創意流程各階段的人機協作與認知機制

2. 研究問題

這篇文章的核心問題不是泛泛地問「GenAI 能不能幫助創意」，而是更細地問：Human-GenAI collaboration 在創意流程的不同階段，是否會透過不同認知機制，分別提升創意的不同面向。作者把創意拆成至少兩個關鍵階段：前段的 idea generation 與後段的 idea elaboration，也把創意成果拆成 novelty 與 usefulness 兩個維度。真正要回答的是：如果人與 GenAI 在「發想階段」互動，是否更能提高新穎性；如果在「細化階段」互動，是否更能提高實用性；而這兩種效果背後，究竟是來自 cognitive flexibility 的提升，還是來自 cognitive overload 的降低。

3. 理論基礎

本文主要建立在兩組理論上。第一組是 creative process theory，特別是把創意視為多階段歷程的觀點，也就是創意不是一次性產出，而是會經歷想法生成、篩選、細化與落地的動態過程。第二組是 goal orientation theory，作者用它來說明不同創意階段其實對應不同目標導向：idea generation 偏向追求探索、開放與 novelty；idea elaboration 則偏向追求收斂、可行與 usefulness。把兩組理論合在一起後，作者主張 GenAI 不應被視為一個一體適用的創意工具，而應被視為在不同階段承擔不同功能的合作對象。這也讓文章從單純的「AI 可提升創意」命題，提升到「AI 如何依任務階段改變認知運作與創意產出」的層次。

4. 研究架構

整體研究是一個很完整的 multi-method 設計，共分三個層次。Study 1 先以 20 位具創意工作經驗、且有實際使用 GenAI 經驗的受訪者做半結構式訪談，用質性資料確認創意工作者確實會在不同創意階段以不同方式與 GenAI 協作。Study 2 再拆成兩個實驗：Study 2a 檢驗在 idea generation 階段與 GenAI 協作，是否透過提升 cognitive flexibility 增加 novelty；Study 2b 則檢驗在 idea elaboration 階段與 GenAI 協作，是否透過降低 cognitive overload 提高 usefulness。最後的 Study 3 使用 198 位全職工作者，做線上行為實驗，同時納入 perceived GenAI intelligence 與 GenAI experience，測試完整的中介與調節模型。也就是說，文章不是只停在概念論述，而是用質性探索加兩輪實驗再加一輪大樣本驗證，把機制、效果與邊界條件串成一個完整模型。

5. 假設邏輯

作者的推論邏輯很清楚。當人處在 idea generation 階段時，任務目標是擴大想法空間、跳出慣性與探索不尋常組合，因此最重要的認知資源是 cognitive flexibility。GenAI 在這個階段若能提供跨領域聯想、陌生刺激與新的組合路徑，就可能打破自我錨定，使個體更容易產出 novel ideas。相反地，當人進入 idea elaboration 階段，任務目標會轉向收斂、修補、評估與落地，此時最大的瓶頸不是缺少點子，而是認知負荷過高。GenAI 若能在這個階段協助整理、比較、優化與檢查邏輯，就可能降低 overload，讓人把有限認知資源放在 refinement 上，因此提高 usefulness。進一步地，作者認為這種 phase-specific 效果未必對所有人都一樣，因為若使用者主觀上覺得 GenAI 很聰明，他更可能信任其建議、採納其修正，因此在 elaboration 階段的效果可能更強；至於使用經驗是否會同樣調節這些效果，則交由後續實驗驗證。

6. 方法

Study 1 訪談了 20 位具 GenAI 協作經驗的創意工作者，使用 NVivo 進行 open coding、axial coding 與 selective coding，整理出 collaboration phases、creative goals 與 psychological mechanisms 等核心類別。Study 2a 與 2b 都採 within-subjects 設計，受試者分別是 42 與 44 位大學生，任務是產品行銷相關創意工作。在 2a 中，受試者有一個任務在 idea generation 階段與 GenAI 協作，另一個任務則獨立完成，用來比較 cognitive flexibility 與 novelty；在 2b 中，操弄改成在 idea elaboration 階段與 GenAI 協作，用來比較 cognitive overload 與 usefulness。創意表現由三位行銷領域專家以 consensual assessment technique 評分。Study 3 則找來 198 位全職工作者，使用 ChatGPT 整合到自建線上系統中，以 2×2 between-subjects 設計操弄 collaboration phase 與 perceived GenAI intelligence，並以自陳量表測量 GenAI experience、cognitive flexibility、cognitive overload、creative novelty 與 usefulness，同時控制 digital skills、creative self-efficacy 與 GenAI trust 等變項。

7. 結果

結果非常整齊，也支持文章最核心的 phase-contingent 命題。Study 2a 顯示，在 idea generation 階段與 GenAI 協作，會透過 cognitive flexibility 的提升，顯著增加 novelty，對應的間接效果估計為 0.17，95% CI = [0.033, 0.341]。Study 2b 則顯示，在 idea elaboration 階段與 GenAI 協作，會透過 cognitive overload 的下降，顯著提升 usefulness，間接效果估計為 0.14，95% CI = [0.056, 0.222]。Study 3 進一步驗證這兩條路徑：generation phase 的 collaboration 會帶來更高的 cognitive flexibility，並經由這條路徑提升 novelty；elaboration phase 的 collaboration 會帶來更低的 cognitive overload，並經由這條路徑提升 usefulness。比較值得注意的是調節結果並不對稱。Perceived GenAI intelligence 只顯著強化了 elaboration phase 經 cognitive overload 影響 usefulness 的間接效果，卻沒有顯著調節 generation phase 經 cognitive flexibility 影響 novelty 的路徑。GenAI experience 在兩條調節路徑上都沒有被支持。作者據此推論，對 novelty 來說，少量刺激就可能足以啟動發想，不一定需要很高的信任或熟練度；但對 elaboration 來說，信任 GenAI 的判斷品質更重要，因為細化與修正更依賴採納 AI 的評估與建議。

8. 理論貢獻

這篇文章最強的理論貢獻，是把「人與 GenAI 協作如何影響創意」從單線條結論，推進成一個 phase-specific dual-pathway model。過去很多研究把 AI 對創意的影響講成一個總效果，好像只要有 AI，創意就會整體變好或變差。但這篇文章把創意拆開之後，指出 novelty 與 usefulness 對應的心理需求和任務條件不同，因此 GenAI 的價值也會轉換。這不只讓 human-AI collaboration 研究更細，也讓 creativity literature 能真正把數位合作者納入理論框架，而不是把 AI 當成一般工具附帶提過。另一個重要貢獻是，它把 cognitive flexibility 與 cognitive overload 明確設成兩條不同中介機制，避免用模糊的「AI 提升創造力」概念掩蓋實際運作機制。最後，作者提出 perceived GenAI intelligence 在不同階段的非對稱作用，對理解信任、採納與創意評估之間的張力也很有價值。

9. 實務意涵

對組織與創意團隊而言，這篇文章的實務訊息很直接：不要把 GenAI 當成全程一視同仁的助手，而要根據創意流程設計不同介入點。若團隊正處在 brainstorming 或 concept discovery 階段，GenAI 更適合扮演 exploratory copilot，用來擴展聯想、打破慣性與刺激新奇組合；這時重點是提升 novelty，而不是馬上追求完美。若團隊已進入 refinement、proposal polishing、campaign tuning 或 execution planning 階段，GenAI 更適合扮演 evaluative assistant，協助比對方案、減少資訊負荷、檢查邏輯與補強可行性。對管理者來說，真正要設計的不是「要不要導入 GenAI」，而是「在什麼階段、用什麼互動方式導入 GenAI」。這也意味著教育訓練與工作流程設計應該 phase-specific，而不是只教員工一套通用 prompt 技巧。

10. 研究限制

雖然這篇文章設計完整，但限制也很清楚。第一，實驗任務主要是產品行銷創意與廣告方案，能否外推到更複雜的知識工作、研發設計、跨部門創新或長週期創作，還不能直接假定。第二，多數樣本來自東亞脈絡，文化背景、對 AI 的態度與創意規範都可能影響結果，因此跨文化可推廣性仍待驗證。第三，GenAI experience 沒有形成顯著調節，作者懷疑是樣本中高頻使用者太多導致變異不足，這表示目前結論未必能代表低熟練或初學者。第四，文章聚焦 individual creativity 與短時段任務，尚未檢驗長期協作、團隊互動、組織例行流程與創意疲乏等更動態問題。第五，研究雖然拆出了 novelty 與 usefulness，但仍是受控任務下的評分結果，與真實市場成效或創新實施成敗之間還有一段距離。

11. 對我研究的啟發

這篇對我特別有價值，因為它剛好把我最近一直在追的幾條線拉在一起：Human-GenAI collaboration、cognition、knowledge creation、creative work 與 organizational process。我前面已經讀過 cognitive style 影響 human-GenAI knowledge creation 的文章，這篇則往前一步，把「人機協作到底在什麼階段創造什麼價值」講得更機制化。對我後續研究來說，第一個可直接延伸的方向，是把 creative phase 的想法轉譯成 knowledge creation phase，例如把 knowledge exploration、knowledge articulation、knowledge refinement 當成對應階段，檢驗 GenAI 在不同知識工作階段扮演的角色是否不同。第二個延伸方向，是把我關心的 cognitive style 接進來。這篇看的是 cognitive flexibility 與 overload，但還沒真正處理分析型、直覺型、整體型或探索型認知風格的人，是否會在不同階段以不同方式與 GenAI 協作。第三個方向，是把人對 GenAI intelligence 的主觀知覺，轉化成我可研究的 trust / epistemic reliance 問題。也就是說，當研究者、知識工作者或創新團隊覺得 AI 很聰明時，這會不會讓他們在 refinement 階段更有效率，同時又在 early ideation 階段過早收斂。這篇文章很適合當成我未來建構「phase-based human-GenAI knowledge creation model」的核心橋梁文獻。

12. 整體評價

我認為這篇是目前 backlog 裡非常值得優先讀的一篇，而且不是因為它只是在熱門題材上加一層 GenAI，而是因為它把常見但粗糙的論述真正做細了。文章最大的優點是問題意識精準，知道「AI 對創意有沒有幫助」這種問題太大也太粗，所以乾脆拆成階段、拆成結果維度、拆成認知機制，讓答案可操作、可驗證、也更能被組織拿去用。方法上它不是只靠一個實驗硬推結論，而是先用質性確認現象，再用兩個實驗測主路徑，再用大樣本線上實驗驗證完整模型，說服力夠強。當然，它的限制也提醒我們，不要把 phase logic 直接視為普遍真理；創意任務越複雜、團隊互動越密集、組織政治越強，GenAI 的作用可能不會這麼乾淨。但整體而言，這篇是很好的「中層理論型」論文：既夠理論，也夠實證，還能直接轉成研究設計與實務流程語言，對我後續做 AI × cognition × knowledge creation 的研究很有用。