Yapay zekâ bireysel yaratıcılığı artırırken, kolektif fikir çeşitliliğini daraltıyor. Dört çalışma bunun nedenlerini ve yöneticilerin bu konuda neler yapabileceğini ortaya koyuyor.
Léonard Boussioux, Anil Doshi, Oliver Hauser ve Kartik Hosanagar
Özet:
Yapay zekâ, bireysel yaratıcıları daha üretken ve yenilikçi hale getirebilir; ancak bunun kolektif bir bedeli vardır. Kısa öykü yazımı, döngüsel ekonomi çözümleri, mizah ve işbirlikçi öykü anlatımı konularını kapsayan dört çalışmada, yazarlar yapay zekânın gruplar arası fikir çeşitliliğini sürekli olarak sınırladığını bulmuşlardır. Sonuç: Ortalama kalite daha yüksek, ancak çığır açan istisnai örnekler daha az. Bu paradoksu anlayan yöneticiler, uzun vadeli inovasyonu besleyen özgünlüğü korurken yapay zekâdan yararlanan iş akışları tasarlayabilirler.
Yapay zekâ yaratıcılığı nasıl etkiliyor? Üretken yapay zekâ araçları bizi daha mı yaratıcı, yoksa daha mı az yaratıcı yapıyor? Yaratıcılığın genellikle en başarılı fikirlerin ve girişimlerin motoru olduğu ve üst düzey yöneticilerin %83’ünün inovasyonu en önemli üç önceliği arasında sıraladığı göz önüne alındığında, yapay zekânın insan yaratıcılığını nasıl etkilediğini anlamak işletmeler için kritik önem taşıyor. Bir yandan, üretken yapay zekâ, mucitlerin ve tasarımcıların fikir ve kavramları hızla prototiplemelerini sağlayan değerli bir beyin fırtınası ortağı olarak hareket edebilir. Öte yandan, arama alanını çok erken daraltarak ve kullanıcıları “yeterince iyi” görünen yapay zekâ tarafından üretilen önerilere odaklanmaya teşvik ederek yaratıcılığı istemeden kısıtlama riski taşır.
Son dört çalışmada yaptığımız araştırmalar, gerçeğin bu basit ikili karşıtlığın ötesinde yattığını ortaya koyuyor. Yapay zekanın bireysel yaratıcılığı artırabileceğini, ancak kolektif yaratıcılığı azalttığını bulduk . Bunun nedenini açıklamak için öncelikle yaratıcılıktan ne kastettiğimizi netleştirmemiz gerekiyor.
Yapay Zeka ve Veriyle Liderlik Etme Konusunda Güncellemeler Alın, Yapay zekanın kuruluşunuzu nasıl etkilediği ve bunun şirketiniz ve müşterileriniz için ne anlama geldiği konusunda aylık bilgiler edinin.
Bireysel Yaratıcılıktan Toplumsal İnovasyona
Bilim insanları genellikle yaratıcılığı yenilik ve kullanışlılığın kesişim noktası olarak tanımlarlar.² Yenilik , bir fikrin veya eserin ne kadar özgün veya nadir olduğu derecesidir; kullanışlılık ise amacına ulaşmada ne kadar değerli veya etkili olduğu derecesidir. Yeni ama işe yaramaz veya kullanışlı ama özgün olmayan bir fikir yaratıcı değildir.
Bu boyutlar tek bir fikrin yaratıcılığını yansıtırken, bir grup fikrin yaratıcılığını en iyi yansıtan boyut çeşitliliktir . Herhangi bir fikir koleksiyonu, bazıları için yeni, diğerleri için ise bariz olan veya yeni ama kullanışlı olmayan birkaç fikir içerebilir. Ancak son derece çeşitli bir küme, hem gerçekten özgün hem de potansiyel olarak değerli olan birkaç son derece özgün istisna içerme olasılığı daha yüksektir. Bu genişlik, ekiplere zaman içinde yeniden birleştirmek, karşılaştırmak ve iyileştirmek için daha fazla ham madde sağlar ve bu da müşteri tercihlerinin tüm yelpazesine daha iyi uyan ürünler ortaya çıkarır. Sonuçta, başlangıçta pratik görünmeyen fikirler, iyileştirildikten veya yeniden birleştirildikten sonra çığır açıcı olabilir: örneğin, Post-it Notu haline gelen “başarısız” yapıştırıcı veya iç iletişim aracı Slack olan terk edilmiş video oyunu. Başka bir deyişle, yaratıcılık sadece çıktı miktarı ve kalitesinden daha fazlasını gerektirir. Ayrıca, farklı fikirlerin yeni araştırma alanlarını, yeni spekülasyonları ve yeni yenilikleri doğuran yeni tohumları tetikleyebileceği çıktı çeşitliliğini de gerektirir.
Daha geniş bir ağ kurarak, kuruluşlar güvenli, geleneksel seçeneklere erken yakınsamayı önleyebilir ve şaşırtıcı, yüksek etkili atılımların olasılığını artırabilir. Ancak araştırmamız burada ilginç bir paradoksu ortaya koyuyor. Bireysel olarak , yapay zeka genellikle yaratıcılığı artırır, özellikle daha az deneyimli veya doğuştan daha az yaratıcı bireylerin daha yeni ve faydalı fikirler üretmesini sağlar. Ancak toplu olarak , yapay zeka genellikle fikir alanını “sıkıştırır”. Birçok insan benzer yapay zeka tarafından üretilen önerilere odaklandığı için, çıktılar birbirine yakınlaşır. Yapay zeka yardımıyla üretilen tipik bir çıktı daha yaratıcıdır, ancak çıktıların tamamının varyansı azalır. Kısacası, yapay zekadan ilham alan bir fikir iyi görünse bile, herkesin yapay zekadan ilham alan fikirlerine benzer olabilir.
Yöneticiler için bunun sonuçları çok büyük. Buradaki zorluk, uzun vadeli inovasyonu besleyen fikir çeşitliliğini korurken, yapay zekanın verimlilik ve kalite avantajlarından yararlanmaktır.
Yapay Zekanın Fikir Çeşitliliği Üzerindeki Etkisi
Yapay zekanın yaratıcı çeşitliliği nasıl etkilediğini anlamak için, farklı yaratıcı alanları kapsayan dört yeni çalışmayı analiz ettik: kısa öykü yazımı, döngüsel ekonomi çözümleri, mizah içerikli alt yazı yarışmaları ve işbirlikçi öykü anlatımı. Farklı bağlamlara rağmen, tutarlı bir örüntü ortaya çıktı: Yapay zeka desteği, bireysel çıktı kalitesini artırırken, kolektif çeşitliliği daralttı.
Bu çalışmalardan ilkinde, ikimiz (Anil ve Oliver) yapay zekaya erişimin yaratıcı süreci ve kolektif çıktının çeşitliliğini nasıl etkilediğini inceledik. 3 Bu deneyde, katılımcılardan sekiz cümlelik kısa öyküler yazmaları istendi. Bazıları tamamen kendi başlarına yazarken, diğerlerine bir yapay zeka modeli tarafından oluşturulan beş adede kadar üç cümlelik öykü taslağı verildi. Bağımsız değerlendiriciler, her katılımcının öyküsünün bireysel yaratıcılığını değerlendirdi. Ayrıca, öyküler arasındaki anlamsal benzerlik derecesini ölçmek için yapay zeka tabanlı metin analizini kullandık ve yapay zeka yardımıyla yazılanlarla yapay zeka yardımı olmadan yazılanları karşılaştırdık.
Yapay zekâ desteğiyle üretilen tipik bir çıktı daha yaratıcıdır, ancak çıktıların tamamının varyansı azalır.
Sonuçlar temel gerilimi ortaya koydu. Yapay zekâ desteğinin, özellikle yaratıcılık düzeyi daha düşük olan yazarlar için (önceden mevcut bir paradigma olan Ayrık İlişki Görevi ile ölçüldüğü üzere ) öykü yeniliğini artırdığını bulduk. Ancak kolektif düzeyde çeşitlilik azaldı. Yapay zekâ destekli gruplardan gelen öyküler, daha benzer olay örgülerine veya yapılara yakınsadı ve yapay zekâ olmadan yazılanlara göre daha az varyans gösterdi. (Öykü yazma grafiklerine bakınız.) Bu, sosyal bir ikilemi ortaya koyuyor: Bireyler, özellikle yaratıcı görevlerde en çok zorlananlar, yapay zekâdan fayda sağlarken, yaygın bağımlılık, kolektif fikir havuzunu daraltma riskini taşıyor ve bizi daha yüksek ortalama kaliteye ancak daha az ayırt edici aykırı değere bırakıyor.
İkinci bir çalışmada (Léonard, dört işbirlikçisiyle birlikte), bu model çok farklı bir alanda geçerliydi. 4 Katılımcılardan, atık malzemelerin yeniden kullanımı gibi sürdürülebilirlik zorluklarını ele almak için döngüsel ekonomi çözümleri önermelerini istedik. Sadece insanlardan oluşan bir grup, geleneksel geri dönüşüm önerilerinden, dökümhane tozu ve atık plastikten yapılmış, Lego benzeri birbirine kenetlenen tasarıma sahip, inşaatla ilgili hava kirliliğini azaltan yenilikçi tuğlalar gibi benzersiz, alışılmadık fikirlere kadar geniş bir yelpazede fikir üretti. Buna karşılık, yapay zekâ ile çalışan tek bir insan, bağımsız değerlendiricilerin genel kalite, stratejik uygulanabilirlik ve finansal ve çevresel değer puanlarında genellikle kalabalığı geride bıraktı. Ancak insan grubu yenilik konusunda daha yüksek puan aldı ve çığır açabilecek sıra dışı fikirler çoğunlukla sadece insanlardan oluşan gruptan çıktı. Bir kez daha, yapay zekâ performans tabanını yükseltti ancak çıktılardaki varyansı daralttı. (Döngüsel ekonomi grafiğine bakın.)
Yapay Zeka Desteği, Dört Araştırmada Yaratıcı Çıktıların Ortalama Benzerliğini Artırıyor
Her panel, farklı deneysel koşullar boyunca benzerlik puanlarının (çıktıların birbirine ne kadar benzediği) dağılımını göstermektedir. Daha yüksek benzerlik (sağa doğru kayma), daha az çeşitliliği gösterir. Hikaye yazımı, döngüsel ekonomi çözümleri ve mizah içerikli alt yazılar genelinde, yapay zeka destekli koşullar, yalnızca insan müdahalesi gerektiren koşullara kıyasla sürekli olarak daha homojen çıktılar üretmiştir.
Üçüncü bir çalışma, bu daralmanın yaratıcı sürecin hangi aşamasında gerçekleştiğini belirledi. 5 Bizden biri (Kartik, bir diğer araştırmacıyla birlikte), yapay zekanın fikir üretme veya fikir değerlendirme aşamasında yaratıcı çıktıların çeşitliliğini azaltıp azaltmadığını test etmek için New Yorker karikatür alt yazı yarışmasına benzer rastgele bir deney gerçekleştirdi. Dört işbirliği tasarımını test ettik: yalnızca insan, yalnızca fikir üretimi için yapay zeka kullanımı, yalnızca fikir seçimi için yapay zeka kullanımıyla insan fikir üretimi ve her iki aşamada da yapay zeka desteği. Çalışma, yapay zekanın hem fikirlerin miktarını hem de ortalama kalitesini artırdığını ve en büyük kazanımların hem üretim hem de değerlendirme aşamalarını desteklediğinde elde edildiğini buldu. Önemli olarak, çeşitlilik etkileri yapay zekanın ne zaman kullanıldığına bağlı olarak farklılık gösterdi: Fikir üretiminde yapay zeka sürekli olarak çeşitliliği azaltırken, fikir seçiminde yapay zeka, çeşitliliği yalnızca insan çalışmasıyla karşılaştırılabilir seviyelerde korudu. (Mizah alt yazı yarışması grafiğine bakın). Bu bulgu, potansiyel bir ilerleme yolu öneriyor: Yapay zekanın iş akışına girdiği aşama, kullanılıp kullanılmaması kadar önemli olabilir.
Bizden birinin (Kartik ve bir diğer araştırmacı) üzerinde çalıştığı dördüncü bir çalışma, bu içgörüyü doğrudan test etti. 6 Bu çalışma, farklı insan-yapay zeka iş birliği modellerinin hem öykü yazımının kalitesini hem de çeşitliliğini nasıl etkilediğini ve bu iş birliği modellerinin yazarların kendi bildirdikleri memnuniyetleri üzerindeki etkisini inceledi. Dört tasarım test edildi: yalnızca insan, yapay zeka taslağı ile insan liderliğindeki fikir üretme, insan onayı ile yapay zeka liderliğindeki yaratım ve süreç boyunca sürekli insan-yapay zeka iş birliği (“yardımcı pilot” senaryosu). Sonuçlar, önceki çalışmada gözlemlenen modeli doğruladı: Yaratıcı kontrolü yapay zekaya devretmek en homojen çıktıları üretti; insanların ve yapay zekanın yardımcı pilot olarak birlikte çalışması etkiyi bir ölçüde azalttı; ve erken yaratıcı görevlerden insanları sorumlu tutmak, tamamen insan çalışmalarında görülen çeşitliliğe yaklaşan önemli ölçüde daha fazla çeşitliliği korudu. (Hosanagar ve Ahn öykü yazımı grafiğine bakın.) Bu, açık bir tasarım ilkesini gösterdi: çeşitliliğin hayatta kalıp kalmaması, insanların iş akışına nerede dahil edildiğine bağlıdır.
Yapay zekanın iş akışına hangi aşamada dahil olduğu, kullanılıp kullanılmaması kadar önemli olabilir.
Yukarıdaki grafikler, bu bulguları dört çalışmanın tamamında görselleştiriyor. Çeşitlilik etkisini ölçmek için, her gruptaki çeşitli çıktılar arasındaki benzerliği hesaplamak üzere yapay zeka teknikleri kullandık ve ardından bu puanların ortalamasını aldık. Bunu bir kümeleme ölçütü olarak düşünün: Daha yüksek bir benzerlik puanı, fikirlerin bir araya toplandığı anlamına gelir; daha düşük bir puan ise daha geniş bir yaratıcı alana yayılmış oldukları anlamına gelir. Her panelde, yatay eksen ortalama benzerlik puanını temsil eder ve dağılım eğrisi, katılımcılar arasında bu puanın sıklığını gösterir. Yapay zeka devreye girdiğinde, eğriler sürekli olarak sağa doğru -daha yüksek benzerliğe doğru- kayarak çıktıların daha benzer hale geldiğini gösterir.
Yaratıcı İş Akışlarında Yapay Zekayı Nasıl Kullanabilirsiniz (Çeşitliliği Feda Etmeden)?
Çeşitli araştırmalardan elde edilen kanıtlar tek bir sonuca işaret ediyor: Yapay zekayı yaratıcı çalışmalarda nasıl kullandığınız, onu kullanıp kullanmamanız kadar önemlidir. Yapay zekanın verimlilik kazanımlarını elde ederken özgünlüğü korumak veya geliştirmek isteyen liderler, iş akışlarını bilinçli bir şekilde tasarlamalıdır. İşte kullanabileceğiniz bazı pratik stratejiler.
- Fikir üretme sürecinde insanları direksiyonda tutun.Daha önce açıklanan ve hikaye yazımında insan-yapay zeka işbirliğinin farklı modlarını test eden dördüncü çalışma, burada doğrudan bir rehber sunuyor. Fikir üretme sorumluluğunu elinde tutan katılımcılar, bağımsız değerlendiriciler tarafından ilgi çekicilik ve genel kalite açısından daha yüksek puan alan hikayeler ürettiler ve daha fazla memnuniyet bildirdiler. Çeşitlilik etkileri de aynı derecede önemliydi: Yaratıcı kontrolü yapay zekaya devretmek en homojen çıktıları üretirken, erken yaratıcı görevlerde insanları sorumlu tutmak, tamamen insan çalışmalarında görülen çeşitliliğe yaklaşan önemli ölçüde daha fazla çeşitlilikle sonuçlandı. Yapay zekanın baştan sona dahil olduğu yardımcı pilot modeli bile, insan liderliğindeki fikir üretmeye kıyasla çıktı çeşitliliğini daralttı.
Bu durum yöneticiler için acil pratik sonuçlar doğuruyor: Daha özgün fikirler yakalamak için yaratıcı ve yenilikçi iş akışlarında insanların liderliği ele almasına izin verin. Yapay zekayı sürece entegre etmeden önce, bir ekibin fikirleri taslak haline getirmesi veya erken taslaklar oluşturmasıyla başlayın. Bu sıralama, verimliliği korurken çeşitliliği de sağlar ve yapay zekanın, karmaşık ve şaşırtıcı sıçramalar yapma konusunda insana özgü yeteneğin yerini almak yerine, onu tamamlamasını sağlar.
Video oyunu yapımcısı Ubisoft’un kendi geliştirdiği yapay zeka aracı Ghostwriter , bu sıralamanın işleyişine somut bir örnek sunuyor. Büyük açık dünya oyunları üzerinde çalışan senaristlere yardımcı olmak üzere tasarlanan Ghostwriter, en tekrarlayan anlatım görevlerinden birini üstleniyor: oyuncu olmayan karakterler tarafından söylenen kısa diyalog satırlarının ilk taslaklarını oluşturmak. Önemli olan, aracın yazarın karakter veya hikaye şekillendirme rolünü ortadan kaldırmamasıdır; senaristler önce karakteri ve bağlamı tanımlar, ardından yapay zekanın oluşturduğu varyasyonlar arasından seçim yapar ve düzenler. İnsan yargısı tüm süreç boyunca direksiyonda kalır. Sonuç olarak, yazarların yaratıcı enerjilerini en önemli yere yatırmalarına olanak tanıyan bir iş akışı elde edilirken, yapay zeka daha sonraki aşamalarda yoğun iş yükünü üstlenir.
Dört çalışmanın tamamında tutarlı bir şekilde ortaya çıkan bir diğer önemli nokta şuydu: Eğer hedefiniz mümkün olan en büyük fikir çeşitliliği ise, insanları geçmek zordur. Ancak çeşitlilik tek başına yeterli değildir. Örneğin, döngüsel ekonomi çalışmasında, yapay zeka ile yinelemeli olarak çalışan tek bir insan, hedefli yönlendirme sayesinde pratik değere doğru hızlı bir şekilde iyileştirme sağladığı için genel kalite açısından daha yüksek puan alan çözümler üretti; oysa insan kalabalığı daha çeşitli ve yeni fikirler üretmektedir. Liderler, kuruluşlarının iş akışında yalnızca insanlardan oluşan grupları nasıl kullanacaklarına karar verirken akıllıca seçim yapmalıdırlar.
- Yapay zeka girdilerini çeşitlendirin.Homojenleşme genellikle herkesin aynı yapay zeka aracını aynı şekilde kullanmasından kaynaklanır. Yöneticiler, kasıtlı olarak çeşitlilik getirerek buna karşı koyabilirler: İstemleri değiştirin, rol yapma talimatlarıyla deneyler yapın (örneğin, “Bu fikre karşı çıkın”), paralel yapay zeka modelleri çalıştırın veya yeni veri kaynaklarını entegre edin.
Araştırmalar, fikir çeşitliliğini artırmak için bu taktiklerin kullanımını desteklemektedir. Örneğin, modelden çıktı üretmeden önce adım adım akıl yürütmesini istemeyi içeren düşünce zinciri yönlendirmesi, düz standart yönlendirmelere kıyasla fikir kümelerinde önemli ölçüde daha büyük bir dağılım üretir ve bazı durumlarda insan gruplarının elde ettiği varyansa yaklaşır. 7
Buna ek olarak, döngüsel ekonomi çalışması, insanların büyük bir dil modelini önceki yinelemelerden farklı çözümler üretmesi için yinelemeli olarak yönlendirdiğinde, değerden ödün vermeden yeniliği önemli ölçüde artırdığını göstermiştir. Bu saha çalışması, modeli her çıktıdan sonra “öncekilerden farklı bir sorunu ele almaya ve farklı bir çözüm önermeye” açıkça teşvik eden bu insan yönlendirmeli farklılaştırma yaklaşımının, üstün stratejik uygulanabilirlik ve genel kaliteyi korurken, insan kalabalıklarınınkine benzer yenilik derecelendirmelerine sahip çözümler ürettiğini ortaya koymuştur.
Yapay Zeka Kullanırken Yaratıcı Çeşitliliği Nasıl Koruyabiliriz?
İşte ekiplerin fikir alanını daraltmadan yapay zekayı yaratıcı iş akışlarına entegre etmelerine yardımcı olacak dört strateji.
- Çoklu ajan ve çoklu model yaklaşımlarını kullanın.Tıpkı çeşitli insan ekiplerinin homojen ekiplere göre daha geniş bir bakış açısı yelpazesi sunması gibi, yapay zeka “seslerini” çeşitlendirmek de yakınsamayı önleyebilir. Bir yapay zekanın fikir üretirken diğerinin bunları eleştirdiği veya birden fazla uzmanlaşmış ajanın bir problemin farklı yönleriyle ilgilendiği ajan tabanlı iş akışlarını dahil etmek, arama alanını önemli ölçüde genişletebilir.
Organizasyonlar, farklı modellerin veya ajanların aynı zorluğu farklı bakış açılarından ele aldığı sistemler tasarlayabilirler. Araştırma alanında, çoklu ajanlı yapay zeka sistemleri, hipotezler üreterek, bunları eleştirerek ve kendi kendini geliştiren döngülerde iyileştirerek bilimsel keşfe yardımcı olmaya başlıyor. Bazı erken kullanım örnekleri, deneysel olarak doğrulanmış sonuçlar üretiyor. 8 Colgate-Palmolive, bu mimarinin işleyişine dair pratik bir örnek sunuyor . Şirket, inovasyon çalışmalarını tek bir yapay zeka arayüzü üzerinden yönlendirmek yerine, farklı yapay zeka sistemlerini birlikte kullanıyor: Biri karşılanmamış ihtiyaçları ortaya çıkarmak için tüketici verilerini inceliyor, tescilli bir yapay zeka ürün konseptleri üretiyor ve üçüncüsü, tüketici tepkilerini simüle etmek için “dijital tüketici ikizleri” kullanıyor – her geçişte insan rehberliğiyle.
Buradaki temel fikir mimari bir yaklaşımdır: Kuruluşlar, tüm yaratıcı çalışmaları tek bir yapay zeka arayüzü üzerinden yönlendirmek yerine, birden fazla yapay zeka perspektifi arasında verimli bir gerilim yaratan iş akışları oluşturmalıdır. Bu yaklaşım, yapay zekanın verimliliğinden yararlanırken, çığır açan yenilikleri yönlendiren farklı düşünme biçimini de korur.
- İnsanların karşılaştırmalı üstünlüğünü korumak için güvenlik önlemleri alın ve dikkatli bir şekilde öneri yaratın.Yapay zekanın her yerde yardımcı pilot gibi davranmasına izin verme eğilimi olacaktır. Ancak çalışanlar temel yaratıcı görevlerini dışarıdan temin ederlerse, onları farklı kılan becerilerini kaybetme riskiyle karşı karşıya kalırlar. Yapay zeka kullanımına bazı öneriler getirmenizi öneririz; bu, insanların yapay zeka çıktısının pasif tüketicileri olmasını engelleyen küçük tasarım seçimleridir. Örneğin, ekiplerin yapay zekaya danışmadan önce insan tarafından oluşturulan seçenekleri sunmaları veya yapay zeka tarafından önerilen bir fikrin neden seçilmesi gerektiğini gerekçelendirmeleri gerekebilir.
İlgili Makaleler
Yapay Zeka Tarafından Oluşturulan Müstehcen Görüntüler ve Çevrimdışı Suçlar Arasındaki Bağlantı
Küresel Ölçeklendirme Açığı: Yapay Zeka Çağında Stratejik Netlik Neden Çok Önemli?
Uyarlanabilir Yönetişim ile Yapay Zekayı Ölçeklendirme
Sorunlu Takım Dinamiklerini Ele Almanın Yeni Bir Yolu
Burada söz konusu olan sadece kuruluşa fayda sağlayabilecek bir başka iyi fikir değil: Bu uygulamalar, insanların yaratıcı kaslarını aktif tutarken aynı zamanda yapay zekanın verimliliğinden de yararlanmayı sağlıyor. Bu tür koruyucu önlemler olmadan, verimlilik kazanımları hızla sıradanlaşacak, rekabetçi farklılaşma için çok az temel bırakacak ve herkesin yapay zekaya erişebileceği bir çağda iş gücünü yeni fikirleri ileriye taşıma yeteneğinden mahrum bırakacaktır. Araştırmalar bunu destekliyor. 2025 yılında yapılan bir çalışma, yapay zekaya sınırsız erişimi olan öğrencilerin, bu erişim kaldırıldıktan sonra önemli ölçüde daha kötü performans gösterdiğini buldu; ancak dikkatlice tasarlanmış koruyucu önlemler bu dezavantajı ortadan kaldırdı.⁹ Benzer şekilde, farklı bir çalışmada, yapay zeka önerilerini körü körüne benimseyen danışmanların, eleştirel denetimi sürdürenlere kıyasla daha düşük performans gösterdiği görüldü.¹⁰
Sonuç olarak, önümüzdeki yıllarda kuruluşların rekabet avantajını belirleyecek olan şey, insan zekasıyla geliştirilen çeşitli yaratıcı fikirleri, üstün kalite ve uygulanabilirlik elde etmek için yapay zekanın yeteneklerini doğru zamanda kullanan verimli, araştırmaya dayalı bir iş akışıyla destekleme becerileri olacaktır.
Yapay zekâ yaratıcılığı destekleyebilir, ancak bu ancak insanların sürece aktif ve erken aşamada dahil olması durumunda mümkün olur. Öne çıkan kuruluşlar, yapay zekâyı en çok kullananlar değil, onu en bilinçli şekilde kullananlar, insan özgünlüğünün ve makine verimliliğinin birbirini yok etmek yerine güçlendirmesine olanak tanıyan şekillerde yapay zekâ kullanımını tasarlayanlar olacaktır.
Yazarlar Hakkında
Léonard Boussioux, Washington Üniversitesi Foster İşletme Okulu’nda bilgi sistemleri ve operasyon yönetimi alanında yardımcı doçenttir. Anil Doshi, UCL Yönetim Okulu’nda strateji ve girişimcilik alanında doçenttir ve aynı zamanda Eğitimde Yapay Zeka girişiminin liderliğini yürütmekte, hem Üretken Yapay Zeka Uygulamaları Çalıştay serisini hem de Yapay Zeka Artı Yönetim Konsorsiyumunu yönetmektedir. Oliver Hauser, Exeter Üniversitesi’nde ekonomi profesörü ve Veri Bilimi ve Yapay Zeka Enstitüsü’nün müdür yardımcısıdır. Kartik Hosanagar, Pennsylvania Üniversitesi Wharton Okulu’nda John C. Hower Profesörü ve Wharton İnsan-Yapay Zeka Araştırma Girişimi’nin eş direktörüdür. (Yazarlar alfabetik sırayla listelenmiştir.)
Referanslar
- “ Şirketlerin %83’ü İnovasyonu İlk Üç Öncelik Arasında Sıralıyor, Ancak Sadece %3’ü Bu İnovasyon Hedeflerini Gerçekleştirmeye Hazır”, Boston Consulting Group, 4 Haziran 2024, https://www.bcg.com.
- TM Amabile, “Yaratıcılığın Sosyal Psikolojisi: Bileşenli Bir Kavramsallaştırma”, Kişilik ve Sosyal Psikoloji Dergisi 45, sayı 2 (Ağustos 1983): 357-376, https://doi.org/10.1037/0022-3514.45.2.357.
- AR Doshi ve OP Hauser, “Üretken Yapay Zeka Bireysel Yaratıcılığı Artırıyor Ancak Yeni İçeriklerin Kolektif Çeşitliliğini Azaltıyor”, Science Advances 10, no. 28 (12 Temmuz 2024): 1-9, https://doi.org/10.1126/sciadv.adn5290.
- L. Boussioux, JN Lane, M. Zhang ve diğerleri, “Kalabalık Olmayan Gelecek mi? Üretken Yapay Zeka ve Yaratıcı Problem Çözme”, Organizasyon Bilimi 35, sayı 5 (Eylül-Ekim 2024): 1589-1607, https://doi.org/10.1287/orsc.2023.18430.
- RR Salas ve K. Hosanagar, “Akıcılığın Ötesinde: Yaratıcı Endüstrilerde İnsan-Yapay Zeka İşbirliğinin Süreç Odaklı Analizi”, yayınlanmamış çalışma belgesi, 2026.
- K. Hosanagar ve D. Ahn, “İnsan ve Üretken Yapay Zeka İşbirliğinin Tasarımı”, ön baskı, arXiv, 29 Ocak 2025, https://doi.org/10.48550/arXiv.2412.14199.
- L. Meincke, ER Mollick ve C. Terwiesch, “Çeşitli Fikirleri Teşvik Etmek: Yapay Zeka Fikir Varyansını Artırmak”, ön baskı, arXiv, 27 Ocak 2024, https://doi.org/10.48550/arXiv.2402.01727.
- J. Gottweis, W.-H. Weng, A. Daryin ve diğerleri, “Bir Yapay Zeka Ortak Bilim İnsanına Doğru”, ön baskı, arXiv, 26 Şubat 2025, https://doi.org/10.48550/arXiv.2502.18864.
- H. Bastani, O. Bastani, A. Sungu ve diğerleri, “Koruma Bariyerleri Olmayan Üretken Yapay Zeka Öğrenmeye Zarar Verebilir: Lise Matematiğinden Kanıtlar”, Ulusal Bilimler Akademisi Bildirileri 122, no. 26 (1 Temmuz 2025): 1-8, https://doi.org/10.1073/pnas.2422633122.
- F. Dell’Acqua, E. McFowland III, ER Mollick ve diğerleri, “Teknolojik Sınırın Engebeli Yollarında Yolculuk: Yapay Zekanın Bilgi İşçisi Verimliliği ve Kalitesi Üzerindeki Etkilerine İlişkin Saha Deneysel Kanıtları”, çalışma belgesi no. 24-013, Harvard İşletme Okulu Teknoloji ve Operasyon Yönetimi Birimi, Eylül 2023, http://dx.doi.org/10.2139/ssrn.4573321.
Teşekkürler
Yazarlar, değerli görüş ve önerileri için Daehwan Ahn, Giorgio Franceschelli, Jacqueline Lane, Dokyun Lee, Mirco Musolesi ve Eric Zhou’ya teşekkür eder.
https://sloanreview.mit.edu/article/the-hidden-cost-of-ai-assisted-creativity/?utm_campaign=8909855-Enews&utm_medium=email&_hsenc=p2ANqtz-8biWX5YUev3ar7jHa6ZwLuFldK6lUyVZCUWafKDnXHbu_GOgXNO1d3UeABKxOfB8wLzMmfH7LGWY6fFfysr2GQ9-lENg&_hsmi=430534592&utm_content=430534592&utm_source=hs_emailhttps://sloanreview.mit.edu/article/the-hidden-cost-of-ai-assisted-creativity/?utm_campaign=8909855-Enews&utm_medium=email&_hsenc=p2ANqtz-8biWX5YUev3ar7jHa6ZwLuFldK6lUyVZCUWafKDnXHbu_GOgXNO1d3UeABKxOfB8wLzMmfH7LGWY6fFfysr2GQ9-lENg&_hsmi=430534592&utm_content=430534592&utm_source=hs_email