在做出某个决定之前，希望尽可能多地调查，是很自然的。借助AI，我们可以整理多个资料来源、比较差异，并在短时间内发现此前不知道的问题。研究的入口比以前更广了。然而，信息变得更容易收集，并不一定会让我们更容易产生“已经调查得足够了”的感觉。因为下一个资料来源、下一项比较、下一个反驳都会立刻出现。
假设我们正在选择一所学校来学习一项新技能。可以调查的内容很多：课程内容、费用、学习时长、结业后的发展路径，以及学员的经历等。借助AI，也可以很快制作比较表。但是，随着申请截止日期临近，我们不可能核实每一条信息。而且，新增的信息也未必会改变选择。调查的信息量增加，并不等同于减少对判断真正重要的不确定性。
这里需要的，是不要只把调查理解为“尽可能多地收集信息的工作”。调查有一个作用，是发现还有什么尚不清楚。同时，它也有一个作用，就是判断这些未知之处对于判断究竟有多重要。如果我们能够区分那些很可能改变结果的未知之处，与那些知道了会很有意思、但对选择几乎没有影响的未知之处，那么需要调查的内容本身就会发生变化。
AI可以帮助我们进行这种区分。它可以整理哪些条件缺少足够的资料、不同资料在哪些地方存在分歧，以及改变哪些前提会使结论发生变化。但是，AI还能继续探索，并不意味着人类就应该继续等待。在调查继续进行的同时，截止日期会临近，选项会变化，而真正用于行动的时间会不断减少。
因此，结束调查的条件不仅需要考虑信息这一侧，也需要考虑人类时间这一侧。我们不仅要问“是否还有未知的信息？”，还要问“这些信息有多大可能改变判断？”以及“为了等待这些信息，我们会失去什么？”这并不是说要无视不确定性而做决定。相反，它意味着同时面对无法被彻底消除的不确定性，以及无法挽回的时间。
对于Sai＊aus而言，调查支持的价值并不只在于把信息量最大化。重要的是，让一个人试图依据什么来做决定变得可见，从而能够区分哪里还需要进一步调查，哪里应该开始进行判断。正因为AI可以继续探索，我们才必须把“还能继续调查”的能力，与“应该继续调查”的判断区分开来。
在很多情况下，我们无法在做决定之前把一切都调查清楚。这并不意味着调查失败了。对于生活在有限时间中的人类而言，调查并不是把无限的信息全部收集完；它也是判断为了做出决定，究竟有哪些事情是必须知道的。AI越是扩大可调查的范围，调查的终点就越不再是信息耗尽之处，而是人类理解仍然存在的不确定性，并承担起做出选择的责任之处。
不是答案，而是理解。