Anthropic 10 月 27 日公布了一个实验。50 位有因果推断经验的专业分析师，用 Claude Code 评估一个农业合作社的咨询项目该不该扩大。研究者用掷硬币的方式，悄悄给 AI 在四个分析选择上各设了一个倾向：用亩产还是单位成本、用哪种比较方法、覆盖哪些农场、大农场要不要加权。分析师全程不知情。
结果，四个分析选择上，他们的选择有 86% 跟着 AI 的倾向走。 如果 AI 的意见没有影响，这个数字应该接近 50%。在 38 个“先表达过偏好”的案例里，AI 唱反调时，60% 的人改了主意，AI 附和时只有 6%。Anthropic知乎
任务结束后，77% 的人至少在一次回答里复述了 AI 的论证，有时一字不差；只有 15% 提到这是 AI 的说法。 但超过一半的人仍认为，最终建议更像自己的判断。Anthropic知乎
研究者自己提醒，实验故意加强了 AI 的倾向，现实里的影响可能更小。 但方向值得警惕：这不是一次“AI 出错”的事故。实验里 AI 被要求不许误导，数据也没藏，它只是把一边的道理讲得特别充分。 问题恰恰在这儿：一边的论证足够完整，另一边只被带过，你很难意识到自己没做过比较。被有道理的一方说服，本来不是问题；问题是 AI 只给你看了一边的道理。Anthropic知乎
Anthropic 的 Claude Code 工程师 Addy Osmani 把这叫作一条从“外包”滑向“放弃”的连续谱。把任务交给 AI、但自己仍然掌握结果，是认知外包；工具的输出变成你下一步思考的前提，是判断让渡；AI 的输出悄悄成了你自己的想法，你觉得没什么可查的，是认知放弃。11 月 3 日，他写道：如果连借助智能体，你也解释不清一个问题的答案，那就说明你已经交出了对这个答案的主导权。微博
这条连续谱最难察觉，因为每一步都很合理。Addy 举了代码审查的例子：第一次认真检查，第二次扫两眼，第三次直接点通过，人就这样从亲自写代码，变成了给 Agent 盖章的。 写方案、做决策也一样，因为这类工作很少有一个“正确答案”可供核对。数据对不对、格式顺不顺，都能检查；但“为什么选这个口径”“为什么先做这件事”，这些选择本身没有对错，只有取舍。Agent 在生成方案时，会替你作出许多小决定：默认值怎么设、范围划到哪里、两条冲突的需求先满足哪条。 它们不会出现在最终文档里，也不会出现在“已完成”的总结里。你审的是结果，让渡的是前提。36氪微博
更麻烦的是，这种让渡不会让人心虚。Anthropic 的实验里，跟着 AI 走的人，对最终建议的信心是 71 分；没跟的人，73 分，差不多。 答错你能看见；答得顺、答得全、答得让你懒得再想，你看不见。Anthropic
那怎么办？不是少用 AI。Addy 的建议里，最有用的一条是：提问之前，先写下自己的假设。哪怕猜错，也要先有一个版本。 另一个办法是让 AI 列出它替你做的决定：默认了什么、排除了什么、补了哪些你没说的条件。然后挑会改变结论的那几个，问它另一边最强的理由。36氪
还有一条更笨的：每月记下自己已经不再亲手做的事，看看哪些是有意放下的，哪些是不知道什么时候丢掉的。停止练习的技能会消失，而且比想象中快。微博
AI 可以帮你把方案写得更快、更全、更像样。但它没法替你拥有一个判断。真正的问题不是某天 AI 会错得离谱，而是某天你发现，自己已经说不出当初为什么选了这条路——而那份方案，一直署着你的名字。
更准确地说，我们失去的不是思考本身，而是在看到答案之前，先形成自己答案的那一步。
