Tankeledere
AI-utmattelse er reell. Men den er ikke det du tror

Viktige punkterAI-tretthet er midlertidig treningstretthet fra å lære en ny kognitiv ferdighet, ikke…
Vis mer
- AI-tretthet er midlertidig treningstretthet fra å lære en ny kognitiv ferdighet, ikke en permanent tilstand.
- Utmattelsen topper seg i midtfasen av AI-innføring før effektive mentale baner dannes.
- Ledere må håndtere denne kognitive belastningen som en trener, ikke trekke seg fra AI-innføring.
En fortelling som får mye oppmerksomhet nå, er at AI tapper oss for krefter. Utviklere leverer mer kode enn noen gang og føler seg verre enn noen gang. Begrepet «AI-utmattelse» sprer seg, og kommentarene blir stadig flere.
En programvareutvikler skriver i Business Insider at forrige kvartal var hans mest produktive og mest utmattende. Steve Yegge, som bokstavelig talt har skrevet boken om vibe-koding, forteller The Pragmatic Engineer at han tar seg en lur på dagtid og begrenser det egentlige AI-støttede arbeidet til tre timer. Oppstartsgründere møter veggen klokken 14. Et av de mest delte innleggene denne måneden advarer om at AI har en «vampyrisk effekt» på dem som bruker teknologien mest.
Men ingen ser ut til å legge merke til dette: De som melder om mest utmattelse, er ikke skeptikerne. Det er de overbeviste tilhengerne.
Utviklerne som sitter fast på nivå én på Yegges skala for å ta i bruk AI, og som ignorerer AI fullstendig, har det fint. Kanskje litt engstelige, men ikke tappet for krefter. Det er dem på nivå fem, seks og sju, dem som har satset fullt, kjører flere agenter, koordinerer komplekse arbeidsflyter og leverer i hastigheter de aldri hadde forestilt seg, som kommer utslitte hjem.
Dette mønsteret burde fortelle oss noe. Og jeg tror det forteller oss at «AI-utmattelse» er en helt feil diagnose.
Du har ikke et utmattelsesproblem. Du har et treningsproblem.
Tenk tilbake på den første gangen du tok markløft. Ikke med en spesielt tung vekt. Bare selve bevegelsen. Du våknet neste morgen og følte at hele kroppen var blitt demontert og satt feil sammen igjen. Du var støl i beina. Du var støl i ryggen. Muskler du ikke visste at du hadde, ga seg til kjenne på verst tenkelige måte.
Hvis noen hadde målt prestasjonen din den dagen, ville resultatet sett elendig ut. Du klarte knapt å sette deg uten å skjære grimaser. Du kunne med rimelighet ha konkludert med at markløft ikke er bærekraftig, at menneskekroppen ikke er laget for det, og at kostnaden er større enn gevinsten.
Men seks måneder senere løfter du selvsagt dobbelt så tungt og føler deg fin etterpå. Kroppen har bygget nye baner. Den har tilpasset seg. Bevegelsen som en gang krevde all din bevisste innsats, er blitt automatisk. Stølheten betydde ikke at du var ødelagt. Den betydde at du bygget noe nytt.
Det er nettopp dette som skjer med AI-støttet arbeid.
Den kognitive belastningen ingen snakker om
Når du skriver kode på den tradisjonelle måten, kjører hjernen et velbrukt program. Du har gjort det tusenvis av ganger. Du kjenner tastetrykkene, mønstrene og rytmen i feilsøkingen. Det er som den daglige kjøreturen til jobb: teknisk kompleks, men så innøvd at du kan gjøre det mens du tenker på middagen.
AI-støttet arbeid er en grunnleggende annerledes kognitiv oppgave. Du skriver ikke lenger kode. Du leder arbeidet, vurderer, tar beslutninger, bytter kontekst mellom flere agenter, gjennomgår resultater du ikke har skrevet selv, og holder den tiltenkte arkitekturen i hodet mens en AI tar valg om implementeringen som du må kontrollere i sanntid.
Dette er ikke den samme jobben utført raskere. Det er en helt annen jobb. Og hjernen din har ennå ikke bygget effektive baner for den.
Hver beslutning er fortsatt bevisst. Hver gjennomgang krever aktiv innsats. Du overvåker kvaliteten, holder oversikt over konteksten i parallelle arbeidsløp og foretar stadig skjønnsmessige vurderinger av AI-resultatene. Derfor kan tre timer med dette arbeidet gjøre deg mer utslitt enn åtte timer med tradisjonell programmering. Kognitivt tilsvarer det den første uken på treningssenteret.
Innføringskurven er egentlig en utmattelseskurve
Yegges rammeverk med åtte nivåer for å ta i bruk AI samsvarer nesten perfekt med en utmattelseskurve, selv om jeg ikke tror det var hensikten hans.
På nivå én og to bruker du knapt AI. Litt autofullføring her, et spørsmål der. Liten kognitiv belastning. Lite utmattelse.
På nivå tre til seks er du på dypt vann. Du har gitt agenten mer selvstendighet, gjennomgår mindre linje for linje og mer helhetlig, kjører flere agenter og må stadig orientere deg i en arbeidsflyt som ikke eksisterte for atten måneder siden. Det er her kreftene tappes. Dette er det tunge markløftet.
På nivå sju og åtte begynner noe interessant å skje. Du har bygget systemer for å koordinere agentene. AI-en arbeider mer selvstendig. Du har lært hva du kan stole på, og hva du må kontrollere. Du beskriver resultatene du ønsker, og går din vei. Matt Shumer beskriver akkurat dette: Han forteller AI hva den skal bygge, går bort i fire timer og kommer tilbake til ferdig arbeid. Tilpasningen begynner å feste seg.
Utmattelsen er ikke jevnt fordelt. Den topper seg på midten, akkurat der de fleste tidlige brukerne befinner seg nå. Derfor føles utmattelsen allmenn: Blant dem som snakker mest om AI, er det uforholdsmessig mange som er i den vanskeligste delen av læringskurven.
Ingen skrev artikler om «kjøreutmattelse»
Husker du da du lærte å kjøre? Den første gangen du flettet inn på en motorvei, holdt du sannsynligvis i rattet som om livet sto på spill. Og det gjorde det jo faktisk. Du kom helt utslitt hjem etter en halvtimes kjøretur. Hjernen hadde arbeidet på maksimal kapasitet: sjekket speil, regulert farten, forutsett hva andre sjåfører ville gjøre, og tolket veiskilt. Alt samtidig og alt bevisst.
Nå kjører du en time mens du hører med et halvt øre på en podkast og spiser et smørbrød. Oppgaven har ikke endret seg. Det har du. Hjernen har bygget effektive nevrale baner for bilkjøring og flyttet det som før krevde full bevisst oppmerksomhet, over til bakgrunnsprosesser.
Ingen skrev debattartikler om «kjøreutmattelse» som en eksistensiell krise. Ingen antydet at biler har en «vampyrisk effekt» på sjåførene. Vi forsto intuitivt at utmattelsen var midlertidig. Den var prisen for å lære noe nytt.
Det er denne delen som mangler i dagens debatt. «AI-utmattelse» behandles som en permanent tilstand, en grunnleggende egenskap ved teknologien, mens den i virkeligheten er en overgangskostnad. Det er treningsstølhet, ikke kronisk sykdom.
Hvorfor dette handler om mer enn komfort
Dette skillet er ikke bare semantisk. Hvordan du diagnostiserer problemet, avgjør hva du gjør med det.
Hvis AI-utmattelse er en permanent egenskap ved teknologien, er Yegges tretimersgrense taket for alltid. Selskaper bør planlegge for utviklere som bare kan være produktive en brøkdel av dagen. Den «vampyriske effekten» er inngangsprisen, og vi må bare leve med den.
Men hvis det er treningsstølhet, er fremgangsmåten en helt annen. Du styrer belastningen. Du bygger deg gradvis opp. Du dropper ikke treningssenteret fordi du er støl. Og fremfor alt antar du ikke at dagens utmattelsesnivå også blir morgendagens.
Utviklerne som kommer seg gjennom denne fasen og bygger kognitive baner for å lede AI-arbeid, gjennomgå på riktig detaljnivå og ivareta den tiltenkte arkitekturen på tvers av parallelle arbeidsløp, vil etter hvert gjøre dette like naturlig som å kjøre bil. Tretimersveggen flytter seg til fem timer, deretter sju. Ikke fordi de jobber hardere, men fordi arbeidet slutter å kreve samme type innsats.
Utviklerne som derimot leser om «AI-utmattelse» og bestemmer seg for å bli på nivå to, komfortabelt innenfor det kjente og uten å være utslitt, vil havne i en langt dårligere situasjon.
Ikke fordi de ikke fulgte med på en trend, men fordi de aldri begynte på treningen som alle andre allerede har kommet seg gjennom.
Den virkelige risikoen: å forveksle stølhet med skade
Jeg vil være tydelig på én ting. Det er forskjell på treningsstølhet og en faktisk skade, og det gjelder her også.
Hvis du driver med «vibe-koding» fjorten timer om dagen, sover fire timer og går på adrenalin fordi alt det nye er berusende, er det ikke trening. Det er overtrening. Og akkurat som på treningssenteret bygger ikke overtrening opp noe. Den bryter deg ned.
Yegges observasjon om tre timer er verdifull som et signal om dagens behov for restitusjon, ikke som et permanent tak. Tidlig i treningen trenger du mer hvile mellom øktene. Etter hvert som du tilpasser deg, tåler du større mengder. De som blir utbrent, er ikke dem som utfører tre timer med konsentrert AI-støttet arbeid. Det er dem som ikke klarer å stoppe fordi tilbakemeldingssløyfen er for fengslende. Det er nøyaktig den samme spilleautomatmekanismen jeg har skrevet om tidligere.
Svaret er ikke å unngå treningssenteret. Det er å trene smart: intense økter, ordentlig restitusjon og gradvis fremgang.
En spådom ingen andre kommer med
Dette tror jeg vil skje de neste tolv til atten månedene.
Fortellingen om «AI-utmattelse» vil nå toppen en gang i år. Det blir flere artikler, mer bekymring og sannsynligvis noen profilerte utviklere som offentlig «tar en pause fra AI-verktøy». Det vil oppleves som en betydelig motreaksjon.
Deretter vil fortellingen stilne. Ikke fordi folk slutter å bruke AI, men fordi de tidlige brukerne har tilpasset seg ferdig. For dem som har arbeidet slik i halvannet år, vil tretimersveggen føles som et fjernt minne. De vil styre AI-arbeidsflyter slik de en gang skrev for-løkker: uten å tenke over det.
Og gapet mellom dem som kom seg gjennom stølheten, og dem som ikke gjorde det, vil være enormt. Ikke fordi AI-ferdigheter er sjeldne, men fordi selve tilpasningen, evnen til å tenke i form av ledelse, vurdering og koordinering fremfor implementering linje for linje, vil ha blitt helt naturlig for den ene gruppen og fullstendig fremmed for den andre.
Den verste reaksjonen på treningsstølhet har alltid vært den samme: å slutte å gå på treningssenteret.
Hva dette betyr for ledere
Hvis du leder et utviklerteam nå, må du forstå hva du faktisk ser. De mest produktive utviklerne dine er også de mest slitne. Det er ingen motsetning. Det er det tydeligste signalet du har om at tilpasningen er i gang.
Ikke svar med å bremse innføringen av AI. Ikke lat som utmattelsen er innbilt, heller. Gjør som en god trener: Styr treningsbelastningen. Forvent intense, konsentrerte økter med AI-støttet arbeid etterfulgt av ordentlig restitusjon. Gi folk tillatelse til å jobbe det som oppleves som færre timer, mens de bygger nye kognitive ferdigheter. Resultatene vil likevel være mange ganger større enn før.
Selskapene som lykkes med dette, vil ha tilpassede team ved årets slutt. De som enten ignorerer utmattelsen eller trekker seg tilbake fra AI på grunn av den, vil ende opp med det verste fra begge utfall: utslitte utviklere som aldri kom seg gjennom den vanskeligste delen av kurven.
Vi opplever ikke bivirkningene av en ny teknologi. Vi er i de første treningsukene for en ny måte å arbeide på. Stølheten er beviset på at det virker. Gå inn i det, styr belastningen og stol på at hjernen, som alle andre tilpasningsdyktige systemer i naturen, vil gjøre det den alltid har gjort.
Den vil tilpasse seg.












