AI-overbelastning er en reel ting. Her er, hvad der sker i din hjerne.

Der skete noget omkring 2024. Antallet af mennesker, der beskrev en bestemt form for kognitiv udmattelse — ikke helt udbrændthed, ikke helt informations-overbelastning, men noget midt imellem — steg markant. Beskrivelserne er ens: en følelse af mental mæthed, svært ved at tænke selvstændigt, lavere tolerance for usikkerhed og en ubehagelig afhængighed af AI-værktøjer, som på en eller anden måde gør det sværere at tænke, ikke lettere.

Det her er hverken teknofobi eller nostalgi. Det afspejler reelle neurologiske processer, som er forudsigelige, når man ser på, hvordan hjernen behandler information, opretholder kognitiv funktion og reagerer på hjælp, der altid er tilgængelig. Her er, hvad der sker — og hvad evidensen tyder på om, hvordan man håndterer det.

Det nye kognitive miljø

I 2025 bruger vidensarbejdere i de fleste brancher AI-værktøjer — ChatGPT, Copilot, Gemini, Claude og dusinvis af specialiserede værktøjer — flere gange om dagen. Den gennemsnitlige bruger sender dusinvis af forespørgsler dagligt. AI-genereret indhold udgør nu en betydelig del af udkast til e-mails, mødeopsummeringer, kode, skriftlige dokumenter og søgeresultater.

Det her er et helt nyt kognitivt miljø. For første gang i historien kan en stor del af det kognitive arbejde, som tidligere krævede vedvarende indsats — at skrive udkast, opsummere, søge, planlægge, fejlfinde — lægges over næsten øjeblikkeligt. Spørgsmålet er, hvad det gør ved hjernen over tid.

Svaret, ud fra det vi ved om kognitiv funktion og kognitiv belastning, er mere komplekst end både den optimistiske version (AI udvider menneskets kapacitet) og den pessimistiske (AI svækker menneskets kapacitet). Begge dele sker, på forskellige måder, for forskellige typer tænkning.

Hvorfor AI-værktøjer kan øge den kognitive belastning i stedet for at mindske den

Den intuitive antagelse er, at når man lægger arbejde over til AI, mindsker det den kognitive belastning. På nogle måder gør det også det. Men forskningen i kognitiv belastningsteori (Sweller, 1988) skelner mellem intrinsisk belastning (opgavens kompleksitet i sig selv), ekstrinsisk belastning (de kognitive krav, som måden opgaven præsenteres på skaber), og germane belastning (den kognitive indsats, der opbygger forståelse og færdigheder).

AI-værktøjer reducerer primært den intrinsiske og germane belastning — de klarer det arbejde, som ellers ville kræve indsats og give læring. Men de øger ofte den ekstrinsiske belastning: at vurdere AI-output for nøjagtighed, få flere AI-genererede dele til at hænge sammen til et sammenhængende stykke arbejde, holde styr på konteksten på tværs af flere værktøjer, beslutte hvad man skal delegere, og hvad man selv skal gøre, samt føre tilsyn med AI-processer. Det er nye kognitive krav, som ikke fandtes før.

For mange mennesker er resultatet et paradoks: mere output, mere kognitiv træthed. Arbejdet føles lettere i de enkelte øjeblikke, men mere udmattende i løbet af en dag. Mange beskriver det som beslutningstræthed: en lang række små vurderinger føles lige så udmattende som nogle få store. Hvorfor det sker, er der uenighed om i forskningen, men oplevelsen af mental træthed efter timer med konstante mikrobeslutninger er almindelig.

AI-assisteret arbejde øger dramatisk antallet af mikrobeslutninger: godkend dette forslag, afvis det andet, ret dette afsnit, kør den prompt igen. Hver beslutning går hurtigt, men den samlede belastning på tværs af hundredvis af daglige mikrobeslutninger er betydelig.

Automatiseringsparadokset og færdighedsforfald

Der findes et velbeskrevet fænomen i ergonomi- og forskning i menneskelige faktorer, kaldet automatiseringsparadokset eller automatiseringens ironi (Bainbridge, 1983): når automatisering tager sig af rutinearbejdet, bliver menneskelige operatører mindre øvede i de færdigheder, der kræves i ikke-rutinesituationer. Piloter, der er afhængige af autopilot det meste af deres flyvning, viser dårligere manuelle færdigheder. Radiologer, der bruger AI-diagnoseværktøjer, viser lavere detektionsrate, når AI'en overser noget.

Den samme dynamik gælder for kognitivt arbejde. At skrive, ræsonnere sig gennem problemer, planlægning og kreativ syntese er færdigheder, der udvikles gennem øvelse og svækkes uden den. Når AI håndterer første udkast, syntesen eller den strukturerede ræsonnering, får de kognitive baner mindre træning. Bekymringen er ikke dramatisk — det betyder ikke, at folk glemmer at tænke — men det gradvise forfald i øvede færdigheder fører over tid til en reel ændring i kognitiv kapacitet og selvtillid.

Dette er noget andet end bare at være mindre øvet i at skrive i hånden. At skrive — altså faktisk at formulere teksten, ikke at diktere eller redigere den — aktiverer arbejdshukommelse, begrebsmæssig organisering og reflekterende tænkning på måder, som gennemgang og redigering af AI-output ikke fuldt ud kan efterligne. Det kognitive arbejde i at formulere er skabende; det kognitive arbejde i at redigere er vurderende. Begge har værdi; de kan ikke erstatte hinanden.

Laget med opmærksomhedsfragmentering

Udover den kognitive belastning og færdighedsforfald tilføjer AI-værktøjer endnu et lag af opmærksomhedsfragmentering til et miljø, der allerede er mættet af afbrydelser. Hver chatgrænseflade, kodeassistent og skriveværktøj er en potentiel afbrydningskilde — en forespørgsel, der skal laves, et resultat, der skal tjekkes, en opfølgning, der skal finjusteres.

Præfrontale cortex, som styrer vedvarende opmærksomhed og eksekutive funktioner, skelner ikke mellem menneskeskabte og AI-skabte afbrydelser. Forskningen i omkostninger ved at skifte mellem opgaver (Rubinstein et al., 2001) viser, at det at skifte mellem opgaver — selv kortvarigt — medfører en kognitiv omkostning, som hober sig op i løbet af en dag. Når man tilføjer flere AI-værktøjer til et allerede fragmenteret arbejdsmiljø, forværres det her, uden at mange opdager, hvad der er kilden til deres træthed.

Ironien er, at AI-værktøjer ofte bliver taget i brug netop for at reducere den kognitive belastning. Men tilføjelsen af nye værktøjer, nye grænseflader og nye beslutningspunkter øger ofte den samlede kognitive belastning i stedet for at reducere den — i hvert fald indtil værktøjerne er integreret godt nok til at blive håndteret automatisk i stedet for bevidst.

Hvad du faktisk kan gøre ved det

Skeln mellem at reducere og at aflaste. Ikke al AI-assistance har samme kognitive effekt. At bruge AI til at håndtere opgaver med virkelig lav værdi (formatering, standardtekster, gentagne søgninger) reducerer belastningen uden nævneværdigt tab af færdigheder. At bruge AI til at håndtere den tænkning, du gerne vil blive ved med at være skarp til — komplekst skrivearbejde, velbegrundet analyse, kreativ problemløsning — reducerer belastningen på bekostning af øvet evne. At være bevidst om, hvilken kategori en given brug hører til i, er udgangspunktet.

Beskyt tiden til at tænke uden hjælp. De kognitive færdigheder, der er mest udsatte, når AI overtager arbejdet, er netop dem, det er mest værd at bevare: selvstændig tænkning, vedvarende skrivning, kompleks planlægning. Bevidst træning af disse færdigheder uden AI-hjælp — i afgrænsede perioder, på opgaver der betyder noget — er ikke teknofobi; det er samme logik som en kirurg, der øver manuelle teknikker, selv når robotværktøjer er tilgængelige.

Reducer antallet af AI-værktøjer i aktiv brug. Den kognitive belastning ved at holde styr på fem forskellige AI-grænseflader er større end ved at håndtere én, man har valgt godt. Spredningen af AI-værktøjer skaber det samme problem med opsplittet opmærksomhed som spredningen af apps og notifikationer. Samling reducerer den unødige kognitive belastning.

Brug de samme principper som ved digital trivsel generelt. AI-overbelastning er en særlig form for det bredere problem, som Unwire arbejder med: kognitive miljøer, der kræver mere, end de giver, opsplittet opmærksomhed, der dræner uden at genopbygge, og en stimulus, der altid er tilgængelig, og som får det til at føles umuligt at koble fra. Indsatserne er de samme: afgrænsede perioder uden AI, miljødesign, der begrænser AI i baggrunden, og regelmæssig restitutionstid, hvor hjernen ikke bliver styret.

Det lange perspektiv

Integrationen af AI i vidensarbejde kommer ikke til at vende tilbage. Spørgsmålet er, hvordan den enkelte navigerer i et miljø, der er designet til maksimal engagement og minimal friktion — og hvad det gør ved den kognitive sundhed over år snarere end dage.

Forskningen i digital trivsel mere generelt tyder på, at dem, der klarer sig bedst i højteknologiske miljøer, ikke er dem, der bruger flest værktøjer eller færrest, men dem, der bevarer bevidst kontrol over vilkårene for deres egen opmærksomhed: hvornår de er tilgængelige, hvornår de ikke er, hvad de outsourcer, og hvad de beskytter.

Den bevidsthed er sværere at fastholde i et AI-mættet miljø end i et, der bare er mættet af smartphones. Men det grundlæggende princip — beskyt din evne til at tænke selvstændigt, genskab hjernens grundniveau gennem ægte hvile, og design dit miljø i stedet for at reagere på det — er det samme.

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

Sådan forsker og gennemgår vi dette