Otacza nas wygenerowany kod, ściany tekstu i setki podpowiedzi, które teoretycznie miały oszczędzić godziny pracy. Ostatecznie pochłaniają one cały dzień, zostawiając człowieka z poczuciem niedosytu. Algorytmy przyspieszają poszczególne zadania, sprawiając, że czynność zajmująca dawniej trzy czy cztery godziny, teraz pochłania zaledwie czterdzieści pięć minut. Zamiast odpoczywać, dokładamy sobie kolejne obowiązki. Mózg odmawia posłuszeństwa przy nieustannym ocenianiu danych wypluwanych przez maszynę.
Prawdziwe dane potwierdzają zjawisko cyfrowego wyczerpania. Raport Instytutu Badawczego Upwork z 2024 roku wskazuje, że aż 77% pracowników twierdzi, iż narzędzia sztucznej inteligencji w rzeczywistości zwiększyły ich obciążenie pracą. Co więcej, 47% ankietowanych przyznało, że nie ma pojęcia, jak uzyskać oczekiwane przez pracodawców zyski wydajności, a 39% spędza więcej czasu na moderowaniu pracy maszyn niż na własnych zadaniach. Wskaźniki jasno obrazują problem, że jesteśmy zmęczeni ciągłym nadzorem.
Zmęczenie decyzjami i koszt przełączania kontekstów
Automatyzacja obiecywała zdjęcie ciężaru żmudnej pracy z barków specjalistów. Wpadliśmy jednak w pułapkę produkowania dużej ilości materiału w krótkich odstępach czasu, co drastycznie podniosło próg oczekiwań.
Wcześniej nad jednym złożonym problemem można było spędzić cały dzień, zachowując przestrzeń na przemyślenia i głębszą koncentrację. Obecnie przeskakujemy między kilkoma zadaniami dziennie, ponieważ każde z nich zajmuje ledwie godzinę z pomocą oprogramowania. Model językowy nie potrzebuje przerw, co stawia nas w trudnej pozycji. Ludzki umysł gorzej radzi sobie z tak szybkim żonglowaniem wątkami.
- Koszt produkcji spada, a koszt koordynacji i podejmowania decyzji rośnie.
- Cały ciężar odpowiedzialności za błędy spada na operatora systemu.
- Ciągłe przełączanie się między tematami obniża jakość pracy poznawczej (chyba że ktoś lubi czuć się jak kontroler ruchu lotniczego na stażu).
Rola twórcy zamieniona na inspektora jakości
Nasza satysfakcja z pracy często wynika z samego procesu tworzenia dzieła od zera. Dzisiaj głównym zajęciem staje się nadzorowanie i ocenianie gotowych półproduktów, co przypomina rolę kontrolera na bardzo szybkiej linii montażowej.
Recenzowanie i ciągłe poszukiwanie błędów wywołuje specyficzne wyczerpanie. Czytanie kodu lub tekstu napisanego przez kogoś innego (lub w tym przypadku przez coś innego) wymaga skupienia wyższego rzędu. Błąd współpracownika zazwyczaj wynika z logicznych przesłanek, które można przewidzieć. Generator wyrzuca wynik, w którym każda linijka może zawierać ukryty, nielogiczny defekt. Rezultat często wygląda solidnie, kod działa, a tekst jest poprawny gramatycznie, błędne założenia wychodzą na jaw w najmniej odpowiednim momencie. Setki drobnych decyzji „tak/nie” podejmowanych każdego dnia paraliżują analityczne myślenie.
Brak powtarzalności i spirala poprawek
Stabilność i powtarzalność uzyskanych wyników stanowią podstawę pracy inżynierskiej i biurowej. Algorytmy wprowadzają element losowości, który utrudnia logiczne wyciąganie wniosków i planowanie zadań.
Wpisanie precyzyjnego polecenia w poniedziałek może skutkować świetnym wynikiem. Identyczne polecenie użyte we wtorek zwraca czasami inną strukturę, dziwne wtrącenia lub niepotrzebne fragmenty. Brak możliwości prześledzenia ścieżki wnioskowania maszyny rodzi stres. Siddhant Khare nazywa zjawisko spiralą instrukcji:
- Zaczynamy od jasnego celu.
- Po kilkudziesięciu minutach walczymy ze sformułowaniami zapytania.
- Zamiast rozwiązywać problem biznesowy, optymalizujemy komunikację z oprogramowaniem.
- Ręczne napisanie fragmentu zajęłoby 15 minut, walka z modelem trwa już godzinę.
Nadmiar narzędzi AI i pogoń za nowościami
Rynek zalewają nowe aplikacje i wtyczki, a próba bycia na bieżąco z każdą nowinką AI gwarantuje ból głowy (poważnie). Co gorsze, zmienianie narzędzi na inne co kilka tygodni uniemożliwia ich dogłębne poznanie.
Poświęcanie czasu wolnego na testowanie kolejnych systemów daje zaledwie minimalny wzrost wydajności. Wiedza techniczna dezaktualizuje się szybciej niż mleko wyparowuje na słońcu. Ustawienia i szablony dopracowywane tygodniami przestają działać, ponieważ dostawca modelu wdrożył aktualizację backendu. Mądrzej jest skupić się na budowaniu solidnej bazy wiedzy i inżynierii, a nie na instalowaniu każdej nowej wtyczki.
- Narzędzia ewoluują, podstawy inżynierii pozostają stałe.
- Częste zmiany środowiska pracy obniżają biegłość obsługi.
- Większość "rewolucyjnych" funkcji to nakładki na ten sam silnik obliczeniowy.
Umiejętność rezygnacji z automatyzacji
Wiedza, kiedy odpuścić i przestać poprawiać maszynę, staje się cenniejsza niż umiejętność pisania skomplikowanych poleceń. Zadowolenie się wynikiem na poziomie „wystarczająco dobrym” chroni zasoby mentalne.
Systemy generatywne rzadko dostarczają wynik perfekcyjny, zazwyczaj zatrzymując się na poziomie około siedemdziesięciu procent użyteczności. Próba zmuszenia algorytmu do poprawienia ostatnich 10% detali zajmuje zazwyczaj więcej czasu niż samodzielna edycja.
Ochrona własnej uwagi jest przejawem profesjonalizmu. Warto narzucić sobie sztywne granice, na przykład regułę trzech prób dla jednego polecenia. Jeśli po trzecim razie wynik nie jest zadowalający, przejmujemy stery.
Najszybszą metodą ukończenia zadania bywa po prostu wyłączenie okna czatu i użycie własnej klawiatury. Higiena pracy z nowymi technologiami pozwala oddzielić produktywność od zbędnego klikania.
Źródła: Własne, SiddhantKhare.com
