Analyse · Arbeidsmåte

AI Brain Fry: hva studien viser og hvordan du styrer flere KI-kjøringer i takt

AI Brain Fry er navnet en HBR-studie fra mars 2026 gir mental utmattelse som skyldes overdreven bruk eller overvåking av KI-verktøy. Dette innlegget plasserer tallene i sammenheng, forklarer hvorfor kontekstbytter og tilsyn koster så mye oppmerksomhet, og beskriver en arbeidstakt for flere parallelle KI-kjøringer.

Kort sagt
  • Begrep: HBR-studien av forskere ved rådgivingsselskapet BCG (5. mars 2026) kaller mental utmattelse av overdreven bruk eller overvåking av KI-verktøy «AI Brain Fry». En medisinsk diagnose er det ikke.
  • Utbredelse: 14 % av KI-brukerne i amerikanske storbedrifter har opplevd det en gang (1 488 respondenter, selvrapportering). Det er ikke 14 % av alle ansatte, og spørsmålet gjaldt «noen gang opplevd».
  • Prosentverdier: Verdiene for tilsyn, utmattelse, beslutningstretthet, feil og utbrenthet er relative forskjeller i skalaverdier, ikke andeler av personer. Eksempel: Den som overvåker mye KI, oppgir i snitt 14 % mer mental anstrengelse.
  • Kontekstbytte: At bytter koster, er dokumentert i laboratoriet (Monsell 2003, Rubinstein et al. 2001). I studien er sammenhengen med spørsmålene om oppgavebytte mindre tydelig enn sammenhengen med informasjonsoverbelastning.
  • Motsatt side: Mindre rutinearbeid takket være KI hang sammen med 15 % lavere burnout-verdier. En feltstudie fant i gjennomsnitt 15 % flere løste saker per time (Brynjolfsson et al. 2025).
  • Arbeidstakt: start, fokus, innhøsting, les meldinger først i innhøstingen og bare så mange kjøringer som du rekker å kontrollere. For enkelte byggeklosser finnes det indikasjoner fra andre områder (Fitz 2019 om samlede varsler, Masicampo og Baumeister 2011), for tilsyn med KI er ingen undersøkt.

Noen dager kjører jeg 5 til 6 KI-kjøringer samtidig. Det tar minutter å starte dem. Deretter kommer resultatene inn etter hverandre, og hvert enkelt vil kontrolleres, rettes eller godkjennes. Jeg hopper mellom tekster, research og utkast. Om dette allerede er AI Brain Fry, kan jeg ikke si, for det finnes ingen diagnose på det.

Den som bruker KI-agenter eller innfører KI i bedriften, kjører før eller siden flere kjøringer samtidig og støter på det samme spørsmålet: Hvor mange kan jeg fortsatt kontrollere på en fornuftig måte? Dette innlegget skiller ut hva studien om AI Brain Fry faktisk viser, nevner forskningen på kontekstbytter, viser motargumentene og beskriver arbeidsrytmen min.

AI Brain Fry: definisjon og avgrensning mot utbrenthet

Begrepet «AI Brain Fry» innføres av Bedard, Kropp, Hsu, Karaman, Hawes og Rosen Kellerman i HBR-artikkelen «When Using AI Leads to ‘Brain Fry’» fra 5. mars 2026. Alle jobber ved rådgivingsselskapet BCG, 2 av dem tar i tillegg doktorgrad ved University of California, Riverside. Definisjonen deres, fritt oversatt: mental utmattelse av overdreven bruk eller overvåking av KI-verktøy utover egen kognitiv kapasitet. På tysk har ingen term festet seg. Mediene skriver om «KI-utmattelse», «KI-utbrenthet» eller «AI Fatigue», et fagnettsted bruker overskriften «Frittiertes Hirn».

AI Brain Fry kan ikke likestilles med utbrenthet. Forfatterne beskriver utbrenthet som kronisk arbeidsstress med emosjonell utmattelse. Brain Fry er etter deres tolkning en akutt overbelastning av oppmerksomhet, arbeidsminne og styring av egen tenkning. En medisinsk diagnose er det ikke.

En merknad om opprinnelsen: BCG selger selv rådgivning om innføring av KI. Artikkelen anbefaler å bruke 70 % av innsatsen i KI-prosjekter på mennesker og prosesser. Det gjør ikke tallene feil, men viser en egeninteresse i temaet.

Tallene i studien og hvordan du leser dem

Det ble spurt 1 488 heltidsansatte i store amerikanske selskaper, én gang og ved selvrapportering. Et spørreskjema eller et working paper med metoden har jeg ikke funnet. Viktig for hvert tall er hva det egentlig måler:

Hva studien sierSlik leser du tallet
14 % av KI-brukerne svarte at de allerede hadde opplevd Brain FryAndel personer, men bare blant KI-brukere i store amerikanske selskaper, og spørsmålet var «noen gang opplevd». Feil ville være: «Hver sjuende lider av dette.»
Høy i stedet for lav kontroll av KI: 14 % mer mental anstrengelse, 12 % mer mental utmattelse, 19 % mer informasjonsoverbelastningRelative forskjeller i skalaverdier fra selvrapportering mellom 2 grupper, ikke andeler av personer.
Med Brain Fry: 33 % mer beslutningstretthet, 11 % flere små og 39 % flere store feilOgså dette er skalaverdier fra selvrapportering, ikke tellede feil. «Brain Fry gir 39 % flere alvorlige feil» ville vært galt.
Oppsigelsesintensjon: 25 % uten, 34 % med brain fryAndeler av personer i sammenligning. Relativtallet HBR oppgir for dette, kan jeg ikke regne etter ut fra de rapporterte verdiene, derfor står det ikke her.
Per funksjon: 26 % av de ansatte i markedsføringsfunksjoner, 6 % i juridiske funksjoner oppga å ha opplevd Brain FryFunksjoner hos store amerikanske selskaper, ikke bransjer.
KI-verktøy brukt samtidig: Opplevd produktivitet øker tydelig fra 1 til 2, deretter svakere, og synker litt fra det fjerdeDet som er målt, er opplevd produktivitet. Om verktøy eller agenter ble talt, er uklart. En grense for agenter følger ikke av dette.

For hverdagen er 2 funn viktigere enn hver prosentandel. Det første: Med belastning og mental utmattelse hang først og fremst den løpende kontrollen av KI-resultater sammen, og i tillegg en arbeidsmengde som har vokst på grunn av KI. I sentrum for studien står kontrollen. Det andre gjelder kontekstskifte: Fritekstsvarene nevner informasjonsoverbelastning og oppgaveskifte som viktige faktorer. Den statistiske sammenhengen med spørsmålene om oppgaveskifte er likevel mindre entydig enn den med informasjonsoverbelastning. Som «hovedårsak» duger ikke kontekstskifte i denne studien.

Enda et forbehold: Forfatterne skriver at bruk av KI «may be causing» utmattelsen, og at tilsynet «predicted» den. Det er forsiktige ord av en god grunn. I tverrsnittet er også motsatt retning tenkelig: Den som allerede er overbelastet, opplever kanskje tilsyn som mer belastende.

Kontekstbytte og tilsyn: hvorfor de koster så mye oppmerksomhet

At oppgavebytter koster tid og nøyaktighet, har psykologien forsket på i flere tiår, men ikke på arbeid med KI. Opplysningene stammer fra sammendragene av studiene, hos Mark fra artiklene.

  • Byttekostnader: Etter et oppgavebytte svarer folk i laboratoriet langsommere og som oftest med flere feil. Forberedelse reduserer kostnadene, men fjerner dem ikke (Monsell 2003, oversiktsartikkel om enkle oppgaver). De øker med kompleksiteten i reglene, synker med hintsignaler og er høyere for uvante oppgaver (Rubinstein, Meyer, Evans 2001).
  • Gjenværende oppmerksomhet: Oppmerksomheten løsner dårlig fra uferdige oppgaver, og prestasjonen på neste oppgave blir dårligere. Fagordet for dette er «Attention Residue» (Leroy 2009, 2 eksperimenter).
  • Avbrytelser: Blant 24 ansatte i en bedrift (observert i 3,5 dager hver, studien varte i 13 måneder) ble 57 % av arbeidsøktene avbrutt. Til det avbrutte arbeidet kom de tilbake samme dag etter i snitt 25 min 26 s. Spredningen er enorm (standardavvik 54 min 48 s), og 77 % ble i det hele tatt tatt opp igjen samme dag (Mark, Gonzalez, Harris 2005). I laboratoriet jobbet avbrutte raskere, men med mer stress og anstrengelse (Mark, Gudith, Klocke 2008, 48 deltakere, for det meste studenter).
  • Tilsyn med automatisering: Den som overvåker et automatisert system, kontrollerer mindre ved flerbelastning (complacency) og følger forslag for raskt også som ekspert (automation bias). Opplæring hindrer ikke det (Parasuraman og Manzey 2010, oversiktsartikkel).

Min tolkning: Den som kjører 5 løp, bytter mellom 5 oppgaver og kontrollerer samtidig andres resultater fortløpende. Begge deler til sammen stemmer med det studien og denne forskningen beskriver. For arbeid med KI er det ikke bevist. Laboratorie- og kontorstudiene stammer fra tiden før KI-agenter, og avbruddsstudiene har små utvalg.

Det er belagt at byttene koster. For tilsyn med KI er det ikke undersøkt noe motmiddel.

Motsiden: å gi fra seg rutine avlaster

Den samme studien har et andre budskap som lett forsvinner ved siden av belastningstallene. Ansatte som hadde mindre rutinearbeid takket være KI, oppga 15 % lavere burnout-verdier. Verdiene for mental utmattelse var ikke lavere. Dette er igjen en sammenheng basert på selvrapportering, men den taler mot å lese bruk av KI generelt som en belastning. Mindre utmattelse hang dessuten sammen med at ledelsen svarte på spørsmål om KI (15 % mindre) og at ansatte hadde inntrykk av at bedriften la vekt på work-life-balance (28 % mindre).

En feltstudie gir pekepinner i samme retning. Brynjolfsson, Li og Raymond vurderte i «Generative AI at Work» (utgitt 2025) data fra 5 172 kundestøtteansatte som i 2020 og 2021 fikk en KI-assistent innført i etapper. I gjennomsnitt løste de 15 % flere saker per time. Mindre erfarne og mindre kvalifiserte hadde større nytte, mens de mest erfarne hadde små tempogevinster og små kvalitetstap. Velværet til de ansatte ble ikke målt direkte, og kundestøtte med en assistent fra 2020 er noe annet enn å lede flere agenter.

Belastning og avlastning står side om side i dataene. Min lesning: Det kommer an på hvor mye tilsyn som passer inn i din egen kapasitet. Mindre KI følger ikke av det.

Belastning og avlastning står side om side i dataene.

Arbeidstakt: start, fokus, innhøsting

Herfra beskriver jeg måten jeg selv jobber på. Den er erfaringen til én enkelt soloselskapsdriver og ikke en etterprøvd metode. Der det finnes belegg fra andre områder for en byggekloss, står det ved siden av. Om disse byggeklossene virker like godt i tilsyn med KI, er uklart.

Grunntanken: Jeg begrenser kontaktpunktene mine med KI-en og lar varigheten på kjøringene være åpen. De får gjerne ta lang tid, så lenge jeg bare ser innom til faste tider. Dermed blir det 3 blokker:

BlokkHva som skjerVarighet
StartSend av gårde alle oppdrag etter hverandre, hvert med et tydelig resultat15 til 30 min
FokusEn egen oppgave som bare jeg kan løse. Ikke lese resultater, ikke se på kjøringer90 til 120 min
InnhøstingKontrollere resultater, godkjenne, starte rettelser som nye oppdrag (det er samtidig neste start)30 til 45 min
Start, fokus, høsting: Du ser bare på løpene til faste tider.

Start: like oppdrag som en batch

Ved start er det et ryddig oppdrag som teller. Oppgaver av samme type sender jeg av gårde som en batch, 5 til 6 parallelt. Det som ikke passer i batchen, venter til neste start. Forberedelse og signaler reduserer byttekostnadene (Rubinstein, Monsell). Derfor lønner det seg å ha med en setning i oppdraget om hvordan du kjenner igjen det ferdige resultatet og hva du skal bruke det til. Dette er en overføring fra laboratoriet.

Fokus: lese varsler først i innhøstingen

I fokusøkten leser jeg ingen resultater og ser ikke på kjøringer. Varsler får komme inn, men leses først i innhøstingen. Det er mindre enn å samle: De kommer fortsatt inn enkeltvis, jeg lar dem bare ligge.

For å samle varsler finnes det et feltforsøk på smarttelefon. Fitz og kolleger (2019) lot 237 personer få varsler som før, samlet levert 3 ganger daglig eller ikke i det hele tatt. Gruppen med samlede varsler rapporterte mer oppmerksomhet, bedre stemning og mindre stress. Gruppen helt uten varsler hadde knapt noen fordeler, men mer angst og mer frykt for å gå glipp av noe. Å samle var altså bedre enn å skru av. Den som vil støtte fokusblokken slik, lar varsler leveres samlet. Om det å bare la dem ligge gir det samme, viser ikke studien. Innstillingene for iPhone og Pixel står i innlegget om konstant tilgjengelighet.

Innhøsting: kontrollere, godkjenne, notere endringer

I innhøstingen kontrollerer jeg resultatene etter hverandre, godkjenner og sender rettelser av gårde som nye oppdrag. Samtidig begynner neste start. Den som bytter mellom 2 resultater eller tilbake til sin egen oppgave, kan notere i 1 setning hvor og hvordan han fortsetter. Masicampo og Baumeister viste i 2011 i laboratorieeksperimenter at en konkret plan for når og hvordan et mål skal nås, fjerner forstyrrelsen fra et uferdig mål. Om det gjelder for KI-resultater som blir liggende, har jeg ikke funnet noen studie.

Etter høstingen og den nye starten, før neste fokusblokk begynner, hjelper en ekte pause. En metaanalyse (22 utvalg, 2 335 personer) fant at mikropauser øker vitaliteten og reduserer tretthet, begge i liten grad (Albulescu et al. 2022). For prestasjon i krevende arbeid er effekten ikke sikker, anbefalingen bygger på velvære.

Så mange løp som du kan kontrollere

Flaskehalsen er kontrollen, ikke starten. En dag er full når innhøstingen ikke lenger får plass i arbeidstiden. Det stemmer med erfaringsrapporter. Addy Osmani knytter antallet agenter til sin review-rate og skriver at for de fleste er det et lavt ensifret tall (The Orchestration Tax, 2026). Simon Willison kan etter eget utsagn bare konsentrere seg om å kontrollere og ta inn én større endring om gangen (2025).

Terskelen i HBR-studien på 3 verktøy duger ikke som målestokk for kjøringer, fordi det er uklart hva som ble talt. Som test holder en enkel regel: Start bare så mange kjøringer som du grundig kontrollerer i neste innhøstingsblokk. Se etter en uke hvor mange resultater som ble liggende.

Grensene for studiegrunnlaget

Brain-Fry-studien bygger på selvrapportering og et tverrsnitt, den stammer fra USA og fra store selskaper og er utgitt i et ledelsesmagasin uten fagfellevurdering. Brain-Fry-spørsmålet er ett enkelt ja/nei-item med «noen gang», ikke et validert spørreskjema. De 33 % mer beslutningsutmattelse er en skalaverdi. Mekanismen bak (Ego Depletion) lot seg ikke vise pålitelig i 2 store replikasjonsstudier (Hagger et al. 2016, Vohs et al. 2021).

For mottiltakene ser det tynnere ut. Fitz, Masicampo og Albulescu undersøkte smarttelefoner, laboratorieoppgaver og pauser, ikke kontroll av KI. Om enkeltpersonforetak med flere agenter har jeg ikke funnet noen studie. Min egen opplevelse er ett enkelt datapunkt. Den som kjører lignende kjøringer, kan teste rytmen som hypotese og måle den mot sin egen innhøsting.

Hvordan jeg styrer KI-kjøringer i hverdagen og hva som går galt, viser jeg i nyhetsbrevet AI Sync, som kommer ut hver søndag.

Gjør det selvDu har alt du trenger.

Alt på denne siden kan gjennomføres uten meg. Nye verktøy og endringer legger jeg inn her, og hver søndag kommer det et tips om dem i nyhetsbrevet.

Til AI Sync
La det gjennomføreKI-arbeidsflyter som leverer samlet til godkjenning

Jeg setter opp KI-arbeidsflyter sammen med deg som leverer resultatene samlet til faste tider for godkjenning, og vi avtaler hvem som kontrollerer hva. På stedet fra Eisenstadt til Mattersburg og Wiener Neustadt, på nett i hele det tyskspråklige området.

Mer om dette

Vanlige spørsmål

Hva er AI Brain Fry?

AI Brain Fry er et begrep fra en HBR-studie av forskere ved rådgivingsselskapet BCG (5. mars 2026). Det betyr mental utmattelse av å bruke eller overvåke KI-verktøy utover egen kapasitet. Begrepet er ikke en medisinsk diagnose. Studien bygger på selvrapportering fra 1 488 ansatte i store amerikanske selskaper.

Hvor vanlig er AI Brain Fry?

I studien svarte 14 % av KI-brukerne ja på spørsmålet om de noen gang hadde opplevd det. Det gjelder KI-brukere i store amerikanske selskaper, og det ble spurt om «noen gang opplevd». Avhengig av funksjon lå verdien langt fra hverandre: 26 % av de ansatte i markedsføringsfunksjoner, 6 % i juridiske funksjoner. For enkeltpersonforetak eller KMU-er i Østerrike kjenner jeg ikke til noe tall.

Er AI Brain Fry det samme som burnout?

Nei. Forfatterne beskriver utbrenthet som kronisk arbeidsstress med emosjonell utmattelse, Brain Fry som akutt overbelastning av oppmerksomhet og arbeidsminne. I studien hang mindre rutinearbeid takket være KI sammen med 15 % lavere verdier for utbrenthet, men verdiene for mental tretthet var ikke lavere. Likevel skriver media ofte om «KI-utbrenthet».

Hvor mange KI-verktøy eller agenter samtidig er for mange?

Et fast tall har jeg ikke funnet i noen studie. I studien økte opplevd produktivitet tydelig fra 1 til 2 verktøy brukt samtidig, deretter svakere, og sank litt fra det fjerde. Det er uklart hva som egentlig ble talt. Utvikleren Addy Osmani knytter antall agenter til sin egen kontrollkapasitet og nevner et lavt ensifret tall for de fleste. Det er en erfaringsverdi.

Hva hjelper mot AI Brain Fry?

For kontroll av KI finnes det ikke noe utprøvd tiltak. Fra andre områder finnes det pekepinner for samlede varsler, 3 ganger daglig (Fitz et al. 2019, 237 personer), en konkret plan for uferdige oppgaver (Masicampo og Baumeister 2011) og korte pauser mot tretthet (Albulescu et al. 2022). Studien selv nevner å gi fra seg rutine og sette grenser for kontrollen. Om det virker ved KI-kontroll, er åpent.

Gjør KI deg sliten, eller avlaster den deg?

Begge deler finnes i dataene. Høyt i stedet for lavt tilsyn med KI hang sammen med 12 % mer mental utmattelse (relativ forskjell ved selvrapportering). Mindre rutinearbeid hang sammen med 15 % lavere utbrenthetsverdier. I en feltstudie med 5 172 supportmedarbeidere løste disse med en KI-assistent i snitt 15 % flere saker per time (Brynjolfsson et al. 2025).

Endringer i dette innlegget

  • 10. november 2026Førsteutgave.
Christoph Harrison
Christoph HarrisonKI-rådgiver og nettverkstekniker, Eisenstadt

Grunnlegger av Harrison Networks og Lumen Media. Bruker KI daglig i egen bedrift og gjennomfører det i KI-rådgivningen med KMU-er.

Kontakt

Skriv gjerne på tysk eller engelsk.

Christoph Harrisontilgjengelig for nye prosjekter