bias-auditor

name	bias-auditor
description	Use when evaluating a person or making a decision with high confidence — audits judgment / attribution / metacognition layers and prescribes per-bias remedies. Triggers on: "편향 점검", "내 판단 비뚤어진 것 같아", "audit my reasoning", "bias check", "확신이 과한 것 같아".
scenarios	["Am I being biased in how I see this situation?","Why do I keep jumping to this conclusion?","Audit my reasoning for blind spots","내 판단에 편향이 있는지 봐줘","왜 나는 이 사람을 이렇게 평가하게 됐을까?","내가 너무 확신하는 것 같아, 점검해줘"]
compatibility	{"recommended":["think-tool"],"optional":["sequential-thinking"],"remote_mcp_note":"think-tool이 있으면 세 가지 편향 레이어(판단·귀인·메타인지)를 순서대로 스캔하고 핵심 편향을 정밀하게 식별할 수 있습니다. Claude 설정 → MCP Servers에서 remote SSE 엔드포인트를 추가하세요."}
related	["fallacy-detector","epistemic-reasoner","assumption-extractor","devils-advocate"]

Bias Auditor

편향을 이름 붙이는 것으로 끝내지 않는다. 어떤 편향이, 왜 지금 작동하고, 무엇을 해야 보정되는지를 같이 본다. v2 강화: 상황 트리거 probe, 편향별 debiasing remedy, calibration self-check.

When to Use / When Not to Use

Use when:

• 사람을 평가하는데 framing이 상황(situation)보다 성격(disposition)에 치우쳐 있다
• 의사결정 confidence가 비정상적으로 높다
• "이 일이 왜 일어났는가"에 단일하고 깔끔한 서사가 지배적이다
• 시간 압박/투자 매몰/최근 사건/피로 같은 편향 유발 조건이 있다

Not for:

• 논증 구조 결함 → fallacy-detector
• 증거 대비 confidence 정량 보정 → epistemic-reasoner
• 명시되지 않은 전제 발굴 → assumption-extractor 또는 problem-reframer

Process

Step 1 — Gather the Judgment

판단·신념·평가를 가능한 한 구체적으로 받는다. "그 사람이 별로다"가 아니라 "그 사람이 회의에서 X를 하기 때문에 신뢰할 수 없다고 본다" 수준까지.

Step 2 — Probe the Bias-Inducing Context (NEW)

편향은 진공에서 안 생긴다. 다음 트리거가 켜져 있는지 확인:

트리거	자주 같이 오는 편향
시간 압박	가용성, 앵커링, 확증편향
사전 투자/매몰비용 존재	sunk cost, 자기합리화
최근 강렬한 사건	가용성, 최신성 편향
결과가 이미 보임	hindsight bias, 사후합리화
본인과 무관한 타인 평가	근본 귀인 오류, actor-observer 비대칭
본인 성공/실패 설명	self-serving attribution
피로/스트레스	시스템 1 편중, 노력 회피
사회적 압력/합의 분위기	groupthink, 동조

켜진 트리거를 먼저 적어둔다 — Step 3-5에서 어떤 편향을 우선 점검할지를 좁혀준다.

Step 3 — Scan Layer 1: Judgment Biases

Bias	Signal
Confirmation bias	확인 정보만 찾고 반증 정보는 피했다
Availability heuristic	최근/생생한 사례가 추정을 지배한다
Anchoring	첫 숫자/정보가 이후 모든 추정에 묻어 있다
Sunk cost	과거 투자가 현재 결정의 근거가 된다
Optimism / planning fallacy	일정/결과를 낙관 쪽으로 일관 추정한다
Framing effect	같은 정보를 다르게 제시하면 결론이 바뀐다
Hindsight bias	"그럴 줄 알았다" — 사후에 예측 가능성을 과대평가

Step 4 — Scan Layer 2: Attribution Errors

• Fundamental attribution error: 타인 행동을 성격으로, 자기 행동을 상황으로 설명
• Self-serving attribution: 성공 = 실력, 실패 = 환경
• Actor-observer asymmetry: 본인엔 관대, 타인엔 엄격
• Group attribution: 한 명의 행동을 그룹 전체로 일반화

Step 5 — Scan Layer 3: Metacognitive Accuracy

• Overconfidence / Dunning-Kruger: 잘 모르는 영역일수록 자신 있다
• Underconfidence / imposter: 충분한 증거가 있는데도 회의적이다
• Illusion of explanatory depth: "설명할 수 있다"고 느끼지만 실제로는 못 한다 (간단히 "왜?"를 3번 물어봐서 확인)
• Bias blind spot: 남의 편향은 보이는데 자기 편향은 안 보인다 — 이 스킬을 적용하는 본인에게도 적용된다

Step 6 — Prescribe Debiasing Remedies (NEW)

식별된 편향마다 구체적 보정 행동을 매핑한다. 명명만 하면 효과가 적다 — 행동 처방이 있어야 보정된다.

Bias	Remedy
Confirmation bias	반증 가설 명시 + "이 결론이 틀렸다면 어떤 증거가 보일까?" 적어두기
Availability heuristic	base rate 찾기 — 최근 사건이 아니라 장기 빈도로 비교
Anchoring	다른 출처에서 독립 추정치 1개 더 — 두 추정의 중간값 사용
Sunk cost	"이 결정이 처음부터 시작이라면 지금 시작하겠는가?"로 재질문
Optimism / planning fallacy	reference class forecasting — 유사 작업의 실제 소요 시간 3건
Framing effect	같은 정보를 반대 프레임(이득→손실, 손실→이득)으로 재진술 후 결론 비교
Hindsight bias	사건 전 본인이 적은 예측을 찾아 비교; 없으면 "예측 가능했다" 주장은 신뢰 X
Fundamental attribution error	"이 사람이 처한 제약·인센티브·정보가 나와 같다면 나는 어떻게 행동했을까?"
Self-serving attribution	친구가 같은 결과를 냈다면 뭐라고 설명할지 적어보기
Overconfidence	calibration check (Step 7)로 강제 정량화
Illusion of explanatory depth	"왜?"를 3번 — 답이 막히면 설명 가능성 착각

Step 7 — Calibration Self-Check (NEW)

본인 판단에 confidence가 높다고 느낄 때, 강제 정량화:

1. 베팅 odds: "이 판단이 맞다는 데 100만 원 걸 수 있나? 50:50도? 60:40? 90:10?" — 입으로 말한 숫자가 실제 confidence다
2. Base rate: "지난 5번의 유사 판단에서 내가 맞았던 비율은?" — 모르면 100점 만점 자신감은 보정 대상
3. 반대 증거 1개: 결론에 반대되는 가장 강한 증거 하나를 적는다. 없으면 confirmation bias가 켜져 있다는 신호
4. 5분 후 재질문: 같은 판단을 5분 뒤 다시 적어본다. 표현이 흔들리면 신념이 아니라 인상이다

Step 8 — Deliver the Audit

실제로 작동 중인 편향만 flag. 추측은 표시.

Output Template

편향 감사 결과 / Bias Audit Results

상황 트리거 / Context Triggers:
- [켜진 트리거 1] → [예상되는 편향 카테고리]
- [켜진 트리거 2] → ...

판단 편향 / Judgment Biases:
[Bias 이름]: [구체적 발현]
Remedy: [Step 6 매핑된 행동]

귀인 오류 / Attribution Errors:
[오류 유형]: [어디서 보이는가]
Alternative: [현재 설명이 무시하는 상황 요인]

메타인지 / Metacognitive Accuracy:
Confidence: [calibrated / overconfident / underconfident]
Calibration check: [Step 7 결과 한 줄]

핵심 편향 / Primary Bias:
[가장 결정에 큰 영향 끼치는 편향 — 가장 우선 보정해야 할 한 개]
이 편향의 remedy를 실행하지 않으면 결론을 신뢰하지 마라.

Anti-patterns

편향을 이름만 부르지 마라. "확증편향이 있네"로 끝나면 효과 0. remedy로 끝나야 한다.

모든 편향을 다 찾지 마라. 실제로 작동 중인 것만. 없는 편향을 만들어 붙이면 진단 자체의 신뢰가 깎인다.

자기에게도 적용하라. bias blind spot — 이 audit을 수행하는 너 자신에게도 같은 편향이 작동할 수 있다. 결론을 너무 깔끔하게 정리했다면 그게 신호다.

Confidence가 높으면 더 깊이 봐라. "이건 명백하다"는 가장 위험한 신호다. Step 7 (calibration) 필수.

What Claude Does / What You Do

Claude	You
3 레이어 + 트리거 + remedy 매핑 체계적 실행	판단을 구체적으로 진술
실제 작동하는 편향만 명명	어느 trigger가 켜져 있었는지 솔직히 답
편향별 구체 remedy 처방	처방된 remedy를 실제로 수행 후 재판단
핵심 편향 1개로 압축	그 한 개를 보정하고 결정

Related Skills

• fallacy-detector — 논증 구조 결함일 때
• epistemic-reasoner — 증거 대비 confidence 정량 보정이 필요할 때
• assumption-extractor — 편향이 아니라 숨은 전제가 문제일 때
• devils-advocate — overconfidence가 flag되면 결정 자체에 강한 반론을 던져 stress-test