AI-kuormitus on ihan oikea ilmiö. Näin aivoissasi tapahtuu.

Jokin muuttui vuoden 2024 tienoilla. Niiden ihmisten määrä, jotka kuvaavat tietynlaista kognitiivista uupumusta — ei ihan loppuunpalamista, ei ihan tietotulvaa, vaan jotain niiden välimaastosta — kasvoi jyrkästi. Kuvaukset toistuvat samanlaisina: tunne mielen täyttymisestä, vaikeus ajatella itsenäisesti, heikentynyt sietokyky epävarmuudelle ja epämukava riippuvuus tekoälytyökaluista, joka tekee ajattelusta jotenkin vaikeampaa, ei helpompaa.

Kyse ei ole teknofobiasta tai nostalgiasta. Tämä heijastaa aitoja neurologisia mekanismeja, jotka ovat ennustettavissa sen perusteella, mitä tiedämme siitä, miten aivot käsittelevät tietoa, ylläpitävät kognitiivista toimintaa ja reagoivat aina saatavilla olevaan apuun. Tässä on, mitä tapahtuu — ja mitä tutkimusnäyttö kertoo siitä, miten tilanteessa voi toimia.

Uusi kognitiivinen ympäristö

Vuonna 2025 useimmilla toimialoilla tietotyöntekijät käyttävät tekoälytyökaluja — ChatGPT:tä, Copilotia, Geminiä, Claudea ja kymmeniä erikoistyökaluja — useita kertoja päivässä. Keskivertokäyttäjä lähettää päivittäin kymmeniä kyselyitä. Tekoälyn tuottama sisältö muodostaa nykyään merkittävän osuuden sähköpostiluonnoksista, kokousyhteenvedoista, koodista, kirjallisista dokumenteista ja hakutuloksista.

Tämä on aidosti uusi kognitiivinen ympäristö. Ensimmäistä kertaa historiassa suuri osa kognitiivisesta työstä, joka aiemmin vaati pitkäkestoista ponnistelua — luonnostelu, tiivistäminen, etsiminen, suunnittelu, virheenkorjaus — voidaan siirtää pois lähes hetkessä. Kysymys on, mitä tämä tekee aivoille ajan mittaan.

Vastaus on, sen perusteella mitä tiedämme kognitiivisesta toiminnasta ja kognitiivisesta kuormituksesta, monimutkaisempi kuin joko optimistinen näkemys (tekoäly laajentaa ihmisen kykyjä) tai pessimistinen näkemys (tekoäly kuihduttaa ihmisen kykyjä). Molempia tapahtuu eri tavoin erityyppisessä ajattelussa.

Miksi tekoälytyökalut voivatkin lisätä kognitiivista kuormaa sen sijaan, että vähentäisivät sitä

Luonteva oletus on, että työn siirtäminen tekoälylle vähentää kognitiivista kuormaa. Joiltain osin näin onkin. Mutta kognitiivisen kuorman teoriaa koskeva tutkimus (Sweller, 1988) erottaa toisistaan sisäisen kuorman (tehtävän itsensä monimutkaisuus), ulkoisen kuorman (kognitiiviset vaatimukset, joita syntyy siitä, miten tehtävä esitetään) ja oppimista tukevan kuorman (kognitiivisen ponnistelun, joka rakentaa ymmärrystä ja taitoa).

AI-työkalut vähentävät ennen kaikkea sisäistä ja oppimista tukevaa kuormaa — ne hoitavat työn, joka muuten vaatisi ponnistelua ja tuottaisi oppimista. Mutta ne usein lisäävät ulkoista kuormaa: tekoälyn tuottaman sisällön paikkansapitävyyden arviointi, useista tekoälyn tuottamista osista koostuvan työn yhdistäminen, asiayhteyden hallinta useiden työkalujen välillä, päätös siitä, mitä delegoida ja mitä tehdä itse, sekä tekoälyprosessien valvonta. Nämä ovat uusia kognitiivisia vaatimuksia, joita ei aiemmin ollut.

Monille tuloksena on paradoksi: enemmän tuottavuutta, enemmän kognitiivista väsymystä. Työ tuntuu kevyemmältä yksittäisissä hetkissä, mutta koko päivän mittaan uuvuttavammalta. Monet kuvaavat tätä nimellä päätösväsymys: pitkään jatkunut sarja pieniä valintoja tuntuu yhtä väsyttävältä kuin muutama suuri päätös. Miksi näin käy, on tutkimuksessa kiistanalaista, mutta kokemus henkisestä väsymyksestä tuntikausien jatkuvien pienten päätösten jälkeen on yleinen.

AI-avusteinen työ lisää dramaattisesti mikropäätösten määrää: hyväksy tämä ehdotus, hylkää tuo, muokkaa tätä kappaletta, esitä tuo kehote uudelleen. Jokainen päätös on nopea, mutta satojen päivittäisten mikropäätösten yhteenlaskettu kuormitus on huomattava.

Automaatioparadoksi ja taitojen rapautuminen

Ergonomian ja ihmistekijätutkimuksen alalla tunnetaan hyvin dokumentoitu ilmiö nimeltä automaatioparadoksi tai automaation ironia (Bainbridge, 1983): kun automaatio hoitaa rutiinityöt, ihmiskäyttäjät harjoittelevat vähemmän niitä taitoja, joita tarvitaan ei-rutiininomaisissa tilanteissa. Lentäjillä, jotka lentävät suurimman osan ajasta autopilotilla, käsiohjaustaidot heikkenevät. AI-diagnostiikkatyökaluja käyttävillä radiologeilla havaintotarkkuus heikkenee, kun tekoälyltä menee jokin ohi.

Sama dynamiikka koskee kognitiivista työtä. Kirjoittaminen, ongelmien läpiajattelu, suunnittelu ja luova yhdistely ovat taitoja, jotka kehittyvät harjoittelemalla ja rapistuvat ilman sitä. Kun tekoäly hoitaa ensimmäisen luonnoksen, yhdistelyn tai jäsennellyn päättelyn, nuo ajattelun polut saavat vähemmän harjoitusta. Huoli ei ole dramaattinen — se ei tarkoita, että ihmiset unohtaisivat, miten ajatellaan — mutta harjoiteltujen taitojen vähittäinen rapautuminen muuttaa ajan myötä kognitiivista kyvykkyyttä ja itsevarmuutta.

Tämä on eri asia kuin se, että käsin kirjoittaminen on vain vähemmän harjoiteltua. Kirjoittaminen — siis itse tekstin tuottaminen, ei sanelu tai editointi — aktivoi työmuistia, käsitteellistä jäsentelyä ja pohdiskelevaa ajattelua tavoilla, joita AI:n tuottaman sisällön läpikäynti ja muokkaaminen ei täysin korvaa. Tekstin tuottamisen kognitiivinen työ on tuottavaa; editoinnin kognitiivinen työ on arvioivaa. Molemmilla on arvoa; ne eivät ole vaihdettavissa keskenään.

Huomion pirstoutumisen kerros

Kognitiivisesta kuormasta ja taitojen rapautumisesta erillään tekoälytyökalut lisäävät vielä yhden huomion pirstoutumisen kerroksen ympäristöön, joka on jo valmiiksi täynnä keskeytyksiä. Jokainen chat-rajapinta, koodaamisen apuri ja kirjoitustyökalu on mahdollinen keskeytyksen lähde — pyyntö luoda jotakin, tulos tarkistettavaksi, jatkopyyntö hiottavaksi.

Etuotsalohko, joka hallitsee pitkäkestoista tarkkaavuutta ja toiminnanohjausta, ei tee eroa ihmisten aiheuttamien ja tekoälyn aiheuttamien keskeytysten välillä. Tehtävästä toiseen vaihtamisen kustannuksia koskeva tutkimus (Rubinstein et al., 2001) osoittaa, että vaihtaminen tehtävästä toiseen — vaikka vain hetkeksi — aiheuttaa kognitiivisen kustannuksen, joka kasautuu päivän aikana. Useiden tekoälytyökalujen lisääminen jo valmiiksi pirstoutuneeseen työympäristöön pahentaa tätä, ilman että moni edes tunnistaa väsymyksensä lähdettä.

Ironista kyllä, tekoälytyökaluja otetaan usein käyttöön juuri kognitiivisen kuorman keventämiseksi. Mutta uusien työkalujen, uusien käyttöliittymien ja uusien päätöspisteiden lisääminen kasvattaa usein kokonaiskognitiivista kuormaa sen sijaan, että se vähentäisi sitä — ainakin siihen asti, että työkalut on integroitu niin hyvin, että niitä voidaan käyttää automaattisesti eikä harkiten.

Mitä asialle voi oikeasti tehdä

Erota kuormituksen vähentäminen työn siirtämisestä. Kaikilla tekoälyavustuksilla ei ole samaa kognitiivista vaikutusta. Tekoälyn käyttäminen aidosti vähäarvoisten tehtävien hoitamiseen (muotoilu, vakiotekstit, toistuvat haut) vähentää kuormaa ilman merkittävää haittaa taidoille. Tekoälyn käyttäminen ajattelussa tarvittavien taitojen tukemiseen — monimutkainen kirjoittaminen, perusteltu analyysi, luova ongelmanratkaisu — vähentää kuormaa harjoitellun kyvykkyyden kustannuksella. Tietoinen valinta siitä, kumpaan kategoriaan jokin käyttötapa kuuluu, on lähtökohta.

Suojele aikaa ajatella ilman apua. Tekoälylle ulkoistetun ajattelun vuoksi eniten vaarassa olevat kognitiiviset taidot ovat juuri niitä, joiden säilyttäminen on kaikkein tärkeintä: itsenäinen päättely, pitkäjänteinen kirjoittaminen, monimutkainen suunnittelu. Näiden taitojen tietoinen harjoittelu ilman tekoälyn apua — määrättyinä ajanjaksoina, tärkeiden tehtävien parissa — ei ole teknofobiaa; se on sama logiikka kuin kirurgilla, joka harjoittelee manuaalisia tekniikoita silloinkin, kun robottityökalut ovat käytettävissä.

Vähennä aktiivisesti käytössä olevien tekoälytyökalujen määrää. Viiden eri tekoälykäyttöliittymän hallinnan kognitiivinen hinta on suurempi kuin yhden hyvin valitun työkalun hallinnan. Tekoälytyökalujen lisääntyminen luo saman huomion sirpaloitumisen ongelman kuin sovellusten ja ilmoitusten lisääntyminen. Yhteen kokoaminen vähentää ylimääräistä kognitiivista kuormaa.

Sovella samoja periaatteita kuin digitaalisessa hyvinvoinnissa yleensä. Tekoälyn ylikuormitus on yksi Unwiren käsittelemän laajemman ongelman muoto: kognitiiviset ympäristöt, jotka vaativat enemmän kuin antavat, huomion sirpaloituminen, joka kuluttaa palauttamatta mitään, ja aina saatavilla oleva ärsyke, joka tekee irrottautumisesta mahdottomalta tuntuvan. Keinot ovat samat: määritellyt tauot, ympäristön suunnittelu, joka rajoittaa taustalla tapahtuvaa tekoälyvuorovaikutusta, ja säännöllinen palautumisaika, jolloin aivoja ei ohjata.

Pidempi näkökulma

Tekoälyn integroituminen tietotyöhön ei ole menossa takaisin. Kysymys on siitä, miten ihmiset navigoivat ympäristössä, joka on suunniteltu maksimaalista sitoutumista ja minimaalista kitkaa varten — ja mitä se tekee kognitiiviselle terveydelle vuosien, ei päivien, aikana.

Digitaalisen hyvinvoinnin tutkimus laajemmin viittaa siihen, että parhaiten korkean teknologian ympäristöissä pärjäävät eivät ole niitä, jotka käyttävät eniten työkaluja tai vähiten, vaan ne, jotka pitävät tietoisesti hallinnassa oman huomionsa olosuhteita: milloin he ovat tavoitettavissa, milloin eivät, mitä he ulkoistavat ja mitä he suojelevat.

Tällaisen harkitsevuuden säilyttäminen on vaikeampaa tekoälyä pursuavassa ympäristössä kuin pelkkiä älypuhelimia pursuavassa ympäristössä. Mutta perusperiaate — suojele kykyäsi ajatella itsenäisesti, palauta aivojen perustaso aidon levon avulla ja suunnittele ympäristösi sen sijaan, että reagoisit siihen — pysyy samana.

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.

Miten tutkimme ja arvioimme tämän