עומס של בינה מלאכותית הוא דבר אמיתי. הנה מה שקורה במוח שלך.

משהו השתנה סביב 2024. מספר האנשים שמתארים סוג מסוים של עייפות קוגניטיבית — לא ממש שחיקה, לא ממש עומס מידע, אלא משהו שנמצא בצומת של השניים — עלה באופן חד. התיאורים עקביים: תחושת רוויה נפשית, קושי לחשוב באופן עצמאי, סובלנות מופחתת לאי-ודאות, ותלות לא נוחה בכלים של בינה מלאכותית שהופכת את החשיבה לקשה יותר, ולא לקלה יותר.

זה לא פחד מטכנולוגיה או נוסטלגיה. זה משקף דינמיקות נוירולוגיות אמיתיות שניתן לחזותן בהתבסס על מה שאנחנו יודעים על איך המוח מעבד מידע, שומר על תפקוד קוגניטיבי, ומגיב לעזרה שתמיד זמינה. הנה מה שקורה — ומה שהראיות מצביעות עליו לגבי איך לנווט את זה.

הסביבה הקוגניטיבית החדשה

נכון לשנת 2025, עובדים בתחום הידע ברוב התעשיות מתקשרים עם כלים מבוססי AI — ChatGPT, Copilot, Gemini, Claude, ועשרות כלים מיוחדים — מספר פעמים ביום. המשתמש הממוצע שולח עשרות שאילתות מדי יום. תוכן שנוצר על ידי AI מהווה עכשיו חלק משמעותי מטיוטות דוא"ל, סיכומי פגישות, קוד, מסמכים כתובים, ותוצאות חיפוש.

זהו באמת סביבה קוגניטיבית חדשה. לראשונה בהיסטוריה, חלק גדול מהעבודה הקוגניטיבית שדרשה בעבר מאמץ מתמשך — ניסוח, סיכום, חיפוש, תכנון, תיקון — יכולה להיות מועברת כמעט באופן מיידי. השאלה היא מה זה עושה למוח עם הזמן.

התשובה, בהתבסס על מה שאנחנו יודעים על תפקוד קוגניטיבי ועומס קוגניטיבי, היא יותר מורכבת מהגרסה האופטימית (בינה מלאכותית מרחיבה את היכולת האנושית) או מהגרסה הפסימית (בינה מלאכותית מחלישה את היכולת האנושית). שני הדברים קורים, בדרכים שונות, עבור סוגים שונים של חשיבה.

למה כלים של בינה מלאכותית יכולים להגדיל את העומס הקוגניטיבי במקום להפחית אותו

ההנחה האינטואיטיבית היא שהעברת עבודה ל-AI מפחיתה את העומס הקוגניטיבי. במובנים מסוימים זה נכון. אבל המחקר על תיאוריית העומס הקוגניטיבי (סוולר, 1988) מבחין בין <em>עומס פנימי</em> (המורכבות של המשימה עצמה), <em>עומס חיצוני</em> (דרישות קוגניטיביות שנוצרות על ידי איך שהמשימה מוצגת), ו<em>עומס ג'רמני</em> (המאמץ הקוגניטיבי שבונה הבנה ומיומנות).

כלים של AI בעיקר מפחיתים את העומס הפנימי והעומס הג'רמני — הם מטפלים בעבודה שדורשת אחרת מאמץ ומייצרים למידה. אבל הם לעיתים קרובות <em>מעלים</em> את העומס החיצוני: הערכת תוצרי AI לדיוק, שילוב של מספר חלקים שנוצרו על ידי AI לעבודה קוהרנטית, ניהול הקשר בין מספר כלים, החלטה מה להאציל ומה לעשות באופן אישי, ושמירה על פיקוח על תהליכי AI. אלו דרישות קוגניטיביות חדשות שלא היו קיימות לפני כן.

התוצאה עבור רבים היא פרדוקס: יותר תפוקה, יותר עייפות קוגניטיבית. העבודה מרגישה קלה יותר ברגעים בודדים אבל יותר מתישה לאורך יום. זה תואם את המחקר על <em>עייפות החלטות</em> — העלות המצטברת של קבלת הרבה החלטות קטנות מפחיתה את אותם משאבים פרה-פרונטליים כמו קבלת כמה החלטות גדולות.

עבודה בעזרת AI מגדילה באופן דרמטי את מספר המיקרו-החלטות: לקבל את ההצעה הזו, לדחות את זו, לערוך את הפסקה הזו, לחפש שוב את הפנייה ההיא. כל החלטה היא מהירה, אבל העומס הכולל על פני מאות מיקרו-החלטות יומיות הוא משמעותי.

פרדוקס האוטומציה והאטrophy של מיומנויות

ישנו תופעה מתועדת היטב במחקרי ארגונומיה וגורמים אנושיים הנקראת <em>פרדוקס האוטומציה</em> או <em>אירוניה של האוטומציה</em> (ביינברידג', 1983): כאשר האוטומציה מטפלת בעבודות השגרתיות, המפעילים האנושיים הופכים לפחות מיומנים במיומנויות הנדרשות למצבים לא שגרתיים. טייסים המסתמכים על טייס אוטומטי ברוב הטיסות שלהם מראים מיומנויות ידניות ירודות. רדיולוגים המשתמשים בכלי אבחון מבוססי AI מראים שיעורי גילוי מופחתים כאשר ה-AI מפספס משהו.

הדינמיקה הזו חלה גם על עבודה קוגניטיבית. כתיבה, פתרון בעיות, תכנון, וסינתזה יצירתית הם מיומנויות שמתפתחות דרך תרגול ונחלשות בלעדיו. כאשר ה-AI מטפל בטיוטה הראשונה, בסינתזה, או בהיגיון מסודר, הנתיבים הקוגניטיביים הללו מקבלים פחות תרגול. הדאגה אינה דרמטית — זה לא אומר שאנשים שוכחים איך לחשוב — אבל הנחלשות ההדרגתית של מיומנויות מתורגלות מייצרת שינוי אמיתי ביכולת ובביטחון הקוגניטיבי עם הזמן.

זה שונה מלהיות פשוט פחות מתורגל בכתיבה בעט. כתיבה — למעשה הרכבה, לא דיקטציה או עריכה — מעורבת בזיכרון העבודה, בארגון מושגי, ובחשיבה רפלקטיבית בדרכים שסקירה ועריכה של תוצרי AI לא משחזרות במלואן. העבודה הקוגניטיבית של הרכבה היא גנרטיבית; העבודה הקוגניטיבית של עריכה היא הערכתית. לשניהם יש ערך; הם לא ניתנים להחלפה.

שכבת פיצול תשומת הלב

בנפרד מעומס קוגניטיבי ודעיכת מיומנויות, כלים מבוססי AI מוסיפים שכבת פיצול תשומת לב לסביבה שכבר רוויה בהפרעות. כל ממשק צ'אט, עוזר קידוד, וכלי כתיבה הם מקור פוטנציאלי להפרעה — שאלה ליצירה, תוצאה לבדוק, המשך לחדד.

הקורטקס הפרה-פרונטלי, שמנהל תשומת לב ממושכת ותפקוד ניהולי, לא מבדיל בין הפרעות שנוצרו על ידי בני אדם לבין הפרעות שנוצרו על ידי AI. המחקר על עלויות החלפת משימות (Rubinstein et al., 2001) מראה שהחלפה בין משימות — אפילו לזמן קצר — מטילה קנס קוגניטיבי שמצטבר במהלך היום. הוספת כלים מבוססי AI לסביבת עבודה שכבר מפוצלת מחמירה את המצב הזה מבלי שרבים מזהים את מקור העייפות שלהם.

האירוניה היא שכלים מבוססי AI מאומצים לעיתים קרובות במטרה להפחית את העומס הקוגניטיבי. אבל הוספת כלים חדשים, ממשקים חדשים, ונקודות החלטה חדשות לעיתים קרובות מגבירה את הביקוש הקוגניטיבי הכולל במקום להפחית אותו — לפחות עד שהכלים הללו משתלבים מספיק כדי להתנהל אוטומטית ולא במכוון.

מה לעשות עם זה באמת

<strong>הבחינו בין הפחתה להקלה.</strong> לא כל עזרה של AI משפיעה על הקוגניציה באותו אופן. שימוש ב-AI כדי לטפל במשימות בעלות ערך נמוך (עיצוב, טקסטים קבועים, חיפושים חוזרים) מפחית את העומס בלי עלות כישורים משמעותית. שימוש ב-AI כדי לטפל במחשבות שתרצו להמשיך להיות מיומנים בהן — כתיבה מורכבת, ניתוח רציונלי, פתרון בעיות יצירתי — מפחית את העומס במחיר של יכולת מתורגלת. להיות מודעים לאיזו קטגוריה שייך השימוש הוא נקודת ההתחלה.

<strong>שמור על זמן חשיבה עצמאי.</strong> הכישורים הקוגניטיביים שנמצאים בסיכון הגבוה ביותר מהעברת משימות ל-AI הם בדיוק אלו ששווה לשמור עליהם: חשיבה עצמאית, כתיבה ממושכת, תכנון מורכב. תרגול מכוון של הכישורים הללו ללא עזרה של AI — לזמנים מוגדרים, במשימות שחשובות — זה לא פחד מטכנולוגיה; זה אותו היגיון כמו מנתח שמתרגל טכניקות ידניות גם כשיש כלים רובוטיים זמינים.

<strong>צמצם את מספר הכלים של AI בשימוש פעיל.</strong> העלות הקוגניטיבית של ניהול חמישה ממשקי AI שונים גבוהה יותר מאשר ניהול אחד שנבחר היטב. התפשטות הכלים של AI יוצרת את אותה בעיית פיצול תשומת הלב כמו התפשטות האפליקציות וההודעות. ריכוז מפחית את העומס הקוגניטיבי המיותר.

<strong>החל את אותם עקרונות כמו בריאות דיגיטלית כללית.</strong> העומס של AI הוא צורה ספציפית של הבעיה הרחבה יותר ש-Unwire עוסקת בה: סביבות קוגניטיביות שדורשות יותר ממה שהן מספקות, פיצול תשומת הלב שמרוקן מבלי למלא מחדש, וגירוי שתמיד זמין שמקשה על ניתוק. ההתערבויות הן עקביות: זמני הפסקה מוגדרים, עיצוב סביבה שמגביל אינטראקציה עם AI, וזמן התאוששות קבוע שבו המוח לא מופנה.

המבט הארוך

האינטגרציה של AI בעבודת ידע לא הולכת להתהפך. השאלה היא איך אנשים מנווטים בסביבה שהיא, בעיצוב, מכוונת למעורבות מקסימלית ולחיכוך מינימלי — ומה זה עושה לבריאות הקוגניטיבית לאורך שנים ולא רק ימים.

המחקר על רווחה דיגיטלית מציע באופן כללי שהאנשים שמנווטים בצורה הטובה ביותר בסביבות טכנולוגיות מתקדמות הם לא אלה שמשתמשים בכמות הכלים הגדולה ביותר או הקטנה ביותר, אלא אלה ששומרים על שליטה מכוונת על התנאים של תשומת הלב שלהם: מתי הם נגישים, מתי לא, מה הם מעבירים החוצה ומה הם מגנים עליו.

השליטה הזו קשה יותר לשמור עליה בסביבה רוויה בבינה מלאכותית מאשר בסביבה רוויה בסמארטפונים בלבד. אבל העיקרון הבסיסי — להגן על היכולת שלך לחשוב באופן עצמאי, לשחזר את הבסיס של המוח דרך מנוחה אמיתית, ולעצב את הסביבה שלך במקום להגיב לה — נשאר אותו דבר.

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.