Więcej danych – mniej pewności, czyli paradoks podejmowania decyzji

3 dni temu

podejmowanie decyzji # paradoks # podejmowanie decyzji

Ostatnia aktualizacja: 14.08.2026

Kolejny raport, dokładniejsza prognoza, jeszcze jeden scenariusz, dodatkowa analiza wygenerowana przez AI mogą pomóc podjąć lepszą decyzję. Żadna z tych rzeczy nie zagwarantuje jednak, iż decyzja będzie adekwatna. Łatwo uwierzyć, iż jeżeli dowiemy się jeszcze trochę więcej, w końcu pojawi się jedna oczywista odpowiedź. Co jeżeli problemem nie jest brak danych, ale oczekiwanie, iż uwolnią nas od niepewności? Gdzie kończy się analiza, a zaczyna podejmowanie decyzji, za które ktoś ostatecznie musi wziąć odpowiedzialność?

Kilka słów od Autorki

Mamy dostęp do ogromnej ilości danych, analiz i narzędzi, które mają pomagać nam podejmować lepsze decyzje. Czy to oznacza, iż łatwiej jest mieć pewność, którą drogę wybrać? Warto przyjrzeć się temu paradoksowi i zastanowić, gdzie przebiega granica między analizą, która rzeczywiście pomaga, a poszukiwaniem pewności, której być może żadna ilość danych nam nie zapewni.

O tym jest ten artykuł. Zapraszam do lektury.

Agnieszka Kruk
Editor-in-Chief | Leanpassion Blog

Spis treści

Skoro wiemy coraz więcej, dlaczego nie decyduje nam się łatwiej?
Więcej danych nie zawsze oznacza więcej wiedzy
AI może dać Ci więcej odpowiedzi, ale nie powie, która jest adekwatna
Podejmowanie decyzji: Czy to niepewność, czy tylko nasza potrzeba pewności?
Dane opisują rzeczywistość – strategia wymaga osądu
Gdy kolejna analiza przestaje poprawiać decyzję
Podejmowanie decyzji bez gwarancji, iż będą adekwatne

Zobacz też: Scenariusze strategiczne jako element strategii firmy

Skoro wiemy coraz więcej, dlaczego nie decyduje nam się łatwiej?

Liderzy mają dostęp do ogromnej ilości informacji: dashboardy aktualizowane w czasie rzeczywistym, analityka predykcyjna, dane o klientach, rynku i pracownikach, kolejne scenariusze, rekomendacje, a dziś również AI, które w kilka chwil potrafi przeanalizować materiał, na którego opracowanie wcześniej potrzebowalibyśmy dni. Intuicja podpowiada, iż powinno nam się dzięki temu łatwiej podejmować decyzje. Im więcej wiemy, tym mniej miejsca zostaje przecież na niepewność. Tyle iż w praktyce ta zależność nie jest tak prosta.

Więcej danych może dawać lepszy obraz sytuacji, ale jednocześnie odsłania kolejne zależności, ryzyka i możliwe scenariusze. Jedna analiza wskazuje szansę, druga pokazuje zagrożenie. Prognoza wygląda obiecująco, ale po zmianie jednego założenia prowadzi do zupełnie innych wniosków. AI w kilka sekund wygeneruje pięć możliwych rozwiązań, tylko iż ktoś przez cały czas musi zdecydować, które z nich ma sens.

Więcej informacji nie musi prowadzić do większej pewności, czasem jedynie dokładniej pokazuje nam, jak wiele rzeczy pozostaje niepewnych. Dlatego pojawia się pokusa: jeszcze jeden raport, jeszcze jedna analiza, jeszcze jeden scenariusz – być może wtedy odpowiedź stanie się oczywista. Tylko czy naprawdę brakuje Ci informacji? A może żadna ich ilość nie zagwarantuje, iż decyzja, którą podejmiesz, okaże się adekwatna?

Podejmowanie decyzji: Więcej danych nie zawsze oznacza więcej wiedzy

Dane, informacje, wiedza i zrozumienie często traktujemy jak kolejne stopnie tej samej drabiny. Tymczasem przejście z jednego poziomu na drugi nie dzieje się automatycznie. Możemy mieć tysiące punktów danych i przez cały czas nie wiedzieć, co z nich wynika. Możemy znać wszystkie wskaźniki i wciąż nie rozumieć, który z nich powinien mieć znaczenie dla decyzji, którą właśnie podejmujemy.

Organizacje potrafią dziś mierzyć niemal każdy aspekt swojej działalności. Sprzedaż, rentowność, zachowania klientów, efektywność procesów, zaangażowanie pracowników, ruch na stronie, konwersję. Problem pojawia się wtedy, gdy każdy z tych wskaźników zaczyna domagać się uwagi lidera. W literaturze zjawisko to określa się jako information overload. Badania nad nim prowadzone są od dziesięcioleci, a ich wnioski podważają intuicyjne przekonanie, iż im więcej informacji otrzymujemy, tym lepiej decydujemy. Przegląd badań opublikowany w 2024 roku w „International Journal of Information Management Data Insights” wskazuje, iż przeciążenie informacyjne może pogarszać jakość podejmowania decyzji, obniżać produktywność i zwiększać obciążenie poznawcze.

Tak więc problemem nie musi być brak danych. Może nim być brak umiejętności oddzielenia sygnału od szumu. Kolejny raport nie pomoże, jeżeli nie wiemy, którego wskaźnika szukamy i dlaczego. Dodatkowy dashboard nie zwiększy zrozumienia, jeżeli pokazuje dwadzieścia rzeczy równie mocno. Więcej informacji może wręcz zwiększyć liczbę pytań, zależności i interpretacji, które trzeba wziąć pod uwagę.

Dlatego w organizacji opartej na danych jedną z najważniejszych kompetencji nie jest już samo zdobywanie informacji, a umiejętność zdecydowania, które informacje zasługują na uwagę, a które – choć prawdziwe i dostępne – nie powinny mieć wpływu na konkretną decyzję.

AI może dać ci więcej odpowiedzi, ale nie powie, która jest adekwatna

AI zmienia tempo pracy z informacją, zmienia również jej dostępność. Analiza danych, porównanie kilku scenariuszy, wskazanie ryzyk czy przygotowanie wariantów rozwiązania mogą dziś zająć minuty zamiast godzin czy dni. Koszt uzyskania kolejnej odpowiedzi gwałtownie spadł, powodując nowy paradoks. Kiedyś problemem było zdobycie informacji, a dziś coraz częściej jest nim zdecydowanie, co zrobić z wieloma możliwymi odpowiedziami. Możesz poprosić AI o ocenę pomysłu na nowy produkt, za chwilę o argumenty przeciwko jego wprowadzeniu, następnie o trzy alternatywne strategie, analizę ryzyk każdego scenariusza i rekomendację najlepszego rozwiązania. Każdy kolejny prompt może dostarczyć sensownych argumentów, których wcześniej nie brałeś, nie brałaś pod uwagę.

Tyle iż AI pracuje na danych, kontekście, założeniach i pytaniach, które otrzymuje. Może pomóc zobaczyć więcej, ale nie zdejmie z lidera konieczności rozstrzygnięcia:

które założenia są dla organizacji najważniejsze,
jakie ryzyko jest gotowa zaakceptować,
z czego świadomie zrezygnuje,
jakie konsekwencje jest gotowa ponieść.

Przy decyzjach strategicznych często nie istnieje jedna obiektywnie „najlepsza” odpowiedź, którą wystarczy odkryć dzięki odpowiednio dobrej analizie. Są różne możliwości, każda z innym potencjałem, kosztem i ryzykiem. AI może zwiększyć zdolność organizacji do analizowania rzeczywistości, ale nie przejmie odpowiedzialności za wybór. Ostatecznie ktoś musi powiedzieć: spośród tego, co wiemy i czego przez cały czas nie wiemy, wybieramy właśnie tę drogę. I podpisać się pod tą decyzją własnym nazwiskiem.

Podejmowanie decyzji: Czy to niepewność, czy tylko nasza potrzeba pewności?

Niepewność jest niewygodna, szczególnie dla lidera, który za chwilę będzie rozliczany z konsekwencji swojej decyzji. Nic więc dziwnego, iż próbujemy ją ograniczyć. Prosimy o dodatkowe dane, sprawdzamy jeszcze jeden scenariusz, konsultujemy rekomendację, aktualizujemy prognozę. To wszystko daje poczucie, iż jesteśmy bliżej momentu, w którym decyzja stanie się wystarczająco bezpieczna. Tylko iż przy wielu ważnych decyzjach biznesowych taki moment może nigdy nie nadejść.

Niepewność nie zawsze oznacza, iż analiza była niewystarczająca albo ktoś nie odrobił pracy domowej. Czasem jest po prostu cechą rzeczywistości, w której podejmujemy decyzję. Nie wiemy, jak zachowa się rynek, co zrobi konkurencja, jak klienci zareagują na nową ofertę ani czy technologia rozwinie się zgodnie z dzisiejszymi przewidywaniami. Możemy zmniejszać obszar niewiedzy, ale nie zawsze jesteśmy w stanie go wyeliminować. Tu pojawia się subtelna granica. Kolejna analiza może służyć poprawie jakości decyzji, ale może też służyć odsunięciu momentu, w którym trzeba wziąć za nią odpowiedzialność.

To drugie jest szczególnie kuszące, ponieważ bezczynność łatwo ubrać w język racjonalności: „potrzebujemy jeszcze danych, musimy pogłębić analizę, sprawdźmy dodatkowy wariant”. Wszystko brzmi rozsądnie, tymczasem czas płynie, warunki się zmieniają, a brak decyzji również zaczyna mieć swoje konsekwencje. Być może więc jednym z ważniejszych pytań w podejmowaniu decyzji jest: „czy to, czego jeszcze nie wiemy, rzeczywiście może zmienić nasz wybór?”. jeżeli nie, kolejna porcja danych może nie przybliżać nas do lepszej decyzji. Warto wtedy zastanowić się na tym, ile analizujesz po to, żeby podjąć lepszą decyzję, a ile po to, żeby poczuć się bezpieczniej z decyzją, którą i tak musisz podjąć?

Dane opisują rzeczywistość – strategia wymaga osądu

Dane są świetne w odpowiadaniu na pytania o to, co już się wydarzyło. Pokazują sprzedaż, zachowania klientów, rentowność produktów, efektywność procesów czy zmiany popytu. Coraz lepiej pomagają również szacować, co może wydarzyć się dalej. Ale strategia zaczyna się tam, gdzie sama analiza przestaje wystarczać. Dane mogą pokazać, iż jeden segment klientów rośnie szybciej od pozostałych. Nie zdecydują jednak, czy firma powinna właśnie na nim skoncentrować swoje zasoby. Mogą wskazać, iż produkt traci rentowność, ale nie odpowiedzą, czy należy z niego zrezygnować, podnieść cenę, zmienić model sprzedaży czy zaakceptować niższą marżę z powodów strategicznych.

W pewnym momencie trzeba odpowiedzieć na pytania, których nie da się rozstrzygnąć kolejnym wykresem:

Co jest dla nas naprawdę ważne?
Na czym chcemy skoncentrować ograniczone zasoby?
Z czego świadomie rezygnujemy?
Jakie ryzyko jesteśmy gotowi zaakceptować?
Co zrobimy, jeżeli nasze założenia okażą się błędne?

Dlatego dwie osoby mogą patrzeć na dokładnie te same dane i dojść do różnych wniosków. Nie musi to oznaczać, iż jedna z nich źle je interpretuje. Mogą inaczej oceniać ryzyko, mieć inne priorytety albo przyjmować różne założenia dotyczące przyszłości. Osąd lidera jest tym, co pozwala nadać danym znaczenie w konkretnym kontekście, a nie jest przeciwieństwem zarządzania opartego na danych.

Tutaj podejmowanie decyzji spotyka się ze strategią. Strategia wymaga wyboru, a wybór zawsze oznacza również rezygnację z czegoś innego. Możemy coraz dokładniej mierzyć rzeczywistość, budować lepsze modele i korzystać z coraz doskonalszych narzędzi, ale żadne z nich nie odpowie jednak za organizację na pytanie, jaką drogą chce pójść i dlaczego właśnie tą. Dane mogą pomóc tę decyzję podjąć, ale nie podejmą jej za nas.

Gdy kolejna analiza przestaje poprawiać decyzję

Nie każda dodatkowa informacja ma taką samą wartość. Pierwsze dane mogą całkowicie zmienić sposób, w jaki rozumiemy problem, kolejne pozwalają zweryfikować założenia i zobaczyć ryzyka, ale w pewnym momencie następna analiza zaczyna potwierdzać przede wszystkim to, co już wiemy, mimo to trudno powiedzieć: wystarczy.

Dlatego jeszcze przed rozpoczęciem analizy warto ustalić, czego naprawdę musimy się dowiedzieć, żeby móc zdecydować. Jakie informacje mogą zmienić nasz wybór? Które ryzyka musimy rozpoznać? Jakiego poziomu wiedzy potrzebujemy? I wreszcie: czego prawdopodobnie nie będziemy wiedzieć choćby wtedy, gdy poświęcimy na analizę kolejny tydzień?

Znaczenie ma również charakter samej decyzji, jako iż nie każda zasługuje na taki sam poziom namysłu. jeżeli wybór można stosunkowo łatwo odwrócić, poprawić albo potraktować jak eksperyment, oczekiwanie na niemal kompletną wiedzę może kosztować więcej niż pomyłka. Inaczej wygląda decyzja, której konsekwencje będą trudne, kosztowne albo niemożliwe do cofnięcia – wtedy większa ostrożność ma uzasadnienie.

Jest jeszcze jeden element, który łatwo pominąć: czekanie także ma swój koszt. Można stracić okazję, oddać przewagę konkurencji, opóźnić projekt albo pozostawić organizację na kolejne tygodnie w zawieszeniu. Brak rozstrzygnięcia nie jest więc neutralnym stanem pomiędzy dwiema decyzjami, sam również może być decyzją, tylko podjętą mniej świadomie.

„Potrzebujemy więcej danych” powinno czasem uruchamiać dodatkowe pytanie: jakiej konkretnie informacji nam brakuje i co zrobimy inaczej, kiedy ją otrzymamy? Jeśli trudno na nie odpowiedzieć, być może nie czekamy już na dane, lub nie jesteśmy jeszcze gotowi wziąć odpowiedzialności za wybór.

Podejmowanie decyzji bez gwarancji, iż będą adekwatne

Dochodzimy tutaj do sedna całego paradoksu. Mamy więcej danych, dokładniejsze analizy, lepsze modele i AI, które w kilka chwil może wygenerować kolejne scenariusze. A mimo to w najważniejszych decyzjach biznesowych przez cały czas przychodzi moment, w którym trzeba zdecydować bez pewności, iż wybór okaże się adekwatny. Nie oznacza to oczywiście rezygnacji z danych na rzecz intuicji. Wręcz przeciwnie, warto wykorzystać informacje tak długo, jak pomagają lepiej zrozumieć sytuację, zweryfikować założenia, dostrzec ryzyka i ograniczyć obszar niewiedzy. Problem zaczyna się wtedy, gdy oczekujemy od nich czegoś więcej: gwarancji. Dane mogą zmniejszać niepewność, niestety nie mogą jej obiecać, iż zniknie.

Warto przy tym pamiętać, iż jakość decyzji nie zawsze można oceniać wyłącznie przez pryzmat jej rezultatu. Dobra decyzja, podjęta na podstawie rzetelnych informacji i rozsądnych założeń, może zakończyć się źle, ponieważ wydarzyło się coś, czego nie dało się przewidzieć. I odwrotnie – ryzykowna, źle przygotowana decyzja może przynieść świetny rezultat dzięki szczęśliwemu zbiegowi okoliczności.

Warto zatem oceniać nie tylko „czy się udało?”, ale również:

co wiedzieliśmy w momencie podejmowania decyzji,
jakie założenia przyjęliśmy,
jakie ryzyka świadomie zaakceptowaliśmy,
jakie alternatywy rozważyliśmy,
czy nowe informacje rzeczywiście mogłyby zmienić nasz wybór.

To szczególnie ważne dla liderów, których rolą nie jest bezbłędne przewidywanie przyszłości, ale podejmowanie możliwie dobrych decyzji na podstawie wiedzy dostępnej wtedy, a nie tej, którą wszyscy będziemy mieli kilka miesięcy później.

Być może właśnie tutaj kryje się fałszywa obietnica pewności:

Jeszcze trochę danych.
Jeszcze jedna analiza.
Jeszcze jeden scenariusz.
Jeszcze jedno pytanie do AI. I wtedy odpowiedź stanie się oczywista.

Niestety, nie zawsze się stanie. W pewnym momencie kończy się analiza, a zaczyna osąd, kończy się przewidywanie, a zaczyna wybór. Wtedy lider musi zrobić coś, czego nie wykona za niego żaden dashboard, model ani algorytm: zdecydować i wziąć odpowiedzialność za to, co wydarzy się dalej. Jeśli czekasz na dane, które dadzą ci pewność, być może czekasz na coś, czego żadna analiza nigdy Ci nie da.

__________________

Czy Twoja organizacja potrzebuje więcej danych, czy lepszych decyzji?

Kolejna analiza nie zawsze rozwiązuje problem, czasem potrzebne jest uporządkowanie priorytetów, nazwanie kluczowych wyborów i ustalenie, na czym organizacja chce skoncentrować swoje zasoby.

Jeśli właśnie przed takimi decyzjami stoi dziś Twoja firma, porozmawiajmy o jej strategii i o tym, co naprawdę wymaga rozstrzygnięcia.

Umów konsultację strategiczną → bezpłatna konsultacja

Gdy trzeba przejść od analizy do wyboru

Dane pomagają lepiej rozumieć sytuację, ale strategia wymaga podjęcia decyzji dotyczących przyszłości firmy. jeżeli chcesz uporządkować sposób myślenia o strategii i przejść przez proces jej budowania krok po kroku, sięgnij po książkę Radka Drzewieckiego „To jest strategia”.