减少关联性错误

减少关联性错误，就是主动避免一群人因为同一个原因一起犯错。比如，如果团队只看过一份吹捧项目的报告，可以派一个人专门挑毛病，这样就能打破共同的偏见。虽然“群体智慧”能抵消随机个体错误，但当大家被同一条错误信息影响时，错误会叠加放大。

试试这样：在团队达成一致前，先想想哪些共同信息可能把大家带偏？

“群体智慧”成立的前提是：每个人的错误彼此独立，平均后就能互相抵消。关联性错误打破了这个前提。当团队成员被同一份误导数据、 charismatic 的领导或共享的认知偏见影响时，大家的判断会朝同一方向跑偏。

想象两种情况：用十台略有差异的秤称重，再取平均值，结果会很准；十台秤全用同一个错误砝码校准，平均值会“精准地错”。

要避免这种情况，就得在决策里加入认知多样性和结构独立。关键做法：

• 信息多样化：招聘时，让面试官分别做结构化面试、查不同推荐人，比大家坐一起闲聊更不容易被候选人的表面魅力忽悠。
• 先独立打分，再讨论：开会前，让每个人私下写下预测或评分，防止第一个发言的大佬把全场带偏。
• 指定“魔鬼代言人”：项目评审会里，正式安排一个人负责挑刺，让团队面对可能被集体忽视的风险，情报界常用这招。

关联性错误的研究是提升集体智能、避免团体迷思的核心。学者把“噪音”（随机独立错误）和“偏见”（系统关联错误）分开：平均能抵消噪音，却对偏见无能为力，甚至加深错误。有效的“决策卫生”要求在汇总前先让判断彼此独立。

• Kahneman、Sibony 和 Sunstein（2021）提出，组织必须实践“决策卫生”：会前先独立评估，减少噪音与偏见。[1] [4]
• Tetlock 与 Gardner（2015）发现，精英“超级预测者”不仅个人能力强，还利用多样化、独立形成的视角来抵消错误。[2]
• Sunstein 与 Hastie（2014）指出群体失败的四大症结：放大个体错误、 cascade 效应、极化、只关注共享信息，这些都会制造或加剧关联性错误。[3]

实施去关联策略耗时费力，日常决策可能嫌麻烦。硬设“魔鬼代言人”若操作不当，可能引发人为冲突或被当成走过场。此外，在信息病毒式传播的当下，让团队成员真正拥有独立信息源已越来越难。