■ 利用顾问
假设决策者已经决定依靠顾问的判断，那么如何确定顾问应该提供什么？考虑以下几个关键问题将有助于你解决这个问题。
选用多少顾问？通常的情况是公司对于任何决策问题都只雇用一个顾问，他们这样做的动机之一当然是降低成本。另外一个原因是决策者认为雇用更多的顾问没有意义。他们认为：“如果我们选择的顾问不是最好的，也是最好的顾问之一。如果我们再雇用另外的顾问，那么这第二个顾问或者不够好或者是多余的，总之会浪费我们的资金。”有关这个论点的一个问题是，即使是最优秀的顾问做出的判断离完美也还很远。另外一个与此相关的问题是，即使是最有权威的专家之间也经常不同意彼此的观点（大多数公司都很少注意到这一点，因为他们很少会咨询一个以上的顾问）。
你应该鼓励公司的决策者打破传统，在可行的情况下为重要决策问题雇用至少两个独立的顾问。“独立”不仅意味着他们应该来自于不同的公司，也意味着他们应该有不同的思考习惯，而且能够独立判断手头的问题。因此，先锋制造公司除了依靠杰克以外，还应该雇用其他的ＩＴ评估领域的专家，而且这些专家在评估过程中不应该和杰克交流。在许多因素的基础上，包括你如何合成不同顾问的判断，你会发现判断准确性的提高远远高于成本的提高。为什么？一个主要的原因就是集体决策的广泛覆盖性，也就是不同顾问的考虑因素只有小部分重叠，顾问们基于这些考虑因素做出判断，当把这些判断联合起来考虑的时候，你会发现这些判断几乎包括了应该考虑到的所有事情。
如何解决分歧？决策者从不同顾问处得到的判断经常存在着分歧。那该怎么办？你有两种选择，机械的或是协商的。
在机械的方法中，决策者运用某种规则来获得综合的判断，比如平均的方法。假设杰克认为时间减少５０％，而苏珊认为仅仅可以减少２０％，那么综合预测就简单地取平均数（５０％＋２０％）／２＝３５％。尽管取平均数的方法看上去过于简单，但研究表明它是提高准确性的有效方法。
在协商的方法中，我们需要对不同的观点予以思考和讨论，目的是分析为什么会存在歧义，然后在这个逻辑基础上进一步接近事物的本质。这种方法的其中一种就是“德尔菲方法”（Ｄｅｌｐｈｉ ｍｅｔｈｏｄ）。比如在先锋的案例中，杰克和苏珊依据自己的推理分别提出不同的预测，然后他们每个人都将阅读对方的预测，并且根据对方的预测修改自己的预测。这一过程一直进行到没有修改的可能为止。如果两个顾问还没有就此达成一致，那么就可以运用取平均数的方法。在传统的德尔菲方法中，顾问们不会面对面地接触，甚至始终不知道彼此的身份。但是，如果处理得恰当的话，面对面的讨论也会有益处。
如何询问？杰克在预测先锋的ＩＴ重组计划时说：“时间和成本将会减半。”即使减半是杰克自己最好的预测，在杰克的心里也不免会觉得有１５％的可能时间会增加。董事会的决策者们想知道这一点吗？当然。判断的真实性就在于顾问或其他人很少能绝对确信将会发生什么事情。然而，决策者们总是毫无例外地让顾问们给出坦白、绝对的断言：“那么，销售情况将会怎么样？”“他们能在６月完成吗？”“她能胜任这项工作吗？”当然，顾问会肯定地回答，毕竟他们知道在顾客面前显露出不确定将使他们看上去不能胜任这项工作。
在公司里，培养顾问用表示可能性的语言来表达他们的判断习惯将会有益于你的公司。给出可能性判断是最好的，诸如“很大的可能”“不可能”这类话比什么都没有要好。比如，董事会给杰克列出几个重组的时间范围选择：提高５０％以上，提高到５０％，降低到５０％，降低了５０％以上。杰克可能就会做出他认为可能的时间间隔的判断，比如分别是１０％、１５％、５０％、２５％。使用可能性语言表述判断还有一个好处就是它为分析顾问的准确性提供了途径。７
如何付给顾问报酬？通常的规则是公司给顾问的报酬与他们判断的准确性无关。然而为了激励顾问，报酬应该与准确性挂钩。假设苏珊和先锋制造公司签订了评估ＩＴ重组计划的合同，那么苏珊的一部分报酬应该根据她的预测与实际的相符程度以奖金的形式付给。８
可不可以用其他手段？近年来，公司越来越多地依靠其他手段来作为判断的依据，比如计算机程序，这些手段可以像人一样帮助公司判断。在本书中，这些手段也是潜在的顾问。现在使用的这方面的程序主要有销售预测、坏账估计以及提供医疗诊断的程序等。公司应该尽可能地像利用人类顾问那样利用机器顾问，并且注意它们的准确性与成本。研究已经不止一次地表明了机器顾问在准确性方面的优势。例如，一项报告指出，医生在预计癌症方面的准确性不超过５０％，而计算机程序的有效性却高达９０％。９病人和医疗系统的主管都对此深信不疑。而且他们也很清楚应用这样的程序比依靠医生的成本还要低。
既然我们可以使用有效的机器程序，那么我们为什么不能用机器程序来代替人类顾问呢？这其中有许多原因，也包括第８章将要讲的可接受性问题：完全依靠机器会让一些人感到不自在。人类顾问和机器顾问不同，他们各有优缺点。人类顾问最大的优点是他们视野的广阔性。计算机程序做出的判断完全建立在人们输入数据的基础上；相反，人类顾问会观察当时的情形，注意到所有的事情（比如，病人存活的可能性），然后再组织这些事实得出自己的判断。如果这些事实彼此系统地联系在一起，那么人类顾问相对于计算机程序来说则有很大的优势；但是如果这些事实是彼此独立的，那么就会极大地破坏其准确性。计算机程序的优势就在于它的一贯性。研究表明，人类在与机器的判断竞赛中失利的主要原因是人类没有一贯性。正如一位有名的学者所说的：“人类需要有作息的时间，而机器并不需要。”
最明智地使用机器顾问的方法就是和人类顾问一块使用，在启用多个人类顾问之前，就要利用机器顾问寻找可能的策略。这样，公司的决策者就可以同时从机器顾问和人类顾问那里获得判断，然后把两者的判断机械地结合起来考虑，比如用求平均的方法。例如在一个商议的过程中，如果机器顾问和人类顾问做出的判断存在很大的差异，那么你就应该调查一下这样的问题：“为什么会发生这种情况？什么东西机器考虑到了而我们没有考虑到，什么东西我们考虑到了而机器又没有考虑到？”作为决策管理者，你职责的一部分就是保证公司的决策者清楚地了解机器顾问的运行过程，并能够据此解决上面提到的问题。但是，情况经常是公司买来设备但是却不知道它是如何工作的。
■ 增加决策者自己的准确性
即使公司的决策者向他人咨询对相关决策问题的判断，他们同时也不可避免地会自己做出判断。因此，先锋公司董事会的每个成员对于他们的ＩＴ重组项目的时间及费用成本都有自己的判断，杰克的判断不会完全取代他们自己的观点。因此，你还需要采取一定的措施，以保证决策者自己的判断比他们在通常情况下的判断要准确。找到影响准确性的因素是解决这个问题的一个实用的方法。研究者已经发现了许多此类影响因素，以下各小节将着重讨论几个在日常商业决策中十分重要的因素。
影响因素一：相关的人
对影响最后决策判断准确性的决策人的分析有以下３个重要方面：
■ 人数：有时候，判断过程中的相关人数可能过少。大家都知道参与判断的人数越多，判断的准确性就越高，但是我们必须知道多少人才是最恰当的，增加决策的参与者能够增加判断有效性的效果究竟有多大。
■ 冗余：有时候，判断参与者的观点也许没有太大的差异。实际上，只有在参与者的观点不冗余的情况下，判断的准确性才会有效地提高。如果克里斯和李的意见总是彼此一致，那么把他们二者的观点联合起来考虑也不会比单独考虑克里斯的观点更加准确。此外，冗余还可能麻痹决策者，使他们过于自信。毕竟，如果每个人都同意一件事，那么这件事一定是正确的。但实际上这件事正确吗？不一定。
■ 技巧：毋庸置疑，技巧是影响准确性的另外一个首要因素。做判断的人首先自己必须是娴熟的判断者。通常，决策者不知道自己的准确性究竟有多高，更不用说知道其他人的准确性如何。
对这些问题的讨论又可以追溯到第4章模式问题：当你在公司内组织决策团队时，一定要保证决策团队中的成员有一定数量的不同的思考方式，但是都有着优秀的决策有效性记录。
影响因素二：社会动力学
当公司的决策团队在试图做出指导最后决策判断的时候，讨论中的社会动力可能会抑制准确性。这其中一个很明显的原因就是嘲笑和害怕嘲笑。在第５章中提到的头脑风暴法中要求不要在别人提出观点的时候予以批评，以及电子头脑风暴法中采用匿名的方法都可以解决这个问题。你可以把这种方法应用到判断过程中。另外一个原因就是前面提到的“信息共享效应”：团队成员不积极地提出自己认为对决策有益的看法，而只是讨论大家都知道的事情。概括地讲，解决这个问题的一个有效的方法就是在人们认为他们已经取得一致意见以后，仍然要求他们就判断问题多讲一些自己的观点。
影响因素三：错误指示
有时决策者和其他人一样，对那些对事实真相有指示性的因素持错误的观点。例如，他们可能认为有一些方面的工作经验将有助于人们完成服务经理的工作，因为这看上去十分符合逻辑。然而可观数据的调查显示，这二者之间没有任何联系。这些错误的观点会严重损坏判断的准确性。减少对错误认识依赖的一种技术叫做“唱反调”，也就是当一组决策者提出对某种事实效用的预测时，让另外一组人充当反对者，对他们的判断提出质疑。
对决策效果的有效预测也依赖于许多外部事件，比如任务完成的时间和成本，显然，这些外部事件对有效的决策来说也是至关重要的。但是，仅有这些也不够。本书余下的部分要讨论价值问题，比如一个受益人喜欢的可能是另外一个受益人所讨厌的。下一章将详细讨论这些问题。