人工智慧驅動的效率化能夠回收時間。如果研究、整理、比較或草案撰寫所需的時間縮短，那麼原先被這些活動占用的一部分時間就會變得可用。通常，人們會把這種變化理解為生產力提高，因為在相同時間內可以產出更多成果，或者用更短時間取得相同成果。但這裡存在一個僅靠效率指標無法決定的問題：縮短所產生的時間由誰使用，又是為了什麼？如果回收的時間被自動投入下一項處理，效率化會放大處理能力，卻不一定增加人能夠改變判斷的空間。
要思考這個問題，需要把餘裕與單純的「未使用時間」區分開來。工作中存在一些在開始時無法完全預測的部分。對規格的誤解、資訊不足、外部條件變化、透過驗證發現的錯誤，以及相關人員之間的認知差異，都不一定能在制定計畫時全部列舉出來。因此，如果計畫時間被目前已知的工作完全占滿，當意外事件出現時，就沒有可用於應對的資源。餘裕並不是因為目前沒有用途而剩下的時間，而可以被理解為一種被保留下來、其用途仍向未來不確定性開放的時間資源。
讓重要部分儘早成形，會產生這種餘裕。目的並不只是提前於截止期限完成。先接觸困難部分，可以儘早檢驗最初的估算是否合理。如果發現工作無法按計畫推進，仍然保留著修改規格、尋求補充資訊、切換方法或與相關人員重新協調期限等選擇。提前推進與其說是提高精確預測未來的能力，不如說是一種讓我們更早發現預測錯誤的結構。
當這一結構與人工智慧連接起來後，速度的意義也會發生變化。人工智慧能夠快速產生初始方案，其價值並不只是提高單位時間內的產出數量。如果重要部分能夠儘早具體化，人就可以觀察到在抽象計畫階段看不見的問題。錯誤的前提、缺失的條件、多種價值之間的衝突，或者預期成果物與實際輸出之間的不一致，都可能提前顯現。此時，人工智慧的速度發揮的是提前發現不確定性的作用。如果能夠保留由此產生的剩餘時間，人就能繼續擁有應對所發現問題的選擇。
然而，當效率化產生的時間被自動重新分配給額外生產時，這種效果就會消失。初稿提前一天完成，於是再製作多個版本；調查提前結束，於是進一步擴大範圍；驗證時間縮短，於是在同一期限內加入另一個專案。當額外成果具有較高價值時，這種重新分配可能是合理的。但如果它成為常態，人工智慧創造的餘裕一出現就被消耗，用於改變計畫或重新思考的時間再次變得不足。局部的效率化反而會自行抹去原本能夠由這種效率提升所帶來的修正能力。
由此可以看出，餘裕涉及分配問題。在組織中，可以把效率化產生的時間轉向額外的成果目標。個人則可以開始新的工作、檢查目前的工作，或者把時間用於休息。然而，在與人工智慧協作時，持續生成和探索的成本越低，「還可以繼續處理」這一事實就越容易轉變成「應該繼續處理」的規範。尚有處理能力，與現在就應該使用這種能力，並不是一回事。如果連決定餘裕用途的權力也交給自動化邏輯，那麼人雖然成為效率化的受益者，卻可能失去選擇如何使用這種收益的能力。
因此，人類與人工智慧協作中的餘裕可以被理解為決策能力的一部分。修改判斷需要時間。考慮反對意見、進行額外確認、撤回已經做出的方向，同樣需要時間。如果時間被完全分配，即使形式上最終決定權仍在人手中，實際上也可能只剩下批准既定路線這一選擇。相反，如果還保留著未被消耗的時間，那麼人在收到人工智慧的結果之後，仍然可以提出異議、回到原來的問題，並改變條件。餘裕不僅支持決策之前的自由，也支持重新做出決策的自由。
這一視角也要求改變對效率的評價方式。縮短處理時間、降低成本、增加成果物數量仍然重要，但這些指標無法捕捉協作系統在多大程度上變得能夠承受變化。例如，假設兩個系統都能提前兩天完成相同的成果物。一個立即用其他工作填滿這兩天，另一個則在重要驗證完成之前保留其中一部分作為備用時間。在通常情況下，前者的產出量可能看起來更高。但如果之後發現了重大的前提錯誤，後者仍然擁有修正的選擇。哪一種更合適，會隨著工作的性質和不確定性而變化。
需要注意的是，餘裕並非越多就總是越好。過多的備用時間可能使必要的工作延遲。在變化很少、流程已經確立的處理中，選擇較高的利用率有時比保留較大的餘裕更合理。因此，問題不是究竟應該最大化效率還是餘裕，而是應根據不確定性的大小、失敗的影響、改變所需的時間，以及是否需要把判斷交還給人等因素，來設計應保留多少餘裕。餘裕不是無條件的善；它是在需要可變更性的情境中才具有價值的資源。
將這一思路連接到Sai＊aus的設計，就會發現，不一定要把人工智慧加速所獲得的全部收益再次投入額外生成，這一選擇很重要。人工智慧可以儘早展示結構，使人能夠儘早發現問題。如果沒有問題，可以繼續處理；如果發現偏差，則可以利用剩餘時間確認前提、改變方向，並在必要時對人工智慧本身的建議提出異議。在這裡，人工智慧的速度不是用來取代人的判斷，而是用來向前擴展人能夠改變判斷的時間範圍。這是一種不僅把速度轉換為額外處理，也把速度轉換為可修正性的設計。
這種差異不能僅僅由人工智慧是否具備某些功能來解釋。快速生成、資訊整理、比較以及支持重新思考，都可以由多種人工智慧實現。差異出現在：我們如何設計這些能力所產生的時間，以及讓這段時間服務於什麼。有一種設計會把所有餘裕重新投入進一步最佳化；也可以有另一種設計，把其中一部分保留下來，用於人的確認、異議、暫緩和撤回。Sai＊aus重視的並不是把人工智慧能夠處理更多事情本身變成目的，而是配置已使用和未使用的能力，使人始終是理解與判斷的主體。
效率所創造的餘裕，誰有權支配？不存在一種普遍適用的唯一分配比例。但僅僅因為人工智慧縮短了某項任務所需的時間，並不能推出節省下來的時間就應該再次投入人工智慧或額外任務。未被使用的時間也是應對尚未發生的可能性的能力：失敗、變化、異議與撤回。思考人工智慧時代的效率，需要關注的不只是已經使用的資源，也包括為了在需要時能夠使用而被有意保留下來的資源。追問誰來分配這種餘裕，以及它是為了誰的判斷能力而被保留的，會使人類與人工智慧的協作從單純的加速轉向設計問題。
不是答案，而是理解。