간단한 파스타 소스 한 병을 사려고 슈퍼마켓에 들어섰습니다. 가장 먼저 보이는 제품은 $25로 예산을 훨씬 초과하는 가격이지만, 몇 걸음 후에 $11의 다른 제품을 발견합니다.
다른 상황이었다면 소스에 그렇게 많은 돈을 지불하는 것을 망설였겠지만, 별다른 고민 없이 합리적인 가격이라고 생각하며 구매하게 됩니다.
연구자들은 이를 앵커링 편향이라고 부르는데, 처음 접한 정보에 근거하여 결정을 내리는 인지적 문제입니다.
앵커링 편향이 존재하는 이유는 인간의 뇌가 끊임없이 의사 결정의 피로를 줄이려고 노력하며 지름길에 의존하기 때문입니다.
앵커링을 사용하면 사고 과정이 더 빨라지지만 의사 결정이 잘못될 가능성도 높아집니다.
이 글에서는 앵커링 편향이 정확히 무엇인지, 왜 발생하는지, 어떻게 인식하는지, 그리고 앵커링 편향으로부터 자신을 보호하기 위해 무엇을 할 수 있는지에 대해 설명합니다.
주요 내용
- 앵커링 편향은 사람들이 처음 접하는 정보에 지나치게 의존하여 이후 모든 판단의 기준점으로 삼는 인지 편향을 의미합니다.
- 앵커링 편향은 확증적 가설 테스트와 앵커링 및 조정이라는 두 가지 주요 심리적 메커니즘으로 설명됩니다.
- “소매업, 급여 협상, 학업 성적, 연구 견적에서 ”과거/현재' 할인은 일상 생활에서 흔히 볼 수 있는 고정 편향의 예입니다.
- 앵커링을 완전히 제거할 수는 없지만, 의도적으로 앵커링에 반대하고 앵커링에 노출되는 시간을 늦춘다면 의사 결정에 미치는 영향을 줄일 수 있습니다.
앵커링 편향이란 무엇인가요?
앵커링 편향은 사람들이 의사 결정을 내릴 때 처음 얻은 정보에 지나치게 의존하는 사고의 오류를 말합니다.
초기 숫자나 아이디어가 될 수 있는 첫 번째 정보를 앵커라고 합니다.
앵커가 기준점이 되어 향후 모든 판단을 처음부터 다시 하는 것이 아니라 앵커에 가깝게 유지한다고 말할 수 있습니다.
다시는 AI가 내 문자를 감지할까 걱정하지 마세요. Undetectable AI 도움을 드릴 수 있습니다:
- AI 지원 글쓰기 표시하기 사람처럼.
- 바이패스 클릭 한 번으로 모든 주요 AI 탐지 도구를 사용할 수 있습니다.
- 사용 AI 안전하게 그리고 자신 있게 학교와 직장에서
흥미로운 점은 앵커링 편향이 기준이 잘못되었다는 것을 분명히 알고 있는 경우에도 우리의 결정에 영향을 미친다는 점입니다.
예를 들어, “원래 $500”이었던 상품이 현재 $250에 판매되고 있는 경우, 해당 상품이 원래 그 정도 가치가 없더라도 $500을 기준선으로 생각하게 됩니다.
앵커링 편향은 심리학자 아모스 트베르스키와 다니엘 카네만에 의해 처음 소개되었습니다.. 이 두 사람은 믿을 수 없을 정도로 간단한 일련의 실험을 통해 인간이 합리적인 의사 결정자라는 신화를 해체했습니다.
한 실험에서는 참가자들에게 수학 문제의 답을 맞추는 데 5초를 주었습니다.
참가자의 절반에게 이 문제가 주어졌습니다: 1 × 2 × 3 × 4 × 5 × 6 × 7 × 8
그리고 나머지 절반은 이걸 얻었습니다: 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1
첫 번째 그룹의 예상 평균은 512개였고 두 번째 그룹의 예상 평균은 2,250개로 나타났습니다. 문제는 완전히 같고 배열만 달랐기 때문에 연구자들은 자연스럽게 그 차이의 원인이 무엇인지 궁금해했습니다.
그 결과는 시작점의 차이였습니다. 첫 번째 그룹은 작은 숫자로 시작한 반면, 두 번째 그룹은 더 큰 숫자로 시작했습니다.
처음 몇 개의 숫자로 닻이 세워지면 뇌는 충분히 가깝게 적응했습니다.
이 실험은 다양한 문화, 연령대, 전문성 수준, 직업 등에 걸쳐 여러 번 반복되었지만 비슷한 방식으로 판단을 예측했습니다.
앵커링 편향이 중요한 이유
앵커링 편향의 가장 즉각적인 결과는 값이 초기 값에 끌리면서 수치 왜곡이 발생하는 것입니다.
이 효과는 앵커가 있는 상태에서도 지속됩니다:
- 랜덤
- 명백히 관련 없음
- 정보 콘텐츠가 전혀 없는 것으로 명시적으로 설명됨
연구자가 모호한 데이터를 접할 때, 이전에 확립된 이론이나 벤치마크 형태의 이전 앵커가 해석에 영향을 미칠 수 있습니다.
A 법적 의사 결정에 관한 연구 에 따르면 손해배상액을 정하거나 벌칙을 설정하는 등 고도의 심의가 필요한 결정도 앵커링에 취약한 것으로 나타났습니다.
마찬가지로 숫자 앵커는 다음과 같이 사람들이 지불하거나 수락할 의향이 있는 금액 특정 제품/서비스의 경우.
앵커링 편향의 일반적인 예
앵커링 편향의 가장 명백한 예는 앞서 설명한 것처럼 리테일 분야일 것입니다.
“세일” 중인 상품에 줄이 그어진 가격, 즉 ‘과거/현재’ 가격표는 소비자의 시선을 사로잡는 데 매우 효과적입니다.
그 이유는 현실적으로 그다지 가치가 없을 수 있다는 사실과 상관없이 원래 가격이 앵커가 되기 때문입니다.
할인된 가격은 절대값이 아닌 앵커와 비교하여 평가되기 때문에 할인된 가격이 더 저렴하게 느껴집니다.
급여 협상에도 비슷한 개념이 적용됩니다. 양방향으로 진행됩니다! 고용주의 최초 제안 또는 후보자의 예상 범위, 이 둘 중 어느 것이든 이후 이어지는 전체 대화의 기준점이 될 수 있습니다.
앵커링 편향은 학계에도 존재합니다. 예를 들어, 논문의 처음 몇 섹션에서 인지된 품질은 이후 작업을 상대적으로 판단하는 기준이 될 수 있습니다.
앵커링 편향이 뇌에서 작동하는 방식
앵커링 편향이 발생하는 이유에 대해 이야기하기 전에 앵커링이 무의식적인 과정이라는 점을 이해해야 합니다. 앵커링이 일어나는 것을 알아차리지 못합니다.
심리학자들은 두 가지 주요 이론을 통해 고정 편향이 뇌에서 어떻게 작용하는지 설명합니다:
- 확증 가설 테스트
- 앵커링 및 조정
두 가지 모두 부주의하거나 정보가 부족할 필요는 없습니다. 그 부분을 먼저 이해하는 것이 좋습니다.
앵커링 편향의 첫 번째 주요 원인은 확증적 가설 테스트입니다. 이는 외부 앵커가 제시되면 뇌가 즉시 이를 후보로 간주하고 해당 값이 합리적으로 보일 수 있는 정보를 선택적으로 검색하기 시작할 때 발생합니다.
앵커가 높으면 사람들은 지지도가 높은 정보를 기억할 가능성이 높습니다. 앵커가 낮으면 그 반대의 현상이 발생합니다.
앵커가 명시적으로 무작위 또는 무관한 것으로 설명되어 있는 경우에도 초기 값으로 이동하는 추정치를 생성합니다.
두 번째 메커니즘은 앵커링과 조정이며, 이 메커니즘은 외부의 트리거가 전혀 필요하지 않습니다. 닻이 주어지지 않으면 사람들은 직관이나 부분적인 지식을 바탕으로 스스로 닻을 내립니다.
내부적으로 생성된 추정치가 앵커이며, 이 앵커로부터 점진적으로 조정이 이루어지는 기준점이 됩니다.
외부든 내부든 어떤 닻에서 벗어나 적응하려면 인지적 통제력이 필요한데, 우리는 그런 능력이 별로 없습니다.
따라서 사람들은 추정치가 최대한 정확할 때보다는 그럴듯하게 느껴지면 조정을 중단하는 경향이 있습니다.
앵커링 편향의 영향을 받는 일반적인 실수
앵커링 편향은 사고의 느린 표류로 이어져 초기 정보는 과대평가하고 이후 증거는 과소평가하는 결과를 초래합니다.
연구자나 데이터를 직접 다루는 사람들은 일반인만큼이나 신뢰할 수 있는 데이터를 앵커링합니다. 그들은 자신의 결론을 정당화하는 데 더 능숙할 뿐입니다.
추론이 그럴듯하게 들릴지 모르지만 편견은 제거되지 않았습니다.
따라서 연구 동료 평가 또는 학생 채점에서 초기 인상은 후속 정보에 대한 잘못된 판단으로 이어질 수 있습니다.
소매점을 보세요. 부풀려진 “원래” 가치와 비교하면 판매 가격이 충분히 좋아 보이기 때문에 할인된 가격을 과대평가하는 것은 매우 흔한 일입니다.
우리는 할인된 가격을 다른 상품과 비교하여 정말 할인된 가격인지 확인하지 않는 명백한 실수를 범합니다.
그러다 보면 의도한 것보다 더 많은 비용을 지출하게 됩니다. 물론, 초기 가격 노출로 인해 경제성에 대한 정의가 재조정되기 때문입니다.
앵커링 편향에 대해 알고 있는 사람들은 통찰력이 자신을 보호해준다고 생각하기 때문에 자신의 판단을 더 신뢰합니다. 안타깝게도 고의적인 반대편향에 적극적으로 노력하지 않는 한 그렇지 않습니다.
앵커링 편향을 피하기 위한 전략
앵커링 편향을 완전히 없앨 수는 없습니다. 앵커링은 자동적이고 대부분 무의식적인 과정이기 때문에 불가능합니다.
우리의 목표는 절대적인 의미의 회피가 아니라 피해 통제, 즉 앵커의 존재를 알아채기 전에 앵커가 결정할 수 있는 범위를 줄이는 것입니다.
앵커링을 약화시키는 가장 확실한 방법 중 하나는 앵커링이 부정확한 이유를 의도적으로 생성하는 것입니다. 이렇게 하면 뇌가 앵커에 반하는 정보를 검색하게 됩니다.
연구에 따르면 사람들이 자신의 견적을 내기 전에 앵커에 대해 반론을 제기하도록 유도하면 앵커 효과가 줄어든다고 합니다.
앵커에 노출되는 시간을 늦출 수도 있습니다. 앵커가 인식에 들어가면 보이지 않게 할 수 없습니다.
따라서 예를 들어 연구자는 선행 문헌을 검토하기 전에 자신만의 독립적인 추정치를 만들어야 합니다. 가격 책정 및 협상의 경우에도 상대방의 제안을 듣기 전에 범위를 결정해야 합니다.
여러 개의 독립적인 시작 지점을 사용하는 것도 앵커에 대한 노출을 지연시키는 것과 관련이 있습니다. 3~4개의 서로 다른 시작점을 생각하고 각기 다른 이유를 들어 정당화하려고 하면 앵커의 효과가 희석될 수 있습니다.
사실, 이미 닻의 영향을 받고 있는 뇌가 닻을 내리고 대안을 생각하기란 그리 쉬운 일이 아닙니다. 누군가와 의논하거나 인공지능 도구를 활용하면 더 잘할 수 있습니다.
감지할 수 없는 AI AI 채팅, 예를 들어 앵커가 틀릴 수 있는 이유를 의도적으로 검색하는 데 사용할 수 있습니다.
시스템에 명시적으로 앵커에 반대하는 주장을 하도록 유도하면 사고의 폭도 넓어질 것입니다.
아래 위젯에서 AI 디텍터와 휴머나이저를 살펴보세요!
최종 생각
앵커링은 인지적 편향의 한 형태이므로 무의식적인 수준에서 발생합니다.
물론 의도적으로 노력하지 않는 한 의식적으로 의식하지 않는 것을 차단하기는 어렵습니다. 우리는 자연스럽게 이런 식으로 생각하도록 연결되어 있습니다.
가장 먼저 입수한 정보를 바탕으로 빠르게 의사 결정을 내리는 것이 매우 효율적이지만, 이는 악용될 수도 있습니다. 소매 가격 책정은 고정 편향을 중심으로 작동합니다.
대부분의 경우, 우리는 ‘소위’ 판매 가격에 현혹되어 우리가 얻은 것이 그만한 가치가 없다는 사실을 깨닫지 못하고 넘어갑니다. 데이터가 많은 작업에서는 비용이 훨씬 더 많이 듭니다.
앵커에 대응하기 위해 마음에만 의존하는 것도 이미 그 마음이 앵커의 영향력 아래 있기 때문에 최선의 방법은 아닙니다.
시작 정보를 공개하지 않고 다른 사람과 함께 결정에 대해 이야기하거나 감지 불가능한 AI를 사용하여 앵커에게 이의를 제기하는 것이 가장 좋습니다. 이렇게 하면 판단을 증거 중심으로 전환할 수 있습니다.
확인 감지할 수 없는 AI 오늘.