亚洲欧美中文日韩在线v日本,亚洲精品永久在线观看,亚洲av日韩av永久无码色欲,亚洲成a人片777777,亚洲人成网站在线播放942

生成式AI正在徹底變革人機合作創(chuàng)新的模式，重塑了創(chuàng)意生成、創(chuàng)意發(fā)展和創(chuàng)意評估各個階段，展現(xiàn)出巨大的創(chuàng)意潛能。然而，為實現(xiàn)最佳的人機合作創(chuàng)新，企業(yè)需要深刻理解生成式AI與人類各自的優(yōu)勢與局限，并從中找到平衡點，以確保人類在關鍵環(huán)節(jié)中的主導作用，避免AI依賴導致的人類認知退化。同時，企業(yè)應從激勵人機合作創(chuàng)新動力、提升人機合作創(chuàng)新能力、優(yōu)化人機任務分配、合理設定AI期望管理等方面著手，激發(fā)生成式AI與人類創(chuàng)造力的協(xié)同效應，推動高效合作和可持續(xù)的創(chuàng)新成果產出。

人機交互模式的根本性變革

創(chuàng)造力曾被認為是人類所特有的、無法被替代的能力之一。2022年11月30日，以ChatGPT為代表的生成式AI的發(fā)布，標志著人工智能的重大范式轉變，推動了其從弱人工智能（Artificial Narrow Intelligence，ANI）向通用人工智能（Artificial General Intelligence，AGI）的演進。傳統(tǒng)AI依賴于結構化數(shù)據(jù)建構模型和處理信息，如神經(jīng)網(wǎng)絡、進化算法、決策樹、隨機森林等，已經(jīng)被廣泛應用于定價、庫存管理、物流優(yōu)化、內容推薦等任務中。然而，其功能相對有限，且難以與用戶直接互動。生成式AI如ChatGPT等通用人工智能，不再局限于執(zhí)行特定任務或適用有限場景，而展現(xiàn)出超越傳統(tǒng)AI的自主學習與創(chuàng)新能力，在知識密集型活動中表現(xiàn)出色，甚至在某些領域展現(xiàn)出超越人類的潛力。例如，ChatGPT-4通過了圖靈測試，并且在托倫斯創(chuàng)造性思維測試（TTCT）中獲得了前1%的得分，在流暢性、獨創(chuàng)性、靈活性等方面的創(chuàng)造力與人類相當甚至超過了人類。這意味著，人工智能的迅猛崛起，正在逐漸湮沒曾被視為人類專屬的“創(chuàng)造力高峰”。

更重要的是，生成式AI推動了人機交互與協(xié)作模式的根本性變革。如ChatGPT可以基于自然語言與人類進行溝通，并且可以在情緒識別任務中達到普通人的平均水平，能夠理解和回應用戶的情感需求。其最新版本ChatGPT-4o（o是“omni”的簡寫，意為“全能”）能夠處理多模態(tài)輸入（文本、音頻、圖像、視頻）并在320毫秒的平均時間內做出響應，實現(xiàn)了更快速、自然的多模態(tài)交互，使得人機之間的對話更加流暢和貼近人類習慣。這種易用性和直接互動使得生成式AI具備成為工作場所“主體”或“合作伙伴”的潛力。

在過去，人們通常認為人工智能無法參與創(chuàng)意過程，也不具備相關能力。在傳統(tǒng)的人機交互模式中，基于對任務的分解，人工智能和人類有著明確分工，人工智能取代人類完成大部分操作性、重復性等低價值的工作，人類勞動者則負責完成創(chuàng)造性、需要同理心的工作。然而，生成式AI已被廣泛驗證能夠直接進行一些創(chuàng)造性任務，并且能夠與人類知識工作者進行雙向、頻繁的信息交流。通過“Human in the Loop”（HITL）的新型交互模式，人類在關鍵環(huán)節(jié)中持續(xù)參與和調整AI的輸出，實現(xiàn)基于人機合作的任務目標（見圖1）。生成式AI的角色從單純的工具或執(zhí)行者轉變?yōu)閰⑴c決策和創(chuàng)意過程的協(xié)作者，這種人機交互模式的演變如圖1所示。

在此背景下，我們需要思考如何更好地與生成式AI合作，釋放人機協(xié)作創(chuàng)新潛能。接下來，我們將探討如何最大化人機合作的效能，推動企業(yè)在創(chuàng)新領域的突破和成長。

重塑創(chuàng)意過程：人機合作創(chuàng)新的現(xiàn)狀與挑戰(zhàn)

過去，AI主要在創(chuàng)新過程的分析環(huán)節(jié)中發(fā)揮輔助作用，如數(shù)據(jù)分析和信息處理。生成式AI通過其自主生成多種類型內容的能力，為創(chuàng)意的開發(fā)探索了一條獨特的路徑。這種能力與人類的創(chuàng)造性解決問題的策略相契合，生成式AI的概率性特征繞過了傳統(tǒng)事實核查的限制，通過改變或跳出常規(guī)思維模式，生成創(chuàng)造性的解決方案。隨著生成式AI在市場分析、產品設計、內容創(chuàng)作、科學研究等領域的深入應用，它顯著提升了創(chuàng)新效率，并降低了創(chuàng)新成本。

在創(chuàng)意過程中，通常包括創(chuàng)意生成、創(chuàng)意發(fā)展和創(chuàng)意評估三個核心階段。生成式AI在每個階段都能夠發(fā)揮重要作用。

重塑創(chuàng)意生成過程

在創(chuàng)意生成階段，生成式AI可以作為員工的“創(chuàng)意伙伴”，基于過往的項目數(shù)據(jù)、市場趨勢和用戶反饋，生成新的創(chuàng)意建議，并識別可能被人類忽視的模式和趨勢，加速頭腦風暴和初期創(chuàng)意開發(fā)。同時，生成式AI通過提供獨特視角和多樣化信息源，識別跨領域的潛在聯(lián)系，生成多樣化創(chuàng)意內容，激發(fā)人類創(chuàng)造性思維。這種人機合作的創(chuàng)新模式已廣泛應用于廣告創(chuàng)意、視頻制作和游戲設計等領域，大幅提升了創(chuàng)新效率和創(chuàng)意的廣度。

以常見的創(chuàng)意任務為例，如開發(fā)一款“新型健康飲食應用”，員工可以直接利用ChatGPT-4生成創(chuàng)意，并通過指定背景、用戶群體或用戶需求以明確創(chuàng)意的具體要求（見表1）。通過人機持續(xù)交互，發(fā)散形成多樣化的創(chuàng)意點或收斂形成完整的創(chuàng)意方案。此外，根據(jù)管理學領域頂級期刊《市場科學》（Marketing Science）的最新研究，大語言模型（Large Language Model，LLM）在市場研究中展現(xiàn)出替代人類參與者的潛力，尤其在品牌感知和產品屬性評價方面，LLM的生成結果與人類田野調查的匹配率超過75%，這意味著企業(yè)能夠利用生成式AI模擬消費者進行訪談和需求分析，從而加深市場洞察并降低市場研究成本。

重塑創(chuàng)意發(fā)展過程

在創(chuàng)意發(fā)展階段，生成式AI作為創(chuàng)意迭代和測評者的角色，能夠顯著加快初步創(chuàng)意向成熟方案的轉化。生成式AI憑借快速分析大量數(shù)據(jù)并提供創(chuàng)意改進的建議，已在多個領域展露出色的價值。例如，在醫(yī)療領域，生成式AI用于改進診斷流程、制定個性化治療方案；在藥物研發(fā)中，生成式AI通過生成和測試大量化合物模型，優(yōu)化篩選和測試流程，大幅縮短新藥的研發(fā)周期。此外，生成式AI還可以通過虛擬測試和自主分析減少物理原型制作的成本和時間，推動創(chuàng)意從概念轉化為實際應用，促進各行業(yè)突破性發(fā)展。

在“新型健康飲食應用”的開發(fā)案例中，人類可以在創(chuàng)意發(fā)展階段與生成式AI合作，對“健康積分系統(tǒng)”等具體創(chuàng)意方案進行完善。通過提出問題，如“如何構建高效的健康積分系統(tǒng)”，生成式AI能夠提供系統(tǒng)性建議，包括設計、功能模塊以及如何提升用戶參與度等。在此過程中，生成式AI的交互通常包括發(fā)散和收斂兩種模式。前者可廣泛收集各類創(chuàng)意建議，提出多個創(chuàng)新方向或解決方案，如“除了積分系統(tǒng)外，還有哪些創(chuàng)新方式可以提升用戶參與度”；后者的交互側重于細化、優(yōu)化和選擇最有潛力的方案，如“在積分系統(tǒng)中，可以設計哪些積分獲取、使用途徑”，這種交互可以聚焦于將最具價值的創(chuàng)意轉化為可行的具體方案。

創(chuàng)意工作者還可以進一步借助AI的技術優(yōu)勢實現(xiàn)設計與開發(fā)。在此過程中，生成式AI能夠提供實時的設計建議，幫助完善界面元素布局、顏色搭配和用戶交互設計等細節(jié)。例如，Uizard是一款專門為非設計師和開發(fā)者設計的工具，我們將ChatGPT-4生成的Prompt輸入Uizard，就能將創(chuàng)意方案快速轉化為UI設計，從而快速迭代和驗證設計想法。這種方式大大縮短了從概念到產品的開發(fā)周期，使創(chuàng)意工作者能夠更專注于創(chuàng)意本身，而非技術細節(jié)。

重塑創(chuàng)意評估過程

在創(chuàng)意評估階段，生成式AI能夠直接作為創(chuàng)意評估者，對創(chuàng)意方案（如文稿、設計、代碼）進行初步評估，判斷其新穎性和實用性，為創(chuàng)意團隊節(jié)省時間并提供即時反饋，實現(xiàn)快速迭代。更重要的是，生成式AI通過采用標準化的算法和規(guī)則，顯著減少了人為偏見，確保了評估過程的客觀性和科學性。此外，生成式AI可以生成關于創(chuàng)意方案的市場潛力、可行性和風險評估報告，并通過模擬不同決策情境，幫助決策者更清晰地理解各方案的優(yōu)劣，為決策者提供有力的決策支持。

近期研究展現(xiàn)了生成式AI在評估任務中的顯著潛力。尤其是大語言模型，如ChatGPT-4，在組織任務績效評估方面，其評分不僅展現(xiàn)出高度的客觀性和一致性，且與眾多人類評估者的結果顯示出顯著的正相關性。在應對主觀和復雜的評估任務時，生成式AI的可靠性和穩(wěn)定性有時甚至超越了單個人類評估者。這種高度一致性和穩(wěn)定性證明了ChatGPT能夠作為評估創(chuàng)新成果的可信工具。此外，生成式AI被認為具有較弱的意圖，既缺乏自私意圖，也缺乏善意意圖，這種特征使其在提供負面反饋時具有顯著優(yōu)勢，有助于提高人們對于負面反饋的接受度?！昂孟⒂扇藖碇v，壞消息讓AI傳達”的策略，進一步凸顯了AI作為評估者角色時相較于人類的獨特優(yōu)勢。

在“新型健康飲食應用”開發(fā)的案例中，對于團隊提出的多個創(chuàng)意方案，我們利用ChatGPT-4o對其進行評估，并提供反饋。例如，“你將作為資深的市場研究專家，對以下3個‘新型健康飲食應用’開發(fā)方案進行評估，并從市場潛力、用戶需求契合度、創(chuàng)新性、技術可行性和商業(yè)模式的可持續(xù)性五個方面給予詳細分析，指出每個方案的優(yōu)缺點，并提出改進建議?！蓖瑫r，我們還可以借助生成式AI促進評估結果的可視化，提示ChatGPT-4o“通過仔細對比，給出3個方案在這5個維度的評分，每個維度滿分20分，并給出綜合評分，滿分為100分，請將結果輸出為3個顏色的柱狀圖并提供具體的評分依據(jù)”（見圖2）。進一步地，在對多個方案的優(yōu)缺點評估的基礎上，我們還可以結合一些具體的市場數(shù)據(jù)，讓AI將當前多個方案進行優(yōu)化與整合。

人機合作創(chuàng)新的挑戰(zhàn)

雖然生成式AI在創(chuàng)意過程的各個階段顯著提升了效率和效果，但在企業(yè)實踐中，人機合作的創(chuàng)新模式仍面臨一系列重大挑戰(zhàn)。

首先，人機合作創(chuàng)新模式中的角色和任務分配是一個難題。如何在創(chuàng)造性任務中合理確定生成式AI和人類的角色與分工，使雙方充分發(fā)揮各自優(yōu)勢？為此，企業(yè)可能需要建立更有效的溝通機制，或為團隊成員提供專門的培訓和支持，幫助其理解和應用生成式AI的輸出，以保障合作的順暢進行。

其次，隨著生成式AI承擔越來越多的創(chuàng)意任務，一方面，如何確保員工的創(chuàng)造力和批判性思維不被削弱，是企業(yè)必須正視的問題。企業(yè)需要在利用生成式AI提升效率的同時，避免員工對生成式AI的過度依賴。如何監(jiān)控和評估生成式AI對員工技能和創(chuàng)造力的長期影響，并采取有效措施減輕這些影響，是企業(yè)必須面對的挑戰(zhàn)。另一方面，當生成式AI逐漸承擔更多創(chuàng)意任務，如何確保人類不感到被取代或邊緣化？團隊成員需要調整工作方式，與生成式AI更高效地協(xié)作，實現(xiàn)自身的成長。企業(yè)如何有效管理這些變化，確保每個成員能夠適應新的角色，并通過生成式AI實現(xiàn)個性化學習，是未來成功的關鍵所在。

此外，人機合作創(chuàng)新中的責任劃分和成果評估也充滿了復雜性。企業(yè)應該如何制定新的指標和標準以評估生成式AI和人類協(xié)作成果的質量，并明確生成式AI在創(chuàng)新過程中的具體貢獻？在生成式AI參與決策和創(chuàng)意生成時，如何確保對人機合作創(chuàng)意成果評估結果的客觀性和公正性？當基于生成式AI的建議或決策導致錯誤或失敗時，企業(yè)又應如何明確生成式AI系統(tǒng)開發(fā)者、操作人員和管理層的責任界限？這些問題不僅涉及技術的應用，還涉及到管理和倫理層面的深層思考。解決這些挑戰(zhàn)對于實現(xiàn)人機合作創(chuàng)新的價值最大化，確保生成式AI與人類在創(chuàng)新過程中和諧共存、共同進步至關重要。

如何確定最佳人機合作模式：Fitts Lists原則

1951年，心理學家保羅·菲茨提出了Fitts Lists方法，該方法指出：人類和機器在任務執(zhí)行中各有不同的強項和弱項，通過合理分配任務，可以讓各方都在自己擅長的領域中發(fā)揮作用，以最大化合作效益。這一方法最初廣泛應用于制造業(yè)的自動化任務分配，隨著AI技術的快速發(fā)展，F(xiàn)itts Lists的基本理念已被擴展到更復雜的應用場景，如手術機器人與醫(yī)生的協(xié)作、醫(yī)學影像分析以及自動駕駛等——得益于AI的精準度、強大性能和不知疲倦的工作能力，這些技術在例行和復雜任務中表現(xiàn)出色。然而，我們仍需認識到，盡管生成式AI已經(jīng)證明了其作為“創(chuàng)意合作伙伴”的巨大潛力，人與AI的合作互補性依舊建立在它們各自的不足與優(yōu)勢之上。為實現(xiàn)最佳人機合作模式，企業(yè)必須深入理解并平衡生成式AI和人類的各自優(yōu)勢與局限。

表2詳細列舉了人類與生成式AI的優(yōu)勢和短板。企業(yè)在實施人機合作策略時，應認真考察這些因素，以推進AI和人類在各自的優(yōu)勢領域協(xié)同工作，努力實現(xiàn)生產力的最優(yōu)模式。

當AI在認知能力、理性推理等方面與人類相當甚至超越人類時，我們面臨的現(xiàn)實是：過去定義“人類獨特性”的標準正受到嚴峻挑戰(zhàn)。這不僅僅是技術革新問題，更是對“何以為人”的重新思考。通用人工智能的出現(xiàn)迫使我們重新審視人類身份的核心要素：如果AI能發(fā)展出匹敵人類的認知和決策能力，那么什么是AI無法企及的真正的人類特質？人類是否存在某種獨特而不可替代的屬性？在推進人機合作的同時，我們不僅要優(yōu)化協(xié)作效益，更要思考如何維護人類的獨特價值。未來的挑戰(zhàn)在于，我們不僅要通過技術手段增強效率和創(chuàng)新，更要通過審視人類特質，為人機合作奠定更具人性化和可持續(xù)的基礎。

例如，創(chuàng)造力通常需要對情境和文化有深刻理解，這對生成式AI來說尚難以完全掌握。生成式AI的能力受限于其訓練數(shù)據(jù)的質量，可能延續(xù)歷史偏見、簡化解決方案，忽視對創(chuàng)新至關重要的細微的人類行為洞察，導致創(chuàng)意的同質化、平均化。人類專家擅長捕捉細微線索，進行創(chuàng)新性聯(lián)想，并運用實踐積累的隱性知識，這對于形成與消費者和其他利益相關者共鳴的創(chuàng)意方案至關重要。因此工業(yè)設計師和工程師必須持續(xù)監(jiān)督創(chuàng)意設計結果，確?？紤]到產品使用的各個方面，包括美學、人體工程學、可用性等等。這意味著雖然生成式AI能夠提供有價值的數(shù)據(jù)驅動見解，但人類的參與對于將這些見解轉化為文化、情境和倫理上適宜的設計極為關鍵。

此外，創(chuàng)造性思維還涉及識別看似不相關概念之間的聯(lián)系，并創(chuàng)造出新穎的解決方案。這一過程不僅需要系統(tǒng)性探索，還需要重新定義基本假設的能力。人類專家能夠從廣泛的經(jīng)驗和情境知識中汲取靈感，進行生成式AI難以模擬的直覺性躍遷。企業(yè)應充分利用生成式AI在數(shù)據(jù)處理和模式識別上的優(yōu)勢，同時以人類專家為主體，做出戰(zhàn)略決策。由此，確保由生成式AI增強的決策不僅高效、信息充分，還能夠適應復雜的現(xiàn)實世界場景，進而實現(xiàn)最佳的業(yè)務創(chuàng)新成果。

如何更好地與生成式AI協(xié)同創(chuàng)新

AI增強系統(tǒng)1與系統(tǒng)2的協(xié)同效應

在探索如何更有效地與生成式AI合作以推動創(chuàng)新的過程中，我們必須首先理解人類思維的兩個核心系統(tǒng)：系統(tǒng)1和系統(tǒng)2。這兩個系統(tǒng)在決策和創(chuàng)新過程中扮演著互補的角色。丹尼爾·卡尼曼在《思考，快與慢》一書中提出了雙過程決策理論，區(qū)分了這兩種截然不同但相互關聯(lián)的推理系統(tǒng)：系統(tǒng)1是自動化、快速且無意識的思考模式，依賴模式識別和啟發(fā)式捷徑快速產生反應，但易受到情感和固有認知的影響。系統(tǒng)2是深思熟慮、緩慢且有意識的推理方式，以邏輯分析和抽象思維為特征，需要更多的認知資源支持，在決策過程中更精準全面。

在需要快速響應的現(xiàn)實場景中，系統(tǒng)1的速度優(yōu)勢往往以犧牲系統(tǒng)2的廣度和深度為代價。生成式AI的出現(xiàn)為我們提供了一個獨特的機會，以增強這兩種思維方式的協(xié)同效應。前述新型的人機交互模式（HITL）在此起到了關鍵作用。該模式通過讓人類在創(chuàng)意生成的關鍵節(jié)點介入和監(jiān)督，使生成式AI與人類形成一個持續(xù)的反饋、交互、調整、迭代的循環(huán)，以使AI生成的創(chuàng)意與人類的洞察和價值觀保持動態(tài)一致。這一過程一方面有助于降低人類基于系統(tǒng)1的直覺判斷的不穩(wěn)定性和不可靠性，另一方面也激發(fā)人類專家進行更深入的思考和反思，從而提升系統(tǒng)2的思維廣度和深度。生成式AI作為創(chuàng)新的協(xié)作者，增強人類認知能力，推動創(chuàng)新過程更加全面系統(tǒng)且富有洞察力，實現(xiàn)了創(chuàng)新效率與新穎性、可行性的平衡。

避免AI依賴導致的認知退化

我們已在前文指出，應警惕在利用AI便利性的同時，陷入“AI依賴陷阱”。研究顯示，隨著生成式AI的廣泛應用，人們在某些認知技能上可能會逐漸退化，特別是需要動用高階認知功能的技能，如解決問題、規(guī)劃和抽象推理方面。這部分源自人類的“最小認知努力原則”和“認知吝嗇”傾向，即人們天然傾向于依賴快速、直觀的思維模式（系統(tǒng)1），而非主動深化認知投入。在與生成式AI的協(xié)作中，人們可能越來越依賴AI來主導創(chuàng)意過程，將復雜思考的任務外包給AI，以此提高效率。然而，這種外包減少了對自身認知能力的鍛煉，人類認知能力存在退化的風險。

在人機合作創(chuàng)新的征途上，確保人類的主體和主導地位對于創(chuàng)新的質量和深度至關重要。為此，我們必須對生成式AI的使用進行細致的管理和引導。首要的是，員工在使用生成式AI時應當被激勵去積極參與關鍵環(huán)節(jié)，如問題的理解、方案的構思和計劃的制定，而非單純依賴生成式AI輸出。此外，實時的認知評估和反饋機制也是關鍵，以幫助用戶意識到自己在與生成式AI互動時的認知投入，并據(jù)此調整自己的行為模式。例如，生成式AI可以監(jiān)測和記錄用戶的互動行為，包括輸入提示的頻率、對生成式AI生成內容的修改次數(shù)以及完成任務所花費的時間，以此作為衡量用戶參與度和投入度的指標。通過這些策略，可以有效減少對生成式AI的過度依賴，避免認知能力退化，從而在受益于生成式AI帶來的便利性的同時，保持“人”的認知優(yōu)勢。

提升人機合作創(chuàng)新質量

在當前企業(yè)的實際應用中，提升人機合作創(chuàng)新質量是一項系統(tǒng)性工程，不僅涉及到引入先進的AI工具，更需要系統(tǒng)性的策略和措施以激勵團隊成員與AI協(xié)同創(chuàng)新、提升人機合作創(chuàng)新能力，從而推動創(chuàng)新質量的持續(xù)提升。

激發(fā)人機合作創(chuàng)新動力

在推動人機合作創(chuàng)新時，僅僅確保團隊成員能夠獲取生成式AI資源是遠遠不夠的。領導者在此過程中扮演著至關重要的角色，他們應當親自示范如何將生成式AI融入創(chuàng)意工作，通過實際案例展示生成式AI的有效性，以此激勵團隊成員積極采用和探索新技術。領導者的公開認可和獎勵對于鼓勵員工有效利用生成式AI至關重要，這可以通過定期的培訓、創(chuàng)意工作坊或專家講座來實現(xiàn)，以使團隊成員在創(chuàng)新過程中得到持續(xù)支持和指導。需要注意的是，團隊如何看待AI也將影響人機合作的動力與質量。如果領導能夠引導團隊將生成式AI視為“創(chuàng)意伙伴”而非簡單的工具，雙方的互動與協(xié)作就會更加流暢，激發(fā)出更多的創(chuàng)造性火花。

此外，企業(yè)應創(chuàng)建一個允許試錯的環(huán)境，鼓勵團隊成員大膽嘗試和創(chuàng)新。引入如AI挑戰(zhàn)賽和AI使用積分排名等游戲化機制，可以讓創(chuàng)意過程變得更加有趣，并為團隊帶來適度的競爭和激勵，提升整體參與度和創(chuàng)新動力。在這一過程中，需要明確生成式AI的角色是作為創(chuàng)意的助力者而非替代者，讓團隊成員感受到他們在創(chuàng)意過程中的不可替代性，從而借助生成式AI產出更高水平的創(chuàng)意成果。將生成式AI引入創(chuàng)意共創(chuàng)的文化中，賦予每個員工與AI合作的空間和自由，鼓勵員工大膽使用AI生成創(chuàng)意、探索不同的解決方案，而不僅僅是完成特定任務。此外，企業(yè)應促進跨職能團隊合作，整合不同領域的專業(yè)知識與生成式AI的創(chuàng)意能力，以提升整體的創(chuàng)新效果，這將為企業(yè)發(fā)展創(chuàng)新能力奠定堅實基礎。

生成式AI在企業(yè)任務中的深度介入，使員工的角色和職責也隨之發(fā)生變化。因此，績效考核體系必須反映這些變化，使評估標準與員工的新角色相匹配。這意味著，評估標準應從單純的任務執(zhí)行轉向更多地考慮創(chuàng)意指導、AI監(jiān)督和決策優(yōu)化等方面的貢獻。此外，需要考慮采用新的評估標準更全面地衡量人機合作創(chuàng)新的質量，這些標準既要考慮AI在創(chuàng)新過程中的貢獻，也要反映人類對創(chuàng)意的深度再加工和整合。

提升人機合作創(chuàng)新質量

人機合作創(chuàng)新的質量受到多種因素的影響，如任務特征、技術能力、專家/新手的創(chuàng)新能力以及人機交互能力等多個方面，其中，人機交互能力至為重要。最新的研究揭示了人機合作過程中的一個關鍵概念——人工智能商數(shù)（Artificial Intelligence Quotient，AIQ），是指個體在利用AI技術處理多樣化任務時所展現(xiàn)的穩(wěn)定能力差異。AIQ作為一個獨立且關鍵的指標，不僅與個人的智力商數(shù)（IQ）和情緒商數(shù)（EQ）相區(qū)別，還超越了單純的計算機使用能力。這種能力包括識別AI的優(yōu)勢和劣勢，適時調整交互策略，以最大化合作效益。高AIQ的員工能夠有效識別和應用AI的優(yōu)勢，同時彌補AI的不足，這種能力在未來的職場中將成為一種新型的競爭優(yōu)勢。因此，企業(yè)應重視員工的AIQ，并通過系統(tǒng)性的方法培養(yǎng)員工的人機合作能力，以獲得更好的創(chuàng)新成果。

首先，員工與AI的交互技巧是人機合作能力的核心。通過系統(tǒng)培訓，員工可以學習如何構建和優(yōu)化提示詞，使AI更準確地理解任務需求并生成高質量的輸出。這不僅包括設計準確的提示詞，還涉及明確任務目標和交互期望，避免使用模糊或不完整的指令。此外，培養(yǎng)員工的批判性評估能力至關重要，這使其在接受AI建議時能夠保持審慎，識別輸出中的潛在問題并提出改進建議，逐步優(yōu)化與AI的交互效果。

其次，理解生成式AI的優(yōu)勢和局限性是開展有效的人機合作的基礎。通過持續(xù)學習與實踐，員工可以熟悉生成式AI工具的強項和弱點，了解生成式AI在哪些場景中表現(xiàn)最佳以及何時需要人類的判斷力。例如，生成式AI有時會生成看似不合常規(guī)的創(chuàng)意或“錯誤”，但這些意外可能包含著新的機會。員工可以通過“逆向合作”，將AI生成的意外作為新的起點，利用這些非傳統(tǒng)的創(chuàng)意進行再開發(fā)，挖掘潛在的創(chuàng)新方向。員工使用生成式AI的系統(tǒng)培訓應包括對AI工具的實操演練、案例分析以及對生成式AI生成內容的應用策略。企業(yè)還應通過數(shù)據(jù)驅動的反饋機制，定期收集生成式AI交互的數(shù)據(jù)和員工的使用反饋，分析交互的有效性，及時調整和優(yōu)化AI的使用策略，推動合作效果的持續(xù)提升。圖3展示了某大模型公司內部研發(fā)團隊對生成式AI輔助代碼開發(fā)的定期評估，涵蓋了對不同生成式AI在速度、準確性和易用性方面的評分，以及對其優(yōu)勢和劣勢的分析，為進一步提升員工與生成式AI的協(xié)作質量提供了重要參考。

最后，在人機合作中，始終以人為中心至關重要。企業(yè)應注重員工的成長與發(fā)展，合理設定AI期望管理，避免對AI的過度依賴。特別是，AI被設計為輔助工具，通常會“迎合”員工的觀點而非提出反駁，在創(chuàng)新合作過程中，提示AI扮演“建設性挑戰(zhàn)者”的角色能夠激發(fā)員工進行反思，幫助其突破思維局限。此外，生成式AI在教育領域展現(xiàn)了巨大潛力，能夠促進教育的規(guī)?；€性化和公平化發(fā)展。作為教育的一個應用場景，一個典型的例子是AI智能陪練系統(tǒng)——通過采用1V1智能對練模式，即時反饋用戶的表現(xiàn)，并根據(jù)用戶的具體需求和技能水平，提供針對性的訓練內容和建議。通過分析歷史數(shù)據(jù)和學習進度，該系統(tǒng)可以為不同的用戶量身定制學習方案，幫助他們在最短的時間內掌握關鍵知識和技能。這一系統(tǒng)可以廣泛應用于各類培訓場景，如銷售技巧強化、客戶服務培訓、新員工入職培訓等。企業(yè)應充分挖掘生成式AI在個性化學習方面的應用，將生成式AI作為個性化學習的工具，為員工提供量身定制的學習和發(fā)展路徑，幫助員工在與AI協(xié)作的過程中實現(xiàn)技能的快速迭代和提升。

作者：

錢晨，清華大學經(jīng)濟管理學院博士后；

鄭曉明，清華大學經(jīng)濟管理學院領導力與組織管理系教授。