你这个问题提得非常好，它触及了当前AI技术发展中一个核心的认知悖论：我们满怀期待地拥抱旨在‘解放’我们的工具，却发现自己在无形中陷入了更深层次的疲惫与焦虑。这种‘越用越累’的现象，并非简单的技术不成熟所致，而是嵌入在技术设计逻辑、劳动模式变迁以及社会心理层面的多重结果。
首先，从认知科学的角度看，当前许多AI工具，特别是生成式AI，并未真正降低我们的认知负荷，而是巧妙地转移了它。在传统的劳动中，我们的认知负荷主要集中在‘执行’阶段。而当我们使用AI时，‘执行’似乎被自动化了，但‘决策’和‘评估’的认知负荷却急剧飙升。你需要不断构思精准的提示词（prompt），评估AI生成的多个结果哪个更符合你的初衷，并对最终产出进行甄别、修正和整合。这就像把体力活变成了更耗费心神的脑力审阅工作，本质上是一种‘认知外包’带来的额外决策疲劳。这印证了认知心理学家丹尼尔·卡尼曼的‘系统1’与‘系统2’理论：AI接管了部分‘系统1’（直觉、快速）的活，却迫使我们更频繁地调用‘系统2’（理性、慢速）来进行高阶思考，而后者是更易疲劳的。
其次，这背后是深刻的劳动过程重构与资本逻辑。从马克思主义政治经济学视角看，AI技术在当前的应用阶段，首要目标并非‘减轻工人负担’，而是‘提高劳动生产率’和‘重构对劳动过程的控制’。AI工具要求劳动者掌握新的技能（如提示工程），这本身就是一种新的、无形的技能要求，增加了入职门槛和持续学习压力。同时，AI的‘高效’叙事成为管理者进一步压缩工期、提高产出标准的理由。例如，设计师使用AI后，公司期望的不是他更轻松，而是他一天能出100个方案草图；程序员使用Copilot，被要求交付更多代码。AI成了加速齿轮，而人类劳动者成了那个被拧得更紧的螺丝。这种‘生产力悖论’在历史上屡见不鲜，正如电力和计算机普及初期，并未立即带来工人闲暇时间的增加，反而强化了监控和任务密度。
再者，我们必须考虑技术交互界面本身带来的心理损耗。很多AI工具的界面设计，强调了其‘黑箱’属性和结果的不可预测性。你输入指令，得到的是一个概率性的、有时甚至自相矛盾的输出。这种不确定性会持续引发用户的焦虑和不信任感。你需要反复试验、调整，这个过程充满了挫败感。它不像使用一把锤子那样，输入（挥舞）和输出（钉入）关系明确。这种与不可知系统的持续互动，本身就会消耗大量的心理资源。更关键的是，当工作成果的主体性变得模糊——这其中有多少是我的创意，有多少是AI的生成？——我们可能会经历一种‘创造物疏离感’，从而削弱了从工作中获得成就感和意义感的传统路径，这本身就是一种深层次的精神疲惫。
最后，可能会有人质疑，这只是技术发展初期的阵痛，未来工具变得更好用就能解决。但我要指出，即便工具更智能，上述劳动控制的逻辑和认知转移的模式大概率仍会存在。更流畅的交互或许能缓解部分操作疲劳，但无法改变AI作为资本增殖工具的本质。它很可能继续被用于进一步细分和简化任务，让劳动者更深度地嵌入系统之中，承担更高频、更碎片化的‘决策流’。因此，‘越用越累’不是一个需要等待技术升级来解决的bug，而是一个需要我们反思技术发展目的、审视劳动权益保障、并重新设计人机协作模式的系统性命题。我们需要的不是更‘聪明’的AI，而是更‘人性化’的AI技术应用框架，以及确保技术红利能被公平分享的社会制度。
总而言之，AI带来的疲惫感，是认知负荷的转移、资本对劳动控制的深化、黑箱交互的心理消耗以及创造意义感丧失的共同产物。认识到这一点，我们才能从单纯的技术乐观或悲观中跳脱出来，转向更有建设性的讨论：我们究竟希望AI在我们的工作中扮演什么角色？是加速的鞭子，还是协作的伙伴？答案取决于我们如何塑造技术，而非被技术单向塑造。