Bias konfirmasi adalah kecenderungan mencari, menafsirkan, dan mengingat informasi yang menguatkan keyakinan yang sudah terbentuk. Kahneman memperluasnya dengan gagasan WYSIATI, bahwa pikiran membangun cerita paling koheren dari informasi yang tersedia saat itu, tanpa merasa perlu menghitung apa yang belum terlihat. Dalam konteks individu, bias ini sering diredam oleh kesadaran diri dan pengalaman. Dalam konteks tim, ia justru diperkuat: setiap orang selektif terhadap bukti, lalu seleksi itu dikonfirmasi oleh seleksi orang lain, dan ruangan berubah menjadi ruang gema yang tampak seperti konsensus.

Asumsi yang harus benar agar bias ini bisa dikelola adalah tersedianya data yang cukup dan waktu yang cukup untuk mengumpulkannya. Bila dua syarat itu tidak ada, yang bekerja bukan bias konfirmasi melainkan kekurangan informasi, dan obatnya berbeda. Pada kondisi data cukup, gejala yang perlu dicurigai justru sebaliknya: pengumpulan bukti berjalan sangat cepat dan sangat sepakat. Ketika sebuah usulan dilengkapi studi pembanding yang seluruhnya searah, itu bukan bukti ketelitian, melainkan jejak pencarian yang berhenti terlalu cepat.

Debias adalah keluarga upaya untuk mengurangi dampak bias melalui pelatihan, penyadaran, dan daftar periksa. Kalibrasi adalah pengukuran: membandingkan probabilitas yang diucapkan seseorang dengan frekuensi kejadian nyata pada kelompok prediksi yang sejenis. Kahneman, Sibony, dan Sunstein berargumen bahwa perbaikan paling andal datang dari higiene keputusan, yaitu perubahan urutan dan aturan dalam proses pengambilan keputusan, termasuk memisahkan penilaian sebelum diskusi dibuka dan mengagregasi penilaian secara mekanis. Tetlock dan proyek peramalan jangka panjangnya menunjukkan hal serupa: peramal yang paling akurat bukan yang paling percaya diri, melainkan yang mencatat probabilitasnya, membandingkannya dengan hasil, dan mengubah cara berpikirnya berdasarkan pola kesalahan yang terlihat.

Salah pakai yang paling sering terjadi ada dua arah. Pertama, menganggap kalibrasi yang baik otomatis berarti keputusan yang baik. Kalibrator bisa selalu menyebut angka lima puluh persen untuk segala hal dan secara statistik tampak terkalibrasi, padahal ia tidak memberi informasi apa pun. Yang membuatnya berguna adalah kemampuan membedakan situasi, bukan hanya kerapian rentang angka. Kedua, memakai kalibrasi sebagai alat penilaian kinerja individu. Begitu orang tahu skornya dihitung untuk penilaian tahunan, probabilitas yang diucapkan akan bergeser ke arah yang aman dan Justru kehilangan nilai informasinya. Kalibrasi harus diarahkan ke perbaikan sistem, bukan ke penilaian orang.

Rangkaian pertama adalah pemisahan penilaian. Setiap peserta menuliskan estimasi dan asumsi kuncinya secara individual sebelum angka apa pun dibuka, lalu fasilitator mengagregasi. Urutan ini penting karena begitu satu angka diucapkan di ruangan, penilaian berikutnya akan menyesuaikan, dan penyesuaian itu biasanya tidak disadari. Rangkaian kedua adalah premortem: tim diminta menuliskan skenario paling masuk akal yang membuat proyek gagal, seolah kegagalan itu sudah terjadi. Teknik ini membongkar satu hambatan sosial penting, yaitu keengganan mengkritik rencana yang sedang disusun oleh atasan yang hadir di ruangan.

Rangkaian ketiga menyentuh langsung jejak sunk cost. Setiap proyek di atas ambang nilai tertentu diberi syarat pembatalan yang konkret dan terukur, misalnya capaian tertentu yang harus terlihat pada kuartal kedua, dan hak mengevaluasinya dipegang owner yang berbeda dari pengusul. Staw menyebut pola ini escalation of commitment, kecenderungan menambah komitmen pada arah yang sudah dipilih meski umpan baliknya negatif, karena mundur terasa seperti mengakui kesalahan. Memindahkan penilaian ke pihak lain mengubah sifat pembatalan: dari pengakuan pribadi menjadi keputusan rutin. Rangkaian keempat adalah catatan kalibrasi. Satu tabel sederhana berisi tanggal, proyek, probabilitas keberhasilan yang diucapkan, asumsi yang harus benar, dan hasil yang akhirnya terjadi. Setelah tiga sampai empat kuartal, tabel itu akan menunjukkan apakah organisasi Anda cenderung terlalu percaya diri pada proyek yang diusulkan direksi dan terlalu pesimistis pada proyek yang datang dari lapangan.

DailyBrief mencatat dua perkembangan pada 21 September: OpenAI merilis kerangka misalignment, dan Anthropic mengukur bahwa AI kini memimpin sebagian signifikan pekerjaan pengembangan model frontiernya sendiri, sekitar seperempat dari total. Pergeseran yang relevan bagi penilaian korporat berjalan lebih halus. Ketika asisten bahasa dipakai untuk menguji proposal, model cenderung menghasilkan elaborasi yang searah dengan premis yang diberikan, karena ia diarahkan untuk membantu. Artinya, ruang rapat yang tadinya masih menyisakan satu suara sanggahan alami kini bisa kehilangan suara itu, karena sanggahan tidak lagi datang dari proses berpikir seseorang melainkan dari alat yang dirancang untuk melayani penggunanya.

Konsekuensinya, debias bergeser dari melatih manusia menjadi mendesain protokol verifikasi. Prompt yang meminta penilaian seimbang tidak cukup. Yang diperlukan adalah memaksa alat menghasilkan argumen tandingan sebagai keluaran terpisah dan mencatatnya di dokumen keputusan, sehingga pembaca berikutnya bisa melihat bahwa opsi lain pernah dipertimbangkan. Batas kejujurannya: belum ada cukup bukti publik soal seberapa besar pergeseran perilaku ini di lingkungan korporasi Indonesia, sehingga yang bisa kita pegang hari ini adalah kehati-hatian metodologis, bukan kesimpulan berbasis data lapangan.