Η Κατάσταση της Κόπωσης του AI Είναι Πραγματική. Αλλά Δεν Είναι Αυτό που Νομίζεις

Υπάρχει ένα αφηγηματικό που κατασκευάζεται αυτή τη στιγμή και που προσελκύει πολλή προσοχή: το AI εξαντύνει τους ανθρώπους. Οι μηχανικοί λογισμικού αποστέλλουν περισσότερο κώδικα από ποτέ και νιώθουν χειρότερα από ποτέ. Ο όρος “κόπωση του AI” κάνει τον γύρο και οι απόψεις συσσωρεύονται.

Ένας μηχανικός λογισμικού γράφει στο Business Insider ότι το τελευταίο τρίμηνο ήταν το πιο παραγωγικό και εξαντωτικό. Ο Steve Yegge, που έγραψε πραγματικά το βιβλίο για το vibe coding, λέει στο The Pragmatic Engineer ότι κοιμάται κατά τη διάρκεια της ημέρας και ορίζει το όριο της πραγματικής εργασίας με το AI σε τρεις ώρες. Οι ιδρυτές εταιρειών χτυπούν σε ένα τοίχο στις 2 μ.μ. Μια από τις πιο διαδεδομένες αναρτήσεις этого μήνα προειδοποιεί ότι το AI έχει μια “βампίρικη επίδραση” στους ανθρώπους που το χρησιμοποιούν περισσότερο.

Εδώ είναι τι κανείς δεν φαίνεται να παρατηρεί: οι άνθρωποι που αναφέρουν την περισσότερη κόπωση δεν είναι οι σκεπτικιστές. Είναι οι αληθινοί πιστεύοντες.

Οι μηχανικοί που είναι κολλημένοι στο επίπεδο ένα στην κλίμακα του Yegge, αυτοί που αγνοούν完全 το AI, νιώθουν καλά. Λίγο αγχωμένοι, ίσως, αλλά όχι εξαντωμένοι. Είναι αυτοί στα επίπεδα πέντε, έξι, επτά, αυτοί που έχουν πάρει το AI μερικά βήματα μπροστά, που εκτελούν複雑ες ροές εργασίας, που αποστέλλουν σε ταχύτητες που δεν είχαν φανταστεί ποτέ, που έρχονται σπίτι κουρασμένοι.

Αυτό το μοτίβο πρέπει να μας πει κάτι. Και νομίζω ότι αυτό που μας λέει είναι ότι η “κόπωση του AI” είναι η λάθος διάγνωση完全.

Δεν Έχετε Ένα Πρόβλημα Κόπωσης. Έχετε Ένα Πρόβλημα Εκπαίδευσης.

Σκεφτείτε την πρώτη φορά που ever deadlifted. Όχι ένα ιδιαίτερα βαρύ βάρος. Απλά η κίνηση αυτή. Ξύπνησες το επόμενο πρωί και όλο το σώμα σου ένιωσε σαν να είχε αποσυναρμολογηθεί και να είχε ξανασυναρμολογηθεί λάθος. Τα πόδια σου ήταν πονεμένα. Η πλάτη σου ήταν πονεμένη. Μύες που δεν ήξερες ότι υπάρχουν έκαναν τους εαυτούς τους γνωστούς με τον πιο δυσάρεστο τρόπο δυνατό.

Αν κάποιος είχε μετρήσει την παραγωγή σου εκείνη τη μέρα, θα φαινόταν άσχημη. Μπορούσες να καθίσεις χωρίς να στριφογυρίσεις. Ίσως να είχες συμφωνήσει ότι το deadlifting είναι αβιώσιμο, ότι το ανθρώπινο σώμα δεν είναι κατασκευασμένο για αυτό, ότι το κόστος υπερβαίνει το όφελος.

Αλλά φυσικά, έξι μήνες αργότερα είσαι πιο δυνατός και νιώθεις καλά μετά. Το σώμα σου χτίστηκε νέες οδούς. Προσαρμόστηκε. Η κίνηση που κάποτε απαιτούσε κάθε σταγόνα συνειδητής προσπάθειας έγινε αυτόματη. Η πονηρότητα δεν σήμαινε ότι ήσουν κατεστραμμένος. Σήμαινε ότι χτίζες κάτι νέο.

Αυτό είναι ακριβώς τι συμβαίνει με την εργασία που ενισχύεται από το AI.

Το Γνωστικό Φορτίο που Κανείς Δεν Μιλάει

Όταν γράφεις κώδικα με τον παραδοσιακό τρόπο, ο εγκέφαλός σου τρέχει ένα καλά δοσμένο πρόγραμμα. Το έχεις κάνει χιλιάδες φορές. Ξέρεις τις πιέσεις, τα μοτίβα, τους ρυθμούς αποσφαλμάτωσης. Είναι σαν να οδηγείς την καθημερινή σου διαδρομή: τεχνικά σύνθετο, αλλά τόσο εξασκημένο που μπορείς να το κάνεις ενώ σκέφτεσαι το δείπνο.

Η εργασία που ενισχύεται από το AI είναι μια θεμελιωδώς διαφορετική γνωστική εργασία. Δεν γράφεις κώδικα πλέον. Διευθύνεις, αξιολογείς, αποφασίζεις, εναλλάσσεσαι μεταξύ πολλαπλών πρακτόρων, αναθεωρείς έξοδο που δεν έγραψες, κρατάς αρχιτεκτονική πρόθεση στο κεφάλι σου ενώ το AI κάνει επιλογές υλοποίησης που πρέπει να επικυρώσεις σε πραγματικό χρόνο.

Αυτό δεν είναι η ίδια δουλειά που γίνεται γρηγορότερα. Είναι μια διαφορετική δουλειά完全. Και ο εγκέφαλός σου δεν έχει χτίσει τις αποτελεσματικές οδούς για αυτό ακόμα.

Κάθε απόφαση είναι ακόμα συνειδητή. Κάθε αναθεώρηση απαιτεί ενεργή προσπάθεια. Ελέγχεις την ποιότητα, διατηρείς το контекστό σε παράλληλες ροές εργασίας, κάνεις κρίσεις για την έξοδο του AI συνεχώς. Αυτό είναι το λόγο για τον οποίο τρεις ώρες αυτής της εργασίας possono να σε αφήσουν πιο εξαντωμένο από οκτώ ώρες παραδοσιακής κωδικοποίησης. Είναι η γνωστική ισοδύναμη του πρώτου σου εβδομάδας στο γυμναστήριο.

Η Καμπύλη Υιοθέτησης Είναι Πραγματικά Μια Καμπύλη Εξάντλησης

Το οκταβάθμιο πλαίσιο του Yegge για υιοθέτηση του AI αντιστοιχεί σχεδόν απόλυτα σε μια καμπύλη εξάντλησης, αν και δεν νομίζω ότι ήταν η πρόθεσή του.

Στα επίπεδα ένα και δύο, χρησιμοποιείς το AI ελάχιστα. Αυτόματη ολοκλήρωση εδώ, μια ερώτηση εκεί. Δεν υπάρχει πολύ γνωστικό φορτίο. Δεν υπάρχει πολύ κόπωση.

Στα επίπεδα τρία έως έξι, είσαι στο βαθύ τέλος. Έχεις δώσει στον πράκτορα περισσότερη αυτονομία, αναθεωρείς λιγότερο γραμμή-προς-γραμμή και περισσότερο ολιστικά, τρέχεις πολλαπλούς πρακτόρες και ναυτιλώνεις συνεχώς σε μια ροή εργασίας που δεν υπήρχε πριν από 18 μήνες. Αυτό είναι το μέρος όπου ζει η εξάντληση. Αυτό είναι το βαριά deadlifting.

Στα επίπεδα επτά και οκτώ, κάτι ενδιαφέρον αρχίζει να συμβαίνει. Έχεις χτίσει συστήματα ορχήστρας. Το AI λειτουργεί πιο αυτονομικά. Έχεις μάθει τι να εμπιστεύεσαι και τι να ελέγξεις. Περιγράφεις αποτελέσματα και φεύγεις. Ο Matt Shumer περιγράφει ακριβώς αυτό: λέει στο AI τι να χτίσει, φεύγει για τέσσερις ώρες και επιστρέφει σε ολοκληρωμένη εργασία. Η προσαρμογή αρχίζει να λαμβάνει χώρα.

Η εξάντληση δεν είναι ομοιόμορφα κατανεμημένη. Φτάνει στο μέγιστο στη μέση, ακριβώς εκεί όπου οι περισσότεροι πρώτοι υιοθετούντες καθίστανται αυτή τη στιγμή. Και αυτό είναι το λόγο για τον οποίο η κόπωση feels универсальна: οι άνθρωποι που μιλάουν για το AI περισσότερο είναι αναλογικά οι ίδιοι που βρίσκονται στο πιο δύσκολο μέρος της καμπύλης μάθησης.

Κανείς Δεν Έγραψε Άρθρα Για “Κόπωση Οδήγησης”

Θυμάσαι την πρώτη φορά που έμαθες να οδηγείς; Η πρώτη φορά που συνδέθηκες σε μια αυτοκινητόδρομο, πιθανότατα κρατούσες το τιμόνι σαν να依赖 η ζωή σου (που, για να είμαστε δίκαιοι, ήταν). Έρθεις σπίτι από μια 30λεπτη οδήγηση完全 εξαντωμένος. Ο εγκέφαλός σου είχε τρέξει στο μέγιστο της ικανότητάς του: ελέγχοντας καθρέφτες, διαχειριζόμενος ταχύτητα, προβλέποντας άλλους οδηγούς, επεξεργαζόμενος σημάδια δρόμου, όλα ταυτόχρονα και όλα συνειδητά.

Τώρα οδηγείς για μια ώρα ενώ ακούς ένα podcast και τρως ένα σάντουιτς. Η εργασία δεν έχει αλλάξει. Εσύ άλλαξες. Ο εγκέφαλός σου χτίστηκε αποτελεσματικές νευρικές οδούς για οδήγηση, συμπιέζοντας τι κάποτε απαιτούσε πλήρη συνειδητή προσοχή σε διαδικασίες υπόβαθρου.

Κανείς δεν έγραψε άρθρα για “κόπωση οδήγησης” ως μια υπαρξιακή κρίση. Κανείς δεν πρότεινε ότι τα αυτοκίνητα έχουν μια “βампίρικη επίδραση” στους χειριστές τους. Καταλάβαμε, ενστικτωδώς, ότι η εξάντληση ήταν προσωρινή. Ήταν το κόστος της μάθησης κάτι νέου.

Αυτό είναι το μέρος που λείπει από την τρέχουσα συζήτηση. Η “κόπωση του AI” αντιμετωπίζεται ως μια μόνιμη κατάσταση, μια θεμελιώδη ιδιότητα της τεχνολογίας, όταν στην πραγματικότητα είναι ένα κόστος μετάβασης. Είναι κόπωση εκπαίδευσης, όχι χρόνια ασθένεια.

Γιατί Αυτό Είναι Σημαντικότερο Από Την Άνεση

Αυτή η διάκριση δεν είναι απλά σεμαντική. Πώς διαγνώζεις το πρόβλημα καθορίζει τι κάνεις γι’ αυτό.

Αν η κόπωση του AI είναι μια μόνιμη ιδιότητα της τεχνολογίας, τότε το όριο των τριών ωρών του Yegge είναι το όριο για πάντα. Οι εταιρείες πρέπει να προγραμματίσουν για μηχανικούς που μπορούν να είναι παραγωγικοί μόνο για μια μικρή parte της ημέρας. Η “βампίρικη επίδραση” είναι το τίμημα εισόδου, και πρέπει να το ζήσουμε.

Αλλά αν είναι κόπωση εκπαίδευσης, τότε το βιβλίο είναι完全 διαφορετικό. Διαχειρίζεσαι το φορτίο. Χτίζεις σταδιακά. Δεν σταματάς να πας στο γυμναστήριο因为 είσαι πονεμένος. Και κρίσιμα, δεν υποθέτεις ότι το σημερινό επίπεδο κόπωσης είναι το επίπεδο της αύριου.

Οι μηχανικοί που πιέζουν μέσα από αυτή τη φάση, που χτίζουν τις γνωστικές οδούς για την κατεύθυνση της εργασίας του AI, την αναθεώρηση στο σωστό υψόμετρο και τη διατήρηση της αρχιτεκτονικής πρόθεσης σε παράλληλες ροές εργασίας, θα κάνουν τελικά αυτό φυσικά όπως το οδήγηση. Το όριο των τριών ωρών θα μετακινηθεί σε πέντε, τότε σε επτά. Όχι因为 εργάζονται πιο σκληρά, αλλά因为 η δουλειά σταματά να είναι προσπαθή.

Εν τω μεταξύ, οι μηχανικοί που διαβάζουν για την “κόπωση του AI” και αποφασίζουν να μείνουν στο επίπεδο δύο, άνετοι, οικείοι, δεν εξαντλούνται, θα βρεθούν σε μια πολύ χειρότερη θέση.

Όχι因为 απέτυχαν να跟ere την τάση, αλλά因为 δεν ξεκίνησαν ποτέ την εκπαίδευση που όλοι οι άλλοι ήδη πέρασαν.

Το Πραγματικό Ρίσκο: Συγχέοντας Πονηρότητα Με Τραύμα

Θέλω να είμαι σαφής για κάτι. Υπάρχει μια διαφορά μεταξύ κόπωσης εκπαίδευσης και πραγματικού τραύματος, και ισχύει εδώ επίσης.

Αν “vibe coding” για 14 ώρες την ημέρα, κοιμάσαι τέσσερις ώρες, και τρέχεις με αδρεναλίνη因为 η νεωτερικότητα είναι μεθυστική, αυτό δεν είναι εκπαίδευση. Αυτό είναι υπερ-εκπαίδευση. Και όπως στο γυμναστήριο, η υπερ-εκπαίδευση δεν χτίζει τίποτα. Σπάει.

Η παρατήρηση των τριών ωρών του Yegge είναι πολύτιμη όχι ως ένα μόνιμο όριο, αλλά ως ένα σήμα για τις τρέχουσες ανάγκες ανάκτησης. Όταν είσαι στις πρώτες εβδομάδες της εκπαίδευσης, χρειάζεσαι περισσότερη ανάπαυση μεταξύ των συνεδριών. Όταν προσαρμόζεσαι, μπορείς να χειριστείς περισσότερο όγκο. Οι άνθρωποι που καίγονται δεν είναι αυτοί που κάνουν τρεις ώρες εστιασμένης εργασίας με το AI. Είναι αυτοί που δεν μπορούν να σταματήσουνbecause η ανάδραση είναι πολύ συναρπαστική, που είναι ακριβώς η δυναμική του slot-machine που έχω γράψει πριν.

Η απάντηση δεν είναι να αποφύγεις το γυμναστήριο. Είναι να εκπαιδεύεσαι έξυπνα: έντονες συνεδρίες, πραγματική ανάκτηση, σταδιακή πρόοδος.

Μια Πρόβλεψη που Κανείς Άλλος Δεν Κάνει

Εδώ είναι τι νομίζω ότι θα συμβεί τα επόμενα 12 έως 18 μήνες.

Η αφήγηση της “κόπωσης του AI” θα φτάσει στο μέγιστο κάποια στιγμή φέτος. Θα υπάρξουν περισσότερα άρθρα, περισσότερα χέρια-πάνω-στο-κεφάλι, πιθανότατα κάποιοι μηχανικοί που θα πάρουν μια “παύση από τα εργαλεία του AI”. Θα φανεί σαν μια σημαντική αντίδραση.

Τότε θα εξαφανιστεί σιγά-σιγά. Όχι因为 οι άνθρωποι σταμάτησαν να χρησιμοποιούν το AI, αλλά因为 οι πρώτοι υιοθετούντες ολοκλήρωσαν την προσαρμογή. Το όριο των τριών ωρών θα φανεί σαν μια μακρινή μνήμη για τους ανθρώπους που έχουν κάνει αυτό για ένα χρόνο και μισό. Θα διευθύνουν τις ροές εργασίας του AI με τον ίδιο τρόπο που έγραφαν για-loops: χωρίς να το σκέφτονται.

Και η διαφορά μεταξύ εκείνων που πίεσαν μέσα από την πονηρότητα και εκείνων που δεν το έκαναν θα είναι τεράστια. Όχι因为 οι δεξιότητες του AI είναι σπάνιες, αλλά因为 η προσαρμογή αυτή, η ικανότητα να σκέφτεσαι σε όρους κατεύθυνσης, αξιολόγησης και ορχήστρας αντί για γραμμή-προς-γραμμή υλοποίηση, θα έχει γίνει δεύτερη φύση για μια ομάδα και完全 ξένη για την άλλη.

Η χειρότερη απάντηση στην πονηρότητα εκπαίδευσης έχει πάντα ήταν η ίδια: σταμάτησε να πας στο γυμναστήριο.

Τι Αυτό Σημαίνει Για Τους Ηγέτες

Αν είσαι ο ηγέτης μιας ομάδας μηχανικών αυτή τη στιγμή, καταλάβε τι βλέπεις πραγματικά. Οι πιο παραγωγικοί μηχανικοί σου είναι επίσης οι πιο κουρασμένοι. Αυτό δεν είναι μια αντίφαση. Είναι το σαφεστέρα σήμα που έχεις ότι η προσαρμογή είναι υπόθεση.

Μην απαντήσεις μειώνοντας την υιοθέτηση του AI. Μην απαντήσεις αγνοώντας την κόπωση, είτε. Απάντησε όπως ένας καλός προπονητής: διαχειρίσου το φορτίο εκπαίδευσης. Περιμένε έντονες, εστιασμένες συνεδρίες εργασίας με το AI, ακολουθούμενες από πραγματική ανάκτηση. Δώσε στους ανθρώπους την άδεια να λειτουργούν σε ότι φαίνεται σαν μειωμένες ώρες ενώ χτίζουν νέες γνωστικές δεξιότητες. Η παραγωγή θα είναι ακόμα πολλαπλάσια από ότι ήταν πριν.

Οι εταιρείες που το κάνουν σωστά θα έχουν προσαρμοσμένες ομάδες μέχρι το τέλος του χρόνου. Αυτοί που είτε αγνοούν την κόπωση είτε υποχωρούν από το AI σε απάντηση της θα βρεθούν με το χειρότερο από τα δύο αποτελέσματα: εξαντλημένοι μηχανικοί που δεν πέρασαν ποτέ από το πιο δύσκολο μέρος της καμπύλης.

Δεν βιώνουμε τις παρενέργειες μιας νέας τεχνολογίας. Βρισκόμαστε στις πρώτες εβδομάδες εκπαίδευσης για einen νέο τρόπο εργασίας. Η πονηρότητα είναι η απόδειξη ότι δουλεύει. Κάνε το, διαχειρίσου το, και εμπιστεύσου ότι ο εγκέφαλός σου, όπως και κάθε άλλο προσαρμοστικό σύστημα στη φύση, θα κάνει ότι έχει πάντα κάνει.

Θα προσαρμοστεί.