Когато да правиш повече с ИИ означава да мислиш по-малко: уроците от „Brain Fry“

Plamen MILTENOFF
| Higher education has spent three years urging people to use AI. A newsletter from The Chronicle of Higher Education suggests a different approach. A packed room at Educause At the Educause conference in September, the main concern of campus technology leaders was aiming as many people as possible to try new AI tools. Yet one of the most crowded sessions was about the opposite worry. Directing autonomous AI agents, it argued, can leave people exhausted and error-prone, the opposite of what the technology promises. The term for this is “AI brain fry.” It comes from a March study featured in Harvard Business Review, which surveyed about 1,500 US workers at large companies. Many described a “fog” or “buzzing” feeling from monitoring and checking the output of several agents at once. Those affected made more mistakes, and many were considering leaving their jobs. It’s about how you use AI The study doesn’t say AI is bad for workers. Used to replace routine, repetitive “toil,” it can reduce burnout. The number of agents matters too. Productivity rose significantly with one agent and gained a little more with two. Beyond three at once, it fell. The authors observe the lack of productivity with multitasking and yet we keep falling for it. That finding should interest anyone designing AI training. It redifies fluency as partly about restraint: knowing which tasks suit AI, how much oversight you can give, and when to stop adding tools. The pressure to look productive Campus IT staff shared with reporter Jeffrey Young bout this new kind of stress caused by pressure from leadership. One technology leader described colleagues trying to demonstrate productivity gains by adding more and more tools until they were overloaded. Session leader Patricia Juarez of UC Berkeley sees the same pattern. Professors and staff want to try every new tool just to say they’re using it. Her analogy was fire, which is useful but must be controlled. She urged leaders to protect employee well-being as they experiment. Young’s LinkedIn post about the session drew a revealing thread. Educators said the AI sessions they attended were balanced and included critical AI literacy. A data scientist argued for a gradual, responsible build-up of AI fluency, adding that most people don’t need multi-agent workflows and aren’t ready for them. Others noted the irony that a tool meant to reduce cognitive load creates a new kind of it, through constant prompting, checking, and correcting. What good use looks like The newsletter’s own example is modest. A community college dean built a small app to draft her weekly team email. She gave it her goals and past messages for tone. It asks a few questions and produces a draft she edits. She asked it to follow accessibility guidelines and plans to disclose the AI help each week. This is one tool, one clear goal, and a human reviewing the output. It is also the “toil” use the study says is relatively safe. Gabriella Rosen Kellerman, who led the study, offers advice that goes beyond individuals. Teams should discuss the meaning of high-quality output and measure quality rather than quantity. Managers should learn to recognize cognitive overload so they can capture the gains and guard against the strains. An American story, a European question The context here is American: a conference of campus IT leaders, enthusiastic leadership, and vendor-friendly experimentation. How different is the picture on the other side of the Atlantic? Based on what I see in European higher education, and speaking in generalities that every country and institution will complicate, some real differences are present. Regulation sets the frame. The EU AI Act includes an AI literacy obligation for organizations during AI deployment. Such measures invite European institutions to think about training and responsible use early, whereas much of American adoption has been driven by institutional initiative and market pressure. Data protection law (GDPR) also makes some experimentation, such as feeding student or staff data into third-party tools, harder to do casually. Labor protections shape the workplace. A number of European universities have strong staff representation, works councils, or unions. Mandating AI adoption, or measuring productivity through tool use, is less proobable to do unilaterally. Thus some protection against the top-down pressure staff described at Educause. Governance is more collegial but slower. European universities often have strong traditions of academic self-governance. This can slow adoption and produce uneven, bottom-up experimentation instead of campus-wide mandates. The risk is less about overload from over-adoption and more about fragmentation, with enthusiastic early adopters, skeptics, and few shared norms. Resources differ. European institutions have smaller IT and professional development budgets. Fewer organizations are running multi-agent pilots, and more are still working out basic questions of policy, literacy, and equity of access. None of this makes Europe immune. Pressure to appear innovative, global rankings, and vendor marketing all cross borders, and the cognitive limits of the human brain don’t depend on the jurisdiction. The newsletter’s closing survey asks readers whether colleges should discourage simultaneous multi-agent use, allow open experimentation, or research cognitive well-being first. Europe’s stronger regulatory and collegial traditions may make the third option more natural, and Europeans could usefully lead it. Whichever side of the Atlantic we work on, the lesson is the same. AI literacy should include knowing when to put the tools down. | Висшото образование три години насърчава хората да използват ИИ. Бюлетин на The Chronicle of Higher Education предлага различен подход. Препълнена зала на Educause На конференцията Educause през септември основната грижа на технологичните лидери в университетите беше как повече хора да изпробват новите инструменти с ИИ. И все пак една от най-препълнените сесии беше за точно обратното притеснение. Според нея управлението на автономни ИИ агенти може да остави хората изтощени и склонни към грешки, което е противоположно на обещанията на технологията. Терминът за това е „AI brain fry“ („изгаряне на мозъка от ИИ“). Той идва от проучване от март, представено в Harvard Business Review, което обхваща около 1500 работници от големи компании в САЩ. Мнозина описват усещане за „мъгла“ или „бръмчене“, породено от наблюдението и проверката на резултатите от няколко агента едновременно. Засегнатите допускат повече грешки, а много от тях обмислят да напуснат работата си. Важно е как използвате ИИ Проучването не твърди, че ИИ вреди на работещите. Когато замества рутинния, повтарящ се труд („toil“), той може да намали прегарянето. Значение има и броят на агентите. Производителността нараства значително при един агент и се увеличава още малко при два. При повече от три едновременно тя спада. Авторите отбелязват, че многозадачността не е продуктивна, а ние пак и пак се подмамваме от нея. Това откритие трябва да интересува всеки, който проектира обучение по ИИ. То преосмисля уменията да работим с ИИ отчасти като умереност: да знаем кои задачи подхождат на ИИ, какъв надзор можем да осигурим и кога да спрем да добавяме инструменти. Натискът да изглеждаш продуктивен ИТ служители от университети споделиха с репортера Джефри Янг за този нов вид стрес, причинен от натиска на ръководството. Един технологичен лидер описа как колеги се опитват да покажат ръст на продуктивността, като добавят все повече и повече инструменти, докато се претоварят. Водещата на сесията Патрисия Хуарес от Калифорнийския университет в Бъркли наблюдава същия модел. Преподаватели и служители искат да изпробват всеки нов инструмент само за да могат да кажат, че го използват. Нейната аналогия беше с огъня, който е полезен, но трябва да бъде контролиран. Тя призова лидерите да се грижат за благополучието на служителите, докато експериментират. Публикацията на Янг в LinkedIn за сесията предизвика показателна дискусия. Преподаватели споделиха, че сесиите за ИИ, които са посетили, са били балансирани и са включвали критична ИИ грамотност. Специалист по данни се обяви за постепенно и отговорно изграждане на ИИ умения, като добави, че повечето хора не се нуждаят от работни процеси с много агенти и не са подготвени за тях. Други отбелязаха иронията, че инструмент, създаден да намалява когнитивното натоварване, създава ново такова чрез постоянното задаване на заявки, проверяване и коригиране. Как изглежда добрата употреба Примерът в самия бюлетин е скромен. Декан в общностен колеж е създала малко приложение, което съставя седмичния ѝ имейл до екипа. Дала му е целите си и предишни свои съобщения, за да улови тона ѝ. Приложението ѝ задава няколко въпроса и изготвя чернова, която тя редактира. Тя е поискала да се спазват насоките за достъпност и планира всяка седмица да посочва, че е ползвала помощта на ИИ. Това е един инструмент, една ясна цел и човек, който проверява резултата. Това е и именно употребата за „toil“, която според проучването е относително безопасна. Габриела Росен Келерман, която ръководи проучването, дава съвет, който надхвърля индивидуалното ниво. Екипите трябва да обсъдят какво означава висококачествен резултат и да измерват качеството, а не количеството. Мениджърите трябва да се научат да разпознават когнитивното претоварване, за да могат да извлекат ползите и да се предпазят от натоварването. Американска история, европейски въпрос Контекстът тук е американски: конференция на ИТ лидери от университети, ентусиазирано ръководство и експериментиране, благоприятстващо доставчиците. Колко различна е картината от другата страна на Атлантика? Въз основа на наблюденията ми над европейското висше образование, и говорейки в обобщения, които всяка държава и институция ще усложни, има някои реални разлики. Регулацията задава рамката. Европейският акт за ИИ (EU AI Act) включва задължение за ИИ грамотност за организациите, които внедряват ИИ. Подобни мерки подтикват европейските институции да мислят рано за обучение и отговорна употреба, докато голяма част от американското внедряване е движено от институционална инициатива и пазарен натиск. Законодателството за защита на данните (GDPR) също затруднява част от експериментирането, например въвеждането на данни на студенти или служители в инструменти на трети страни. Трудовите защити оформят работното място. Много европейски университети имат силно представителство на служителите, работнически съвети или синдикати. По-малко вероятно е внедряването на ИИ да бъде наложено, или продуктивността да бъде измервана чрез използването на инструменти, едностранно. Така има известна защита срещу натиска отгоре надолу, за който говореха служителите на Educause. Управлението е по-колегиално, но по-бавно. Европейските университети често имат силни традиции на академично самоуправление. Това може да забави внедряването и да доведе до неравномерно експериментиране отдолу нагоре вместо до кампусни мандати. Рискът е не толкова в претоварването от свръхвнедряване, колкото във фрагментирането: ентусиазирани ранни последователи, скептици и малко общи норми. Ресурсите се различават. Европейските институции имат по-малки бюджети за ИТ и професионално развитие. По-малко организации провеждат пилотни проекти с много агенти, а повече все още решават основни въпроси за политики, грамотност и равен достъп. Нищо от това не прави Европа неуязвима. Натискът да изглеждаш иновативен, глобалните класации и маркетингът на доставчиците пресичат границите, а когнитивните ограничения на човешкия мозък не зависят от юрисдикцията. Заключителното допитване на бюлетина пита читателите дали колежите трябва да обезкуражават едновременното използване на много агенти, да позволяват свободно експериментиране или първо да проучат когнитивното благополучие. Силните регулаторни и колегиални традиции на Европа може да направят третия вариант по-естествен, а европейците биха могли полезно да поемат водеща роля в него. От коя страна на Атлантика и да работим, поуката е една и съща. ИИ грамотността трябва да включва и умението да знаем кога да оставим настрана инструментите. |
Young, J. R. (2026, November 3). Is using AI giving you ‘brain fry’? Jagged Intelligence [Newsletter]. The Chronicle of Higher Education. https://www.chronicle.com/newsletter/jagged-intelligence/2026-11-03
LinkedIn post
Young, J. [Jeffrey Young]. (2026, November 5). It feels like every higher ed conference these days is overloaded with sessions on how to use AI, and usually… [Post]. LinkedIn. https://www.linkedin.com/posts/jeffrey-young-9702b42_it-feels-like-every-higher-ed-conference-share-7524129548934971394-caOh/