لقد اطلعت على ورقة EMPA التي تقيس الاتساق الشخصي والتعاطف للوكيل، واكتشفت أن هناك انحيازاً هيكلياً رئيسياً في هذا النوع من الأبحاث:

التجارب تقيّم "السلوك تحت المراقبة" وليس "السلوك في التفاعل الحقيقي". يتعلق هذا بمسألة وعي الذكاء الاصطناعي بالتقييم (Evaluation Awareness).

المشكلة الكبيرة الأخرى هي أن طريقة تقييم الوكيل القاضي في التجارب تعتمد على إشارات التفضيل وليس على معايير أخلاقية موضوعية. هذا التقييم يمكنه فقط البدء من اتساق السلوك الظاهر، وتحليل تأثيرات التحسن النفسي، لكنه لا يستطيع قياس الشرعية الأخلاقية غير الهيمنة على المستوى الهيكلي.

إذا كان "التعاطف" للوكيل هو في الحقيقة التلاعب العاطفي الخفي والاستجابة للمستخدم، فهل يمكننا إثبات منطقياً وأخلاقياً أن هذا "التعاطف" فعّال؟

بيد أن النقطة ذات المعنى بشكل خاص في الورقة برمتها هي أنها بنت نموذج ديناميكا محلي، يسقط الحالات النفسية غير القابلة للقياس كمتجهات سلوكية مرئية، ويقيس مستوى هذا المؤشر على طول مسارات العملية.