思想领袖
AI疲劳确实存在,但并不是你想的那样

要点AI疲劳是学习新认知技能时产生的暂时性训练倦怠,而非永久状态。
查看更多
- AI疲劳是学习新认知技能时产生的暂时性训练倦怠,而非永久状态。
- 这种疲惫感在人工智能应用的中期阶段达到顶峰,之后高效的心智路径才会形成。
- 领导者必须像教练一样管理这种认知负荷,而非回避人工智能的应用。
眼下,一种说法正越来越受关注:AI正在耗尽我们的精力。工程师交付的代码比以往任何时候都多,感觉却比以往任何时候都差。“AI疲劳”这个词不断流传,各种评论也接踵而来。
一位软件工程师在Business Insider上写道,上个季度既是他产出最高的季度,也是最令他疲惫的季度。Steve Yegge确实写过一本关于vibe coding的书,他对The Pragmatic Engineer表示,自己白天会小睡,并把真正借助AI开展工作的时间限制在三小时以内。创业公司的创始人到了下午两点就撑不住了。本月传播最广的帖子之一警告说,AI对使用它最多的人有一种“吸血鬼效应”。
但似乎没人注意到:感到最疲惫的并不是怀疑者,而是坚定的拥护者。
停留在Yegge的AI采用量表第一级、完全不理会AI的工程师,感觉还不错。也许有点焦虑,但并没有精疲力竭。真正累瘫着回家的是处于第五、第六、第七级的人:他们全力投入,同时运行多个智能体,编排复杂的工作流程,以自己从未想象过的速度交付成果。
这种规律应该能说明一些问题。我认为,它说明“AI疲劳”根本就是个错误的诊断。
你的问题不是疲劳,而是训练。
想一想你第一次做硬拉的经历。重量并不特别大,只是做出这个动作而已。第二天早上醒来,你感觉全身像是被拆散后又装错了。腿酸,背也酸。那些你根本不知道存在的肌肉,以最难受的方式让你感受到了它们的存在。
如果有人在那天衡量你的产出,结果一定很糟糕。你几乎一坐下就会痛得皱眉。你完全可能据此认为,硬拉无法长期坚持,人体并不是为这种运动而设计的,付出的代价大于收益。
但六个月后,你当然可以拉起两倍的重量,练完后感觉也很好。你的身体建立了新的通路,完成了适应。过去需要倾尽全部意识和精力的动作,如今已能自动完成。酸痛并不意味着身体出了问题,而是意味着你正在构建新的能力。
借助AI工作的过程,发生的正是同样的事情。
无人谈论的认知负荷
用传统方式写代码时,你的大脑运行的是一套驾轻就熟的程序。你已经做过几千次,熟悉那些按键、模式和调试节奏。这就像每天开车通勤:技术上很复杂,但你已经熟练到可以一边开车一边想着晚饭吃什么。
借助AI工作则是一项本质上不同的认知任务。你不再写代码,而是在指挥、评估、决策,在多个智能体之间切换上下文,审查并非由你编写的输出。与此同时,你还得在脑中牢记架构设计的意图,而AI正在选择具体的实现方式,你必须实时验证这些选择。
这不是把同一份工作做得更快,而是一份完全不同的工作。你的大脑还没有为它建立高效的通路。
每个决定仍要有意识地作出,每次审查都需要主动投入精力。你不断监控质量,保持对并行工作流上下文的掌握,对AI的输出作出判断。因此,做三小时这样的工作,可能比传统编程八小时更令人疲惫。从认知角度看,这相当于你去健身房的第一周。
采用曲线其实就是耗竭曲线
Yegge提出的八级AI采用框架,几乎完美对应着一条耗竭曲线,尽管我认为这并非他的本意。
在第一级和第二级,你几乎不用AI。这里用一下自动补全,那里问一个问题。认知负荷不大,疲劳也不多。
到了第三级至第六级,你就进入了深水区。你给了智能体更多自主权,审查时更少逐行检查,更多从整体出发;你同时运行多个智能体,不断摸索一种十八个月前还不存在的工作流程。精力正是在这里被消耗的。这就是那次大重量硬拉。
到了第七级和第八级,有趣的变化开始出现。你已经建好了编排系统,AI工作起来更加自主。你学会了哪些可以信任,哪些需要检查。你描述想要的结果,然后离开。Matt Shumer描述的正是如此:告诉AI要构建什么,离开四小时,回来时工作已经完成。适应开始显现成效。
耗竭并非均匀分布,而是在中间阶段达到顶峰。大多数早期采用者眼下正处于这一阶段。这也是疲劳看起来无处不在的原因:谈论AI最多的人中,处于学习曲线最艰难阶段的人占了不成比例的高比重。
没有人写文章讨论“驾驶疲劳”
还记得学开车的时候吗?第一次并入高速公路车流时,你大概紧紧握着方向盘,仿佛性命就系于此。说实话,也确实如此。开了三十分钟回家,你已经筋疲力尽。大脑一直全速运转:看后视镜、控制速度、预判其他司机的行为、辨认路标。所有事情都要同时处理,而且全都需要有意识地进行。
现在,你可以开一小时的车,一边有一搭没一搭地听播客,一边吃三明治。任务没变,变的是你。你的大脑已经为驾驶建立了高效的神经通路,把过去需要全神贯注的操作压缩成了后台运行的过程。
没有人发表议论文章,把“驾驶疲劳”描述成一场生存危机。没有人说汽车对驾驶者有“吸血鬼效应”。我们凭直觉就明白,疲惫只是暂时的,是学习新事物所要付出的代价。
当前的讨论恰恰遗漏了这一点。“AI疲劳”被当成一种永久状态、这项技术的根本特性,实际上它却是一种过渡成本。这是训练后的酸痛,而不是慢性病。
这为何不只是舒不舒服的问题
这种区分不仅关乎措辞。你如何诊断问题,决定了你会采取什么行动。
如果AI疲劳是技术的永久特性,那么Yegge的三小时上限就永远无法突破。企业应该按工程师每天只能在少部分时间里高效工作来制定计划。“吸血鬼效应”就是入场的代价,我们只能接受。
但如果这只是训练后的酸痛,应对方式就完全不同。你管理负荷,循序渐进地提高强度,不会因为肌肉酸痛就不去健身房。尤其重要的是,你不会认定明天也会和今天一样疲惫。
那些坚持度过这个阶段的工程师,会建立起相应的认知通路,能够指挥AI工作、在恰当的细节层级审查成果,并在并行工作流中保持对架构设计意图的把握。最终,他们会像开车一样自然地完成这些工作。三小时的极限会推到五小时,再到七小时。不是因为他们更拼命,而是因为同样的工作不再像过去那样费力。
与此同时,那些读到“AI疲劳”就决定留在第二级、安于熟悉舒适且不耗神状态的工程师,会发现自己的处境糟糕得多。
不是因为他们没有赶上某个潮流,而是因为别人已经完成的训练,他们根本没有开始。
真正的风险:把酸痛和受伤混为一谈
有一点我要说清楚:训练后的酸痛和真正受伤并不一样,这个区别在这里同样适用。
如果你每天“vibe coding”十四小时,只睡四小时,因为新鲜感让人陶醉而靠肾上腺素硬撑,那不是训练,而是过度训练。就像在健身房一样,过度训练不会帮你构建任何能力,只会把你拖垮。
Yegge观察到的三小时限制,其价值不在于给出一个永久上限,而在于揭示当前的恢复需求。刚开始训练时,两次训练之间需要更多休息。随着适应,你能承受更大的训练量。陷入职业倦怠的,并不是那些专注开展三小时AI辅助工作的人,而是因为反馈循环太有吸引力、根本停不下来的人。这正是我以前写过的老虎机机制。
答案不是避开健身房,而是聪明地训练:高强度训练,真正的恢复,循序渐进地提升。
一个别人没有提出的预测
我认为,未来十二至十八个月会发生以下情况。
“AI疲劳”的叙事会在今年某个时候达到顶峰。相关文章会更多,焦虑忧虑也会更多,可能还有几位知名工程师公开表示“暂时停用AI工具”。这看起来会像一次重大的反弹。
然后,这种叙事会悄然淡去。不是因为人们不再使用AI,而是因为早期采用者完成了适应。对于已经这样工作了一年半的人来说,三小时的极限将成为遥远的记忆。他们指挥AI工作流时,会像过去写for循环一样,不必刻意思考。
坚持度过酸痛阶段和没有做到这一点的人,差距将大得惊人。不是因为AI技能稀缺,而是因为适应本身,也就是从指挥、评估和编排的角度思考,而不是逐行实现的能力,会成为一组人的本能,对另一组人却仍然完全陌生。
对训练酸痛最糟糕的反应始终只有一个:再也不去健身房。
这对管理者意味着什么
如果你现在管理一个工程团队,要明白自己实际看到的是什么。产出最高的工程师,也是最疲惫的。这并不矛盾,而是你所能得到的、最清楚地表明适应正在发生的信号。
不要因此放慢采用AI的步伐,也不要假装疲劳并不存在。要像优秀教练那样,管理训练负荷。应当预期工作节奏是高强度、专注的AI辅助工作时段,随后进行真正的恢复。在员工建立新的认知技能时,允许他们按看似缩短了的工时工作。产出仍将是过去的好几倍。
处理得当的企业,到今年年底就会拥有已经适应的团队。那些无视疲劳,或者因疲劳而退回不用AI状态的企业,则会遭遇两头落空的局面:工程师疲惫不堪,却始终没有度过曲线上最艰难的阶段。
我们并不是在承受新技术的副作用,而是处在训练一种全新工作方式的最初几周。酸痛恰恰证明训练正在奏效。积极投入,管理负荷,并相信你的大脑会像自然界其他所有适应性系统一样,做它一直以来都会做的事。
它会适应。












