AI-trötthet är verklig. Men det är inte vad du tror

Det finns en berättelse som byggs upp just nu som får mycket uppmärksamhet: AI utmattar oss. Ingenjörer skickar mer kod än någonsin och känner sig sämre än någonsin. Begreppet “AI-trötthet” gör rundor, och åsikterna hopar sig.

En programvaruutvecklare skriver i Business Insider att förra kvartalet var hans mest produktiva och mest utmattande. Steve Yegge, som bokstavligen skrev boken om “vibe coding”, berättar för The Pragmatic Engineer att han sover på dagen och begränsar riktigt AI-förstärkt arbete till tre timmar. Startup-grundare slår i väggen klockan 14. En av de mest delade inläggen den här månaden varnar för att AI har en “vampyrisk effekt” på de som använder det mest.

Här är vad ingen tycks lägga märke till: de som rapporterar om mest trötthet är inte skeptikerna. De är de sanna troende.

Ingenjörerna som är fast i nivå ett på Yegges åtta nivåer för AI-antagande, de som ignorerar AI helt, känner sig bra. En aning ångest, kanske, men inte utmattade. Det är de som är på nivåerna fem, sex, sju, de som har gått all-in, kör flera agenter, orkestrerar komplexa arbetsflöden, skickar med en hastighet de aldrig tidigare har trott, som kommer hem utmattade.

Detta mönster borde säga oss något. Och jag tror att det säger att “AI-trötthet” är fel diagnos helt och hållet.

Du har inte ett trötthetsproblem. Du har ett utbildningsproblem.

Tänk på första gången du någonsin lyfte en dödlyft. Inte en särskilt tung vikt. Bara rörelsen i sig. Du vaknade upp nästa morgon och hela din kropp kändes som om den hade tagits isär och satts ihop igen fel. Dina ben var ömma. Din rygg var ömma. Muskler du inte visste fanns gjorde sig kännbara på det mest obehagliga sättet.

Om någon hade mätt din utmatning den dagen, skulle det ha sett ut som om det vore dåligt. Du kunde knappt sitta ner utan att grimasera. Du kanske hade rimligtvis dragit slutsatsen att dödlyftning är ohållbart, att den mänskliga kroppen inte är byggd för det, att kostnaden överstiger fördelen.

Men naturligtvis, sex månader senare lyfter du dubbelt så tungt och känner dig bra efteråt. Din kropp byggde nya banor. Den anpassade sig. Rörelsen som en gång krävde varje uns av medveten ansträngning blev automatisk. Ömheten betydde inte att du var trasig. Det betydde att du byggde något nytt.

Detta är exakt vad som händer med AI-förstärkt arbete.

Den kognitiva belastning som ingen pratar om

När du skriver kod på traditionellt sätt, körs din hjärna ett väl inövat program. Du har gjort det tusentals gånger. Du känner till tangentbordsgenvägarna, mönstren, felsökningsrytmen. Det är som att köra din dagliga pendling: tekniskt komplext, men så väl övat att du kan göra det medan du tänker på middagen.

AI-förstärkt arbete är en grundligt annorlunda kognitiv uppgift. Du skriver inte kod längre. Du dirigerar, utvärderar, bestämmer, växlar kontext mellan flera agenter, granskar utdata du inte skrev, håller arkitekturavsikten i ditt huvud medan en AI gör implementeringsval som du behöver validera i realtid.

Det är inte samma jobb som görs snabbare. Det är ett annat jobb helt och hållet. Och din hjärna har inte byggt de effektiva banorna för det ännu.

Varje beslut är fortfarande medvetet. Varje granskning kräver aktiv ansträngning. Du övervakar kvalitet, underhåller kontext över parallella arbetsflöden, gör bedömningar om AI-utdata konstant. Det är därför som tre timmars arbete kan lämna dig mer utmattad än åtta timmars traditionellt kodande. Det är den kognitiva motsvarigheten till din första vecka på gymmet.

Antagningskurvan är egentligen en utmattningskurva

Yegges åtta nivåer för AI-antagande kartlägger nästan perfekt på en utmattningskurva, även om jag inte tror att det var hans avsikt.

På nivåerna ett och två använder du knappt AI. Autokomplettera här, en fråga där. Inget stort kognitivt tryck. Inget stort trötthet.

På nivåerna tre till sex är du i djupet. Du har gett agenten mer autonomi, du granskar mindre rad för rad och mer holistiskt, du kör flera agenter och du navigerar konstant i ett arbetsflöde som inte fanns för 18 månader sedan. Det är här utmattningen bor. Det är den tunga dödlyftningen.

På nivåerna sju och åtta börjar något intressant hända. Du har byggt orkestreringsystem. AI-arbetet fungerar mer autonomt. Du har lärt dig vad du kan lita på och vad du ska kontrollera. Du beskriver resultat och går därifrån. Matt Shumer beskriver exakt detta: berätta för AI vad den ska bygga, gå därifrån i fyra timmar och komma tillbaka till färdigt arbete. Anpassningen börjar ta fart.

Utmattningen är inte jämnt fördelad. Den toppar i mitten, precis där de flesta tidiga antagare sitter just nu. Och det är därför tröttheten känns universell: de som pratar om AI mest är oproportionerligt de som är i den svåraste delen av lärandekurvan.

Ingen skrev artiklar om “körtrötthet”

Kom ihåg när du lärde dig köra? Första gången du körde in på en motorväg, höll du antagligen ratten som om ditt liv berodde på det (vilket, för att vara ärlig, det gjorde). Du kom hem från en 30-minuters körning helt utmattad. Din hjärna hade kört på maximal kapacitet: kollade backspeglar, hanterade hastighet, förutspådde andra förare, bearbetade vägskyltar, allt samtidigt och allt medvetet.

Nu kör du en timme medan du halvlurar till en podcast och äter en smörgås. Uppgiften har inte ändrats. Du har ändrats. Din hjärna har byggt effektiva neurala banor för körning, komprimerat vad som tidigare krävde fullt medvetet fokus till bakgrundsprocesser.

Ingen skrev tankar om “körtrötthet” som en existentiell kris. Ingen föreslog att bilar har en “vampyrisk effekt” på sina förare. Vi förstod, intuitivt, att utmattningen var tillfällig. Det var kostnaden för att lära sig något nytt.

Det är den delen som den nuvarande diskursen saknar. “AI-trötthet” behandlas som en permanent tillstånd, en grundläggande funktion i tekniken, när det i själva verket är en övergångskostnad. Det är träningsömhet, inte kronisk sjukdom.

Varför detta är viktigare än komfort

Denna distinktion är inte bara semantisk. Hur du diagnostiserar problemet bestämmer vad du gör åt det.

Om AI-trötthet är en permanent funktion i tekniken, då är Yegges tre-timmarsgräns taket för alltid. Företag bör planera för ingenjörer som bara kan vara produktiva en bråkdel av dagen. “Vampyriska effekten” är priset för inträde, och vi måste bara leva med det.

Men om det är träningsömhet, då är spelplanen helt annorlunda. Du hanterar belastningen. Du bygger gradvis. Du slutar inte gå till gymmet för att du är öm. Och kritiskt, du antar inte att dagens utmattning är morgondagens.

Ingenjörerna som trycker igenom denna fas, som bygger de kognitiva banorna för att dirigera AI-arbete, granska på rätt höjd, och upprätthålla arkitekturavsikten över parallella arbetsflöden, kommer så småningom att göra detta lika naturligt som att köra. Tre-timmarsväggen kommer att flytta till fem, sedan sju. Inte för att de arbetar hårdare, utan för att arbetet slutar vara ansträngande på samma sätt.

Medan de ingenjörer som läser om “AI-trötthet” och bestämmer sig för att stanna på nivå två, bekväma, bekanta, inte utmattade, kommer att hitta sig själva i en mycket sämre position.

Inte för att de misslyckades med att hålla jämna steg med en trend, utan för att de aldrig började den utbildning som alla andra redan gick igenom.

Den verkliga risken: Förväxla ömhet med skada

Jag vill vara tydlig med något. Det finns en skillnad mellan träningsömhet och verklig skada, och det gäller här också.

Om du “vibe-kodar” i 14 timmar om dagen, sover fyra timmar och springer på adrenalin för att nyheten är berusande, det är inte utbildning. Det är överutbildning. Och precis som på gymmet, överutbildning bygger inte upp något. Det bryter ner.

Yegges tre-timmarsobservation är värdefull inte som ett permanent tak, utan som en signal om nuvarande återhämtningsbehov. När du är tidigt i utbildningen, behöver du mer vila mellan sessioner. När du anpassar dig, kan du hantera mer volym. De som bränner ut sig är inte de som gör tre fokuserade timmar av AI-förstärkt arbete. De är de som inte kan sluta för att feedback-loopen är för lockande, vilket är exakt den slot-maskin-dynamik jag har skrivit om tidigare.

Svaret är inte att undvika gymmet. Det är att träna smart: intensiva sessioner, riktigt återhämtning, gradvis progression.

En förutsägelse som ingen annan gör

Här är vad jag tror händer under de kommande 12 till 18 månaderna.

“AI-trötthets”-berättelsen kommer att kulminera någon gång i år. Det kommer att finnas fler artiklar, mer handvävnad, förmodligen några högprofilerade ingenjörer som offentligt “tar en paus från AI-verktyg”. Det kommer att kännas som en meningsfull motreaktion.

Sedan kommer det att tystna ner. Inte för att människor har slutat använda AI, utan för att de tidiga antagarna har avslutat anpassningen. Tre-timmarsväggen kommer att kännas som en avlägsen minnesbild för de som har gjort detta i ett och ett halvt år. De kommer att dirigera AI-arbetsflöden på samma sätt som de en gång skrev for-loops: utan att tänka på det.

Och gapet mellan de som tryckte igenom ömheten och de som inte gjorde det kommer att vara enormt. Inte för att AI-färdigheter är sällsynta, utan för att anpassningen i sig, förmågan att tänka i termer av riktning, utvärdering och orkestrering snarare än rad-för-rad-implementering, kommer att ha blivit second nature för en grupp och helt främmande för den andra.

Den sämsta reaktionen på träningsömhet har alltid varit densamma: sluta gå till gymmet.

Vad detta betyder för ledare

Om du för närvarande driver ett ingenjörsteam, förstå vad du faktiskt tittar på. Dina mest produktiva ingenjörer är också dina mest utmattade. Det är inte en motsägelse. Det är det tydligaste signalen du har om att anpassning är på gång.

Svara inte genom att skala tillbaka AI-antagandet. Svara inte genom att förneka att tröttheten är verklig heller. Svara på samma sätt som en bra tränare skulle: hantera utbildningsbelastningen. Förvänta dig intensiva, fokuserade sessioner av AI-förstärkt arbete följt av äkta återhämtning. Ge människor tillåtelse att fungera på vad som känns som reducerade timmar medan de bygger nya kognitiva färdigheter. Utmatningen kommer fortfarande att vara multiplar av vad den var tidigare.

Företagen som får detta rätt kommer att ha anpassade team innan året är slut. De som antingen ignorerar tröttheten eller backar från AI som svar på den kommer att hitta sig själva med det sämsta av båda resultaten: utmattade ingenjörer som aldrig gick igenom den svåraste delen av kurvan.

Vi upplever inte bieffekterna av en ny teknik. Vi är i de tidiga veckorna av utbildning för ett nytt sätt att arbeta. Ömheten är beviset på att det fungerar. Luta dig in i det, hantera det, och lita på att din hjärna, som alla andra adaptiva system i naturen, kommer att göra vad den alltid har gjort.

Den kommer att anpassa sig.