Harvard Business Review: cómo el uso activo de IA lleva al "sobrecalentamiento cerebral"

ИИ всё чаще забирает у нас не только рутину, но и часть внимания, которое раньше шло на спокойное, последовательное мышление. На этом фоне появляется новый рабочий эффект — AI brain fry, или «перегрев мозга от ИИ». Он ощущается не как обычная усталость в конце дня, а как странная смесь шума в голове, заторможенности и потери ясности.

Ты вроде бы сделал много: запросил модель, уточнил задачу, получил ответ, перепроверил, запустил ещё один инструмент. Но в какой-то момент замечаешь, что решения даются тяжелее, формулировки становятся хуже, а простые задачи начинают требовать слишком много усилий. Именно этот феномен разбирают авторы материала в Harvard Business Review за март 2026 года.

Текст подготовили эксперты BCG и Университета Калифорнии в Риверсайде, опросив 1488 американских сотрудников крупных компаний. Их вывод звучит неприятно, но знакомо для многих команд: ИИ не просто экономит время, он может незаметно забирать когнитивный ресурс. Речь не о клиническом диагнозе, а о рабочем состоянии, которое возникает там, где автоматизация обещает облегчение, а на деле добавляет новый слой нагрузки.

Чтобы получить хороший результат, сотруднику нужно не просто «спросить у ИИ», а точно сформулировать задачу, выбрать правильный инструмент, оценить качество ответа, заметить ошибки и встроить результат в реальный процесс. Больше всего рискуют не новички, а как раз самые активные пользователи. Причина в том, что интенсивная работа с ИИ состоит из длинной цепочки микрорешений.

Нужно понять, какую модель взять под задачу, сколько контекста ей дать, стоит ли переписать промпт, как проверить факт, когда остановить итерации и какой из нескольких вариантов считать финальным. Снаружи это выглядит как ускорение. Внутри — как постоянное диспетчерское управление.

Чем больше у тебя помощников, агентов, редакторов кода и генераторов текста, тем выше шанс, что ты превращаешься из исполнителя в оператора сложной системы. И если система ускоряется быстрее, чем ты успеваешь её осмыслять, мозг платит за это перегрузкой. У этого состояния есть узнаваемые симптомы.

Мысль чаще обрывается посередине, внимание распадается на мелкие куски, а уверенность в решениях падает. Иногда человек начинает слишком доверять модели и пропускает ошибки, потому что уже устал проверять. Иногда случается обратное: бесконечные перепроверки, новые промпты, сравнение версий и невозможность поставить точку.

В обоих случаях страдает качество работы. Особенно заметен эффект там, где нужны длинные цепочки рассуждений и высокая цена ошибки: в аналитике, разработке, продуктовой работе, исследованиях, маркетинге и управлении. ИИ хорошо помогает стартовать, быстро собирать черновик или разбирать рутину, но он же может раздробить середину процесса — ту часть, где человеку нужны фокус, критическое мышление и способность держать общую картину.

Главный вывод из этой истории не в том, что от ИИ нужно отказываться. Скорее наоборот: чем глубже он встраивается в ежедневную работу, тем важнее становится гигиена использования. Командам и отдельным специалистам придётся проектировать не только автоматизацию, но и собственную когнитивную нагрузку.

Полезно заранее решать, в каких задачах ИИ действительно ускоряет работу, где достаточно одной итерации, а где лучше сначала подумать без подсказок. Полезно ограничивать число параллельных инструментов, фиксировать критерии качества до запуска модели и оставлять время на ручную проверку без новых запросов. Настоящая продуктивность в эпоху ИИ измеряется не количеством промптов, а тем, сохраняешь ли ты ясность мышления и принимаешь ли в итоге более сильные решения.