群體真的比較聰明嗎？#

作者 Joshua Becker、Douglas Guilbeault、Edward “Ned” Smith 把矛頭指向一個被廣泛接受的信念：群體智慧（collective intelligence）。研究確實顯示，當管理得當時，請一群人討論能比單純平均多位獨立顧問的建議得出更準確的估計。

但他們發表在《Management Science》的研究發現一個關鍵反例：

群體討論能提升預測準確度；但同樣的討論，會讓最終決策的準確度下降。

過去的群體智慧研究多聚焦在量化問題：「這個產品上市要多久？」「這個專案要花多少錢？」「這個求職者打幾分？」 — 這類問題討論能改善估計。

但是非題（yes/no）就不一樣了：「這個產品會準時上市嗎？」「會超出預算嗎？」「他達到我們的標準嗎？」 — 群體討論會降低做對決定的機率。

為什麼會這樣#

研究發現，群體討論常常做兩件事：

• 放大初始多數意見 — 即使該意見是錯的
• 把原本正確的多數，翻轉成錯誤的多數

關鍵：即使等到對話結束才投票也一樣。讓量化估計變準的同樣的社交動力，也會把不確定的少數派意見鞏固成強烈共識。

一個容易理解的範例#

假設五人團隊估計專案完成時間，並就「能否在 9 個月內完成」投票。實際答案是 10 個月（投「不能」才是對的）。

平均估計從 8.6 → 9.4，確實更接近 10。但同樣的討論卻把投票從「正確」翻轉成「錯誤」。只剩一位異議者，主管很容易被多數共識說服「沒事，會準時」 — 結果連備援計畫都不做。

研究團隊分析了 450 多個 10-40 人的實驗群體，提問題如「罐子裡有幾顆口香糖？」「美國多少 % 人有健保？」、討論前後比較。結果：

• 量化估計多半改善
• 但群體有 80% 的機率反轉初始正確答案，或不論對錯地放大初始多數

三個策略：從群體討論中得到智慧、避開陷阱#

1. 討論資料，不要預測結果#

鼓勵團隊分享：

• 個人經驗
• 事實與資料

避免：

• 數字估計
• 決策建議

舉例：在討論產品上市的會議中，下列這類資訊有幫助：

• 「我們上次給這位客戶的產品延遲了，因為他們臨時要改一個關鍵功能」
• 「UX 團隊最近三個專案都提前完成」

而下列這類發言會把對話推向同質化：

• 「我覺得會延遲」
• 「我覺得三個月內會完成」

「社交互動讓意見趨同」這個天然傾向正是讓量化估計變準的機制，但它也是讓最終投票失準的元兇。

2. 把「多少？」與「Yes/No？」分開#

利用群體智慧、又保留決策準確度的方法：明確分開預測討論與最終決定。

兩種具體做法：

• 讓群體討論並產生量化預測 → 取平均 → 最終決定留給主管
• 若需要民主投票：讓 A 群體討論並產出預測 → 把預測交給 B 群體 → B 群體不討論，僅根據預測投票

幾乎所有決定都隱含某種預測：

• 「自建還是外購（build or buy）」其實是在問成本與效益
• 公共政策的「是否實施」其實是在問參與率與影響度
• 是否會超預算、投資是否回報、風險是否可承受 — 都需要量化估計

即使最終目標是做決定，幾乎總是可以把那個決定從群眾預測討論中分離出來。

3. 蒐集團體動態的資料#

一個反直覺的發現：

• 在討論後修改自己估計幅度較小的人（也就是「比較固執」的人）
• 往往也比較準確

長期追蹤團隊成員意見的演變與最終結果，你會建立有價值的元資料：

• 誰的判斷在哪類問題上更值得信賴？
• 不同人擅長估計不同類型的問題（有人擅長進度、有人擅長成本）
• 自信的人是常對還是常錯？

把這些資料記下來，下次能對的人問對的問題。

結論#

群體往往能得出比個人更準的估計 — 但讓估計變準的社交影響力，同樣會讓 yes/no 決策變糟。

主管應該：

• 把群體討論限制在事實而非判斷
• 分開預測討論與決策
• 用過去的資料持續迭代與改善自己的決策流程