Glöm doktorn – fråga datorn

Datorer kompletterar och ersätter mänskliga bedömningar på allt fler områden. Vilken blir nästa yrkesgrupp som får se sin status sjunka när deras expertkunskaper inte längre efterfrågas?

Anta att du var sjuk och en läkare och en dator gav var sin rekommendation om du skulle opereras eller inte – vem hade du litat mest på? En läkares kompetens och erfarenhet – vad är väl en dator jämfört med det?

Är du som de flesta människor hade du följt läkarens råd. Inget ont om läkare, men risken är att du gjort ett dåligt val. För ett tämligen okänt forskningsområde inom psykologin har i årtionden visat att datorer, eller enkla statistiska modeller, ofta är överlägsna även de mest erfarna experter på en mängd områden (se ruta). Den amerikanske psykologen Paul Meehl skrev redan 1954 en numera klassisk bok där han jämförde mänskliga och modellbaserade bedömningar och drog slutsatsen att modellen slår människan. 30 år senare kunde han konstatera att det fanns få områden inom samhällsvetenskapen där studie efter studie så entydigt visat samma sak.

– Modellen gör bättre prognoser än människan, säger Patric Andersson, docent i ekonomisk psykologi vid Handelshögskolan i Stockholm, som forskar om beslutsfattande och har jämfört människor med statistiska modeller.

Det har visat sig att läkare gör ett betydligt bättre jobb om de fråntas en del av sin bestämmanderätt och i stället använder sig av olika beslutsstöd och checklistor. Ett exempel är läkaren Lee Goldmans algoritm för att avgöra om personer med bröstsmärtor har en hjärtattack eller inte.  Läkaren ska strunta i att bilda sig en egen uppfattning och ska bortse från saker som ålder och allmänkondition för att i stället titta på ett fåtal specifika faktorer, som EKG och blodtryck.

Det finns även mer udda exempel. Den amerikanske professorn Ian Ayres skrev här om året boken »Super Crunchers« om hur statistiska modeller ersätter experter på allt fler områden i takt med att den tekniska utvecklingen gett oss tillgång till enorma mängder data och billig dator­kraft.

Han skriver bland annat om ekonomen Orley Ashenfelter som har utvecklat en modell för att förutspå hur bra bordeauxviner kommer att bli. Eftersom vin är en jordbruksprodukt avgörs det till stor del av vädret, och hemligheten bakom en utsökt årgång bordeaux är torrt väder under skörden, varmt när druvorna växer och en blöt vinter före. Vinexperterna fnös först åt Ashenfelters modell, men den har visat sig vara mycket träffsäker. Ett annat exempel är konsultföretaget Epagogix, som beräknar hur mycket pengar en film kommer att spela in – innan filmen är gjord – genom att köra manuset i en modell.

Varför är det så här? Vi människor är bra på mycket och kan bygga rymdfarkoster och flyga till månen, men när det gäller att rationellt väga samman fakta till en förutsägelse är vi förvånansvärt dåliga. En rad tillkortakommanden gör det svårt för oss att göra korrekta prognoser. Vi tenderar att fokusera på undantagen som sticker ut, även om de inte är särskilt representativa. Vårt minne är begränsat och vi väljer ofta vad vi ska minnas, vi efterrationaliserar och har förutfattade meningar och dessutom överskattar vi ofta grovt vårt eget kunnande. Under senare år har det vetenskapliga intresset formligen exploderat för begränsningarna i vårt beslutsfattande och hur lätt våra bedömningar låter sig påverkas av känslor, normer och förväntningar.

Ett talande exempel är ekonomen Uri Simonsohns studie av antagningsprocessen vid ett amerikanskt universitet, som visade att de som jobbar med antagningen lade större vikt vid akademiska meriter regniga dagar medan icke-akademiska meriter fick större tyngd när solen sken. Vem som får den där eftertraktade studieplatsen kan alltså avgöras av något så irrelevant som vädret utanför fönstret i rummet där meriterna bedöms.

Jämför detta med den statistiska modellen som bedömer varje student utifrån exakt samma kriterier på exakt samma sätt och som alltid fattar exakt samma beslut utifrån samma data.

– Modellen påverkas inte av om bedömaren har en bra eller dålig dag, vad det är för typ av väder eller vilket humör bedömaren är på. Den bedömer allting konsekvent och den blir inte trött. Att den alltid viktar allt på samma sätt gör att det blir en rättvisare bedömning, säger Patric Andersson på Handelshögskolan.

– Jag ser flera tänkbara praktiska tillämpningar på denna forskning. Exempelvis skulle Försäkringskassan kunna använda modeller för att avgöra om någon ska få sjukersättning eller inte. Vilka som ska få socialbidrag skulle kunna vara en annan möjlighet eller vem som ska få uppehållstillstånd, fortsätter han.

Låter det hårt med modellbaserad myndighetsutövning? Betänk då alla de misstag tjänstemannen kan göra. Är det regntunga skyar utanför Migrationsverket? Har handläggaren bråkat med sin fru i morse? Vilka tidigare erfarenheter har handläggaren med sig i bagaget?

Modeller används faktiskt redan i offentlig verksamhet. Det mest kända exemplet är hur man i delstaten Virginia i USA tar hjälp av en algoritm för att beräkna risken för att sexualförbrytare kommer att begå nya brott. Modellen är mycket enkel och består av bara fyra frågor. Den visar bland annat att risken för nya brott ökar om brottslingen är under 25 år och ju fler övergrepp personen är dömd eller misstänkt för.

Även om det kanske låter uppseendeväckande är det ju inom många områden helt okontroversiellt att datorer sorterar människor, till exempel om man tecknar försäkringar, då premien baseras på faktorer som kön, ålder och bostadsort.

Ingen tycker väl heller att det är kons­tigt om en dator på banken avgör vem som ska få låna pengar och till vilken ränta. Men så har det inte alltid varit och utvecklingen har varit förknippad med en statusförlust för banktjänstemännen. På några årtionden har de gått från att arbeta vid fina banken dit kunderna närmast kom med mössan i hand till att nu, lite drastiskt, svara i telefon och knappa in låntagares inkomstuppgifter i en dator, om inte kunden gör det själv på nätet.

Finns det något annat yrke som står på tur att göra samma resa?

– Läkare börjar förlora status. Yrket har mycket mindre hjältestatus än det brukade ha, säger »Super Crunchers«-författaren Ian Ayres till Fokus.

De flesta föredrar läkaren framför datorn, men den vita rocken är inte vad den en gång var. Om patienterna tidigare tog sin läkare på orden ser nu allt fler läkaren som ett substitut för att söka information själv på nätet, menar Ian Ayres.

– Patienterna vill se vad siffrorna säger är den bästa behandlingen, säger han och spår att den utvecklingen bara kommer att fortsätta.

Ingen kan gå säker när de statistiska modellerna gör intåg på allt fler områden. Och det ska de inte heller göra. För med nära nog entydiga forskningsresultat i mer än 50 år finns det mycket som talar för att det finns stora potentiella vinster med att på många fler områden lita lite mindre på experterna och lite mer på datorerna och modellerna.

Meteorologin har gjort resan från bondepraktikan och intuition till matematik och superdatorer och på kuppen har meteorologerna blivit bland de allra främsta experterna (se ruta). Fortfarande är dock experter på en mängd andra områden, lite drastiskt, kvar i rentarmar och kaffesump.

– Det som är det mest märkliga är det här motståndet. Det säger sig självt att behandla någonting statistiskt ger ett säkrare sätt att kunna urskilja vad som är bra eller dåligt än att själv försöka bilda sig en uppfattning, säger Patric Andersson på Handelshögskolan.

Om du skulle få välja igen mellan datorn och läkaren, vem skulle du ta?