Ny bog fra nudgingens bedstefar

Jeg vil nu tilbyde dig valget mellem to piller. Spiser du den blå pille, kan du fortsætte din normale tilværelse, hvor verden hænger sammen på en logisk og rationel måde, hvor beslutninger træffes på et oplyst grundlag, og hvor de fleste mennesker behandles ens og retfærdigt. Spiser du derimod den røde pille, vil du begynde at tvivle på menneskers rationalitet og evne til at træffe fornuftige beslutninger. Du vil miste troen på, at du lever i en retfærdig velfærdsstat. Du vil blive kastet ind i en verden af støj!

Jeg går ud fra, at du naturligvis spiser den røde pille. Det gjorde denne forfatter i hvert fald, da han vendte første side i bogen Noise, som er skrevet af de tre forfattere Daniel Kahneman, Cass Sunstein og Olivier Sibony.

Har man først spist den røde pille, opdager man, at alle beslutninger, vurderinger og domme er præget af tilfældigheder, skævheder og usikkerheder.

Noise - A Flaw in Human Judgment er skrevet af nudgingens bedstefar nemlig Daniel Kahnerman.

Forsikring, jobsøgning og diagnoser

Beder du dit forsikringsselskab om en pris på en bilforsikring, er der en god chance for, at prisen varierer afhængigt af sagsbehandleren og måske endda tidspunktet på dagen, hvor du ringer. Kører du galt i bilen, får du måske tilkendt fuld erstatning fra én sagsbehandler, mens en anden vurderer, at du kun er berettiget til halv dækning.

Måske skal du til jobsamtale i morgen. Du forbereder dig grundigt ved at sætte dig ind i alle fakta omkring virksomheden, men desværre for dig betyder din viden om fakta og dit eksamensbevis ikke det store. Din eventuelle ansættelse bliver nemlig afgjort af fastheden af dit håndtryk, den korte uformelle samtale på vej fra receptionen op til mødelokalet og din kommende chefs præference for folk med stribede jakkesæt.

Heldigvis stoler du på din læge og hendes evne til at diagnosticere sygdomme. Men desværre tager du også her fejl, for læger kommer konstant frem til forkerte diagnoser. Nogle gange er det, fordi lægen har en forkærlighed for bestemte diagnoser, andre gange er det, fordi lægen simpelthen ikke er særligt dygtig, og atter andre gange kan en fejldiagnose skyldes, at en læge lige har læst en spændende videnskabelig artikel, som skævvrider alle hendes diagnoser resten af dagen.

Forsikringspræmier, jobsamtaler og diagnoser er alle eksempler på domæner i dagligdagen, hvor der træffes beslutninger og afgørelser, og igen og igen viser det sig, at denne slags beslutninger er behæftede med fejl og usikkerheder. Som forfatterne skriver: “Alle vegne, hvor der træffes beslutninger, er der støj, og mere af det, end du tror!”

Det er et budskab, som de tre forfattere hamrer fast igen og igen over bogens 464 sider. Vi tror, at vi lever i en fornuftig verden, hvor der træffes fornuftige beslutninger om vigtige spørgsmål, men i virkeligheden lever vi i en verden, hvor beslutninger træffes på et mildest talt svagt grundlag, og hvor konsekvenserne kan være vidtrækkende, chokerende og sågar fatale.

Men lad os starte med at forstå, hvad forfatterne overhovedet mener, når de taler om støj.

Bias vs. støj

Hvis man skal træffe en beslutning eller komme med en forudsigelse om fremtiden – hvilket ofte er to sider af samme sag – er det vigtigt, at beslutningen eller forudsigelsen kommer tæt på målet. Hvis man sammenligner det med at skyde til måls med et gevær, kan man forestille sig fem mennesker, der alle affyrer et skud mod en målskive. I den optimale verden rammer alle skuddene i centrum af skiven (Team A nedenfor), men det sker sjældent. Typisk er der tre andre mulige udfald:

Team B: Alle skud rammer tæt på hinanden, men ved siden af centrum. Det tyder på, at der er en konsistent skævhed – eksempelvis i geværets sigte – som betyder, at alle de fem ellers præcise skytter rammer det samme forkerte sted. De er med andre ord biased.

Team C: Skuddene er spredt mere eller mindre tilfældigt ud over hele skiven. Der er ingen konsekvent skævhed, der er bare tilfældig og uforklarlig støj i de fem skud. Der er med andre ord støj i skuddenes fordeling.

Team D: Skuddene er både spredt og konsistent skæve. Der er med andre ord både bias og støj.

Team A har hverken bias eller støj. Team B’s skud er biased. Team C’s skud er fyldt med støj. Team D er påvirket af både bias og støj. Illustration fra bogen.

De seneste år har der i den brede samfundsdebat været et stærkt fokus på bias som årsag til uretfærdige beslutninger. I en vis udstrækning, kan man sige, at identitetspolitikkens fremmarch handler om et øget fokus på bias i vigtige (og mindre vigtige) samfundsforhold. Men også Daniel Kahnemans egen bog Thinking Fast and Slow fra 2011 har været en væsentlig årsag til, at vi i dag taler om psykologisk bias, og at regeringer og virksomheder ansætter rækkevis af nudging-eksperter, som på den ene side forsøger at afhjælpe de negative konsekvenser af bias og på den anden side forsøger at udnytte menneskers psykologiske biases til at sælge flere produkter og vise flere annoncer.

Men bias er – ifølge de tre forfattere – kun den ene del af årsagen til, at vi træffer forkerte beslutninger. En lige så vigtig – og måske vigtigere – årsag er støj. Altså det simple faktum, at beslutningstagere, eksperter og almindelige mennesker simpelthen bare træffer beslutninger, som vinden blæser. Ligesom der ikke er nogen god forklaring på Team C’s tilfældige spredning af skud, er der heller ikke nogen umiddelbare forklaringer på støj. Støj er et produkt af, at vi er kaotiske mennesker med kaotiske idiosynkrasier, som gør, at vi opfatter verden forskelligt og derfor træffer forskellige beslutninger. Og ligesom en skytte på Team C det ene øjeblik kan placere et skud i det ene hjørne og i det næste øjeblik i det modsatte hjørne, kan vi også som mennesker træffe den ene beslutning det ene øjeblik og den stik modsatte beslutning det næste øjeblik. Der er støj mellem mennesker, men der er også støj i vores egne hoveder.

Vi ser ikke støjen

Støj bliver ofte overset og ignoreret, fordi støj er mere uforklarlig og mere skjult end bias. Når dommere i et retslokale altid dømmer sorte mennesker hårdere end hvide, er det nemt at få øje på, og det er nemt at forklare, at biasen skyldes en eller anden form for racisme eller fordom. Når dommere derimod bare udmåler forskellige straffe til den samme forbrydelse uden et egentligt mønster, så er det ikke umiddelbart synligt eller forklarligt. Det kræver en mere statistisk tilgang at få øje på støj. Man er nødt til at sætte sig ind i den analytiske helikopter og lave statistiske analyser af spredning og fordeling af beslutninger for at få øje på støj.

En anden årsag til, at støj ofte ignoreres, er, at man typisk bliver ganske upopulær, når man påpeger tilstedeværelsen af støj og forsøger at komme med løsninger. I 1970’erne påpegede den amerikanske dommer Marvin Frankel, at der var noget helt galt med det amerikanske retssystem. Der var simpelthen alt for stor forskel på de straffe, som dommere uddelte. Som eksempel nævnte han blandt andet to uafhængige sager, hvor de skyldige havde forsøgt at indløse falske checks, begge på omkring 40.000 dollars. Den ene fik 15 år i fængsel, mens den anden fik 15 dage, uden at der var nævneværdige forskelle på de to sager.

Marvin Frankel fik sat gang i en lang række undersøgelser, som ganske rigtigt kunne påpege, at ja, der var støj – og rigtig meget af det – i det amerikanske retssystem. Det ledte til, at man i 1984 gennemførte en retsreform i USA, som indsnævrede dommeres mulighedsrum for at uddele straffe og underlagde dem nogle mere detaljerede retningslinjer for votering.

Retsreformen betød, at man i slutningen af 80’erne kunne observere et fald i støjen af dommernes afgørelser. Hvor der i 1986 kunne være 17 procents forskel på længden af en dom, var der omkring 1990 kun 11 procents forskel på længden af domme. Dommernes afgørelser var med andre ord rykket tættere sammen, ligesom skud på en målskive. Man havde reduceret støjen – udelukkende ved at gøre dommernes afgørelser mere regelbaserede.

På trods af den åbenlyse statistiske succes med at reducere støj løb retsreformen dog ind i massiv modstand – primært fra dommerstanden selv. Problemet ved støjreduktion er nemlig, at det reducerer ekspertens rolle som ekspert. Hvis man skal reducere støj, skal man nemlig reducere intuition, idiosynkrasi og alt det, som gør, at eksperter føler sig som eksperter. I stedet skal man introducere kolde, mekaniske strukturer og systemer, som virker upersonlige og blottede for medfølelse.

Resultatet var da også, at den amerikanske højesteret i 2005 dømte imod retsreformen fra 1984 og genindførte dommernes ret til at dømme ved hjælp af personlig diskretion og intuition. Resultatet var, at den statistiske støj i domme meget hurtigt vendte tilbage til de amerikanske retslokaler. Noise as a choice.

Det kræver et statistisk blik at se støj

At påpege støj kræver en statistisk tilgang til verden, som ikke er naturlig for mennesker, og at reducere støj kræver ofte en umenneskeliggørelse af beslutningsprocesser. Begge dele er sjældent populært, og derfor lever vi ofte videre i en verden med massive mængder af støj uden at gøre noget ved det.

Ikke desto mindre fastholder de tre forfattere, at støj er værd at bekæmpe. Og det starter med at forstå de forskellige typer af støj.

Bogen beskriver tre typer af støj:

Niveaustøj (Level noise) er den type støj, der opstår, når dommere eller beslutningstagere over en bred kam er uenige om niveauet i afgørelser. Alle anklagere og forsvarere ved, at der findes hårde dommere og milde dommere. Og alle skoleelever ved, at der findes 12-tals-lærere og så den type lærere, som virkelig fedter med 12-tallerne. Når man kigger statistisk på alle typer af afgørelser, vil der næsten altid være nogle bedømmere, som er hårdere end andre.
Mønsterstøj (Pattern noise) er den type støj, som skyldes, at individuelle bedømmere opfatter bestemte sager på forskellige vis. For eksempel kan en skolelærer prioritere kommasætning rigtig højt, når hun retter stile, hvilket betyder, at alle elever, der er gode til kommasætning, får uforholdsmæssigt høje karakterer for deres stile. Når mønsteret er stabilt (hun giver ALTID høje karakterer, når kommasætningen er i orden), er der tale om stabil mønsterstøj (Stable pattern noise). Det minder lidt om bias, men fordi denne type støj er forskellig fra lærer til lærer, bliver resultatet ikke bias, men netop tilfældig støj.
Situationel støj (Occasion noise) er en afart af mønsterstøj, men her skyldes støjen ikke et stabilt mønster, men derimod mere eller mindre tilfældige begivenheder, som påvirker bedømmeren. Det kan være, at skolelæreren samme morgen, som hun retter stile, har læst i avisen, at forkert brug af nutidsformer er et tegn på manglende intelligens, og derfor bliver alle elever, der ”ligger” æg, vurderet lavere end andre.

Vi kender alle de tre typer af støj

Det er en meget skematisk opdeling, men vi kender alle de tre typer støj fra vores dagligdag. Eleverne i skolen ved udmærket, hvem der er den hårde lærer, de kender også de enkelte læreres stabile idiosynkrasier, og de ved også, at lærerne kan have gode og dårlige dage. Vi lever med disse tre niveauer af støj, men det er bare utroligt sjældent, at vi gør noget struktureret ved problemet. Ofte accepterer vi bare, at der er støj – også i beslutninger og afgørelser, der kan spille afgørende ind på resten af vores liv (som dit karaktergennemsnit fra gymnasiet).

Men hvor kommer alt den her støj fra? Hvordan opstår støjen?

Tilfældigheder

En vigtig årsag til støj er simpelthen tilfældighedernes spil. Mennesker er forskellige, har forskellige baggrunde og har haft forskellige oplevelser og erfaringer gennem livet, og det betyder, at vi simpelthen og ganske tilfældigt har forskellige syn på verden, hvilket resulterer i forskellige typer af afgørelser og beslutninger.

Uvidenhed

En anden årsag er uvidenhed. Hvis vi altid havde perfekt information om verdens beskaffenhed, ville vi også kunne træffe bedre og mere præcise beslutninger, men det har vi meget langt fra. Denne uvidenhed betyder, at vi meget ofte er nødt til at gætte os til de rigtige beslutninger, og lige så snart vi begynder at gætte, bliver der indført usikkerhed og dermed støj i vores beslutninger. Et yderligere problem ved uvidenhed er, at vi ofte undervurderer vores egen uvidenhed, og her er særligt eksperter tit skyldige. Vi forestiller os simpelthen, at vi har mere viden, end vi egentlig har, og træffer derfor meget skråsikre beslutninger på meget svage grundlag.

Mangel på kompetence

En tredje årsag til støj er simpelthen mangel på kompetence. Sætter man ti rigtigt dygtige læger til at diagnosticere en patient, er der en større sandsynlighed for, at deres diagnoser rammer plet, end hvis man sætter ti nyuddannede læger til samme opgave. At have viden og være en ekspert betyder altså noget for at reducere støj, men det er ikke altid den væsentligste faktor. Der findes masser af såkaldte eksperter, som ikke er særligt gode til at træffe beslutninger, fordi de aldrig får afprøvet værdien af deres beslutninger. Politiske kommentatorer er et godt eksempel på eksperter, som aldrig bliver hængt op på deres forudsigelser og derfor er stort set lige så gode til at forudsige politiske begivenheder som aber, der skyder med dartpile. At være kompetent hænger langt oftere sammen med en særlig tilgang til indsamling af viden og beslutningstagning end dine officielle eksperttitler. Det vender vi tilbage til.

Gruppeeffekter

En fjerde årsag er gruppeeffekter. Grupper er faktisk ret gode til at træffe beslutninger, hvis medlemmerne af gruppen vel at mærke ikke påvirker hinanden. Lige så snart man sætter mennesker i en gruppe til at tale om beslutninger og afgørelser, vil de begynde at påvirke hinanden i forskellige – og ofte tilfældige – retninger. En gruppes afgørelser kan blive afgjort af, hvem der tilfældigvis åbner munden først, og ofte ender grupper med at blive mere ekstreme i deres holdninger til en sag, hvis medlemmerne får lov til at tale med hinanden. Med andre ord er grupper gode, hvis man tager et gennemsnit af medlemmernes uafhængige beslutninger, og helt elendige, hvis man lader dem interagere med hinanden.

Bias

En femte årsag er bias, og her er medforfatteren Daniel Kahneman på hjemmebane. I sin tidligere bog Thinking Fast and Slow beskriver Kahneman en lang række psykologiske biases, som får mennesker til at træffe beslutninger, som ikke er rationelle, men biased af forskellige årsager. Når psykologiske bias deles af mange beslutningstagere, opstår der naturligvis en generel bias i systemet. Men hvis psykologisk bias er fordelt på forskellig vis på forskellige beslutningstagere, resulterer det i, at bias skaber tilfældig støj.

Et eksempel på en psykologisk bias kunne være vores tendens til at forankre vores bedømmelser ud fra den første viden, vi præsenteres for. Forestil dig eksempelvis fem skolelærere, som alle skal vurdere ti stile. Hvis alle lærerne læser stilene i samme rækkefølge, vil de alle blive uforholdsmæssigt påvirkede af indholdet af den første stil. Hvis det er den bedste af de ti stile, vil lærerne uvilkårligt vurdere de ni efterfølgende stile lavere, hvilket vil skabe en konsistent bias i bedømmelserne. Hvis de fem lærere derimod bliver bedt om at læse de ti stile i tilfældig rækkefølge, vil de stadig blive påvirket af den første stil, men alle fem lærere vil blive påvirket forskelligt. Hvis stilene fordeles tilfældigt, er der altså stadig støj, men ikke længere en fælles bias for alle lærerne. Billedligt talt vil de fem lærere, der retter stile i samme rækkefølge ende med at minde om Team B (bias), mens de fem lærere, der retter stile i tilfældig rækkefølge vil minde om Team C (støj).

Den kontroversielle og mindre kontroversielle løsning på støjproblemet

Det store spørgsmål i Noise er naturligvis, hvad man skal gøre for at minimere støj, og her har bogen to løsninger: den kontroversielle og den mindre kontroversielle.

Den kontroversielle først.

Støj opstår på grund af menneskelige idiosynkrasier, så derfor er den mest nærliggende løsning naturligvis at skære mennesket helt ud af ligningen. Og det viser sig rent faktisk at være en ganske effektiv metode til at reducere og til tider helt eliminere støj. Jo mere man kan automatisere beslutninger og indføre konsistente regler og beslutningsgange, jo mere kan man se, at støj reduceres. Og det behøver ikke engang at være komplicerede regler – meget ofte kan helt simple regler skabe langt mere støjfri beslutningsgange. Et eksempel er Apgar-test, som bruges til at vurdere nyfødtes tilstand. Her scorer man nyfødte børn på en simpel fempunktsskala, som indeholder faktorer som puls, kulør, livlighed og så videre. Det er et helt simpelt automatiseret beslutningssystem, som betyder, at fødselslæger altid går igennem den samme scoringsproces, hvilket drastisk reducerer støj og dermed statistisk set redder mange spædbørns liv.

Et andet eksempel er en helt simpel model udviklet af amerikanske forskere til at forudsige, om folk vil stikke af, når de bliver løsladt mod kaution. Modellen består af to simple faktorer: Den anklagedes alder og antallet af møder i retten, som den anklagede tidligere er udeblevet fra. Det viser sig, at disse to faktorer er langt bedre til at forudsige, om folk vil stikke af, end en dommer, der skal lave samme vurdering.

Automatisering bliver nemt til diskriminering

Allerede her begynder vi dog at se, hvorfor automatiserede beslutningssystemer kan være kontroversielle. Det er naturligvis helt ok at vurdere folk på, om de tidligere er udeblevet fra møder i retten, men er det ok at bedømme folks risiko for flugt udelukkende på grund af deres alder? Der er ingen tvivl om, at unge mennesker oftere stikker af fra kautionen end ældre, men er det etisk set retfærdigt at diskriminere på grundlag af alder? Problemet ved mange af de statistiske og automatiserede tilgange til beslutningstagen, som anbefales af bogens forfattere, er, at de statistisk set skaber mere retfærdige systemer, men på individniveau føles det ikke altid retfærdigt. Bogens forfattere har et meget utilitaristisk forhold til retfærdighed, hvor retfærdighed opgøres i cost-benefit-analyser i det statistiske helikopterperspektiv. Individer betragtes i højere grad som statistiske objekter end som individuelle retssubjekter, der har krav på at blive behandlet som unikke individer. Bekæmpelse af støj kan med andre ord hurtigt komme til at ske på bekostning af menneskers rettigheder til at blive behandlet som unikke individer.

Kunstig intelligens kan bekæmpe støj, men…!

Endnu værre bliver det, når forfatterne begynder at tale om brugen af kunstig intelligens og maskinlæring til at træffe beslutninger. Igen kan de med statistikken i ryggen konstatere, at maskinlærende algoritmer, der bygger på millioner af data og tusindvis af faktorer, er endnu mere effektive end de simple regler til at fjerne støj. Fordelen ved maskinlæring og big data er, at man faktisk kan bygge beslutningssystemer, som er automatiserede, men som alligevel er komplekse nok til at tage højde for alle hverdagens små undtagelser. Og teknisk set har forfatterne ret i denne påstand. Der er ingen tvivl om, at maskinlærende algoritmer ofte er bedre og mere støjfri end mennesker, når der skal træffes beslutninger. Et eksempel er den algoritme, som lytter med på telefonopkald, når man ringer 112 i Region Hovedstaden. Algoritmen er blevet trænet til at kunne detektere hjertestop, og statistisk set er den faktisk bedre end mennesker til at diagnosticere hjertestop. Og fordi det er en algoritme, som altid træffer den samme beslutning på baggrund af de samme data, er den 100 procent fri for støj.

Video: Kunstig intelligens hjælper med at opdage flere hjertestop hurtigere

Corti er en danskudviklet kunstig intelligens, der hjælper sundhedspersonale med at detektere hjertestop.

Problemet ved maskinlærende kunstige intelligenser er dog, at de i endnu højere grad end de simple beslutningssystemer reducerer mennesker til statistik. Og det betyder, at der meget nemt sniger sig bias ind i de komplekse automatiserede beslutningssystemer. Det kan være ansigtsgenkendelsesalgoritmer, der kategoriserer sorte mennesker som gorillaer, eller ansættelsesalgoritmer, som frasorterer alle CV’er, der ser ud, som om de er skrevet af kvinder.

Lever i en forskerboble

Forfatterne er naturligvis klar over disse bias i maskinlærende systemer, men de lever i en forskerboble, hvor de forestiller sig, at fornuftige og rationelle udviklere af algoritmer kan tage højde for disse bias og designe retfærdige og gode algoritmer. De overser fuldstændigt, at maskinlæring er ånden, der er sluppet ud af lampen. Det er en teknologi, som i dag kan bruges af enhver 21-årig programmør, som har lært sig en smule Python-kode, og som aldrig har hørt om filosoffer som Kant eller Bentham. Maskinlærende beslutningssystemer kan – som forfatterne skriver – være langt bedre end mennesker til at træffe støjfri beslutninger, men de kan lige så vel udvikle sig til bias-fyldte monstre, der skaber ulighed, uretfærdighed og diskrimination i automatiserede beslutninger. De tre forfattere er gode til at påpege, hvordan alle mennesker er irrationelle, men de glemmer, at de programmører, som designer den digitale verdens automatiserede beslutningssystemer, langt fra er rationelle og logisk tænkende.

Beslutningshygiejne

Den mindre kontroversielle tilgang til at reducere støj kalder forfatterne for beslutningshygiejne. Og det minder på mange måder også om håndvask. Ligesom lægen, der vasker hænder før en operation, handler beslutningshygiejne om at følge en bestemt systematik, før man træffer vigtige beslutninger. Ligesom håndvask ikke garanterer en vellykket operation, kan man heller ikke være sikker på, at beslutningshygiejne fører til en rigtig beslutning, men man øger sandsynligheden betydeligt.

Et eksempel på en virksomhed, der praktiserer beslutningshygiejne, er Google, som benytter sig af en radikalt anderledes ansættelsesproces end de fleste andre virksomheder. Hos Google er man ekstremt opmærksomme på alle de små tilfældigheder og bias, som skaber støj i ansættelsesprocesser, og derfor gennemfører man ansættelsessamtaler, hvor intervieweren ord for ord følger en helt bestemt spørgeramme, som man udsætter alle ansøgerne for. Ansøgerne vurderes herefter på forskellige kriterier, og man gør sig umage for, at disse kriterier ikke smitter af på hinanden, således at taleevner for eksempel kommer til at overskygge konkrete faglige evner. Endelig foretages det endelige valg af kandidat af et ansættelsesudvalg, hvor flere forskellige mennesker kan komme med deres besyv, men vel at mærke på en måde, hvor deres holdninger ikke påvirker hinanden.

Seks regler for gode beslutninger

Forfatterne opstiller seks regler for god beslutningshygiejne, hvilke i den grad er værd at skrive sig bag øret næste gang, man skal træffe en vigtig beslutning.

Mind dig selv om, at målet med beslutninger, bedømmelser og afgørelser er præcision og ikke dit subjektive behov for at udtrykke din personlighed. Det er muligt, at du føler dig som en gudsbenådet kender af mennesker, men det er du ikke. Lyt nu til data, fakta og andres holdninger, før du træffer din beslutning!
Tænk statistisk, og se på den pågældende beslutning i et større perspektiv, hvor du inddrager statistik og erfaringer fra lignende cases.
Sørg for at opdele beslutningsprocessen i flere uafhængige dele, som ikke påvirker hinanden.
Lav systemer til at undgå førstehåndsindtryk. Sørg for køligt og rationelt at absorbere alle aspekter af beslutningen, før du fælder en dom.
Få vurderinger fra mange uafhængige bedømmere, og overvej at tage et simpelt gennemsnit af alle vurderingerne.
Prøv at undgå tvetydige skalaer og karaktersystemer, som kan misforstås og tolkes idiosynkratisk. Brug i stedet relative skalaer, hvor du placerer forskellige optioner i forhold til hinanden. Hvis du eksempelvis skal vælge mellem fem ansøgere, er det mere effektivt at placere de fem på en skala i forhold til hinanden end at give dem abstrakte karakterer.

Du har nu spist den røde pille. Du ved, at vi er omgivet af et kaos af irrationelle og uretfærdige beslutninger. Men heldigvis ved du også, at vi kan bekæmpe støj ved at automatisere flere beslutninger og ved at blive dygtigere til at træffe beslutninger. Noise er en stærkt inspirerende og også meget læseværdig introduktion til at træffe bedre beslutninger. Den bærer noget præg af at være skrevet af tre forskellige forfattere, som også selv har deres egne dagsordener og idiosynkrasier, hvilket betyder, at bogen er ca. 200 sider for lang, og man savner en mere klar rød tråd i en fortælling, hvor mange af kapitlerne virker overflødige og uden sammenhæng med helheden. Men på den måde er bogen måske en illustration af sin egen pointe: Vi mennesker er kaotiske, tilfældige og fyldt til randen med vores egne agendaer og eget syn på verden.