當我們遇到不了解的事情時，找到答案需要時間。我們查找資料，閱讀必要的部分，並比較不同的解釋。當人工智慧縮短了這一入口階段，我們可以比以前更早得到一個答案。這是很大的優勢。但看到答案出現在螢幕上，並不等於我們自己已經理解了它。我們可能明白詞語的意思，卻仍然不知道為什麼這個說法成立、在哪些條件下並不適用，以及它與自己的問題有什麼關係。
例如，假設人工智慧給出了關於某種機制的簡潔解釋。讀完後，我們可能覺得自己已經了解了大致內容。但是，當我們試圖把它應用到另一個例子時，就可能不知道同樣的思路可以用到什麼程度。這種猶豫並不意味著最初的解釋沒有意義。它意味著，我們從知道一個答案，進入到以可使用的形式理解這個答案的階段時，一個新的問題出現了。
如果獲得答案所需的時間變短，那麼之後如何使用時間就變得更加重要。立即轉向下一個問題，可以讓我們在短時間內收集大量資訊。另一方面，我們也可以圍繞一個答案思考：「它有哪些前提？」「有沒有反例？」「在我的情況下有什麼不同？」人工智慧加快了入口，因此，我們可以把深化理解的時間提前。
知識並不會只隨著答案數量的增加而增長。新的資訊只有在整理它與已有知識之間的聯繫、遇到矛盾時停下來思考，並在必要時改變原來的理解之後，才會成為可以使用的知識。人工智慧越能在短時間內展示大量資訊，人就越需要選擇的不只是「記住什麼」，還包括「要檢查哪些關係」。
這時，留下的餘裕就會發揮作用。如果快速得到答案後還有時間，我們可以比較另一種解釋，自己想一個具體例子，或者再次詢問仍然不清楚的部分。我們也可以確認第一個答案是否可能有誤。相反，如果每次快速得到答案後都立即進入下一條資訊，我們也許知道了更多，卻可能越來越少有時間去確認每一條資訊的含義。
與人工智慧對話時，問題本身也可能在理解過程中發生變化。起初，我們可能想知道「這是什麼？」。讀完解釋後，我們可能會開始在意「為什麼需要這個條件？」。繼續思考後，我們甚至可能發現：「對於我真正想理解的問題，也許另一個問題更合適。」理解並不是回答最初的問題一次之後就結束的直線過程；它也是一個由答案不斷更新問題本身的過程。
Sai＊aus所重視的「不是答案，而是理解」並不意味著要讓答案變慢。人工智慧能夠快速回答的部分，可以快速處理；而由此產生的時間，可以讓人檢查前提和差異，並在必要時改變問題。速度不必成為理解的替代品，而可以用來增加理解得以展開的空間。
快速找到答案和快速理解並不是一回事。但兩者也不必互相對立。如果人工智慧縮短了通往答案的入口，我們不必把節省下來的全部時間都用來收集更多答案，而可以留出一部分「答案之後」的時間。在這段時間裡，人可以確認含義，重新連結關係，並在必要時修正最初的理解。由速度產生的餘裕，可以成為把答案轉化為知識的時間。
不是答案，而是理解。