AI没让你变轻松反而让你“脑烧焦”了?
程序员Steve Yegge曾推出一个名为Gas Town的平台,可以让用户同时指挥成群的AI智能体以极快的速度编写软件。
虽然结果令人惊叹,但早期用户却反映这种体验让人感到眩晕和压力,因为AI的运行速度快到了人类无法理解的程度。
这揭示了一个日益严重的矛盾:AI本应作为效率放大器让工作变轻松,但很多员工却发现它反而强化了工作的强度。
许多企业为了追求效率,开始将监控AI产生的代码行数或Token消耗量作为考核指标。
随着员工需要在越来越多的AI工具之间来回切换,原本用来专注深耕的时间被永无止境的多任务处理所取代。
哈佛商业评论的一项针对1488名全职员工的研究发现,这种由于高强度监督AI而导致的认知疲惫是真实存在的。
什么是AI大脑过载
研究人员将其定义为“AI Brain Fry”,即AI大脑过载,指过度使用或监督AI工具超出了个人的认知能力上限。
受访者描述这种感觉就像是大脑在“发嗡”或处于一种“精神迷雾”中,伴随着注意力难以集中、决策变慢和头疼。
这种精神压力会导致员工错误率增加、决策疲劳,甚至产生离职的念头。
即便员工身体并不觉得累,但大脑却像开了几十个浏览器标签页一样拥挤。
三个工具是生产力的天花板
研究发现,员工同时使用的AI工具数量与生产力之间存在一种微妙的关系。
当员工从使用一个AI工具增加到两个时,生产力会显著提升。
增加到第三个工具时,生产力虽然还在提高,但增速已经开始放缓。
而一旦同时使用超过三个AI工具,生产力评分就会出现下滑。
多任务处理的诱惑虽然巨大,但它在AI时代依然是一个效率陷阱。
减负还是增负:AI的双面性
有趣的是,AI并不总是导致疲劳,它其实是一把双刃剑。
研究显示,当AI被用来代替重复性、枯燥的常规任务时,员工的职业倦怠感会降低15%。
这种“减负”让员工有更多时间从事创造性工作,从而提高工作的积极性和社交连接感。
然而,如果AI需要员工进行高强度的“监督”和“审核”,情况就会反转。
那些需要高度监督AI工作的员工,在工作中付出的心理努力要高出14%,信息过载感也更强。
大脑过载给企业带来的隐形成本
AI大脑过载不仅仅是一种不舒服的感觉,它还会给企业带来实质性的经济损失。
首先是决策疲劳,经历AI过载的员工在决策质量上会大打折扣。
其次是错误率的飙升,调研显示,处于过载状态的员工在处理重大错误时的频率比普通员工高出39%。
最让企业头疼的是人才流失,在感到AI过载的员工中,有34%的人表现出了明确的离职意向。
这意味着公司里那些最积极使用AI的“超级明星”人才,反而可能是最先崩溃并离开的人。
管理者该如何应对AI过载
为了避免员工被AI“烧干”大脑,企业和管理者需要采取积极的干预措施。
首先要重新设计人机协作的职责,不能简单地将AI监督任务叠加在原有工作之上。
就像管理人类下属有跨度限制一样,一个人能同时监督的AI智能体也应该有上限。
管理者应提供明确的AI策略和培训,而不是让员工自己摸索。
研究发现,如果管理者能耐心解答AI相关问题,员工的心理疲劳度会降低15%。
最后,企业需要将考核指标从“使用频率”转向“实际产出”,避免为了用AI而用AI。
https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry
如果觉得内容不错,欢迎你点一下「在看」,或是将文章分享给其他有需要的人^^
相关好文推荐:
通过元学习Agent记忆设计学习如何持续学习 | Yiming Xiong
超越 RAG 以实现智能体记忆:通过解耦和聚合进行检索 | ICML
你的工作不会消失,它只是不断在你身边逐渐萎缩 | Jan Tegze
一个使用 OpenRouter 的 1 万亿令牌实证研究 | OpenRouter AI
一个月内把编码主力交给 Agent 的真实体验 | karpathy
从 DeepSeek V3 到 Mistral 3 Large:现代大语言模型(LLM)架构设计概览(三)| Sebastian Raschka
从 DeepSeek V3 到 Mistral 3 Large:现代大语言模型(LLM)架构设计概览(二)| Sebastian Raschka
从 DeepSeek V3 到 Mistral 3 Large:现代大语言模型(LLM)架构设计概览(一)| Sebastian Raschka
递归语言模型(Recursive Language Models) | Alex Zhang

0条留言