Η ψευδαίσθηση της αποδοτικότητας
Η υπόσχεση της παραγωγικής τεχνητής νοημοσύνης (Generative AI) ήταν η αυτοματοποίηση των επαναλαμβανόμενων εργασιών (boilerplate) και η απελευθέρωση χρόνου για τους μηχανικούς. Ωστόσο, η πραγματικότητα δείχνει ότι η ικανότητα υλοποίησης ιδεών έχει ξεπεράσει την ικανότητα στρατηγικής σκέψης. Όταν το κόστος υλοποίησης μειώνεται δραστικά, ο μηχανικός τείνει να αναλαμβάνει περισσότερα projects, οδηγώντας σε έναν φαύλο κύκλο συνεχούς παραγωγής.
Το κόστος της εναλλαγής πλαισίου (context switching)
Η αρχιτεκτονική της σύγχρονης εργασίας με AI περιλαμβάνει πολλούς πράκτορες (agents) που εκτελούνται παράλληλα. Κάθε πράκτορας απαιτεί επίβλεψη, έλεγχο κώδικα (code review) και λήψη αποφάσεων. Αυτή η «κατά διαστήματα» εμπλοκή του ανθρώπου-μηχανικού δημιουργεί ένα διαρκές γνωστικό φορτίο. Η εναλλαγή μεταξύ διαφορετικών repositories, προβλημάτων και αποφάσεων αποδεικνύεται πολύ πιο εξαντλητική από την παραδοσιακή εστίαση σε ένα μόνο task.
Ανάλυση δραστηριότητας και burnout
Τα δεδομένα από το ιστορικό του GitHub επιβεβαιώνουν ότι η χρήση AI δεν οδήγησε σε μείωση της δραστηριότητας, αλλά σε μια επιστροφή στα επίπεδα φόρτου ενός Full Stack Engineer, ακόμη και για ρόλους με διοικητικές ευθύνες (VP of Technology). Η εργασία πλέον χαρακτηρίζεται από «εκρήξεις» (bursts) δραστηριότητας, όπου ο μηχανικός προσπαθεί να υλοποιήσει κάθε ιδέα που καθίσταται εφικτή μέσω των νέων μοντέλων. Αυτό οδηγεί αναπόφευκτα σε περιόδους εξάντλησης, όπου η επιθυμία για περαιτέρω χρήση των εργαλείων AI μειώνεται δραστικά.
Συμπέρασμα για τη διαχείριση ροής εργασίας
Το πρόβλημα δεν έγκειται στα εργαλεία, αλλά στη διαχείριση της χωρητικότητας του ανθρώπινου νου. Η ικανότητα να «κάνουμε περισσότερα» δεν μεταφράζεται αυτόματα σε «καλύτερη εργασία». Χωρίς συνειδητή επιλογή των εργασιών και θέσπιση ορίων, η τεχνητή νοημοσύνη μετατρέπεται από εργαλείο υποβοήθησης σε μηχανισμό που επιταχύνει την επαγγελματική εξουθένωση.