Tankeledere

AI-træthed er reel. Men den er ikke det, du tror

Andrew Filev
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterAI-træthed er en midlertidig træningsømhed fra at lære en ny kognitiv færdighed, ikke…
Vis mere
  • AI-træthed er en midlertidig træningsømhed fra at lære en ny kognitiv færdighed, ikke en permanent tilstand.
  • Udmattelsen når sit højdepunkt i mellemfasen af AI-implementering, før der dannes effektive mentale baner.
  • Ledere skal håndtere denne kognitive belastning som en træner, ikke trække sig fra AI-implementering.

En fortælling, der får stor opmærksomhed lige nu, er, at AI dræner os. Udviklere leverer mere kode end nogensinde og har det værre end nogensinde. Udtrykket „AI-træthed“ florerer, og kommentarerne hober sig op.

En softwareudvikler skriver i Business Insider, at sidste kvartal var hans mest produktive og mest udmattende. Steve Yegge, der bogstaveligt talt har skrevet bogen om vibe coding, fortæller The Pragmatic Engineer, at han tager en lur i løbet af dagen og begrænser det egentlige AI-understøttede arbejde til tre timer. Iværksættere rammer muren klokken 14. Et af de mest delte opslag denne måned advarer om, at AI har en „vampyrisk effekt“ på dem, der bruger teknologien mest.

Men ingen lader til at bemærke dette: De mennesker, der melder om mest træthed, er ikke skeptikerne. Det er de overbeviste tilhængere.

De udviklere, der sidder fast på niveau ét på Yegges skala for at tage AI i brug, og som fuldstændig ignorerer AI, har det fint. Måske lidt bekymrede, men ikke drænede. Det er dem på niveau fem, seks og syv, dem, der har satset fuldt ud, kører flere agenter, koordinerer komplekse arbejdsgange og leverer hurtigere, end de nogensinde havde forestillet sig, der kommer helt færdige hjem.

Det mønster burde fortælle os noget. Og jeg mener, at det fortæller os, at „AI-træthed“ er en helt forkert diagnose.

Du har ikke et træthedsproblem. Du har et træningsproblem.

Tænk tilbage på første gang, du lavede dødløft. Ikke med en særlig tung vægt. Bare selve bevægelsen. Du vågnede næste morgen, og hele kroppen føltes, som om den var blevet skilt ad og samlet forkert igen. Dine ben var ømme. Din ryg var øm. Muskler, du ikke anede eksisterede, gjorde opmærksom på sig selv på den mest ubehagelige måde.

Hvis nogen havde målt din præstation den dag, ville resultatet have set elendigt ud. Du kunne knap nok sætte dig uden at skære en grimasse. Du kunne med god grund have konkluderet, at dødløft er uholdbart, at menneskekroppen ikke er bygget til det, og at omkostningerne overstiger gevinsten.

Men seks måneder senere løfter du selvfølgelig dobbelt så meget og har det fint bagefter. Din krop har opbygget nye baner. Den har tilpasset sig. Den bevægelse, der engang krævede al din bevidste indsats, er blevet automatisk. Ømheden betød ikke, at du var gået i stykker. Den betød, at du var ved at opbygge noget nyt.

Det er præcis det, der sker med AI-understøttet arbejde.

Den kognitive belastning, ingen taler om

Når du skriver kode på den traditionelle måde, kører din hjerne et gennemprøvet program. Du har gjort det tusindvis af gange. Du kender tastetrykkene, mønstrene og rytmen i fejlfindingen. Det er som den daglige køretur til arbejde: teknisk kompliceret, men så indøvet, at du kan gøre det, mens du tænker på aftensmaden.

AI-understøttet arbejde er en grundlæggende anderledes kognitiv opgave. Du skriver ikke længere kode. Du leder arbejdet, vurderer, beslutter, skifter kontekst mellem flere agenter, gennemgår resultater, du ikke selv har skrevet, og holder den tiltænkte arkitektur i hovedet, mens AI træffer valg om implementeringen, som du skal kontrollere i realtid.

Det er ikke det samme arbejde udført hurtigere. Det er et helt andet arbejde. Og din hjerne har endnu ikke opbygget de effektive baner, det kræver.

Hver beslutning er stadig bevidst. Hver gennemgang kræver aktiv indsats. Du overvåger kvaliteten, holder styr på konteksten i parallelle arbejdsforløb og foretager hele tiden skønsmæssige vurderinger af AI-resultater. Derfor kan tre timers arbejde på den måde gøre dig mere udmattet end otte timers traditionel programmering. Kognitivt svarer det til din første uge i fitnesscentret.

Kurven for at tage AI i brug er egentlig en udmattelseskurve

Yegges ramme med otte niveauer for at tage AI i brug svarer næsten perfekt til en udmattelseskurve, selv om jeg ikke tror, at det var hans hensigt.

På niveau ét og to bruger du næsten ikke AI. Lidt automatisk fuldførelse her, et spørgsmål der. Ikke megen kognitiv belastning. Ikke megen træthed.

På niveau tre til seks er du på dybt vand. Du har givet agenten større selvstændighed, gennemgår mindre linje for linje og mere som en helhed, kører flere agenter og navigerer hele tiden i en arbejdsgang, som ikke eksisterede for atten måneder siden. Det er her, kræfterne bliver drænet. Det er det tunge dødløft.

På niveau syv og otte begynder der at ske noget interessant. Du har opbygget systemer til at koordinere agenterne. AI arbejder mere selvstændigt. Du har lært, hvad du kan stole på, og hvad du skal kontrollere. Du beskriver de ønskede resultater og går din vej. Matt Shumer beskriver netop det: Han fortæller AI, hvad den skal bygge, går væk i fire timer og kommer tilbage til færdigt arbejde. Tilpasningen begynder at slå igennem.

Udmattelsen er ikke jævnt fordelt. Den topper i midten, præcis dér, hvor de fleste tidlige brugere befinder sig nu. Derfor føles trætheden universel: Blandt dem, der taler mest om AI, er der uforholdsmæssigt mange, som befinder sig i den sværeste del af læringskurven.

Ingen skrev artikler om „køretræthed“

Kan du huske, da du lærte at køre bil? Første gang du flettede ind på en motorvej, holdt du sikkert om rattet, som om dit liv afhang af det. Og det gjorde det jo faktisk. Du kom fuldstændig udmattet hjem efter en halv times kørsel. Din hjerne havde arbejdet på maksimal kapacitet: kontrolleret spejlene, reguleret farten, forudset andre bilisters handlinger og aflæst vejskilte. Alt sammen samtidig og alt sammen bevidst.

Nu kører du en time, mens du lytter med et halvt øre til en podcast og spiser en sandwich. Opgaven har ikke ændret sig. Det har du. Din hjerne har opbygget effektive nervebaner til bilkørsel og flyttet det, der før krævede fuld bevidst opmærksomhed, over i baggrundsprocesser.

Ingen skrev debatartikler om „køretræthed“ som en eksistentiel krise. Ingen foreslog, at biler har en „vampyrisk effekt“ på deres førere. Vi forstod intuitivt, at udmattelsen var midlertidig. Den var prisen for at lære noget nyt.

Det er den del, der mangler i den aktuelle debat. „AI-træthed“ bliver behandlet som en permanent tilstand, en grundlæggende egenskab ved teknologien, selv om den i virkeligheden er en overgangsomkostning. Det er træningsømhed, ikke kronisk sygdom.

Hvorfor det handler om mere end komfort

Denne forskel er ikke kun semantisk. Den måde, du diagnosticerer problemet på, bestemmer, hvad du gør ved det.

Hvis AI-træthed er en permanent egenskab ved teknologien, er Yegges grænse på tre timer loftet for altid. Virksomheder bør planlægge efter udviklere, der kun kan være produktive en brøkdel af dagen. Den „vampyriske effekt“ er adgangsprisen, og vi må bare leve med den.

Men hvis det er træningsømhed, er fremgangsmåden helt anderledes. Du styrer belastningen. Du bygger gradvist op. Du springer ikke fitnesscentret over, fordi du er øm. Og først og fremmest antager du ikke, at dagens udmattelsesniveau også bliver morgendagens.

De udviklere, der kommer igennem denne fase og opbygger kognitive baner til at lede AI-arbejde, gennemgå resultater på det rette detaljeniveau og fastholde den tiltænkte arkitektur på tværs af parallelle arbejdsforløb, vil efterhånden gøre det lige så naturligt som at køre bil. Grænsen på tre timer vil flytte sig til fem og derefter syv. Ikke fordi de arbejder hårdere, men fordi arbejdet holder op med at kræve den samme form for anstrengelse.

De udviklere, der imens læser om „AI-træthed“ og beslutter at blive på niveau to, i trygge og velkendte rammer uden at blive drænet, vil ende i en langt dårligere situation.

Ikke fordi de ikke fulgte med i en trend, men fordi de aldrig begyndte på den træning, som alle andre allerede har gennemført.

Den reelle risiko: at forveksle ømhed med en skade

Der er én ting, jeg vil gøre helt klar. Der er forskel på træningsømhed og en egentlig skade, og det gælder også her.

Hvis du „vibe-coder“ fjorten timer om dagen, sover fire timer og kører på adrenalin, fordi alt det nye er berusende, er det ikke træning. Det er overtræning. Og ligesom i fitnesscentret opbygger overtræning ikke noget. Den nedbryder dig.

Yegges observation om tre timer er værdifuld som et signal om det aktuelle behov for restitution, ikke som et permanent loft. I begyndelsen af træningen har du brug for mere hvile mellem øvelsesforløbene. Efterhånden som du tilpasser dig, kan du klare en større mængde. De mennesker, der brænder ud, er ikke dem, der arbejder fokuseret med AI-understøttelse i tre timer. Det er dem, der ikke kan stoppe, fordi feedbacksløjfen er for dragende. Det er præcis den samme spilleautomatmekanisme, som jeg tidligere har skrevet om.

Svaret er ikke at undgå fitnesscentret. Det er at træne klogt: intense træningspas, reel restitution og gradvis fremgang.

En forudsigelse, ingen andre kommer med

Her er, hvad jeg tror vil ske i løbet af de næste tolv til atten måneder.

Fortællingen om „AI-træthed“ vil toppe på et tidspunkt i år. Der vil komme flere artikler, flere bekymrede udmeldinger og sandsynligvis nogle få kendte udviklere, der offentligt „tager en pause fra AI-værktøjer“. Det vil føles som en væsentlig modreaktion.

Derefter vil fortællingen stille forsvinde. Ikke fordi folk holder op med at bruge AI, men fordi de tidlige brugere er færdige med at tilpasse sig. For mennesker, der har arbejdet sådan i halvandet år, vil grænsen på tre timer føles som et fjernt minde. De vil styre AI-arbejdsgange, som de engang skrev for-løkker: uden at tænke over det.

Og afstanden mellem dem, der kom igennem ømheden, og dem, der ikke gjorde, vil være enorm. Ikke fordi AI-færdigheder er sjældne, men fordi selve tilpasningen, evnen til at tænke i ledelse, vurdering og koordinering frem for implementering linje for linje, vil være blevet helt naturlig for den ene gruppe og fuldstændig fremmed for den anden.

Den værste reaktion på træningsømhed har altid været den samme: at holde op med at gå i fitnesscentret.

Hvad det betyder for ledere

Hvis du leder et udviklerteam lige nu, skal du forstå, hvad du faktisk ser. Dine mest produktive udviklere er også dine mest trætte. Det er ikke en modsætning. Det er det tydeligste signal, du har, om, at tilpasningen er i gang.

Reagér ikke ved at bremse indførelsen af AI. Lad heller ikke, som om trætheden ikke er reel. Reagér som en god træner: Styr træningsbelastningen. Forvent intense, fokuserede forløb med AI-understøttet arbejde efterfulgt af ægte restitution. Giv folk lov til at arbejde det, der føles som færre timer, mens de opbygger nye kognitive færdigheder. Resultaterne vil stadig være mange gange større end før.

De virksomheder, der gør dette rigtigt, vil have tilpassede teams ved årets udgang. De, der enten ignorerer trætheden eller trækker sig fra AI på grund af den, vil ende med det værste af begge udfald: udmattede udviklere, der aldrig kom igennem kurvens sværeste del.

Vi oplever ikke bivirkningerne af en ny teknologi. Vi er i de første ugers træning til en ny måde at arbejde på. Ømheden er beviset på, at det virker. Gå ind i det, styr belastningen, og stol på, at din hjerne ligesom alle andre tilpasningsdygtige systemer i naturen vil gøre det, den altid har gjort.

Den vil tilpasse sig.

Andrew Filev er grundlægger og administrerende direktør for Zencoder. Han har forandret samarbejdende arbejdssystemer ved at grundlægge Wrike (20.000+ kunder, solgt for 2,25 milliarder dollars), har været omtalt i Forbes og The New York Times, og hans passion for kunstig intelligens og innovation fortsætter med at forme fremtidens arbejde.