Tankeledare

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

Andrew Filev
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterAI-trötthet är tillfällig träningsvärk från att lära sig en ny kognitiv färdighet, inte…
Visa mer
  • AI-trötthet är tillfällig träningsvärk från att lära sig en ny kognitiv färdighet, inte ett permanent tillstånd.
  • Utmattningen når sin kulmen under mellanstadiet av AI-införandet innan effektiva mentala banor har formats.
  • Ledare måste hantera denna kognitiva belastning som en coach, inte dra sig tillbaka från AI-införande.

Just nu växer en berättelse fram som får stor uppmärksamhet: AI dränerar oss. Ingenjörer levererar mer kod än någonsin och mår sämre än någonsin. Uttrycket ”AI-trötthet” sprids, och tolkningarna blir allt fler.

En mjukvaruingenjör skriver i Business Insider att det senaste kvartalet var hans mest produktiva och mest utmattande. Steve Yegge, som bokstavligen har skrivit boken om vibe coding, berättar för The Pragmatic Engineer att han tar tupplurar på dagen och begränsar det egentliga AI-stödda arbetet till tre timmar. Startupgrundare går in i väggen redan klockan 14. Ett av månadens mest spridda inlägg varnar för att AI har en ”vampyrliknande effekt” på dem som använder tekniken mest.

Det här verkar ingen lägga märke till: de som rapporterar mest trötthet är inte skeptikerna. De är de övertygade anhängarna.

Ingenjörerna som har fastnat på nivå ett i Yegges skala för AI-införande, de som helt ignorerar AI, mår bra. Kanske är de lite oroliga, men inte dränerade. Det är de på nivå fem, sex och sju som kommer hem helt slut. De har satsat fullt ut, kör flera agenter, samordnar komplexa arbetsflöden och levererar i en takt de aldrig hade kunnat föreställa sig.

Det mönstret borde säga oss något. Jag tror att det säger att ”AI-trötthet” är en helt felaktig diagnos.

Du har inte ett trötthetsproblem. Du har ett träningsproblem.

Tänk på första gången du gjorde marklyft. Ingen särskilt tung vikt, bara själva rörelsen. Nästa morgon vaknade du och hela kroppen kändes som om den hade plockats isär och satts ihop fel. Benen gjorde ont. Ryggen gjorde ont. Muskler du inte visste fanns gjorde sig påminda på det mest obehagliga sätt.

Om någon hade mätt din prestation den dagen skulle resultatet ha sett bedrövligt ut. Du kunde knappt sätta dig utan att grimasera. Du hade rimligen kunnat dra slutsatsen att marklyft inte är hållbart, att människokroppen inte är byggd för det och att kostnaden överstiger nyttan.

Men ett halvår senare lyfter du förstås dubbelt så tungt och mår bra efteråt. Kroppen byggde nya banor och anpassade sig. Rörelsen som tidigare krävde all din medvetna ansträngning blev automatisk. Träningsvärken betydde inte att du var trasig. Den betydde att du byggde något nytt.

Det är precis vad som händer med AI-stött arbete.

Den kognitiva belastningen som ingen talar om

När du skriver kod på traditionellt sätt kör hjärnan ett väl inövat program. Du har gjort det tusentals gånger. Du kan tangenttryckningarna, mönstren och felsökningens rytm. Det är som att köra den dagliga vägen till jobbet: tekniskt komplext, men så väl inövat att du kan tänka på middagen samtidigt.

AI-stött arbete är en i grunden annorlunda kognitiv uppgift. Du skriver inte längre kod. Du leder, utvärderar, beslutar, växlar sammanhang mellan flera agenter och granskar resultat som du inte själv har skrivit. Du håller systemarkitekturens avsikt i huvudet medan AI gör implementeringsval som du måste kontrollera i realtid.

Det är inte samma jobb utfört snabbare, utan ett helt annat jobb. Hjärnan har ännu inte byggt effektiva banor för det.

Varje beslut är fortfarande medvetet. Varje granskning kräver aktiv ansträngning. Du övervakar kvaliteten, behåller sammanhanget i parallella arbetsflöden och bedömer ständigt AI:s resultat. Därför kan tre timmar av detta arbete göra dig mer dränerad än åtta timmar av traditionell kodning. Kognitivt motsvarar det din första vecka på gymmet.

Införandekurvan är egentligen en utmattningskurva

Yegges ramverk i åtta nivåer för AI-införande följer nästan perfekt en utmattningskurva, även om jag inte tror att det var hans avsikt.

På nivå ett och två använder du knappt AI. Lite automatisk komplettering här, en fråga där. Liten kognitiv belastning. Liten trötthet.

På nivå tre till sex är du ute på djupt vatten. Du har gett agenten större självständighet, granskar mindre rad för rad och mer som en helhet, kör flera agenter och navigerar ständigt i ett arbetsflöde som inte fanns för 18 månader sedan. Det är här energin går åt. Det här är det tunga marklyftet.

På nivå sju och åtta börjar något intressant hända. Du har byggt system för att samordna arbetet. AI arbetar mer självständigt. Du har lärt dig vad du kan lita på och vad du måste kontrollera. Du beskriver önskade resultat och går därifrån. Matt Shumer beskriver precis detta: att säga åt AI vad den ska bygga, lämna den i fyra timmar och återvända till färdigt arbete. Anpassningen börjar få effekt.

Utmattningen är inte jämnt fördelad. Den når sin topp i mitten, precis där de flesta tidiga användare befinner sig just nu. Därför känns tröttheten universell: bland dem som talar mest om AI finns en oproportionerligt stor andel i inlärningskurvans svåraste del.

Ingen skrev artiklar om ”körtrötthet”

Minns du när du lärde dig köra? Första gången du körde ut på en motorväg höll du förmodligen så hårt i ratten som om livet hängde på det, vilket det faktiskt gjorde. Du kom hem efter en halvtimmes körning helt utmattad. Hjärnan hade arbetat på maximal kapacitet: kontrollera speglar, reglera hastigheten, förutse andra förares agerande och tolka vägskyltar, allt samtidigt och medvetet.

Nu kör du en timme medan du halvlyssnar på en podd och äter en smörgås. Uppgiften har inte ändrats. Du har ändrats. Hjärnan byggde effektiva nervbanor för bilkörningen och komprimerade det som tidigare krävde full medveten uppmärksamhet till bakgrundsprocesser.

Ingen skrev resonerande artiklar om ”körtrötthet” som en existentiell kris. Ingen föreslog att bilar hade en ”vampyrliknande effekt” på förarna. Vi förstod intuitivt att utmattningen var tillfällig. Den var priset för att lära sig något nytt.

Det är detta som saknas i dagens diskussion. ”AI-trötthet” behandlas som ett permanent tillstånd, en grundläggande egenskap hos tekniken, när det egentligen är en övergångskostnad. Det är träningsvärk, inte kronisk sjukdom.

Varför detta handlar om mer än bekvämlighet

Skillnaden gäller inte bara ord. Hur du diagnostiserar problemet avgör vad du gör åt det.

Om AI-trötthet är en permanent egenskap hos tekniken blir Yegges tretimmarsgräns taket för alltid. Företag bör då planera för ingenjörer som bara kan vara produktiva under en bråkdel av dagen. Den ”vampyrliknande effekten” är inträdespriset som vi måste leva med.

Men om det är träningsvärk blir tillvägagångssättet helt annorlunda. Du hanterar belastningen och bygger upp förmågan gradvis. Du hoppar inte över gymmet för att du är öm. Och framför allt antar du inte att dagens utmattningsnivå också är morgondagens.

Ingenjörer som tar sig igenom den här fasen bygger de kognitiva banorna för att leda AI-arbete, granska på rätt detaljnivå och behålla arkitekturens avsikt över parallella arbetsflöden. Till slut gör de det lika naturligt som de kör bil. Tretimmarsväggen flyttas till fem, sedan sju. Inte för att de arbetar hårdare, utan för att arbetet inte längre kräver samma sorts ansträngning.

Samtidigt kommer ingenjörer som läser om ”AI-trötthet” och bestämmer sig för att stanna på nivå två, bekvämt och välbekant utan att bli dränerade, att hamna i ett mycket sämre läge.

Inte för att de missade en trend, utan för att de aldrig började den träning som alla andra redan hade tagit sig igenom.

Den verkliga risken: att förväxla träningsvärk med skada

Jag vill vara tydlig på en punkt. Det finns en skillnad mellan träningsvärk och en faktisk skada, och den gäller även här.

Om du vibe-kodar 14 timmar om dagen, sover fyra timmar och drivs av adrenalin för att nyhetens behag är berusande, är det inte träning. Det är överträning. Precis som på gymmet bygger överträning inte upp något. Den bryter ner dig.

Yegges observation om tre timmar är värdefull som en signal om det aktuella återhämtningsbehovet, inte som ett permanent tak. I början av träningen behöver du mer vila mellan passen. När du anpassar dig klarar du större volym. De som blir utbrända är inte de som gör tre fokuserade timmar av AI-stött arbete. Det är de som inte kan sluta eftersom återkopplingsslingan är för lockande, precis den spelautomatsdynamik jag tidigare har skrivit om.

Svaret är inte att undvika gymmet, utan att träna klokt: intensiva pass, verklig återhämtning och gradvis stegring.

En förutsägelse som ingen annan gör

Det här tror jag händer under de kommande 12–18 månaderna.

Berättelsen om ”AI-trötthet” når sin topp någon gång i år. Det blir fler artiklar, mer oro och förmodligen några välkända ingenjörer som offentligt ”tar en paus från AI-verktyg”. Det kommer att kännas som en betydande motreaktion.

Sedan bleknar berättelsen tyst. Inte för att människor har slutat använda AI, utan för att de tidiga användarna har anpassat sig färdigt. Tretimmarsväggen känns som ett avlägset minne för dem som har gjort detta i ett och ett halvt år. De leder AI-arbetsflöden som de en gång skrev for-loopar: utan att tänka på det.

Gapet mellan dem som tog sig igenom träningsvärken och dem som inte gjorde det blir enormt. Inte för att AI-färdigheter är sällsynta, utan för att själva anpassningen, förmågan att tänka i termer av ledning, utvärdering och samordning snarare än implementering rad för rad, har blivit naturlig för den ena gruppen och helt främmande för den andra.

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

Vad detta betyder för ledare

Om du leder ett ingenjörsteam just nu behöver du förstå vad du faktiskt ser. Dina mest produktiva ingenjörer är också dina tröttaste. Det är ingen motsägelse, utan den tydligaste signal du har om att anpassningen är i gång.

Svara inte genom att dra ner på AI-införandet. Låtsas inte heller att tröttheten inte är verklig. Gör som en bra tränare: hantera träningsbelastningen. Räkna med intensiva, fokuserade pass av AI-stött arbete som följs av verklig återhämtning. Låt människor arbeta vad som känns som kortare dagar medan de bygger nya kognitiva färdigheter. Resultatet kommer fortfarande att vara mångdubbelt större än tidigare.

Företag som gör detta rätt har anpassade team vid årets slut. De som ignorerar tröttheten eller backar från AI på grund av den får det sämsta av båda utfallen: utmattade ingenjörer som aldrig tog sig igenom kurvans svåraste del.

Vi upplever inte biverkningarna av en ny teknik. Vi befinner oss under de första träningsveckorna inför ett nytt arbetssätt. Träningsvärken är beviset på att det fungerar. Ta den till dig, hantera den och lita på att hjärnan, liksom alla andra anpassningsbara system i naturen, gör det den alltid har gjort.

Den anpassar sig.

Andrew Filev är grundare och VD för Zencoder. Han förändrade hanteringen av samarbete och arbete genom att grunda Wrike (20 000+ kunder, sålt för 2,25 miljarder dollar), och han har varit med i Forbes och The New York Times, och hans passion för AI och innovation fortsätter att forma framtiden för arbete.