不管是能夠生成文本、由 OpenAI 打造的 ChatGPT，還是能按照指示生成藝術圖像的 DALL-E，隨著生成式 AI 模型的不斷演進，我們對人機協作的未來──甚至是由 AI 引領改變的未來──有了逐漸清晰的想像。
有鑑於此，企業有沒有可能將研發部門交予 AI 掌舵呢？畢竟 AI 能有效加速想法生成、用比人類學者更快的速度進行迭代，還有機會簡簡單單就引爆下一場新潮流？
然而事與願違，對新創或成長到一定規模的公司來說，將研發創新量能完全交給生成式 AI，是項風險很高的舉措，還可能將整個產業都捲進產品同質化、枯燥無趣的死亡漩渦裡。
研發不應過度依賴 AI 的五項原因
1. AI 的天才之處不在於原創性
生成式 AI 是一種效能超高的預測機器，它之所以能生成內容，是參考大量歷史前例作為基礎，去預測下一個單詞、圖像、設計、或程式碼怎麼接會最適合。
這也是為什麼在 AI 寫作公司 Writer 工作的 May Habib 會說：「針對著重數量而非品質的寫作需求，AI 往往表現優異。」比如請 AI 腦力激盪一系列配圖文字、產出策略或列出清單；即便使用者只是微調指示，AI 也能據此做出不同的受眾、意圖、語調等調整。
話雖如此，當我們細究本質，就會發現 AI 再怎麼聰明，都突破不了訓練資料庫的天花板，它無法像人類詮釋文字那樣充滿新意，也無法真正「打破框架」去思考，因為它總是向後看，總是依循著已被開拓好的道路前行。
曾在亞馬遜、Smartsheet 工作，現職為 Google 軟體工程師的 Ashish Pawar 表示，AI 的好壞取決於背後的資料集，而在研發的世界裡，這樣的特性是根本性的缺點，因為創新的誕生，所需要的遠遠超越基於歷史數據的漸進式改良。
2. AI 是股同質化力量，但創新需要「不一樣」
Pawar 也指出，當 AI 基於相同的資料庫訓練，去生成設計、解決方案、技術設定的方式，風險是帶來一場同質化的進程；倘若所有市場競爭者都選擇用生成式 AI 率領研發──這些系統或多或少接受相同的資料庫訓練，將導致市面上的產品千篇一律；或許表面上特色略有不同，但產品的核心概念毫無新意。
3. 我們有時是在一片混沌中「玩」出創新
嘗試失敗與意料之外的發現，可謂研發世界的核心本質；偶發事件或模糊性往往成為推動創新的助力。透過靈感、本性或直覺，人類科學家能發掘失敗中隱藏的價值，並將意外視為機會點，這是電腦無法比擬的。
然而，生成式 AI 沒有模糊性的概念，更不會將失敗視為成功之母，因為 AI 所受的訓練是要去避免錯誤、優化精確性，並解決混沌不清的數據。這些特質或許有助於物流重整、工廠產出提升，但對於探索與創新來說，缺乏精心製作的路線圖和應變失敗的彈性。
4. AI 缺乏的關鍵軟實力：同理心和遠見
當我們頌揚某項產品「具有顛覆性」，很少完全是因為它架構在縝密的邏輯之上，更可能是因為這項設計理念，誕生於人類同理心、直覺、渴望和遠見的交會點──出色的創新往往源於一份「在乎」，且回應人類細微的需求與情感，而非只懂得盤算新產品多有效率、多能增進收益。
5. 可能導致研發人才技能退步，失去破框思考能力
當你讓 AI 做太多事情時會發生什麼事？Pawar 觀察，在任何領域中，一旦自動化減損了人類員工的積極參與度，人才技能便會開始走下坡──停止思考每項任務背後的「為什麼」，問題解決能力也會逐漸流失。
而對於著重研發的產業來說，這將對人力資本與企業長期的創新文化，帶來不容小覷的威脅：倘若研發團隊退居幕後，變成 AI 生成內容的監督者，漸漸地，他們可能將失去挑戰和跳脫 AI 生成內容的能力。
重新思考 AI：補充而非取代研發人才
不過，生成式 AI 如果使用得當，可以加速研發生產力，又不會抑制創造力。關鍵在於，我們必須確保 AI 成為人類創新的輔助推進工具，而不是將研發工作的創造力、願景或策略方向完全外包給生成式 AI。因為，無論技術如何演進，我們仍然渴望知道，人類能出自好奇心和勇氣去創造出些什麼，而這樣的靈光乍現與原創性，演算法或機器學習模型都無可匹敵。
預約收看「AI 人才高峰會」NVIDIA、台積電演講精華！
【推薦閱讀】
◆ AI 發展太快逾 50% 執行長自認失敗！專家建議 4 作法更輕鬆導入 AI
＊本文開放合作夥伴轉載，參考資料：《VentureBeat》、《The Washington Post》，首圖來源：Shutterstock。
（責任編輯：廖紹伶）
