Az AI-túlterhelés valós jelenség. Ez történik az agyadban.

Valami megváltozott 2024 körül. Hirtelen megugrott azoknak a száma, akik egy bizonyos fajta kognitív kimerültségről beszélnek — nem egészen kiégés, nem egészen információtúltelítettség, hanem valami a kettő határán —. A leírások nagyon hasonlóak: mentális telítettség érzése, nehézség az önálló gondolkodásban, kisebb tűrés a bizonytalansággal szemben, és egy kellemetlen ráutaltság az AI-eszközökre, ami valahogy nehezebbé teszi a gondolkodást, nem könnyebbé.

Ez nem technofóbia és nem nosztalgia. Valós idegrendszeri folyamatokat tükröz, amelyek előre jelezhetők abból, amit az agy információfeldolgozásáról, a kognitív működés fenntartásáról és az állandóan elérhető segítségre adott reakciójáról tudunk. Ez történik — és ezt sugallják a bizonyítékok arról, hogyan érdemes kezelni.

Az új kognitív környezet

2025-ben a legtöbb iparágban a tudásmunkások naponta többször használják az AI-eszközöket — ChatGPT-t, Copilotot, Geminit, Claude-ot és még több tucat speciális eszközt. Az átlagos felhasználó naponta több tucat lekérdezést küld. Az AI által generált tartalom ma már az e-mailvázlatok, megbeszélés-összefoglalók, kódok, írott dokumentumok és találati eredmények jelentős részét teszi ki.

Ez valóban egy új kognitív környezet. A történelemben először a korábban tartós erőfeszítést igénylő kognitív munka nagy része — fogalmazás, összefoglalás, keresés, tervezés, hibakeresés — szinte azonnal kiszervezhető. A kérdés az, hogy ez idővel mit tesz az aggyal.

A válasz, abból kiindulva, amit a kognitív működésről és a kognitív terhelésről tudunk, összetettebb, mint akár az optimista változat (az AI kitágítja az emberi képességeket), akár a pesszimista (az AI elkoptatja az emberi képességeket). Mindkettő megtörténik, csak másképp, és másfajta gondolkodásnál.

Miért növelhetik az AI-eszközök a kognitív terhelést ahelyett, hogy csökkentenék

Az ösztönös feltételezés az, hogy ha a munkát átteszed az AI-ra, az csökkenti a kognitív terhelést. Bizonyos szempontból így is van. De a kognitív terhelés elméletéről szóló kutatások (Sweller, 1988) megkülönböztetik az intrinzik terhelést (a feladat önmagában vett összetettségét), az extrinzik terhelést (azokat a kognitív igényeket, amelyeket a feladat bemutatásának módja hoz létre), és a germán terhelést (azt a kognitív erőfeszítést, amely megértést és készséget épít).

Az AI-eszközök elsősorban a belső és a lényegi terhelést csökkentik — elvégzik azt a munkát, amely egyébként erőfeszítést igényelne és tanulást eredményezne. De gyakran növelik a fölösleges terhelést: ellenőrizned kell az AI által adott eredmények pontosságát, több AI által létrehozott elemet kell összefüggő munkává összeillesztened, kezelni kell a kontextust több eszköz között, el kell döntened, mit adj át az AI-nak és mit csinálj meg te magad, valamint fenn kell tartanod az AI-folyamatok felügyeletét. Ezek új kognitív terhek, amelyek korábban nem léteztek.

Sok embernél ennek az lesz az eredménye, hogy paradox módon több lesz a teljesítmény, de nagyobb lesz a mentális fáradtság is. Egy-egy pillanatban a munka könnyebbnek tűnik, de egy egész nap végére kimerítőbb. Sokan ezt döntési fáradtságnak nevezik: a sok apró döntés ugyanolyan fárasztónak érződik, mint néhány nagyobb. Hogy ez miért történik, arról megoszlanak a kutatási eredmények, de az a tapasztalat, hogy órákon át tartó, állandó mikrodöntések után mentálisan elfáradsz, gyakori.

Az AI-val támogatott munka drámaian megnöveli az apró döntések számát: elfogadod ezt az ötletet, elutasítod azt, átdolgozod ezt a bekezdést, újra lekéred azt a promptot. Minden döntés gyors, de a napi több száz apró döntés összesített terhe jelentős.

Az automatizálás paradoxona és a készségek elkopása

Jól dokumentált jelenség az ergonómiával és az emberi tényezőkkel foglalkozó kutatásokban az úgynevezett automatizálási paradoxon vagy az automatizálás iróniái (Bainbridge, 1983): amikor az automatizálás viszi a rutinmunkát, az emberi kezelők kevésbé gyakorolják be a nem rutin helyzetekhez szükséges készségeket. Azok a pilóták, akik a repülésük nagy részében az autopilotra támaszkodnak, gyengébb kézi irányítási készségeket mutatnak. Azok a radiológusok, akik AI-alapú diagnosztikai eszközöket használnak, alacsonyabb felismerési arányt mutatnak, amikor az AI valamit nem vesz észre.

Ugyanez a dinamika igaz a kognitív munkára is. Az írás, a problémák átgondolt végigvezetése, a tervezés és a kreatív szintézis mind olyan készségek, amelyek gyakorlással fejlődnek, nélküle pedig elkopnak. Amikor az AI megírja az első változatot, összerakja a szintézist vagy elvégzi a strukturált érvelést, ezek a kognitív folyamatok kevesebb gyakorlást kapnak. Az aggodalom nem drámai — ez nem azt jelenti, hogy az emberek elfelejtenek gondolkodni —, de a begyakorolt készségek lassú elkopása idővel valódi változást hoz a kognitív teljesítményben és az önbizalomban.

Ez különbözik attól, hogy egyszerűen csak kevésbé vagy gyakorlott a kézírásban. Az írás — vagyis ténylegesen megfogalmazni a szöveget, nem lediktálni vagy szerkeszteni — megdolgoztatja a munkamemóriát, a fogalmi szervezést és a reflektív gondolkodást olyan módon, amit az AI-kimenet átnézése és szerkesztése nem tud teljesen visszaadni. A szövegalkotás kognitív munkája létrehozó; a szerkesztés kognitív munkája értékelő. Mindkettő értékes; nem felcserélhetők.

A figyelem széttöredezésének rétege

A kognitív terheléstől és a készségek elkopásától függetlenül az AI-eszközök még egy réteg figyelemszétesést hoznak egy olyan környezetbe, amely már így is tele van megszakításokkal. Minden chatfelület, kódolási asszisztens és íróeszköz potenciális megszakításforrás — egy generálási kérés, egy ellenőrizendő eredmény, egy finomítandó utókérdés.

A prefrontális kéreg, amely a tartós figyelmet és a végrehajtó funkciókat kezeli, nem tesz különbséget az ember által és az AI által okozott megszakítások között. A feladatváltás költségeivel foglalkozó kutatás (Rubinstein et al., 2001) azt mutatja, hogy a feladatok közötti váltás — még rövid időre is — kognitív többletterhet jelent, amely a nap folyamán összeadódik. Ha több AI-eszközt adsz egy eleve széttöredezett munkakörnyezethez, az tovább ront a helyzeten, miközben sokan nem ismerik fel, honnan jön a fáradtságuk.

Az irónia az, hogy az AI-eszközöket gyakran kifejezetten azért vezetik be, hogy csökkentsék a kognitív terhelést. Az új eszközök, új felületek és új döntési pontok hozzáadása azonban gyakran inkább növeli az összes kognitív igényt, mintsem csökkentené — legalább addig, amíg ezek az eszközök eléggé be nem épülnek ahhoz, hogy automatikusan, ne pedig átgondoltan lehessen kezelni őket.

Mit tegyél vele valójában

Különböztesd meg a csökkentést és a tehermentesítést. Nem minden AI-támogatásnak ugyanaz a kognitív hatása. Az AI használata valóban alacsony értékű feladatok (formázás, sablonszöveg, ismétlődő keresések) elvégzésére csökkenti a terhelést jelentős készségveszteség nélkül. Az AI használata olyan gondolkodási készségekhez, amelyeket meg szeretnél tartani — összetett írás, átgondolt elemzés, kreatív problémamegoldás — csökkenti a terhelést a gyakorlott képesség rovására. Tudatosan eldönteni, hogy egy adott használat melyik kategóriába tartozik, a kiindulópont.

Védd meg a segítség nélküli gondolkodásra szánt időt. Az AI-ra átterhelt feladatok miatt leginkább veszélybe kerülő kognitív készségek épp azok, amelyeket a leginkább érdemes megőrizni: az önálló gondolkodás, a hosszan tartó írás és az összetett tervezés. Ezeknek a készségeknek az AI segítsége nélküli, tudatos gyakorlása — meghatározott időszakokban, fontos feladatokon — nem technofóbia; ugyanaz az elv, mint amikor egy sebész a kézi technikákat gyakorolja akkor is, ha robotikus eszközök már rendelkezésre állnak.

Csökkentsd az aktívan használt AI-eszközök számát. Öt különböző AI-felület kezelése nagyobb mentális terhet jelent, mint egyetlen, jól megválasztott eszközé. Az AI-eszközök elszaporodása ugyanazt a figyelem-szétaprózódási problémát okozza, mint az appoké és az értesítéseké. Az összevonás csökkenti a felesleges kognitív terhelést.

Ugyanazokat az elveket kövesd, mint az általános digitális jóllétben. Az AI-túlterhelés annak a tágabb problémának egy speciális formája, amivel az Unwire foglalkozik: olyan kognitív környezeteké, amelyek többet követelnek, mint amennyit adnak, olyan figyelem-szétaprózódásé, amely kimerít anélkül, hogy feltöltene, és egy mindig elérhető ingeré, amely miatt szinte lehetetlennek tűnik a kikapcsolódás. A megoldások ugyanazok: kijelölt offline időszakok, olyan környezeti kialakítás, amely korlátozza a környezetedben állandóan jelen lévő AI-val való interakciót, és rendszeres pihenőidő, amikor az agyad nincs folyamatosan irányítva.

A tágabb nézőpont

Az AI beépülése a tudásmunkába nem fog visszafordulni. A kérdés inkább az, hogyan boldogulsz egy olyan környezetben, amely eleve a maximális lekötésre és a minimális súrlódásra van tervezve — és ez mit tesz a kognitív egészségeddel évek, nem pedig napok alatt.

A digitális jóllétről szóló kutatások tágabb értelemben azt sugallják, hogy a csúcstechnológiás környezetekben nem azok boldogulnak a legjobban, akik a legtöbb eszközt használják, vagy épp a legkevesebbet, hanem azok, akik tudatosan kontroll alatt tartják a saját figyelmük feltételeit: mikor érhetők el, mikor nem, mit szerveznek ki, és mit őriznek meg.

Ezt a tudatos hozzáállást nehezebb fenntartani egy AI-val telített környezetben, mint egy olyanban, amelyben csak a telefonok vannak mindenütt. De az alapelv — védd meg a képességedet az önálló gondolkodásra, állítsd helyre az agyad alapállapotát valódi pihenéssel, és te alakítsd a környezetedet, ne csak reagálj rá — ugyanaz marad.

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.

Így kutatjuk és ellenőrizzük ezt