在做出某個決定之前，希望盡可能多地調查，是很自然的。藉助AI，我們可以整理多個資料來源、比較差異，並在短時間內發現此前不知道的問題。研究的入口比以前更廣了。然而，資訊變得更容易蒐集，並不一定會讓我們更容易產生「已經調查得足夠了」的感覺。因為下一個資料來源、下一項比較、下一個反駁都會立刻出現。
假設我們正在選擇一所學校來學習一項新技能。可以調查的內容很多：課程內容、費用、學習時間、結業後的發展路徑，以及學員的經歷等。藉助AI，也可以很快製作比較表。但是，隨著申請截止日期接近，我們不可能核實每一條資訊。而且，新增的資訊也未必會改變選擇。調查的資訊量增加，並不等同於減少對判斷真正重要的不確定性。
這裡需要的，是不要只把調查理解為「盡可能多地蒐集資訊的工作」。調查有一個作用，是發現還有什麼尚不清楚。同時，它也有一個作用，就是判斷這些未知之處對於判斷究竟有多重要。如果我們能夠區分那些很可能改變結果的未知之處，與那些知道了會很有意思、但對選擇幾乎沒有影響的未知之處，那麼需要調查的內容本身就會發生變化。
AI可以幫助我們進行這種區分。它可以整理哪些條件缺少足夠的資料、不同資料在哪些地方存在分歧，以及改變哪些前提會使結論發生變化。但是，AI還能繼續探索，並不意味著人類就應該繼續等待。在調查繼續進行的同時，截止日期會接近，選項會變化，而真正用於行動的時間會不斷減少。
因此，結束調查的條件不僅需要考慮資訊這一側，也需要考慮人類時間這一側。我們不僅要問「是否還有未知的資訊？」，還要問「這些資訊有多大可能改變判斷？」以及「為了等待這些資訊，我們會失去什麼？」這並不是說要無視不確定性而做決定。相反，它意味著同時面對無法被徹底消除的不確定性，以及無法挽回的時間。
對於Sai＊aus而言，調查支援的價值並不只在於把資訊量最大化。重要的是，讓一個人試圖依據什麼來做決定變得可見，從而能夠區分哪裡還需要進一步調查，哪裡應該開始進行判斷。正因為AI可以繼續探索，我們才必須把「還能繼續調查」的能力，與「應該繼續調查」的判斷區分開來。
在很多情況下，我們無法在做決定之前把一切都調查清楚。這並不意味著調查失敗了。對於生活在有限時間中的人類而言，調查並不是把無限的資訊全部蒐集完；它也是判斷為了做出決定，究竟有哪些事情是必須知道的。AI越是擴大可調查的範圍，調查的終點就越不再是資訊耗盡之處，而是人類理解仍然存在的不確定性，並承擔起做出選擇的責任之處。
不是答案，而是理解。