De cognitieve biases die AI kan blootleggen in je strategische beslissingen
Overmoed, sunk cost, beschikbaarheidsbias, de meeste founders weten dat deze biases bestaan. Lastiger is ze in je eigen beslissingen te betrappen, in realtime.
Het probleem is niet dat je ze kent
De meeste founders kunnen moeiteloos een dozijn cognitieve biases opnoemen. Het probleem is niet kennis, het is herkenning. Een bias betrappen op het moment van de beslissing zelf, wanneer de aantrekkingskracht van een comfortabele conclusie het grootst is, is precies waar menselijk beoordelingsvermogen keer op keer faalt.
Overmoed: het beroepsrisico van de founder
Founders overschatten systematisch de kans op hun eigen succes. Dat is geen ijdelheid, het is een functioneel kenmerk. Het soort zelfvertrouwen dat nodig is om een bedrijf te starten, is precies het zelfvertrouwen dat objectieve risico-inschatting moeilijker maakt.
AI-stresstests werken hier goed omdat het model jouw verhaal niet deelt. Wanneer je een beslissing aan WIJSMIND voorlegt, heeft het model geen belang bij jouw uitkomst, het zoekt naar de vragen die je nog niet hebt beantwoord, niet naar bevestiging van de vragen die je al wel hebt beantwoord.
Sunk cost: de valkuil achter 'we zijn al zo ver gekomen'
De sunk-costdrogreden slaat het hardst toe bij aanwervingsbeslissingen ('we zijn al 6 maanden bezig met de onboarding van deze persoon'), productbeslissingen ('we hebben deze feature over twee sprints gebouwd') en strategische koerswijzigingen ('we hebben investeerders al verteld dat dit onze richting is').
Een nuttige test: als je deze beslissing vandaag helemaal opnieuw zou nemen, zonder eerdere investering, wat zou je dan kiezen? AI kan de beslissing kaderen zonder het gewicht van wat er al is uitgegeven.
Beschikbaarheidsbias: recent verwarren met representatief
De laatste financieringsronde van een concurrent, het laatste klantgesprek, de laatste boardmeeting, die momenten kleuren beslissingen onevenredig sterk omdat ze het makkelijkst worden herinnerd. Een founder kan te veel gewicht geven aan één klacht omdat die vorige week binnenkwam, terwijl een veel significanter patroon verstopt zit in data van zes maanden oud.
AI brengt patronen over een langere periode naar boven, niet alleen de meest recente signalen. Die temporele neutraliteit is oprecht nuttig voor founders wier mentale cache gedomineerd wordt door wat er het laatst is gebeurd.
De grens
Niets van dit alles vervangt het werk van het ontwikkelen van je eigen beoordelingsvermogen, jaar na jaar. Het doel is niet om besluitvorming uit te besteden aan een model, maar om het model te gebruiken als controle op de specifieke faalpatronen waar menselijk beoordelingsvermogen het meest gevoelig voor is. Zie het als een copiloot die elk incidentrapport heeft gelezen en elke keer vraagt: 'Heb je de brandstof gecontroleerd?'