AI Fatigue Is Real. But It’s Not What You Think

Ada narasi yang sedang berkembang saat ini dan mendapat banyak perhatian: AI menguras tenaga kita. Para insinyur mengirimkan lebih banyak kode daripada sebelumnya dan merasa lebih buruk daripada sebelumnya. Istilah “kelelahan AI” sedang beredar, dan pendapat-pendapat pun menumpuk.

Seorang insinyur perangkat lunak menulis di Business Insider bahwa kuartal terakhir adalah yang paling produktif dan paling melelahkan baginya. Steve Yegge, yang secara harfiah menulis buku tentang vibe coding, mengatakan kepada The Pragmatic Engineer bahwa ia tidur siang di siang hari dan membatasi pekerjaan nyata yang ditingkatkan AI menjadi tiga jam. Para pendiri startup mentok jam 2 siang. Salah satu postingan yang paling banyak dibagikan bulan ini memperingatkan bahwa AI memiliki “efek vampir” pada orang yang paling sering menggunakannya.

Inilah yang tampaknya tidak disadari siapa pun: orang-orang yang melaporkan kelelahan paling banyak bukanlah para skeptis. Mereka adalah para penganut sejati.

Para insinyur yang terjebak di level satu pada skala adopsi Yegge, mereka yang mengabaikan AI sepenuhnya, merasa baik-baik saja. Mungkin sedikit cemas, tapi tidak terkuras. Justru mereka yang ada di level lima, enam, tujuh, mereka yang telah sepenuhnya mengadopsi, menjalankan banyak agen, mengorkestrasi alur kerja yang kompleks, mengirimkan dengan kecepatan yang tak pernah mereka bayangkan, pulang ke rumah dalam keadaan kelelahan.

Pola itu seharusnya memberi tahu kita sesuatu. Dan saya pikir yang disampaikannya adalah bahwa “kelelahan AI” adalah diagnosis yang sepenuhnya salah.

Anda Tidak Punya Masalah Kelelahan. Anda Punya Masalah Pelatihan.

Pikirkan pertama kali Anda melakukan deadlift. Bukan beban yang sangat berat. Hanya gerakannya sendiri. Anda bangun keesokan paginya dan seluruh tubuh Anda terasa seperti telah dibongkar dan dipasang kembali dengan salah. Kaki Anda pegal. Punggung Anda pegal. Otot-otot yang tidak Anda ketahui keberadaannya memberitahu Anda dengan cara yang paling tidak menyenangkan.

Jika seseorang mengukur output Anda hari itu, hasilnya akan terlihat buruk. Anda hampir tidak bisa duduk tanpa mengerutkan wajah. Anda mungkin dengan wajar menyimpulkan bahwa deadlift tidak berkelanjutan, bahwa tubuh manusia tidak dibangun untuk itu, bahwa biayanya lebih besar daripada manfaatnya.

Tapi tentu saja, enam bulan kemudian Anda mengangkat beban dua kali lipat dan merasa baik-baik saja setelahnya. Tubuh Anda membangun jalur baru. Ia beradaptasi. Gerakan yang dulu membutuhkan setiap ons usaha sadar menjadi otomatis. Pegal-pegal itu tidak berarti Anda rusak. Itu berarti Anda sedang membangun sesuatu yang baru.

Inilah persisnya yang terjadi dengan pekerjaan yang ditingkatkan AI.

Beban Kognitif yang Tidak Dibicarakan Siapa Pun

Saat Anda menulis kode dengan cara tradisional, otak Anda menjalankan program yang sudah usang. Anda telah melakukannya ribuan kali. Anda tahu penekanan tombolnya, polanya, ritme debuggingnya. Itu seperti mengemudi untuk perjalanan sehari-hari: secara teknis kompleks, tetapi begitu terlatih sehingga Anda bisa melakukannya sambil memikirkan makan malam.

Pekerjaan yang ditingkatkan AI adalah tugas kognitif yang fundamentally berbeda. Anda tidak lagi menulis kode. Anda mengarahkan, mengevaluasi, memutuskan, beralih konteks di antara banyak agen, meninjau output yang tidak Anda tulis, mempertahankan maksud arsitektural di kepala Anda sementara AI membuat pilihan implementasi yang perlu Anda validasi secara real time.

Itu bukan pekerjaan yang sama yang dilakukan lebih cepat. Itu adalah pekerjaan yang sama sekali berbeda. Dan otak Anda belum membangun jalur yang efisien untuk itu.

Setiap keputusan masih disadari. Setiap tinjauan membutuhkan usaha aktif. Anda memantau kualitas, mempertahankan konteks di alur kerja paralel, terus-menerus membuat penilaian tentang output AI. Itulah sebabnya tiga jam pekerjaan seperti ini bisa membuat Anda lebih terkuras daripada delapan jam pengkodean tradisional. Itu setara kognitif dengan minggu pertama Anda di gym.

Kurva Adopsi Sebenarnya Adalah Kurva Kelelahan

Kerangka delapan level Yegge untuk adopsi AI hampir sempurna memetakan kurva kelelahan, meski saya rasa itu bukan maksudnya.

Di level satu dan dua, Anda hampir tidak menggunakan AI. Autocomplete di sini, pertanyaan di sana. Tidak banyak beban kognitif. Tidak banyak kelelahan.

Di level tiga hingga enam, Anda berada di ujung yang dalam. Anda telah memberi agen lebih banyak otonomi, Anda meninjau lebih sedikit baris demi baris dan lebih holistik, Anda menjalankan banyak agen, dan Anda terus-menerus menavigasi alur kerja yang tidak ada 18 bulan lalu. Di sinilah letak kelelahannya. Ini adalah deadlift berat.

Di level tujuh dan delapan, sesuatu yang menarik mulai terjadi. Anda telah membangun sistem orkestrasi. AI bekerja lebih mandiri. Anda telah belajar apa yang harus dipercaya dan apa yang harus diperiksa. Anda mendeskripsikan hasil dan pergi. Matt Shumer menggambarkan hal ini persis: menyuruh AI membangun sesuatu, pergi selama empat jam, dan kembali ke pekerjaan yang selesai. Adaptasi mulai berlangsung.

Kelelahan tidak terdistribusi merata. Itu memuncak di tengah, tepat di mana sebagian besar pengadopsi awal duduk saat ini. Dan itulah mengapa kelelahan terasa universal: orang-orang yang paling banyak membicarakan AI secara tidak proporsional adalah mereka yang berada di bagian tersulit dari kurva pembelajaran.

Tidak Ada yang Menulis Artikel Tentang “Kelelahan Mengemudi”

Ingat belajar mengemudi? Pertama kali Anda bergabung ke jalan raya, Anda mungkin menggenggam setir seolah-olah hidup Anda bergantung padanya (yang, sejujurnya, memang begitu). Anda pulang dari perjalanan 30 menit benar-benar kelelahan. Otak Anda telah berjalan pada kapasitas maksimum: memeriksa kaca spion, mengatur kecepatan, mengantisipasi pengemudi lain, memproses rambu jalan, semuanya bersamaan dan semuanya secara sadar.

Sekarang Anda mengemudi satu jam sambil setengah mendengarkan podcast dan makan sandwich. Tugasnya tidak berubah. Anda yang berubah. Otak Anda membangun jalur saraf yang efisien untuk mengemudi, mengompres apa yang dulu membutuhkan perhatian penuh sadar menjadi proses latar belakang.

Tidak ada yang menulis esai pemikiran tentang “kelelahan mengemudi” sebagai krisis eksistensial. Tidak ada yang menyarankan bahwa mobil memiliki “efek vampir” pada pengoperasinya. Kami memahami, secara intuitif, bahwa kelelahan itu bersifat sementara. Itu adalah biaya untuk mempelajari sesuatu yang baru.

Itulah bagian yang hilang dari wacana saat ini. “Kelelahan AI” diperlakukan sebagai kondisi permanen, fitur fundamental dari teknologi, padahal sebenarnya itu adalah biaya transisi. Itu adalah pegal-pegal pelatihan, bukan penyakit kronis.

Mengapa Ini Lebih Penting Daripada Kenyamanan

Perbedaan ini bukan hanya semantik. Bagaimana Anda mendiagnosis masalah menentukan apa yang Anda lakukan untuk mengatasinya.

Jika kelelahan AI adalah fitur permanen dari teknologi, maka batasan tiga jam Yegge adalah langit-langit selamanya. Perusahaan harus merencanakan insinyur yang hanya bisa produktif untuk sebagian kecil hari. “Efek vampir” adalah harga masuk, dan kita harus menerimanya.

Tapi jika itu adalah pegal-pegal pelatihan, maka buku panduannya sama sekali berbeda. Anda mengelola bebannya. Anda membangun secara bertahap. Anda tidak melewatkan gym karena pegal. Dan yang kritis, Anda tidak berasumsi bahwa tingkat kelelahan hari ini adalah tingkat kelelahan besok.

Para insinyur yang melewati fase ini, yang membangun jalur kognitif untuk mengarahkan pekerjaan AI, meninjau pada ketinggian yang tepat, dan mempertahankan maksud arsitektural di alur kerja paralel, pada akhirnya akan melakukan ini secara alami seperti mengemudi. Tembok tiga jam akan bergerak ke lima, lalu tujuh. Bukan karena mereka bekerja lebih keras, tetapi karena pekerjaan berhenti menjadi sulit dengan cara yang sama.

Sementara itu, para insinyur yang membaca tentang “kelelahan AI” dan memutuskan untuk tetap di level dua, nyaman, familiar, tidak terkuras, akan menemukan diri mereka dalam posisi yang jauh lebih buruk.

Bukan karena mereka gagal mengikuti tren, tetapi karena mereka tidak pernah memulai pelatihan yang sudah dilalui orang lain.

Risiko Nyata: Mengacaukan Pegal-Pegal dengan Cedera

Saya ingin memperjelas sesuatu. Ada perbedaan antara pegal-pegal pelatihan dan cedera aktual, dan itu berlaku di sini juga.

Jika Anda “vibe coding” selama 14 jam sehari, tidur empat jam, dan berjalan dengan adrenalin karena kebaruannya memabukkan, itu bukan pelatihan. Itu adalah latihan berlebihan. Dan sama seperti di gym, latihan berlebihan tidak membangun apa pun. Itu merusak Anda.

Pengamatan tiga jam Yegge berharga bukan sebagai langit-langit permanen, tetapi sebagai sinyal tentang kebutuhan pemulihan saat ini. Ketika Anda berada di awal pelatihan, Anda membutuhkan lebih banyak istirahat di antara sesi. Saat Anda beradaptasi, Anda dapat menangani volume lebih banyak. Orang-orang yang mengalami kelelahan total bukanlah mereka yang melakukan tiga jam kerja terfokus yang ditingkatkan AI. Mereka adalah orang-orang yang tidak bisa berhenti karena lingkaran umpan baliknya terlalu menarik, yang persis merupakan dinamika mesin slot yang pernah saya tulis sebelumnya.

Jawabannya bukan menghindari gym. Melainkan berlatih dengan cerdas: sesi intens, pemulihan nyata, progresi bertahap.

Prediksi yang Tidak Dibuat Orang Lain

Inilah yang saya pikir akan terjadi dalam 12 hingga 18 bulan ke depan.

Narasi “kelelahan AI” akan memuncak suatu saat tahun ini. Akan ada lebih banyak artikel, lebih banyak kekhawatiran, mungkin beberapa insinyur terkenal yang secara publik “beristirahat dari alat AI.” Itu akan terasa seperti perlawanan yang berarti.

Kemudian itu akan memudar dengan diam-diam. Bukan karena orang berhenti menggunakan AI, tetapi karena para pengadopsi awal selesai beradaptasi. Tembok tiga jam akan terasa seperti kenangan yang jauh bagi orang-orang yang telah melakukan ini selama satu setengah tahun. Mereka akan mengarahkan alur kerja AI seperti cara mereka dulu menulis for-loop: tanpa memikirkannya.

Dan kesenjangan antara mereka yang melewati pegal-pegal dan mereka yang tidak akan sangat besar. Bukan karena keterampilan AI langka, tetapi karena adaptasi itu sendiri, kemampuan untuk berpikir dalam hal pengarahan, evaluasi, dan orkestrasi daripada implementasi baris demi baris, akan menjadi sifat kedua bagi satu kelompok dan sama sekali asing bagi kelompok lainnya.

Respons terburuk terhadap pegal-pegal pelatihan selalu sama: berhenti pergi ke gym.

Apa Artinya Ini bagi Para Pemimpin

Jika Anda menjalankan tim teknik saat ini, pahami apa yang sebenarnya Anda lihat. Insinyur Anda yang paling produktif juga yang paling lelah. Itu bukan kontradiksi. Itu adalah sinyal paling jelas yang Anda miliki bahwa adaptasi sedang berlangsung.

Jangan merespons dengan mengurangi adopsi AI. Jangan merespons dengan berpura-pura kelelahan itu tidak nyata juga. Responlah seperti cara pelatih yang baik: kelola beban pelatihan. Harapkan sesi intens dan terfokus dari pekerjaan yang ditingkatkan AI diikuti oleh pemulihan yang nyata. Beri orang izin untuk beroperasi pada apa yang terasa seperti jam kerja yang berkurang sementara mereka membangun keterampilan kognitif baru. Outputnya masih akan menjadi kelipatan dari sebelumnya.

Perusahaan yang melakukan ini dengan benar akan memiliki tim yang beradaptasi pada akhir tahun. Mereka yang mengabaikan kelelahan atau mundur dari AI sebagai respons terhadapnya akan menemukan diri mereka dengan hasil terburuk dari kedua hasil: insinyur yang kelelahan yang tidak pernah melewati bagian tersulit dari kurva.

Kami tidak mengalami efek samping dari teknologi baru. Kami berada di minggu-minggu awal pelatihan untuk cara kerja baru. Pegal-pegal itu adalah bukti bahwa itu berhasil. Terima itu, kelola itu, dan percayalah bahwa otak Anda, seperti setiap sistem adaptif lain di alam, akan melakukan apa yang selalu dilakukannya.

Ia akan beradaptasi.