Исследование: инновационные проблемы, которые искусственный интеллект не может решить

Сегодня практически все команды, занимающиеся инновациями, работают с одними и теми же инструментами — теми же базовыми моделями (foundation models — крупными системами искусственного интеллекта, способными генерировать текст, изображения и код) и похожими наборами промптов (запросов, которые вводятся в систему ИИ). Однако результаты у всех разные: одни команды говорят о настоящем творческом подъёме, другие жалуются на однообразный, предсказуемый поток идей. Новое исследование, опубликованное в Harvard Business Review, объясняет эту разницу не самой технологией, а тем, как её применяют.

Главный вывод исследователей таков: применение ИИ в его типовом, «дефолтном» виде чаще усиливает человеческие барьеры, которые он должен был устранить, а не снимает их. На этапе генерации идей модели склонны подталкивать команды к знакомым, «безопасным» решениям — и это ещё крепче привязывает людей именно к таким идеям, из-за чего доля по-настоящему новаторских предложений снижается.

На этапе отбора идей проблема проявляется иначе: гладкие, эффектно оформленные с помощью ИИ презентации нередко воспринимаются как признак более сильной идеи, даже если по существу она ничем не превосходит остальные. Более того, рекомендации самой модели могут нести в себе уже существующие искажения — то есть система способна лишь воспроизводить укоренившиеся ошибочные представления, а не исправлять их.

На этапе изучения потребителей ИИ-«симулированные клиенты» заметно ускоряют тестирование, но не способны воспроизвести нелогичное, непредсказуемое поведение реальных людей — то есть именно те факторы, которые в итоге определяют, примет рынок продукт или нет. Похожая картина наблюдается и после запуска продукта: ИИ способен мгновенно обобщить огромные массивы отзывов клиентов, однако команды нередко продолжают использовать эти выводы лишь для подтверждения собственных, заранее сложившихся убеждений.

Главная рекомендация авторов исследования строится на диагностическом подходе: прежде чем применять ИИ, руководителям стоит задать себе вопрос — в чём именно кроется барьер: в нехватке информации, в ошибочных выводах или в неверно выстроенной системе мотивации? И самое главное — прямой контакт с клиентами, особенно там, где требуется проверка реальных фактов, должен сохраняться в любом случае.