认知偏见（Cognitive Bias）是近年来很热门的一个主题，这个主题与其他学科的交叉催生了很多本畅销书，例如《怪诞行为学》、《别做正常的傻瓜》、《程序员的思维修炼》等等。其实如果你读了丹尼尔-卡尼曼最初的论文《不确定性下的判断：启发法和偏见》，你就会发现，这些畅销书只能算这篇短文的一个注脚。

做了若干的招聘和人员培养，我们也可以给卡尼曼的论文加上再一个注脚。我们可以看看，人力资源工作中存在哪些常见的认知偏见。下面列出几个我想到的例子，也许还有更多。

因例子的可提取性导致偏见

你是否有过这样的面试经历：一个候选人，尽管笔试成绩并不理想，但在面试中表现活跃有热情。在对比几个候选人时，几个面试官谈论得更多的，是这个候选人“有潜力”、“值得培养”。

你很可能正在被偏见引导：面试官们谈论的，是脑子里最容易立即提取到的例子，而不是最能代表人员能力的因素。回顾我们公司的招聘效果，我们发现笔试成绩低于某一水平的候选人被录用之后，淘汰比例较高、表现出优异绩效的比例较低——显然他们每一个都曾经在面试中表现出亮点。

我不是在建议拒绝录用笔试成绩偏低的候选人甚至干脆取消面试，只是当我们被某个候选人的活跃表现吸引时，我们要想到：最容易提取的例子未必是最具相关性的。

对可预测性不敏感

当我们谈论一个候选人的潜力，我们有多少时候是真的在谈论“他在未来的可能性”？如果对“当前的能力”和“未来的能力”分别做个排名，两个列表之间会有多大的区别？

我们的大脑不善于预测未来。我们常常只是把“现在的证据”误认为是“对未来的预测”。我们对候选人未来的能力做了很多假设，但没有认真去验证这些假设。

效度错觉

尽管我们真的不善于预测未来，但我们却很善于对自己的预测能力感到自信。我们的大脑会挑选候选人与心目中“理想同事”的相似特征，以此判断这个候选人会不会成为“下一个明星”。尽管没有任何历史数据现实这种预测的有效性（甚至一致性，因为每个人脑中的“理想同事”很可能不一样），但我们下一次仍然会这样去判断，并且感到这种判断方式有效。

误解回归性

对于新员工，你是否觉得表扬不如批评有用？每次你表扬他们一个出色的表现，他们回头就给你惹点麻烦出来；而每次你批评一个糟糕的表现，他们就会做出改进。所以你越来越喜欢批评人，在新人眼里的形象也变得越来越严厉。

你的形象倒是其次，关键在于大部分这些变化跟你的表扬或是批评根本没关系——那些只是正常的回归均值效应：高于平均水平的表现和低于平均水平的表现都是异常情况，很快就会回归到平均水平。所以，出色的表现很可能跟随着一个没那么出色的表现，糟糕的表现也很可能跟随着一个没那么糟糕的表现。