Liderzy opinii
Zmęczenie AI jest realne. Ale nie jest tym, za co je uważasz

Kluczowe punktyZmęczenie AI to przejściowa 'zakwasowa' trudność w nauce nowej umiejętności poznawczej…
Zobacz więcej
- Zmęczenie AI to przejściowa 'zakwasowa' trudność w nauce nowej umiejętności poznawczej, a nie trwały stan.
- Wyczerpanie osiąga szczyt w środkowych etapach wdrażania AI, zanim wykształcą się efektywne ścieżki mentalne.
- Liderzy muszą zarządzać tym obciążeniem poznawczym jak trener, a nie wycofywać się z adopcji AI.
Właśnie powstaje narracja, która przyciąga dużo uwagi: AI nas wyczerpuje. Inżynierowie dostarczają więcej kodu niż kiedykolwiek i czują się gorzej niż kiedykolwiek. Określenie „zmęczenie AI” krąży coraz szerzej, a komentarzy przybywa.
Pewien inżynier oprogramowania pisze w Business Insider, że poprzedni kwartał był dla niego jednocześnie najbardziej produktywny i najbardziej wyczerpujący. Steve Yegge, który dosłownie napisał książkę o vibe codingu, mówi w The Pragmatic Engineer, że ucina sobie drzemki w ciągu dnia i ogranicza właściwą pracę wspomaganą AI do trzech godzin. Założyciele startupów dochodzą do granic sił o czternastej. Jeden z najczęściej udostępnianych wpisów tego miesiąca ostrzega, że AI ma „wampiryczny wpływ” na osoby, które używają jej najwięcej.
Jednej rzeczy nikt zdaje się nie zauważać: największego zmęczenia nie zgłaszają sceptycy, lecz gorliwi zwolennicy.
Inżynierowie, którzy zatrzymali się na pierwszym poziomie skali wdrażania AI Yeggego i całkowicie ignorują AI, czują się dobrze. Może trochę się niepokoją, ale nie są wyczerpani. Zupełnie bez sił wracają do domu ci z poziomów piątego, szóstego i siódmego: zaangażowali się w pełni, uruchamiają wielu agentów, koordynują złożone przepływy pracy i dostarczają wyniki w tempie, którego wcześniej sobie nie wyobrażali.
Ten wzorzec powinien nam coś mówić. Moim zdaniem mówi, że „zmęczenie AI” jest całkowicie błędną diagnozą.
Nie masz problemu ze zmęczeniem. Masz problem z treningiem.
Pomyśl o swoim pierwszym martwym ciągu. Nie ze szczególnie dużym ciężarem, po prostu o samym ruchu. Następnego ranka całe ciało sprawiało wrażenie rozłożonego na części i nieprawidłowo złożonego. Bolały nogi. Bolały plecy. Mięśnie, o których istnieniu nie wiedziałeś, dawały znać w najbardziej nieprzyjemny sposób.
Gdyby ktoś zmierzył twoje wyniki tego dnia, wyglądałyby fatalnie. Ledwie mogłeś usiąść bez grymasu. Mógłbyś rozsądnie uznać, że martwego ciągu nie da się wykonywać długofalowo, że ludzkie ciało nie jest do niego stworzone i że koszty przewyższają korzyści.
Ale po sześciu miesiącach podnosisz oczywiście dwukrotnie większy ciężar i czujesz się później dobrze. Ciało zbudowało nowe ścieżki i się przystosowało. Ruch wymagający wcześniej całego świadomego wysiłku stał się automatyczny. Bolesność mięśni nie oznaczała, że jesteś uszkodzony. Oznaczała budowanie czegoś nowego.
Dokładnie to dzieje się z pracą wspomaganą AI.
Obciążenie poznawcze, o którym nikt nie mówi
Kiedy piszesz kod tradycyjnie, mózg uruchamia dobrze przećwiczony program. Robiłeś to tysiące razy. Znasz sekwencje klawiszy, wzorce i rytm wyszukiwania błędów. To jak codzienna jazda do pracy: technicznie skomplikowana, lecz tak wyćwiczona, że możesz przy tym myśleć o kolacji.
Praca wspomagana AI jest zasadniczo innym zadaniem poznawczym. Nie piszesz już kodu. Kierujesz, oceniasz, decydujesz, zmieniasz kontekst między wieloma agentami i przeglądasz wyniki, których sam nie napisałeś. Utrzymujesz w głowie zamysł architektury systemu, podczas gdy AI dokonuje wyborów implementacyjnych wymagających sprawdzenia w czasie rzeczywistym.
To nie ta sama praca wykonywana szybciej, lecz całkiem inna praca. Mózg nie zbudował jeszcze wydajnych ścieżek do jej wykonywania.
Każda decyzja wciąż jest świadoma. Każdy przegląd wymaga aktywnego wysiłku. Monitorujesz jakość, utrzymujesz kontekst w równoległych strumieniach pracy i nieustannie oceniasz wyniki AI. Dlatego trzy godziny takiej pracy mogą wyczerpać bardziej niż osiem godzin tradycyjnego programowania. To poznawczy odpowiednik pierwszego tygodnia na siłowni.
Krzywa wdrażania jest w rzeczywistości krzywą wyczerpania
Ośmiopoziomowy schemat Yeggego dotyczący wdrażania AI niemal idealnie pokrywa się z krzywą wyczerpania, choć nie sądzę, żeby taki był jego zamiar.
Na poziomach pierwszym i drugim prawie nie używasz AI. Trochę autouzupełniania, czasem pytanie. Niewielkie obciążenie poznawcze. Niewielkie zmęczenie.
Na poziomach od trzeciego do szóstego trafiasz na głęboką wodę. Dajesz agentowi więcej autonomii, sprawdzasz mniej wiersz po wierszu, a bardziej całościowo, uruchamiasz wielu agentów i stale poruszasz się w przepływie pracy, który osiemnaście miesięcy temu nie istniał. Tu pojawia się wyczerpanie. To jest martwy ciąg z dużym ciężarem.
Na poziomach siódmym i ósmym zaczyna się coś ciekawego. Zbudowałeś systemy koordynacji. AI działa bardziej samodzielnie. Nauczyłeś się, czemu ufać, a co sprawdzać. Opisujesz pożądane wyniki i odchodzisz. Matt Shumer opisuje właśnie to: mówi AI, co zbudować, wychodzi na cztery godziny i wraca do gotowej pracy. Przystosowanie zaczyna przynosić efekty.
Wyczerpanie nie rozkłada się równomiernie. Osiąga szczyt pośrodku, dokładnie tam, gdzie obecnie jest większość wczesnych użytkowników. Dlatego zmęczenie wydaje się powszechne: wśród osób najwięcej mówiących o AI nieproporcjonalnie dużo jest tych na najtrudniejszym odcinku krzywej uczenia się.
Nikt nie pisał artykułów o „zmęczeniu prowadzeniem samochodu”
Pamiętasz naukę jazdy? Gdy po raz pierwszy włączałeś się do ruchu na autostradzie, pewnie ściskałeś kierownicę, jakby zależało od tego życie, co zresztą było prawdą. Wracałeś do domu po półgodzinnej jeździe zupełnie wyczerpany. Mózg pracował na najwyższych obrotach: kontrola lusterek, regulowanie prędkości, przewidywanie zachowań innych kierowców i odczytywanie znaków, wszystko jednocześnie i świadomie.
Teraz jedziesz godzinę, jednym uchem słuchając podcastu i jedząc kanapkę. Zadanie się nie zmieniło. Ty się zmieniłeś. Mózg zbudował wydajne ścieżki neuronalne do prowadzenia i skompresował do procesów w tle to, co wcześniej wymagało pełnej świadomej uwagi.
Nikt nie pisał rozważań o „zmęczeniu prowadzeniem samochodu” jako kryzysie egzystencjalnym. Nikt nie sugerował, że samochody mają „wampiryczny wpływ” na kierowców. Intuicyjnie rozumieliśmy, że wyczerpanie jest przejściowe. To koszt uczenia się czegoś nowego.
Tego brakuje w obecnej dyskusji. „Zmęczenie AI” traktuje się jako stan trwały, podstawową cechę technologii, choć w rzeczywistości jest kosztem przejścia. To bolesność mięśni po treningu, nie choroba przewlekła.
Dlaczego chodzi o coś więcej niż komfort
To rozróżnienie nie dotyczy tylko słów. Sposób zdiagnozowania problemu wyznacza sposób działania.
Jeśli zmęczenie AI jest trwałą cechą technologii, trzygodzinny limit Yeggego będzie sufitem na zawsze. Firmy powinny planować pracę inżynierów produktywnych tylko przez ułamek dnia. „Wampiryczny wpływ” to cena wejścia, z którą musimy żyć.
Jeżeli jednak to bolesność mięśni po treningu, podejście jest zupełnie inne. Zarządzasz obciążeniem i budujesz sprawność stopniowo. Nie opuszczasz siłowni tylko dlatego, że bolą mięśnie. I przede wszystkim nie zakładasz, że dzisiejszy poziom wyczerpania będzie jutrzejszym.
Inżynierowie, którzy przejdą tę fazę, zbudują ścieżki poznawcze potrzebne do kierowania pracą AI, sprawdzania na właściwym poziomie szczegółowości i zachowywania zamysłu architektury w równoległych strumieniach pracy. Z czasem będą to robić tak naturalnie jak prowadzić samochód. Trzygodzinna bariera przesunie się do pięciu, potem do siedmiu godzin. Nie dlatego, że pracują ciężej, ale dlatego, że praca przestanie wymagać tego samego rodzaju wysiłku.
Tymczasem inżynierowie, którzy przeczytają o „zmęczeniu AI” i postanowią pozostać na poziomie drugim, wygodnym i znajomym, bez wyczerpania, znajdą się w znacznie gorszej sytuacji.
Nie dlatego, że nie nadążyli za trendem, lecz dlatego, że nigdy nie zaczęli treningu, który inni już przeszli.
Prawdziwe ryzyko: mylenie bolesności mięśni z urazem
Chcę wyjaśnić jedną rzecz. Bolesność mięśni po treningu różni się od rzeczywistego urazu. Dotyczy to również tej sytuacji.
Jeśli uprawiasz vibe coding czternaście godzin dziennie, śpisz cztery godziny i działasz na adrenalinie, bo nowość jest odurzająca, to nie jest trening. To przetrenowanie. Jak na siłowni, przetrenowanie niczego nie buduje. Niszczy cię.
Obserwacja Yeggego dotycząca trzech godzin jest cenna jako sygnał obecnych potrzeb regeneracyjnych, nie jako stały sufit. Na początku treningu potrzebujesz więcej odpoczynku między sesjami. W miarę przystosowania znosisz większą objętość pracy. Wypalają się nie ci, którzy wykonują trzy godziny skoncentrowanej pracy wspomaganej AI, lecz ci, którzy nie potrafią przestać, bo pętla informacji zwrotnej jest zbyt wciągająca. To dokładnie mechanizm automatu do gier, o którym już pisałem.
Odpowiedzią nie jest unikanie siłowni, lecz mądry trening: intensywne sesje, rzeczywista regeneracja i stopniowy postęp.
Przewidywanie, którego nie przedstawia nikt inny
Oto co moim zdaniem stanie się w ciągu kolejnych dwunastu do osiemnastu miesięcy.
Narracja o „zmęczeniu AI” osiągnie szczyt w którymś momencie tego roku. Przybędzie artykułów i zaniepokojonych głosów, a zapewne kilku znanych inżynierów publicznie „zrobi przerwę od narzędzi AI”. Wyda się to znaczącą reakcją sprzeciwu.
Potem po cichu zaniknie. Nie dlatego, że ludzie przestaną używać AI, lecz dlatego, że wcześni użytkownicy skończą się przystosowywać. Trzygodzinna bariera będzie odległym wspomnieniem dla tych, którzy robią to od półtora roku. Będą kierować przepływami pracy AI tak, jak kiedyś pisali pętle for: bez zastanawiania się nad tym.
Różnica między tymi, którzy przeszli przez bolesność mięśni, a tymi, którzy tego nie zrobili, będzie ogromna. Nie dlatego, że umiejętności AI są rzadkie, lecz dlatego, że samo przystosowanie, umiejętność myślenia o kierowaniu, ocenie i koordynacji zamiast implementacji wiersz po wierszu, stanie się dla jednej grupy drugą naturą, a drugiej pozostanie zupełnie obce.
Najgorsza odpowiedź na bolesność mięśni po treningu zawsze była taka sama: przestać chodzić na siłownię.
Co to oznacza dla liderów
Jeśli kierujesz teraz zespołem inżynierów, zrozum, na co naprawdę patrzysz. Najbardziej produktywni inżynierowie są też najbardziej zmęczeni. To nie sprzeczność, lecz najwyraźniejszy dostępny sygnał, że trwa przystosowanie.
Nie reaguj ograniczaniem wdrażania AI. Nie udawaj też, że zmęczenie jest nieprawdziwe. Postępuj jak dobry trener: zarządzaj obciążeniem treningowym. Oczekuj intensywnych, skoncentrowanych sesji pracy wspomaganej AI, po których następuje prawdziwa regeneracja. Pozwól ludziom pracować w wymiarze, który wydaje się skrócony, gdy budują nowe zdolności poznawcze. Efekty nadal będą wielokrotnie większe niż wcześniej.
Firmy, które zrobią to dobrze, będą miały przystosowane zespoły do końca roku. Te, które ignorują zmęczenie lub w odpowiedzi na nie wycofują się z AI, dostaną najgorsze cechy obu rezultatów: wyczerpanych inżynierów, którzy nigdy nie przeszli najtrudniejszej części krzywej.
Nie doświadczamy skutków ubocznych nowej technologii. Jesteśmy w pierwszych tygodniach treningu nowego sposobu pracy. Bolesność mięśni dowodzi, że to działa. Przyjmij ją, zarządzaj nią i ufaj, że mózg, jak każdy inny system adaptacyjny w naturze, zrobi to, co robił zawsze.
Przystosuje się.












