Siddhant Khare, softwarový inženýr ve společnosti ONA a hlavní správce projektu OpenFGA, nedávno zveřejnil esej, která rezonuje celou komunitou vývojářů. V textu s názvem "AI únava je skutečná a nikdo o ní nemluví" popisuje paradox: AI nástroje ho dělají produktivnějším než kdy předtím, ale zároveň ho vyčerpávají více než kdy předtím.
Paradox produktivity
Khare v minulém čtvrtletí dodal více kódu než v jakémkoli jiném období své kariéry. Zároveň se ale cítil vyčerpanější než kdy předtím. AI skutečně zrychluje jednotlivé úkoly - to, co dříve trvalo tři hodiny, nyní zabere 45 minut. Problém je v tom, že když každý úkol trvá kratší dobu, neděláte méně úkolů, ale více úkolů. Před nástupem AI mohl strávit celý den jedním designovým problémem. Nyní se může během jediného dne dotknout šesti různých problémů. Každý "zabere jen hodinu s AI", ale přepínání kontextu mezi šesti problémy je pro lidský mozek brutálně náročné. AI se mezi problémy neunaví. Člověk ano.
Před AI byla Khareova práce jasná: přemýšlet o problému, napsat kód, otestovat ho, dodat ho. Po nástupu AI se jeho práce mění: napsat prompt, počkat, přečíst výstup, vyhodnotit, opravit části, které nesedí, znovu promptovat, opakovat. Stal se kontrolorem na montážní lince, která se nikdy nezastaví. Tvorba dodává energii. Kontrola ji vysává. Khare si toho poprvé všiml během týdne intenzivního používání AI. Ve středu už nedokázal dělat jednoduchá rozhodnutí. Jeho mozek byl plný. Ne od psaní kódu, ale od posuzování kódu. Stovky malých rozhodnutí, celý den, každý den. Krutá ironie je, že kód generovaný AI vyžaduje pečlivější kontrolu než kód napsaný člověkem. U AI je každý řádek podezřelý. Kód vypadá sebevědomě, ale může být subtilně špatně způsobem, který se projeví až v produkci, pod zátěží, ve tři ráno.
Khare měl prompt, který v pondělí fungoval perfektně. V úterý použil stejný prompt pro podobný endpoint. Výstup byl strukturálně odlišný. Proč? Bez důvodu, ke kterému má přístup. Pro někoho, jehož kariéra je postavena na "pokud se to pokazilo, můžu zjistit proč", je to hluboce znepokojující.
Napsat ještě jeden prompt
Dalším problémem je tempo inovací. Claude Code dodává sub-agenty, OpenAI spouští GPT-5.3-Codex, Google vydává Gemini CLI, GitHub přidává MCP Registry. To není rok. To je několik měsíců. Khare trávil víkendy vyhodnocováním nových nástrojů, sledoval každé demo, bál se zaostávání. Každá migrace ho stála víkend a přinesla možná 5% zlepšení, které ani nedokázal řádně změřit.
Snažíte se dostat AI k vygenerování něčeho konkrétního. První výstup je správný ze 70 %. Vylepšíte prompt. Druhý výstup je správný z 75 %, ale pokazil něco, co měl první správně. Už u toho jste 45 minut a mohli jste to napsat od nuly za 20 minut. Khare má nyní tvrdé pravidlo: tři pokusy. Pokud AI nedostane na 70 % použitelné za tři prompty, napíše to sám. Žádné výjimky.
Během schůzky o designu ho někdo požádal, aby na tabuli promyslel problém souběžnosti. Žádný laptop. Žádná AI. A měl potíže. Ne proto, že by neznal koncepty, ale protože necvičil tento sval měsíce. Outsourcoval své prvotní myšlení na AI tak dlouho, že jeho schopnost myslet od nuly degradovala. Je to jako GPS a navigace. Po letech GPS nemůžete navigovat bez něj. Stejná věc se děje s AI a inženýrským myšlením.
Co mu pomohlo?
Khare změnil svůj přístup:
Časové omezení AI relací - 30 minut pro úkol s AI. Když časovač vyprší, dodá, co má, nebo to začne psát sám.
Oddělení času - ráno je na přemýšlení, odpoledne na provádění s pomocí AI.
Akceptování 70 % od AI - přestal se snažit získat perfektní výstup. Zbytek opraví sám.
Strategický přístup k hype cyklu - přestal přijímat každý nový nástroj týden po spuštění.
Skutečná dovednost
Khare vyhořel koncem roku 2025. Ne dramaticky - prostě přestal mít zájem. Procházel změnami, produkoval více než kdy předtím, cítil méně než kdy předtím. Technologický průmysl má problém s vyhořením, který předchází AI. AI ho zhoršuje, ne zlepšuje. Před AI existoval strop toho, kolik můžete za den vyprodukovat. AI odstranila regulaci. Nyní jediným limitem je vaše kognitivní výdrž.
Skutečná dovednost éry AI není prompt engineering ani znalost toho, který model použít. Je to vědět, kdy přestat. Vědět, kdy je výstup AI dostatečně dobrý. Vědět, kdy to napsat sám. Vědět, kdy si odpočnout nebo přestat. Pokud jste unavení, není to proto, že to děláte špatně. Je to proto, že toto je skutečně těžké.
