GenAI 創意發想

2. 研究問題

作者真正想解的是：LLM 在創意發想中究竟能做什麼、做不到什麼，以及人應如何使用它，才不會只得到大量但平庸的點子？問題的重要性在於，GenAI 已進入題目形成、假設發展、刺激物設計、資料分析與寫作，但多數討論停在效率或倫理層次，缺少對「創意如何產生」的機制判讀。文章補足的缺口，是把 GenAI 的能力與人類創造力中的心理歷程連起來，並指出突破性創新不能只把 AI 當答案機器。

3. 理論基礎

核心基礎來自人類創造力的雙路徑觀點：持續（persistence）與彈性（flexibility）。前者是對有限問題空間的深入、反覆搜尋；後者是跨越不同語意類別、建立較遠距聯想。作者認為 LLM 的生產力可類比持續路徑，LLM 的語意廣度可類比彈性路徑。這不是說 AI 與人完全同構，而是提供可用來推理的功能性類比。另一個主軸是人機協作：當 AI 主導點子時，人要控管其適切性與偏誤；當人主導時，AI 的價值應轉為提問、刺激與觀點切換。

4. 研究架構

文章的架構可讀成兩層。第一層是能力層：LLM 的生產力與語意廣度，分別支援持續與彈性兩條創意路徑。第二層是分工層：若 LLM 是主要發想者，可扮演「設計師」與「寫作者」；若人是主要發想者，LLM 可扮演「訪談者」與「演員」。最終結果不是單純的點子數量，而是點子的適切性、原創性，以及能否從漸進式小點子走向較具突破性的「大點子」。作者的隱含邊界條件是：人類的判斷、領域脈絡與篩選仍不可被取消。

5. 假設／論證邏輯

本文沒有可檢驗的 H1、H2，不能硬寫成假設。它的命題邏輯是：第一，LLM 能在短時間大量輸出，因此可擴大持續搜尋；第二，LLM 可跨越語意領域，因而有助於彈性聯想；第三，僅靠這兩種能力往往較容易產出「數量多、增量式」的點子；第四，若要追求突破性創意，必須把人保留為關鍵發想者，讓 AI 改以蘇格拉底式提問或角色扮演來推進人的思考；第五，所有 AI 產出都必須經人類過濾，因為模型不會自然把真實性、偏誤與研究效度排在第一順位。

6. 方法

研究設計為概念整合與方法指引。作者回顧人類創造力、LLM 創意表現、消費者研究的理論建構與實驗設計等文獻，並用具體提示詞與研究工作情境說明四種角色如何使用。沒有新蒐集樣本、沒有量表、沒有統計檢定，也沒有宣稱因果效果；因此本篇不能當作實證效果大小的證據，而是理論 framing 與研究設計參考。這點很重要，否則會把一篇漂亮的概念文誤用成「AI 已被證明提升創新績效」的實證背書。

7. 結果／核心主張

第一，LLM 的高速產出有助於在受限的問題空間中反覆搜尋；其語意廣度則可促進跨領域組合。第二，現有證據顯示，LLM 及 LLM 輔助條件往往會增加較小、較漸進的點子；最卓越的人類點子仍可能優於模型產出。第三，當 AI 擔任「設計師」時，可協助產生較多樣的刺激物、找出未預期混淆變項；當 AI 擔任「寫作者」時，可讓想法表達得更具體、易理解與有說服力。第四，當人保留主導權時，AI 作為「訪談者」能用追問打破慣性思考；作為「演員」則能模擬某類消費者，協助形成訪談問題、樣本想像或前測方向，但不能取代真實受訪者。

8. 理論貢獻

本篇最有價值的地方不是提出一個新量表，而是把「GenAI 有創意」這種鬆散說法，拆解成兩個能力、兩條創意路徑與四個協作角色。它將人類創造力理論轉譯至人機共同發想，並把焦點從工具採用轉到協作配置。理論上，它提醒研究者：AI 的貢獻應以過程與任務角色來理解，而非用一個籠統的使用頻率變項處理。這對人機協作、創意自我效能、知識創造與創新管理都是可延伸的起點。

9. 實務意涵

對研究團隊、廣告代理商、產品開發與教育工作者而言，文章的建議很實際：先定義本次需要的是擴張、表達、反思還是情境探索，再指派 AI 角色；不要把「請給我十個點子」當成完整創意流程。研究設計時，AI 可協助多刺激物抽樣與混淆變項檢查，但研究者仍須人工確認操作化。教學上，教師可將 AI 設計為提問者，要求學生先形成自己的初始觀點，再接受反駁與重構，而不是讓學生一開始就交出提示詞取得的答案。

10. 研究限制

作者明示此領域尚新、跨學科證據仍在累積，且許多相關研究的創作者與評估者是一般使用者，不完全等同於專業研究者或高創意工作者。更根本的限制是：本文為概念論文，四種角色的效果、適用邊界與相對優劣尚未由同一套嚴謹設計直接驗證。我的額外判讀是，生產力與語意廣度未必穩定對應持續與彈性；不同模型、提示品質、任務專業性與使用者領域知識都可能改變結果。此外，「演員」角色非常容易讓使用者誤把文字合理性當成真實消費者證據，這是研究效度上的高風險區。

11. 對我研究的啟發

這篇可做我博士研究的framing paper與研究設計參考，但不宜單獨做實證假設的唯一依據。我現有模型中的學習導向、數位技能、組織支持與技術支援，原本是解釋創意自我效能的前因；本篇提供一個值得後續延伸的中介層：GenAI 協作角色品質／人類主導性／AI 輸出之脈絡化。例如可做新模型：組織支持與數位技能 → 有效 GenAI 協作配置（訪談者、設計師等）→ 創意自我效能 → 創新績效；其中領域專業知識或 AI 依賴可作調節。對廣告業尤其有感：AI 很適合生成刺激物、文案變體與觀點，但真正的洞察仍取決於創意人是否把品牌、受眾與情境知識灌回流程。若改成實驗，可比較「AI 直接給答案」與「AI 蘇格拉底式追問」對創意自我效能、點子新穎性與實用性的影響。

12. 整體評價

**值得讀，也值得列入核心文獻。**它最強的是期刊地位、問題切得準，以及把抽象人機協作具體化為四個可使用、可檢驗的角色。它最弱的是概念框架仍缺直接因果驗證，且受邀特刊文章採加速審查，不能把它當作完整多輪實證累積的替代品。就我的用途而言，它非常適合做 framing paper、研究問題引介與實驗設計靈感；可作 supporting paper，但不適合作為方法效果的唯一實證依據。直接結論：這篇不是「讀完就忘」的潮流文，而是我未來若要把 AI 使用從頻率變項升級成協作機制時，會反覆回來查的文獻。

今日結論

今天讀的是 De Freitas、Nave 與 Puntoni（2025）的 Journal of Consumer Research 正式期刊論文。最可重用的研究角度是「協作角色／人類主導性 → 創意自我效能 → 創新績效」。