如何避免 AI 工具导致的大脑疲劳

如何阻止 AI 代理烧坏你的大脑

如何指南

避免最新的 AI 引发的疾病

Alberto Romero

2026 年 5 月 11 日

_嘿，我是 Alberto！👋 每周，我都会在 The Algorithmic Bridge 发布关于文化、哲学和商业的长篇 AI 分析。付费订阅者还可以获得周一的实用指南和周五的新闻评论。我会偶尔发布一些额外的文章。如果你想成为付费订阅者，请点击下面的按钮：_

_今天，我带来了一篇实用指南，这是基于最近在《哈佛商业评论》上发表的一项令人担忧的 BCG 研究：你在用那些 AI 代理烧坏自己的大脑。有很多关于如何使用你的 AI 代理来完成工作的信息。这是一篇后续指南，旨在实现相反的目标：如何保持大脑敏锐。_

I. AI 过度使用导致精神疲劳

波士顿咨询集团（BCG）最近的一项研究[1]发表在《哈佛商业评论》[2]中发现，过度设计的工作流程是一个普遍的错误。

同时使用四个或更多 AI 代理的工人——通常执行复杂的循环任务——报告了相反的情况：大脑迷糊和整体感觉比之前更少有生产力。这会导致“员工错误、决策过载，最终导致辞职意愿”。相比之下，使用三个或更少 AI 代理的工人报告了有意义的生产力提升。

BCG 称其为“AI 大脑烧毁”（也称为 AI 引发的精神疲劳）。我们的生物大脑一次只能处理有限的信息量。如果你超过了这个限制，你会经历一种迷糊状态，使你无法清晰思考，表现为难以集中注意力、决策变慢以及头痛迫使你离开屏幕。

这种情况现在经常发生在我身上。我每天都在研究新的话题，或者让 Claude 探索新的想法。我有几个标签页开着，代理正在运行，有些在对我的存档进行循环操作（例如，我多久没有涉及某个主题），其他则在执行复杂的分析任务（例如，我的最佳文章有什么共同点？）。在某个时刻——这种情况每天都发生——我放弃了控制。我的思维“一片空白”，感觉就像骑着自行车下坡，但脚已经不在踏板上了。有些日子，我会努力重新掌控思维，但其他日子，我会任由自行车滑到坡底，忘记自己正在做的事情的一半。

我拥有的 Claude 技能比我需要的多，正在进行的聊天和项目比我能够记住的还要多，几乎 1,000 份草稿躺在我的草稿文件夹里，里面装满了我永远不会修订的半成品想法。结果是我每周留下的未完成任务比以前没有代理时开始的任务还要多。我可以这样解读：我的生产力如此之高，以至于我的短期记忆无法同时容纳这么多事项。或者我可以说：我在饱和我的跟踪能力。

代理消除了开始任务的摩擦，但没有消除继续下去的摩擦。

II. 共享资源的有限池

BCG 调查了来自各行各业和不同职位的 1,488 名全职美国工人。该研究衡量了人们使用 AI 的多个维度——工具数量、所需监督程度、AI 是替代任务还是增加工作量——并将这些与认知指标交叉参考。导致精神疲劳的最强预测因素是“AI 所需的监督程度”。

那些必须监控、验证和照顾他们的 AI 工具的人正是那些感到疲惫不堪的人。“对你来说，有太多的事情同时发生，你无法合理地理解，”一位使用代理协调平台的用户说道。研究中 14% 的 AI 使用者报告了大脑烧毁：决策疲劳增加了 33%，工作中重大错误增加了 39%，辞职意愿增加了 39%。

当然可以完全不监控，是的，但如果你是开发者，这是积累大量技术债务的方式；如果你是作家，像我一样，这是积累智力债务的方式。你真的想在没有人工监督的情况下将你的名字签在交付到生产环境的东西上吗？AI 代理目前还无法做到这一点。

这与使用太多工具不同，虽然这是一个相关但不同的问题 我最近已经讨论过。核心问题是，同时管理多个流程需要高强度的 AI 监控，而这恰恰超出了人类认知资源的极限——持续注意力、工作记忆、执行控制能力——这些都有生物学上的硬性限制。你可能正在运行 10 个代理实例，但你的大脑容量无法分割。也无法像点击几下就增加更多实例那样轻松扩展。

但是，这难道不是老生常谈的倦怠吗？其实不然。

倦怠是一种情绪上的精疲力竭，通常是由几个月以来糟糕的上司或有毒的文化或你认为毫无意义的工作所导致的。如果必须不断编辑错误输出，或者被迫使用它来满足公司标准，或者接触到过多的“工作垃圾”，那么在使用 AI 的情况下也可能发生倦怠。

相比之下，脑疲劳是一种急性认知压力。它来自调动注意力和工作记忆超出其能力范围。它可以在几小时内甚至几分钟内发生。

实际上，研究发现，当 AI 被用来替代重复性任务时，倦怠评分下降了 15%，但脑疲劳评分却没有变化。同样的技术可以减少情绪上的疲惫，同时却造成认知上的超负荷。

III. 脑疲劳会消失吗？

我认为我们目前在 AI 使用方面的实践，特别是代理方面，正处于一个临时阶段，但我希望明确是什么让这个阶段是暂时的（以及什么可能是永久的）。

暂时的部分：我们还没有养成管理和多个代理的最佳习惯（明确地说，我认为我们甚至对单个代理也没有最佳习惯；我们还在学习中）。AI 管理本质上是试错的过程，一种“AI 铁匠术”，这意味着我们会在这两者之间摇摆：过度控制（例如，“没有我的监督，什么都不能发布”）和控制不足（例如，“唯一的标准应该是你花了多少代币”）。

但我不担心这一点：最佳实践将会出现，就像它们在电子邮件、电话、枪支和汽车以及其他曾经让我们不知所措的技术中出现一样。

然而，让我有点担忧的是，你能监督的代理数量上限是由“固定”的人类生物学设定的，而 AI 的能力增长速度比人类适应性快得多。（从绝对意义上来说它不是固定的，但自然选择非常缓慢。）

我的意思是，我们不是章鱼。我们并没有进化到能够应对独立于中央处理器运行的八个移动部件的群体。让一个代理完成一项任务通常是可控的。而当你试图在脑海中掌握整个群体的同时，让他们同时做多件事情，就会撞上内存墙、处理能力墙和能量墙等等。

工作记忆、注意力带宽和代谢率都有硬性的生物学限制，而且不像 AI 能力那样，这些限制不会随着下一个模型版本的发布而改善。

这正好与我想象中的聪明人相反，当他们的大脑运转速度超过双手或嘴巴时，他们无法像自己希望的那样快速书写或说话；这感觉像是严重的瓶颈。我们现在经历的正是相反的情况：双手和嘴巴现在比大脑更快，而大脑反过来成了瓶颈。

AI 正在将我们的大脑推向生物学极限。

#### 在本指南的其余部分，我会分解对抗 AI 脑疲劳的实际方法：如何在它压垮你之前限制代理负载，为什么疲劳评分最低的人并不是那些使用更少 AI 的人，而是那些团队建立了共享规范的人，你的经理应该做什么（以及如果他们不做的话你应该怎么做），如何解读公司发出的关于工作量期望的间接信号，以及 BCG 研究中最大的保护因素：一个与 AI 完全无关的变量减少了 28%。

免费试用 7 天继续阅读

订阅《算法桥》以继续阅读这篇文章，并获得 7 天免费访问完整文章存档。

开始试用

已经是付费订阅者？**登录**

上一篇