- Istilah: Studi HBR oleh para peneliti firma konsultan BCG (5 Maret 2026) menamai kelelahan mental akibat penggunaan atau pengawasan alat AI yang berlebihan sebagai “AI Brain Fry”. Itu bukan diagnosis medis.
- Prevalensi: 14 % pengguna AI di perusahaan besar AS pernah mengalaminya (1.488 responden, laporan diri). Itu bukan 14 % dari semua pekerja, dan yang ditanyakan adalah “pernah mengalami”.
- Nilai persentase: nilai untuk pengawasan, kelelahan, kelelahan mengambil keputusan, kesalahan, dan burnout adalah selisih relatif dari nilai skala, bukan proporsi orang. Contoh: orang yang banyak mengawasi AI rata-rata melaporkan 14 % lebih banyak usaha mental.
- Pergantian konteks: Bahwa pergantian itu menimbulkan biaya sudah terbukti di laboratorium (Monsell 2003, Rubinstein et al. 2001). Dalam studi ini, kaitannya dengan pertanyaan tentang pergantian tugas kurang jelas dibandingkan kaitannya dengan kelebihan informasi.
- Sisi sebaliknya: Lebih sedikit pekerjaan rutin berkat AI berkaitan dengan nilai burnout 15 % lebih rendah. Sebuah studi lapangan menemukan rata-rata 15 % lebih banyak kasus terselesaikan per jam (Brynjolfsson et al. 2025).
- Ritme kerja: mulai, fokus, panen, baca pemberitahuan baru saat panen, dan jalankan hanya sebanyak proses yang bisa kamu periksa. Untuk komponen tertentu ada petunjuk dari bidang lain (Fitz 2019 tentang pemberitahuan yang dikumpulkan, Masicampo dan Baumeister 2011), untuk pengawasan atas AI belum ada yang teruji.
Pada hari-hari tertentu, 5 sampai 6 proses AI berjalan bersamaan di tempatku. Memulainya hanya butuh beberapa menit. Setelah itu hasilnya datang satu per satu, dan masing-masing perlu diperiksa, dikoreksi, atau disetujui. Aku berpindah-pindah antara teks, riset, dan draf. Apakah ini sudah AI Brain Fry, aku tidak bisa bilang, karena tidak ada diagnosis untuk itu.
Siapa yang menggunakan agen AI atau menerapkan AI di perusahaan pada akhirnya menjalankan beberapa proses sekaligus dan menghadapi pertanyaan yang sama: berapa banyak yang masih bisa saya periksa dengan masuk akal? Artikel ini memisahkan apa yang dibuktikan studi tentang AI Brain Fry, menyebut penelitian tentang peralihan konteks, menunjukkan sisi lawannya, dan menjelaskan ritme kerja saya.
AI Brain Fry: definisi dan perbedaannya dengan burnout
Istilah “AI Brain Fry” diperkenalkan oleh Bedard, Kropp, Hsu, Karaman, Hawes, dan Rosen Kellerman dalam artikel HBR “When Using AI Leads to ‘Brain Fry’” pada 5 Maret 2026. Semuanya bekerja di firma konsultan BCG, 2 di antaranya juga sedang menempuh program doktoral di University of California, Riverside. Definisi mereka, diterjemahkan menurut maknanya: kelelahan mental akibat penggunaan atau pengawasan alat AI yang berlebihan hingga melampaui kapasitas kognitif sendiri. Dalam bahasa Jerman belum ada kata yang mapan. Media menulis “kelelahan AI”, “burnout AI”, atau “AI Fatigue”, sebuah portal profesional memberi judul “Otak Goreng”.
AI Brain Fry tidak sama dengan burnout. Para penulis menggambarkan burnout sebagai stres kerja kronis dengan kelelahan emosional. Menurut mereka, brain fry adalah beban berlebih akut pada perhatian, memori kerja, dan pengendalian pikiran sendiri. Itu bukan diagnosis medis.
Catatan soal asal-usulnya: BCG sendiri menjual konsultasi tentang penerapan AI. Artikelnya merekomendasikan untuk menaruh 70 % upaya untuk proyek AI pada manusia dan proses. Ini tidak membuat angkanya salah, tetapi menunjukkan adanya kepentingan sendiri pada topik ini.
Angka-angka studi dan cara membacanya
Yang disurvei adalah 1.488 karyawan penuh waktu di perusahaan besar AS, satu kali dan lewat laporan mandiri. Kuesioner atau working paper dengan metodologinya tidak saya temukan. Untuk setiap angka, yang penting adalah apa sebenarnya yang diukur:
| Pernyataan studi | Begini cara membaca angkanya |
|---|---|
| 14 % pengguna AI membenarkan pernah mengalami Brain Fry | Persentase orang, tetapi hanya di antara pengguna AI di perusahaan besar AS, dan pertanyaannya adalah “pernah mengalami”. Yang keliru adalah: “Satu dari tujuh orang menderita ini.” |
| Pengawasan tinggi, bukan rendah, atas AI: 14 % lebih banyak usaha mental, 12 % lebih banyak kelelahan mental, 19 % lebih banyak kelebihan informasi | Selisih relatif dari nilai skala laporan diri antara 2 kelompok, bukan proporsi orang. |
| Dengan brain fry: kelelahan mengambil keputusan 33 % lebih tinggi, 11 % lebih banyak kesalahan kecil dan 39 % lebih banyak kesalahan besar | Ini juga nilai skala dari laporan diri, bukan kesalahan yang dihitung. “Brain Fry menyebabkan 39 % lebih banyak kesalahan serius” akan keliru. |
| Niat untuk berhenti kerja: 25 % tanpa, 34 % dengan brain fry | Persentase orang dibandingkan. Angka relatif yang disebut HBR tidak bisa saya hitung ulang dari nilai yang dilaporkan, karena itu tidak dicantumkan di sini. |
| Menurut fungsi: 26 % karyawan di fungsi pemasaran, 6 % di fungsi hukum menyatakan pernah mengalami Brain Fry | Fungsi perusahaan besar AS, bukan bidang industri. |
| Alat AI yang dipakai bersamaan: produktivitas yang dirasakan naik jelas dari 1 ke 2, lalu melemah, dan turun sedikit mulai dari yang keempat | Yang diukur adalah produktivitas yang dirasakan. Apakah yang dihitung alat atau agen tidak jelas. Dari sini tidak ada batas untuk agen yang bisa disimpulkan. |
Untuk keseharian, 2 temuan lebih penting daripada persentase mana pun. Pertama: yang berkaitan dengan beban dan kelelahan mental terutama pengawasan terus-menerus atas keluaran AI, ditambah volume kerja yang membesar karena AI. Pusat studi ini adalah pengawasan. Kedua menyangkut pergantian konteks: jawaban teks bebas menyebut kelebihan informasi dan pergantian tugas sebagai faktor penting. Hubungan statistiknya dengan pertanyaan tentang pergantian tugas kurang jelas dibandingkan dengan kelebihan informasi. Sebagai “penyebab utama”, pergantian konteks tidak memadai dalam studi ini.
Satu catatan lagi: para penulis menulis bahwa penggunaan AI “may be causing” kelelahan itu, dan pengawasan “predicted” kelelahan itu. Itu kata-kata yang berhati-hati dengan alasan yang baik. Dalam data potong lintang, arah sebaliknya juga mungkin: orang yang memang sudah kelelahan mungkin merasakan pengawasan sebagai lebih berat.
Pergantian konteks dan pengawasan: mengapa keduanya menyita begitu banyak perhatian
Bahwa berganti tugas memakan waktu dan mengurangi akurasi sudah diteliti psikologi selama puluhan tahun, tetapi bukan pada kerja dengan AI. Keterangan berasal dari ringkasan studi, pada Mark dari artikelnya.
- Biaya peralihan: Setelah berganti tugas, orang di laboratorium menjawab lebih lambat dan umumnya lebih rawan salah. Persiapan menurunkan biayanya, tetapi tidak menghilangkannya (Monsell 2003, tinjauan literatur tentang tugas sederhana). Biaya itu naik seiring kompleksitas aturan, turun dengan isyarat, dan lebih tinggi pada tugas yang tidak familier (Rubinstein, Meyer, Evans 2001).
- Sisa perhatian: Perhatian sulit lepas dari tugas yang belum selesai, dan kinerja pada tugas berikutnya menurun. Istilah teknisnya "Attention Residue" (Leroy 2009, 2 eksperimen).
- Gangguan: Pada 24 karyawan sebuah perusahaan (masing-masing diamati 3,5 hari, durasi studi 13 bulan), 57 % unit kerja terinterupsi. Mereka kembali ke pekerjaan yang terinterupsi pada hari yang sama rata-rata setelah 25 mnt 26 dtk. Sebarannya sangat besar (simpangan baku 54 mnt 48 dtk), dan 77 % dilanjutkan lagi pada hari yang sama (Mark, Gonzalez, Harris 2005). Di laboratorium, orang yang diinterupsi bekerja lebih cepat, tetapi dengan lebih banyak stres dan usaha (Mark, Gudith, Klocke 2008, 48 peserta, sebagian besar mahasiswa).
- Pengawasan atas otomatisasi: Orang yang memantau sistem otomatis kurang mengontrol saat beban ganda (Complacency) dan terlalu cepat mengikuti saran, bahkan sebagai ahli (Automation Bias). Pelatihan tidak mencegahnya (Parasuraman dan Manzey 2010, tinjauan literatur).
Pandanganku: siapa yang menjalankan 5 proses berpindah-pindah di antara 5 tugas dan sekaligus terus memeriksa hasil kerja pihak lain. Keduanya sejalan dengan yang digambarkan studi ini dan penelitian tersebut. Untuk pekerjaan dengan AI hal itu belum terbukti. Studi laboratorium dan kantor berasal dari masa sebelum agen AI, dan studi gangguan memakai sampel kecil.
Sisi lainnya: menyerahkan rutinitas meringankan beban
Studi yang sama memuat pesan kedua yang mudah terlewat di samping angka-angka beban kerja. Karyawan yang mengerjakan lebih sedikit tugas rutin berkat AI melaporkan nilai burnout 15 % lebih rendah. Nilai kelelahan mental tidak lebih rendah. Sekali lagi ini adalah hubungan berdasarkan laporan diri, tetapi hasil ini menentang anggapan bahwa penggunaan AI secara umum adalah beban. Kelelahan yang lebih rendah juga berkaitan dengan pimpinan yang menjawab pertanyaan tentang AI (15 % lebih rendah) dan dengan kesan karyawan bahwa perusahaan mereka menghargai keseimbangan kerja dan kehidupan (28 % lebih rendah).
Sebuah studi lapangan memberi petunjuk ke arah yang sama. Brynjolfsson, Li, dan Raymond mengevaluasi dalam “Generative AI at Work” (terbit 2025) data dari 5.172 staf dukungan pelanggan, yang pada 2020 dan 2021 mendapat asisten AI secara bertahap. Rata-rata mereka menyelesaikan 15 % lebih banyak kasus per jam. Yang kurang berpengalaman dan kurang terampil mendapat manfaat lebih besar, sedangkan pada yang paling berpengalaman peningkatan kecepatan dan penurunan kualitas sama-sama kecil. Kondisi karyawan tidak diukur secara langsung, dan dukungan pelanggan dengan asisten dari 2020 berbeda dari mengelola beberapa agen sekaligus.
Beban dan kelegaan berdampingan dalam data. Bacaanku: semuanya tergantung seberapa banyak pengawasan yang muat dalam kapasitas sendiri. Bukan berarti harus lebih sedikit AI.
Ritme kerja: mulai, fokus, panen
Mulai dari sini aku menjelaskan cara kerjaku. Ini adalah pengalaman seorang pengusaha tunggal, bukan metode yang sudah teruji. Jika ada bukti dari bidang lain untuk suatu komponen, itu dicantumkan di sana. Apakah komponen-komponen ini bekerja sama baiknya dalam mengawasi AI masih belum jelas.
Gagasan dasarnya: aku membatasi titik sentuhku dengan AI dan membiarkan durasi prosesnya terbuka. Prosesnya boleh lama, asalkan aku hanya melihatnya pada waktu-waktu tetap. Dari situ lahir 3 blok:
| Blok | Apa yang terjadi | Durasi |
|---|---|---|
| Mulai | Kirim semua tugas satu per satu, masing-masing dengan hasil yang jelas | 15 sampai 30 menit |
| Fokus | Tugas tersendiri yang hanya bisa saya selesaikan. Tidak membaca hasil, tidak melihat proses yang berjalan | 90 sampai 120 menit |
| Panen | Memeriksa hasil, menyetujui, memulai koreksi sebagai tugas baru (sekaligus menjadi awal berikutnya) | 30 sampai 45 menit |
Mulai: tugas sejenis sebagai satu batch
Saat memulai, yang penting adalah tugas yang rapi. Tugas yang sejenis kukirim sebagai satu gelombang, 5 sampai 6 secara paralel. Yang tidak cocok masuk gelombang menunggu mulai berikutnya. Persiapan dan isyarat menurunkan biaya peralihan (Rubinstein, Monsell). Karena itu, dalam tugas ada baiknya menulis satu kalimat tentang bagaimana kamu mengenali hasil yang sudah jadi dan untuk apa kamu memakainya. Ini adalah penerapan dari penelitian laboratorium.
Fokus: membaca pemberitahuan baru saat panen
Di blok fokus saya tidak membaca hasil dan tidak melihat proses yang berjalan. Pemberitahuan boleh masuk, tetapi baru dibaca saat panen. Ini lebih sedikit daripada mengumpulkan: pemberitahuan tetap masuk satu per satu, saya hanya membiarkannya.
Untuk pengelompokan ada eksperimen lapangan di smartphone. Fitz dan rekan-rekannya (2019) membuat 237 orang menerima notifikasi seperti biasa, dikirim berkelompok 3 kali sehari, atau tidak menerimanya sama sekali. Kelompok yang menerima notifikasi berkelompok melaporkan lebih banyak perhatian, suasana hati lebih baik, dan lebih sedikit stres. Kelompok tanpa notifikasi sama sekali nyaris tidak mendapat manfaat, malah lebih cemas dan lebih khawatir ketinggalan sesuatu. Jadi mengelompokkan lebih baik daripada mematikan. Siapa yang ingin mendukung blok fokus dengan cara ini, membiarkan notifikasi dikirim berkelompok. Apakah sekadar membiarkannya tergeletak memberi hasil yang sama, studi ini tidak menunjukkannya. Pengaturan untuk iPhone dan Pixel ada di artikel tentang ketersediaan terus-menerus.
Panen: memeriksa, menyetujui, mencatat pergantian
Saat panen saya memeriksa hasil satu per satu, menyetujui, dan mengirim koreksi sebagai tugas baru. Pada saat yang sama awal berikutnya dimulai. Siapa pun yang berpindah antara 2 hasil atau kembali ke tugasnya sendiri bisa mencatat dalam 1 kalimat di mana dan bagaimana ia melanjutkan. Masicampo dan Baumeister menunjukkan pada 2011 dalam eksperimen laboratorium bahwa rencana konkret tentang kapan dan bagaimana sebuah tujuan diselesaikan menghentikan efek mengganggu dari tujuan yang belum selesai. Apakah itu berlaku untuk hasil AI yang terbengkalai, saya tidak menemukan studinya.
Setelah panen dan awal yang baru, sebelum blok fokus berikutnya dimulai, istirahat yang sungguhan itu membantu. Sebuah meta-analisis (22 sampel, 2.335 orang) menemukan bahwa mikro-istirahat meningkatkan vitalitas dan menurunkan kelelahan, keduanya dalam skala kecil (Albulescu et al. 2022). Untuk kinerja pada pekerjaan yang menuntut, efeknya belum pasti, sehingga anjuran ini bertumpu pada kesejahteraan.
Sebanyak proses yang bisa kamu periksa
Hambatannya ada pada pemeriksaan, bukan pada memulai. Sehari dianggap penuh kalau panen sudah tidak muat lagi dalam jam kerja. Ini sejalan dengan laporan pengalaman. Addy Osmani mengaitkan jumlah agen dengan kecepatan review-nya dan menulis bahwa bagi kebanyakan orang itu angka satu digit yang rendah (The Orchestration Tax, 2026). Simon Willison, menurut pengakuannya sendiri, hanya bisa berkonsentrasi memeriksa dan menerima satu perubahan besar pada satu waktu (2025).
Ambang batas studi HBR sebesar 3 alat tidak cocok sebagai ukuran untuk proses, karena tidak jelas apa yang dihitung. Sebagai uji, satu aturan sederhana sudah cukup: mulai hanya sebanyak proses yang bisa kamu periksa dengan teliti pada blok panen berikutnya. Setelah seminggu, lihat berapa hasil yang tertinggal.
Batasan data studi
Studi Brain Fry didasarkan pada laporan mandiri dan potret satu waktu, berasal dari AS dan dari perusahaan besar, dan terbit di majalah manajemen tanpa penelaahan sejawat. Pertanyaan Brain Fry adalah satu butir ya-tidak dengan kata “pernah”, bukan kuesioner yang teruji. Angka 33 % lebih banyak kelelahan mengambil keputusan adalah nilai skala. Mekanisme di baliknya (ego depletion) tidak dapat ditunjukkan secara meyakinkan dalam 2 studi replikasi besar (Hagger et al. 2016, Vohs et al. 2021).
Untuk penangkalnya, bukti lebih tipis. Fitz, Masicampo, dan Albulescu meneliti ponsel, tugas laboratorium, dan jeda, bukan pengawasan atas AI. Tentang pelaku usaha tunggal dengan beberapa agen, saya tidak menemukan studi. Pengalaman saya hanyalah satu titik data. Siapa pun yang menjalankan proses serupa bisa menguji iramanya sebagai hipotesis dan mengukurnya pada panennya sendiri.
Bagaimana saya menjalankan proses AI dalam keseharian dan apa yang bisa salah, saya tunjukkan di newsletter AI Sync yang terbit setiap hari Minggu.
Semua yang ada di halaman ini bisa diterapkan tanpa aku. Alat baru dan perubahan kucatat di sini, dan setiap hari Minggu ada tips tentangnya di newsletter.
Ke AI SyncSaya menyiapkan bersamamu alur kerja AI yang menyerahkan hasilnya terkumpul pada waktu tetap untuk disetujui, dan menentukan bersamamu siapa memeriksa apa. Di tempat dari Eisenstadt sampai Mattersburg dan Wiener Neustadt, online di seluruh wilayah berbahasa Jerman.
SelengkapnyaPertanyaan yang sering diajukan
Apa itu AI Brain Fry?
AI Brain Fry adalah istilah dari sebuah studi HBR oleh para peneliti firma konsultan BCG (5 Maret 2026). Maksudnya kelelahan mental akibat penggunaan atau pengawasan alat AI secara berlebihan hingga melampaui kapasitas diri sendiri. Istilah ini bukan diagnosis medis. Studi ini didasarkan pada laporan mandiri dari 1.488 pekerja di perusahaan besar di AS.
Seberapa sering AI Brain Fry terjadi?
Dalam studi itu, 14 % pengguna AI menjawab ya pada pertanyaan apakah mereka pernah mengalaminya. Ini berlaku untuk pengguna AI di perusahaan besar AS, dan yang ditanyakan adalah “pernah mengalami”. Nilainya sangat berbeda menurut fungsi: 26 % karyawan di fungsi pemasaran, 6 % di fungsi hukum. Untuk pelaku usaha tunggal atau KMU di Austria, saya tidak tahu angkanya.
Apakah AI Brain Fry sama dengan burnout?
Tidak. Para penulis menggambarkan burnout sebagai stres kerja kronis dengan kelelahan emosional, brain fry sebagai beban berlebih akut pada perhatian dan memori kerja. Dalam studi ini, pekerjaan rutin yang lebih sedikit berkat AI berkaitan dengan skor burnout yang 15 % lebih rendah, sedangkan skor kelelahan mental tidak lebih rendah. Media tetap sering menulis tentang “burnout AI”.
Berapa banyak alat atau agen AI sekaligus yang sudah terlalu banyak?
Saya tidak menemukan angka pasti di studi mana pun. Dalam studi itu, produktivitas yang dirasakan naik jelas dari 1 ke 2 alat yang dipakai bersamaan, lalu melemah, dan turun sedikit mulai dari yang keempat. Tidak jelas apa persisnya yang dihitung. Pengembang Addy Osmani mengaitkan jumlah agen dengan kapasitas pemeriksaannya dan menyebut angka satu digit yang rendah untuk kebanyakan orang. Itu nilai pengalaman.
Apa yang membantu melawan AI Brain Fry?
Untuk pengawasan atas AI belum ada langkah yang teruji. Dari bidang lain ada petunjuk untuk notifikasi yang dikumpulkan, 3 kali sehari (Fitz et al. 2019, 237 orang), rencana konkret untuk hal yang belum selesai (Masicampo dan Baumeister 2011), dan jeda singkat melawan kelelahan (Albulescu et al. 2022). Studi itu sendiri menyebut menyerahkan rutinitas dan menetapkan batas untuk pengawasan. Apakah itu berhasil untuk pengawasan AI masih terbuka.
Apakah AI membuat lelah atau justru meringankan?
Keduanya muncul dalam data. Pengawasan atas AI yang tinggi, bukan rendah, berkaitan dengan kelelahan mental 12 % lebih besar (selisih relatif pada laporan mandiri). Pekerjaan rutin yang lebih sedikit berkaitan dengan skor burnout 15 % lebih rendah. Dalam studi lapangan dengan 5.172 staf dukungan pelanggan, mereka yang memakai asisten AI menyelesaikan rata-rata 15 % lebih banyak kasus per jam (Brynjolfsson et al. 2025).
Perubahan pada artikel ini
- 10 November 2026Versi pertama.
