做對五件事,讓生成式AI解放團隊創造力
Don’t Let Gen AI Limit Your Team’s Creativity
ChatGPT之類的生成式AI雖然會生成許多構想,但研究發現,多數人並沒有適當使用這項威力強大的工具,以致生成結果不如人類自己想出的構想。一項研究提出5個步驟,有助於團隊運用生成式AI,發想出更實用、更具創意的構想。
插圖/賈斯蒂娜.斯塔西克(Justyna Stasik)

與AI的互動不得要領
郭賀與共同研究員史丹福大學(Stanford University)的傑瑞米.厄特利(Jeremy Utley),和4家公司(歐洲及美國各兩家)合作進行這項實驗。每家公司有多達60名員工受邀組成小團隊,嘗試解決公司面臨的一項業務問題,例如如何開發內部培訓資源,或如何擴大某項產品的B2B銷售額。各家公司都有一些團隊(對照組)在沒有AI的任何協助下嘗試解決問題,其他團隊(實驗組)則會運用ChatGPT的一個開源版本。所有團隊都會觀看他們受邀解決的那個問題的簡報,並拿到說明相關細節的資訊報表。
每個團隊都有90分鐘的時間,按照研究人員指定的結構,產出潛在的解決方案。員工首先各自工作,然後在腦力激盪會議上和隊友分享自己的構想。實驗組團隊在這兩個發想階段都可以使用ChatGPT,也被鼓勵將資訊報表中的資料輸入ChatGPT來訓練它解決問題。在這項活動結束時,每個團隊都提交自己的構想。
每個問題的「負責人」,也就是每個組織裡負責執行最終解決方案的人,在不知道哪些構想是由人機合作產生的情況下,會評判這些構想,給予從A(「很有說服力」)到D(「不值得執行」)的評分。郭賀說,研究結果顛覆了研究人員的預期。他和共同研究員原本假設,使用ChatGPT的團隊將會產生遠比其他團隊更多也更好的構想。但平均來說,這些團隊的構想只比對照組多了8%。它們獲得D評分的數量少了7%,但B評分(「有趣但需要加強」)的數量也多了8%,C評分(「需要大力加強」)的數量兩組大致相同。最令人驚訝的是,它們得到A評分的數量比對照組少了2%。郭賀說:「生成式AI幫助員工避開糟糕的構想,但也帶來更多普通的構想。」在這項活動進行之前和之後所做的調查顯示,使用AI的團隊對自己解決問題的能力信心大增,比其他團隊高出21%。但是他們獲得的評分顯示,其中許多信心是錯誤的。

郭賀表示,當然,使用生成式AI來解決問題的潛力確實存在。以下是將潛力發揮到最大的一些步驟。
精確描述你要解決的問題。生成式AI聊天機器人背後所依賴的大型語言模型,是為了提供「普通的」答案而設計;它們的演算法經過訓練,以找出後續字詞的最高機率。如果你輸入「我汪汪叫,就像一隻……」並要求聊天機器人把意思補完,它幾乎肯定會提供「狗」這個詞。但如果團隊是要尋求跳出框架的解決方案,普通的答案幾乎毫無用處。
因此,經理人應該教導團隊在使用AI工具之前,先擬定高度具體的問題陳述,包括大量細節,愈多愈好。例如,團隊不要問:「我們要如何提升顧客滿意度?」而是:「我們的顧客旅程包括以下步驟……要怎麼改變我們協助顧客熟悉產品的步驟,才能把留客率提升10%?」郭賀評論道:「員工期待AI是一位行家:連上它,它就會給你解決方案。」採取這個做法的團隊(只用籠統的詞彙陳述問題,就要求ChatGPT解決問題),得到的是了無生氣的結果。
騰出時間進行個人腦力激盪,不使用聊天機器人。在團隊成員和AI互動之前,給他們一些時間(例如15分鐘到半小時)來個別提出一些構想。這有助於確保他們在團隊會議和運用AI之前,不會受到團體迷思或AI建議所影響。這個步驟對於蒐集各式各樣有創意的構想非常重要,而且能把最多別出心裁的構想帶到團隊中討論。
嚴格訓練AI。員工經年累月在組織和產業中工作,對情境十分了解,但生成式AI系統並沒有這些知識。在將ChatGPT(或類似工具)整合到發想過程之前,你需要協助它迎頭趕上。你要盡量輸入與你的特定問題相關的資料,可能包括某顧客群的思維方式,先前的成功案例和失敗的計畫,以及產業的標竿。
將AI視為持續的對話伙伴,而非行家。這項研究中的團隊和ChatGPT來回互動多次後,提出了更好的構想。郭賀表示:「解決問題大多需要進行一場對話。為了提出更好的方法來解決問題,你會和同事討論;如果其中一位同事是ChatGPT,也是如此。」
這項實驗中,有許多團隊直接接受ChatGPT提出的第一個建議。郭賀將這種情況歸因於「定勢效應」(Einstellung effect),也就是一種認知偏誤,使人們偏好以往熟悉的解決方案,而不會更廣泛探索各種可能性。這可能導致有AI協助的團隊提出高比例的B評分構想。郭賀說,無論AI最初提供的建議看起來多好,團隊都應該持續提出更多、更具體的問題。如此一來,模型就能改善自己的回答,並為使用者提供更多解決方案以供最後選擇。郭賀強調:「得到A評分的團隊會和AI進行互動對話。」
請團隊之外的人協助團隊做出最後決定。當團隊聚在一起分享可能的解決方案時,要指定一名成員整合這些建議,然後要求AI分析它們是否符合你的目標、提供評論、挑戰假設,並提出更多替代方案。這個步驟還可以做為訓練機制,改善該模型的未來表現。郭賀說,請一位外部協助者(沒有利害關係且最好嫺熟AI發想)來引導整個流程,協助排定構想的優先順序,並規畫下一步,這樣做可能會很有用。
「與生成式AI進行腦力激盪,需要重新思考你的發想工作流程,並學習新技能,」郭賀總結道:「但如果你把這件事當成一種結構化、持續進行的對話,你就能更快獲得令人驚嘆的能力,可以更快開發出更好、也更有創意的構想。」
關於這項研究
〈評估生成式AI對發想和團隊解決問題的實際影響〉(Evaluating the Practical Impact of Generative AI on Ideation and Team Problem Solving),作者為基恩.郭賀(Kian Gohar)、傑瑞米.厄特利(Jeremy Utley)。該論文為工作論文。
閱讀完整內容〈評估生成式AI對發想和團隊解決問題的實際影響〉(Evaluating the Practical Impact of Generative AI on Ideation and Team Problem Solving),作者為基恩.郭賀(Kian Gohar)、傑瑞米.厄特利(Jeremy Utley)。該論文為工作論文。