과잉확신 효과 (Overconfidence Effect)
쉽게 풀면
어떤 문제에 대해 "90% 확실하다"고 답한 사람들을 모아 실제 정답률을 확인해보면, 90%보다 훨씬 낮게 나오는 경우가 많습니다. 이렇게 자신이 느끼는 확신의 정도가 실제 정확도보다 체계적으로 높게 나타나는 현상이 과잉확신 효과입니다. 시험을 앞두고 "이 정도면 100점이다"라고 자신했는데 예상보다 점수가 낮게 나온 경험, 운전할 때 "나는 사고 안 낼 자신 있다"고 생각하는 것도 같은 맥락입니다. 이 효과는 지식 문제뿐 아니라 투자 판단, 계획 수립, 위험 인식 등 다양한 영역에서 반복적으로 관찰됩니다.
왜 중요한가
과잉확신 효과는 개인의 판단 오류를 넘어 투자자의 과도한 거래, 의사의 진단 실수, 경영자의 무리한 사업 확장처럼 실제 의사결정 실패로 이어지는 경우가 많아 행동경제학·의사결정 연구에서 핵심 설명 변수로 다뤄집니다. 또한 확신도와 실제 정확도의 괴리를 다루는 보정(calibration) 연구는 인공지능 모델의 신뢰도 추정 문제와도 맞닿아 있어 최근에는 인간-AI 협업 연구에서도 자주 인용됩니다. 이 때문에 심리학뿐 아니라 금융, 의료, HCI(인간-컴퓨터 상호작용) 등 여러 분야의 논문에서 반복적으로 등장합니다.
논문에서는 이렇게 쓰입니다
이 문장은 "사람들이 스스로 답을 맞혔다고 느낀 정도(확신도)가 실제로 맞힌 비율(정확도)보다 훨씬 높았다"는 뜻으로, 확신도와 정확도 사이의 차이(calibration gap)를 수치로 보여주는 전형적인 보고 방식입니다.
행동재무학 연구에서 과잉확신 효과가 투자자의 거래 행동과 수익률 저하로 이어지는 과정을 설명할 때 쓰이는 문장입니다.
의료 진단 연구에서 전문성과 과잉확신 효과의 관계를 다룰 때 흔히 쓰이는 형태의 문장입니다.
조금 더 깊게 보면
과잉확신 효과는 연구 방법상 크게 세 가지 하위 유형으로 나뉘어 다뤄지는데, 실제 능력을 과대평가하는 과대평가(overestimation), 자신을 타인과 비교해 더 낫다고 여기는 과대순위(overplacement), 자신의 판단 정확도에 대한 확신 구간을 지나치게 좁게 잡는 과잉정밀(overprecision)이 그것입니다. 이를 측정할 때는 흔히 확신도와 실제 정답률의 차이를 보는 보정 곡선(calibration curve)이나, 정답에 대한 확신 구간의 폭을 묻는 방식이 함께 활용됩니다. 논문을 읽을 때는 저자가 이 세 유형 중 어느 것을 측정했는지 구분해서 보는 것이 해석에 도움이 됩니다.
주의할 점
과잉확신 효과는 능력이 부족한 사람이 자신의 부족함을 인식하지 못해 과대평가하는 던닝-크루거 효과와 자주 혼동되지만, 서로 다른 개념입니다. 과잉확신 효과는 능력 수준과 무관하게 확신도와 실제 정확도 사이에 나타나는 일반적인 오차(calibration의 문제)를 가리키는 반면, 던닝-크루거 효과는 특히 능력이 낮은 집단에서 이 오차가 더 크게 나타난다는 특정 패턴을 가리킵니다.