משהו השתנה סביב 2024. מספר האנשים שמתארים סוג מסוים של תשישות קוגניטיבית — לא ממש שחיקה, לא ממש עומס מידע, אלא משהו שנמצא בצומת שבין השניים — עלה בחדות. התיאורים חוזרים על עצמם: תחושת רוויה מנטלית, קושי לחשוב באופן עצמאי, סבילות נמוכה יותר לחוסר ודאות, ותלות לא נוחה בכלי AI, שבאופן מוזר גורמת לחשיבה להרגיש קשה יותר, לא קלה יותר.
זה לא פחד מטכנולוגיה או נוסטלגיה. זה משקף דינמיקות נוירולוגיות אמיתיות שאפשר לצפות להן לפי מה שידוע על האופן שבו המוח מעבד מידע, שומר על תפקוד קוגניטיבי ומגיב לעזרה זמינה תמיד. הנה מה שקורה — ומה שהראיות מציעות לגבי איך להתמודד עם זה.
הסביבה הקוגניטיבית החדשה
נכון ל-2025, עובדי ידע ברוב הענפים משתמשים בכלי AI — ChatGPT, Copilot, Gemini, Claude, ועשרות כלים ייעודיים — כמה פעמים ביום. המשתמש הממוצע שולח עשרות שאילתות ביום. תוכן שנוצר בידי AI מהווה כיום חלק משמעותי מטיוטות של אימיילים, סיכומי פגישות, קוד, מסמכים כתובים ותוצאות חיפוש.
הפעם מדובר בסביבה קוגניטיבית חדשה באמת. לראשונה בהיסטוריה, חלק גדול מהעבודה המחשבתית שבעבר דרשה מאמץ מתמשך — ניסוח טיוטות, סיכום, חיפוש, תכנון, איתור תקלות — אפשר להעביר כמעט מיידית. השאלה היא מה זה עושה למוח לאורך זמן.
התשובה, לפי מה שידוע לנו על תפקוד קוגניטיבי ועומס קוגניטיבי, מורכבת יותר גם מהגרסה האופטימית (AI מרחיב את היכולת האנושית) וגם מהגרסה הפסימית (AI מחליש את היכולת האנושית). שני הדברים קורים, בדרכים שונות, לסוגים שונים של חשיבה.
למה כלי AI יכולים להגדיל את העומס הקוגניטיבי במקום להפחית אותו
ההנחה האינטואיטיבית היא שהעברת עבודה ל-AI מפחיתה את העומס הקוגניטיבי. במובנים מסוימים זה אכן כך. אבל המחקר על תורת העומס הקוגניטיבי (Sweller, 1988) מבחין בין עומס מהותי (המורכבות של המשימה עצמה), עומס מיותר (הדרישות הקוגניטיביות שנוצרות מהאופן שבו המשימה מוצגת), ו-עומס תורם (המאמץ הקוגניטיבי שבונה הבנה ומיומנות).
כלי AI מפחיתים בעיקר את העומס המהותי ואת העומס התורם — הם מטפלים בעבודה שאחרת הייתה דורשת מאמץ ומייצרת למידה. אבל לעיתים קרובות הם מגדילים את העומס המיותר: בדיקת הדיוק של פלט ה-AI, שילוב כמה חלקים שנוצרו בידי AI לעבודה קוהרנטית, ניהול ההקשר בין כמה כלים, החלטה מה להעביר אליהם ומה לעשות בעצמכם, ושמירה על בקרה על תהליכי AI. אלו דרישות קוגניטיביות חדשות שלא היו קיימות קודם.
התוצאה אצל הרבה אנשים היא פרדוקס: יותר תפוקה, יותר עייפות קוגניטיבית. העבודה מרגישה קלה יותר ברגעים בודדים, אבל מתישה יותר לאורך היום. הרבה אנשים מתארים את זה כ-עייפות מהחלטות: רצף ארוך של הכרעות קטנות מרגיש מעייף כמו כמה הכרעות גדולות. למה זה קורה שנוי במחלוקת במחקר, אבל החוויה של עייפות מנטלית אחרי שעות של החלטות זעירות ומתמשכות היא דבר נפוץ.
עבודה בסיוע AI מגדילה מאוד את מספר ההחלטות הזעירות: לאשר את ההצעה הזאת, לדחות את ההצעה ההיא, לערוך את הפסקה הזו, לשלוח שוב את הפרומפט הזה. כל החלטה מהירה, אבל העומס המצטבר של מאות החלטות זעירות ביום הוא משמעותי.
פרדוקס האוטומציה והיחלשות המיומנויות
יש תופעה מתועדת היטב במחקרי ארגונומיה וגורמי אנוש, שנקראת פרדוקס האוטומציה או אירוניות האוטומציה (Bainbridge, 1983): כאשר האוטומציה מטפלת בעבודה השגרתית, המפעילים האנושיים מתרגלים פחות למיומנויות הנדרשות במצבים לא שגרתיים. טייסים שמסתמכים על טייס אוטומטי ברוב הטיסות שלהם מציגים יכולת נמוכה יותר בהטסה ידנית. רדיולוגים שמשתמשים בכלי אבחון מבוססי AI מציגים שיעורי גילוי נמוכים יותר כאשר ה-AI מפספס משהו.
אותה דינמיקה חלה גם על עבודה קוגניטיבית. כתיבה, חשיבה דרך בעיות, תכנון וסינתזה יצירתית הם כישורים שמתפתחים דרך תרגול ודועכים בלעדיו. כש-AI מטפל בטיוטה הראשונה, בסינתזה או בחשיבה המובנית, אותם מסלולים קוגניטיביים מקבלים פחות אימון. הדאגה כאן אינה דרמטית — זה לא אומר שאנשים שוכחים איך לחשוב — אבל הדעיכה ההדרגתית של כישורים מתורגלים יוצרת עם הזמן שינוי ממשי ביכולת הקוגניטיבית ובביטחון.
זה שונה פשוט מלהיות פחות מתורגלים בכתיבה ביד. כתיבה — כלומר ניסוח ממש, לא הכתבה או עריכה — מפעילה זיכרון עבודה, ארגון מושגי וחשיבה רפלקטיבית בדרכים שבחינה ועריכה של פלט AI לא משחזרות במלואן. העבודה הקוגניטיבית של הניסוח היא יצירתית; העבודה הקוגניטיבית של העריכה היא שיפוטית. לשתיהן יש ערך; הן לא ניתנות להחלפה.
שכבת פיצול הקשב
בנוסף לעומס הקוגניטיבי ולדעיכת מיומנויות, כלי בינה מלאכותית מוסיפים עוד שכבה של פיצול קשב לסביבה שכבר רוויה בהפרעות. כל ממשק צ'אט, עוזר קוד וכלי כתיבה הם מקור אפשרי להפרעה — בקשה ליצירה, תוצאה לבדיקה, ומעקב להמשך לדיוק.
הקורטקס הקדם-מצחי, שאחראי על קשב ממושך ותפקודים ניהוליים, לא מבדיל בין הפרעות שמקורן בבני אדם לבין הפרעות שמקורן בבינה מלאכותית. המחקר על עלויות מעבר בין משימות (Rubinstein et al., 2001) מראה שמעבר בין משימות — אפילו לזמן קצר — מטיל מחיר קוגניטיבי שמצטבר לאורך היום. הוספת כמה כלי בינה מלאכותית לסביבת עבודה שכבר מפוצלת מחמירה את זה, בלי שרבים מזהים את מקור העייפות שלהם.
האירוניה היא שלעיתים קרובות מאמצים כלי בינה מלאכותית דווקא כדי להפחית את העומס הקוגניטיבי. אבל הוספה של כלים חדשים, ממשקים חדשים ונקודות החלטה חדשות לעיתים קרובות מגדילה את הדרישה הקוגניטיבית הכוללת במקום להפחית אותה — לפחות עד שהכלים האלה משולבים מספיק כדי לטפל בהם באופן אוטומטי ולא מתוך שיקול דעת.
מה באמת לעשות עם זה
להבחין בין הפחתת עומס לבין העברתו. לא לכל עזרה של AI יש אותו אפקט קוגניטיבי. שימוש ב-AI כדי לטפל במשימות שבאמת יש להן ערך נמוך (עיצוב, טקסטים גנריים, חיפושים חוזרים ונשנים) מפחית את העומס בלי מחיר משמעותי ליכולת. שימוש ב-AI כדי לטפל בחשיבה שחשוב לשמור בה על מיומנות — כתיבה מורכבת, ניתוח מנומק, פתרון בעיות יצירתי — מפחית את העומס על חשבון יכולת שנרכשה בתרגול. הבחירה המודעת לאיזו קטגוריה שייך כל שימוש היא נקודת המוצא.
שמרו על זמן חשיבה ללא סיוע. הכישורים הקוגניטיביים שנמצאים בסיכון הגבוה ביותר מהעברת משימות ל‑AI הם בדיוק אלה שהכי כדאי לשמר: חשיבה עצמאית, כתיבה ממושכת, תכנון מורכב. תרגול מכוון של הכישורים האלה בלי סיוע מ‑AI — לפרקי זמן מוגדרים, במשימות שחשובות — אינו טכנופוביה; זה אותו היגיון כמו מנתח שמתאמן בטכניקות ידניות גם כשכלים רובוטיים זמינים.
הפחיתו את מספר כלי ה‑AI שבשימוש פעיל. העלות הקוגניטיבית של ניהול חמישה ממשקי AI שונים גבוהה יותר מניהול ממשק אחד שנבחר היטב. ריבוי כלי ה‑AI יוצר אותה בעיה של פיזור קשב כמו ריבוי אפליקציות והתראות. איחוד מפחית עומס קוגניטיבי מיותר.
הפעילו את אותם עקרונות כמו בבריאות דיגיטלית כללית. עומס AI הוא צורה ספציפית של הבעיה הרחבה יותר ש‑Unwire מטפלת בה: סביבות קוגניטיביות שדורשות יותר ממה שהן נותנות, פיזור קשב שמכלה בלי לחדש, וגירוי שזמין תמיד והופך ניתוק למשהו שנראה בלתי אפשרי. ההתערבויות עקביות: פרקי זמן מוגדרים ללא AI, עיצוב סביבתי שמגביל אינטראקציה אקראית עם AI, וזמן התאוששות קבוע שבו המוח אינו מונחה.
המתח המרכזי: כלי AI יכולים להגביר את הפרודוקטיביות שלכם או לשחוק את המיומנויות שלכם, תלוי איך משתמשים בהם. ההבדל הוא אם אתם משתמשים בהם כדי להרחיב את החשיבה שלכם או כדי להחליף אותה — והאם אתם שומרים על התנאים שמאפשרים למוח להתאושש מיום של עומס קוגניטיבי גבוה.
מבט ארוך טווח
השילוב של בינה מלאכותית בעבודת הידע לא עומד להתהפך. השאלה היא איך אנשים מנווטים בסביבה שמעצם התכנון שלה מכוונת למעורבות מקסימלית ולחיכוך מינימלי — ומה זה עושה לבריאות הקוגניטיבית לאורך שנים ולא רק לאורך ימים.
המחקר על רווחה דיגיטלית באופן רחב יותר מראה שהאנשים שמסתדרים הכי טוב בסביבות עתירות טכנולוגיה הם לא אלה שמשתמשים בהכי הרבה כלים או בהכי מעט, אלא אלה ששומרים על שליטה מכוונת בתנאים של הקשב שלהם: מתי הם זמינים, מתי לא, מה הם מפקידים החוצה, ומה הם שומרים לעצמם.
הכוונה המודעת הזו קשה יותר לשמור בסביבה רוויה ב-AI מאשר בסביבה רוויה רק בסמארטפונים. אבל העיקרון הבסיסי — להגן על היכולת שלכם לחשוב באופן עצמאי, להחזיר את המוח למצב הבסיס שלו באמצעות מנוחה אמיתית, ולעצב את הסביבה שלכם במקום רק להגיב אליה — נשאר זהה.
Sources
- Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
- Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
- 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.
- 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.
- 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.
איך אנחנו חוקרים ובוחנים את זה
שחזרו את הריכוז שלכם, צעד אחר צעד
Unwire עוזרת לכם למצוא מה מפריע לריכוז שלכם ומספקת לכם תוכנית מסודרת לאמן אותו מחדש — אבחון בעזרת AI, מודולים מבוססי ראיות, ומעקב אחר הרגלים כדי להפוך את הריכוז לברירת המחדל שלכם שוב.
