AI 让逃避决定变得更便宜

你让 AI 比较两个方案。它列出各自的优缺点，你觉得还不够，于是要求它换一个角度。它补充了长期风险，你又让它考虑最坏情况、团队能力和未来变化。几轮之后，分析越来越完整，决定却没有向前一步。

看起来，你仍在努力寻找答案。实际上，每一轮对话都可能只是在推迟同一件事：接受一个选项，放弃另一个选项，并承担选错的可能。

AI 降低的不只是获得答案的成本，也降低了逃避决定的成本。

“是啊，但是……”原本会结束

精神科医生 Eric Berne 在 1964 年出版的《Games People Play》中，描述过一种名为“Why Don’t You—Yes But”的互动，可以直译为“你为什么不……”“是啊，但是……”。

一个人提出困境，其他人接连给出建议。每个建议都会得到相似的回答：“是啊，但是这个不行，因为……”对话表面上在寻找办法，结果却是所有办法都被否定，困境保持不变。

这种对话过去有一个自然的终点。

给建议的人会疲倦。他可能发现，无论提出什么，对方都能找到一个“但是”。他会停止回答，也可能直接问：“那你准备怎么办？”

这点不耐烦很重要。它让提问者看见，问题可能已经不再是缺少方案，而是不愿意选择。继续索取建议需要消耗一段关系，也会暴露自己并不准备行动。逃避决定因此不是免费的。

AI 不会疲倦，也不会因为第十次“是啊，但是……”而停止回答。

它可以再生成十个方案，再换五个角度，再模拟一次支持者和反对者的辩论。提问者不必消耗谁的耐心，也不必承认已有答案都无法替自己承担选择的代价。只要继续输入提示词，就能继续保持“我还在认真分析”的感觉。

AI 没有创造人对决定的逃避。它改变的是逃避所受的约束：过去，一段没有进展的咨询会被人的耐心终止；现在，它可以无限继续，而且每一轮都能生成新的文字作为“仍需分析”的证据。

于是，逃避决定从一种会遇到社会阻力的行为，变成了一项几乎可以无限续期的服务。

并不是每一次追问都在逃避决定。新事实会改变选择，遗漏的风险值得补充，重要判断也需要反复检查。问题在于，AI 总能继续回答，所以它不会替你指出分析已经结束。

这个终点只能由提问者自己恢复。

在发送下一条提示词之前，先问：上一轮回答改变了什么？

如果它没有增加会影响选择的新事实，没有排除任何选项，也没有产生下一步行动，那么缺少的可能已经不是另一个答案，而是一个由你作出的决定。

这里借用“Why Don’t You—Yes But”，只是为了描述“不断索取方案，又让所有方案失效”的互动结构，不是把《Games People Play》当作已经被现代实验完整验证的人格理论。书中的部分解释和案例也有 1960 年代的局限。