikoli aby maximalizovaly pravděpodobnost naprosto správného výsledku. Berkeley J. Dietvorst z University of Chicago Booth School of Business, autor studie, zdůrazňuje, že pro mnoho lidí je cílem předpovědi mít pravdu, nikoli pouze minimalizovat průměrnou chybu.

Výzkum naznačuje, že lidé hodnotí chyby v předpovědích odlišně od mnoha expertů a prognostických systémů. Místo aby reagovali úměrně na každé zvýšení chyby, jsou lidé vysoce citliví na rozdíl mezi tím být naprosto správní a být jen mírně špatní. Jakmile je předpověď již chybná, další chyby mají menší význam, než předpokládají mnohé prognostické modely. Dietvorst analyzoval 16 studií s různými predikčními úkoly a experimentálními návrhy, kde účastníci konzistentně projevovali „klesající citlivost na chybu v předpovědi“.

V několika experimentech účastníci, kterým byly předloženy pravděpodobnostní distribuce, výrazně častěji volili výsledky, které maximalizovaly jejich šance na naprostou správnost, než ty, které by celkově snížily očekávanou chybu. Další studie zkoumaly emocionální reakce na chyby v předpovědích. Výsledky ukázaly, že spokojenost výrazně poklesla, když se účastníci přesunuli od naprosté správnosti k mírné chybě. Naproti tomu větší nárůsty chyb vedly k mnohem menšímu poklesu spokojenosti.

Tato zjištění mají dopady daleko přesahující oblast prognózování. Mnoho prediktivních systémů, včetně nástrojů umělé inteligence, doporučovacích algoritmů, modelů pro obchodní předpovědi a technologií pro podporu rozhodování, je navrženo na základě statistických měr, které upřednostňují minimalizaci průměrné chyby. Výzkum naznačuje, že uživatelé mohou tyto systémy posuzovat podle velmi odlišných kritérií. Pokud jsou modely optimalizovány pro cíle, které se liší od toho, čeho si lidé cení, může to negativně ovlivnit jejich přijetí a důvěru. S rostoucí závislostí organizací na prediktivních technologiích pro řízení rozhodování tato studie vyvolává důležitou otázku: Jsou dnešní prognostické systémy optimalizovány pro to, co lidé skutečně chtějí? Odpověď se může lišit v závislosti na tom, zda je úspěch definován jako „být méně špatný“ – nebo jako „mít pravdu“.