Cursus inhoud
StarHacks o.b.v. Thinking, Fast and Slow – Daniel Kahneman
Het Probleem: Optimisme en de Planning Fallacy Vraag jij je weleens af waarom projecten bijna altijd langer duren, meer kosten en minder opleveren dan je oorspronkelijk had gedacht? Dit fenomeen wordt de ‘planning fallacy’ genoemd. Het is de hardnekkige neiging om plannen en voorspellingen te maken die onrealistisch dicht bij het 'best-case scenario' liggen. De wortel van dit probleem ligt in een combinatie van onze natuurlijke optimistische bias en de manier waarop ons brein werkt. De meeste mensen zien de wereld als goedaardiger dan hij werkelijk is, beschouwen hun eigen vaardigheden als beter dan ze zijn, en achten hun doelen beter haalbaar dan waarschijnlijk is. Ondernemers schatten bijvoorbeeld hun persoonlijke kans op succes bij een nieuwe onderneming gemiddeld op 81% of hoger, terwijl de feitelijke overlevingskans na vijf jaar slechts ongeveer 35% is. Ons automatische System 1 is de geheime auteur van deze overmoed. Het is ontworpen om snel conclusies te trekken op basis van de informatie die het op dat moment heeft – WYSIATI (What You See Is All There Is) – en negeert wat het niet weet. Wanneer je een plan opstelt, focus je op jouw acties en stappen, maar je negeert de onbekende onbekenden (zoals ziekte, onvoorziene vertragingen of bureaucratische crises) die het project onvermijdelijk zullen vertragen. Het resultaat is een coherent verhaal van succes, maar de hoeveelheid en kwaliteit van de onderliggende data zijn grotendeels irrelevant voor hoe overtuigend dat verhaal aanvoelt. De Oplossing: De Kracht van de Buitenste Blik Om realistische tijdsplanning te maken, moet je je inspannende System 2 mobiliseren om deze optimistische illusies te bestrijden. De meest effectieve remedie is het aannemen van de ‘outside view’ (de buitenste blik) en het gebruik van reference class forecasting. De buitenste blik vereist dat je de details van jouw specifieke project vergeet (de inside view) en in plaats daarvan kijkt naar de statistieken van vergelijkbare projecten – de referentieklasse. Door een realistisch, statistisch onderbouwd uitgangspunt (baseline prediction) vast te stellen, kun je je intuïtieve, optimistische voorspellingen corrigeren en matigen, waardoor je plannen robuuster worden en minder vatbaar voor de valkuilen van overmoed.
0/11
1.3.2 Realistische tijdsplanning maken

Het probleem: Ankering is een veelvoorkomend systematisch probleem waarbij mensen schattingen maken door uit te gaan van een aanvankelijke waarde (het anker) en die vervolgens onvoldoende aanpassen. De eerste schatting die je maakt voor een project (bijvoorbeeld: “Dit duurt een week”) of het eerste bedrag dat je ziet (bijvoorbeeld: het budgetvoorstel van een klant) verankert je denken. Zelfs irrelevante of willekeurige ankers beïnvloeden je uiteindelijke oordeel.

De Hack (Bewuste Anti-Ankering): Het voorkomen van ankering vereist dat je de automatische processen van System 1 onderbreekt. System 1 probeert automatisch de zinnen die je leest waar te maken, en dit activeert compatibel bewijs in je associatieve geheugen, waardoor het anker geloofwaardiger wordt.
 
Actiestappen:
 
1. Wees je Bewust van het Anker: Herken dat de eerste schatting—of die nu van jou, je team, of een bron met lage betrouwbaarheid komt—een anker zal zijn. Plannen zijn van nature best-case scenario’s en daarom vaak gevaarlijke ankers.
 
2. Zoek Naar Argumenten Tegen het Anker: De aanpassing van een anker is een bewuste, moeitevolle System 2-operatie. In plaats van direct aan te passen, zoek je bewust naar argumenten om zo ver mogelijk van het anker weg te bewegen. Als je eerste schatting één week is, dwing jezelf dan om te beargumenteren waarom het absoluut drie weken moet zijn. Pas daarna pas je weer aan, maar vanuit een extreem standpunt.
 
3. Laat Anderen Eerst Schatten: Als je in een team werkt, zorg er dan voor dat alle leden onafhankelijke schattingen opschrijven voordat er een discussie plaatsvindt. Dit zorgt ervoor dat de mening van de persoon die als eerste spreekt (het anker) niet te veel gewicht krijgt en dat je meer informatie uit de diversiteit van de groep haalt. Als je schattingen vergelijkt die onafhankelijk zijn gedaan, zullen de fouten van de verschillende individuen gedecorreleerd zijn, wat leidt tot een beter, gemiddeld resultaat.
Scroll naar boven