Rotman

工作文件24-005无人群的未来？生成的AI和创造性问题解决

摘要生成人工智能（AI）的快速进步为通过人类引导的AI合作伙伴关系提供了有吸引力的创造性问题。为了探索这一潜力，我们提出了一项众包挑战，该挑战的重点是人类人群产生的可持续性，循环经济思想，并使用两种替代形式的解决方案搜索产生了人类人类的努力。挑战吸引了来自各个行业的125个全球求解者，我们使用战略及时工程来生成人类解决方案。我们招募了300位外部人类评估者，以判断234个解决方案中的13个随机选择，总计3,900个评估者 - 解决方案对。我们的结果表明，尽管人类人群解决方案表现出更高的新颖性（平均而言和新颖的结果），但人类-AI的解决方案表现出较高的战略生存能力，财务和环境价值以及整体质量。值得注意的是，人类解决方案是通过差异化搜索共同创建的，在该搜索中，人类引导的提示指示了大语言模型（LLM）依次生成与以前的迭代不同的输出，超过了通过独立搜索生成的效果。通过将“ AI-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN”方法展示出来，我们的研究表明了一种可扩展的，具有成本效益的方法来扩大早期创新阶段，并为研究整合人类AI解决方案搜索过程如何推动更具影响力的创新奠定了基础。，我们深表感谢Lamar Pierce在整个审查过程中的出色指导和支持。任何剩余的错误都是我们自己的责任。关键字：生成的AI，大型语言模型，创造性的问题解决，组织搜索，AI-AI-AI-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-IN-ARCOUP，众包，迅速的工程认可：我们对Justin Ho，Stella Ho，Stella Ho和Kate Powell的衷心感谢。Our work has been significantly enriched by the insightful comments and feedback from Charles Ayoubi, Nathan Rietzler, and seminar participants at various institutions, including the Laboratory for Innovation Science at Harvard (LISH), University of Washington Foster School of Business, GenAI Lab at the Professorship of Digital Marketing at the TUM School of Management, University of Toronto Rotman School of Management, MIT Sloan, Questrom School of Business Online数字业务和哈佛人类计算机相互作用组的研究。他的领导和见解在提升我们的工作质量方面发挥了作用。我们还向三位匿名审稿人致以真诚的感谢，他们的建设性反馈和周到的建议大大改善了我们的手稿。他们的奉献精神和专业知识在塑造这项研究方面非常宝贵。通过HBS研究与教师发展部（DFRD）和LISH的慷慨财务支持使这项工作成为可能，为此我们深表感谢。我们承认使用GPT-4和Claude-3用于写作帮助。