AI 時代的創意思考：跟人一起想點子，為什麼比跟 ChatGPT 一起想更有創意？
重點先看
● 跟同事一起想點子，比跟 ChatGPT 一起想更有創意，而且越到後面差距越大。
● 2026 年實驗 208 人：AI 組的回答比較長，原創性與多元性卻沒有比較高。
● 今天就能做：下次要想點子，先找一位同事聊十分鐘，再打開 AI。
思考的起點
Penn State 的 Roger Beaty 團隊 2026 年實驗：兩個人想點子，比人加 ChatGPT 更有創意。「直接問 AI 就好了，幹嘛還要開會？」年底活動要想新點子，主管這樣說，大家也覺得有道理。三十秒拿到二十個點子，誰還要花一個下午在白板前面？可是研究者把「跟人一起想」和「跟 ChatGPT 一起想」放在同一個實驗裡比，結果跟直覺相反：AI 給得又快又多，真正跑得比較遠的，是兩個人你一句、我一句。
AI 時代的創意思考：2026 年實驗，兩個人想點子比人加 ChatGPT 更有創意
208 位受試者，被隨機分成兩組。
一組是兩個人一起做創意題，另一組是一個人和 ChatGPT 一起做。這是美國賓州州立大學（Penn State）心理學副教授 Roger Beaty、布蘭迪斯大學（Brandeis University）博士後研究員 Clin Lai 等人做的實驗，論文〈有創意還是沒創意的夥伴：比較人與 AI 在合作創意任務中的表現〉2026 年 9 月在《人類行為中的電腦》（Computers in Human Behavior）期刊上線，作者還有 Simone Luchini 與 Nina Lauharatanahirun。
根據 Lai 與 Beaty 等人的論文摘要，這是一個事先登錄研究設計的實驗：68 組是人和人配對，72 組是人和 GPT-4o 配對，雙方輪流當先開口的那一個，一起做兩種創意任務。第一種是心理學常用的「替代用途測驗」，例如請你想出一塊磚頭、一本書還有哪些用法；第二種是合寫短篇故事。
結果有三個。
第一，和 ChatGPT 合作的人，寫出來的回答比較長。表面上看，AI 好像幫了大忙。
第二，可是兩個人一起想的那一組，點子比較有創意。研究者在摘要裡寫得很直接：所謂合作創意上的「AI 優勢」是一種錯覺，主要來自 AI 的回答比較長，不一定代表比較有創意；和 AI 合作時，人自己想出來的回答，創意也比和人合作時差。
第三，人和人的合作創意，隨著時間越來越強。
Lai 與 Beaty 在 2026 年 10 月 28 日刊於《The Conversation》的文章裡補了一個細節：ChatGPT 單獨給的某些點子其實滿有創意，例如「把書拿來當隔音材料」；問題是，它在很多次不同的對話裡，都給出同一個點子。單看一次很新鮮，放在一起看，整組點子就變得很像。
為什麼 AI 的點子單看很新，放在一起卻很像？
「LLM 的回答彼此相像的程度，遠高於人和人之間。」
這是 2026 年 2 月《PNAS Nexus》期刊論文〈大型語言模型的創意是同一種創意〉的結論，作者是 Emily Wenger 與 Yoed Kenett。根據 Wenger 與 Kenett 的研究，他們讓很多人和很多個不同的語言模型做同樣的標準化創意測驗，再比較整群回答有多分散；就算控制了幾個重要的干擾因素，模型和模型之間還是比人和人之間像得多。
這個發現回答了一個常見的疑問：「是不是換一個 AI 就好了？」研究者的意思是，問題不只在某一個模型，而在現在的語言模型普遍都這樣。如果大家都拿它們當創意夥伴，不管用哪一個，產出都可能往同一個方向靠。
同一年 3 月，美國南加大（USC）電腦科學家 Zhivar Sourati 與同事在《認知科學趨勢》（Trends in Cognitive Sciences）發表意見論文，談的是更大的一層。根據 Cell Press 透過 EurekAlert 發布的新聞稿，Sourati 說：「每個人寫作、推理、看世界的方式本來不一樣。當這些差異都經過同樣的 LLM，各自的語言風格、觀點和推理方式就被均質化了。」
新聞稿裡還有一句，很多上班族看了會心虛：使用者常常順著模型建議的接續往下走，選一個「看起來夠好」的選項，而不是自己寫，主導權就這樣一點一點從人移到模型身上。
這不是說 AI 沒用。Sourati 團隊也提到，個人用 LLM 時，常常能想出更多、更詳細的點子；可是一群人用 LLM，和一群人直接把彼此的腦袋放在一起相比，點子反而比較少、比較沒創意。
所以，團隊裡每個人都先問同一個 AI，再把答案帶來開會，看起來很有效率。只是桌上那二十個點子，可能有不少方向很接近。
如果你的團隊也是這樣，會議上點子很多，選來選去卻都差不多，問題往往不是大家不夠有創意，而是想點子的方式，讓每個人的經驗沒機會進來。我們的創意思考工作坊，就是帶團隊把「怎麼一起想」當成一件可以設計的事，讓不同的人真的想出不同的東西：
https://www.designthinking.com.tw/contactus
越想越遠：為什麼和人合作的創意，時間越久差距越大
「和人合作帶來的創意好處，在合作越往後的時候越明顯。」
這是 Lai 與 Beaty 在《The Conversation》文章裡寫的第三個發現。他們用「語意距離」來衡量點子：兩個概念在意義上相隔多遠。距離越大，代表點子越不像，探索的範圍越廣。
根據兩位作者的說明，隨著時間過去，和人互動帶來的語意距離，比和聊天機器人互動來得大。換句話說，兩個人一起想，會一起走到比較遠、比較陌生的地方；和 AI 一起想，點子容易慢慢收攏，時間一長，可能把你探索的範圍越縮越小。
為什麼人會越想越遠？研究者的解釋很樸素：每個人都有自己獨特的經驗，那是一個被訓練來產生「平均回答」的語言模型抓不到的東西。你的同事去年處理過一個奇怪的客訴，前年在菜市場看到一個很聰明的攤位，這些東西不在任何資料集裡，可是一被說出來，就可能讓你的下一個點子轉彎。
這裡要補一個容易混淆的地方。我們之前寫過〈腦力激盪法是什麼？4 個原則、優缺點，以及為什麼一群人想出的點子反而比較少〉，談的是一大群人同時搶著講，會互相卡住。這次的實驗是兩個人輪流接話，和一大群人七嘴八舌不一樣。人多不一定好，可是「有人可以接」，看起來很重要。
延伸閱讀：如果你想知道為什麼好點子常常出現在後段，可以看〈創意發想方法有哪些？5 個團隊常用的方法，以及為什麼好點子常在後面才出現〉。
那還能用 AI 嗎？研究建議：先跟人聊，再跟 AI 聊
「先跟人聊天，再跟 ChatGPT 聊天。」
這是 Lai 與 Beaty 在文章最後給的建議，他們的英文寫法很俏皮：Chat-human before you ChatGPT。
他們也提到一個常見的補救辦法：給 AI 設定人設，例如請它用「一位來自印度、專長教學的男性大學教授」或「一位 58 歲、經營營建公司的女性創辦人」的角度回答。根據兩位作者引用的研究，這種做法確實讓 ChatGPT 的點子比較多元，可是整體範圍還是比不上真人。
另一份 2026 年的研究，從「人自己」的角度補上另一半。研究者 Elena Hayoung Lee、Yidan Yin、Nan Jia、Cheryl Wakslak 2026 年 3 月在《科學報告》（Scientific Reports）發表實驗：根據 Lee 等人的研究，一組人直接複製 AI 寫好的內容，另一組先自己寫草稿、再用 AI 修改。結果直接複製的那組，對自己能力的信心、對成果的擁有感和工作的意義感都下降了，而且回到不用 AI 的工作時，信心和意義感的下降還持續著；先自己寫、再讓 AI 幫忙的那組，和完全自己做的人差不多。
兩份研究放在一起看，結論不是「別用 AI」，而是順序很重要。先讓人把自己的經驗和想法放上桌，再讓 AI 幫忙延伸、整理、補漏，AI 是放大器；一開始就把題目丟給 AI，人很容易變成幫 AI 挑答案的那一個。
我們之前在〈先問 AI，還是先想清楚？研究 713 名大學生：同樣用 AI，差別在用之前的那一步〉談過個人層次的「先想再問」；這次的研究把同一件事放大到兩個人、一個團隊。
用設計思考怎麼解：先把「想點子」變回一群人的事
先說清楚：上面幾份研究做的是實驗和調查，研究者沒有用設計思考。下面是 Cha Cha 給要帶團隊想點子的主管、專案負責人的建議。
設計思考裡的「發想」，本來就不是一個人對著螢幕完成的事。它的前提是：桌上要有不同的人、不同的經驗，點子才會長出不同的方向。AI 時代最容易丟掉的，就是這個前提。
今天就能做的一小步：下次要想點子，打開 AI 之前，先找一位不同部門的同事，只問他一個問題：「這個問題，你在工作或生活裡，有沒有看過什麼很像的情況？」
然後只聽，不急著評論。十分鐘就好。
做得好的樣子是這樣：你原本在想「年底活動怎麼吸引客人」，同事卻說起他上個月去銀行辦事，被一張手寫的便條打動。你手上多了一個 AI 不太會給你的角度：讓人記住的，可能不是活動本身，而是某個很小、很像人的細節。這時候再打開 AI，請它從這個角度幫你延伸，你拿到的東西就會不一樣。
這一步很小，可是它把一件事放回了正確的順序：先讓人的經驗進來，再讓 AI 幫忙。
可是一個人問一位同事，和一整個團隊一起想，是兩回事。團隊要怎麼安排，才不會變成幾個人搶著講、其他人點頭？一群人各自帶著不同的經驗，要怎麼接，才會越想越遠，而不是越想越像？哪些點子該留、哪些該放？自己帶最難的不是開始，是不知道做到哪裡才算對。這一段，比較適合大家坐下來，有人在旁邊一起帶。
我們的觀點
這次的研究，最值得記住的不是「人比 AI 有創意」這種口號，而是一個很具體的落差：AI 給得比較多、比較長，人和人一起想，卻走得比較遠。
在很多公司，「AI 讓想點子變快」已經被當成常識。我們不反對用 AI，它確實很適合整理、延伸和補漏。可是如果團隊的第一步就是每個人各自去問同一個 AI，會議桌上看起來點子很多，真正不同的可能沒幾個。
我們認為，AI 時代的創意思考，關鍵不在你用了哪一個 AI，而在誰先開口。先讓人和人的經驗碰在一起，再讓 AI 進來幫忙，創意的範圍會比較大；反過來，人很容易從想點子的人，變成幫 AI 挑答案的人。
所以下一次要想點子，先別急著打開對話框。找一個人，問一個問題，聽十分鐘。
概念速查
AI 創意均質化：
很多人用同樣的 AI 工具想點子、寫東西，產出越來越像的現象。單一個 AI 點子可能很新，可是放在一起看，整體的多樣性變低。
替代用途測驗（Alternate Uses Task）：
心理學常用的創意測驗，請受測者在限定時間內想出一個常見物品（例如磚頭、書）的各種用法，再看點子的數量和原創性。
語意距離（semantic distance）：
衡量兩個概念在意義上相隔多遠的方法。點子之間的語意距離越大，代表想法越不一樣，探索的範圍越廣。
人機協作：
人和 AI 一起完成工作。2026 年的研究顯示，先自己想、再讓 AI 幫忙修改的���作方式，比直接採用 AI 的產出，更能保住人對工作的信心和擁有感。
FAQ
Q：用 ChatGPT 想點子，會讓人比較沒創意嗎？
A：看怎麼用。2026 年 Computers in Human Behavior 的實驗發現，和 ChatGPT 合作的人回答比較長，但兩個人一起想的那組點子更有創意、更多元，而且差距隨時間變大。
Q：AI 的點子為什麼看起來都差不多？
A：語言模型是預測最可能出現的下一個字。2026 年 PNAS Nexus 的研究發現，不同模型的回答彼此相像的程度，遠高於人和人之間，所以大家都用 AI，點子容易往同一個方向靠。
Q：團隊腦力激盪要不要用 AI？
A：可以用，但建議放在後面。研究者的建議是先跟人聊、再跟 AI 聊：先讓不同的人把經驗和想法放上桌，再請 AI 延伸、整理、補漏。
Q：換一個 AI，或叫 AI 扮演不同角色，可以解決點子太像的問題嗎？
A：有幫助但有限。研究者引用的研究發現，給 AI 設定人設可以讓點子比較多元，但整體範圍仍比不上真人；Wenger 與 Kenett 的研究也發現，不同模型之間本來就很像。
Q：一個人工作，沒有同事可以討論，怎麼辦？
A：先自己寫下想法，再請 AI 幫忙修改。2026 年 Scientific Reports 的實驗發現，先自己寫草稿再用 AI 修的人，信心和擁有感和完全自己做的人差不多；直接複製 AI 內容的人則會下降。
開放討論
你的團隊上一次想點子，第一步是問 AI，還是先問彼此？ 如果把同樣的題目丟給三位同事，你覺得會聽到 AI 給不出來的什麼？ 在你的工作裡，哪一種點子你寧願慢一點，也要和人一起想？
資料來源
Computers in Human Behavior，Clin K. Y. Lai、Simone A. Luchini、Nina Lauharatanahirun、Roger Beaty（2026/09 上線，2027/02 期）｜Creative or uncreative partner: Comparing humans and AI in collaborative creative tasks
https://doi.org/10.1016/j.chb.2026.109172
The Conversation，Clin Lai、Roger Beaty（2026/10/28）｜AI may quickly generate ideas, but working with people leads to more creative ones
PNAS Nexus，Emily Wenger、Yoed N. Kenett（2026/02/27）｜Large language models are homogeneously creative
https://academic.oup.com/pnasnexus/article/5/3/pgag042/8529001
EurekAlert!（Cell Press 新聞稿，2026/03/11）｜AI is homogenizing human expression and thought, computer scientists and psychologists say（Sourati、Ziabari、Dehghani，Trends in Cognitive Sciences）
https://www.eurekalert.org/news-releases/1118598
Scientific Reports，Elena Hayoung Lee、Yidan Yin、Nan Jia、Cheryl J. Wakslak（2026/03）｜Relying on AI at work reduces self-efficacy, ownership, and meaning while active collaboration mitigates the effects
https://www.nature.com/articles/s41598-026-42312-6
配圖：Photo by Kaleidico on Unsplash
關於文字策展人
Cha Cha 是查查創意文字策展人暨創辦人，Stanford d.school 設計思考專業研修，累積超過三百場企業工作坊實戰經驗。長期深耕設計思考、創意思考與未來趨勢，致力於讓更多人在 AI 時代找到自己的思考方式。