何かを決める前に、できるだけ多く調べたいと思うのは自然です。AIを使えば、複数の資料を整理し、違いを比較し、知らなかった論点を短時間で見つけることができます。調査の入口は以前より広くなりました。しかし、情報を集めやすくなったことは、「十分に調べた」という感覚を必ずしも得やすくしません。次の資料、次の比較、次の反論がすぐに見つかるからです。
たとえば、新しい技能を学ぶための学校を選ぶとします。授業内容、費用、期間、修了後の進路、受講者の経験など、調べられることは多くあります。AIに頼めば比較表もすぐに作れます。けれども、申込期限が近づく中で、すべての情報を確認することはできません。しかも、追加で調べた情報が本当に選択を変えるとは限りません。調査量が増えることと、判断に必要な不確実性が減ることは同じではないのです。
ここで必要なのは、調査を「情報をできるだけ多く集める作業」だけとして考えないことです。調査には、何がまだ分かっていないかを見つける役割があります。そして同時に、その不明点が判断にどれほど重要かを見極める役割もあります。結果を変える可能性の高い不明点と、知れば興味深いが選択にはほとんど影響しない不明点を区別できれば、調べるべきものの形が変わります。
AIは、この区別を支えることができます。どの条件について資料が不足しているか、資料同士がどこで食い違っているか、どの前提を変えると結論が変わるかを整理できます。ただし、AIがさらに探索できることは、人間がさらに待つべきだという意味ではありません。調査を続ける間にも、期限は近づき、選択肢は変わり、実際に行動するための時間は減っていきます。
だから調査の終了条件には、情報の側だけでなく、人間の時間の側も含める必要があります。「まだ未知の情報があるか」だけではなく、「その情報が判断を変える可能性はどれほどあるか」「それを待つことで何を失うか」を考えるのです。これは不確実性を無視して決めることではありません。むしろ、完全には消せない不確実性と、取り戻せない時間の両方を同時に扱うことです。
Sai＊ausにとって、調査支援の価値は情報量の最大化だけにはありません。重要なのは、人間が何を根拠に決めようとしているのかを見えるようにし、追加調査が必要な地点と、判断へ移る地点を区別できるようにすることです。AIが探索を続けられるからこそ、「さらに調べられる」という能力と、「さらに調べるべきだ」という判断を分けなければなりません。
すべてを調べてから決めることは、多くの場合できません。そして、それは調査の失敗ではありません。有限な時間の中で生きる人間にとって、調査とは無限の情報を集め切ることではなく、何を知らなければ決められないのかを見極めることでもあります。AIが調べられる範囲を広げるほど、調査の終わりは情報の尽きる場所ではなく、人間が残る不確実性を理解したうえで選択を引き受ける場所になります。
答えではなく、理解を。