ความเหนื่อยล้าของ AI เป็นเรื่องจริง แต่ไม่ใช่สิ่งที่คุณคิด

มีเรื่องราวที่กำลังสร้างความสนใจอยู่ในขณะนี้ ซึ่งได้รับการพูดถึงอย่างมาก: AI กำลังทำให้เรารู้สึกเหนื่อยล้า นักวิศวกรซอฟต์แวร์กำลังส่งโค้ดมากกว่าที่เคยและรู้สึกแย่กว่าที่เคย “ความเหนื่อยล้าของ AI” เป็นคำที่ใช้กันอย่างแพร่หลาย และมีการเขียนบทความมากมายเกี่ยวกับเรื่องนี้

นักวิศวกรซอฟต์แวร์เขียนใน Business Insider ว่าไตรมาสที่แล้วเป็นไตรมาสที่มีประสิทธิภาพที่สุดและเหนื่อยล้าที่สุดของเขา Steve Yegge ซึ่งเขียนหนังสือเกี่ยวกับการเขียนโค้ดแบบ Vibe บอกกับ The Pragmatic Engineer ว่าเขานอนหลับในช่วงกลางวันและจำกัดเวลาทำงานที่มี AI เพิ่มเติมไว้ที่สามชั่วโมง ผู้ก่อตั้งบริษัทสตาร์ทอัพถูกขัดขวางที่ 2 pm มีโพสต์ที่มีการแชร์มากที่สุดในเดือนนี้ที่เตือนว่า AI มี “ผลกระทบแบบแวมไพร์” ต่อผู้ที่ใช้งานมากที่สุด

สิ่งที่ไม่มีใครสังเกตเห็นคือ ผู้ที่รายงานความเหนื่อยล้ามากที่สุดไม่ใช่ผู้ที่ไม่เชื่อใน AI แต่เป็นผู้ที่เชื่อมั่นใน AI มากที่สุด

นักวิศวกรที่ยังอยู่ในระดับหนึ่งของการนำ AI มาใช้ ไม่ได้รู้สึกเหนื่อยล้ามากนัก พวกเขาอาจรู้สึกกังวลเล็กน้อย แต่ไม่ได้รู้สึกเหนื่อยล้ามากนัก แต่ผู้ที่อยู่ในระดับที่สูงกว่า เช่น ระดับห้า หก และเจ็ด ซึ่งได้นำ AI มาใช้มากขึ้นและทำงานที่ซับซ้อนมากขึ้น พวกเขาคือผู้ที่รู้สึกเหนื่อยล้ามากที่สุด

รูปแบบนี้ควรบอกเราว่าบางอย่าง และฉันคิดว่ามันบอกเราว่า “ความเหนื่อยล้าของ AI” เป็นการวินิจฉัยที่ไม่ถูกต้อง

คุณไม่มีปัญหาเรื่องความเหนื่อยล้า คุณมีปัญหาเรื่องการฝึกอบรม

ลองนึกถึงครั้งแรกที่คุณเคยยกน้ำหนัก ไม่ใช่น้ำหนักที่หนักมาก แต่การเคลื่อนไหวนั้นเอง คุณตื่นขึ้นมาในเช้าวันรุ่งขึ้นและรู้สึกเหมือนกับร่างกายของคุณถูกถอดออกและประกอบกลับเข้าด้วยกันไม่ถูกต้อง ขาของคุณเจ็บ หลังของคุณเจ็บ กล้ามเนื้อที่คุณไม่เคยรู้จักตัวตนของมันทำให้ตัวเองเป็นที่รู้จักในทางที่ไม่ดี

หากมีคนวัดผลผลิตของคุณในวันนั้น มันจะดูแย่ คุณแทบจะไม่สามารถนั่งลงได้โดยไม่ต้องขยับ คุณอาจตัดสินใจได้ว่าการยกน้ำหนักไม่ยั่งยืน rằngร่างกายมนุษย์ไม่ได้ถูกสร้างมาเพื่อการนี้ และต้นทุนมากกว่าผลประโยชน์

แต่หลังจากหกเดือน คุณก็ยกน้ำหนักได้มากขึ้นและรู้สึกดีหลังจากนั้น ร่างกายของคุณสร้างเส้นทางใหม่ มันปรับตัว การเคลื่อนไหวที่เคยต้องใช้ความพยายามอย่างเต็มที่กลายเป็นเรื่องง่าย ร่างกายของคุณไม่ได้พัง แต่มันกำลังสร้างบางสิ่งที่ใหม่

สิ่งนี้เกิดขึ้นกับการทำงานที่มี AI เพิ่มเติมเช่นกัน

ภาระทางปัญญาที่ไม่มีใครพูดถึง

เมื่อคุณเขียนโค้ดแบบดั้งเดิม ร่างกายของคุณกำลังทำงานตามโปรแกรมที่คุณเคยทำมาหลายพันครั้ง คุณรู้จักการกดแป้นพิมพ์ รูปแบบ และจังหวะการแก้ปัญหา มันเหมือนกับการขับรถไปทำงานทุกวัน ซับซ้อน แต่คุณสามารถทำได้โดยไม่ต้องคิดมาก

การทำงานที่มี AI เพิ่มเติมเป็นงานที่ต้องใช้การคิดและตัดสินใจมากขึ้น คุณไม่ได้เขียนโค้ดอีกต่อไป คุณกำลังกำกับดูแล การประเมิน การตัดสินใจ และการเปลี่ยนบริบทระหว่างตัวแทนหลายตัว การตรวจสอบผลลัพธ์ที่คุณไม่ได้เขียน และการรักษาเจตนาเชิงสถาปัตยกรรมในหัวของคุณในขณะที่ AI ตัดสินใจที่คุณต้องตรวจสอบในเวลาจริง

นี่ไม่ใช่งานเดิมที่ทำได้เร็วขึ้น มันเป็นงานที่ต่างออกไป และร่างกายของคุณยังไม่ได้สร้างเส้นทางที่มีประสิทธิภาพสำหรับมัน

ทุกการตัดสินใจยังคงเป็นการตัดสินใจอย่างมีจุดมุ่งหมาย ทุกการตรวจสอบยังคงต้องใช้ความพยายามอย่างเต็มที่ คุณกำลังตรวจสอบคุณภาพ การรักษาบริบทระหว่างกระบวนการทำงานที่ขนานกัน และการตัดสินใจเกี่ยวกับผลลัพธ์ของ AI อย่างต่อเนื่อง นี่คือเหตุผลที่สามชั่วโมงในการทำงานนี้สามารถทำให้คุณรู้สึกเหนื่อยล้ามากกว่าการทำงานแบบดั้งเดิม八ชั่วโมง มันเป็นเหมือนการออกกำลังกายครั้งแรกที่ยิม

การนำ AI มาใช้ไม่ใช่การเรียนรู้แบบเสื่อม

เฟรมเวิร์ก八ระดับของ Yegge สำหรับการนำ AI มาใช้ในธุรกิจ แสดงให้เห็นว่าการนำ AI มาใช้สามารถทำให้เกิดการเหนื่อยล้าได้

ในระดับหนึ่งและสอง คุณไม่ได้ใช้ AI มากนัก ไม่มีภาระทางปัญญามากนัก ไม่มีความเหนื่อยล้ามากนัก

ในระดับสามถึงหก คุณอยู่ในระดับที่ลึก คุณให้ความเป็นอิสระแก่ตัวแทนมากขึ้น คุณตรวจสอบผลลัพธ์โดยรวมมากกว่าการตรวจสอบรายบรรทัด คุณทำงานหลายตัว และคุณกำลังนำทางกระบวนการทำงานที่ไม่มีอยู่เมื่อ 18 เดือนก่อน นี่คือจุดที่ความเหนื่อยล้าเกิดขึ้น นี่คือการยกน้ำหนักที่หนัก

ในระดับเจ็ดและแปด สิ่งที่น่าสนใจเริ่มเกิดขึ้น คุณได้สร้างระบบการทำงานร่วมกัน AI ทำงานโดยอัตโนมัติ คุณได้เรียนรู้ว่าจะไว้วางใจและตรวจสอบอะไร คุณอธิบายผลลัพธ์และปล่อยให้ AI ทำงาน Matt Shumer อธิบายสิ่งนี้โดยบอกว่าเขาบอก AI ว่าอะไรที่จะสร้าง และปล่อยให้ AI ทำงานไปสี่ชั่วโมง และเมื่อเขากลับมา ผลลัพธ์ก็เสร็จแล้ว

การเหนื่อยล้าไม่ได้กระจายเท่าๆ กัน มันสูงสุดที่จุดกึ่งกลาง ซึ่งเป็นจุดที่ผู้นำ AI ส่วนใหญ่อยู่ในขณะนี้ และนี่คือเหตุผลที่ความเหนื่อยล้าดูเหมือนจะเกิดขึ้นทั่วไป: ผู้ที่พูดถึง AI มากที่สุดคือผู้ที่อยู่ในจุดที่ยากที่สุดของการเรียนรู้

ไม่มีใครเขียนบทความเกี่ยวกับ “ความเหนื่อยล้าในการขับรถ”

จำการเรียนรู้การขับรถได้ไหม ครั้งแรกที่คุณขึ้นถนนที่มีการจราจรหนาแน่น คุณอาจจับพวงมาลัยรถยนต์เหมือนกับว่าชีวิตของคุณขึ้นอยู่กับมัน (ซึ่งจริงๆ แล้วมันคือเช่นนั้น) คุณกลับบ้านหลังจากขับรถ 30 นาทีและรู้สึกเหนื่อยล้ามาก ร่างกายของคุณทำงานอย่างเต็มที่: ตรวจสอบกระจกมองหลัง จัดการความเร็ว คาดการณ์ผู้ขับรถอื่น และประมวลผลสัญญาณจราจร ทั้งหมดนี้เกิดขึ้นพร้อมๆ กันและต้องใช้ความพยายามอย่างเต็มที่

ตอนนี้คุณขับรถเป็นเวลาหนึ่งชั่วโมงโดยฟังพอดแคสต์ และกินแซนด์วิชในเวลาเดียวกัน งานไม่ได้เปลี่ยนแปลง คุณเปลี่ยน ร่างกายของคุณสร้างเส้นทางใหม่สำหรับการขับรถ การทำงานที่เคยต้องใช้ความพยายามอย่างเต็มที่กลายเป็นเรื่องง่าย

ไม่มีใครเขียนบทความเกี่ยวกับ “ความเหนื่อยล้าในการขับรถ” เป็นปัญหาที่เกิดขึ้นเสมอ ไม่มีใครบอกว่ารถยนต์มี “ผลกระทบแบบแวมไพร์” ต่อผู้ขับขี่ เราเข้าใจโดย直觉ว่าความเหนื่อยล้าเป็นเพียงการเรียนรู้สิ่งใหม่

สิ่งนี้คือสิ่งที่การอภิปรายในปัจจุบันขาดไป “ความเหนื่อยล้าของ AI” ถูกมองว่าเป็นสถานการณ์ที่เกิดขึ้นเสมอ เป็นคุณลักษณะพื้นฐานของเทคโนโลยี เมื่อจริงๆ แล้วมันเป็นเพียงต้นทุนในการเรียนรู้สิ่งใหม่

ทำไมสิ่งนี้จึงสำคัญมากกว่าความสบาย

ความแตกต่างนี้ไม่ใช่แค่เรื่องของคำศัพท์ วิธีที่คุณวินิจฉัยปัญหา决定ว่าคุณจะทำอะไรเกี่ยวกับมัน

หากความเหนื่อยล้าของ AI เป็นคุณลักษณะที่เกิดขึ้นเสมอของเทคโนโลยี ดังนั้นขีดจำกัดสามชั่วโมงของ Yegge จะเป็นเพดานตลอดไป บริษัทควรวางแผนสำหรับนักวิศวกรที่สามารถมีประสิทธิภาพได้เพียงเศษเสี้ยวของวัน “ผลกระทบแบบแวมไพร์” คือราคาของการเข้าร่วม และเราต้องยอมรับมัน

แต่หากมันเป็นเพียงความเหนื่อยล้าในการเรียนรู้ ดังนั้นเกม计划จะเปลี่ยนไป คุณจัดการภาระการทำงาน คุณสร้างขึ้นอย่างช้าๆ คุณไม่หยุดไปยิมเพราะคุณเหนื่อย และสิ่งสำคัญคือคุณไม่สมมติว่าระดับความเหนื่อยล้าในปัจจุบันจะเป็นระดับความเหนื่อยล้าในอนาคต

นักวิศวกรที่ผ่านพ้นขั้นตอนนี้ ซึ่งสร้างเส้นทางทางปัญญาในการทำงานร่วมกับ AI การตรวจสอบที่ระดับที่เหมาะสม และการรักษาเจตนาเชิงสถาปัตยกรรมระหว่างกระบวนการทำงานที่ขนานกัน จะสามารถทำงานนี้ได้อย่างเป็นธรรมชาติเหมือนกับการขับรถ กำแพงสามชั่วโมงจะเลื่อนไปที่ห้า จากนั้นเจ็ด ไม่ใช่เพราะพวกเขาทำงานหนักขึ้น แต่เพราะงานไม่ต้องใช้ความพยายามในแบบเดิมๆ อีกต่อไป

ในขณะเดียวกัน นักวิศวกรที่อ่านเกี่ยวกับ “ความเหนื่อยล้าของ AI” และตัดสินใจที่จะอยู่ในระดับที่สอง สบายๆ คุ้นเคย ไม่เหนื่อยล้า จะพบว่าตัวเองอยู่ในสถานการณ์ที่แย่กว่า

ไม่ใช่เพราะพวกเขาล้มเหลวในการตามทันกระแส แต่เพราะพวกเขไม่เคยเริ่มการฝึกอบรมที่ทุกคนอื่นได้ผ่านพ้นไปแล้ว

ความเสี่ยงจริง: สับสนระหว่างความเหนื่อยล้าและการบาดเจ็บ

ฉันต้องการชี้แจงบางสิ่ง มีความแตกต่างระหว่างความเหนื่อยล้าในการเรียนรู้และการบาดเจ็บ และสิ่งนี้ใช้ได้กับสถานการณ์นี้เช่นกัน

หากคุณ “เขียนโค้ดแบบ Vibe” เป็นเวลา 14 ชั่วโมงต่อวัน นอนหลับเพียงสี่ชั่วโมง และทำงานโดยใช้ความเร่งด่วนเพราะความใหม่ของมันทำให้คุณเมา มันไม่ใช่การเรียนรู้ มันคือการฝึกหนักเกินไป และไม่สร้างอะไรขึ้นมา มันจะพังทลาย

การสังเกตของ Yegge เกี่ยวกับสามชั่วโมงเป็นสิ่งสำคัญไม่ใช่ในฐานะเพดานที่ถาวร แต่เป็นสัญญาณเกี่ยวกับความต้องการการฟื้นตัวในปัจจุบัน เมื่อคุณเริ่มฝึกอบรม คุณต้องการการฟื้นตัวมากกว่าระหว่างเซสชัน เมื่อคุณปรับตัว คุณสามารถรับมือกับปริมาณมากขึ้นได้ ผู้ที่หมดไฟไม่ใช่ผู้ที่ทำการทำงานที่มี AI เพิ่มเติมสามชั่วโมง แต่คือผู้ที่ไม่สามารถหยุดได้เพราะวงจรป้อนกลับเป็นเรื่องที่น่าดึงดูด

คำตอบไม่ใช่การหยุดไปยิม มันคือการฝึกอบรมอย่างชาญฉลาด: เซสชันที่เข้มข้น การฟื้นตัวที่แท้จริง และการก้าวหน้าอย่างต่อเนื่อง

การทำนายที่ไม่มีใครทำ

นี่คือสิ่งที่ฉันคิดว่าจะเกิดขึ้นในอีก 12 ถึง 18 เดือนข้างหน้า

เรื่องราวของ “ความเหนื่อยล้าของ AI” จะถึงจุดสูงสุดในบางครั้งในปีนี้ จะมีบทความมากกว่านี้ มีการพูดถึงมากขึ้น และอาจจะมีนักวิศวกรที่มีชื่อเสียงที่หยุดใช้เครื่องมือ AI โดยสาธารณะ มันจะดูเหมือนเป็นการฟันเฟืองที่มีความหมาย

จากนั้นมันจะหายไปอย่างเงียบๆ ไม่ใช่เพราะผู้คนหยุดใช้ AI แต่เพราะผู้นำ AI ในช่วงแรกเสร็จสิ้นการปรับตัว กำแพงสามชั่วโมงจะดูเหมือนเป็นเรื่องในอดีตสำหรับผู้ที่ทำมันมาหนึ่งปีครึ่ง พวกเขาจะกำกับดูแลกระบวนการทำงานของ AI โดยไม่ต้องคิดมาก

และช่องว่างระหว่างผู้ที่ผ่านพ้นความเหนื่อยล้าและผู้ที่ไม่ได้จะใหญ่มาก ไม่ใช่เพราะทักษะ AI นั้นหายาก แต่เพราะการปรับตัวนั้นเอง ความสามารถในการคิดในแง่ของการกำกับดูแล การประเมิน และการประสานงานมากกว่าการนำไปใช้โดยตรง จะกลายเป็นเรื่องธรรมดาสำหรับกลุ่มหนึ่งและกลายเป็นเรื่องที่แปลกใหม่สำหรับอีกกลุ่มหนึ่ง

การตอบสนองที่แย่ที่สุดต่อความเหนื่อยล้าในการเรียนรู้มักจะเป็นไปตามกัน: หยุดไปยิม

สิ่งนี้หมายถึงอะไรสำหรับผู้นำ

หากคุณเป็นผู้นำทีมวิศวกรในขณะนี้ คุณควรเข้าใจสิ่งที่คุณกำลังเผชิญอยู่ นักวิศวกรที่มีประสิทธิภาพสูงสุดของคุณก็เป็นผู้ที่เหนื่อยล้ามากที่สุดเช่นกัน นี่ไม่ใช่ความขัดแย้ง มันเป็นสัญญาณที่ชัดเจนที่สุดว่าการปรับตัวกำลังเกิดขึ้น

อย่าตอบสนองโดยการลดการนำ AI มาใช้ อย่าเพิกเฉยต่อความเหนื่อยล้าเช่นกัน ตอบสนองเหมือนกับโค้ชที่ดี: จัดการภาระการทำงาน คาดหวังเซสชันที่เข้มข้นของการทำงานที่มี AI เพิ่มเติม ตามด้วยการฟื้นตัวที่แท้จริง ให้คนได้รับอนุญาตให้ทำงานในเวลาที่ดูเหมือนลดลงในขณะที่พวกเขากำลังสร้างทักษะทางปัญญาใหม่ ผลลัพธ์จะยังคงเป็นหลายเท่าของที่เคยเป็น

บริษัทที่ทำสิ่งนี้ได้ดีจะมีทีมที่ปรับตัวได้ภายในสิ้นปี บริษัทที่เพิกเฉยต่อความเหนื่อยล้าหรือถอยกลับจาก AI ในการตอบสนองต่อความเหนื่อยล้าจะพบว่าตัวเองมีผลลัพธ์ที่แย่ที่สุด: นักวิศวกรที่เหนื่อยล้าซึ่งไม่เคยผ่านพ้นจุดยากที่สุดของการเรียนรู้

เรากำลังเผชิญกับผลข้างเคียงของเทคโนโลยีใหม่ไม่ใช่ เรากำลังอยู่ในช่วงแรกของการฝึกอบรมสำหรับวิธีการทำงานใหม่ ความเหนื่อยล้าเป็นหลักฐานที่ว่ามันทำงาน คุณควรยอมรับมัน จัดการมัน และเชื่อว่าสมองของคุณ เช่นเดียวกับระบบปรับตัวอื่นๆ ในธรรมชาติ จะทำสิ่งที่มันเคยทำ

มันจะปรับตัว