论文中文标题：生成式人工智能在创意过程中的双刃作用：基于设计工作的实验研究
英文标题：The Double-Edged Roles of Generative AI in the Creative Process: Experiments on Design Work
期刊：Information Systems Research
作者：Jinghui (Jove) Hou, Lei Wang, Gang Wang, Harry Jiannan Wang, Shuai Yang
引用格式：Hou, J., Wang, L., Wang, G., Wang, H. J., & Yang, S. (2025). The double-edged roles of generative ai in the creative process: Experiments on design work. Information Systems Research.
一、摘要
生成式人工智能（GenAI）通过生成新颖且复杂的内容解决方案模拟人类创造力，这一特性重塑了各类创意领域中的人机协作模式。尽管具备这种变革性潜力，现有关于生成式人工智能的文献仍多将创造力视为最终产物，却忽视了人机协同创作过程中复杂的动态关系。为填补这一研究空白，本研究将创造力界定为一个包含两个不同阶段的过程，即构思阶段(ideation stage)与执行阶段（implementation stage）。基于创造力理论与专业固着理论(expertise fixation)，本研究提出理论假设：生成式人工智能对这两个阶段的影响存在差异，且这种差异取决于人类创作者的专业水平。本研究的研究一表明，生成式人工智能通过减轻所有设计师的认知固着（cognitive fixation），显著提升了构思阶段的工作创造力。然而在执行阶段，其影响呈现分化：低专业水平设计师借助生成式人工智能，工作创造力持续提升；而高专业水平设计师使用生成式人工智能后，工作创造力并未得到提升，工作效率反而显著下降。进一步的视频分析显示，专业固着是导致这些影响的核心原因。具体而言，在执行阶段，生成式人工智能所采用的工作方法与高专业水平设计师的既定方法存在偏差，这种情况下的人机协同创作最终会产生适得其反的结果。基于上述研究发现，研究二进一步验证了生成式人工智能的影响，以及专业固着在专业设计师群体中的作用，并排除了其他可能的解释。该研究还采用了前沿的生成式人工智能模型，确保研究结果在技术不断发展的背景下仍具有稳健性。本研究的发现为理解生成式人工智能在协同创作过程中的作用提供了细致深入的视角，并阐明了其基于创作者专业水平所产生的异质性影响。此项研究不仅推动了人机协作领域的相关学术研究，更为优化生成式人工智能在创意工作中的应用提供了切实可行的实践指导。
二、研究背景
生成式人工智能(Generative AI, GenAI)正深刻重塑创意劳动的形态。它通过自然语言提示生成文本、图像、视频乃至完整的设计方案，使机器从被动的辅助工具转变为主动的“创意伙伴”。与以往专注于自动化、效率提升的传统AI不同，GenAI能够模仿甚至拓展人类创造力，在平面设计、文案创作、广告策划、产品开发等领域展现出颠覆性潜能(De Cremer et al., 2023；Noy & Zhang, 2023)。
然而，现有研究大多聚焦于生成式AI对创意产出结果的影响，对人机共创过程的动态机制研究不足。换言之，研究者往往关注AI产出了什么，而忽视了AI如何影响创意过程本身。
Hou等（2025）指出，创造力是一个过程，而非单一结果。创意的生成通常经历两个阶段：
构思阶段(Ideation Stage)：以发散性思维为特征，核心是广泛探索、激发灵感；
执行阶段(Implementation Stage)：以收敛性思维为特征，核心是方案精炼与落地执行。
在此过程中，个体常受到认知固着困扰，即过度依赖已有经验与思维模式，导致创新受限。生成式AI可能一方面帮助打破固着、拓宽思维边界，另一方面又可能干扰专业设计师的既有工作路径，从而在效率与创造性之间产生双刃效应。
研究问题一：使用GenAI如何影响创意工作，尤其是在创造过程的构思与执行两个阶段中？
研究问题二：这种影响如何随着设计师专业水平的不同而变化？
三、理论基础
1.创造力理论(Creativity Theory)：创造力被定义为生成既新颖又有用的想法和解决方案的能力(Sternberg & Lubart, 1996)。经典研究(Eysenck, 2003；Sawyer, 2012)将创意过程划分为两个阶段：
发散性思维(Divergent Thinking)：侧重构想、灵感与可能性探索；
收敛性思维(Convergent Thinking)：强调筛选、整合与成果实现。
创造性成果往往取决于两种思维模式的动态平衡。
2.认知固着理论(Cognitive Fixation Theory)：认知固着指个体在解决问题时固守熟悉路径、难以产生新颖想法的心理状态(Smith, 2003)。它是创意障碍的核心根源。心理学研究发现，适度的“任务切换”或“外部刺激”能帮助个体跳出思维定式，从而恢复创造力(Lu et al., 2017)。Luchins(1942)首次提出专业固着效应以解释专家在熟悉领域中反而表现出思维僵化。随着经验累积，专家形成一套高效的认知脚本和操作模式，这种模式固化为专业惯性(Chi, 2006)。当面对新问题时，他们倾向沿用既有方法，从而忽视更优解。
Hou等据此提出：在与GenAI共创时，专家可能因既有模式被打破而出现效率下降甚至创造力受阻的现象，而新手则因缺乏固定套路更能从AI中获益。
四、研究假设
在构思阶段，任务本身强调发散思维、快速探索和灵感积累，而GenAI擅长生成大量想法与样式变体，能够显著提升创作者的创意效率与广度。理论上，这种外部生成的刺激对不同经验水平的创作者都具有帮助作用，因此作者提出：
H1（构思阶段）：在构思阶段，使用GenAI（vs.不使用）将提升创意工作的表现，无论是对经验丰富还是经验有限的设计师，都能提高（1a）创意水平与（1b）工作效率。
但在执行阶段，任务要求更强的审美判断、细节把控和目标聚焦。此时，AI的建议可能会与经验丰富设计师已有的专业认知产生冲突，干扰其原本的判断流程。而对经验较少者而言，AI依然可能发挥助力作用。基于此，研究进一步提出两组假设：
H2（执行阶段-初学者）：在实现阶段，使用GenAI将提升经验有限者的创意表现，包括（2a）创意水平与（2b）工作效率。
H3（执行阶段-高阶者）：在实现阶段，使用GenAI将削弱经验丰富者的创意表现，不仅不会提高（3a）创意水平，反而会降低（3b）工作效率。
五、研究设计
（一）实验一：实验室控制实验
样本：192名大学生（84名设计专业=专家组，108名非设计专业=新手组）。
任务：设计一张宣传中国东南农村县的海报。
实验设计：4组对照（仅发想用AI、仅实现用AI、两阶段均用AI、完全不用AI）。
指标：
创造性（由三位专业评委盲评新颖性、相关性、复杂性）；
效率（设计耗时）。
结果：
构想阶段：GenAI显著提升创造性，对专家与新手均有效；
执行阶段：新手的创造性与效率均提高，而专家效率下降57%，创造性无提升。
图1 实验设计-研究1
（二）实验二：现场实地实验
样本：职业设计师；
任务：为低收入地区产品设计宣传海报；
工具：采用新一代高性能GenAI模型验证结果稳健性；
结果：与实验一一致——GenAI在构想阶段积极，在执行阶段对专家形成干扰。
（三）机制验证：视频行为分析
研究者分析了实验录屏数据，发现专家在使用GenAI的实现阶段产生更多重复修改与返工行为，表明其在将AI产出融入自身流程时出现认知冲突与专业固着。
六、研究分析与结果
研究结果表明，生成式人工智能的确为创意工作带来了显著突破，但其作用并非普遍适用，而是受到创作阶段与设计师经验水平的双重制约。
在构思阶段(Ideation Stage)，无论是初学者还是专业设计师，使用GenAI均能显著提升创意成果的新颖性、相关性与复杂性，同时有效缩短构思所需时间，展现出强烈的“灵感助推器效应）”。这一阶段以发散性思维为核心，设计师能够从AI生成的丰富内容中汲取灵感、突破思维边界，进而拓展想象空间并提升创意表达的多样性。
然而，当创作进入执行阶段(Implementation Stage)后，GenAI的作用出现显著分化。对于经验有限的初学者而言，AI依然发挥积极作用：它能在细节优化、结构调整及风格统一等方面提供辅助指导，从而提升作品的执行效率与完成度。相较之下，对于经验丰富的设计师，GenAI的介入却可能扰乱其既有的创作节奏与审美逻辑。AI生成的内容往往难以契合专业设计师的个人风格与判断标准，导致其在协调、修改与筛选AI产出时耗费更多时间，整体效率下降，同时创意质量未见显著改善。
整体来看，研究结果印证了GenAI作为共创者(Co-creator)的双刃剑特性：它既能弥补创作经验的不足，成为灵感激发的助推器；也可能打乱成熟创作者的固有节奏，成为流程干扰的诱因。由此可见，创意工作的阶段性特征与创作者的专业认知结构，是决定AI作用路径的关键变量。
七、总结与启示
本研究通过两个严谨的实验设计——实验室控制实验与实地验证实验——系统揭示了生成式AI在创意过程中的双重角色与阶段性效应。研究发现：
阶段异质性显著。GenAI在构思阶段能够显著提升创意表现，对不同经验层级的设计师均有促进作用；但在执行阶段，其作用呈现分化特征。特别是对经验丰富的设计师，AI介入往往打乱原有的思维节奏和执行路径，造成效率下降与认知摩擦。
认知机制差异明显。研究揭示技能固化在AI共创过程中的关键影响：经验越深的设计师越容易被既有模式束缚，从而在AI介入时出现心理抵触与流程冲突，这一发现为理解AI的干预机制提供了新的理论视角。
在此基础上，研究提出以下多层启示：
（1）设计层面：模块化与分阶段的人机协作设计
AI工具的功能应依据用户经验水平和任务特征进行模块化设计。构思支持与执行辅助应分阶段介入：在早期创意阶段强化灵感生成与概念探索，在后期执行阶段则应减少干扰、保留专家主导地位，以防止AI越帮越忙的错位效应。
（2）管理层面：经验敏感型的AI部署策略
企业在引入AI协作工具时，应综合考量员工的经验层次与任务阶段，建立人机协同分层机制。对于新手，可充分利用AI激发思路与优化流程；对于专家，则应将AI定位为辅助性资源，而非替代性创作者，以保持其创造主导性和专业控制感。
（3）研究层面：拓展人机共创的动态机制探索
未来研究可进一步考察AI与人类创意者在多轮迭代创作中的互动模式，特别是不同领域、团队协作结构与个体差异（如创造倾向、风险偏好）对AI共创效果的调节机制。还可通过行为追踪、脑认知测量等方法揭示AI介入下的实时思维变化与心理负荷演化。
资料来源：中智院微信公众号