Ch5. 가용성 휴리스틱과 대표성 편향 — 쉽게 떠오르는 것이 진실이 아닌 이유

빠른 판단의 도구, 휴리스틱

인간의 뇌는 하루에 수천 개의 결정을 내립니다. 모든 결정을 완전한 정보 분석으로 처리하는 것은 불가능합니다. 그래서 뇌는 휴리스틱(Heuristic) — 빠르고 효율적인 판단의 지름길 — 을 사용합니다.

휴리스틱은 대부분의 경우 잘 작동합니다. 그러나 체계적으로 틀리는 방식으로 작동할 때 인지 편향이 됩니다. 카너먼과 트버스키는 수십 개의 휴리스틱과 편향을 발견했는데, 그중 가장 영향력 있는 두 가지가 가용성 휴리스틱과 대표성 편향입니다.

---

가용성 휴리스틱 (Availability Heuristic)

정의

“쉽게 떠오르는 것이 더 흔한 것이다.”

우리는 어떤 사건이나 범주의 빈도를 판단할 때, 얼마나 쉽게 사례가 떠오르는지를 기준으로 판단합니다. 머릿속에서 쉽게 검색되는 것을 더 흔하고 가능성 높은 것으로 여기는 것입니다.

비행기 vs 자동차 공포

통계적으로 자동차는 비행기보다 훨씬 더 위험합니다. 그러나 많은 사람들이 비행기를 더 두려워합니다. 이유는 무엇일까요?

비행기 사고는 뉴스에 크게 보도됩니다. 생생한 이미지, 충격적인 스토리가 기억에 강하게 새겨집니다. 반면 자동차 사고는 매일 일어나지만, 개별 사고는 잘 보도되지 않습니다.

뇌가 “비행기 사고”를 더 쉽게 떠올리기 때문에 더 위험한 것처럼 느껴집니다.

실험 사례

트버스키와 카너먼의 실험:

• 영어에서 첫 글자가 ‘r’인 단어와 세 번째 글자가 ‘r’인 단어 중 어느 쪽이 더 많을까요?
• 대부분 첫 글자 ‘r’이 많다고 답합니다 (실제로는 세 번째 글자가 더 많음)

이유: 첫 글자로 단어를 검색하는 것이 훨씬 쉽습니다. “rail, rock, river…” 반면 세 번째 글자가 r인 단어는 떠올리기 어렵습니다.

가용성 휴리스틱의 실생활 영향

위험 인식: 테러, 상어 공격, 비행기 사고는 드물지만 생생하게 보도됩니다 → 과대평가. 심장마비, 당뇨 합병증, 자동차 사고는 흔하지만 일상적입니다 → 과소평가.

투자: “최근에 주가가 올랐다” → “계속 오를 것이다”라는 판단. 가장 최근의 정보가 가장 쉽게 떠오르기 때문에 과대 반영됩니다.

형사 사법: 목격자 증언은 가장 신뢰받는 증거 유형 중 하나이지만, 연구에 따르면 가장 부정확한 증거 유형 중 하나입니다. 기억은 “쉽게 떠오르는 것”을 실제보다 확실한 것으로 재구성합니다.

---

대표성 편향 (Representativeness Heuristic)

정의

“이것이 그 범주의 전형적인 모습과 닮았다면, 그 범주에 속할 것이다.”

어떤 사람이나 사건이 우리의 머릿속 원형(prototype)과 얼마나 닮았는가를 기반으로 판단합니다. 확률이나 통계보다 표면적 유사성을 우선합니다.

린다 문제 (Linda Problem)

카너먼과 트버스키의 가장 유명한 실험:

“린다는 31살, 미혼, 직설적이고 매우 지적입니다. 대학에서 철학을 전공했고, 학생 시절에는 차별과 사회 정의 문제에 깊이 관심을 가졌으며, 반핵 시위에도 참여했습니다.”

다음 중 어느 것이 더 가능성 높은가? A) 린다는 은행 창구직원이다. B) 린다는 은행 창구직원이면서 페미니스트 운동에 활동적이다.

대부분의 사람들이 B를 선택합니다. 그러나 B는 논리적으로 A보다 절대 가능성이 높을 수 없습니다. A이면서 B인 경우(교집합)는 A인 경우보다 항상 작거나 같습니다.

그러나 B의 설명이 린다의 이미지와 더 “닮아” 보이기 때문에 더 가능성 있어 보입니다. 이것이 **결합 오류(Conjunction Fallacy)**입니다.

---

소수의 법칙 (Law of Small Numbers)

대표성 편향의 중요한 결과입니다.

대수의 법칙(Law of Large Numbers): 표본이 클수록 실제 비율에 가까워집니다.

소수의 법칙: 사람들은 작은 표본에서도 대표성을 기대합니다.

예시: 동전을 6번 던져 앞면이 6번 나왔다. 다음 번 던지기에서 뒷면이 나올 가능성이 더 높을까요?

수학적으로는 50%로 동일합니다. 그러나 많은 사람들이 “뒷면이 나올 차례”라고 느낍니다. 이것을 **도박사의 오류(Gambler’s Fallacy)**라고 합니다.

반대 방향도 있습니다: “앞면이 6번이나 나왔으니 이 동전은 앞면이 더 잘 나온다”고 생각하는 것 — 핫핸드 오류(Hot-Hand Fallacy).

---

기저율 무시 (Base Rate Neglect)

대표성 편향의 가장 중요한 결과 중 하나입니다.

예시: 어떤 질환의 유병률이 0.1%입니다. 검사의 정확도는 99%입니다. 양성 판정을 받았을 때 실제로 그 질환이 있을 확률은?

직관적으로 “99%“처럼 느껴지지만, 실제 계산:

• 10,000명 검사 → 실제 환자 10명 → 9.9명 정확히 양성
• 건강한 9,990명 → 약 100명 위양성
• 양성 판정 약 110명 중 실제 환자 10명 = 약 9%

99%의 정확한 검사라도, 기저율(0.1%)이 매우 낮으면 양성 판정의 대부분이 위양성일 수 있습니다. 그러나 사람들은 이 기저율을 무시하고 “99% 확률”로 판단합니다.

이것이 의료, 사법, 보안 시스템에서 중요한 함의를 가집니다.

---

두 편향이 결합할 때

가용성 휴리스틱과 대표성 편향은 종종 함께 작동합니다.

투자 버블: 최근 급등한 자산이 생생하게 기억됩니다(가용성) + 이 자산의 스토리가 “성공한 투자”의 원형처럼 보입니다(대표성) → 과도한 투자 → 버블 형성.

편견: 특정 집단의 부정적 사례가 뉴스에 많이 노출됩니다(가용성) + 그 사례가 그 집단의 “전형”처럼 보입니다(대표성) → 고정관념 강화.

---

편향을 줄이는 전략

1. 통계적 기저율 확인

“이것이 얼마나 자주 일어나는가?”를 먼저 묻습니다. 직관적 판단 전에 객관적 빈도 데이터를 확인합니다.

2. 표본 크기 질문

“이 결론의 근거가 되는 사례가 몇 개인가?” 3-4개의 사례로 일반화하는 것을 경계합니다.

3. 역 질문

“내 판단을 반증하는 사례는 무엇인가?”를 의도적으로 생각합니다. 가용성이 높은 예시에 반대되는 예시를 찾습니다.

4. 참조 집단 변경

특정 사례에서 물러나 유사한 상황들의 전체 분포를 봅니다 (이것을 “외부 관점”, Outside View라고 합니다).

---

이번 장 핵심 정리

개념	내용	실생활 예시
가용성 휴리스틱	쉽게 떠오를수록 흔하다고 판단	비행기 공포, 위험 과대평가
대표성 편향	원형과 닮을수록 그 범주로 판단	린다 문제, 스테레오타입
결합 오류	A이면서 B가 A보다 가능성 높다 착각	린다가 페미니스트 은행원
기저율 무시	통계적 빈도를 무시하고 특이성만 봄	의료 검사 해석
도박사의 오류	과거 결과가 미래 확률에 영향 착각	동전 연속 앞면 후 뒷면 기대

극복 전략:

1. 기저율(통계적 빈도) 먼저 확인
2. 표본 크기 질문 (“근거 사례가 몇 개인가?”)
3. 반증 사례 의도적 탐색
4. 외부 관점으로 전환

다음 장에서는 자아 고갈과 의사결정 피로 — 하루에 내릴 수 있는 좋은 결정의 수는 제한되어 있다는 놀라운 사실을 살펴봅니다.