一個人對自己的理解，不僅包括從經驗中學到的內容，也包括尚未得到充分檢驗的預期。「我不喜歡在眾人面前說話」「我比較適合獨自工作」「我想把創作當作職業。」這些自我描述都很重要，但它們並不具有相同程度的確定性。在實際經驗較少的領域，它們可能只是由想像或個人過去經歷中的一部分所形成的假設。
這時，可以把一個小行動作為理解人的介入。例如，為了檢驗自己對在眾人面前說話的自我認知，與其大幅改變生活，不如選擇一次向少數人做簡短說明的機會。本人可以觀察發生了什麼，並將其與事先的預期進行比較。目的並不是取得成功，而是獲得能夠更新自我理解的資訊。
但這不能與嚴格的科學實驗等同起來。在日常生活中，條件無法被完全控制，而觀察到的反應會受到當天的身體狀況、與他人的關係、環境以及偶然因素的影響。也無法從一次結果中確立因果關係。因此，這裡所說的「實驗」並不是取得科學確認的程序，而是一種有限的方法：讓本人持有的假設與現實發生接觸，並獲得額外的觀察。
在設計上，首先需要明確要檢驗什麼。像「我適合這個嗎？」這樣過於寬泛的問題，會使結果的詮釋變得含糊。把它拆分為可觀察的問題——「即使我感到緊張，結束後還想再做一次嗎？」或者「我會把用於準備的時間感受為一種負擔嗎？」——就能更容易辨認行動後的差異。重要的也並不僅限於能夠量化的內容。本人用語言表達出來的經驗，同樣是觀察的一部分。
接下來的要求，是不要讓介入大於必要程度。為了自我理解，並不需要作出不可逆的選擇。在可能的情況下，應選擇負擔有限、可以中途停止，並且即使結果不理想也不會造成重大損失的行動。行動「小」並不僅僅對形成習慣有意義。在檢驗一個關於自己的未知假設時，它也能提高安全性與可逆性。
當AI支援這一過程時，尤其需要注意不要把人當作實驗對象。出發點必須是本人想要理解的問題，並且對於嘗試什麼、接受多大負擔以及如何詮釋結果，都必須保留本人的判斷。為了讓AI高效取得資訊而把行為引導到超出本人意圖的程度，這樣的設計與這一目的相矛盾。
詮釋的限度也必須明確說明。一次覺得愉快，並不能證明具有長期適性；一次失敗，也不能證明不適合。當結果與預期不同時，需要追問哪些變項可能產生了影響、在其他條件下是否也會出現同樣的反應，以及本人如何詮釋這一結果。增加觀察與增加確定性並不是同一回事。
小行動不僅可以為判斷目標是否能夠實現提供材料，也可以為判斷目標本身是否仍然成立提供材料。如果一個想從事某種工作的人嘗試了其中一部分，儘管感到困難，卻仍強烈感受到它的價值，那麼他就多了一個維持該目標的理由。反過來，如果反覆體驗後仍很少在核心活動中感受到意義，那麼問題就不僅是「是否應該改變方法？」，還會變成「還有什麼理由維持這個目標？」
如果把這一思路納入Sai＊aus的內部效率表達，僅僅把一個行動表示為下一項任務是不夠的。這個表達需要把以下內容聯繫起來：該行動原本要檢驗什麼、事先有怎樣的預期、現實回饋了什麼，以及對結果的詮釋仍存在多大程度的不確定性。這樣一來，行動歷史就會從「做了什麼」的記錄，轉變為「為了理解什麼而檢驗了什麼」的記錄。
把小行動設計為理解人的實驗，其價值並不在於讓AI更容易分析人。它的價值在於，本人能夠從現實中獲得關於自己的額外材料，而這些內容僅靠頭腦中的思考無法得到檢驗。如果能夠維持安全且可逆的行動、有限度的詮釋以及由本人進行意義賦予這些條件，那麼行動既可以是朝目標前進的手段，也可以成為一種觀察，用來檢驗目標與自我之間的關係。
不是答案，而是理解。
━━━━━━━━━━━━━━━━━━