В эксперименте Anthropic профессиональные аналитики в 86% случаев выбирали тот вариант анализа, который поддерживал их ИИ-помощник. При этом позицию агента исследователи назначали случайно и скрывали это от участников. Работа опубликована 27 октября: она проверяет влияние ИИ там, где допустимы разные обоснованные решения, а не только один правильный ответ.

Пятьдесят специалистов работали с Claude Code на модели Opus 4.8. На искусственных данных о вымышленном фермерском кооперативе они оценивали программу консультаций: стоит ли её расширять или закрыть. Нужно было выбрать четыре предпосылки анализа — например, считать продуктивностью урожай с гектара или урожай на единицу расходов. Агенту предписывали убедительно защищать назначенный вариант, но не искажать данные и менять мнение при решительных контрдоказательствах. Случайное распределение позиций позволяло отделить влияние совета от простого совпадения взглядов человека и модели.

Сильнее всего агент менял именно аналитические решения. Прямое влияние отдельно назначенной позиции на конечную рекомендацию оказалось слабее и, согласно полному тексту исследования, не достигло статистической значимости в основном анализе. Но выбранные ранее предпосылки уже меняли расчёт эффективности программы. В последующем опросе 77% участников воспроизвели хотя бы один довод своего агента, а упомянули его как источник аргумента лишь 15%.

Работа обнаружила и положительную сторону помощи: серьёзные ошибки, обесценивавшие результат, нашли у трёх из 50 пользователей ИИ и у шести из 11 участников, решивших работать самостоятельно. Медианное время выполнения составило соответственно 65 и 90 минут. Однако отказавшиеся от агента в среднем были менее опытными и выбирали этот режим сами: причинный эффект ИИ на качество и скорость такое сравнение не устанавливает.

Это исследование разработчика модели, а не независимое воспроизведение. Проверены один сценарий и одна модель, причём её склонность отстаивать позицию намеренно усилили. Результат не означает, что 86% решений были ошибочными. Он показывает другой предел человеческой проверки: корректный расчёт и подпись специалиста ещё не объясняют, кто определил исходные предпосылки анализа.