AI Brain Fry：被 AI 效率反噬的认知危机

2026 年初，波士顿咨询集团（BCG）与加州大学河滨分校发表了一篇重磅研究，首次系统性地描述了一个正在全球职场蔓延的新现象：

AI Brain Fry（AI 脑雾 / AI 脑疲劳 / AI 脑烧）。

约 14% 使用 AI 工具的员工报告曾出现相关症状——注意力难以集中、决策速度变慢、记忆力下降、判断力减弱，甚至头痛。

讽刺吗？一项本该让你"偷懒"的技术，反而把你累坏了。

什么是 AI Brain Fry？

你可能熟悉"职业倦怠"（Burnout）——长期情绪压力积累后的身心俱疲。AI Brain Fry 与之不同：

简单说：Burnout 是"心累"，AI Brain Fry 是"脑子累"。

为什么会这样？四个认知机制

1. 角色逆转：从创作者到评审员

过去你写代码，代码是你思考的延伸。现在 AI 写代码，你是"代码审查员"。

问题在于：审查比创作更累。

当你创作时，心流状态让你沉浸其中；当你审查时，你必须同时扮演"创造者"和"审判者"——这两种认知模式切换本身就消耗精力。

而且 AI 生成的代码看起来总是"自信满满"——无论对错，语气都很确定。你必须时刻保持警觉，像雷达操作员一样盯着屏幕。

2. 信任校准负担

经典的"煤气灯效应"大家都熟悉。AI 完美地实现了这个效果的自动化：

AI 输出看起来总是正确、流畅、权威。
但它可能是完全错误的。

你必须不断判断：“这段代码/文案/分析，可信吗？” 这种持续的怀疑状态，本身就是一种认知税。

3. 监控悖论（Vigilance Decrement）

人类大脑不擅长被动监控。雷达操作员实验早已证明：人在连续监控任务中，警觉性会在 20-30 分钟内急剧下降。

但 AI 的速度是即时的——你刚审完一批，下一批就来了。没有间隙，没有喘息。

结果是：监控者比被监控者先崩溃。

4. 即时反馈循环

传统工作有自然的节奏：写完一封邮件，发送，结束。

AI 工作是永动机：AI 生成 → 你审查 → AI 修改 → 你再审 → AI 再生成…

研究者给这种状态起了个名字：“AI引发的躁狂症”（AI-induced Mania）——大脑被迫维持在高频率的切换状态。

沉重的代价：数据不会说谎

这项涉及 1,488 名美国全职员工 的调查，揭示了一些令人警醒的数字：

• 决策疲劳增加 33% ——出现 AI brain fry 的员工与未经历此状态的员工相比
• 错误率显著上升 ——经历 AI brain fry 的员工自我报告的错误率明显更高
• 心理努力增加 14% ——当员工认为 AI 系统需要大量人工监控时
• 心理疲劳程度增加 12%，资讯过载情况增加 19%

一位受访的财务主管描述了自己的状态：

“在反复使用 AI 进行资料整理与分析后，我甚至无法判断自己做出的东西是否合理，只能隔天再重新思考。”

倒 U 型曲线：3 个工具是效率"甜蜜点"

研究还发现了一个违反直觉的现象：AI 工具的数量与生产力之间呈典型的倒 U 型曲线。

1
2
3
4
5
6
7
8
9
10

生产力
  ↑
  │      *
  │     * *
  │    *   *
  │   *     *
  │  *       *
  │ *         *
  └─────────────────────→
   0   1   2   3   4+  AI工具数量

• 1 → 2 个工具：生产力明显提升
• 2 → 3 个工具：仍能继续提高效率，但幅度开始下降
• 超过 3 个工具：生产力反而开始下降

换句话说：使用 3 个 AI 工具，是效率的"甜蜜点"。不是越多越好。

Meta 的教训：AI 使用量不该是 KPI

研究特别点名了一个案例：Meta 曾把 AI 生成的代码行数作为工程师的绩效指标之一。

在这种导向下，员工会不由自主地增加 AI 使用量——即使这并不一定是最高效的工作方式。

类似的，很多企业开始鼓励员工建立或管理多个 AI agent 系统，甚至把 AI 使用量纳入绩效评估。结果是员工常常需要在搜索 agent、研究 agent、编程 agent 与设计工具之间频繁切换，反而增加了工作复杂度。

谁最容易中招？

软件开发者

AI 生成代码的审查比人工代码更危险——因为 AI 代码往往看起来更好（更规范、更完整），但隐藏着安全漏洞。你需要比读自己代码更仔细地读 AI 代码。

知识工作者

分析师、法务、营销人员——每天审核 AI 生成的报告和文案。问题是：AI 写的东西看起来总是很专业，你怎么知道哪个是真正专业的，哪个是"一本正经地胡说八道"？

客服与销售

快速审核大量 AI 生成的客户回复。在这种高频场景下，认知疲劳来得最快。

反直觉发现：AI 也能减少倦怠

等等，研究还发现了一个反直觉的事实：

当 AI 用于替代重复性工作时，员工的职业倦怠程度反而降低 15%。

这类任务通常被称为 “toil”（苦差事）——资料整理、格式化、例行报告。

在这种情况下，AI 确实在解放人类，让人投入更具创造性或策略性的工作，并提高工作满意度和团队互动。

问题不在于 AI 本身，而在于如何使用 AI。

把 AI 当"替身演员"（替我做无聊的事）→ 减轻疲劳
把 AI 当"实习生"（替我思考，但需要我审核）→ 增加疲劳

企业如何应对？BCG 提出的四项建议

BCG 董事总经理兼研究作者之一 Julie Bedard 表示：

“这项研究是一个早期的警告信号，显示人们对于 AI 生产力的预期可能需要重新调整。如果 AI 已经导致员工认知负荷过重，企业或许需要重新思考这些假设。”

研究为企业提出了具体建议：

1. 重新设计工作流程 — 让 AI 与人类形成完整协作系统，而不是单纯增加工具
2. 明确定义 AI 使用目的与预期 — 避免员工误以为必须完成更多任务
3. 绩效指标转向实际成果 — 从"AI 使用量"转向真正的工作成果，避免为效率而造成认知负荷
4. 培养员工管理 AI 的技能 — 例如问题框架构建、分析规划和策略优先排序

个人如何应对？

1. 限制审查时段

每 20-25 分钟 AI 审查后强制休息。不要连续监控超过 30 分钟——这和开车需要休息是一个道理。

2. 保留无 AI 工作时间

刻意练习不依赖 AI 的独立工作。这不仅是维持技能，更是给大脑一个"不用审核"的时间窗口。

3. 建立结构化检查清单

对高风险 AI 输出（如代码安全、财务计算、法律文案）使用清单检查。这比"凭感觉判断"省力得多——清单是可重复的，判断是消耗精力的。

4. 选择性使用：有时自己做更省力

不是所有任务都适合 AI。一个简单判断标准：

如果"自己做"比"审 AI"更省力，那就自己做。

把 AI 留给真正需要它、且你愿意为审查付出精力的任务。

结语

AI Brain Fry 的本质，是一次关于认知边界的警示。

我们常常讨论 AI 能做什么、不能做什么，却很少问：AI 做的事，我们需要付出多少认知代价来"兜底"？

效率从来不是免费的。有时候，节省下来的时间，会以认知超载的形式反噬。

AI 是工具，不是大脑的替代品。
学会为它设置边界，才是真正的效率。

• ← Previous Post
• Next Post →