Anthropic 近日发布研究，考察专家把工作交给 AI agent 之后，是否仍由自己做出关键判断。研究邀请 50 名有因果推断经验的专业分析师，用 Claude Code（Claude Opus 4.8）完成一项农业合作社咨询服务的统计分析。结果显示，在四个「两个选项都合理」的分析选择上，分析师有 86% 的时候采用了 agent 被随机设定的倾向，而在没有影响的情况下预期约为 50%。
研究共招募 61 名分析师。其中 11 人选择不使用 agent，除特别说明外不计入主分析；其余 50 人的任务，是为一个虚构的农业合作社评估其运营的咨询服务是否有效、是否应当推广。
任务中有四个分析选择，每个都有两个合理的选项，例如把生产率按每公顷产量计算，还是按每单位运营成本的产量计算。研究人员事先让每位分析师的 agent 在每个选择上偏向其中一方，偏向哪一方由抛硬币决定，分析师事先并不知情。
据 Anthropic 披露，分析师在四个分析选择上跟随 agent 倾向的比例分别为：
四项合计为 86%。
agent 倾向推广项目时，54% 的分析师建议推广；倾向另一方时，这一比例为 36%（一年延期算作不推广）。
在 38 个分析师先表态、agent 随后给出倾向的案例中，agent 意见相反时，分析师有 60% 改了主意；意见一致时为 6%。两者相差 54 个百分点，95% 置信区间为 24 到 82 个百分点。Anthropic 指出，样本只有 38 例，估计并不精确。
分析师事后被要求解释自己的选择时，77% 的人复述了 agent 的论证，有时一字不差，但只有 15% 提到 agent 是这些论证的来源。
选择不使用 agent 的 11 人中，有 6 人（55%）犯了使结果无效的严重方法错误；使用 agent 的 50 人中为 3 人（6%）。不用 AI 的一组用时中位数为 90 分钟，另一组为 65 分钟。Anthropic 表示，两组的经验背景不同，不能直接比较。
Anthropic 说明，实验刻意强化了 agent 的倾向，且只涉及一个任务、一个领域、一个模型（Claude Opus 4.8），结果在真实工作中能在多大程度上成立尚不确定。Anthropic 同时表示，这并不是主张少用 AI。
