不知道有没有人和我一样啊,最近养🦞,养得心好累……
不仅耗光了Token,我的大脑GPU也烧干了。
哈佛最新研究也证实:这还真不是个例。
过度使用AI,真的会“烧脑”。

倒不是因为AI让我们变笨了,而是碳基生物已经跟不上硅基文明速度。
说人话就是,认知降维打击下的压力过载。
以前是GitHub的代码“搬运工”,现在天天督工Agent干活,工作速度是快了,每天工作量也随之上升,结果就是——
大脑扛不住,“冒烟”了。

u1s1,最近的龙虾养殖贴下,越来越多用户都在表达同一种感受——焦虑。
每天睁眼就是一款龙虾新工具,不跟就总感觉落伍,跟了反而忙到飞起。
说好的AI减负呢???

为此,研究员们进行了一项专门的调查,结果表明,AI非但没能让工作更轻松,相反让许多人感到大脑疲惫。
研究调查了近1500名员工,其中14%的受访者均表示出现了明显的症状,即注意力难以集中、决策能力下降以及头痛。
它不同于传统的职业倦怠,更像是一种认知过载,由于过度使用或监管超过自身认知能力的AI工具而导致的精神疲劳。
研究指出,AI带来的疲劳不是来自工作本身,而是因为监管AI的过程。

那些对AI工作进行高强度监管的员工往往比低程度监管的员工,要多耗费14%的脑力以及额外12%的精神疲劳,信息过载的可能性也会随之增加19%。
诚然,AI也会推动工作量剧增,进一步扩大员工的职责范围,员工需要在短期内同时关注更多任务的成果。
同时影响认知负荷的另一个重要原因是,AI工具过多导致的认知切换成本增加。
举个例子,许多用户同时使用ChatGPT、Claude、Copilot等多个AI工具,结果就是要完成一个任务,需要在多个工具中反复横跳,持续打断人类心流状态。
那么多少个AI工具算多呢?研究团队的答案是:3个。
他们发现,当用户同时使用1到2个AI工具时,生产力会显著提升;到第三种时,生产力依旧会提升,但增速放缓;如果再持续增加一个,生产力反而会下降。

值得注意的是,研究团队还提出了一个非常有趣的悖论:AI既可以减少职业倦怠,也可能加剧它。
当用户利用AI分担实际的重复性工作时,他们的工作疲惫感会下降,但当涉及监控AI系统或同时操作多种工具时,他们的精神压力就会急剧增加。
前者更侧重于身体层面,后者则更聚焦精神认知。
此外,“AI烧脑”不仅仅是让个人感到不适,数据显示,高强度使用AI导致的认知压力也会对企业造成严重影响。
首先是决策层。那些大脑认知负荷过重的员工会多出33%的决策疲劳,如果对于一家年收入50亿美元的公司来讲,可能会带来每年数百万美元的损失。
其次是工作错误率上升。那些经历过“AI脑震荡”的人,在日常工作中出现轻微错误的概率会多出11%,而重大错误频率是39%。
与此同时,离职率也会同步增加。在未报告有类似症状的员工中,25%的人表现出积极的离职意愿,在报告有相似症状的员工里,这一比例上升至34%。
而那些最积极拥抱AI的人,也更容易出现“AI烧脑”现象,因为他们更喜欢多工具叠加、构建复杂的AI workflow以及管理多个AI Agent。
换言之,AI用得越深,越容易中招。
于是研究团队表示:
我们需要重新设计我们的工作方式……不能只是简单地保留昨天的工作方式,然后在上面加上人工智能。
尤其是对于企业而言,如果能够有组织地将AI融入工作流程中,团队成员的精神压力也会显著降低,能够更好地强化员工与新工具的积极互动,同时抑制消极互动。

具体可以表现在三个方面:
1、减少AI监管密度。
不要给一个员工同时叠加多个Agent,需要设定合理的界限,正如前面研究团队所发现的那样,三个就刚刚好,过犹不及。
另一方面,也要明确工作量的变化。不能简单地因为AI提升生产力,就直接增加工作强度,要阐明AI在组织中的用途,制定监督指导方针,设定可衡量的成果。
2、培养员工相关技能。
对AI用得越熟练的开发者,反而越容易陷入停滞,他们缺乏的并非是使用AI的能力,而是定义问题、规划分析、优先级判断这类高阶能力。
解决方法在于企业集中提升员工的思考与规划能力,减少那些盲目的AI迭代工作。
3、对人类注意力进行战略性部署。
人类注意力实则是有限的稀缺资源,企业需要像管理算力一样统筹员工认知能力。
AI带来的急性精神疲惫很容易被忽略,所以企业应当将其作为新的职业风险来监控和防范,升级企业内部的人力分析体系,重视员工认知健康,才能留住人才、减少失误。
4、从人机协作共赢的角度重新设计AI工具。
而那些设计AI工具的研究者们也应当考虑到这一因素,最大程度地保障用户思维的可持续发展,鼓励用户创新、发展技能,减少对用户注意力和工作记忆的要求。

总的来说,以前工作追求Work-Life Balance,现在需要转向如何Human-AI Balance。
尤其是龙虾养殖er,更需要警惕。
实在不行,先下楼吃两斤小龙虾,给大脑放个假再继续,也是不错的解决方案。(亲测有效.jpg)
参考链接:
[1]https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry
[2]https://www.cbsnews.com/news/is-ai-productivity-prompting-burnout-study-finds-new-pattern-of-ai-brain-fry/
[3]https://www.revivetherapeuticservices.com/beyond-the-set-and-forget-navigating-ai-decision-fatigue-in-the-age-of-openclaw
文章来自于“量子位”,作者 “鹭羽”。
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0