Kelelahan AI Itu Nyata. Tapi Bukan Apa yang Anda Pikir

Ada narasi yang sedang dibangun sekarang yang mendapatkan banyak perhatian: AI menguras kita. Insinyur sedang mengirimkan lebih banyak kode daripada sebelumnya dan merasa lebih buruk daripada sebelumnya. Istilah “kelelahan AI” sedang beredar, 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 vibe coding, mengatakan kepada The Pragmatic Engineer bahwa dia tidur siang dan membatasi pekerjaan AI-augmented yang nyata selama tiga jam. Pendiri startup menghantam dinding 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.

Inilah yang tidak ada yang tampaknya memperhatikan: orang-orang yang melaporkan kelelahan paling banyak bukanlah skeptis. Mereka adalah orang-orang yang benar-benar percaya.

Insinyur yang terjebak di level satu pada skala adopsi Yegge, mereka yang mengabaikan AI sepenuhnya, merasa baik-baik saja. Sedikit cemas, mungkin, tapi tidak lelah. Mereka yang berada di level lima, enam, tujuh, mereka yang telah sepenuhnya memasuki AI, menjalankan beberapa agen, mengatur alur kerja yang kompleks, mengirimkan dengan kecepatan yang tidak pernah mereka bayangkan, yang pulang dengan lelah.

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

Anda Tidak Memiliki Masalah Kelelahan. Anda Memiliki Masalah Pelatihan.

Pikirkan pertama kali Anda pernah melakukan deadlift. Tidak dengan bobot yang sangat berat. Hanya gerakannya 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 ada membuat diri mereka terasa dengan cara yang paling tidak menyenangkan.

Jika seseorang telah mengukur output Anda hari itu, itu akan terlihat buruk. Anda hampir tidak bisa duduk tanpa mengeluh. Anda mungkin secara masuk akal menyimpulkan bahwa deadlift tidak berkelanjutan, bahwa tubuh manusia tidak dibangun untuk itu, bahwa biaya melebihi manfaat.

Tapi tentu saja, enam bulan kemudian Anda mengangkat bobot dua kali lipat dan merasa baik setelahnya. Tubuh Anda membangun jalur baru. Ini beradaptasi. Gerakan yang dulunya membutuhkan setiap ons usaha sadar menjadi otomatis. Sakitnya tidak berarti Anda rusak. Ini berarti Anda sedang membangun sesuatu yang baru.

Inilah yang terjadi dengan pekerjaan AI-augmented.

Beban Kognitif yang Tidak Dibicarakan

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

Pekerjaan AI-augmented 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 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 membutuhkan 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 dapat membuat Anda lebih lelah daripada delapan jam pengkodean tradisional. Ini adalah setara kognitif dengan minggu pertama Anda di gym.

Kurva Adopsi Sebenarnya Adalah Kurva Kelelahan

Kerangka kerja delapan tingkat Yegge untuk adopsi AI hampir sepenuhnya cocok dengan kurva kelelahan, meskipun saya tidak pikir itu adalah niatnya.

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

Pada tingkat tiga hingga enam, Anda berada di ujung yang dalam. Anda telah memberi agen lebih banyak otonomi, Anda meninjau kurang baris demi 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 hidup. Ini adalah deadlift yang berat.

Pada tingkat 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 tepat ini: 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 berada sekarang. Dan itulah mengapa kelelahan terasa universal: orang-orang yang berbicara tentang AI paling banyak adalah orang-orang yang tidak proporsional berada di bagian terberat kurva belajar.

Tidak Ada yang Menulis Artikel tentang “Kelelahan Mengemudi”

Ingat belajar mengemudi? Pertama kali Anda bergabung dengan jalan raya, Anda mungkin memegang setir seperti hidup Anda bergantung pada itu (yang, untuk menjadi adil, itu). 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 setengah mendengarkan podcast dan makan sandwich. Tugasnya tidak berubah. Anda berubah. Otak Anda membangun jalur neural yang efisien untuk mengemudi, mengompresi apa yang dulunya membutuhkan perhatian sadar penuh menjadi proses latar belakang.

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

Itulah bagian yang hilang dari wacana 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 langit-langit 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 lelah. Dan yang paling kritis, Anda tidak menganggap tingkat kelelahan hari ini adalah tingkat kelelahan besok.

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 melakukan ini dengan alami seperti mengemudi. Dinding 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 yang membaca tentang “kelelahan AI” dan memutuskan untuk tetap berada di level dua, nyaman, familiar, tidak lelah, akan menemukan diri mereka dalam posisi yang jauh lebih buruk.

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

Risiko Nyata: Mengacaukan Kekakuan dengan Cedera

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

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

Pengamatan tiga jam Yegge sangat berharga tidak sebagai langit-langit permanen, tapi sebagai sinyal tentang kebutuhan pemulihan saat ini. Ketika Anda awal dalam pelatihan, Anda membutuhkan lebih banyak istirahat di antara sesi. Ketika Anda beradaptasi, Anda dapat menangani volume yang lebih besar. Orang-orang yang terbakar tidak melakukan tiga jam pekerjaan AI-augmented yang fokus. Mereka adalah orang-orang yang tidak bisa berhenti karena loop umpan balik terlalu menggoda, yang tepat seperti dinamika slot-machine 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 Orang Lain

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

Narasi “kelelahan AI” akan mencapai puncaknya suatu saat tahun ini. Akan ada lebih banyak artikel, lebih banyak kecemasan, 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. Dinding tiga jam akan terasa seperti kenangan jauh bagi orang-orang yang telah melakukannya selama setahun setengah. Mereka akan mengarahkan alur kerja AI dengan cara mereka menulis for-loops: tanpa berpikir tentang itu.

Dan celah 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 daripada implementasi baris demi baris, akan menjadi second nature bagi satu kelompok dan sepenuhnya asing bagi yang lain.

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

Apa yang Ini Berarti untuk Pemimpin

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

Jangan merespons dengan mengurangi adopsi AI. Jangan merespons dengan berpura-pura kelelahan tidak nyata. Respon seperti pelatih yang baik: kelola beban pelatihan. Harapkan sesi AI-augmented yang intens dan fokus diikuti dengan pemulihan yang nyata. Berikan orang izin untuk beroperasi pada apa yang terasa seperti jam yang berkurang sementara mereka membangun keterampilan kognitif baru. Output masih akan menjadi kelipatan dari apa yang ada sebelumnya.

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

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

Itu akan beradaptasi.