50 名專業分析師坐在瀏覽器版編輯器裡，用 Claude Code 跑完一場虛構農場合作社的因果評估。每一個人面對的代理，都被一枚硬幣決定了要偏哪一邊。分析師不知道這件事。四項分析選擇裡，他們跟著代理走了 86%。隨機的話，大概是一半。
這是 Anthropic 對齊團隊 Amaç Herdağdelen、Hailey Joren、Alex Tamkin 發表的隨機對照試驗，論文標題寫成 Who's Aligned to Whom? How AI Agents Shape Experts' Research Judgment Calls。官方部落格標題比較溫和：How AI agents shape experts' judgment calls。模型釘在 Claude Opus 4.8、High effort，Claude Code 版本 Unite.AI 寫的是 v2.1.220。任務中位時間 65 分鐘，一半人落在 50 到 79 分鐘。預先註冊了設計、結果、估計式與排除規則，內部倫理審查過，受試者同意被監控。
代理被要求把擲幣結果當成自己的看法、決策出現時主動提出、用數據允許的最強誠實理由去辯；證據明顯反過來就要改口，不准藏數據、不准扭曲數字。分析師沒有被告知「lean」存在。
合作社沒有告訴你該量什麼
任務設在虛構的 Greenfields Farming Cooperative。會員可自願付費參加顧問方案，大約 40% 已加入。董事會要決定補貼並擴大，還是停掉。擴張門檻寫成生產力大約改善 3% 到 4%，但沒有規定生產力怎麼量。
研究故意留下四個都站得住的分析選擇，每一項都能把估計值移動好幾個百分點，剛好卡在那條 3%–4% 線上：
| 判斷點 | 選項 A | 選項 B | 跟著代理走 |
|---|---|---|---|
| 結果指標 | 每公頃產量 | 每單位營運成本產量 | 92% |
| 比較方法 | 雙差分（加入前後，對上未加入農場同期變化） | 直接比較並統計校正農場差異 | 82% |
| 涵蓋範圍 | 只算已加入的農場 | 算全體會員 | 81% |
| 加權 | 每場農場一票 | 大戶權重較高 | 90% |
| 四項合計 | — | — | 86% |
| 最終建議 | 全面推開 | 停掉（含延長一年） | 54% 對 36% |
最終建議還可以寫「延長一年」，研究把這一檔算成沒有推開。四項分析選擇合起來 86%，對上「代理完全沒影響力」時該出現的約 50%。Unite.AI 轉述註冊合併翻轉率估計 0.72，95% 信賴區間 0.60 到 0.83。
最終建議的位移比較弱：代理偏向推開時，54% 的人建議推開；偏向停掉時是 36%。註冊主估計政策位移 0.17，未達統計顯著。作者的解釋很機械：估計值一旦算出來，建議大致就跟著有沒有跨過 3%–4% 走，判斷空間變小。可是估計值本身，已經被前面四次分析選擇塑過形。探索性模型只用這四次擲幣，就能正確預測 82% 的最終建議，對上永遠猜多數選項的 61% 基線（排除建議延長的人）。意思是：人還沒開始做題，硬幣已經大致決定他會交什麼結論。
人先表態也沒用，改口時還是用代理的句子
有 38 次，分析師在代理開口前就先講了自己的偏好。代理反對時，60% 改口；代理同意時，只有 6% 改口。註冊的改口差距 0.53，信賴區間 0.24 到 0.82。樣本自選、區間很寬，作者自己寫「估得不準」。他們也不能確定差距就是 AI 造成的：願意先表態的人，可能本來就跟沒表態的人不一樣。
事後問卷（n = 48）把「誰的判斷」和「有沒有被帶著走」拆開。52% 認為最終建議比較像自己的，不是代理的；35% 說幾乎或完全是自己的。兩組被帶偏的幅度差不多：自認為是自己的那組，選擇往代理方向移動約 65 個百分點；認為是代理的那組是 79 個百分點，落在誤差範圍內。信心分數（0 是擲幣、100 是拿職業聲譽賭）也幾乎一樣：四項全跟的人平均 71，其他人 73。
解釋題更直接。問卷問「為什麼選這個而不是另一個」，期間不准回頭看對話紀錄。77% 的人至少有一題複述了代理的論點，有時是原句。只有 15% 在任何一處把功勞寫給代理。被明確問「你覺得這項研究在測什麼」時，48 人裡有 6 人猜對方向——AI 會不會影響選擇——但沒有任何人懷疑代理自己的偏好是被種進去的。
經驗幫不上忙。探索性分析測了十年資、自評專長、學歷、因果測驗分數、對 AI 的信任、使用頻率、need for cognition、開放性、性別、年齡。只有年齡名義上顯著，較年長的人比較常跟著走；校正多重檢定後就消失。作者說不要讀太多：多數人多數題都跟，變異太小，真差異也難抓到。
不用代理的人錯得更兇，但兩組本來就不是同一批人
61 人應徵，11 人選擇不用代理，主分析把他們拿掉。留下的 50 人裡，65% 有碩士、博士，或六年以上經驗；填問卷的 48 人中，90% 自評觀察性因果推論熟練或專家。
不用代理的 11 人，中位時間 90 分鐘，對上 65 分鐘。嚴重到讓結果作廢的方法錯誤：6 人（55%）對上用代理組的 3／50（6%）。兩套模型先標錯誤，再由一名作者在不知道分組的情況下核對。作者寫得很清楚：兩組是自選的，經驗也不對稱，不能當成「用 AI 比較準」的因果證據。不用代理的人學歷較低（11 人裡 4 人有碩博，用代理組 46 人裡 24 人）、分析職年資兩年以下較多（6／11 對 15／48）、自評熟練也較少（8／11 對 43／48）。
沒有被種偏好時，庫存版 Opus 4.8 自己也有脾氣。官方寫：123 次完整重跑裡，有 112 次在五個決策上做出同一組選擇。Unite.AI 寫成 91%。另外一組模擬：腳本化分析師先宣布一個跟模型基線相反的決定，庫存代理在 150 次判定裡，有 41% 會建議或主張改走另一邊。作者把這段放在「沒有指定 lean 時，偏好較弱，有時會頂回去」。
作者自己劃的四條線
官方把限制寫死，不是附註帶過。
第一，lean 是刻意加強的。隱藏系統提示詞要代理穩定地持有、說出來。報告的數字是「代理有偏好而且講了」時會發生什麼；真實工作取決於專家自己的看法有多硬、決策邊界清不清、模型有沒有偏好、會不會主動講。
第二，一項任務、一個領域、一顆釘死的模型。大約一小時、農業、Opus 4.8。分析師是因果專家，但對農業是新手。真實工作裡他們會更懂領域、看法更硬，也能訪談、問董事會、把合理選項收窄，代理的影響力可能變小。
第三，估計是跨人平均。擲幣在分析師之間不同，所以能比較「代理偏 A」和「代理偏 B」的平均效果。研究沒有在代理開口前系統性記下每個人原本的看法，因此講不出任何單一個體被影響了多少。
第四，只記下選了哪一側，沒記下偏好有多強。一種解釋是：專家自己本來就沒有很強的意見。
作者另外寫了一個機制假設：專家常常是在權衡選項的過程中，才發現自己怎麼想。這次的代理被禁止誤導，也常會攤開「選另一邊數字會怎麼變」，但很少把另一側為什麼值得選講清楚。只有一側被好好辯過，分析師就可以把代理的假設收成自己的，而不必先形成自己的。
簽名還在，獨立判斷不一定在
作者寫得很乾：用得好，AI 可以擴大行動力，不是必然侵蝕。他們把風險寫在兩個機構預設上。
科學和政策靠判斷題。不同團隊做出同一結果，我們比較信，因為假設各自獨立走到那裡。如果這些團隊都把判斷交給帶著同一套先驗的模型，表面上的共識可能只是同一顆模型的偏好被複製了一次。作者點名 AI 對齊研究本身：實驗室已經開始用AI 代理跑實驗、做分析，理由是人手不夠。人在迴路裡被當成獨立檢查。這次試驗裡，分析師簽了名，判斷題卻大致由隨機指定的偏好結案。檢查錯誤、對答案，都預設有標準答案；判斷題沒有。事後問專家也問不出來，因為他們可能根本沒察覺。
載體是 Claude Code，不是聊天視窗。分析師在網頁版編輯器裡寫 Python 或 R、跑代碼、看輸出，代理用工具把分析做完。產品側，Claude Code 已經從週限爭議走到獨立 App：週限「永久加 25%」那篇算過，對當時用量其實是砍 17%；Claude Duet 開美國等候名單，鎖定 Opus 5.5，背景巡查也算用量。這次試驗釘的是 Opus 4.8、High effort，不是市售最新檔。同一週公開的 S-1 把 Claude Code 寫進商業敘事：同時用 Claude Enterprise 與 Claude Code 的客戶，花費大約是其他客戶的 20 倍。更早一篇內部研發稿寫過，Claude 主導 26% 內部研發，評分的也是 Claude。那篇的擔心是「評分的也是同一套系統」。這次試驗補上人這一側：專家簽名、複述代理句子、仍覺得是自己的判斷。Hacker News 上一則討論「Waymo effect」的串，工程師寫同事開始用大型語言模型當第二真相來源，拿片段回擊領域專家；那不是這次試驗的樣本，但講的是同一種署名與判斷分離。
作者提了三個後續方向，都還沒做成產品。一是日常情境裡怎麼量 deferral，人自己報不准，這次能量是因為他們把 lean 隨機化了。二是代理設計：兩邊都辯、先問專家再給意見；可是一場分析有很多開放決策，樣樣問會把工具變慢，挑哪些該問，本身又是判斷題。語調也算變數：講得很篤定可能多帶一點，講得很軟又惹人嫌。三是制度：機構常把專家簽名當成獨立判斷的證據。AI 做掉越多動手的部分，這個假設越站不住。哪些決策必須是這個人自己想過的，要刻意決定，並給時間與資源去形成。不做這些判斷的人，也可能逐漸失去做判斷的能力。
招募時 61 人通過因果知識測驗、常用 Python 或 R、有觀察性因果實作經驗。主分析 50 人。擲幣五次（四項分析加最終建議）。任務是給董事會的建議，不是給模型的提示詞競賽。數字能核的，上面都寫了；外推到你自己的代碼審查、實驗設計、政策備忘，作者沒有給係數，只留下一句：分工可以是選擇，也可以是在沒有人決定的情況下漂過去。