生成式AI在创意设计中的双刃剑效应：基于设计工作的实验研究

作者及发表信息

本研究的作者团队包括：
- Jinghui (Jove) Hou（美国休斯顿大学C.T. Bauer商学院决策与信息科学系）
- Lei Wang（美国印第安纳大学Kelley商学院运营与决策技术系）
- Gang Wang 和 Harry Jiannan Wang（美国特拉华大学阿尔弗雷德勒纳商学院会计与管理信息系统系）
- Shuai Yang*（通讯作者，中国东华大学旭日工商管理学院）

该研究于2025年10月3日在线发表于Information Systems Research期刊，标题为《The Double-Edged Roles of Generative AI in the Creative Process: Experiments on Design Work》，DOI: 10.1287/isre.2024.0937。

学术背景

研究领域与动机

本研究属于人机协作（Human-AI Collaboration）与创意认知（Creative Cognition）的交叉领域。随着生成式人工智能（Generative AI, GenAI）如Stable Diffusion、DALL·E和Midjourney的崛起，AI已从传统工具演变为“共创者”（cocreator），能够生成新颖且复杂的内容。然而，现有文献多聚焦于AI对创意最终成果的影响，而忽视了创意过程的动态机制，尤其是人类与AI协作的阶段性差异。

核心理论与研究空白

研究基于两大理论框架：
1. 创意过程理论：将创意分为构思阶段（ideation stage，发散思维）和实施阶段（implementation stage，收敛思维）。
2. 认知固化理论（cognitive fixation）：专家可能因“专家固化效应”（Einstellung effect）过度依赖既有方法，抑制创新。

研究目标包括：
1. 揭示GenAI在创意两阶段（构思与实施）中的差异化作用；
2. 探讨设计师专业水平如何调节GenAI的影响。

研究设计与方法

实验流程

研究包含两项实验：

研究1：实验室实验

• 参与者：192名大学生（84名设计专业为“高 expertise”，108名非设计专业为“低 expertise”）。
  
• 任务：设计推广中国某乡村的平面海报，分为构思（10分钟）和实施（27分钟）两阶段。
  
• 实验设计：四组随机分配：
  
  • T0（对照组）：全程无GenAI；
    
  • T1：仅构思阶段使用GenAI（Stable Diffusion v1.1）；
    
  • T2：仅实施阶段使用GenAI；
    
  • T3：两阶段均使用GenAI。
    
• 测量指标：
  
  • 工作创意性（work creativity）：由3位专业设计师盲评新颖性（novelty）、相关性（relevance）、复杂性（complexity）；
    
  • 工作效率（work efficiency）：任务完成时间；
    
  • 修订行为：通过屏幕录像记录实施阶段的修改次数（如添加或编辑元素）。
    

研究2：实地实验

• 参与者：120名职业设计师，使用更先进的Midjourney v6.1模型。
  
• 任务：为低收入地区农产品设计真实广告。
  
• 新增机制检验：通过问卷测量工作常规化（work routinization）和选择过载（choice overload）。
  

主要结果

构思阶段：GenAI普适性增益

• 所有设计师的创意性显著提升（新颖性↑76%，复杂性↑97%），且不受专业水平影响（假设1a支持）。
  
• 效率略有下降（耗时增加约6分钟），因需探索更多可能性（假设1b未支持）。
  
• 机制：GenAI通过扩展解决方案空间（solution space）缓解认知固化，促进发散思维。
  

实施阶段：专业水平的双刃效应

• 低 expertise设计师：创意性持续提升（假设2a支持），效率无显著变化（假设2b未支持）。
  
• 高 expertise设计师：
  
  • 创意性无提升（假设3a支持），且耗时增加57%（假设3b支持）；
    
  • 机制：视频分析显示，专家因专家固化效应频繁修订GenAI输出（T2组平均修订17.5次 vs 对照组12.2次），试图调和AI与自身方法的冲突。
    

实地实验验证

• 使用更先进的Midjourney v6.1后，结果与研究1一致，排除技术迭代的干扰。
  
• 工作常规化量表证实：专家在实施阶段感知到GenAI显著偏离其常规流程（p<0.001）。
  

结论与价值

科学意义

1. 理论贡献：首次提出GenAI在创意过程中的阶段性双刃效应，并引入“专家固化”作为关键机制。
   
2. 方法论创新：结合实验室与实地实验，通过视频编码量化修订行为，提供客观证据。
   

应用价值

• 组织层面：需根据任务阶段和员工专业水平定制AI工具。例如，构思阶段全员使用GenAI，而实施阶段为专家提供可定制化模块。
  
• 技术设计：建议开发“专家模式”，允许调整AI输出以适配既有工作流（如Adobe的GenAI插件）。
  

研究亮点

1. 揭示GenAI对高 expertise设计师的反直觉负面效应，挑战“AI绝对有益”的假设。
   
2. 提出“任务-方法匹配性”框架：当AI方法与人类方法一致时价值最大，反之可能引发冲突。
   

其他发现

• 选择过载（choice overload）被排除：尽管GenAI生成更多构思，设计师最终保留的创意数量无差异。
  
• 技术稳健性：即使采用更先进的Midjourney v6.1，专家固化效应依然存在，表明结论具有普适性。
  

本研究为理解人机共创的复杂性提供了里程碑式见解，未来可拓展至写作、编程等多元创意领域。