- Pojem: Štúdia HBR od výskumníkov poradenskej firmy BCG (5. marca 2026) nazýva duševnú únavu z nadmerného používania alebo dohľadu nad nástrojmi AI „AI Brain Fry“. Nejde o lekársku diagnózu.
- Rozšírenosť: 14 % používateľov AI vo veľkých firmách v USA to už zažilo (1 488 respondentov, sebahodnotenie). To nie je 14 % všetkých zamestnancov a pýtalo sa na „niekedy zažité“.
- Percentuálne hodnoty: Hodnoty o dohľade, únave, rozhodovacej únave, chybách a vyhorení sú relatívne rozdiely hodnôt škál, nie podiely osôb. Príklad: Kto dohliada na veľa AI, uvádza v priemere o 14 % väčšie duševné úsilie.
- Striedanie kontextu: Že prepínanie stojí energiu, je v laboratóriu dokázané (Monsell 2003, Rubinstein et al. 2001). V štúdii je súvislosť s otázkami o striedaní úloh menej jednoznačná než súvislosť s informačným preťažením.
- Opačná strana: Menej rutinnej práce vďaka AI súviselo s o 15 % nižšími hodnotami vyhorenia. Terénna štúdia zistila v priemere o 15 % viac vyriešených prípadov za hodinu (Brynjolfsson et al. 2025).
- Pracovný rytmus: štart, sústredenie, zber, oznámenia čítať až pri zbere a len toľko behov, koľko stihneš skontrolovať. Pre jednotlivé stavebné kamene existujú poznatky z iných oblastí (Fitz 2019 o zoskupených oznámeniach, Masicampo a Baumeister 2011), pre dohľad nad AI nie je žiadny overený.
Niektoré dni mi beží 5 až 6 behov AI naraz. Spustenie trvá minúty. Potom prichádzajú výsledky jeden za druhým a každý chce byť skontrolovaný, opravený alebo schválený. Skáčem medzi textami, rešeršami a návrhmi. Či je to už AI Brain Fry, nemôžem povedať, pretože diagnóza na to neexistuje.
Kto používa AI agentov alebo zavádza AI vo firme, riadi raz niekoľko behov naraz a naráža na tú istú otázku: Koľko z nich ešte zmysluplne zvládnem skontrolovať? Tento príspevok oddeľuje, čo štúdia o AI Brain Fry dokazuje, uvádza výskum o prepínaní kontextov, ukazuje protistranu a opisuje môj pracovný takt.
AI Brain Fry: definícia a odlíšenie od vyhorenia
Pojem „AI Brain Fry“ zavádzajú Bedard, Kropp, Hsu, Karaman, Hawes a Rosen Kellerman v článku HBR „When Using AI Leads to ‚Brain Fry‘“ z 5. marca 2026. Všetci pracujú v poradenskej spoločnosti BCG, 2 z nich popri tom doktorandsky študujú na University of California, Riverside. Ich definícia, voľne preložená: mentálna únava z nadmerného používania alebo dohliadania na nástroje AI nad rámec vlastnej kognitívnej kapacity. V nemčine sa nezaužívalo žiadne slovo. Médiá píšu o „AI vyčerpaní“, „AI vyhorení“ alebo „AI fatigue“, odborný portál titulkuje „Vyprážaný mozog“.
AI Brain Fry sa s vyhorením stotožniť nedá. Vyhorenie autori opisujú ako chronický pracovný stres s emocionálnym vyčerpaním. Brain Fry je podľa ich výkladu akútne preťaženie pozornosti, pracovnej pamäte a riadenia vlastného myslenia. Lekárska diagnóza to nie je.
Poznámka k pôvodu: BCG samo predáva poradenstvo k zavádzaniu AI. Článok odporúča vložiť 70 % úsilia pri projektoch s AI do ľudí a procesov. Čísla to nerobí nesprávnymi, ale ukazuje to vlastný záujem o túto tému.
Čísla zo štúdie a ako ich čítať
Opýtaných bolo 1 488 zamestnancov na plný úväzok vo veľkých amerických firmách, jednorazovo a formou sebahodnotenia. Dotazník ani pracovný dokument s metodikou som nenašiel. Pri každom čísle je dôležité, čo vlastne meria:
| Výpoveď štúdie | Ako čítať toto číslo |
|---|---|
| 14 % ľudí používajúcich AI potvrdilo, že už niekedy zažili Brain Fry | Podiel osôb, ale len medzi ľuďmi používajúcimi AI vo veľkých amerických firmách, a otázka znela „niekedy zažili“. Nesprávne by bolo: „Každý siedmy tým trpí.“ |
| Vysoký namiesto nízkeho dohľadu nad AI: o 14 % viac mentálnej námahy, o 12 % viac mentálnej únavy, o 19 % viac informačného preťaženia | Relatívne rozdiely hodnôt škál zo sebahodnotenia medzi 2 skupinami, nie podiely osôb. |
| S Brain Fry: o 33 % viac rozhodovacej únavy, o 11 % viac malých a o 39 % viac veľkých chýb | Aj tu ide o stupnice zo sebahodnotenia, nie o spočítané chyby. Tvrdenie „Brain Fry spôsobuje o 39 % viac závažných chýb“ by bolo nesprávne. |
| Úmysel odísť: 25 % bez, 34 % s Brain Fry | Podiely osôb v porovnaní. Relatívne číslo, ktoré HBR uvádza, nedokážem z uvedených hodnôt dopočítať, preto tu nie je. |
| Podľa funkcie: 26 % zamestnancov v marketingových funkciách, 6 % v právnych funkciách uviedlo, že zažilo Brain Fry | Funkcie veľkých amerických firiem, nie odvetvia. |
| Súčasne používané nástroje s AI: Vnímaná produktivita pri prechode z 1 na 2 výrazne stúpa, potom slabšie a od štvrtého mierne klesá | Meria sa vnímaná produktivita. Či sa počítali nástroje alebo agenti, nie je jasné. Z toho nevyplýva žiadna hranica pre agentov. |
Pre bežný deň sú dôležitejšie 2 zistenia než akékoľvek percento. Prvé: So záťažou a mentálnou únavou súvisel predovšetkým priebežný dohľad nad výstupmi AI, k tomu objem práce, ktorý vďaka AI vzrástol. V centre štúdie je dohľad. Druhé sa týka striedania kontextu: Odpovede vo voľnom texte uvádzajú informačné preťaženie a striedanie úloh ako dôležité faktory. Štatistická súvislosť s otázkami o striedaní úloh je však menej jednoznačná než súvislosť s informačným preťažením. Za „hlavnú príčinu“ sa striedanie kontextu v tejto štúdii nehodí.
Ešte jeden fakt: Autori píšu, že používanie AI „may be causing“ vyčerpanie a dohľad ho „predicted“. To sú opatrné slová z dobrého dôvodu. V prierezovej štúdii je myslitelný aj opačný smer: Kto je aj tak preťažený, môže dohľad vnímať ako zaťažujúcejší.
Striedanie kontextu a dohľad: prečo stoja toľko pozornosti
Že prepínanie úloh stojí čas a presnosť, skúma psychológia už desaťročia, no nie pri práci s AI. Údaje pochádzajú zo zhrnutí štúdií, pri Markovi z článkov.
- Náklady na prepnutie: Po zmene úlohy ľudia v laboratóriu odpovedajú pomalšie a väčšinou s viac chybami. Príprava náklady znižuje, ale neodstráni (Monsell 2003, prehľadová práca o jednoduchých úlohách). Rastú so zložitosťou pravidiel, klesajú s nápovednými podnetmi a pri nezvyčajných úlohách sú vyššie (Rubinstein, Meyer, Evans 2001).
- Zvyšky pozornosti: Pozornosť sa zle odpútava od nedokončených úloh a výkon pri ďalšej úlohe trpí. Odborný pojem je „Attention Residue“ (Leroy 2009, 2 experimenty).
- Prerušenia: Pri 24 zamestnancoch jednej firmy (každý sledovaný 3,5 dňa, trvanie štúdie 13 mesiacov) bolo 57 % pracovných jednotiek prerušených. K prerušenej práci sa v ten istý deň vrátili v priemere po 25 min 26 s. Rozptyl je obrovský (smerodajná odchýlka 54 min 48 s) a 77 % sa v ten istý deň vôbec obnovilo (Mark, Gonzalez, Harris 2005). V laboratóriu pracovali prerušovaní rýchlejšie, ale s väčším stresom a námahou (Mark, Gudith, Klocke 2008, 48 účastníkov, prevažne študenti).
- Dohľad nad automatizáciou: Kto dohliada na automatizovaný systém, pri viacnásobnej záťaži kontroluje menej (complacency) a aj ako expert príliš rýchlo nasleduje návrhy (automation bias). Školenie tomu nezabráni (Parasuraman a Manzey 2010, prehľadová práca).
Moje čítanie: Kto vedie 5 behov, prepína medzi 5 úlohami a pritom neustále kontroluje cudzie výsledky. Obe veci dohromady zodpovedajú tomu, čo opisuje štúdia a tento výskum. Pre prácu s AI to dokázané nie je. Laboratórne a kancelárske štúdie pochádzajú z čias pred AI agentmi a štúdie o prerušeniach majú malé vzorky.
Druhá strana: odovzdanie rutiny uľavuje
Tá istá štúdia má druhé posolstvo, ktoré popri číslach o záťaži ľahko zanikne. Zamestnanci, ktorí mali vďaka AI menej rutinnej práce, uvádzali o 15 % nižšie hodnoty vyhorenia. Hodnoty duševnej únavy nižšie neboli. Je to opäť súvislosť zo sebahodnotenia, ale hovorí proti tomu, aby sa používanie AI plošne čítalo ako záťaž. S menšou únavou ďalej súviselo, keď vedenie odpovedalo na otázky o AI (o 15 % menej) a keď mali zamestnanci dojem, že ich firma dbá na rovnováhu medzi prácou a životom (o 28 % menej).
Terénna štúdia poskytuje náznaky rovnakým smerom. Brynjolfsson, Li a Raymond vyhodnotili v „Generative AI at Work“ (vyšlo v 2025) údaje od 5 172 pracovníkov podpory, u ktorých sa v rokoch 2020 a 2021 postupne zavádzal asistent s AI. V priemere vyriešili o 15 % viac prípadov za hodinu. Menej skúsení a menej kvalifikovaní profitovali viac, u najskúsenejších boli zisky v tempe aj straty na kvalite malé. Pohoda zamestnancov sa priamo nemerala a podpora s asistentom z roku 2020 je niečo iné než riadenie viacerých agentov.
Záťaž a odľahčenie stoja v údajoch vedľa seba. Moje čítanie: Záleží na tom, koľko dohľadu sa zmestí do vlastnej kapacity. Z toho nevyplýva menej AI.
Pracovný rytmus: štart, sústredenie, zber
Odtiaľto popisujem svoj spôsob práce. Je to skúsenosť jedného samostatného podnikateľa, nie overená metóda. Tam, kde existujú pre nejaký stavebný kameň dôkazy z iných oblastí, uvádzam to. Či tieto kamene fungujú rovnako pri dohľade nad AI, je otvorené.
Základná myšlienka: Obmedzujem svoje body kontaktu s AI a dĺžku behov nechávam otvorenú. Smú trvať dlho, pokiaľ sa na ne pozriem len v pevných časoch. Z toho vznikajú 3 bloky:
| Blok | Čo sa deje | Trvanie |
|---|---|---|
| Štart | Všetky zadania poslať postupne, každé s jasným výsledkom | 15 až 30 min |
| Sústredenie | Jedna vlastná úloha, ktorú viem vyriešiť len ja. Nečítať výsledky, nepozerať behy | 90 až 120 min |
| Zber | Skontrolovať výsledky, schváliť, opravy spustiť ako nové zadania (to je zároveň ďalší štart) | 30 až 45 min |
Štart: rovnaké zákazky ako dávka
Pri štarte rozhoduje čisté zadanie. Podobné úlohy posielam ako dávku, 5 až 6 paralelne. Čo do dávky nezapadne, čaká na ďalší štart. Príprava a nápovedné podnety znižujú náklady prepínania (Rubinstein, Monsell). Preto sa v zadaní oplatí jedna veta o tom, podľa čoho spoznáš hotový výsledok a čo s ním plánuješ. Je to prenos z laboratória.
Sústredenie: oznámenia čítať až pri zbere
V bloku sústredenia nečítam výsledky a nepozerám behy. Oznámenia smú prichádzať, čítajú sa až pri zbere. To je menej než zoskupovanie: Naďalej prichádzajú jednotlivo, len ich nechávam ležať.
Na zoskupovanie existuje poľný experiment na smartfóne. Fitz a kolegovia (2019) nechali 237 osôb dostávať upozornenia ako doteraz, doručované zoskupene 3-krát denne alebo vôbec. Zoskupená skupina uvádzala viac pozornosti, lepšiu náladu a menej stresu. Skupina úplne bez upozornení mala sotva nejaké výhody, zato viac úzkosti a viac obáv, že niečo zmešká. Zoskupovanie bolo teda lepšie než vypnutie. Kto chce takto podporiť blok sústredenia, nechá si oznámenia doručovať zoskupene. Či rovnaké výsledky prinesie aj len ignorovanie, štúdia neukazuje. Nastavenia pre iPhone a Pixel sú v príspevku o neustálej dostupnosti.
Zber: skontrolovať, schváliť, zapísať zmeny
Pri zbere kontrolujem výsledky jeden za druhým, schvaľujem a opravy púšťam ako nové zadania. Zároveň začína ďalší štart. Kto prepína medzi 2 výsledkami alebo späť do vlastnej úlohy, môže si v 1 vete zapísať, kde a ako bude pokračovať. Masicampo a Baumeister v 2011 v laboratórnych experimentoch ukázali, že konkrétny plán, kedy a ako sa cieľ vybaví, ukončí rušivý účinok nesplneného cieľa. Či to platí pre ležiace výsledky AI, k tomu som štúdiu nenašiel.
Po zbere a novom štarte, skôr než začne ďalší blok sústredenia, pomáha skutočná prestávka. Metaanalýza (22 vzoriek, 2 335 osôb) zistila, že mikroprestávky zvyšujú vitalitu a znižujú únavu, oboje v malej miere (Albulescu et al. 2022). Pre výkon pri náročnej práci účinok dokázaný nie je, odporúčanie sa opiera o pohodu.
Toľko behov, koľko vieš skontrolovať
Úzkym miestom je kontrola, nie štart. Deň je plný, keď sa zber už nezmestí do pracovného času. To sa zhoduje so skúsenosťami iných. Addy Osmani viaže počet agentov na svoju rýchlosť kontroly a píše, že pre väčšinu to je nízke jednociferné číslo (The Orchestration Tax, 2026). Simon Willison sa podľa vlastných slov dokáže sústrediť len na kontrolu a prevzatie jednej väčšej zmeny naraz (2025).
Prah štúdie HBR pri 3 nástrojoch sa nehodí ako miera pre behy, lebo zostáva nejasné, čo sa počítalo. Ako test stačí jednoduché pravidlo: Spusti len toľko behov, koľko v ďalšom bloku zberu dôkladne skontroluješ. Po týždni sa pozri, koľko výsledkov zostalo ležať.
Hranice štúdií
Štúdia Brain Fry vychádza zo sebahodnotenia a prierezu, pochádza z USA a z veľkých firiem a vyšla v manažérskom časopise bez recenzie. Otázka k Brain Fry je jediná položka áno-nie s „niekedy“, nie overený dotazník. 33 % viac rozhodovacej únavy je hodnota na škále. Mechanizmus za tým (ego depletion) sa v 2 veľkých replikačných štúdiách nepodarilo spoľahlivo ukázať (Hagger et al. 2016, Vohs et al. 2021).
Pri protiopatreniach je to chudobnejšie. Fitz, Masicampo a Albulescu skúmali smartfóny, laboratórne úlohy a prestávky, nie dohľad nad AI. K samostatným podnikateľom s viacerými agentmi som štúdiu nenašiel. Moja skúsenosť je jediný dátový bod. Kto vedie podobné behy, môže rytmus otestovať ako hypotézu a zmerať na vlastnom zbere.
Ako v bežnom dni riadim behy AI a čo sa pritom pokazí, ukazujem v newslettri AI Sync, ktorý vychádza každú nedeľu.
Všetko na tejto stránke sa dá zrealizovať bezo mňa. Nové nástroje a zmeny dopĺňam sem, každú nedeľu k tomu dostaneš tip v newslettri.
K AI SyncZavediem s tebou postupy s AI, ktoré dodávajú výsledky zoskupené v pevných časoch na schválenie, a určím s tebou, kto čo kontroluje. Na mieste od Eisenstadtu po Mattersburg a Wiener Neustadt, online v celom nemecky hovoriacom priestore.
Viac o tomČasté otázky
Čo je AI Brain Fry?
AI Brain Fry je pojem zo štúdie HBR od výskumníkov poradenskej firmy BCG (5. marca 2026). Označuje duševnú únavu z nadmerného používania alebo dohľadu nad nástrojmi AI nad rámec vlastnej kapacity. Pojem nie je lekárska diagnóza. Štúdia vychádza zo sebahodnotenia 1 488 zamestnancov veľkých amerických firiem.
Ako časté je AI Brain Fry?
V štúdii 14 % používateľov AI odpovedalo kladne na otázku, či to už zažili. Platí to pre používateľov AI vo veľkých amerických firmách, pýtalo sa na „zažité niekedy“. Podľa funkcie sa hodnota veľmi líšila: 26 % zamestnancov v marketingových funkciách, 6 % v právnych funkciách. Pre samostatných podnikateľov alebo MSP v Rakúsku mi číslo nie je známe.
Je AI Brain Fry to isté ako vyhorenie?
Nie. Autori opisujú vyhorenie ako chronický pracovný stres s emocionálnym vyčerpaním, Brain Fry ako akútne preťaženie pozornosti a pracovnej pamäte. V štúdii súviselo menej rutinnej práce vďaka AI s o 15 % nižšími hodnotami vyhorenia, hodnoty duševnej únavy nižšie neboli. Médiá napriek tomu často píšu o „vyhorení z AI“.
Koľko nástrojov AI alebo agentov naraz je priveľa?
Pevné číslo som v žiadnej štúdii nenašiel. V štúdii vnímaná produktivita pri prechode z 1 na 2 súčasne používané nástroje výrazne stúpla, potom slabšie a od štvrtého mierne klesala. Nie je jasné, čo presne sa počítalo. Vývojár Addy Osmani viaže počet agentov na svoju kapacitu kontroly a pre väčšinu uvádza nízke jednociferné číslo. To je skúsenostná hodnota.
Čo pomáha proti AI Brain Fry?
Pre dohľad nad AI neexistuje overené opatrenie. Z iných oblastí sú náznaky pre zoskupené oznámenia, 3-krát denne (Fitz et al. 2019, 237 osôb), konkrétny plán pre nevybavené veci (Masicampo a Baumeister 2011) a krátke prestávky proti únave (Albulescu et al. 2022). Samotná štúdia uvádza odovzdanie rutiny a stanovenie hraníc pre dohľad. Či to pri dohľade nad AI funguje, je otvorené.
Unavuje AI, alebo uľavuje?
Obe sa objavujú v údajoch. Vysoký namiesto nízkeho dohľadu nad AI súvisel s o 12 % vyššou duševnou únavou (relatívny rozdiel pri sebahodnotení). Menej rutinnej práce súviselo s o 15 % nižšími hodnotami vyhorenia. V terénnej štúdii s 5 172 zamestnancami podpory títo s asistentom AI vyriešili v priemere o 15 % viac prípadov za hodinu (Brynjolfsson et al. 2025).
Zmeny v tomto príspevku
- 10. novembra 2026Prvá verzia.
