AI brain fry описывает состояние, которое многие пользователи агентных инструментов узнают быстрее, чем хотели бы. Это не классическое выгорание, а острая когнитивная перегрузка от интенсивной работы с ИИ: нужно проверять выводы, исправлять ошибки, выбирать между вариантами, объединять ответы нескольких систем и держать в голове последствия их действий.
Исследование, которое пересказывает материал, опирается на опрос 1488 американских сотрудников крупных компаний. В нём виден парадокс. Когда ИИ забирает повторяющуюся рутину, уровень burnout снижается: человек меньше занимается скучной механикой. Но когда ИИ становится партнёром, требующим постоянного надзора, растут ментальные усилия, усталость и информационная перегрузка. Иначе говоря, работа не исчезает, а переезжает в контроль качества.
| Сценарий использования ИИ | Эффект из источника |
|---|---|
| Замена рутины | burnout ниже примерно на 15% |
| Высокий надзор за ИИ | +14% ментальных усилий |
| Высокий надзор за ИИ | +12% ментальной усталости |
| Высокий надзор за ИИ | +19% информационной перегрузки |
Этот эффект особенно заметен в агентных сценариях. Один чат-бот ещё можно воспринимать как инструмент. Несколько агентов, которые пишут код, анализируют документы, предлагают решения и требуют подтверждений, превращают сотрудника в диспетчера. Он отвечает за результат, но не всегда понимает, какие допущения сделала модель. Отсюда чувство тумана, замедление решений и ощущение, что мозг работает как перегруженный браузер.
Авторы связывают brain fry с проверкой выводов, синтезом ответов и управлением несколькими агентами.
Практический вывод для компаний простой: внедрение ИИ нельзя измерять только временем, сэкономленным на задаче. Нужно считать стоимость проверки, количество переключений внимания и риск повторной работы. Хороший AI-процесс должен не только генерировать больше вариантов, но и снижать нагрузку на человека, который за эти варианты отвечает.
