眼下，“萬事不決問AI”似乎正在成爲常態。
從日常生活到公共事務，在問策AI時，是否要問一問：人在決策時，是否應保有必要的理解、核驗和判斷？當問題的解釋、備選方案和選擇理由都由AI提供時，人的最後決定究竟還包含哪些判斷？
誰在形成判斷
哈佛商學院2025年公布的一項工作論文顯示，在244名波士頓諮詢公司顧問完成模擬投資建議任務的過程中，有人自己掌握分析思路，選擇性地使用AI；有人與AI反復討論、檢驗；也有人將整項任務交給系統，直接採用結果或只作表面修改。報告都由人提交，但形成判斷的過程卻存在差異。
一個決定並不始於最後的選擇。在此之前，人需要弄清發生了什麼、原因何在，以及各個方案有什麼依據。如果這些解釋和比較主要由AI完成，那麼它已經承擔了形成判斷的部分工作。
在這個意義上，AI將零散材料轉化爲可供決策使用的解釋和認識，由此承擔了部分知識生產工作，並參與塑造了人對事情的理解。因此，雖然最終確認仍由人完成，但也不足以認定形成判斷的過程仍由人主導。
當這些認識成爲公共決定的依據，受到影響的人也被納入其中。公衆往往難以自行核驗全部專業材料；如果AI的分析過程又難以理解，就可能更依賴專業人員的解釋。
此時，對AI輸出的依賴，還可能轉化爲對解釋、核驗和確認這些輸出者的依賴。誰在生產知識的問題，由此進一步聯系到誰的解釋能獲得信任。
當AI成爲“認知權威”
專業人員對AI的解釋和採用，還可能使專家與AI的權威相互增強。
2025年，在北京北兒竇店兒童醫院的AI兒科醫生試點籤約儀式上，醫生展示了人機協作診療：AI提出初步診斷及檢查、治療建議，供醫生參考。相關介紹稱，系統整合了北京兒童醫院專家的臨牀經驗與多年病歷數據。
在這樣的協作關系中，專家經驗與醫院信譽可以成爲人們信任系統的理由。反過來，當專業人員引用AI分析來說明自己的建議時，這些建議又可能被認爲兼有專業經驗與數據計算的支持。
相互背書可能只是這一關系的起點。隨着技術發展，如果AI在持續使用中表現可靠，並獲得專業機構和使用者的認可，其“知識權威”地位就可能得到鞏固。人們相信它能夠提供可靠知識，也就可能逐漸不再要求每項輸出都經過專家確認。
如果這種信任進一步變成對AI正確性的預設，專家與AI發生分歧時，人們就可能先要求專家解釋他們的判斷爲何偏離AI，而不是審視AI是否犯錯或產生幻覺。此時，AI反而成爲衡量專家意見的準則，它也由此從提供可信知識的“知識權威”，走向評判其他認識的“認知權威”。
這種變化帶來的後果是後工業社會中的“技術統治”或“專家統治”逐漸演化爲數智時代的“算法統治”。隨着AI智能體全過程參與人們的日常決策，至少在現階段，對“算法統治”的最大擔憂，並不是AI覺醒後超級智能開始統治人類，而是人類不自覺地把原本專屬於人類的認知權威和決策權委託給了AI。
AI正在影響議程設置
如果人們對AI判斷能力的信任，進一步延伸到對其問題界定方式的接受，AI的影響就可能進入議程設置：哪些事情構成問題、哪些目標應當優先，也開始依照AI提供的框架來理解。將公共議題轉化爲計算任務，需要確定目標和評價標準，而這些設定本身包含價值取舍。一旦議程設置因AI的權威而被當作不必討論的技術前提，公共討論就可能在目標已經確定之後才開始，集中於比較哪種方案更有效。
例如，如果把改善城市出行僅僅表述爲縮短機動車通行時間，計算可以比較哪種方案更快，卻無法僅憑這一指標決定是否應當優先照顧行人和公共交通。未被納入評價框架的訴求，也可能因爲難以體現爲既定指標的改善，而失去被認真考慮的機會。
這種變化未必取消個人選擇。在既定框架內，AI可以通過默認選項、方案排序和呈現方式引導行爲。個人仍能改選另一個方案，但這並不意味着他有機會改變方案共同遵循的目標。
保有選擇的機會，與參與形成選擇範圍，是兩個不同層次的問題。每個人都想選擇最優方案，但沒有人願意成爲被“優化目標”忽略或排斥的那個選項。
“認知外包”時代意味着政治學中的“委託-代理”問題進一步擴展爲對AI所界定的問題和目標的普遍依賴。雖然“算法統治”還沒有真正到來，但對AI的過度依賴卻可能逐漸使它成爲現實。
