当“AI疲劳”成为科技圈的热门话题，不少人开始将这种疲惫感归咎于人工智能技术本身——认为AI正在“榨干”从业者的精力，甚至给它贴上“吸血鬼”的标签。但如果我们换个角度看，或许会发现这根本不是技术的问题，而是人类在学习新技能时必然经历的成长阵痛。
近期，关于AI疲劳的讨论层出不穷：有工程师在媒体上坦言，上季度是自己产出最多却也最疲惫的一段时间；曾提出“氛围编码”概念的技术专家Steve Yegge表示，自己现在每天需要午睡，且将AI辅助工作的时长严格限制在3小时内；不少创业者也提到，下午2点就会陷入精力枯竭的状态。这些案例似乎都在印证一个结论：AI正在成为从业者的负担。
但仔细观察就会发现一个有趣的规律：那些喊累的人，恰恰是对AI最投入的“信徒”。完全不使用AI的工程师们虽然可能有些焦虑，但并没有明显的疲惫感；而那些深度拥抱AI、用它构建复杂工作流、实现前所未有的产出速度的人，才是真正感到“被掏空”的群体。
这种现象让我们联想到学习一项新技能的过程。就像第一次硬拉健身的人，第二天会浑身酸痛，甚至连坐下都困难。如果此时就断言“硬拉对身体有害”，显然是片面的。因为这种酸痛并非身体受损的信号，而是肌肉和神经系统在适应新运动模式、构建新能力的证明。六个月后，当身体完全适应，你能拉起更重的重量，却不会再感到同样的疲惫。
AI辅助工作带来的疲惫，本质上和健身后的酸痛如出一辙。在传统的工作模式中，程序员的大脑已经形成了一套成熟的“程序”：熟悉的编码节奏、固定的调试流程、驾轻就熟的操作习惯，就像每天开车通勤一样，虽然技术上复杂，但因为足够熟练，甚至可以一边思考晚餐吃什么一边完成工作。
而AI辅助工作则是一种完全不同的认知任务。你不再是直接编写代码，而是变成了“指挥者”：需要指导AI的工作方向、评估它的输出质量、在多个AI工具间切换、在保持整体架构思路的同时，实时验证AI给出的实现方案。这就像从自己开车变成了指挥一支车队，每一个决策都需要全神贯注，每一次评估都需要调动大量认知资源。
这种认知负荷的变化，是AI疲劳的核心原因。当我们用传统工作的精力消耗标准来衡量AI辅助工作时，就会产生“3小时AI工作比8小时传统编码更累”的错觉。但这并非因为AI让工作变得更难，而是因为我们的大脑还没有为这种全新的工作模式建立起高效的神经通路。
技术专家Steve Yegge提出的AI采用八阶段模型，恰好对应着一条“精力消耗曲线”：在第一、第二阶段，人们只是偶尔使用AI的自动补全功能，认知负荷很低，几乎不会感到疲惫；到了第三至第六阶段，人们开始深度使用AI，让它承担更多自主任务，同时需要管理复杂的工作流，这正是精力消耗的峰值，也是当前大多数早期使用者所处的阶段；而到了第七、第八阶段，人们已经建立了成熟的AI工作流，知道该信任AI的哪些输出，该重点检查哪些部分，甚至可以描述完需求就离开，几小时后再回来验收成果——此时，大脑已经适应了新的工作模式，疲惫感会大幅降低。
让我们再回到学开车的类比：第一次上高速时，你可能紧握着方向盘，全神贯注地观察路况，30分钟的车程就能让你精疲力竭。但当你熟练之后，甚至可以一边听播客一边吃着三明治开一小时车。没有人会因为学开车时的疲惫，就断言“汽车会榨干人类精力”，因为我们都明白，这种疲惫是暂时的，是学习新技能的必要成本。
但在AI疲劳的讨论中，很多人却忽略了这个本质。他们将这种过渡性的疲惫，误认为是AI技术的固有缺陷，甚至将其视为一种“慢性病”。这种错误的诊断，会导致错误的应对方式：如果认为AI疲劳是永久的，那么人们可能会永远限制自己的AI使用时长，企业也会被迫接受“工程师每天只能高效工作3小时”的现状。
但如果我们能正确认识到这只是“成长的阵痛”，应对策略就会完全不同：我们需要像健身一样循序渐进，逐步增加AI工作的强度；需要给大脑足够的时间来适应新的认知模式；需要通过实践来建立高效的AI工作流，而不是因为暂时的疲惫就放弃。
更重要的是，这种认知上的转变，关系到我们如何面对技术变革带来的挑战。那些能够熬过这段“阵痛期”、成功建立AI工作认知通路的从业者，未来将能以更高效的方式工作，实现前所未有的产出；而那些因为暂时的疲惫就停留在传统工作模式中的人，可能会在未来的技术浪潮中逐渐落后。
AI疲劳不是技术的“原罪”，而是人类在拥抱新技术时必然经历的成长过程。就像我们不会因为学开车时的疲惫就放弃汽车，我们也不应该因为暂时的精力消耗就否定AI的价值。真正的问题不是“AI让我们疲惫”，而是“我们还没学会如何高效地与AI协作”。当我们的大脑完成了这场“认知升级”，那些现在让我们疲惫的工作，未来会变得像开车通勤一样轻松自然。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ai-pi-lao-bu-shi-ji-shu-de-cuo-shi-wo-men-hai-mei-xue-hui
