কয়েক বছর আগেও একজন Software Engineer-এর দিনের বড় একটা অংশ কেটে যেত কোড লেখার পেছনে। নতুন কোনো Feature তৈরি করা, Bug Fix করা, Documentation পড়া কিংবা জটিল কোনো Problem-এর সমাধান খুঁজে বের করা সবকিছুই করতে হতো নিজের হাতে।
কিন্তু Artificial Intelligence (AI) আসার পর Software Development-এর সেই পরিচিত চিত্র অনেকটাই বদলে গেছে।
এখন GitHub Copilot, Cursor, Claude Code কিংবা ChatGPT-এর মতো AI Tools ব্যবহার করে কয়েক মিনিটের মধ্যেই অনেক জটিল Coding Task সম্পন্ন করা সম্ভব। এমনকি AI Agent-কে নির্দেশনা দিলে সে নিজেই Project Structure তৈরি করতে পারে, Code লিখতে পারে, Error খুঁজে বের করতে পারে এবং বিভিন্ন Development Task সম্পন্ন করতে পারে।

তাহলে প্রশ্ন হচ্ছে, কাজ যদি আগের চেয়ে সহজ ও দ্রুত হয়ে যায়, তাহলে Software Engineers-রা আগের চেয়ে বেশি ক্লান্ত অনুভব করছেন কেন?
এখানেই সামনে আসছে একটি নতুন ধারণা AI Fatigue।
AI Fatigue বলতে মূলত AI Tools ব্যবহার করতে গিয়ে অতিরিক্ত Monitoring, Decision Making, Context Switching এবং AI-generated Output যাচাই করার কারণে তৈরি হওয়া মানসিক ক্লান্তিকে বোঝানো হচ্ছে।
অর্থাৎ, এখন একজন Developer-কে শুধু Code লিখলেই হচ্ছে না; তাকে একই সঙ্গে একাধিক AI Agent পরিচালনা করতে হচ্ছে, তাদের কাজ পর্যবেক্ষণ করতে হচ্ছে এবং প্রতিটি Output সঠিক কি না, সেটিও নিশ্চিত করতে হচ্ছে।
এই পরিবর্তন Software Development-কে দ্রুততর করলেও Developers-দের কাজের ধরন এবং Mental Workload-এ নতুন চ্যালেঞ্জ তৈরি করছে।
What Is AI Fatigue?
AI Fatigue হলো Artificial Intelligence Tools-এর সঙ্গে দীর্ঘ সময় কাজ করার ফলে তৈরি হওয়া মানসিক ক্লান্তি, অতিরিক্ত সিদ্ধান্ত নেওয়ার চাপ এবং Cognitive Overload-এর একটি অভিজ্ঞতা।
সহজভাবে বললে, AI তোমার হয়ে অনেক কাজ করে দিচ্ছে, কিন্তু সেই কাজগুলো ঠিকভাবে হচ্ছে কি না, তা নিশ্চিত করার দায়িত্ব তোমার ওপরই থাকছে।
ধরো, তুমি একজন Web Developer। আগে একটি Website তৈরি করতে তোমাকে নিজে HTML, CSS, JavaScript এবং React ব্যবহার করে Code লিখতে হতো।
কিন্তু এখন তুমি AI Agent-কে বললে সে পুরো একটি Dashboard তৈরি করে দিতে পারে।
এরপর তোমাকে দেখতে হচ্ছে:
- AI তোমার Requirement ঠিকভাবে বুঝেছে কি না।
- Generated Code-এর মধ্যে কোনো Bug আছে কি না।
- Component Structure ঠিক আছে কি না।
- Security Vulnerability তৈরি হয়েছে কি না।
- Performance ঠিক আছে কি না।
- AI কোনো অপ্রয়োজনীয় Dependency যুক্ত করেছে কি না।
- পুরো Application তোমার Expected Output অনুযায়ী কাজ করছে কি না।
অর্থাৎ, Coding-এর সময় কমলেও Reviewing এবং Decision Making-এর কাজ বেড়ে যাচ্ছে।
এই কারণেই অনেক Developer দিনের শেষে মনে করেন, তারা হয়তো আগের মতো বেশি Code লেখেননি, কিন্তু মানসিকভাবে অনেক বেশি পরিশ্রম করেছেন।
Why Are Software Engineers Experiencing AI Fatigue?
AI আমাদের Productivity বাড়ানোর জন্য তৈরি হয়েছে। কিন্তু AI-নির্ভর Development Workflow-তে কিছু নতুন দায়িত্ব যুক্ত হয়েছে, যেগুলো Developers-দের Mental Energy খরচ করছে।\

চলো, এর প্রধান কারণগুলো বুঝে নেওয়া যাক।
1. Managing Multiple AI Agents at the Same Time
AI Fatigue-এর অন্যতম বড় কারণ হলো একসঙ্গে একাধিক AI Agent পরিচালনা করা।
আগে একজন Developer সাধারণত একটি বা দুটি Task নিয়ে কাজ করতেন। একটি Task শেষ করে পরবর্তী কাজে যেতেন।
কিন্তু বর্তমানে AI Agent ব্যবহার করে একই সময়ে একাধিক Development Task চালানো সম্ভব।
যেমন:
- একটি Agent Backend API তৈরি করছে।
- অন্য একটি Agent Frontend Component তৈরি করছে।
- আরেকটি Agent Database Structure নিয়ে কাজ করছে।
- অন্য একটি Agent Testing এবং Documentation তৈরি করছে।
শুনতে বিষয়টি দারুণ মনে হলেও এখানে Developer-এর দায়িত্ব কমে যাচ্ছে না।
বরং প্রতিটি Agent কী করছে, কতটুকু কাজ শেষ করেছে, কোথায় সমস্যা হচ্ছে এবং তাদের কাজগুলো একে অপরের সঙ্গে ঠিকভাবে Integrate হচ্ছে কি না সবকিছু পর্যবেক্ষণ করতে হচ্ছে।
একটি Agent-এর কাজ দেখতে গিয়ে অন্য Agent-এর Update মিস হয়ে যেতে পারে। আবার একটি Agent-এর Output ঠিক করতে গিয়ে অন্য একটি Task-এর Context ভুলে যাওয়ার সম্ভাবনাও থাকে।
ফলে Developer-কে সব সময় একাধিক কাজের মধ্যে মনোযোগ পরিবর্তন করতে হচ্ছে।
এই Constant Monitoring এবং Task Switching মানসিক ক্লান্তি বাড়িয়ে দিতে পারে।
2. Reviewing AI-Generated Code Is Not Always Easy
AI খুব দ্রুত Code লিখতে পারে। কিন্তু AI-generated Code সব সময় সঠিক, Secure কিংবা Maintainable হবে এমন কোনো নিশ্চয়তা নেই।
এখানেই Developers-দের জন্য নতুন চ্যালেঞ্জ তৈরি হচ্ছে।
ধরো, তুমি Claude Code দিয়ে একটি Authentication System তৈরি করালে। AI হয়তো কয়েক মিনিটের মধ্যে Login, Registration এবং Password Reset Feature তৈরি করে দিল।
কিন্তু একজন Developer হিসেবে তোমাকে নিশ্চিত করতে হবে:
- Password Securely Hash করা হয়েছে কি না।
- Authentication Logic সঠিক কি না।
- API Endpoint-গুলো যথাযথভাবে Protected কি না।
- User Input Validation করা হয়েছে কি না।
- Sensitive Information প্রকাশ হয়ে যাচ্ছে কি না।
- Error Handling ঠিকভাবে কাজ করছে কি না।
সমস্যা হচ্ছে, এই Code তুমি নিজে লেখোনি।
নিজে Code লেখার সময় প্রতিটি Function, Variable এবং Logic কীভাবে কাজ করছে, তা ধীরে ধীরে বোঝা যায়। কিন্তু AI যখন একসঙ্গে শত শত লাইন Code তৈরি করে দেয়, তখন পুরো বিষয়টি বুঝে Review করা অনেক বেশি মনোযোগের প্রয়োজন হয়।
এমনকি AI-এর তৈরি করা Code দেখতে Professional মনে হলেও তার মধ্যে Hidden Bug, Unnecessary Complexity কিংবা Security Issue থাকতে পারে।
তাই AI Coding-এর সময় কমিয়ে দিলেও Code Review-এর গুরুত্ব কমিয়ে দেয়নি। বরং অনেক ক্ষেত্রে Review করার দায়িত্ব আরও গুরুত্বপূর্ণ হয়ে উঠেছে।
3. Constant Context Switching Is Draining Your Mental Energy
একটি কাজ থেকে অন্য কাজে বারবার মনোযোগ পরিবর্তন করাকে Context Switching বলা হয়।
Software Development-এ এটি নতুন কোনো বিষয় নয়। তবে AI Agent ব্যবহারের ফলে Context Switching-এর পরিমাণ আরও বেড়ে যেতে পারে।
ধরো, তুমি একটি E-commerce Application তৈরি করছ।
একদিকে Cursor-এ Frontend Design নিয়ে কাজ করছ, অন্যদিকে Claude Code-এ Backend API তৈরি হচ্ছে। এর পাশাপাশি ChatGPT-তে Database Design নিয়ে আলোচনা করছ।
কিছুক্ষণ পর তোমাকে আবার Terminal-এ গিয়ে Error Check করতে হচ্ছে।
প্রতিটি Tool-এর আলাদা Context, আলাদা Conversation এবং আলাদা Output রয়েছে।
ফলে তোমাকে বারবার মনে করতে হচ্ছে কোন Agent-কে কী নির্দেশনা দিয়েছিলে, কোন Task কোথায় আটকে আছে এবং কোন সিদ্ধান্তটি কেন নিয়েছিলে।
এভাবে প্রতিনিয়ত Context পরিবর্তন করলে Deep Work বা গভীর মনোযোগের সঙ্গে কাজ করা কঠিন হয়ে পড়ে।
বিশেষ করে যখন একই সময়ে অনেকগুলো AI Conversation Open থাকে, তখন সবকিছু Manage করাও একটি আলাদা কাজ হয়ে দাঁড়ায়।
4. Endless Decision Making and Too Many Options
AI-এর সবচেয়ে বড় সুবিধাগুলোর একটি হলো এটি খুব দ্রুত অনেকগুলো Solution দিতে পারে।
কিন্তু সব সময় বেশি Option পাওয়া মানেই ভালো সিদ্ধান্ত নেওয়া সহজ হবে, এমন নয়।
ধরো, তুমি একটি React Application তৈরি করছ। AI তোমাকে একই সমস্যার জন্য তিনটি আলাদা Solution দিল।
একটি Solution সহজ, অন্যটি Performance-focused এবং তৃতীয়টি Maintainability-এর জন্য ভালো।
এখন তোমাকে সিদ্ধান্ত নিতে হবে কোন Solution তোমার Project-এর জন্য সবচেয়ে উপযুক্ত।
আবার AI একটি Feature তৈরি করার পর সেটিকে আরও Improve করার জন্য নতুন নতুন Suggestion দিতে পারে।
এভাবে প্রতিটি ছোট সিদ্ধান্তের জন্য বারবার বিশ্লেষণ করতে হয়।
এই Decision Making Process দীর্ঘ সময় চলতে থাকলে Mental Energy কমে যেতে পারে।
একজন Developer-এর জন্য সবচেয়ে বড় সমস্যা তখন তৈরি হয়, যখন সে বুঝতে পারে না কোন Suggestion গ্রহণ করবে এবং কোনটি বাদ দেবে।
5. AI Has Removed Natural Breaks From Development
আগে Software Development-এর সময় কিছু স্বাভাবিক বিরতি থাকত।
যেমন, Code Compile হতে সময় লাগত, Test Suite Run হতে অপেক্ষা করতে হতো কিংবা কোনো Bug-এর Solution খুঁজতে গিয়ে Developer কিছুটা সময় বিরতি পেতেন।
কিন্তু AI Tools এই Waiting Time অনেকটাই কমিয়ে দিয়েছে।
এখন একটি Task শেষ হওয়ার আগেই অন্য একটি Task শুরু করা যায়। একটি Prompt দেওয়ার পর AI কাজ করতে থাকলে সেই সময়টুকুতে আরেকটি Prompt তৈরি করা সম্ভব।
ফলে কাজের মধ্যে স্বাভাবিক বিরতির সুযোগ কমে যায়।
অনেক Developer অবচেতনভাবেই প্রতিটি মুহূর্ত Productive থাকার চেষ্টা করেন।
কিন্তু মানুষের মস্তিষ্ক সারাক্ষণ High-Concentration Mode-এ কাজ করার জন্য তৈরি নয়।
পর্যাপ্ত বিরতি ছাড়া দীর্ঘ সময় কাজ করলে মনোযোগ কমে যেতে পারে এবং মানসিক ক্লান্তি বাড়তে পারে।
AI Fatigue vs Burnout vs AI Brain Fry
AI Fatigue, Burnout এবং AI Brain Fry এই তিনটি ধারণা কাছাকাছি মনে হলেও এগুলোর মধ্যে পার্থক্য রয়েছে।
বিশেষ করে AI ব্যবহারের কারণে তৈরি হওয়া ক্লান্তি বুঝতে হলে এই বিষয়গুলো আলাদাভাবে জানা প্রয়োজন।
AI Fatigue
AI Fatigue বলতে AI Tools ব্যবহার এবং সেগুলো পরিচালনা করার ফলে তৈরি হওয়া মানসিক ক্লান্তিকে বোঝানো হচ্ছে।
যেমন, সারাদিন AI Agent পরিচালনা করা, Generated Code Review করা এবং একাধিক Tool-এর মধ্যে কাজ করার পর ক্লান্ত অনুভব করা।
সাধারণত কাজের চাপ কমানো, পর্যাপ্ত বিশ্রাম নেওয়া এবং Workflow পরিবর্তনের মাধ্যমে এই ক্লান্তি কমানো সম্ভব হতে পারে।
Burnout
Burnout সাধারণত দীর্ঘদিনের অতিরিক্ত কাজের চাপ এবং Chronic Workplace Stress-এর সঙ্গে সম্পর্কিত।
এক্ষেত্রে একজন Developer শুধু ক্লান্তই অনুভব করেন না, বরং কাজের প্রতি আগ্রহ হারাতে পারেন, নিজের দক্ষতা নিয়ে সন্দেহ তৈরি হতে পারে এবং দীর্ঘ সময় ধরে নিজেকে Ineffective মনে হতে পারে।
এটি সাধারণ দিনের ক্লান্তির চেয়ে অনেক বেশি গুরুতর একটি বিষয়।
AI Brain Fry
AI Brain Fry হলো অতিরিক্ত AI Tools এবং Agent পরিচালনা করতে গিয়ে তৈরি হওয়া Mental Overload-এর একটি জনপ্রিয় ধারণা।
এটি বিশেষ করে তখন দেখা দিতে পারে, যখন একজন মানুষকে একসঙ্গে অনেকগুলো AI System Monitor করতে হয় এবং ক্রমাগত সিদ্ধান্ত নিতে হয়।
Harvard Business Review-এ প্রকাশিত একটি আলোচনাতেও AI ব্যবহারের কারণে তৈরি হওয়া এই ধরনের Cognitive Overload নিয়ে আলোচনা করা হয়েছে।
তবে AI Brain Fry-কে এখনই স্বতন্ত্র কোনো স্বীকৃত Medical Diagnosis হিসেবে বিবেচনা করা উচিত নয়।
মূল বিষয় হলো, AI ব্যবহারের ধরন এবং কাজের চাপ মানুষের মানসিক অবস্থার ওপর প্রভাব ফেলতে পারে।
How to Reduce AI Fatigue as a Software Engineer
AI ব্যবহার বন্ধ করে দেওয়া AI Fatigue-এর সমাধান নয়। বরং AI-কে কীভাবে ব্যবহার করলে নিজের Productivity বজায় রেখেও মানসিক চাপ কমানো যায়, সেটি শেখা জরুরি।
এক্ষেত্রে কয়েকটি কার্যকর অভ্যাস তৈরি করতে পারো।
1. Limit the Number of Active AI Tasks
একসঙ্গে অনেকগুলো AI Agent চালু রাখার পরিবর্তে Active Task-এর সংখ্যা সীমিত রাখো।
Kanban Methodology অনুসরণ করতে পারো।
তোমার Project Board-এ তিনটি Category রাখতে পারো:
- To Do
- In Progress
- Done
একসঙ্গে অনেকগুলো Task In Progress না রেখে গুরুত্বপূর্ণ Task-গুলো আগে শেষ করার চেষ্টা করো।
একই নিয়ম AI Agent-এর ক্ষেত্রেও অনুসরণ করতে পারো।
যেমন, একটি Agent Backend API তৈরি করছে এবং অন্যটি Testing করছে। এই কাজগুলো শেষ হওয়ার আগে অপ্রয়োজনীয় নতুন Agent চালু না করাই ভালো।
এতে প্রতিটি Task-এর ওপর মনোযোগ ধরে রাখা সহজ হবে।
2. Use AI With Clear Instructions
AI-এর সঙ্গে কাজ করার সময় অস্পষ্ট Prompt ব্যবহার করলে বারবার নতুন নির্দেশনা দিতে হয়।
এতে সময় নষ্ট হওয়ার পাশাপাশি Decision Making-এর চাপও বাড়ে।
তাই কাজ শুরু করার আগে AI-কে পরিষ্কারভাবে জানিয়ে দাও:
- Project-এর উদ্দেশ্য কী।
- কোন Technology Stack ব্যবহার করতে হবে।
- Expected Output কী।
- কোন Coding Convention অনুসরণ করতে হবে।
- কোন কাজগুলো করা যাবে না।
- Task সম্পন্ন হয়েছে কি না, সেটি কীভাবে যাচাই করা হবে।
উদাহরণ হিসেবে, শুধু “Create a Login Page” না লিখে তোমার Design, Validation, Authentication এবং Error Handling-এর Requirement-গুলোও উল্লেখ করো।
ভালো Prompt মানে শুধু ভালো Output নয়; এটি অপ্রয়োজনীয় Back-and-Forth কমাতেও সাহায্য করে।
3. Schedule Regular Breaks
AI দ্রুত কাজ করতে পারে, কিন্তু তোমার মস্তিষ্কের বিশ্রামের প্রয়োজন রয়েছে।
তাই কাজের মধ্যে নির্দিষ্ট বিরতি রাখো।
উদাহরণস্বরূপ:
- ৫০ মিনিট Focused Work।
- ১০ মিনিট Break।
- প্রতি কয়েক ঘণ্টা পর একটু দীর্ঘ বিরতি।
এই সময় AI-এর Progress Check করার প্রয়োজন নেই।
সম্ভব হলে কিছুক্ষণ হাঁটো, পানি পান করো কিংবা Computer Screen থেকে দূরে থাকো।
মনে রেখো, প্রতিটি মুহূর্ত Productive থাকার চেষ্টা করাই Productivity নয়।
4. Set a Clear Boundary Between Work and Personal Life
AI Agent-এর একটি বড় সমস্যা হলো এটি তোমার কাজের সময় শেষ হলেও Background-এ কাজ করতে পারে।
ফলে বাসায় ফেরার পরও মনে হতে পারে, Agent কী করছে একবার দেখে আসি।
এভাবে ধীরে ধীরে Personal Time এবং Working Time-এর মধ্যে পার্থক্য কমে যায়।
তাই একটি নির্দিষ্ট Work Shutdown Time ঠিক করো।
যেমন, সন্ধ্যা ৭টার পর নতুন Development Task শুরু করবে না। প্রয়োজন হলে পরের দিনের জন্য Task List তৈরি করে Computer বন্ধ করে দেবে।
অফিসের বাইরে Gym, হাঁটাহাঁটি, বই পড়া কিংবা বন্ধুদের সঙ্গে সময় কাটানোর মতো Offline Activity রাখো।
এতে কাজের বাইরেও নিজের জন্য সময় বের করা সহজ হবে।
5. Don’t Let AI Replace Your Understanding
AI তোমার হয়ে Code লিখতে পারে, কিন্তু Code কীভাবে কাজ করছে, সেটি বোঝার দায়িত্ব তোমার।
তাই AI-generated Code সরাসরি Production-এ ব্যবহার না করে সেটি বুঝে নেওয়ার চেষ্টা করো।
বিশেষ করে গুরুত্বপূর্ণ Feature-এর ক্ষেত্রে:
- Code Review করো।
- Automated Test চালাও।
- Security Check করো।
- Documentation পড়ো।
- প্রয়োজন হলে AI-কে Code-এর Logic ব্যাখ্যা করতে বলো।
এতে শুধু AI-এর ওপর নির্ভরশীল হয়ে পড়ার ঝুঁকি কমবে না, বরং তোমার নিজের Technical Knowledge-ও বাড়বে।
Should Software Engineers Stop Using AI Tools?
একদমই না।
AI Tools Software Development-এর ভবিষ্যৎ পরিবর্তন করছে। একজন Developer হিসেবে এই পরিবর্তনের সঙ্গে নিজেকে মানিয়ে নেওয়া গুরুত্বপূর্ণ।
তবে AI ব্যবহার করার অর্থ নিজের সব দায়িত্ব AI-এর হাতে ছেড়ে দেওয়া নয়।
বরং একজন দক্ষ Developer জানেন কখন AI ব্যবহার করতে হবে, কখন নিজে সিদ্ধান্ত নিতে হবে এবং কখন AI-এর Output Reject করতে হবে।
ধরো, একটি সাধারণ CRUD API তৈরি করার জন্য AI ব্যবহার করলে অনেক সময় বাঁচতে পারে।
কিন্তু Database Architecture, Authentication System কিংবা Security-sensitive Feature-এর ক্ষেত্রে তোমার নিজের Technical Understanding এবং Judgment অত্যন্ত গুরুত্বপূর্ণ।
AI-কে Assistant হিসেবে ব্যবহার করো, Replacement হিসেবে নয়।
কারণ শেষ পর্যন্ত Software-এর Quality, Security এবং Maintainability নিশ্চিত করার দায়িত্ব Developer-এরই।
The Future of Software Engineering: More AI, More Human Judgment
Software Development-এর ভবিষ্যৎ শুধু বেশি Code লেখার মধ্যে সীমাবদ্ধ থাকবে না।
বরং একজন Developer কতটা ভালোভাবে Problem Understand করতে পারেন, AI-কে সঠিক নির্দেশনা দিতে পারেন এবং Generated Solution যাচাই করতে পারেন, সেটিও গুরুত্বপূর্ণ হয়ে উঠবে।
ভবিষ্যতের একজন দক্ষ Software Engineer-এর মধ্যে কয়েকটি দক্ষতা বিশেষভাবে প্রয়োজন হবে:
Problem-Solving Skills: সমস্যার মূল কারণ খুঁজে বের করা এবং কার্যকর Solution তৈরি করা।
AI Literacy: ChatGPT, Claude Code, Cursor এবং অন্যান্য AI Tools সঠিকভাবে ব্যবহার করতে পারা।
Code Review: AI-generated Code-এর Quality, Security এবং Maintainability যাচাই করা।
System Design: একটি Application কীভাবে কাজ করবে এবং তার বিভিন্ন অংশ কীভাবে একে অপরের সঙ্গে যুক্ত থাকবে, তা বুঝতে পারা।
Critical Thinking: AI-এর Suggestion অন্ধভাবে গ্রহণ না করে নিজের বিচারবুদ্ধি দিয়ে সিদ্ধান্ত নেওয়া।
Time Management: একাধিক Task পরিচালনা করার পাশাপাশি নিজের কাজের চাপ নিয়ন্ত্রণ করা।
এখানে একটি বিষয় মনে রাখা জরুরি AI যত উন্নত হবে, মানুষের Critical Thinking এবং Technical Judgment-এর গুরুত্বও তত বাড়বে।
Conclusion
Artificial Intelligence Software Development-কে আগের চেয়ে অনেক বেশি দ্রুত এবং Accessible করে তুলেছে। এখন একজন Developer আগের তুলনায় কম সময়ে অনেক বেশি Feature তৈরি করতে পারছেন।
কিন্তু বেশি Output তৈরি করাই সব সময় বেশি Productivity নয়।
যদি একজন Developer-কে সারাদিন একাধিক AI Agent পরিচালনা করতে হয়, প্রতিটি Output Review করতে হয় এবং প্রতিনিয়ত নতুন সিদ্ধান্ত নিতে হয়, তাহলে তার Mental Workload স্বাভাবিকভাবেই বেড়ে যেতে পারে।
তাই AI ব্যবহার করার পাশাপাশি নিজের কাজের সীমা নির্ধারণ করা, Active Task কম রাখা, নিয়মিত বিরতি নেওয়া এবং AI-generated Code




