認知的降伏

「認知的降伏」とは何か——AIの流暢さに思考を明け渡す人類の危機とウォートン校「三系統理論」

AntiGravity

23 10月 2026 • 16 min read

ChatGPTやClaudeなどのフロンティアLLM、そして自律的に作業を遂行するAIエージェントが日常のビジネスやソフトウェア開発に深く定着した2026年、私たちは大きな転換点に立っています。「AIのおかげで人間の生産性は劇的に向上し、より創造的な仕事に集中できるようになった」という言説が語られる一方で、認知科学や組織論の最前線では、極めて不気味な警鐘が鳴らされ始めました。

それが、**「認知的降伏（Cognitive Surrender）」**と呼ばれる現象です。

ペンシルベニア大学ウォートン・スクール（Wharton School of the University of Pennsylvania）の研究者であるスティーブン・D・ショー（Steven D. Shaw）とギデオン・ネイブ（Gideon Nave）両氏が発表した研究論文*『Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender』*は、世界中のテクノロジー関係者や認知心理学者に大きな衝撃を与えました。

研究チームは、ノーベル経済学賞を受賞したダニエル・カーネマン（Daniel Kahneman）の有名な「二重過程理論（システム1・システム2）」を拡張し、現代の人間認知に不可分となった外部AIを組み込んだ**「三系統理論（Tri-System Theory）」を提示しました。そして、1,372人を対象とした大規模な行動科学実験を通じて、「人間はAIが自信満々に間違えた答えを出したとき、約8割の確率でそれを疑わずに鵜呑みにし、しかも自力で解いたときよりも高い自信を抱いてしまう」**という驚くべき事実を暴き出したのです。

なぜ私たちは、AIの流暢な言葉の前に自らの思考をあっさりと「降伏」させてしまうのでしょうか。そして、この認知的退化から自らの知性と専門性を守るにはどうすればよいのでしょうか。本稿では、ウォートン校の最新研究を軸に、認知的降伏のメカニズム、実験データ、ビジネスや開発現場に忍び寄るリスク、そして具体的な防衛策を徹底的に解説します。

1. カーネマンの二重過程理論を更新する「三系統理論（Tri-System Theory）」

認知的降伏を理解するための出発点となるのが、人間の意思決定と推論の枠組みを捉え直す「三系統理論（Tri-System Theory）」です。

従来の「二重過程理論」の限界

心理学者ダニエル・カーネマンが名著『ファスト＆スロー（Thinking, Fast and Slow）』で体系化した二重過程理論では、人間の思考プロセスは以下の2つのシステムに大別されていました。

システム1（System 1 / 直感）: 自動的、高速、無意識的、感情的。エネルギー消費が極めて少なく、日常の会話、歩行、馴染みのある危険の察知などを司る。
システム2（System 2 / 熟慮）: 意識的、低速、論理的、分析的。エネルギー消費が大きく、複雑な数学の計算、論理的な矛盾の精査、長期的な意思決定などを司る。

この理論は過去数十年にわたり、認知心理学や行動経済学の礎となってきました。しかし、ショー氏とネイブ氏は**「二重過程理論は、すべての思考が人間の生物学的な脳（頭蓋骨の内側）だけで完結していた時代の産物である」**と喝破します。

現代の人間は、推論や文章作成、問題解決を行う際、手元のスマートフォンやPC上で稼働する高度なAIを介して思考しています。人間はもはや脳単体で思考しているのではなく、**「AIと共に思考する（thinking with AI）」**状態にあるのです。

「システム3（人工的認知 / Artificial Cognition）」の登場

そこで提唱されたのが、第3の認知層である**システム3（System 3）**です。

graph TD
    subgraph 人間の生物学的脳
        S1["システム1 (System 1)<br/>高速・直感的・無意識・省エネ"]
        S2["システム2 (System 2)<br/>低速・論理的・意識的・高負荷"]
    end
    
    subgraph 外部アルゴリズム
        S3["システム3 (System 3: 人工的認知)<br/>生成AI / LLM・流暢・構造的推論"]
    end
    
    S1 <-->|相互作用| S2
    S3 ==>|認知的降伏: 検証をスキップ| S1
    S3 -.->|本来あるべき批判的検証| S2
    S2 -.->|プロンプト・問い直し| S3

システム3は、以下のような特徴を持つ外部の人工的知性です。

生物学的脳の外部に常駐する: クラウドやローカルサーバー上のLLM（大規模言語モデル）や自律エージェントとして稼働する。
自然言語による高精度な推論シミュレーション: 人間のシステム2（熟慮）が長時間を要して行うような論理展開、コード生成、比較分析を、わずか数秒で極めて流暢かつ構造的に出力する。
人間認知とのシームレスな統合: チャットUIやAPI、開発ツール（IDE）に組み込まれ、思考の延長線上として違和感なく機能する。

ここで最大の問題となるのが、システム3が提示する回答があまりに完成度が高く自然であるため、人間側のシステム2（批判的検証エンジン）が起動せず、システム3の出力をシステム1（直感）のように直接受け入れてしまうという短絡現象です。これこそが「認知的降伏」の核心です。

2. 「認知的オフロード」と「認知的降伏」の決定的境界線

「人間が道具に頭脳労働を頼るのは昔からのことではないか？電卓やGPS、メモ帳の登場時も同じような議論があったはずだ」と疑問に思う方もいるでしょう。

しかし、研究チームは従来の「認知的オフロード（Cognitive Offloading）」と現代の「認知的降伏（Cognitive Surrender）」は質的にまったく異なる現象であると明確に区別しています。

電卓やGPSは何を代行したのか（認知的オフロード）

電卓は四則演算の「計算の手間」を肩代わりし、GPSは地図を広げて現在地を確認する「照合の手間」を軽減しました。メモ帳は短期記憶のワーキングメモリを節約します。

これらは認知の負担を減らす「道具」ですが、決定的な特徴として**「人間が独自のメンタルモデル（状況把握や目的意識）を保持し、結果の正誤や妥当性を人間自身のシステム2が監視・評価していた」**という点が挙げられます。電卓が「100 + 200 = 30,000」と表示すれば、人間は直ちに違和感を覚え、キーの打ち間違いを疑うことができました。

生成AIが奪い去るもの（認知的降伏）

これに対し、生成AI（システム3）への依存は、計算や記憶といった単純な処理の委譲にとどまりません。「何を論点とすべきか」「どのように論理を組み立てるか」「最終的な結論は何か」という、思考のコア（判断と意志決定）そのものを委譲してしまうのです。

比較項目	認知的オフロード (Cognitive Offloading)	認知的降伏 (Cognitive Surrender)
代表的な技術	電卓、GPS、検索エンジン、スペルチェッカー	生成AI、フロンティアLLM、AIコーディングアシスタント
代行される領域	記憶、計算、情報の格納・検索（プロセスの補助）	論理構成、意思決定、アイデア創出、結論の導出（推論そのもの）
人間の認知状態	システム2が稼働。結果を監視・吟味する主導権を維持	システム2が休眠。出力を無批判に自己の思考として丸呑みする
メンタルモデル	人間の脳内に問題解決の全体像が残る	脳内にメンタルモデルが形成されず、ブラックボックス化する
長期的な影響	ワーキングメモリが解放され、より高次の抽象思考に向かう	自律的な批判的思考力、問題発見能力、専門知識が退化（萎縮）する

認知的降伏に陥った人間は、AIが生成したテキストを読み直すことすら億劫になり、あるいは読んだとしても「なんとなく論理的で綺麗にまとまっているから大丈夫だろう」と表層的な流暢さに納得し、自分の署名をつけて上司に提出したり、Gitにコミットしたりします。そこには自律的な思考の葛藤（Cognitive Struggle）が一切存在しません。

3. 1,372人実験が暴いた衝撃データ——「40ポイントの正解率スイング」と「借り物の自信」

ショー氏とネイブ氏の研究が極めて価値の高いものと評価されている理由は、この認知的降伏の危険性を、厳密な定量実験によって証明した点にあります。

実験の設計：認知反射テスト（CRT）

研究チームは、オンラインで募集した1,372人の参加者に対し、合計約10,000回の個別試行を行う3つの事前登録実験（Pre-registered experiments）を実施しました。

使用された課題は、心理学で広く用いられる**「認知反射テスト（CRT: Cognitive Reflection Test）」**の拡張版です。CRTは、直感的にパッと頭に浮かぶ答え（システム1の回答）が実は罠であり、慎重に計算・論理検証（システム2）を行わなければ正解できないように作られた問題群です。

代表的なCRTの例（バットとボール問題）: バットとボールのセットの価格は1ドル10セントです。バットはボールより1ドル高いです。ボールの値段は何セントでしょうか？（直感的に「10セント」と答えたくなりますが、正解は「5セント」です）

参加者にはこれらの難問が提示され、問題を解く際に**「AIアシスタントに相談するか、自力で解くか」を自由に選択**させました。

隠された操作：正確なAI vs 間違えるAI

研究チームは参加者に明かさず、背後のAIアシスタント（システム3）の振る舞いを実験的に操作しました。プロンプト制御により、以下の2種類のAIをランダムに割り振ったのです。

正確なAI（Accurate AI）: 常に論理的に正しい解法と正解を提示するAI。
誤ったAI（Faulty AI）: 人間が陥りがちな典型的な直感的誤謬（ハルシネーション）を、極めてもっともらしい解説と自信満々のトーンで提示するAI。

実験結果1：40ポイントの正解率スイング

ベースライン（AIを使わずに自力で解いた参加者グループ）の正解率を基準としたとき、驚くべきデータが得られました。

xychart-beta
    title "AIのアシストによる人間の正解率の変化（ベースライン比）"
    x-axis ["誤ったAIを利用", "ベースライン(自力)", "正確なAIを利用"]
    y-axis "正解率の変動 (パーセントポイント)" -20 --> 30
    bar [-15, 0, 25]

正確なAIを利用したグループ: 正解率はベースラインから25パーセントポイント上昇しました。参加者はAIの正しい答えを約93%の確率でそのまま採用しました。
誤ったAIを利用したグループ: 正解率はベースラインから15パーセントポイント急落しました。参加者はAIの誤った答えを73%〜80%の確率で検証せずに鵜呑みにして採用したのです。

正確なAIと誤ったAIの間には、**実に40パーセントポイントという壊滅的な正解率の格差（スイング）**が生じました。人間はAIが正しいときには恩恵を受けますが、AIがもっともらしく間違えた瞬間、自力で考えた場合よりもはるかに愚かな判断を下してしまうことが実証されたのです。

実験結果2：「借り物の自信（Borrowed Confidence）」の罠

さらに恐ろしい発見は、参加者の「主観的確信度（Confidence）」の測定結果でした。

通常、人間は自力で難しい問題に挑む際、自分の答えに確信が持てないときは「自信がない」と申告します。しかし、システム3（AI）を相談相手にした参加者は、AIの答えが完全に間違っている場合であっても、自分の回答に対する自信を大幅に高めていたのです。

研究チームはこの心理状態を**「借り物の自信（Borrowed Confidence）」と名付けました。 AIが提示する整然とした箇条書き、理路整然としたトーン、自信に満ちた口調という「外見の権威性」が、回答の中身の誤りを覆い隠してしまいます。その結果、人間は「客観的には大間違いをしているにもかかわらず、本人はこれまで以上に絶対の自信を持っている（More confident and more wrong at the same time）」**という、組織やシステムにとって最悪の心理的盲点に陥るのです。

インセンティブも時間も効かない「降伏の根深さ」

研究チームはさらに、この認知的降伏を打破できるかを探るため、追加実験を行いました。

時間制限の付与（Study 2）: 時間的プレッシャーをかけることで、より集中して見極めさせようとした。
金銭的インセンティブと即時フィードバック（Study 3）: 正解者にはボーナスを支払い、1問ごとに正誤をフィードバックした。

しかし結果は無情でした。お金を賭けられても、時間を制限されても、誤ったAIに対する人間の高い追随性と正解率の低下は防げなかったのです。人間はいったんシステム3の快適さに触れると、自力で疑う労力を再起動することが極めて困難であることが示されました。

唯一、誤ったAIの罠を見破ることができたのは、**「もともと分析的思考力が極めて高く、かつAIに対して事前の盲目的信頼を持たない（批判的・懐疑的な姿勢を保っている）参加者」**だけでした。

4. なぜ人間はAIに降伏してしまうのか？脳の進化と心理的罠

なぜ私たちは、これほどまでに容易くAIの前に白旗を掲げてしまうのでしょうか。そこには、数百万年にわたる人間の脳の進化と、現代の認知バイアスが複雑に絡み合っています。

① 人間の脳は生来の「認知的倹約家（Cognitive Miser）」である

脳は成人体重のわずか2%程度の重量しかありませんが、安静時でも全身のエネルギーの約20%を消費する大食漢の臓器です。そのため人類の進化の歴史において、脳は**「生き残るために、可能な限り思考のエネルギー消費を抑える（システム2の起動を避け、システム1で省エネ運転する）」**という強力な淘汰圧を受けてきました。これを認知心理学では「認知的倹約家（Cognitive Miser）」と呼びます。

目の前に、論理的で美しく、瞬時に疑問を解消してくれるAIが現れたとき、私たちの脳は進化的にプログラミングされた本能に従い、「これ幸い」とエネルギー消費を抑えるために思考を停止します。認知的降伏は、人間の怠慢というよりも、脳の進化学的な省エネ機構の必然的な帰結なのです。

② 流暢性ヒューリスティック（Fluency Heuristic）の錯覚

人間には、**「すらすらと滑らかに理解できる情報（処理流暢性が高い情報）は、真実である可能性が高い」**と直感的に錯覚する認知バイアス（流暢性ヒューリスティック）が存在します。

生成AIが出力する文章は、文法的な破綻がなく、接続詞が適切に配置され、整然とした構造を持っています。この圧倒的な「読みやすさ」に接した人間の脳は、内容の論理的整合性を検証する前に「これは正しいに違いない」という無意識の快感（認知的安心感）を覚えてしまうのです。

③ 権威バイアスと自動化バイアス（Automation Bias）

航空機の自動操縦装置や医療診断機器の歴史において古くから知られているのが「自動化バイアス（Automation Bias）」です。人間は、機械やアルゴリズムに対して「人間のような感情や疲労に左右されず、膨大なデータに基づいているから客観的で正確だ」という過剰な信頼を寄せてしまいます。

LLMに対しても、「数千億パラメータを持つ最先端のフロンティアモデルが導き出した結論なのだから、生身の凡庸な自分よりも賢いはずだ」という劣等感混じりの権威バイアスが働き、異議を唱えること自体を諦めてしまいます。

④ 認知的葛藤（Cognitive Struggle）からの精神的逃避

複雑な問題の解決、難解なバグの特定、戦略の策定には、激しい精神的苦痛（認知的葛藤）が伴います。「どうすればいいのか分からない」「考えがまとまらない」という不確実性は、人間にとって強いストレスです。

AIは、その不確実性を一瞬で「一見もっともらしい答え」によって埋めてくれます。人間はその解答が真実かどうかよりも、「不確実性の苦痛から解放された」という精神的安寧を優先してしまい、思考の降伏を受け入れてしまうのです。

5. 現場を蝕む「専門性の退化」とビジネス・開発リスク

ウォートン校の研究チームが論文の終盤で最も強く警鐘を鳴らしているのが、短期的な誤答の受容にとどまらない、**長期的な専門性の退化（Atrophied Expertise / Deskilling）**です。

ソフトウェア工学と「Vibe Coding」の危うい現実

昨今、プログラミングの世界では「自然言語でAIに大まかな指示を出し、生成されたコードをそのまま動かす」いわゆるVibe Codingが流行しています。確かにプロトタイピングの速度は劇的に上がりました。

しかし、認知的降伏に陥ったエンジニアは、AIが生成したコードの内部アルゴリズム、メモリ効率、並行処理時のレースコンディション、潜在的なセキュリティ脆弱性を1行ずつ検証することをやめてしまいます。「テストがグリーンになったから」「エラーなく画面が表示されたから」という理由だけでPull Requestをマージしていくと、リポジトリ内には誰一人として根本的な仕組みを理解していないブラックボックスな技術的負債が急速に蓄積されます。

知的筋肉の萎縮（Atrophy）

筋力トレーニングを完全にやめて電動車椅子に乗り続ければ、人間の足腰の筋肉はやがて衰弱し、自力で歩くことすらできなくなります。人間の脳の「思考力」もまったく同じです。

ジュニア層の未熟化: 試行錯誤し、壁にぶつかり、ドキュメントを読み漁って夜遅くまでデバッグする——この泥臭い「認知的葛藤」の過程でこそ、一人前のエンジニアやアナリストとしての直感と勘所が育ちます。初手からAIに答えを求めて認知的降伏を繰り返すジュニアは、表面的な指示は出せても、AIが重大な嘘をついたときにそれを見抜く「真の専門性」を永久に身につけることができません。
シニア層の判断力低下: 熟練した専門家であっても、AIへの降伏が習慣化すると、エッジケースに対する研ぎ澄まされた嗅覚が徐々に鈍化していきます。

経営判断・法務・医療における壊滅的インシデント

企業の意思決定層が市場分析や競合調査、投資判断レポートの作成をAIに丸投げし、AIのハルシネーション（もっともらしい捏造データや誤った相関関係）に「借り物の自信」を抱いたまま巨額の投資を実行してしまうリスクは、もはやSFではありません。

法務における判例の確認ミス、医療現場における診断補助AIの過信など、認知的降伏は企業の屋台骨を揺るがす致命的な法的・経済的損害に直結します。

6. 「認知的降伏」から抜け出すための実践的処方箋

では、私たちはAIの恩恵を享受しつつ、自らの知性と批判的思考を守るために、いかなる手を打つべきなのでしょうか。ウォートン校の研究知見と認知工学のアプローチから、4つの実践的処方箋を提案します。

graph LR
    subgraph 認知的降伏を防ぐ4つの防壁
        A["1. 役割の転換<br/>『答え』ではなく『反論者』を命じる"]
        B["2. 認知的摩擦の設計<br/>UIに意図的な検証ステップを設ける"]
        C["3. システム2強制起動<br/>『自分の言葉』での説明責任を課す"]
        D["4. メンタルモデル先行<br/>AIを開く前にまず自力で仮説を書く"]
    end

処方箋1：AIを「正解の神託」から「壁打ちの論敵（Devil's Advocate）」へ変える

AIに対して「○○の最善の解決策を教えてください」と尋ねると、AIは1つの流暢な答えを提示し、人間は降伏しやすくなります。プロンプトの設計を根本から変えましょう。

NGなプロンプト: 「この新事業計画の市場参入戦略を作成して」

防衛プロンプト:

「私はこの新事業について、Aという市場参入戦略を考えている。あなたはこの計画を徹底的に批判する意地悪な投資家として振る舞い、私の戦略の前提にある論理の飛躍、見落としているリスク、反論の余地を厳しく5つ指摘せよ。結論や代替案を安易に褒めたり提示したりする必要はない。」

AIに「答え」を出させるのではなく、「自分の思考の欠陥を暴く砥石」として使うことで、人間のシステム2は強制的にフル稼働を強いられます。

処方箋2：意図的な「認知的摩擦（Cognitive Friction）」をツールに組み込む

ソフトウェアやワークフローの設計において、何でもワンクリックで自動適用・完全自律化するUXは、認知的降伏を加速させます。

人間がAIの生成物を採用する前に、あえて**認知的摩擦（一手間）**を挟む仕組みを導入するべきです。

AIが生成したコードの差分（Diff）において、主要なロジック変更箇所をハイライトし、人間がチェックボックスで確認しないとコミットできないようにする。
AIの回答の末尾に、AI自らが「この推論において最も不確実性が高く、人間がファクトチェックすべき点」を自己申告させる。

処方箋3：「自分の言葉で説明できないものは不採用」という組織ルールの確立

組織やチームのレビュー文化を改革します。コードレビューや企画会議において、「AIがそう出力したから」という理由は一切認めないという鉄の掟を設けます。

「このアルゴリズムの計算量はいくつか？なぜこのデータ構造を選んだのか？」
「この提案書の前提となっている法規制の根拠条文は何か？」

提出者自身がAIの介在なしに、ホワイトボードの前で自らの言葉と論理で説明できなければ承認しないというカルチャーを徹底することで、メンバーはAIの出力を必死に読み解き、検証（システム2の行使）せざるを得なくなります。

処方箋4：AIを開く前の「5分間の孤独な仮説設定」

タスクに着手する際、いきなりAIのプロンプト入力欄を開いてはいけません。最初の5分間、画面から目を離し、白い紙とペンを持って「自分はこの問題をどう定義するか」「どのような解決のアプローチが考えられるか」の仮説や骨子を、自分の頭だけで書き殴ります。

自分の頭の中に薄くても「メンタルモデル」が構築されていれば、その後に立ち上げたAIが的外れなことを言ったり、微妙な論理のすり替えを行ったりした瞬間に、違和感を察知（システム2が発火）できるようになります。

7. よくある質問（FAQ）

Q1: 認知的降伏（Cognitive Surrender）と認知的オフロードの根本的な違いは何ですか？

A: 最も根本的な違いは、「判断と推論の主導権を人間が保持しているかどうか」です。認知的オフロード（電卓やメモ帳）は記憶や計算の『作業プロセス』を外部化するだけで、人間がメンタルモデルを持ち、結果の正誤を自ら監視・検証します。一方、認知的降伏（生成AIへの盲従）は、思考の組み立てや結論の導出という『認知のコア』そのものをAIに丸投げし、人間側の批判的検証（システム2）が完全に停止してしまう現象を指します。

Q2: AIのハルシネーション（もっともらしい嘘）に気づくために、個人ができる最も効果的な対策は何ですか？

A: 最も効果的なのは、AIに結論を求めず「反論役（Devil's Advocate）」を命じること、そしてAIを使う前に「自分なりの粗削りな仮説」を必ず自力でメモしておくことです。事前に自分の頭の中に判断の基準（メンタルモデル）があれば、AIが提示した流暢な嘘の違和感に気づくことができます。また、「この回答の根拠となる一次資料のURLや条文、数式を示せ」と要求し、必ず原文を照合する習慣を持つことが不可欠です。

Q3: ウォートン校の実験で確認された「借り物の自信」とはどのような心理現象ですか？

A: AIアシスタントを利用した人間が、AIの回答が客観的には完全に間違っている場合であっても、自力で解いたとき以上に「自分の回答は絶対に正しい」と誤認してしまう現象です。AIの整然とした文章構造や自信ありげな語り口という『外見の権威性』に引きずられ、人間側が客観的な誤謬に気づかないまま主観的な確信度だけを肥大化させてしまう極めて危険なバイアスです。

Q4: 企業や開発現場において、「認知的降伏」による品質低下を防ぐための具体的な組織ルールはありますか？

A: 「AIが生成したコードや提案であっても、提出者自身が自分の言葉でその設計意図やエッジケース、理論的根拠を説明できなければレビューを通さない」というルールの徹底が極めて有効です。また、生成物の差分（Diff）を1行ずつ人間が確認して承認するような意図的な『認知的摩擦（Cognitive Friction）』をCI/CDやワークフローに組み込むことも推奨されます。

8. まとめ——AI時代に私たちが磨くべき「知性の本質」

ペンシルベニア大学ウォートン校のショー氏とネイブ氏が提示した「三系統理論」と「認知的降伏」の概念は、私たちがAIという超強力なテクノロジーとどのように付き合っていくべきかについて、極めて重い問いを投げかけています。

システム3（人工的認知）は、正しく使えば人間の知的探求を何倍にも加速させる素晴らしい翼となります。しかし、その圧倒的な流暢さと手軽さに身を委ね、思考する労力を投げ出してしまえば、私たちの脳は「借り物の自信」に酔いしれながら、静かに、そして確実に知性を萎縮させていくことになります。

AI時代における人間の真の価値とは、「答えを素早く出すこと」ではなくなりました。それはシステム3が最も得意とする領域だからです。これからの人間に求められるのは、「AIが出した流暢な答えの裏にある前提を疑う力」「あえて認知的葛藤に耐え、泥臭く真実を確かめる批判的思考力（システム2の粘り強さ）」、そして**「自らの頭で問いを立てる力」**に他なりません。

AIに思考を「降伏」させるのか、それともAIを自らの知性を鍛え上げる「砥石」とするのか。その分岐点は、私たちが今日、プロンプトを入力するその瞬間の意識にかかっています。

参考

参考ソース

Shaw, S. D., & Nave, G. (2026). Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender. Wharton School, University of Pennsylvania / SSRN / OSF.
Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
The Decision Lab (2026). Cognitive Surrender: Why AI makes us more confident and more wrong. https://thedecisionlab.com
Addy Osmani (2026). On Cognitive Surrender and AI-Assisted Engineering. https://addyosmani.com