Kelelahan AI Itu Nyata. Tapi Bukan Apa yang Anda Pikir

Saat ini sedang berkembang sebuah narasi yang mendapat banyak perhatian: AI menguras kita. Insinyur perangkat lunak mengirimkan lebih banyak kode daripada sebelumnya dan merasa lebih buruk daripada sebelumnya. Istilah “kelelahan AI” sedang menjadi perbincangan, dan pendapat-pendapat sedang menumpuk.

Seorang insinyur perangkat lunak menulis di Business Insider bahwa kuartal terakhir adalah yang paling produktif dan paling melelahkan. Steve Yegge, yang secara harfiah menulis buku tentang kode vibe, mengatakan kepada The Pragmatic Engineer bahwa dia tidur siang dan membatasi pekerjaan AI-augmented selama tiga jam. Pendiri startup mengalami kelelahan pada pukul 2 siang. Salah satu postingan paling banyak dibagikan bulan ini memperingatkan bahwa AI memiliki “efek vampir” pada orang-orang yang menggunakannya paling banyak.

Namun, apa yang tidak disadari oleh banyak orang adalah bahwa orang-orang yang melaporkan kelelahan paling parah bukanlah skeptis. Mereka adalah orang-orang yang benar-benar percaya pada AI.

Insinyur-insinyur yang terjebak di level satu pada skala adopsi Yegge, yang mengabaikan AI sepenuhnya, merasa baik-baik saja. Sedikit cemas, mungkin, tapi tidak kelelahan. Yang merasa kelelahan adalah mereka yang berada di level lima, enam, tujuh, yang telah sepenuhnya mengadopsi AI, menjalankan beberapa agen, mengatur alur kerja yang kompleks, dan mengirimkan kode dengan kecepatan yang tidak pernah mereka bayangkan sebelumnya.

Polanya harus memberitahu kita sesuatu. Dan saya pikir apa yang dikatakan oleh pola tersebut adalah bahwa “kelelahan AI” adalah diagnosis yang salah sepenuhnya.

Anda Tidak Memiliki Masalah Kelelahan. Anda Memiliki Masalah Pelatihan.

Pikirkan tentang pertama kali Anda melakukan deadlift. Bukan berat yang sangat berat. Hanya gerakan itu sendiri. Anda bangun keesokan paginya dan seluruh tubuh Anda terasa seperti telah dibongkar dan dirakit kembali dengan salah. Kaki Anda sakit. Punggung Anda sakit. Otot-otot yang tidak Anda ketahui sebelumnya membuat diri mereka terasa dengan cara yang paling tidak menyenangkan.

Jika seseorang mengukur output Anda pada hari itu, itu akan terlihat buruk. Anda hampir tidak bisa duduk tanpa mengeluh. Anda mungkin dengan masuk akal menyimpulkan bahwa deadlift tidak berkelanjutan, bahwa tubuh manusia tidak dirancang 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. Ini beradaptasi. Gerakan yang sebelumnya memerlukan setiap ons usaha sadar menjadi otomatis. Sakitnya tidak berarti Anda rusak. Ini berarti Anda sedang membangun sesuatu yang baru.

Ini adalah apa yang terjadi dengan pekerjaan yang ditingkatkan oleh AI.

Beban Kognitif yang Tidak Dibicarakan

Ketika Anda menulis kode dengan cara tradisional, otak Anda menjalankan program yang sudah terlatih dengan baik. Anda telah melakukannya ribuan kali. Anda tahu keystroke, pola, irama debugging. Ini seperti mengemudi komuter harian Anda: secara teknis kompleks, tapi sudah terlatih sehingga Anda bisa melakukannya sambil berpikir tentang makan malam.

Pekerjaan yang ditingkatkan oleh AI adalah tugas kognitif yang secara fundamental berbeda. Anda tidak lagi menulis kode. Anda mengarahkan, mengevaluasi, memutuskan, beralih konteks antara beberapa agen, meninjau output yang tidak Anda tulis, mempertahankan niat arsitektur di kepala Anda sambil AI membuat pilihan implementasi yang perlu Anda validasi secara real-time.

Itu bukanlah pekerjaan yang sama yang dilakukan dengan lebih cepat. Ini adalah pekerjaan yang berbeda sepenuhnya. Dan otak Anda belum membangun jalur yang efisien untuk itu.

Setiap keputusan masih sadar. Setiap tinjauan masih memerlukan usaha aktif. Anda memantau kualitas, mempertahankan konteks di seluruh alur kerja paralel, membuat keputusan tentang output AI secara konstan. Itulah mengapa tiga jam pekerjaan ini bisa membuat Anda lebih kelelahan daripada delapan jam pengkodean tradisional. Ini adalah setara kognitif dengan minggu pertama Anda di gym.

Kurva Adopsi Sebenarnya adalah Kurva Kelelahan

Kerangka delapan level Yegge untuk adopsi AI hampir sepenuhnya sesuai dengan kurva kelelahan, meskipun saya tidak berpikir itu adalah niatnya.

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

Pada level tiga hingga enam, Anda berada di ujung yang dalam. Anda telah memberikan agen lebih banyak otonomi, Anda meninjau kurang baris per baris dan lebih holistik, Anda menjalankan beberapa agen, dan Anda secara konstan menavigasi alur kerja yang tidak ada 18 bulan yang lalu. Ini adalah tempat kelelahan berada. Ini adalah deadlift yang berat.

Pada level tujuh dan delapan, sesuatu yang menarik mulai terjadi. Anda telah membangun sistem orkestrasi. AI bekerja lebih otonom. Anda telah belajar apa yang dapat dipercaya dan apa yang perlu diperiksa. Anda menjelaskan hasil dan berjalan pergi. Matt Shumer menjelaskan hal yang sama: mengatakan AI apa yang harus dibangun, pergi selama empat jam, dan kembali ke pekerjaan yang selesai. Adaptasi mulai mengambil alih.

Kelelahan tidak terdistribusi secara merata. Ini mencapai puncak di tengah, tepat di mana sebagian besar pengadopsi awal saat ini berada. Dan itulah mengapa kelelahan terasa universal: orang-orang yang berbicara tentang AI paling banyak adalah orang-orang yang tidak proporsional berada di bagian terberat dari kurva belajar.

Tidak Ada yang Menulis Artikel tentang “Kelelahan Mengemudi”

Ingat ketika Anda belajar mengemudi? Pertama kali Anda bergabung dengan jalan raya, Anda mungkin memegang setir seperti hidup Anda bergantung pada itu (yang, untuk menjadi adil, memang benar). Anda pulang dari perjalanan 30 menit dan benar-benar lelah. Otak Anda telah berjalan pada kapasitas maksimum: memeriksa kaca spion, mengelola kecepatan, mengantisipasi pengemudi lain, memproses tanda jalan, semua secara bersamaan dan semua secara sadar.

Sekarang Anda mengemudi selama satu jam sambil mendengarkan podcast dan makan sandwich. Tugasnya tidak berubah. Anda berubah. Otak Anda membangun jalur neural yang efisien untuk mengemudi, mengompresi apa yang sebelumnya memerlukan perhatian penuh menjadi proses latar belakang.

Tidak ada yang menulis esai tentang “kelelahan mengemudi” sebagai krisis eksistensial. Tidak ada yang mengusulkan bahwa mobil memiliki “efek vampir” pada pengemudi. Kami memahami, secara intuitif, bahwa kelelahan itu sementara. Ini adalah biaya belajar sesuatu yang baru.

Itulah bagian yang hilang dari diskusi saat ini. “Kelelahan AI” sedang diperlakukan sebagai kondisi permanen, fitur fundamental dari teknologi, ketika sebenarnya itu adalah biaya transisi. Ini adalah kelelahan pelatihan, bukan penyakit kronis.

Mengapa Ini Lebih Penting Daripada Kenyamanan

Perbedaan ini tidak hanya semantik. Bagaimana Anda mendiagnosis masalah menentukan apa yang Anda lakukan tentang itu.

Jika kelelahan AI adalah fitur permanen dari teknologi, maka batas tiga jam Yegge adalah atap selamanya. Perusahaan harus merencanakan insinyur yang hanya dapat produktif selama sebagian hari. “Efek vampir” adalah harga masuk, dan kita hanya harus hidup dengannya.

Tapi jika itu adalah kelelahan pelatihan, maka buku pedoman adalah sama sekali berbeda. Anda mengelola beban. Anda membangun secara bertahap. Anda tidak berhenti pergi ke gym karena Anda sakit. Dan yang paling kritis, Anda tidak menganggap tingkat kelelahan hari ini adalah tingkat kelelahan besok.

Insinyur-insinyur yang mendorong melalui fase ini, yang membangun jalur kognitif untuk mengarahkan pekerjaan AI, meninjau pada ketinggian yang tepat, dan mempertahankan niat arsitektur di seluruh alur kerja paralel, akan akhirnya melakukannya dengan alami seperti mengemudi. Batas tiga jam akan bergeser ke lima, lalu tujuh. Tidak karena mereka bekerja lebih keras, tapi karena pekerjaan itu berhenti menjadi usaha dalam cara yang sama.

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

Tidak karena mereka gagal untuk mengikuti tren, tapi karena mereka tidak pernah memulai pelatihan yang sudah dilalui oleh orang lain.

Risiko Nyata: Mengacaukan Sakit dengan Cedera

Saya ingin menjelaskan sesuatu. Ada perbedaan antara kelelahan pelatihan dan cedera sebenarnya, dan ini berlaku di sini juga.

Jika Anda “mengkode vibe” selama 14 jam sehari, tidur empat jam, dan berjalan pada adrenalin karena noveltinya memabukkan, itu bukan pelatihan. Itu adalah overtraining. Dan seperti di gym, overtraining tidak membangun apa-apa. Ini memecahkan Anda.

Pengamatan tiga jam Yegge berharga tidak sebagai atap permanen, tapi sebagai sinyal tentang kebutuhan pemulihan saat ini. Ketika Anda baru memulai pelatihan, Anda memerlukan lebih banyak istirahat di antara sesi. Ketika Anda beradaptasi, Anda dapat menangani lebih banyak volume. Orang-orang yang terbakar tidak mereka yang melakukan tiga jam pekerjaan AI-augmented yang terfokus. Mereka adalah orang-orang yang tidak bisa berhenti karena loop umpan balik terlalu menggoda, yang secara tepat adalah dinamika mesin slot yang saya tulis sebelumnya.

Jawabannya bukan untuk menghindari gym. Ini adalah untuk berlatih dengan cerdas: sesi intens, pemulihan nyata, kemajuan bertahap.

Prediksi yang Tidak Dibuat oleh Orang Lain

Inilah apa yang saya pikir terjadi selama 12 hingga 18 bulan ke depan.

Narratif “kelelahan AI” akan mencapai puncaknya suatu saat tahun ini. Akan ada lebih banyak artikel, lebih banyak kekhawatiran, mungkin beberapa insinyur terkenal yang secara terbuka “mengambil jeda dari alat AI.” Ini akan terasa seperti reaksi balik yang berarti.

Lalu itu akan diam-diam memudar. Tidak karena orang berhenti menggunakan AI, tapi karena pengadopsi awal selesai beradaptasi. Batas tiga jam akan terasa seperti kenangan jauh bagi orang-orang yang telah melakukannya selama setahun dan setengah. Mereka akan mengarahkan alur kerja AI dengan cara yang sama seperti mereka menulis for-loop sebelumnya: tanpa berpikir tentang itu.

Dan kesenjangan antara mereka yang mendorong melalui kelelahan dan mereka yang tidak akan sangat besar. Tidak karena keterampilan AI langka, tapi karena adaptasi itu sendiri, kemampuan untuk berpikir dalam hal arahan, evaluasi, dan orkestrasi bukan implementasi baris per baris, akan menjadi second nature bagi satu kelompok dan sepenuhnya asing bagi kelompok lain.

Respon terburuk terhadap kelelahan pelatihan selalu sama: berhenti pergi ke gym.

Apa yang Ini Berarti bagi Pemimpin

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

Jangan merespons dengan mengurangi adopsi AI. Jangan merespons dengan berpura-pura kelelahan tidak nyata, juga. Respon seperti pelatih yang baik: kelola beban pelatihan. Harapkan sesi pekerjaan AI-augmented yang intens dan terfokus diikuti oleh pemulihan yang nyata. Berikan orang izin untuk beroperasi pada apa yang terasa seperti jam yang berkurang sementara mereka membangun keterampilan kognitif baru. Outputnya masih akan menjadi kelipatan dari apa yang ada 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 keduanya: insinyur yang kelelahan yang tidak pernah melewati bagian terberat dari kurva.

Kita tidak mengalami efek sampingan dari teknologi baru. Kita berada di minggu-minggu awal pelatihan untuk cara kerja baru. Sakitnya adalah bukti bahwa itu bekerja. Condongkan diri Anda ke dalamnya, kelola, dan percayalah bahwa otak Anda, seperti sistem adaptif lainnya di alam, akan melakukan apa yang telah dilakukannya selalu.

Itu akan beradaptasi.