會用生成式 AI 的人，點子為什麼比較好

1. 基本資訊

這篇論文由 Patrick Held、Tim Heubeck、Reinhard Meckl 合著，2025 年發表於 European Journal of Innovation Management，正式書目為第 28 卷第 10 期，頁碼 5376-5399，DOI 為 10.1108/EJIM-06-2025-0711。研究主題非常直接，處理的是個人使用生成式 AI 的能力，如何影響 idea generation，並透過認知資訊處理風格發生作用。就期刊辨識來看，這是可辨識的正式管理與創新期刊；但本輪未另外查核其最新 SSCI、Scopus 分區或 ABS ranking，因此期刊品質與索引狀態只能寫為「可辨識為正式期刊，ranking 未明確確認」。

2. 研究問題

作者真正要回答的，不只是「用了 GenAI 會不會比較有創意」，而是更細的一層問題：為什麼有些人用了 GenAI 之後能把想法擴展成更好的創意，有些人卻沒有明顯增益。文章把焦點放在 usage capability，也就是個體是否真的有能力透過提示、迭代、評估與修正來把 GenAI 用好，並進一步追問這種能力是否會改變人處理資訊的方式，最後才影響 idea generation。這個問題設定很重要，因為它把 GenAI 從一個「人人都一樣可用」的工具，轉成一種需要能力差異才能解釋成效差異的協作媒介。

3. 理論基礎

本文的理論主軸是 Cognitive Experiential Theory, CET。這個理論認為，人有兩套相對獨立但會互動的資訊處理系統，一套偏理性、分析、審慎與邏輯推進，另一套偏經驗、直覺、感受與快速聯想。作者把這套雙系統理論放進 GenAI 使用情境中，主張個體若真的具備較高的 GenAI 使用能力，就不只是比較會操作工具而已，而是更可能以有結構、有反思的方式處理外部資訊與 AI 回應。換句話說，文章不是把認知風格當成固定人格背景，而是把它視為 GenAI 協作成效的重要機制橋梁。

4. 研究架構

整體架構很清楚：GenAI usage capability -> cognitive information processing styles -> idea generation。其中中介變項被拆成兩條路徑，一條是 rational processing style，另一條是 experiential processing style。作者預期，較高的 GenAI 使用能力會同時提升兩種處理傾向，但最終是否真的能轉成更好的 idea generation，還要看哪一條認知路徑比較有效。這個架構的價值，在於它把技術能力、認知機制與創意結果串成可檢驗的因果鏈，而不是停留在「AI 有助創意」這種過度平面的說法。

5. 假設邏輯

本文是典型假設檢驗研究。第一層邏輯是，會用 GenAI 的人更能從 AI 取得有價值的刺激、重組資訊並產生候選點子，因此 usage capability 應正向影響 idea generation。第二層邏輯是，這種能力會促使個體更常啟動理性與經驗兩種資訊處理方式。第三層也是文章最關鍵的一步，作者認為創意生成雖然常被想像成靠直覺，但在 GenAI 協作情境裡，真正能把 AI 輸出轉成可用構想的人，往往更需要分析、篩選、比較與評估，因此理性處理風格的中介效果可能比經驗風格更重要。這使文章從「創意等於靈感」轉向「創意也需要認知治理」。

6. 方法

研究採定量問卷設計，樣本為 399 位來自德國、奧地利、瑞士領先諮詢公司的專業顧問。這個樣本選得很有意義，因為顧問工作本身就高度依賴問題定義、知識整合與方案發想，也就是 idea generation 相對密集的知識工作。主要分析方法為 PLS-SEM，用來檢驗 GenAI 使用能力、理性與經驗處理風格，以及 idea generation 之間的路徑關係。方法上它的強項是樣本規模不小，且情境不是學生模擬任務，而是較接近真實知識工作者；但限制也在於它仍是橫斷式自陳資料，無法直接觀察真實提示品質或創意產出內容。

7. 結果

研究結果大致可以濃縮成三句話。第一，GenAI usage capability 對 idea generation 有顯著正向影響，代表不是只要接觸 GenAI 就夠，而是真的會用的人比較能從中得到創意收益。第二，使用能力同時正向影響理性與經驗兩種資訊處理風格，表示 AI 協作並不只啟動單一路徑。第三，也是最關鍵的發現，真正能把能力轉成創意結果的，是 rational processing style，而不是 experiential processing style。也就是說，GenAI 確實可能提供靈感素材，但若缺乏分析與結構化處理，這些刺激未必會穩定變成更好的想法。

8. 理論貢獻

這篇的第一個理論貢獻，是把 GenAI 研究從「使用頻率」推進到「使用能力」，這比單純問有沒有用過、用多久，更接近真正能解釋成效差異的機制。第二，它把 CET 帶進 human-GenAI 協作與創意生成研究，指出創意並不必然由經驗式直覺主導，在 GenAI 情境下，理性處理反而更可能成為把 AI 潛力轉成創新想法的關鍵橋梁。第三，它替創新管理文獻補上一個很實用的觀點：GenAI 的價值不是自動釋放，而是仰賴使用者是否能用分析性認知去駕馭模型輸出。這使得 AI x innovation 的研究，從技術樂觀敘事轉向更可操作的能力與認知基礎。

9. 實務意涵

對企業與團隊管理者來說，這篇最重要的提醒是，不要把 GenAI 導入理解成軟體安裝完成就算成功。若組織真的想提升員工的創意發想與方案設計能力，投資重點不該只放在工具存取，而要放在 prompting、輸出比較、論點修正、邏輯驗證與批判性評估等能力培養。這也意味著教育訓練的目標不是讓員工更依賴 AI 生成第一版答案，而是讓他們更能用理性方式把 AI 當成可反覆試探與精煉的創意夥伴。對創新管理來說，真正有價值的不是「AI 給了很多點子」，而是人能不能把那些點子轉成較高品質、較可實施的方案。

10. 研究限制

這篇研究的侷限主要有三個。第一，樣本集中在德語區顧問產業，代表結果較貼近高知識密度、專案導向、問題解決導向的工作情境，未必能直接推廣到一般行政、教育或製造現場。第二，變項多來自自陳問卷，無法直接驗證受訪者真實的 GenAI 操作水準與創意品質。第三，橫斷資料很難回答一個更深的問題：到底是因為會用 GenAI 才更常啟動理性處理，還是本來就偏理性的人更容易學會把 GenAI 用好。這些限制不會推翻結論，但提醒我們它比較像是一篇強機制線索文，而不是最終定論。

11. 對我研究的啟發

這篇對我很有價值，因為它幾乎正中我目前的核心主線：AI × 認知風格 × 知識創造 / 創新機制。我之前已經累積了 human-GenAI collaboration、knowledge seeking、creative phase、trust 與 cognitive style 等文獻，這篇則提供一個更明確的中介語言，讓我可以把「為什麼有些人與 GenAI 協作後更能產生好點子」拆成 能力 -> 認知處理 -> 創意結果。第一個可直接延伸的方向，是把這篇的理性 / 經驗處理風格接到我更關心的認知風格分類，看不同 cognitive style 的人是否因為與 GenAI 的互動方式不同，而走出不同的 idea generation 路徑。第二個方向，是把 idea generation 再往知識創造階段化，區分探索、整合、精煉與表述，檢查理性處理是否在不同階段扮演不同角色。第三個方向，是把使用能力當成可設計的條件，而不是固定個體差異，進一步問 training、prompt scaffolding 或 interface design 是否能幫助原本較弱的我形成更好的理性協作模式。若我要建構自己的研究模型，這篇很適合當成 linking paper。

12. 整體評價

我認為這篇值得收進我的核心文獻池，而且更適合被當成 empirical support 與 mechanism paper，而不只是一般背景文。它最強的地方在於問題設得很準，沒有停在「GenAI 有沒有幫助創意」的熱門空話，而是直接追問能力差異與認知機制。作為 framing paper，它的理論厚度夠用，但還不是上位整合理論；作為 empirical support，它非常實用，因為把能力與理性處理的重要性講得很清楚；作為 methods reference，它可提供 PLS-SEM 路徑設計思路，但方法本身不是最大亮點。明顯限制是它仍偏單一產業、單一時間點與自陳資料，因此若要往更強的 human-GenAI knowledge creation 理論推進，還需要搭配實驗、行為資料或縱向設計。不過整體來說，這篇對我目前的研究路線是高度可重用的。