Часть 1: Как ИИ влияет на когнитивную нагрузку инженеров
Использование ИИ облегчает жизнь IT-специалиста. Мы становимся продуктивнее и экономим время. Почему же многие теперь устают сильнее, чем раньше? Кажется, что ИИ должен разгружать, и он действительно разгружает. Но усталость часто только растет. Мы с моей коллегой @Ta_Mar решили разобраться в этом парадоксе.
Инженеры — одна из первых профессиональных групп, которая массово встроила генеративный ИИ в ежедневную работу: от анализа требований до написания кода и отладки. Инструменты снимают рутину и ускоряют задачи. Структура нашей деятельности очевидно меняется. И возникает вопрос: как именно ИИ меняет когнитивную нагрузку на человека? Уменьшает ее, перераспределяет или незаметно увеличивает? Мы попробовали не только разобраться в том, как меняется наша работа, но еще и понять, как вообще работает наша психика. Исследование разделили на две части: сначала разберем влияние ИИ на когнитивную нагрузку, а затем — на когнитивные способности инженеров (в отдельной публикации).
Соцопрос
Для начала мы провели небольшое исследование у себя в компании. Попросили AI-native сотрудников оценить субъективный уровень рабочей нагрузки, которую они испытывают при работе с ИИ на длинных агентских сценариях: многошаговых задачах, где агент может планировать действия, писать и править код, отлаживать и итеративно взаимодействовать с другими инструментами или выполняет иные задачи, связанные с разработкой ПО.
Для анализа мы использовали официальную методику NASA-TLX, разработанную американскими исследователями из NASA Ames Research Center (ARC) для субъективной оценки рабочей нагрузки сотрудников, работающих с различными человеко-машинными интерфейсами. Она измеряет нагрузку по шести аспектам:

1. Умственные затраты (Mental): насколько сложной была задача с точки зрения мышления, принятия решений, расчетов.
2. Физические затраты (Physical): насколько физически тяжелой ощущалась работа.
3. Временные затраты (Temporal): насколько сильным было давление времени.
4. Усилие (Effort): насколько упорно пришлось работать (умственно и физически), чтобы достичь своего уровня производительности.
5. Производительность (Performance): насколько успешным окажется выполнение задачи.
6. Уровень фрустрации (Frustration): ощущалось ли раздражение, стресс, досада или, наоборот, спокойствие и удовлетворение.
Наша выборка охватила разработчиков, QA и проектных менеджеров, участвующих в различных типах проектов. Важно отметить, что по результатам опроса мы получили лишь исследовательскую оценку: группы испытуемых недостаточно большие и не рандомизированы, поэтому для строго научных выводов нужно проводить расширенное исследование.
Наша гипотеза заключалась в следующем: мозг айтишника испытывает сильную когнитивную нагрузку во время работы с ИИ-агентами. (Отметим, что для исследования мы выбрали именно тех сотрудников, кто уверенно и осознанно использует набор разных инструментов и специализированных агентов для комплексного решения рабочих задач, а не просто задает вопросы LLM в режиме чата).
К нашему удивлению, гипотеза не подтвердилась. Однако, неожиданно четко, выделились другие тенденции. Средняя нагрузка — умеренно-высокая (Weighted ≈ 57, медиана ≈ 58, разброс 25-86). Когнитивная нагрузка высока почти у всех, а «перегруз» как общий индекс концентрируется в основном у QA и у части разработчиков.

Главная выявленная закономерность: QA испытывают заметно большую нагрузку от агентной работы, чем разработчики! Случайный QA имеет более высокий TLX индекс, чем случайный девелопер, примерно в 70% попарных сравнений.
Здесь хочется подчеркнуть, что на старте исследования мы не предполагали делить испытуемых на группы и исследовать отдельно QA и разработчиков. Наше предположение было общим для IT специалистов в целом.

Исследование показало, что у QA средний Weighted TLX равен 66,2 против 54,5 у разработчиков: разница составляет 11,7 пункта, или 22%. Отличие связано прежде всего с усилиями («насколько сильно вам пришлось выложиться умственно и физически, чтобы добиться полученного результата»), давлением темпа/сроков и фрустрацией.

Важная деталь: показатель Mental (сложность задачи с точки зрения мышления, принятия решений, расчетов) у QA не выше, чем у разработчиков: 72 против 77. Значит, повышенный общий TLX индекс QA объясняется не «более сложным мышлением», а «дорогим» процессом контроля: больше усилий, темпа и фрустрации.
Мы связываем бОльшую когнитивную нагрузку, выявленную у тестировщиков, с тем, что в процессе разработки продукта именно тестировщик является ответственным за качество. Именно он болеет за него душой, больше стрессует из-за репутационных потерь и старается делать все, чтобы продукт был надежным.
Согласно ответам респондентов в целом, на когнитивную нагрузку в большей степени влияют следующие аспекты (частота высоких оценок по выборке):
Mental ≥80: 12/26.
Effort ≥80: 11/26.
Frustration ≥60: 12/26.
Temporal ≥80: 8/26.
При этом многие коллеги отмечают рост умственной нагрузки и фрустрации (раздражение, стресс, неуверенность или усталость), даже при общей экономии времени.
Итоговую «тяжесть» сильнее всего поднимают аспекты Effort + Temporal, а не «просто думать». Ментальный аспект (насколько много требовалось думать, принимать решения, удерживать контекст в голове, проверять решения и ревьюить сгенерированный код) высокий почти у всех, даже если общий индекс TLX низкий.
Исходя из полученных данных и проведя дополнительное интервьюирование коллег, мы пришли к следующим выводам:
Сильнее страдают те специалисты, которые склонны переживать за результат своей работы. Они испытывают стресс от утраты контроля над процессом и результатом работы при сохранении ответственности. Этим в наибольшей степени объясняется высокий индекс нагрузки тестировщиков, ведь именно QA отвечает за качество.
Чем выше навык и опыт работы в агентной разработке, тем ниже индекс нагрузки, потому что чем лучше вы умеете управлять процессом, чем глубже понимаете механизм работы и способы снижения неопределенности / галлюцинирования, тем вы увереннее в результате и меньше переживаете.
Влияние типа деятельности. Индекс рабочей нагрузки ниже у тех, кто работает не на сложных production проектах, а у тех, кто вайбкодит какие-нибудь POC/MVP в своё удовольствие, то есть уровень ответственности достаточно низок. На проектах, где нет строгих требований к коду, стайлу и безопасности, у человека меньше ограничений во взаимодействии с ИИ.
Работа разработчика лучше поддается внедрению ИИ. Многие процессы разработки легче структурировать, формализовать и представить в виде последовательных шагов. В тестировании чаще приходится переключаться между разными контекстами, разного рода деятельностью, учитывать неявные условия и полагаться на профессиональную интуицию. Поэтому применение ИИ в тестировании требует от специалиста больше контроля и напряжения.
Влияние внешних факторов. На когнитивную нагрузку сильное влияние оказывает не столько сама агентная работа, сколько другие условия, такие как давление проекта (жесткие сроки Time-to-Market 1 день, необходимость выполнять чужую/новую работу) или общепринятых норм (например, «ты должен использовать ИИ», «с ИИ мы должны работать в семь раз быстрее»). В таких условиях даже разработчик, который отлично знаком с лучшими ИИ-практиками и имеет самый богатый арсенал, может испытывать серьезную когнитивную нагрузку от работы в новых ИИ-реалиях.
Фактор уровня модели. сотрудникам, использующим на сильные, платные модели типа Claude Opus, GPT-5.6 Sol или GLM-5.3 работать проще и приятнее, чем тем, кто выполняет задачи с локальными MiniMax или Qwen и страдает от постоянного зависания, зацикливания, непонимания задачи и галлюцинирования LLM.
ИИ вряд ли сам по себе сильно влияет на нагрузку, усталость и когнитивное напряжение инженеров при работе в агентном режиме. Высокие показатели индекса нагрузки связаны скорее с внешними факторами, такими как фактор ответственности и стресс от утраты контроля, давление сроков проекта и уровень используемой модели.
При этом меньше страдают те, у кого выше экспертиза в области использования агентов при решении задач, связанных с разработкой ПО. Эти люди обладают более глубокими знаниями и методиками, более уверенно и осознанно применяют лучшие практики агентной разработки.
Давайте теперь разберемся, что же говорят официальные научные исследования о влиянии технологий искусственного интеллекта на разработчиков.
Что происходит с мозгом, когда ИИ берет на себя часть работы
ИИ не просто ускоряет работу - он меняет способ, которым мы обрабатываем информацию. Происходит важный сдвиг: мы все чаще перекладываем умственную работу на внешний инструмент. Психологи называют это когнитивной разгрузкой (cognitive offloading).
Раньше мы сами писали код, искали информацию, структурировали ее, придумывали варианты и оценивали, насколько они хороши. Теперь многое из этого делает ИИ. Для инженера это означает, что операционная нагрузка снижается: меньше нужно держать в голове и меньше внимания тратить на рутину. Зато растет другая — нагрузка на контроль и на переключение контекста. Сейчас стало важно не столько «сделать», сколько проверить, оценить качество и осмысленность того, что предложил инструмент. Мозг меньше занят выполнением шагов и больше вопросами: «А правильно ли это?», «Где тут может быть ошибка?», «Как это стыкуется с остальной системой?». Кроме того, пока работает один агент, мы проверяем, работу другого и третьего - а потом возвращаемся к первому. И так мы переключаемся по кругу.
Когнитивная нагрузка инженера: три слоя
Классическая модель когнитивной нагрузки (Sweller, Cognitive Science, 1988) выделяет:
Внутреннюю — сложность самой задачи.
Внешнюю — все, что мешает (плохой интерфейс, шум, необходимость держать в голове десятки контекстов).
Релевантную — усилия, направленные на построение схем и глубокое понимание.
Исследователи утверждают, что ИИ влияет на все три слоя по-разному.
Снижение внешней нагрузки.
Автодополнение, генерация boilerplate, быстрый поиск по документации убирают «шум». Рутина (шаблонный код, простые операции с данными, миграции, тесты, написание пользовательских историй и критериев приемки) дается заметно легче, если ее делать вместе с ИИ.
Перераспределение внутренней нагрузки.
Вместо написания кода с нуля инженер формулирует задачу, оценивает варианты и адаптирует результат. Нагрузка смещается с «как написать» на «как правильно спросить и проверить».
Релевантная нагрузка растет - и здесь появляются риски.
Когда ИИ берет на себя генерацию, наш мозг может хуже строить глубокие ментальные модели. Появляется иллюзия компетентности, слабеет навык читать код без подсказок и удерживать целостную картину системы.
Исследования также связывают рост когнитивной нагрузки с таким феноменом, как «когнитивный долг». Это внутреннее чувство ответственности за результат, который вы формально не создавали. Когда агент выполняет длинный сценарий, вы часто не до конца понимаете, как именно он пришел к решению или почему именно это решение он предложил. Возникает ощущение потери контроля: приходится разгребать то, что казалось простым. Мозг воспринимает такую потерю контроля как угрозу. Как следствие, растет тревога, внимание рассеивается, и со временем это выливается в накопленную усталость.
Резюмируем:
Плюсы: работая совместно с ИИ, мы быстрее прототипируем, меньше устаем от рутины, работаем на более высоком уровне абстракции.
Минусы: происходит деградация «мышечной памяти» мышления, возрастает скрытая нагрузка на проверку сгенерированного агентом материала, эффект «черного ящика» и снижение общей глубины знаний в команде.
Что помогает сохранять способность думать, не перегружаясь
Наша цель — снизить внешнюю нагрузку и сохранить релевантную. Если убрать релевантную нагрузку, вы получите проблемы: навыки не будут формироваться или начнут угасать.
Используйте ИИ осознанно: просите объяснить, найти слабые места, предложить альтернативы. Периодически решайте задачи без агентов.
Учитесь грамотно, осознанно и системно настраивать своих агентов, задавать ограничения, управлять контекстом и направлять агента в нужных рамках.
Перед принятием решения задавайте себе контрольные вопросы.
Читайте сложный код и документацию сами.
Дробите задачи: одна задача — одно логическое изменение. Маленький дифф легче удержать в голове целиком.
Сначала утверждайте с агентом план, потом уже код: проверить план из десяти строк проще, чем результат работы на 800 строк. Код на основе продуманного плана будет более надежным.
Разделяйте этапы работы: отдельно исследуйте, создавайте решение и проверяйте результат.
Ограничьте число параллельных агентов и параллельных задач. Каждый агент — это отдельный контекст в вашей голове, а переключения стоят дорого для мозга: после прерывания люди работают быстрее, но испытывают больше стресса.
Используйте второго агента для ревью.
Защищайте свое внимание: работайте блоками без митингов, уведомлений и проверки сообщений.
Разгружайте память: используйте чек-листы, схемы и заметки с текущим состоянием и следующим шагом.
И конечно не забывайте восстанавливаться: делайте перерывы, избегайте переработок и поддерживайте стабильный сон.
При этом помните: ИИ не несет ответственности за баги в продакшене, этот груз остается на совести человека. Критическое мышление позволяет принять его осознанно.
ИИ не делает нас глупее автоматически и не разгружает нас полностью. Он меняет структуру когнитивной нагрузки: снижает внешнюю, перераспределяет внутреннюю и повышает требования к релевантной, то есть к усилиям на понимание, проверку и интеграцию.
Наш опрос показал, что ИИ ускоряет производство изменений, но при этом переносит на специалиста, и в частности на QA, роль непрерывного контролера. Генерация результата становится дешевой, а проверка — когнитивно дорогой. Именно этот дисбаланс лучше всего объясняет повышенный индекс когнитивной нагрузки у QA в нашем исследовании.
Поэтому, чтобы оставаться в ресурсе, важно осознанно использовать ИИ, сохраняя баланс между снижением рутинной нагрузки и самостоятельным пониманием задачи.
В этой статье мы с @Ta_Mar рассмотрели влияние ИИ на когнитивную нагрузку, а во второй части проговорим про влияние уже на когнитивные способности инженеров.
До встречи!

Комментарии 0