Naukowcy zaproponowali używanie argumentacji obliczeniowej jako fundamentu dla Evaluative AI, czyli systemów wspierających decyzje poprzez prezentowanie konkurencyjnych hipotez z dostarczonymi dowodami. Podejście to odbiega od konwencjonalnego paradygmatu pojedynczych rekomendacji na rzecz bardziej dialogowego i zbilansowanego wsparcia dla decydentów.
Argumentacja obliczeniowa oferuje formalny i komputable framework, który pozwala na budowanie systemów AI, które są jednocześnie wyjaśnialne i podlegają kwestionowaniu. To oznacza, że użytkownicy mogą nie tylko zrozumieć, dlaczego system sugeruje daną opcję, ale również mogą kwestionować i weryfikować rozumowanie. Taka przejrzystość jest kluczowa dla budowania zaufania do systemów AI w kontekście wsparcia decyzji.
Papier stanowi początek długoterminowej agendy badawczej skierowanej na rozproszone i skoncentrowane na człowieku systemy EAI. Podejście to ma potencjał do przemiany sposobu, w jaki AI wspiera ludzkie podejmowanie decyzji, przesuwając nacisk z bezwzględnego zaufania do autonomicznych rekomendacji w stronę bardziej refleksyjnego procesu, gdzie człowiek pozostaje w centrum kontroli.