Anthropic 旗下 Claude Code 工程師 Addy Osmani 於 11 月 3 日發表文章，警告工作愈依賴 AI Agent，人們愈容易在不知不覺間放棄獨立判斷。他指出，AI 產出的內容愈流暢、錯誤愈不明顯，使用者反而愈少仔細核查，最終可能形成他所說的「認知投降」（Cognitive Surrender），令團隊逐漸失去理解系統的能力。
AI 答案愈可靠 使用者愈容易放棄核查
Addy Osmani 在《Critical thinking when agents do the work》一文指出，他自己也是 AI Agent 工作流程的支持者，日常會同時使用多個 Agent 處理工作，並無主張減少使用這些工具。然而，當資料蒐集、分析以至產出結果的過程縮短至數秒，工作已不再自然要求人類持續思考。
他認為更值得警惕的是 AI 模型的進步。當答案大多寫得流暢、看來合理，而且明顯錯誤愈來愈少，使用者就容易降低警覺。即使同時運作多個 Agent，最後仍要由有限的人手審視產出。
從認知卸載到認知投降 3 個階段逐漸失去判斷權
Osmani 將人與 AI 的互動分成 3 個層次。首先是「認知卸載」（Cognitive Offloading），即把任務交予 AI，但使用者仍理解成果並為決定負責。其次是「判斷延後」（Deferral），即不再把 AI 答案視作需要檢驗的假設，而是直接拿來作下一步工作的前提。
最後是「認知投降」（Cognitive Surrender），使用者直接把 AI 的答案當作自己的結論，甚至不再覺得有必要驗證。Osmani 指出，這個概念來自賓夕法尼亞大學華頓商學院研究人員 Steven Shaw 和 Gideon Nave 的研究。他所描述的 3 個層次則是用來說明日常工作中由審核走向依賴的變化。
他形容這種轉變通常十分緩慢。工程師最初會完整閱讀 AI 的回答，之後開始略讀，最後只看大綱。當有人追問某項設計決定的原因時，才發現自己難以解釋。
程式碼通過測試 仍可能累積「認知債務」
Osmani 指出，AI 生成的程式碼即使結構整齊、通過測試，開發團隊仍可能逐漸失去對系統的共同理解。這種「認知債務」（Cognitive Debt）與傳統「技術債務」不同：後者涉及程式碼及系統設計留下的維護負擔，前者則是人員對系統的理解跟不上程式碼的增長。問題可能要到系統需要修改或排查錯誤時才浮現。
他同時指出，工程師無須強記整個大型程式庫。Claude Code 團隊亦會在有需要時重新理解個別程式模組，利用工具協助重建局部認知。真正需要保留的是辨認自己尚未理解甚麼，以及在重要決策前重新掌握相關邏輯的能力。
另一風險是「意圖債務」 AI 未必知道人類當初為何這樣決定
Osmani 在今年 6 月另一篇文章《The Intent Debt》進一步區分「意圖債務」（Intent Debt）。當團隊沒有記下系統設計的目標、限制及決策原因，AI Agent 只能根據現有程式碼推測原意，未必能找回當時真正的考慮。
例如 Agent 修改程式時刪去一項保護條件，即使測試通過，團隊仍可能無法確認該條件原本是否為了處理特殊情況。Osmani 建議透過規格文件及架構決策紀錄，保存重要選擇背後的原因，避免團隊只留下可執行的程式碼，卻失去「為何這樣做」的答案。
先形成自己的判斷 再要求 AI 提供反證
Osmani 建議，處理重要工作前先提出自己的假設，再讓 AI 協助分析；讀到答案後，應問甚麼證據可以推翻它，並嘗試以實際測試驗證。他亦建議在有爭議的議題上，要求不同模型從相反立場提出論據，再由人類作判斷。
他認為低風險任務可以放心交給 AI，例如由 Agent 在幾間評價相近的酒店之間作選擇。但涉及金錢、職涯、系統安全或對其他人有後果的決策，人類應保留推理及核查責任。同時要定期檢視有哪些技能因長期交由 AI 處理而停止練習。
Osmani 的警告針對批判思考、專業判斷及系統理解能力可能因欠缺練習而減弱，並非提出 AI 已令全人類智商下降的實證結論。
資料來源：Addy Osmani（11 月 3 日文章）、Addy Osmani：The Intent Debt、Wharton Magazine
