夜雨聆风
有了AI反而更累?聊聊「AI脑过载」
前两天，哈佛商业评论发了一篇文章，提了一个新词。
叫「AI Brain Fry」，AI脑过载。
我当时看到这个词的第一反应是，卧槽，终于有人给这种感觉起名字了。
因为如果你也是那种，每天在ChatGPT、Claude、DeepSeek、Gemini之间来回切的人，你一定有过这种感觉。
脑子嗡嗡的，注意力涣散，明明什么都没干但是特别累。
不是身体累，是脑子累。
BCG调研了1488个美国全职员工，发现14%的人已经出现了这种症状。
脑子里有嗡嗡声，思维像蒙了一层雾，做决定变慢了。营销岗中招率最高，26%，法律最低，6%。
我觉得这个数据特别合理。
因为营销这活儿，本来就是要持续输出创意和判断的，现在你让AI帮你生成十个方案，你得从里面挑、改、判断哪个能用，你的角色从创作者变成了审核员。
心理学研究早就证明了，纠错比创造消耗更多的脑力资源。
以前你自己写东西，进入状态之后是心流，是那种忘记时间的专注。你写完一段，停一下，喝口水，想下一段怎么写，那种节奏是你大脑自己的节奏。
现在你同时开三个AI窗口来回跳，每跳一次都要重新建立上下文，等你把三个AI的输出拼到一起，发现风格不统一、逻辑有冲突，还不如自己写。
BCG发现了一个很反直觉的结论，使用1到3个AI工具的人效率最高，超过4个效率开始下降。
越用越慢。
这让我想起经济学里的杰文斯悖论。蒸汽机效率提高了，但煤炭消耗量反而增加了。因为效率高了，用的人多了，总量反而上去了。
AI也是一样的。你的任务完成得更快了，但省下来的时间没有还给你。
一个CTO说得特别直白，原话大概是，我把8小时的工作缩到了2小时，但现在我能做20小时的活。
UC Berkeley跟踪了40名员工8个月，发现AI让员工工作得更快、更广、更长。因为AI降低了任务启动的门槛，你工作日里那些自然的停顿、发呆、喝水、跟同事聊两句的时间，全没了。你的工作变成了一条永不停歇的传送带。
还有一个更隐蔽的问题。
METR做了个实验，16个开发者用Cursor Pro加Claude Sonnet完成246个任务，结果发现实际效率比预测的低。但最有意思的是，即使数据证明了他们没变快，这些开发者仍然觉得自己变快了。
你的感受会骗你。
从创作者降级为审核员，从心流降级为碎片化监控。
这就是AI脑过载的底层逻辑。
每多开一个工具就多一份切换成本，每多一次生成就多一次验证负担。这些不会出现在效率报告里，但你的大脑在默默承受。
那怎么办，不用AI了吗。
不是。
当AI被用来替代重复性、结构化的任务时，倦怠感是降低的。问题不是AI好不好用，而是你怎么管它。
我自己有一个做法，听着有点笨，但真的有用。
我每个月做一次AI工具的使用盘点。统计我装的所有工具和技能，看哪些真正用了、用了几次，哪些装了之后一次没碰过。然后砍掉没碰过的。
上次盘点我发现装了140多个，真正高频的就5个，大概30个偶尔用一下，剩下100多个一个月零调用。
100多个啊。光是知道你装了这么多东西就是认知负担，每次遇到问题你得先想有没有装过相关的，然后找、试、发现不好用、再换。还有那种总惦记着「这么多工具没试过」的FOMO，本身就是持续的背景噪音。
砍完之后清爽了很多。不是省了硬盘空间，是脑子里少了一笔账。
这跟BCG的结论完全对上了，找到那两三个真正对你有用的，深度用。
还有一个建议，叫「刻意暂停」。
在用AI推进工作的过程中主动停下来，不是累了才停，而是在关键决策之前，先提一个反对意见，想想这事跟你的核心目标有没有关系，然后再继续。
AI不会让你休息，它只会不停输出，你问一句它答十句，永远热情洋溢永远秒回。你得自己踩刹车。
还有，一个工作流用一个工具。别在同一个项目里来回切三个AI，选定一个，摸清它的脾性和边界，判断的速度比切三个工具快得多。
在关键节点审查，而不是全程监控。让AI先跑完，你再去看结果，不需要全程盯着它。
很多人用AI的方式是生成一句看一句改一句再生成下一句，这种持续的微观管理比你自己做还累。放手让它跑，然后一次性评估，你的认知负担会小很多。
说真的，写这种建议类文章我一直挺有心理负担的。因为我自己也还在摸索，也还在犯错，凭什么给别人建议呢。
但这事确实值得聊聊。因为它太隐蔽了。你不是加班到凌晨那种累，是坐在电脑前跟AI对话了一整天，说不清到底干了什么但就是脑子木了的那种累。这种累不会出现在加班统计里，甚至你自己都觉得「我今天明明没干重活啊」。
但它是真的。
2026年了，区分一个人用AI用得好不好的标准，可能不是谁会用更多工具，而是谁懂得在AI的算力洪流里，守住自己大脑的离线时间。
少即是多。
这句话在AI时代，比以往任何时候都更成立。
以上，既然看到这里了，如果觉得不错，点个关注吧～
谢谢你看我的文章，我们，下次再见。
参考数据与信息源：
-
1. BCG × Harvard Business Review (2026.3) — 调研1488名美国全职员工，14%出现「AI Brain Fry」症状；营销岗26%最高，法律6%最低；使用1-3个AI工具效率最优，4+开始下降；决策疲劳上升33%，离职意愿上升34% https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry -
2. UC Berkeley × Harvard Business Review (2026.2) — 跟踪200人科技公司40名员工8个月，发现AI让工作更快、更广、更长，消除自然停顿 https://newsroom.haas.berkeley.edu/ai-promised-to-free-up-workers-time-uc-berkeley-haas-researchers-found-the-opposite/ -
3. METR (2025) — 16名开发者使用Cursor Pro + Claude Sonnet完成246个任务，实际效率低于开发者自我预测（预测快24%，实际更慢） https://arxiv.org/abs/2507.09089 -
4. Fortune报道AI Brain Fry — 含Dun & Bradstreet CTO采访及多个企业案例 https://fortune.com/2026/03/10/ai-brain-fry-workplace-productivity-bcg-study/ -
5. 杰文斯悖论 — William Stanley Jevons, The Coal Question (1865) https://energyhistory.yale.edu/w-stanley-jevons-the-coal-question-1865/