우리는 문제를 어떻게 해결할까? 문제 해결과 의사 결정

사고 및 문제 해결의 두 가지 유형

Daniel Kahneman(2011)은 인간의 사고를 두 가지 체계의 측면에서 기술했다. 우리는 빠르고 자동적인 과정(친숙한 얼굴 알아보기나 일상적인 행위)과 쉽다고 생각하는 물음에는 체계 1(System 1)을 사용한다. 체계 1은 대개 무의식적으로, 혹은 적어도 큰 노력 없이 진행된다. 우리는 수학 계산, 증거를 평가하기, 그리고 주의집중이 필요한 다른 모든 것에는 체계 2(System 2)를 사용한다. 체계 1은 시간과 에너지를 아껴 주므로 우리는 가능한 한 언제나 그것에 의존한다.

 

최대화와 필요 충족

 

"어느 직업을 택할까?" 혹은 "돈을 어덯게 쓸까?" 같은 질문에 대해서도 우리는 어림법을 사용한다. 필요한 정보가 우리에게 전부 있는 것이 아니며 '맞는' 답을 찾고 있는 것도 아닌데 그 이유는 그런 질문에는 단 하나의 정답이 있지 않기 때문이다. 대신에 우리는 몇 가지 가능성을 생각해 내고 그것들을 고려하고, 문제를 단순화하여 할 수 있는 가장 좋은 선택을 한다.

 

어떤 결정을 내리기 전에 당신은 얼마나 많은 가능성을 고려하고 얼마나 철저히 살펴보는가? 최대화라는 전략은 최상의 선택지를 찾기 위해 가능한 한 많은 선택지를 철저하게 검토하는 것이다. 필요 충족은 무언가 만족스러운 것이 나올 때까지만 찾는 것이다. 많이 걸려 있는 선택을 해야 한다면 합리적인 가능성 모두를 세심하게 검토해야만 한다. 예컨대 어떤 강에 놓을 새로운 다리의 디자인으로 가장 안전한 것이 무엇인가 같은 선택이다. 그러나 우리가 일상에서 내리는 결정 대부분은 그보다 훨씬 더 적은 것이 걸려 있고 가장 좋은 선택지를 찾는 것보다는 만족스러운 것을 빨리 찾는 것이 더 중요하다.

 

대표성 어림법과 기저율 정보

 

어림법 사고가 대개는 도움이 되지만 그것에 부적절하게 의존하면 우리는 엉뚱한 곳으로 이끌려가게 된다. 예를 들어 무언가가 오리같이 보이고, 오리같이 헤엄치고, 오리처럼 꽥꽥거리면, 그것은 오리일 가능성이 높다. 이 말은 대표성 어림법의 한 예인데, 그것은 어떤 범주의 구성원을 닮은 항목은 역시 그 범주에 속할 것이라는 가정이다. 우리가 흔치 않은 범주를 접할 때를 제외하면 이 어림법이 보통은 잘 맞는다. 하지만 그와 유사한 좀 더 흔한 종이 아니라는 것을 확실하게 하려면 세심하게 살펴보아야 한다.

 

가용성 어림법

 

우리는 무언가가 얼마나 흔한지를 예측할 때 보통은 예를 떠올리기 시작한다. 다른 수업보다 역사 수업이 즐거웠던 기억이 더 많다면 아마도 천문학 수업이 당신에게 실제로 재미있었을 것이다. 당신이 기억하기에 모기에 물린 경우가 여름에 많고 겨울에는 없다면 모기는 여름에 더 흔하다는 결론을 내린다. 가용성 어림법은 우리가 어떤 범주의 예들을 쉽게 떠올릴 수 있으면 그 범주가 흔한 범주임이 틀림없다고 가정하는 경향이다.

 

인간 인지에서 흔히 나타나는 기타오류

대표성 어림법과 가용성 어림법에 부적절하게 의존하는 것뿐 아니라 사람들은 다른 여러 가지 오류를 꾸준히 범한다. 수십 년 동안 대학 교수들은 어떤 결론을 지지하는 증거와 그에 반하는 증거를 주의 깊게 평가하기, 즉 비판적 사고를 강조해 왔다. 그러나 비판적 사고를 가르치는 사람들조차도, 의심했어야 마땅할 허튼소리를 받아들이고 말 때가 가끔 있다. 왜 똑똑한 사람들이 때로는 심각한 실수를 할까? 몇 가지 이류를 살펴보자.

 

과도한 자신감

 

나일강의 길이는 얼마인가? 아마도 알지 못할 텐데, 그렇다면 마일이나 킬로미터로 'X와 Y 사이'처럼 대략의 범위를 추측해 보라. 그런 다음 답에 대해 얼마나 자신감이 있는지를 말해 보라. 당신이 0%라고 말한다면 그 범위가 틀렸음을 당신이 아는 것이다. 그렇다면 답이 옳다는 자신감이 꽤 커질 때까지 그 범위를 넓혀보라. 이와 같이 어려운 질문의 경우 사람들은 대부분 자신이 한 답을 과신한다. 자신감이 90%라고 말했을 때 실제로 맞는 경우는 90%보다 훨씬 더 적다. 쉬운 질문에서는 그런 경향이 역전되어 사람들의 자신감이 지나치게 떨어지는 경향이 있다.

 

확증 편향

 

우리가 종종 하는 실수는, 어떤 가설을 받아들이고 나면 다른 가능성은 검토하지도 않고 그 가설을 지지하는 증거만을 탐색하는 것이다. 확증 편향이라는 이 경향은 사회 각계각층에서 일어난다. 사람들은 과학, 정치, 또는 종교 문제에서 자신과 의견이 같은 사람들의 이야기를 대부분 듣는다. 그러고 나서는 자신에게 반대하는 사람들이 편향되어 있다고 비난한다.

 

질문의 틀 잡기

 

합리적인 사람이라면 질문이 어떤 식으로 표현되었는가와 상관없이 똑같은 답을 해야 할 것이다. 그렇지 않은가? 그런데 대다수의 사람이 질문의 표현 방식에 따라 답을 바꾼다. 당신이라면 지금 5,000원을 받겠는가 아니면 4주 후에 6,200원을 받겠는가? 대부분의 사람이 지금 5,000원을 받는 것을 택한다. 질문을 바꾸어서 해 보자. 지금 5,000원 그리고 한 달 뒤에 0달러를 받는 것과 지금 0달러 그리고 한 달 뒤에 6,200원을 받는 것 중 어느 것을 선호하겠는가? 두 번째 질문에서 사용된 표현이 지연된 보상을 선택하는 사람의 비율을 증가시킨다. 이처럼 어떤 질문의 틀이 달라질 때 그것에 답하는 경향이 달라지는 것을 틀 효과라고 부른다.

 

전문성

우리 모두가 추론을 합쳐서 오류를 범하지만 어떤 사람들은 특정한 분야에서 전문성을 발달시켜서 최소한의 오류를 범하면서 문제를 빨리 해결할 수 있게 된다. 그들은 적절한 알고리즘을 재빨리 적용하며, 특정 상황에서 어떤 어림법이 효과가 있고 어떤 것이 효과가 없는지를 인식한다. 그 단계에 이르기까지는 엄청난 노력이 필요하다.

 

연습하면 완벽하게 된다

 

전문가의 수행은 극히 인상적이다. 어떤 사람들은 난이도가 최고인 십자말풀이를 신속하게 해낸다. 전문가들에게 타고난 특별한 재능이나 놀라운 지능이 있다고 가정하고 싶은 생각을 뿌리치기 힘들다. 전문성에 대해 연구한 심리학자들은 그렇지 않다고 말한다. 실제로 극도로 총명한 사람(즉 상위 1% 중에서도 상위 1%)들은 어떤 한 분야에서라도 전문가가 되는 경우가 드문데 왜냐하면 그들은 쉽게 지루해하기 때문이다. 체스에서부터 스포츠, 바이올린 연주에 이르는 분야에서 전문성은 약 10년 동안의 강도 높은 훈련을 필요로 한다는 것이 원칙이다.

 

연습뿐만 아니라 사람은 연습에서 받는 피드백이 필요하다. 예컨대, 운동선수는 자신의 수행이 이전의 시도보다 더 좋았는지 아니면 나빴는지, 그리고 경쟁하는 다른 선수들과 비교해서 어떤지를 곧바로 안다. 컴퓨터 프로그래머는 훌륭한 피드백을 받는다. 즉, 무언가를 잘 만들어 놓으면 프로그램이 돌아간다. 실수가 있으면 컴퓨터가 죽어버리거나 원래 해서는 안 될 일을 한다. 좋은 피드백을 받는 사람은 연습을 통해 향상될 가능성이 크다.

 

근거리 전이와 원거리 전이

 

우리가 한 영역에서 전문성을 개발하면 그것이 다른 일을 하는 데도 도움이 될까? 그럴 것이라고 예전부터 생각되었다. 오래전 영국과 미국에서는 대학 교육에서 라틴어와 그리스어를 하는 데 초점을 두었는데, 이는 학생들이 삶의 모든 측면에 도움이 되는 정신적 규율을 얻게 될 것이라는 가정에 근거한 것이었다. 심리학자들은 근거리 전이와 원거리 전이를 구분하고 있다. 무언가 유사한 기술을 연습한 것을 바탕으로 새로운 기술을 배울 때 득을 보는 근거리 전이는 증명하기 쉽다. 그보다 유사성이 덜한 무언가를 연습함으로써 이득을 얻는 원거리 전이는 보여주기가 더 어렵다.