想象一下，你正走进一座宏伟、充满魔力的图书馆，那里有一位超级聪明的机器人图书管理员，只要你提出要求，它就能瞬间写出上千个不同的故事，画出上百万幅独特的画作，或者解决上千个谜题。这不仅仅是一个拥有更多书籍的图书馆；这是一个在人类无法企及的速度下进行“创意创造”的地方。在科学界，研究人员称之为“丰盈”（abundance）。几十年来，我们一直在研究人类如何通过协作来创造新事物，观察我们的思维（认知）、我们的友谊与信任（社交）以及我们的规则与组织（组织）是如何帮助我们将不同的想法融合在一起，从而成就伟大的作品。但现在，我们有了一个新的机器人伙伴，它生成创意的速度比我们眨眼还要快。每个人都在问一个大问题：如果我们拥有无穷无尽的创意供应，这是否意味着我们会创造出更多惊人的事物，还是会不小心陷入一个乏味、重复的泥潭，导致每个人都想得一模一样？

这篇由研究员约拉姆·卡尔曼（Yoram Kalman）和云万（Yun Wan）撰写的论文，深入探讨了正是这个谜团。他们研究了为什么有些使用生成式人工智能（GenAI）的团队变得极具创造力，而另一些团队却陷入了不断产生重复、平庸想法的死循环。作者指出，问题不在于 AI 本身，而在于我们如何将其融入团队。他们提出了一个概念叫做“生成适配度”（generative fit），这就像是调节收音机到正确的频道。如果 AI 无尽的创意流与人类团队倾听、选择和融合这些创意的能力相匹配，奇迹就会发生。但如果团队被海量的选项所淹没，他们可能会感到恐慌，并直接抓取第一个容易得到的答案，从而导致“单一种植模式”（monoculture）——即一种每株植物都完全相同的农作物景观，没有任何新的风味生长出来。论文并未声称已经永久解决了这个问题，但它提供了一张新的地图，帮助管理者和团队理解为什么他们的 AI 工具有时像超能力，而有时却像是一条死胡同。

过多创意的魔力

把生成式人工智能想象成一个精灵，它不仅能实现你的一个愿望，还能瞬间生成你愿望的一百万个版本。过去，如果你想构思一个新的商业点子，你必须围坐在桌旁，苦思冥想，也许能得出十个或二十个可能性。那就是瓶颈：产生创意的过程。现在，有了 GenAI，瓶颈发生了转移。精灵可以在一秒钟内吐出一百万个点子。问题是什么？我们人类只能阅读、理解并挑选其中的几个，然后大脑就会感到疲劳。

作者将这种转变称为“丰盈”。这不仅仅是拥有“更多”的东西，而是拥有如此多的东西，以至于游戏的规则发生了改变。当你拥有一百万个选项时，最难的部分不再是寻找一个点子，而是决定哪一个是好的。如果你没有一套好的系统来筛选这一百万个点子，你可能只会随手抓取第一个看起来还行的。这就是“丰盈”如何意外变成“单一种植模式”的。想象一个机器人种下一百万颗种子的花园。如果园丁太忙顾不上检查，他们可能只会浇灌他们看到的第一个排，而那一排恰好是同一种花。突然间，你的花园里全是完全一样的花，尽管你原本有上百万种不同的种子可以挑选。论文指出，这就是团队在使用 AI 而没有计划时发生的情况：他们最终得到的是一个由雷同、平庸的想法组成的“花园”，而不是一片野性、多样化的森林。

秘诀：“生成适配度”

那么，我们该如何阻止花园变成乏味的单一种植模式呢？论文认为答案在于“生成适配度”。把它想象成钥匙与锁的匹配，或者手套与手的契合。这关乎确保 AI 的超能力（制造无尽创意）完美契合人类团队需要做的事情。作者利用同样的园艺类比，将其分解为三种类型的“适配”：

1. 启发式适配（灵感之火）： 这是指 AI 帮助你进行“探索”。它不是给你一个“最佳”答案，而是扮演一个俏皮的缪斯女神，抛出古怪、狂野且迥异的想法，让你的大脑活跃起来。这就像机器人图书管理员递给你一叠彼此完全不同的书，仅仅是为了看看什么能激发新的想法。如果适配度好，AI 会让你产生好奇心。如果适配度差，AI 只会给你一份枯燥、陈旧的答案清单。
2. 适应性适配（合适的工具）： 这是关于将 AI 与特定任务和执行任务的人进行匹配。初学者可能需要 AI 充当**“讨论板”（对他们自己的写作提供反馈），以帮助他们学习和进步；而专家也可能需要 AI 充当“讨论板”，但如果让专家将 AI 作为“代笔人”**（让 AI 完成整篇创作），实际上会损害他们的表现。研究发现，当专家让 AI 代写时，他们的工作质量反而下降了，因为 AI 的建议过于平庸，压缩了他们的创作范围。然而，初学者从 AI 作为“讨论板”中获益匪浅，这帮助他们探索了独自一人无法发现的技术。
3. 开放式适配（留出惊喜的空间）： 这是关于保持对未知事物的开放态度。这意味着要设计好团队的工作流程，让 AI 不仅仅是吐出一个最终产品，而是帮助你在过程中不断调整和改进。这就像是确保花园有空间让新的、意想不到的花朵生长，而不是在第一排种植完成后就锁上了大门。

现实世界的案例：当适配奏效时（以及失效时）

作者通过四个真实的案例展示了这在实践中是如何运作的。

在一个故事中，一群顾问使用 AI 来辅助工作。对于简单的任务，如编写营销文案，AI 是一个英雄。它提供了如此多的创意，使他们完成工作的速度更快，做得也更好，尤其是对于那些资历较浅的人。这是良好的适配：AI 的丰盈帮助他们进行了探索。但当他们尝试将 AI 用于需要混合不同类型数据（如访谈记录和电子表格）的复杂任务时，AI 失效了。顾问们过度信任了 AI，停止了批判性思考。AI 给出了一个听起来不错但却是错误的“看似合理”的答案。这是糟糕的适配：团队让 AI 的丰盈压倒了他们自己的判断力，导致了错误答案的单一种植模式。

在另一个故事中，一个团队测试了使用 AI 编写广告文案。当非专业人士将 AI 作为“讨论板”（针对自己的写作请求反馈）时，他们在工作上取得了很大进步。AI 帮助他们看到了自己未曾想到的新可能性。但当专家将 AI 作为“代笔人”（让 AI 负责整篇创作）时，他们的工作质量实际上变差了。AI 的建议过于平庸，专家们停止了发挥自己的创造力。AI 创意的丰盈反而“缩小”了专家的创作范围。

第三个故事涉及电话销售人员。AI 接管了他们工作中枯燥的部分（寻找潜在客户），这对顶尖销售人员来说非常棒。他们有更多时间在与客户交谈时展现创造力，销售额也上升了。但对于经验较少的销售人员，AI 只是把一大堆棘手的客户丢给了他们，却没有帮助他们弄清楚该如何沟通。他们感到不知所措且压力巨大。同一个 AI 工具帮助了专家，却伤害了初学者，因为团队没有根据不同的技能水平调整“适配度”。

最后，一项关于学生与 AI 协作的研究显示，如果学生只是向 AI 索要一份创意列表并停留在那里，他们的创造力就会陷入停滞。他们会陷入旧有创意的循环。但当他们被教导以不同的方式使用 AI——例如向 AI 请求反馈、与 AI 进行辩论以及共同完善想法时——他们的创造力便爆发式增长。只有当学生拥有一套使用创意的计划时，创意的丰盈才发挥作用。

启示：关键在于你如何使用它

这篇论文的核心教训是：生成式人工智能并不是一根能自动让我们变得更有创造力的魔杖。它是一个强大的引擎，产生无穷无尽的可能性。这股流向是变成创新的河流，还是变成重复的死水，完全取决于我们如何设置它。

如果我们只是让 AI 做一切，我们就有可能陷入“单一种植模式”，因为我们太忙于处理数百万个选项，从而导致每个人都想得一样。但如果我们精心设计团队——确保 AI 能帮助我们探索（启发式适配）、匹配我们的技能水平（适应性适配）并留下惊喜的空间（开放式适配）——我们就能将这种丰盈转化为真正惊人的成就。论文指出，人类与 AI 协作的未来不在于拥有最聪明的 AI，而在于围绕它建立起最聪明的团队。