Anthropic 做了一个让人不太舒服的实验：50 位因果推断领域的专家在完成一项真实的数据分析任务时，有 86% 的分析决策采纳了 AI 助手的偏好——而那些偏好是抛硬币随机分配的。更麻烦的是，事后 52% 的人认为最终结论”更像自己的想法”，另有 35% 认为”基本完全是自己判断的”。这项研究出自正冲刺 IPO 的 Anthropic，也让”AI 替人做决定”这件事第一次有了量化数据。
这不是”AI 给错答案骗了人”的故事。模型没有撒谎、没有隐藏数据，它只是为被指定的立场做了最强辩护——而人类跟着走了。
一、实验怎么设计的
参与者是 50 名有因果推断背景的专家。任务是分析一份虚构农业合作社的观察数据，估算一个”自愿农业咨询服务”项目带来的生产力提升，并据此建议合作社是否要把项目推广到所有农场、终止，或者再延长一年。
关键在于：在每一个分析决策点上，AI 助手支持哪个选项，是抛硬币决定的。两个选项都是”合理”的，没有客观正确答案。助手被要求只为被分配的立场做最强、最诚实的论证——可以不同意，但不能造假。
二、结果有多难看
- 86% 的采纳率：四个核心分析决策（如何衡量生产力、用哪种统计方法等）中，专家平均采纳了助手的立场
- 翻转率 62%–82%：按任务不同，助手对最终选择造成的净影响远超随机水平（50%）
- 已有观点也不管用：即使专家先自己做选择、助手再表态，面对相反意见时改变主意的概率仍然高出 53 个百分点
- 记忆是错位的：参与者能正确回忆自己 85% 的选择，但 48 人中有 37 人（77%）至少有一处把助手的建议当成了自己的判断
第三点最值得警惕。”我先想好了”几乎不构成任何保护，因为 AI 给出的反对理由往往比人自己临时想的更完备，人在缺乏强证据时会倾向于服从论证更充分的一方——这正是模型擅长的战场。
三、什么保护措施都没用
研究者测试了一堆可能的调节因素：分析经验年限、自评专业度、学历、测试成绩、对 AI 的信任程度。在做多重检验校正后，没有一个和结果有统计显著关联。年龄在校正前看起来有点作用，但样本只有 50 人，统计功效不足以下结论。
翻译成人话：你比同事更资深、更懂统计、更不相信 AI，都不能让你免于被带偏。
四、一个看起来像好消息的细节
助手被分配的偏好，对最终提交给合作社董事会的政策建议只有很小的直接影响，没达到统计显著。部分专家在助手的建议与自己算出的生产力估计矛盾时，明确否决了助手。
但这在研究者看来不是安慰。原因很直接：最终建议是由前面四个分析决策推导出来的。那四个决策已经被影响了，最终建议”看起来独立”，只是因为影响在传导过程中被稀释、被掩盖了。控制权早在前面的环节就交出去了。
五、为什么这对日常工作重要
这个实验的场景——专家用 Agent 分析数据、输出结论——正是 2026 年最主流的 AI 用法。从财务分析、用户研究到投放优化，逻辑都一样：你把分析交给 Agent，Agent 在无数个小决策点上做了选择，最后给你一个看起来客观的结论。
而 OpenAI 的 Decisions API 这类”决策模型”产品正在把这件事产品化：直接输出建议，而不是解释过程。效率确实更高，但”谁在做决定”这个问题的答案会更模糊。
六、四条能落地的对抗办法
基于这个实验的结论，我总结四个实际可操作的规则：
- 先写死自己的判断再看 Agent：把初始假设、指标选择写进文档并留时间戳。实验证明这不能完全防住影响，但至少能让你事后看到自己变了什么
- 要求 Agent 同时给两侧最强论证：别问”该用什么指标”，问”支持 A 的最强理由和支持 B 的最强理由，各自的证据强度是多少”
- 把分析决策单独列清单复核：指标口径、样本处理、方法选择、显著性阈值——这四个点必须人工逐条签字，别接受”默认设置”
- 做对照跑一遍：同一条指令换一个模型或换一种措辞再跑一次。两次结论差异大的部分，就是被随机性左右的环节
这和在 Secret Collaboration Report Involving 1,000+ AI Agents 里看到的教训是一致的：Agent 的失控很少以”灾难”的形式出现，更多是以”你看不出它已经替你做主”的形式出现。
Frequently Asked Questions (FAQ)
这个实验是 Anthropic 自己做的吗？
是的，由 Anthropic 研究者设计并执行，2026 年 10 月底公开。实验对象是 50 名因果推断领域的专业人员，任务基于虚构的农业合作社数据。
86% 采纳率是怎么算的？
指在四个核心分析决策点上，专家最终选择与 AI 助手被随机分配的立场一致的比例。若人类完全自主随机选择，这个数字应在 50% 左右。
经验丰富的人更容易免疫吗？
没有证据支持。经验年限、自评专业度、学历、测试成绩、对 AI 的信任度，在校正多重检验后均无统计显著关系。样本仅 50 人，研究者也提示统计功效有限。
用 AI 做数据分析还能放心吗？
能，但要改流程：把”分析决策”和”结论”分开管，决策点人工确认，让 Agent 呈现双面论证而非单一建议，并用换模型/换措辞跑对照。核心不是不用，而是知道哪一步被替你做主了。
Summarize
这项研究最有价值的发现不是”AI 影响人”这种常识，而是专业能力、怀疑态度、事前判断全都不构成保护：影响发生在你不认为自己在做决定的那些小步骤里。解决办法只能靠流程，不能靠自觉。
想看更多关于 AI 能力边界的实测与拆解？浏览 AI Model Library and Tool Comparison Engineor continue reading:OpenAI 与 Anthropic 同时证伪 ETH · FTC Investigates OpenAI and Anthropic · Grok 与 GPT 的政治倾向被量化.