威廉·斯坦利·杰文斯的悖论指出，资源利用效率的提升会导致总体消费量的增加。这一原则最初应用于煤炭，如今已扩展至对人工智能的判断：正如 TypeSafe 的 Jev 所做的那样，当判断变得像人工智能一样时，个体判断的成本随之降低。当判断成本显著下降时，所做出的判断总体数量预计将急剧膨胀。这一趋势在 ATM 机中得到体现：ATM 机自动化了常规交易，却将柜员的角色转向了更复杂的客户服务与销售。自动化“简单”的判断并不会缩小某一类别，而是对其进行重新分类，留下那些更为困难的案例。被自动化的判断通常具备特征明确的选项、可恢复的错误、下游检查以及高重复性。关键在于，这些判断中的错误成本由系统承担，而非由个人的声誉或财务承担。可自动化判断的边界由“犯错后果的落点”所界定。因此，当成本较低且由系统承担的那些判断被自动化后，剩余由人类做出的判断便以直接问责为特征。该悖论强调，降低推理（判断的计算组成部分）的成本会增加决策的总体数量。虽然单次判断的成本和裁决时间下降，但承担结果的成本却保持不变。问责不同于推理，它没有效率曲线，也无法被优化。因此，随着推理变得近乎免费，决策的难度便转移到了最终必须承担其后果的个人身上。最昂贵的判断是那些存在多个可辩护结果，而个人必须承担责任的判断。