Berkeley Haas School of Business'tan Aruna Ranganathan ve Xingqi Maggie Ye'nin, Nisan-Aralık 2025 tarihleri arasında ABD'li bir teknoloji şirketindeki 200 çalışan üzerinde yaptığı öncü araştırmanın bulguları, yapay zekanın iş yükünü azaltmak yerine yoğunlaştırdığını ortaya koyuyor. Makale, özellikle büyük dil modelleri (LLM'ler) ile çalışırken gözlemlenen bu durumun, artan üretkenliğe rağmen çalışanlarda ciddi bir zihinsel yorgunluğa yol açtığını belirtiyor. Çalışanlar, yapay zekayı bir "ortak" olarak algılayarak aynı anda birden fazla işi yönetmeye çalışıyor; örneğin, manuel kod yazarken yapay zekanın alternatifler üretmesini bekliyor, paralel olarak birden fazla aracı çalıştırıyor veya yapay zekanın arka planda halledebileceğini düşündükleri uzun süredir ertelenmiş görevleri yeniden canlandırıyorlar.
Bu "ortaklık" hissi bir ivme yaratırken, gerçekte sürekli dikkat dağılması, yapay zeka çıktılarının sık sık kontrol edilmesi ve açık görev sayısının artmasıyla sonuçlanıyor. Bu durum, bilişsel yükü artırarak sürekli bir dengeleme hissi yaratıyor ve işler üretken görünse bile zihinsel enerjinin hızla tükenmesine neden oluyor. Makale yazarı da kendi deneyimlerinde, birkaç projeyi aynı anda yürütürken sadece birkaç saat içinde zihinsel enerjisinin neredeyse tamamen tükendiğini ifade ediyor. Hatta bazı kişilerin, "bir prompt daha" ile yeni bir özellik geliştirme cazibesine karşı koyamayarak uykusuzluk yaşadığına dikkat çekiliyor.
HBR'daki makale, şirketlerin yapay zeka kullanımını yapılandıracak bir "yapay zeka pratiği" oluşturması gerektiğini vurguluyor. Bu pratiğin, tükenmişliği önlemeye ve gerçek üretkenlik kazanımlarını sürdürülemez yoğunluktan ayırmaya yardımcı olacağı belirtiliyor. Yazar, on yıllardır süregelen sürdürülebilir çalışma pratiklerine dair sezgilerin bozulduğunu ve yeni bir denge bulmak için zaman ve disiplin gerekeceğini öngörüyor.
Yapay zeka, vaat edilenin aksine, iş yükünü azaltmak yerine zihinsel yoğunluğu artırarak çalışanlarda tükenmişliğe yol açıyor.