Probabilistic Thinking
Strategy: Khi phải phát biểu một dự đoán, hãy kèm một con số phần trăm và một khoảng — "khoảng 70%, dao động 60–80%" — vì chỉ khi có con số thì sau này bạn mới kiểm tra được mình đúng tới đâu.
Probabilistic thinking là việc thay thế thế giới nhị phân bằng thế giới có độ tin cậy. Câu “sản phẩm này sẽ thành công” bị thay bằng “khả năng đạt mốc mười nghìn người dùng hoạt động trong sáu tháng là khoảng 35%”. Thoạt nghe đây chỉ là cách nói thận trọng hơn, nhưng thực chất nó thay đổi cả cấu trúc của cuộc thảo luận: hai người bất đồng giờ có thể chỉ ra chính xác họ khác nhau ở con số nào, và tương lai có thể phán xử ai gần đúng hơn.
Bộ khung tối thiểu gồm bốn thành phần. Thứ nhất là tỷ lệ nền — chuyện tương tự trước đây xảy ra bao nhiêu phần trăm số lần. Thứ hai là bằng chứng riêng của tình huống này và mức độ nó đáng tin. Thứ ba là quy tắc cập nhật, tức cách trộn hai thứ trên, mà dạng chặt chẽ là định lý Bayes. Thứ tư là hậu quả: một khả năng 5% với thiệt hại không thể phục hồi cần được xử lý khác hẳn một khả năng 5% với thiệt hại nhỏ.
Ba bước áp dụng thực tế. Một, phát biểu dự đoán ở dạng có thể kiểm chứng, kèm mốc thời gian và tiêu chí rõ. Hai, gán xác suất và ghi lại lý do — chính phần lý do mới là thứ có giá trị khi nhìn lại. Ba, chấm điểm sau khi kết quả xuất hiện, không phải để xem mình đúng hay sai một lần, mà để xem trong tất cả những lần mình nói 70%, có khoảng bảy phần mười thành hiện thực hay không. Đây gọi là độ hiệu chỉnh, và nó là kỹ năng luyện được.
Cạm bẫy lớn nhất là đánh giá quyết định bằng kết quả. Một quyết định đặt cược 80% mà thua vẫn có thể là quyết định đúng; một quyết định đặt cược 20% mà thắng vẫn là quyết định tệ. Annie Duke gọi nhầm lẫn này là resulting. Trong tổ chức, hậu quả của nó là các đội học sai bài học: họ sao chép quy trình của dự án may mắn và chôn vùi quy trình của dự án đúng nhưng xui.
Trong bối cảnh tài chính, tư duy này là điều kiện tối thiểu để làm việc với rủi ro tín dụng hay gian lận. Một mô hình chấm điểm không nói “khách này sẽ vỡ nợ” mà nói “xác suất vỡ nợ 12 tháng là 4,2%”. Quyết định duyệt hay từ chối là việc so xác suất đó với chi phí và lợi ích của từng loại sai — chứ không phải việc đi tìm một câu trả lời chắc chắn vốn không tồn tại.
Cách cập nhật chặt chẽ của tư duy này chính là bayesian-updating. Việc gắn xác suất với hậu quả dẫn thẳng tới expected-utility-theory. Bỏ qua thành phần tỷ lệ nền là base-rate-fallacy, còn đánh giá quyết định bằng kết quả là outcome-bias — hai lỗi phổ biến nhất khi người ta bỏ khung xác suất giữa chừng.