本文作者陈玉宇，系北京大学光华管理学院教授、北京大学经济政策研究所所长
编者按：
黄浦江畔一年一度的世界人工智能大会，正是全球共商 AI 权责、共建普惠智能秩序的对话平台。本文以本土田野观察为引，抛出解释权与责任匹配的宪制之问，谨以此思考，致敬所有致力于技术向善、共治共享的全球参与者。
引言：一个已经被解释过的病人
不久前，我和几位合作者在中国一家医院做了一项田野实验。预约门诊的病人被随机分为两组：一组照常就诊；另一组在就诊前一天获得一个AI助手，可以把自己的症状、疑虑和病史讲给它听，也听它讲解可能的病因、检查和治疗的选择。
这个设计的本意，是测量AI建议对医疗行为的影响。但实验做下来，我越来越觉得，我们观察到的不只是一项新技术的使用效果，而是一种历史性场景的最早一批样本：医生推开诊室的门，迎面坐着的，是一个已经被解释过的病人。
这个病人未必说得出专业术语，但他带着一套框架进来：哪些症状重要，哪些检查值得做，哪种药要慎用。这套框架不是他自己形成的，也不是医生给的，而是一个系统在就诊前一天的对话里替他组装好的。医学史上，病人从来是带着症状来的；现在，病人开始带着解释来。
这件事的分量，超出医疗。人们习惯用生产率和增长衡量一项技术的重要性。我并不确信AI会带来经济增长的爆炸。但一种技术不必迅速把蛋糕做大，也可以重新安排谁获得收入、谁拥有判断权、谁承担责任，以及人与人如何发生关系。价格理论从来不只研究总量；它更关心相对价格改变之后，资源、租金、组织边界和权威怎样移动。AI最深刻的影响，不是把知识变便宜——知识变便宜是印刷术以来一直在发生的事——而是重新配置一种更根本的东西：谁有资格解释世界、提出行动建议，并要求他人相信。
抓住这场重新配置，需要一个概念工具。我们把实验中观察到的现象命名为定向的AI建议（directional AI advice）：AI提供的不是无方向的第二意见，它系统性地鼓励某些行动、压低另一些行动，而这种方向来自训练材料、安全护栏、责任结构和平台治理——一句话，来自嵌入系统之中的治理选择。在本文里，定向的AI建议是机制，权威的重新配置是它的社会后果。
下文先说明建议为什么必然有方向；再说明在医疗、法律、投资这类市场上，专家出售的从来不只是服务，而是一束捆绑在一起的权威；然后看AI把建议的价格压塌之后，这个束发生了什么——我们的实验提供了最早的一批证据；最后讨论这场拆解通向何处：一种更柔软、更上游、也更难指认的权威形式，一个正在形成的研究领域，和几个必须摆上桌面的宪制问题。
先从一个简单区分说起。AI一旦从提供事实转向给出建议，就必须排序：什么风险更重要，什么证据更可信，什么行动更谨慎，什么损失更不可接受，什么选项不应当被推荐。任何排序都隐含权重，任何权重都隐含立场。世界上不存在没有方向的建议，正如不存在没有视角的地图。“中立的建议”，多数时候只是方向没有被看见。
这一点在事实问答中不明显，在行动建议中却无法回避。“阿司匹林的半衰期是多少”没有方向可言；“我该不该继续吃阿司匹林”就必然有方向——系统要么倾向于“先去问医生”，要么倾向于“可以自行判断”，它不可能同时不倾向于任何一边，因为连“两边都说说”本身也是一种立场。AI不只是在回答问题，也在定义什么值得担心：哪些风险被放在第一句，哪些被放在最后一句，哪些根本不出现。
所以要把三件事分开：信息是否准确；建议是否有方向；方向由谁设定。今天关于AI的争论，几乎全部集中在第一件事上。有一种误会正在发生：定向的AI建议这个词开始流传之后，已经有搜索引擎的AI摘要把它解释成一种提示词技巧，仿佛方向是用户“提示”出来的。恰恰相反。方向不是某一次对话的属性，而是制度安排的属性；用户没有下任何指令，方向已经在那里了。
经济学家把商品分成三类。搜寻品，买之前就能验货，比如水果；经验品，用过才知道好坏，比如餐馆；还有一类最麻烦的，叫信用品：即使消费之后，买家仍然很难判断这项服务是否必要、是否充分、是否以合适的方式提供。达比和卡尼在一九七三年提出这个概念时，举的例子正是医疗和汽车修理。手术做完了，病也好了，你仍然不知道这一刀是不是必要；车修好了，你仍然不知道换下来的零件是不是真的坏了。
信用品的麻烦，比“信息不对称”这个词所暗示的更深。买家不只是不知道答案，他常常连问题是什么都无法独立判断。你不知道自己得的是什么病，不知道面临什么风险，也分不清坏结果究竟来自坏建议、执行的偏差，还是世界本身的不确定。反事实永不揭晓：你永远无法知道，如果当初听了另一个建议，现在会怎样。
所以在信用品市场上，专家出售的不是信息，而是判断权。具体说是三种权力：定义问题的权力——你得的是什么病，真正的问题是什么；解释因果的权力——为什么会这样，哪些因素重要，哪些只是噪声；规定行动的权力——该吃什么药，打不打官司，买什么资产。
这三种权力从哪里来？来自一个精心捆绑的束。一位执业医生身上捆着六样东西：知识存量、解释能力、临床判断、执照认证、法律责任、制度背书。病人相信医生，很少是因为亲自验证过他的知识——验证太贵，根本不可行——而是因为这个束作为整体是可信的：他考过试，有人管他，出了事他要负责。现代社会解决信用品问题的办法，不是让消费者变聪明，而是用制度替代验证。
这个束同时也是专家租金的来源。信用品文献反复证明一件事：当诊断和治疗捆绑在同一个人手里，均衡里必然带着扭曲。过度治疗、防御性医疗、过度收费，形态随责任规则和支付方式而变，但扭曲本身消不掉。病人请不起第二意见，因为第二意见同样贵，而且同样无法验证。租金就藏在验证的成本里。
AI进场，动的正是这个束。但要看清它拆走了什么、留下了什么，得先看它把什么东西的价格压塌了。
过去，获得一份专家意见是昂贵的：时间、金钱、搜寻、预约、地理距离，还有敲开那扇门所需的社会关系。AI把“第一意见”的边际成本压到接近于零：流畅、耐心、即时、有问必答，而且在深夜两点也不下班。
但稀缺没有消失，只是向后移动了。当建议大量涌现，真正昂贵的部分变成四件事：判断情境、验证建议、裁决方向、承担结果。一句话：建议变便宜，裁决变昂贵；解释变便宜，担责变昂贵。AI没有取消稀缺，它移动了稀缺。当建议的边际成本趋近于零，真正稀缺的不再是意见，而是对意见方向的裁决。
AI有双重身份。对用户来说，它常常成为第一意见——在见到任何专家之前，解释已经发生；对专家制度来说，它又像一个突然免费了的第二意见。正是这种双重身份，使它既前置塑造用户，又外部约束专家。
信用品文献早就知道，约束专家机会主义的最好工具是第二意见；但第二意见有两个毛病：一是贵，二是它本身也是信用品。AI治好了第一个毛病——把第二意见的价格压到接近零——第二个毛病原封不动。这一压一留，正是下面所有故事的来源。
由此可以推出一个可证伪的预测：凡是“解释”占价值大头、“签字”占价值小头的专业服务——咨询、投顾、基层全科的答疑职能——费率将系统性受压；凡是签字不可替代的环节——处方权、出庭权、审计签字权——相对价格上升。专业服务的价值构成，将从“知道”向“担责”迁移。
还要看清一点：AI并不是以专家的完整身份进入信用品市场。它进入了解释和建议，却没有同等进入执照、责任和赔偿。正因为进入是不完整的，它带来的不是简单竞争，而是原有权威束的拆解。拆解的样子，我们在诊室里看到了。
回到我们的实验。这是一项预注册的大样本随机实验：病人在门诊就诊的前一天，随机获得或不获得一个AI聊天助手的使用权。三组发现，恰好对应权威迁移的三个环节。
第一个发现，关于解释是如何被生产的。我们通读了对话日志。这个AI助手有一种系统性的方向：它一贯地劝人对药物保持谨慎——对中药和抗生素尤其谨慎——同时干净利落地推荐诊断检查。这个方向性不能仅由医学知识本身解释，更像是责任结构进入模型之后留下的形状：在AI的训练和护栏设计里，建议“去做个检查”几乎没有法律风险，建议“吃这个药”则有。开发者害怕什么，模型就在什么方向上谨慎。这是全文机制的第一环：责任结构塑造解释。病人以为自己得到的是知识，其实得到的是被一套责任结构过滤过的知识。
第二个发现，关于解释如何传导为行动。这个方向性没有停在前一夜的屏幕上。咨询过AI的病人第二天走进诊室，药物处方率下降，检查率上升——头天晚上对话里的谨慎，变成了诊室里的结果。效应在两类医生身上最强：愿意听取病人意见的医生，和原本开药风格比较激进的医生。这说明裁决权确实还在医生手里——处方仍然要他签字——但裁决所面对的选项集合、风险排序和病人的先验，已经被AI预先安排。我在别处写过一句话：最有效的权威，不是命令你必须选什么，而是预先安排哪些选择被你看见。在我们的数据里，这句话从格言变成了回归系数。
第三个发现，关于关系。问卷显示，获得AI的病人对医嘱的依从性下降，满意度也下降。病人第一次拥有了近乎免费的第二意见，而代价立刻显现：医患之间原本靠不对称维系的信任变薄了。权威的移动，在诊室里已经可以测量。
把三个发现放回上一节的价格逻辑，故事很整齐。专家依赖信息优势进行诱导的空间被压缩，过度处方随之减少；但新的扭曲也进来了——增加的检查未必都必要，依从性的下降有真实的健康代价。第二意见的免费化不是帕累托改进，它是一次租金与风险的重新分配。而且这场再分配是不对称的：平台取得了上游巨大的解释权，却借助护栏尽力回避与之相称的责任——我们在日志里看到的方向性，正是这种回避留下的痕迹。解释的收益向上走，责任的重量向下压，压在最后签字的那个人身上。
最后交代一句推论的边界。医疗拥有执照、临床指南和明确的签字人，已经是问责链条最完整的信用品市场之一。即使在这里，解释者与担责者也开始分离；在责任主体更模糊的领域，这种变化只会更难识别，也更难约束。
现在可以回答第二节留下的问题：AI从权威束里拆走了什么，留下了什么。我用一个四层的划分来说明。信息：知道什么。解释：如何理解。裁决：最后听谁的。责任归属：出了错谁负责。这里说的责任，主要指法律与职业制度中的可追责性——出了错，有人必须说明、赔偿或接受处分——而不是一种抽象的道德担当。传统专家把四层捆在一身。AI在短短几年之内打破了专家对前两层的垄断：它检索、比较、解释、给出初步判断，流畅、耐心、即时、近乎免费。但它拿不走后两层——不是因为技术还不够好，而是因为裁决和担责根本不是一种计算能力，而是一种制度身份。算法再聪明，也无法替你坐牢。
这里需要区分：医生保留的，与其说是担责的权能，不如说是担责的义务。“权”通常带着可支配的利益，“责”更像一副担子。这个区分马上就会显出它的分量。
于是可以陈述本文的核心命题。粗糙的说法是：解释权下沉，责任上移。但更准确的图景有四个方向：解释的使用权向终端扩散——人人都能以近乎零的价格获得准专业判断；解释的生产权向上游集中——亿万人的解释出自少数几个模型；裁决权留在制度节点——签字的仍然是医生、法官和审计师；责任则沉淀在可追责的主体身上——可识别、可签字、可起诉的那些人。把四个方向压成一句话：解释世界的人、决定行动的人和承担后果的人，第一次大规模地不再是同一个主体。而传统专家制度的全部正当性，恰恰建立在这三者至少部分捆绑之上。
这就是双重运动，但必须把它的两个层面分开。在诊室内部，权威从医生向病人横向移动：普通人第一次可以低成本地质疑专家，这像一场认识论的民主化。在社会结构上，解释权却从千百万分散的专业人士，向少数模型基础设施纵向集中：亿万人的解释出自同一个源头，而这个源头的方向性由上游的责任结构与治理选择决定。解释的使用权下沉，生产权集中，裁决权留在专业制度，责任沉在可追责的节点——这不是权威从A到B的单向迁移，而是权威结构的整体重排。一句话概括：互联网分散了表达权，生成式AI重新集中了解释权。
把镜头再拉远一点。若只看权威最典型的承载形式，人类大体走过三站——这不是三个互相替代的历史阶段，而是权威载体的重心转移。传统社会把权威的重心放在人格上：人们相信的是这一位医生、这一位牧师、这一位父亲，信任沿着具体的人建立，也随具体的人死去。现代社会把重心搬进制度：执照、学位、同行评议、专业协会——你不必认识这位医生，你相信的是筛选出他的那套程序。AI时代开始了第三站：权威嵌入系统。第三种信任的基础不是身份，也不完全是程序，而是持续可用性与认知依赖：不是“我相信这个人”，也不是“我相信筛选他的程序”，而是“我已经习惯把问题交给这个装置”。它无人格，不下班，不知疲倦；你不知道答案背后是谁，不知道哪些价值判断被写进了训练；但你在深夜两点得到了一个流畅、完整、体贴的解释，而且它不收钱。这里有一个断裂值得记下：人格权威有声誉和关系的约束，制度权威有执照、程序和同行监督；系统权威已经形成，社会却还没有发展出与其影响力相称的问责方式。
这种新权威有一个突出的性格：柔软。旧权威以命令的面目出现——医生告诉你必须怎样，教师告诉你什么是对的。AI权威以帮助的面目出现——“我可以帮你分析”“你不妨考虑以下几点”。它从不要求服从，却持续地塑造你的选项集合、你的风险感知、你行动的先后次序。它不表现为统治，而表现为服务。正因为柔软，它进得更深：命令会激起戒备，帮助不会。它甚至不要求你承认它有权威——因此反而更容易获得权威。
但这个论题必须带上边界条件，否则就成了不可证伪的时代感叹。AI权威的深度，与建议的可验证性成反比：越难验证，权威走得越深。有些领域自带结果纪律：官司有输赢，投资有收益率，翻译错了会被发现。在这些领域，AI的权威会被结果反复校准，说大话的模型会失去用户。真正的深水区是纯信用品：预防医学、教育路径、育儿方式、职业选择、宏观政策。在这些领域，反事实永不揭晓，结果纪律极弱，权威只能由表达形式、平台声誉和既有信任来支撑——而表达形式恰恰是AI最强的地方。可以预测：AI权威扩张最快、最不受制衡的领域，将是那些最无法事后验证的领域。
但AI削弱了旧权威，并不等于解决了信用品问题。恰恰相反：AI的建议本身，就是一种更纯粹的信用品。病人无法验证医生，同样无法验证模型。说它“更纯粹”，是因为验证的条件反而变差了。你和医生之间至少有重复博弈：他在本地行医，砸了招牌要付代价；他有执照，可以被吊销；他有名字，可以被起诉。你和模型之间，这三样都没有。我们实验里那个劝病人慎用药物的助手——它的谨慎，是为病人的健康校准的，还是为开发者的法律风险校准的？从对话界面上看不出来。这不是阴谋论，是信息结构：方向性写在训练里，用户只看得见流畅。更麻烦的是，结果出现以后，AI仍然可以继续生产解释：投资亏了，可以归因于外部冲击；治疗败了，可以归因于个体差异。失败未必推翻原来的建议，反而可能被一份新的归因报告重新吸收。解释不只填补验证的空缺，有时也会取代验证本身。信用品问题没有被AI消灭，只是被搬到了更上游、更不可观察的位置。
还有一层代价，关于公共性。传统权威再不济，也面对一个共同的公众：同一本教科书、同一份报纸、同一套法律解释。人们哪怕反对它，也在反对同一个东西。AI则为每个人生成各自的解释。于是出现一个悖论：个体获得了前所未有的理解便利，社会却在失去共同的解释框架。一个社会未必需要所有人拥有相同的答案，但它至少需要人们知道彼此在回答同一个问题。个性化解释的危险，不只是答案不同，而是问题本身被分别改写——公共争论悄悄变成了私人适配，连分歧都难以对齐，因为人们不再分歧于同一个问题。
到这里，定向的AI建议就不再只是一次实验的发现，而是一个研究对象。它所打开的问题，有点像增长理论中的“定向技术变迁”：重要的不是建议总量增加了多少，而是建议朝哪个方向走、方向由什么决定，以及这个方向如何反过来塑造均衡。
沿着这个类比，问题自然地排成一条链。方向由什么决定——责任结构、商业利益、专业规范，还是政治目标？用户什么时候察觉方向，察觉之后是信任、打折、抵抗，还是改写提示词绕过去？他们会不会在不同方向的模型之间自我选择，让“谨慎型AI”与“进取型AI”各自聚拢起气质相投的用户？专家如何回应一个被AI预先解释过的客户——解释更多，还是防御更多？平台会不会根据用户的抵抗，反过来修改护栏？长期重复的建议，会不会把平台的一次治理选择，沉淀成下一代人的社会规范？
这套动态研究的首要变量，是方向能否被识别。用户的反应取决于两层认识：他是否看见方向，以及他如何解释方向。若他不知道建议有方向，平台的影响是隐性的；若他知道有方向却不知道来源，多半只能做粗糙的折扣；只有当他既看见方向、又能归因——归于专业知识、平台免责、商业利益还是政治治理——策略性的选择才成为可能。把谨慎理解为专业可靠，与把谨慎理解为平台免责，会产生完全不同的信任和选择。方向本身重要，对方向来源的信念同样重要。
竞争是一个更锋利的问题：模型市场的竞争，究竟会削弱方向性，还是把社会分割成互相隔绝的方向性生态——如同媒体市场按立场分层那样？如果竞争的结果只是让每个人找到更符合自己偏见的方向，那么“透明”与“多元”这些词的政策含义，将与我们习惯的理解很不相同。
这场演化有一条清楚的链条：治理与责任结构，塑造建议方向；建议方向，引起用户的学习和选择；用户的变化，迫使专家适应；而这一切，又反过来推动平台与监管再调整。每一个环节都是一片有待开垦的领域。而且它显然不限于医疗。法律：AI更倾向和解还是诉讼？金融：更倾向保险还是冒险？教育：更倾向标准答案还是竞争性筛选？公共事务：更倾向解释政策、引导服从，还是帮助申诉？各个学科都关心这些问题，但迄今为止，它们既没有统一的概念，也没有系统的证据。定向的AI建议试图提供统一的概念；系统的证据则刚刚开始积累。
怎么办？要抵抗两种懒惰的结论。一种是“让技术的归技术”，假装这只是一次工具升级；另一种是“把它拆了”，假装权威迁移可以被禁令取消。有出息的问题是宪制性的，而宪制从来不是一份好原则的清单，而是权力如何配对。我认为有三个问题必须摆上桌面。
第一，解释力与责任是否应当重新捆绑？一个系统若大规模地影响他人的行动，是否应承担与影响力相称的责任，还是继续让最后签字的人扛下全部后果？执照制度完全可以强制重新捆绑——要求关键决定必须有人类签字，把责任锚回一个可以被起诉的主体。但要看清这个方案的代价：它在稳住追责链条的同时，也把责任的全部重量压在了不生产解释的那一端。权力与责任必须相匹配，这是三问共同的底座。
第二，使用者有没有权利知道，“谨慎”是为谁校准的？模型的保守，可能是为了病人的福利，也可能是为了开发者的免责、监管的合规或品牌的安全。这些目标并不相同，而在对话界面上，它们看起来一模一样。这不要求公开算法，只要求公开规范方向——如同食品公开配料表，不必公开配方。一个可行的起点，是要求高风险领域的AI输出尽量分清四个层次：已知事实、因果判断、价值权衡、行动建议。分清了层次，使用者才不至于把平台的治理偏好，误当成事实的自然推论。
第三，社会是否允许单一的解释基础设施成为默认入口？这里的竞争不是市场份额的竞争，而是社会先验的竞争。多个模型若共享相近的语料、护栏逻辑和法律激励，表面的多元未必是真正的多元。一个社会的先验形成，不宜交给单一的解释者——哪怕它非常耐心。
三个问题决定治理的方向。但要回答这些问题，首先需要看得见方向。因此，在准确率和安全评测之外，还需要一种新的例行检查：审计模型的方向——它系统性地鼓励什么、抑制什么，不同人群是否收到不同的方向，模型更新之后方向有没有漂移。可以叫它方向审计（directional audit）。没有这种审计，“透明”与“多元”都只是无法核验的形容词。
把三个问题压成一句：AI时代真正的宪制问题，不是机器能否说话，而是谁可以大规模地塑造他人的问题定义，却不对由此产生的行动负责。过去的政治经济学问：谁拥有土地、资本和印刷机。现在必须加问一句：谁拥有解释。谁控制大规模建议的方向，谁就在参与分配社会权威。
每个时代都有自己安置权威的方式。传统社会把它寄托在人格里，现代社会把它安置在专业与制度之中，AI时代开始把它嵌进系统。我们这一代人得到的，是历史上从未有过的解释便利：任何问题，随时随地，有问必答，温和而耐心。我们付出的，是一种前所未有的分离：解释世界的人、决定行动的人和承担后果的人，第一次大规模地不再是同一个主体。这种新的权威不仅没有面孔，而且不在最后签字的地方出现。
这个时代不是没有权威。这个时代的问题是，不再知道权威在哪里。
本文第二部分的实证结果，出自作者与合作者的田野实验论文
“Directional AI Advice: Experimental Evidence from Healthcare”（arXiv:2607.08706）。
Who Interprets the World?
Directional AI Advice, Credence Markets, and the Reallocation of Authority
Generative AI is rapidly becoming the first place people turn for expert advice, transforming markets long organized around credence goods—medicine, law, finance—where clients can verify neither the diagnosis nor the counterfactual. This essay introduces directional AI advice as a distinct object of empirical and institutional analysis: advice that systematically shifts users toward some actions and away from others because governance choices—training corpora, safety guardrails, liability structures, platform objectives—are embedded in the AI system itself. Directionality is a property of institutional design, not of any prompt. The essay’s larger claim is that AI’s importance should not be measured by growth alone: a technology need not enlarge the economy in order to reorganize who earns, who judges, and who answers for consequences.
Drawing on a large-scale preregistered field experiment at a Chinese hospital, the essay shows that AI advice is directional—shaped by liability-driven guardrails—and that this directionality propagates into clinical practice: prescriptions fall, diagnostic testing rises, adherence and satisfaction decline, and the balance of authority between patients and physicians measurably shifts. In price-theoretic terms, AI collapses the price of first opinions while judgment, verification, and accountability appreciate; the framework predicts a migration of credence rents from license holders toward the owners of interpretation infrastructure. The resulting structure moves along four directions at once: the use of interpretation diffuses to end users; its production concentrates upstream in model infrastructure; adjudication stays at institutional nodes; and accountability remains at the final human signature. AI thus separates, at scale and for the first time, the production of interpretation from the authority to decide and the obligation to answer for consequences.
Directional AI advice therefore opens a research program analogous in research logic to directed technical change: the object of study is how direction is formed—by liability, commerce, professional norms, or politics—and how it shapes a dynamic equilibrium in which users learn, discount, and sort across models, professionals adapt to pre-interpreted clients, and platforms and regulators respond, across medicine, law, finance, education, and public administration. The constitutional question of the coming era is who may shape, at scale, how others define their problems, without answering for the actions that follow. When advice can be mass-produced, those who set its direction participate in allocating social authority.