AI-utmattelse er virkelig. Men det er ikke hva du tror

Det bygges nå en narativ som får mye oppmerksomhet: AI drenerer oss. Ingeniører sender mer kode enn noen gang og føler seg dårligere enn noen gang. Begrepet “AI-utmattelse” gjør rundgang, og kommentarene hopper opp.

En programvareingeniør skriver i Business Insider at forrige kvartal var hans mest produktive og mest utmattende. Steve Yegge, som faktisk skrev boken om vibe-koding, forteller The Pragmatic Engineer at han sover om dagen og begrenser virkelig AI-forbedret arbeid til tre timer. Startup-grunnleggere treffer en vegg klokken 14. En av de mest deltene postene denne måneden advarer om at AI har en “vampyrisk effekt” på de som bruker det mest.

Her er hva ingen synes å merke: de som rapporterer mest utmattelse er ikke skeptikerne. De er de sanne troende.

Ingeniørene som er fast på nivå én på Yegges adopsjonsskala, de som ignorerer AI helt, føler seg grei. En smule engstelige, kanskje, men ikke drener. Det er de som er på nivå fem, seks, syv, de som har gått all-in, kjører multiple agenter, orkestrerer komplekse arbeidsflyter, sender på hastigheter de aldri har forestilt seg, som kommer hjem kokede.

Den mønsteren burde si oss noe. Og jeg tror det sier oss at “AI-utmattelse” er feil diagnose helt og holdent.

Du har ikke et utmattelsesproblem. Du har et treningproblem.

Tenk på første gang du noen gang dødløftet. Ikke et spesielt tungt vekt. Bare bevegelsen selv. Du våknet opp neste morgen og hele kroppen din føltes som om den hadde blitt demontert og satt sammen feil. Benene dine var ømme. Ryggen din var øm. Muskler du ikke visste eksisterte gjorde seg kjent på den mest ubehagelige måten mulig.

Hvis noen hadde målt din output den dagen, ville det ha sett dårlig ut. Du kunne knapt sitte ned uten å krumme seg. Du måtte kanskje rimelig konkludere med at dødløfting er uholdbar, at det menneskelige kroppen ikke er bygget for det, at kostnadene overstiger fordelen.

Men selvfølgelig, seks måneder senere løfter du dobbelt så mye vekt og føler deg grei etterpå. Kroppen din bygget nye veier. Den tilpasset seg. Bevegelsen som en gang krevde hver eneste dråpe bevisst anstrengelse ble automatisk. Ømheten betydde ikke at du var ødelagt. Det betydde at du bygget noe nytt.

Dette er akkurat hva som skjer med AI-forbedret arbeid.

Den kognitive belastningen ingen snakker om

Når du skriver kode på den tradisjonelle måten, kjører hjernen din en godt kjent program. Du har gjort det tusenvis av ganger. Du kjenner tastaturet, mønsterene, feilsøkingsrytmene. Det er som å kjøre din daglige pendling: teknisk komplekst, men så godt øvet at du kan gjøre det mens du tenker på middag.

AI-forbedret arbeid er en fundamentalt annen kognitiv oppgave. Du skriver ikke kode lenger. Du dirigerer, vurderer, bestemmer, skifter kontekst mellom multiple agenter, gjennomgår utdata du ikke skrev, holder arkitektonisk intensjon i hodet mens en AI gjør implementeringsvalg du må validere i sanntid.

Det er ikke det samme jobben gjort raskere. Det er en annen jobb helt og holdent. Og hjernen din har ikke bygget de effektive veiene for det enda.

Hver beslutning er fortsatt bevisst. Hver gjennomgang tar aktiv anstrengelse. Du overvåker kvalitet, opprettholder kontekst over parallellarbeidsflyter, tar avgjørelser om AI-utdata konstant. Det er derfor at tre timer av dette arbeidet kan gjøre deg mer utmattet enn åtte timer av tradisjonell kodeing. Det er den kognitive ekvivalenten av din første uke på gymmet.

Adopsjonskurven er egentlig en utmattelseskurve

Yegges åtte-trinns rammeverk for AI-adopsjon kartlegger nesten perfekt over en utmattelseskurve, selv om jeg ikke tror det var hans intensjon.

På nivå én og to, bruker du knapt AI. Autocomplete her, et spørsmål der. Ikke mye kognitiv belastning. Ikke mye utmattelse.

På nivå tre til seks, er du i dypt vann. Du har gitt agenten mer autonomi, du gjennomgår mindre linje-for-linje og mer helhetlig, du kjører multiple agenter, og du navigerer konstant en arbeidsflyt som ikke eksisterte for 18 måneder siden. Dette er der utmattelsen bor. Dette er det tunge dødløftet.

På nivå syv og åtte, skjer noe interessant. Du har bygget orkestreringsystemer. AI-arbeider mer autonomt. Du har lært hva du kan stole på og hva du må sjekke. Du beskriver resultater og går vekk. Matt Shumer beskriver akkurat dette: fortelle AI hva å bygge, gå vekk i fire timer, og komme tilbake til ferdig arbeid. Tilpasningen begynner å ta hold.

Utmattelsen er ikke jevnt fordelt. Den toppar i midten, rett der de fleste tidlige adoptanter sitter nå. Og det er derfor utmattelsen føles universell: de som snakker mest om AI, er uforholdsmessig de som er i den hardeste delen av læringkurven.

Ingen skrev artikler om “kjørefatigue”

Husk å lære å kjøre? Første gang du slo deg inn på en motorvei, grep du kanskje rattet som om livet ditt avhengig av det (hvilket, å være fair, det gjorde). Du kom hjem fra en 30-minutters kjøretur fullstendig utmattet. Hjernen din hadde kjørt på maksimal kapasitet: sjekket speil, håndtert hastighet, forutså andre kjøretøy, prosesserte veiskilt, alle samtidig og alle bevisst.

Nå kjører du en time mens du hører på en podcast og spiser en sandwich. Oppgaven har ikke endret seg. Du har endret deg. Hjernen din bygget effektive neurale veier for kjøring, komprimerte hva som en gang krevde full bevisst oppmerksomhet til bakgrunnsprosesser.

Ingen skrev tanker om “kjørefatigue” som en eksistensiell krise. Ingen foreslo at biler har en “vampyrisk effekt” på sine operatører. Vi forsto, intuitivt, at utmattelsen var midlertidig. Det var kostnaden av å lære noe nytt.

Det er det delen av den nåværende diskursen som mangler. “AI-utmattelse” behandles som en permanent tilstand, en grunnleggende egenskap ved teknologien, når det i virkeligheten er en overgangskostnad. Det er treningsømhet, ikke kronisk sykdom.

Hvorfor dette betyr mer enn komfort

Denne distinksjonen er ikke bare semantisk. Hvordan du diagnostiserer problemet bestemmer hva du gjør med det.

Hvis AI-utmattelse er en permanent egenskap ved teknologien, så er Yegges tre-timers tak det endelige taket for alltid. Selskaper bør planlegge for ingeniører som bare kan være produktive en brøkdel av dagen. “Vampyr-effekten” er prisen for adgang, og vi må bare leve med det.

Men hvis det er treningsømhet, så er spillboken helt annerledes. Du håndterer belastningen. Du bygger gradvis. Du stopper ikke å gå på gymmet fordi du er øm. Og kritisk, du antar ikke at dagens utmattelsesnivå er morgendagens.

Ingeniørene som presser gjennom denne fasen, som bygger de kognitive veiene for å dirigere AI-arbeid, gjennomgå på riktig høyde, og opprettholder arkitektonisk intensjon over parallellarbeidsflyter, vil til slutt gjøre dette like naturlig som å kjøre. Tre-timers veggen vil flytte til fem, så syv. Ikke fordi de jobber harder, men fordi arbeidet slutter å være anstrengende på samme måte.

I mellomtiden vil ingeniørene som leser om “AI-utmattelse” og bestemmer seg for å bli på nivå to, komfortabelt, kjent, ikke utmattet, finne seg i en mye verre posisjon.

Ikke fordi de mislyktes i å holde tritt med en trend, men fordi de aldri startet treningen som alle andre allerede har gått gjennom.

Den virkelige risikoen: å forveksle ømhet med skade

Jeg vil være tydelig om en ting. Det er en forskjell på treningsømhet og faktisk skade, og det gjelder her også.

Hvis du “vibe-koder” i 14 timer om dagen, sover fire timer, og kjører på adrenalin fordi nysgjerrigheten er berusende, er det ikke trening. Det er overtrening. Og akkurat som på gymmet, bryter overtrening ikke noe. Det bryter deg ned.

Yegges tre-timers observasjon er verdifull ikke som et permanent tak, men som et signal om nåværende rekoveringsbehov. Når du er tidlig i treningen, trenger du mer hvile mellom sesjoner. Etterhvert som du tilpasser deg, kan du håndtere mer volum. De som brenner ut er ikke de som gjør tre fokuserte timer av AI-forbedret arbeid. De er de som ikke kan stoppe fordi tilbakemeldingsloopet er for overbevisende, hvilket er akkurat den spilleautomat-dynamikken jeg har skrevet om tidligere.

Svaret er ikke å unngå gymmet. Det er å trene smart: intense sesjoner, ekte rekovering, gradvis fremgang.

En forutsigelse ingen andre gjør

Her er hva jeg tror skjer over de neste 12 til 18 månedene.

“AI-utmattelse”-narrativen vil nå et høydepunkt en gang i år. Det vil være flere artikler, mer håndtering, kanskje noen få høyprofilerte ingeniører som offentlig “tar en pause fra AI-verktøy.” Det vil føles som en meningsfull motreaksjon.

Så vil det stille og rolig forsvinne. Ikke fordi folk slutter å bruke AI, men fordi de tidlige adoptantene fullfører tilpasningen. Tre-timers veggen vil føles som en fjern erindring for de som har gjort dette i ett og et halvt år. De vil dirigere AI-arbeidsflyter på samme måte som de en gang skrev for-løkker: uten å tenke på det.

Og gapet mellom de som presset gjennom ømheten og de som ikke gjorde det, vil være enormt. Ikke fordi AI-ferdigheter er sjeldne, men fordi tilpasningen selv, evnen til å tenke i retning, vurdering og orkestrering snarere enn linje-for-linje implementering, vil ha blitt andre natur for en gruppe og fullstendig fremmed for en annen.

Den verste responsen på treningsømhet har alltid vært den samme: stopp å gå på gymmet.

Hva dette betyr for ledere

Hvis du kjører et ingeniørteam nå, forstå hva du faktisk ser på. Dine mest produktive ingeniører er også dine mest utmattede. Det er ikke en motsigelse. Det er det tydeligste signal du har om at tilpasning er i gang.

Svare ikke ved å redusere AI-adopsjon. Svare ikke ved å late som om utmattelsen ikke er virkelig heller. Svare på samme måte en god trener ville: håndter treningsbelastningen. Forvent intense, fokuserte sesjoner av AI-forbedret arbeid etterfulgt av ekte rekovering. Gi folk tillatelse til å operere på hva som føles som reduserte timer mens de bygger nye kognitive ferdigheter. Utgangen vil fortsatt være multipler av hva det var før.

Selskapene som får dette rett, vil ha tilpassede team ved årets slutten. De som enten ignorerer utmattelsen eller trekker seg tilbake fra AI som respons, vil finne seg med det verste av begge resultater: utmattede ingeniører som aldri kom gjennom den hardeste delen av kurven.

Vi er ikke i ferd med å oppleve bieffektene av en ny teknologi. Vi er i de tidlige ukene av trening for en ny måte å jobbe på. Ømheten er beviset på at det fungerer. Lener deg inn i det, håndter det, og stol på at hjernen din, som alle andre adaptive systemer i naturen, vil gjøre hva den alltid har gjort.

Den vil tilpasse seg.