噪声 Noise — Daniel Kahneman, Olivier Sibony, Cass Sunstein
判断错误不只有偏差（bias），还有噪声（noise）——同一个案件换个法官判，刑期能差 5 倍，这个隐藏成本比偏差还伤组织。
- 判断=真值+偏差+噪声：偏差是系统性方向偏移，噪声是同案不同判的随机不一致
- 多人集体讨论不会消除噪声反而放大它——正确做法是每人独立判断再平均
- 决策卫生（检查表+独立评审+结构化打分）对噪声，就像洗手对细菌
核心观点
噪声比偏差更隐蔽：偏差有方向可查，噪声是随机的没人看见
偏差是系统性的、可被识别修正；噪声是随机的，多数组织根本看不见。法庭研究发现同一案件换不同法官判决刑期能差 5 倍，但每个法官都觉得自己公正——这种噪声大量存在于医院、公司、招聘、投资里。
同一案件不同法官判决的刑期差距
每个法官都自认公正——噪声是看不见的隐藏成本
多人集体讨论不会消除噪声，反而会放大它
每人独立判断再平均，偏差不会消失，但噪声的随机部分会互相抵消。集体讨论反而因为锚定效应和群体压力让噪声不减反增。正确做法是「先独立、后平均」，而不是「先讨论、后表决」。
| 决策方式 | 对噪声的影响 |
|---|---|
| 每人独立判断+事后平均 | 噪声部分互相抵消 |
| 先集体讨论再表决 | 锚定+从众效应，噪声不减反增 |
决策卫生：对噪声，就像洗手对细菌
噪声的解药是「决策卫生」——检查表（不靠记忆）、多人独立评审、结构化打分、反馈环。这些动作单个看都很无聊，但像手术前洗手一样，boring 却救命。
- 凭当天感觉临场判断重要决策
- 让评审者先看到彼此的初步意见
- 用检查表固定判断的维度和顺序
- 让每位评审者先独立打分，再汇总讨论
饿、累、心情差的时候，你的判断噪声会变大
法官饿了判刑更重，HR 累了招聘出错更多，情绪化时骂错员工的概率上升。这不是道德问题，是场合噪声（occasion noise）——同一个人在不同生理和情绪状态下会做出不一致的判断。
哪里有判断，哪里就有噪声——而且通常比你想的更多。
— 丹尼尔·卡尼曼简单算法常常打败人类专家：不是因为算法更聪明，是因为它零噪声
即使算法本身带有一定偏差，只要它完全一致（零噪声），总错误率仍可能低于一个偏差小但判断飘忽不定的人类专家。一致性本身就是一种被低估的准确性来源。
重复决策用算法，一次性决策用多视角判断
招聘、评分、诊断这类反复发生的决策，应该用算法和检查表消除噪声。结婚、创业、战略这类一次性决策，算法无从训练，只能靠判断力加多视角校准，噪声在这里换了另一种解法。
| 决策类型 | 推荐解法 |
|---|---|
| 重复型（招聘/评分/诊断） | 算法+检查表，消除噪声 |
| 一次性（结婚/创业/战略） | 多视角判断，无法靠算法训练 |
免费部分到这里。墙内还有：
本书与另外 4 本书的观点交锋 · 应用篇
金句摘录
「哪里有判断，哪里就有噪声——而且通常比你想的更多。」
「噪声是每个组织的隐藏成本。」
「决策卫生对噪声，就像洗手对细菌。」
常见问题
这本书讲了什么？
判断错误不只有偏差（bias），还有噪声（noise）——同一个案件换个法官判，刑期能差 5 倍，这个隐藏成本比偏差还伤组织。
适合谁读？
从核心观点看，适合想搞清楚「噪声比偏差更隐蔽：偏差有方向可查，噪声是随机的没人看见」这类问题的人。
最核心的一个观点是什么？
噪声比偏差更隐蔽：偏差有方向可查，噪声是随机的没人看见