Den nyeste adfærdsforskning og neurovidenskabelige studier fra blandt andet MIT Media Lab, Harvard Business School, MIT Sloan og ACM påpeger alle et markant kreativitetsparadoks: AI gør den enkelte medarbejder mere effektiv på den korte bane, men risikerer samtidig at lamme vores kollektive evne til at skabe de ægte, radikale gennembrud, skriver Jonathan Løw, serieiværksætter, AI-ekspert og foredragsholder, i denne kommentar.
Jeg har set nærmere på, hvad der sker, når mennesker og algoritmer støder sammen i innovationsprocessen. Et vigtigt studie blev udgivet for nogle år siden i Science Advances, hvor forskere testede, hvad der sker, når forsøgspersoner skal generere kreative koncepter med og uden hjælp fra generative sprogmodeller. Det skete altså, inden værktøjer som ChatGPT, Copilot, Perplexity etc. blev hvermandseje.
Resultatet for det enkelte individ var isoleret set imponerende. Testpersoner, der fik adgang til AI, leverede idéer med markant højere gennemsnitlig kvalitet og større umiddelbar brugbarhed. Det mest slående var den såkaldte ”udligningseffekt”: De personer, der i udgangspunktet scorede lavest i uafhængige kreativitetstests, fik det absolut største løft – op mod ni procents forbedring. AI kan med andre ord på den ene side fungere som en individuel demokratisering af innovationen.
Den positive side af generativ AI har imidlertid også en markant bagside, som vi er nødt til at forholde os stadig mere til, efterhånden som udbredelsen vokser.
For mens vi som individer præsterer bedre, sker der noget bekymrende på gruppeniveau: Idéerne mister deres diversitet. De bliver ensartede, og færre udgør reel radikal innovation.
Årsagen er simpel: Store sprogmodeller er i deres natur bygget til at spytte det statistisk mest sandsynlige svar ud. Når tusindvis af medarbejdere anvender de samme tre-fire dominerende AI-modeller, begynder vores løsningsmodeller uundgåeligt at konvergere.
Dertil kommer den mentale pris, vi betaler. Når forskere har undersøgt hjerneaktiviteten via EEG under computerstøttede innovationsprocesser, finder de svagere neurale forbindelser hos de personer, der læner sig passivt op ad AI-genererede forslag. Det er det, sociologer kalder kognitiv dovenhed.
Grundlæggende handler det derfor om at finde en gylden balance. AI er et værdifuldt værktøj til den inkrementelle innovation – til at forbedre, optimere og effektivisere det, vi allerede kender. Men historiens største innovationer og mest markante forretningsudviklende tiltag er sjældent opstået ud fra statistisk sandsynlighed. De opstår ud fra det obskure, det uventede og de geniale fejltrin.
Derfor vil jeg anbefale at følge disse tre konkrete råd og erfaringer, når det kommer til at bruge AI bedst muligt i forhold til innovation og forretningsudvikling:
1. Tænk selv først – uden brug af AI
Når et nyt projekt, et nyt produktdesign eller en kompleks systemarkitektur skal kastes i støbeskeen, skal AI holdes fuldstændig ude af lokalet i den indledende fase. Brainstormingen skal foregå med analoge penne, rå menneskelig intuition og vilde, upolerede indskydelser. Det er her, vi sikrer den kollektive diversitet.
2. Modvirk algoritmens middelmådighed
Hvis vi vil have innovative svar, skal vi bevidst prompte AI’en til at forlade sin komfortzone. Husk derfor at give maskinen nogle bevidste benspænd – f.eks. igennem en instruktion, der lyder: ”Giv mig 5 løsninger på dette problem, men du må ikke foreslå de 10 mest sandsynlige metoder.”
3. Beløn det uventede
Når AI gør det nemt at spytte strømlinede og ”fejlfri” projekter ud i højt tempo, opstår der en risiko for, at ledelsen begynder at belønne det forudsigelige. For at modvirke det opfordrer jeg altid organisationer til aktivt at måle og belønne kognitiv diversitet og radikale afvigelser. Hvis en medarbejder præsenterer en vild idé, der går stik imod algoritmens anbefaling, skal det fejres som et sundhedstegn frem for at blive set som en fejl.
Jonathan Løw
