为什么自从用上了AI，你的创造力不升反降了？
在最近的一项现实实验中，参与创造性解决问题任务的团队在大多数情况下都从人工智能的帮助中适度受益，但有些团队表现不佳。 领导力开发公司 GeoLab 的首席执行官、该研究的作者之一基安·戈哈尔 (Kian Gohar) 表示，不要责怪技术。 对生成式人工智能、问题解决和创意过程的常见误解可能会导致员工和管理者错误地使用这些工具，有时甚至比没有人工智能时更糟糕。
Gohar 和斯坦福大学的核心研究员 Jeremy Utley 与四家公司合作：两家在欧洲，两家在美国，每家公司都有最多 60 名员工，以小团队的形式工作。 ，解决公司面临的业务问题，例如开发内部培训资源，或扩大特定产品的 B2B 销售。 在每家公司内部，一些团队（对照组）在完全没有人工智能帮助的情况下解决了这个问题，而其他团队（实验组）则拥有 ChatGPT 的开源版本。 所有团队都观看了有关任务问题的简短演示，并在信息表中获得了相关详细信息。
团队有 90 分钟的时间按照研究人员规定的结构生成潜在的解决方案。 员工首先单独工作，然后在头脑风暴会议中与队友分享想法。 实验组能够在两个构思阶段使用 ChatGPT，并使用信息表中的输入来训练该工具。 最后，各小组提交了自己的想法。
每个问题的“所有者”（每个组织中负责实施最终解决方案的人员）在不知道人机协作产生哪些答案的情况下，对这些想法进行了从 A（“非常有说服力”）“强度”）到 D 的评分（“不值得深入研究”）被分配了等级。Gohar 表示，结果推翻了研究人员的预期。他和他的同事预计使用 ChatGPT 的团队会产生更多更好的想法，但这些团队平均只比使用 ChatGPT 的团队多出 8% 的想法。对照组。他们获得的 D 分数减少了 7%，但 B 分数增加了 8%（“有趣，但需要发展”），C 分数的比例大致相同（“需要重大改进”）。最令人惊讶的是，他们获得的 A 分数减少了 2% Gohar 说：“生成式 AI 可以帮助员工避免糟糕的想法，但它也会带来更常见的想法。”实验前后进行的调查显示，使用 AI 的团队在解决问题方面比其他团队更有信心——差异为21分。 %，但他们获得的分数表明大部分信心是错误的。
戈哈尔说，当然，人工智能在解决问题方面具有真正的潜力。 以下是最大化它的几个步骤。
问题应该具体。 支持生成式人工智能聊天机器人的大型语言模型旨在给出“平均”答案； 他们的算法经过训练，能够以最高的概率识别连续的单词。 如果你输入“我像……一样吠叫”并要求机器人完成这个想法，它几乎肯定会想出“狗”这个词。 但如果团队正在寻找开箱即用的解决方案，那么平均答案就没有多大用处。
因此，管理者应该教会他们的团队在使用该工具之前编写高度具体的问题陈述，其中包含尽可能多的细节。 例如，不要问：“我们如何提高客户满意度？” 说：“我们的客户旅程由以下步骤组成……对入职步骤进行哪些更改将使保留率提高 10%？” Gohar 评论道：“人们期望 AI 成为神谕：输入一个问题，你就会得到一个解决方案。”仅仅笼统地陈述问题并要求 ChatGPT 解决它的团队会得到平庸的结果。
当机器人不在身边时，找时间独立进行头脑风暴。 在与人工智能交互之前，给团队成员一些时间，比如 15 分钟到半小时，让他们单独提出想法。 这将有助于确保他们在团队会议和人工智能部署期间不受群体思维或工具建议的影响。 此步骤对于收集多样化和创造性的想法至关重要，并最大限度地增加小组讨论中产生的独特想法的数量。
严格训练人工智能。 生成式人工智能系统缺乏人们通过在组织和行业工作数月或数年而获得的情境理解。 在将 ChatGPT 或类似工具集成到构思过程中之前，需要加快速度。 输入尽可能多的与特定问题相关的数据，包括客户群的心态、以前成功和失败的计划以及行业基准。
将人工智能视为持续的对话伙伴，而不是指令。 本研究中的团队在使用 ChatGPT 多次互动时产生了更好的想法。 “大多数问题解决过程都需要对话，”戈哈尔说。 “你和你的同事交谈并提出了更好的解决方案，你的一位同事谈论 GPT 也是如此。”
实验中的许多团队只是接受了 ChatGPT 的第一个建议。 戈哈尔将此归因于“安装效应”：一种认知偏见，人们倾向于早期、熟悉的解决方案，而不是更广泛地探索可能性。 这可能会导致人工智能辅助团队产生高比例的 B 级创意。 戈哈尔说，无论该工具的初步建议看起来有多好，团队都应该提出更具体的问题。 这使得模型能够改进其答案，并最终为用户提供更多选择。 Gohar 强调：“获得 A 的团队是那些与机器人进行互动对话的团队。”
让团队之外的人帮助做出最终决定。 当团队聚在一起分享可能的解决方案时，指定一名成员来整合建议。 然后让人工智能分析它们是否符合您的目标，提供批评、挑战假设并提出更多替代方案。 这一步也是一种训练机制，可以提高模型未来的性能。 戈哈尔表示，可以招募外部加速器——不参与搜寻的人，最好精通人工智能构思——来指导这一过程，帮助确定想法的优先顺序并规划后续步骤。
“利用生成式人工智能进行头脑风暴需要重新构想工作流程并学习新技能，”Gohar 总结道，“但如果你将其视为结构化的、持续的对话，你可以获得惊人的能力等等。 快速开发出更好、更有创意的想法。”
