AI助長產能，卻掏空了創新！靠「策略性摩擦」點燃組織洞見

AI讓草稿、分析與程式碼都能立即生成，生產力表面上提高了，創新卻可能陷入停滯；關鍵就在於，當「夠好」的答案變得幾乎零成本，組織成員就容易停止探索、轉向重複利用既有做法。如今，正確「流程」比正確答案更重要，在其間保留適度的「策略性摩擦」，讓人持續思考、檢驗，有助於新見解的產生。

領導人喜歡AI，因為AI讓知識變得容易重複利用：草稿立即生成、程式碼立即生成、分析立即完成。但研究顯示，知識變得容易重複利用，隱藏著一項代價。

我們研究組織如何學習。我們在最近發表於《管理科學》（Management Science）的研究中，採用正式分析模型，來檢視當「夠好」的答案變得幾乎零成本，會發生什麼事。這種分析模型是一種數學框架，用來分析組織中的個人如何決定要自行探索，還是重複利用他人找到的成果。模型預測，隨著重複利用增加，獨立探索會減少，團隊也會開始收斂，只使用少數幾種相同做法。簡單來說，生產力提高了，但創新卻在不知不覺中停滯。

我們也在實證研究中看到類似的觀察，例如凱文．布德羅（Kevin Boudreau）與卡林．拉哈尼（Karim Lakhani）在2015年發表於《研究政策》（Research Policy）之論文所記錄的實地實驗。他們發現，當計算生物學家能夠毫無阻礙地取得彼此的中間解法時，投入的努力會轉向精修既有方法，代價則是獨立實驗減少。搜尋空間因此縮小，這與我們模型所預測的生產力陷阱一致。

我們在自己的日常工作中，也體會到這種情況。為了跟上AI發展曲線，我們所在機構設立每週會議，分享新工具和使用案例。出席率很高。但隨著時間過去，團隊真正提出的全新發現愈來愈少。這背後的模式，顯而易見：參與討論的人愈來愈少，而會議內容也愈來愈聚焦於解釋最新AI工具究竟是什麼，因為其他人若沒有這些前置說明，就無法理解新穎應用。少數人進行探索，其餘人則等著從中受益。這個系統提高了分享，卻削弱了人們去做高成本工作的誘因，而洞見正是藉由進行高成本工作而產生。