返回资讯中心
外部精选
软件工程
#开发者实时流

SREcon 2026 参会者谈 AI 工具带来的认知疲劳

来源标题:Where Did the Rest Go?

SREcon '26 EMEA 参会者指出,AI 工具在事件响应中的问题正导致普遍的认知疲劳。BCG 调查近 1500 名美国员工发现,14% 的人出现所谓「AI brain fry」,其中使用编码代理的开发者尤为明显。

Hacker News 最新thejokersthief2026/11/1 · 16 天前25 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

几周前,我从科克前往都柏林参加 SREcon '26 EMEA——大约十年来的第一次 SREcon。在那里,我感受到了同行之间的社群感和共同的疲惫。第二天,我参加了 John Allspaw 和 Stuart Rimell 的演讲:“事件响应与 AI:难啃的部分”——离场时,我带走的思考远不止事件响应。

演讲者以一个提问开场:“如果你感到疲惫,请举手。”一片手臂应声举起。

有这种感觉的不止我们——BCG 的研究人员将其称为“AI 脑疲劳”:使用和监管 AI 所带来的精神疲劳,超出了我们这具肉身大脑所能承载的限度。在他们对近 1500 名美国员工的调查中,14% 的人表示自己有这种感受。调查覆盖了广泛的职业,但使用编码 agent 的开发者也在描述这一体验的人群之列。

我的理论是:Allspaw 和 Rimell 谈到的 AI 工具在事件响应中的那些陷阱,与导致普遍 AI 疲劳的成因是同一层层叠加的因素。第一个是认知系统工程(CSE)所称的“剩余原则”。第二个是“拉伸系统定律”。第三个是在并行工作线程之间切换的成本。

先快速界定一下我所说的“疲惫”:“疲惫”可以指士气、对工作的担忧、逐渐消退的工匠感。这些都是真实的,而且很可能相互助长。本文只讨论认知负荷:为什么与 agent 共度一天,会比亲手写一天代码让大脑更满。

诚然,证据是薄弱的,因为大部分来自过去一年,属于自我报告,也并未经过严格的同行评审。我会尽量标明哪些是扎实的,哪些只是我在连线拼图!

我的假设依赖于这样一个前提:自从引入 LLM 代码生成工具以来,工作的形态发生了变化。所以我们先来深挖这一点。

Vella 和 Blincoe 对职业工程师进行了一项两波调查,间隔六个月询问他们的工作状况——2024 年末和 2025 年春季。正好处在“助手时代”的中期,尚未进入 agent 时代,所以我更多把它看作变化程度的下限。82% 的参与者报告花在写代码上的时间比以前少了,作者将取而代之的工作称为“监督性工程工作”:指导、评估和纠正 AI 的输出。听起来很熟悉。

奇怪的是,84% 的人在两个时间点都报告了生产力提升。然而在两次都作答的 95 人中,报告至少一个维度的开发者体验变差的比例几乎翻倍,从 14% 升至 27%。心流和认知负荷受到了冲击。更快了,但恰恰以你会预期的方式变差了——如果工作变得更密集的话。

今年早些时候的一项对照实验也支持这一点。AI 辅助减少了工作量和时间,但两组中任务带来的疲劳和压力都上升了,而且使用 AI 的一组疲劳攀升更陡。一项“验证负荷”指标(失败次数、首次编译时间、代码变动、暂停与切换)部分解释了这一上升。这是一个片面的解释,来自一次短 Python 任务的实验,用的是助手而非 agent。

工作已从编写转向监督,而监督似乎让我们付出了代价。我们尚未解释的是,为什么代价更高。

1983 年,Lisanne Bainbridge 写了一篇五页的文章,题为《自动化的讽刺》。她的论点是:试图将人从系统中移除的设计者,仍然会把那些他们不知道怎么自动化的部分留给人。那是一堆任意拼凑的任务,通常包括监视自动化系统并在其失败时接管。讽刺之处在于,担任这一角色的操作员需要更高的技能而非更低,同时得到的练习却更少。

Erik Hollnagel 将这种方法阐述为“剩余原则”:凡能自动化的都自动化,人类得到剩下的部分。他将其与两种替代方案对照:补偿原则(把每项工作交给更擅长的一方)和互补性(将人与机器设计为协同工作的一个系统)。

Allspaw 和 Rimell 将这个理念带到了事件响应中,而它恰好映射到我们的日常工作:先自动化简单的工作,人们就被剩下那些困难、杂乱的工作,同时缺少了培养判断力的练习。一个伴随的理念是“替代迷思”,即认为你可以用 agent 替换一个人而其他一切不变。剧透一下——并非如此:创建者变成了验证者,作者变成了审阅者,新工作出现了(写 prompt、塑造环境、检查输出)。如果你曾在系统 prompt 里加上“绝不 push 到 main”或“检查 import 是否存在”,恭喜,那就是监督工作。

所以对于编码 agent,剩余下来的是:明确规格、做决策、审查和协调。可不是什么轻松的活儿。

有一点要说清楚。这些来源都没有说我们自动化掉的工作是轻松的。Bainbridge 和 Hollnagel 讨论的是剩下什么,而不是缺失什么。

我的主张是:写代码曾经是人类系统中的松弛余量,是呼吸和恢复的时间。

先发制人地回应一个反对意见:编码并非无脑,但我确实认为很多时候它可以相当冥想化、沉浸式。所以我不是说它轻松。我是说它是自定节奏、低方差认知工作:努力程度主要由你掌控,节奏稳定,嵌在那些更尖峰的任务之间——架构、调研、审查,以及理清利益相关者到底什么意思。它方差更小,而非努力更少,而正是这一点让我们得以恢复。

最接近的直接证据来自加州大学伯克利分校 Ranganathan 和 Ye 在一家 200 人科技公司进行的为期八个月的研究。使用 AI 的员工工作更快、承担更多,工作渗入了作者所称的“曾经充当暂停的片刻”。这是一家公司的定性研究,作者称其为进行中的研究,所以我不会过度依赖它。但这是我找到的唯一一项观察到松弛余量正在消失的研究。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →