Net als gewone mensen blijken experts ontvankelijk voor een groot aantal cognitieve vooroordelen en denkfouten
Een van de redenen waarom ik blogs schrijf is dat ik mijzelf op een aantal gebieden beschouw als een deskundige. Ik ben zeker geen Nobelprijswinnaar, maar ik schroom er niet voor om mezelf een degelijke wetenschapper te noemen. Je zou zeggen dat in deze tijd van fake news en populistische volksverlakkerij mensen als ik meer nodig zijn dan ooit, maar dat valt erg tegen. Deskundigen zijn juist enorm van hun voetstuk gevallen.
Daar is een aantal goede redenen voor, waarvan ik er twee wil noemen: (1) de deconfiture van de neo-liberale beleidsconsensus en de experts die hem verdedigden en (2) de groeiende overtuiging dat deskundigen eigenlijk een vrij belabberde track record hebben als het gaat om het voorspellen van gebeurtenissen en het vaak slechter doen dan de algoritmische data-analyse van computers en netwerken.
Op de huidige crisis van de deskundigheid is een begindatum te plakken en dat is de economische crisis van 2007-2008. Voor een periode van 30 jaar was er een breed gedragen beleidsconsensus onder westerse politici, beleidsmakers, en academici dat vrije markten, een kleine overheid, minimale regulering, en onbelemmerde handel de sleutel waren voor economische groei en welvaart voor iedereen. Dit was niet alleen een economische theorie, het was een wereldbeeld dat van invloed was op alle aspecten van het sociale leven van het recht tot het onderwijs en van de ouderenzorg tot het openbaar vervoer.
Lange tijd werkte het fantastisch, maar met de financiële crisis van 2007-2008 werd dit beleidsrecept op een spectaculaire manier gediskwalificeerd. De neoliberale beleidsconsensus leeft sindsdien bij bestuurders en beleidsmakers nog voort als een soort zombie-theorie waarnaar ― bij gebrek aan een alternatief ― nog steeds ritueel verwezen wordt, maar de magie is weg en de burgers geloven niet meer in de heilzaamheid van de markt. De experts hebben hen knollen voor citroenen verkocht en daarmee hun intellectuele autoriteit verspeeld. Dit is een belangrijke oorzaak van de populistische revoltes die tal van westerse democratieën nu parten spelen.
De tweede reden voor de crisis van deskundigheid is de digitalisering. In Machine Platform Crowd (2017) ― een van de boeken achter de veelgehoorde voorspelling dat in de nabije toekomst de helft van de werknemers vervangen zal worden door machines en robots ― zetten Andrew McAfee en Erik Brynjolfsson experts op hun plaats. Een algoritme dat eenvoudige weerdata van de Bordeaux streek verwerkte, voorspelde feilloos welke onrijpe wijnen door de consumenten gewaardeerd zouden gaan worden en welke prijs er voor gevraagd kon worden, traditioneel een taak voor de ervaren wijnexpert (McAfee & Brynjolfson 2017, 38-9). Een algoritme met gegevens over de verschillende rechters van het Amerikaanse Hooggerechtshof voorspelde in 75% van de gevallen wat voor besluit het Hooggerechtshof zou gaan nemen, terwijl een panel van 83 prominente juridische experts, waaronder een groot aantal voormalige assistenten van de verschillende Hoge Rechters, slechts in 60% van de gevallen het besluit juist voorspelde (McAfee & Brynjolfson 2017, 40-1). Door de beschikbaarheid van enorme hoeveelheden data wordt de voorspellende kracht van data-analyse steeds krachtiger, terwijl de cognitieve beperkingen van gewone stervelingen ― inclusief experts ― steeds zichtbaarder worden. (Een inzicht waarvoor de gedragseconoom Richard Thaler recentelijk de Nobelprijs heeft gewonnen.) Net als gewone mensen blijken experts ontvankelijk voor een groot aantal cognitieve vooroordelen en denkfouten. Dat gegeven wordt nog eens versterkt als je de deskundigen bij elkaar zet en elkaars vooroordelen laat napraten. Een team van deskundigen, zo lijken McAfee en Brynjolfsson te suggereren, is een tamelijk gebrekkig instrument om besluiten te nemen of ideeën te ontwikkelen.
Er is niets mis met dergelijke kritiek en het is altijd goed om je eigen denkprocessen kritisch tegen het licht te houden. De declassering van deskundigen door McAfee en Brynjolfsson moet echter ook met een zekere scepsis tegemoet worden getreden. Zeker, hun voorbeelden zijn sprekend, maar ook vrij beperkt. Ten eerste betreffen ze noodzakelijk alleen problemen die gecodeerd en geclassificeerd kunnen worden ― zonder data geen data-analyse. Veel vraagstukken zijn echter helemaal niet kwantificeerbaar. Veel juristen zullen bijvoorbeeld louter de voorspelling van de uitspraken van de rechter een zeer beperkte weergave vinden van wat hun juridische werk inhoudt. Eigenlijk geldt dit probleem evenzeer voor de bespreking van deskundigheid door McAfee en Brynjolfsson zelf. Er is geen kwantificeerbare algemene maat van expertise waartoe alle gevallen van succes en falen herleid kunnen worden. McAfee en Brynjolfsson vallen daarom terug op het geven van een heleboel sprekende voorbeelden waarin de deskundigen worden afgetroefd door de computer en het algoritme. Maar hoe betrouwbaar is dat? In de gedragseconomie noemen ze dat confirmation bias , het zoeken naar bevestiging van je eigen theorie.
Het tweede punt van McAfee en Brynjolfson is saillanter. Conformisme en groepsdenken is ook wetenschappers niet vreemd. Gesloten groepen kunnen zich bovendien volledig loszingen van de wereld om hen heen. De filosoof John Dewey vergeleek de relatie tussen de deskundige en de burger ooit met die van de schoenmaker en zijn klant: De schoenmaker is de expert die de schoen kan verstellen, maar alleen de klant weet waar de schoen wringt. De onverwachte keuze voor Brexit en Donald Trump hebben iedereen wakker geschud en ervan doordrongen dat er grote onvrede leeft bij grote groepen mensen. Veel deskundigen kunnen vinden dat ze de laatste decennia prachtige stappers hebben gefabriceerd waarmee we in de 21 ste eeuw nog lang vooruit kunnen, maar de burgers laten steeds luider weten dat de schoenen wringen en pijn doen.