理論面〉錯誤運用新科技，無異緣木求魚

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)

沒有人懷疑ChatGPT有產生許多構想的能力。但那些構想好用嗎？最近在現實世界所做的一項實驗，邀請一些團隊發揮創意解決問題，結果發現，在大部分情況下，人工智慧（AI）的協助只帶來為數不多的利益，在一些情況下甚至表現不佳。領導力開發公司Geolab的執行長，同時也是該研究的其中一位作者基恩．郭賀（Kian Gohar）表示，不要把這個現象歸咎於科技。對於生成式AI、問題解決和創意過程的常見誤解，使員工及其經理人不當使用這些工具，有時候比不使用AI建議的構想還糟。

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。

獲得AI好幫手

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。」

閱讀完整內容