目錄
每一支創新團隊如今用的工具都差不多：同一批 foundation model、相近的提示詞庫。但產出品質卻天差地別——有的團隊迎來創意大爆發，有的只收到一堆同質、平庸、像出自同一人之手的點子。哈佛、華頓、西北、哥倫比亞四校的研究者在一篇受《International Journal of Research in Marketing》邀稿的新工作論文中主張：差別不在用了哪個模型，而在生成式 AI 如何作用於創新流程裡那些長年既有的「人性瓶頸」（human bottleneck）。
這正是論文的核心視角。作者群（De Freitas、Israeli、Nave、Timoshenko、Toubia）刻意不問「生成式 AI 能做什麼」，而改問一個更耐久的問題：長年拖慢創新的認知、社會、組織限制到底是什麼，AI 又如何與每一種限制互動。他們的關鍵論點是：多數創新瓶頸本質上是「人的問題」，不是技術問題；而生成式 AI 訓練自人類既有產出的總和，傾向重現當初造成瓶頸的那些傾向，只是更快、更大規模。因此，一個新的 AI 能力究竟會鬆綁還是加深某個瓶頸，取決於瓶頸背後的「機制」，不取決於模型多先進——這是整套框架的診斷價值所在。
論文把創新流程拆成四個階段，每個瓶頸都用同一套結構分析：瓶頸是什麼、AI 若被「天真地」使用會如何、又該如何改善。以下依論文架構逐一導讀（四階段的瓶頸總覽見圖 1）。
【圖 1｜人性瓶頸框架：四階段總覽】 — 四階段各一欄，每欄列出該階段的人性瓶頸、AI 天真使用會如何惡化它、以及改善方式。
一、發想階段
發想的目標不是累積一堆還可以的點子，而是撈出真正的異數（outlier）——因為一個傑出點子的價值勝過數十個普通點子，所以發想追求的是「找到那個最好的」，而非「平均都不錯」。論文在此點出三個人性瓶頸。
（一）認知固著（個人層次）
瓶頸：每個人既有的心智模型（過去經驗、知識、習慣累積成的思考慣性）會讓某些點子很容易想到、某些卻幾乎想不到。深度領域專家尤其容易吃虧——正因為太熟，他們的注意力會被自己內化的模型自動、過早地導向熟悉的解法，反而跳不出來。
AI 天真使用：LLM 天生傾向給出統計上最典型的回應（它就是被訓練來預測「下一個最可能的字」）。麻煩的是，人一旦讀到這個典型答案，思路反而會被它綁住，想不出原本可能自己生得出的、更不尋常的點子。等於 AI 先把點子收窄一次，人再被 AI 收窄第二次。
改善方式：
（1） 用 chain-of-thought（思維鏈）提示——要模型先寫出簡短的點子摘要，再在展開之前，明確命令它把這些摘要改寫得更大膽、更獨特，然後才擴寫。這麼做能擋住「早期的草稿限制住後面的產出」，也抵消了訓練過程帶來的「趨向典型」的傾向。要注意這招只對 AI 有效、對人無效：同樣一句「請想得更發散一點」，能提升模型的點子多樣性，對人類發想者卻幾乎沒用——因為人腦一旦鎖定某條思路，明著叫他發散，反而更甩不掉那條思路〔註1〕。
（2） 但上面這招只能在「既有知識已經觸及得到」的範圍內拓寬點子，挖不出那種「非得對一個未解問題有親身經歷、才生得出來」的點子。
這類洞察屬於「領先使用者」（lead user）——他們的需求太超前、太極端，現有產品根本滿足不了，逼得他們自己動手拼湊出克難的應付辦法。這個克難辦法未必成熟，但它「將就」的過程，恰恰暴露出一個主流還沒看見的真實需求。要挖到這種點子，靠的不是技術而是組織投入：刻意經營領先使用者計畫、以及民族誌方法（研究者親自到真實現場貼身觀察使用者實際怎麼做、怎麼卡關，而不是靠問卷去問），讓研究者靠近未解問題到一個程度，真正跳出既有的心智框架。
（二）設計固著（社會層次）
瓶頸：創作者會向彼此學習，而看多了成功的範例，這些範例的「表面特徵」會在記憶中變得特別鮮明，於是設計不知不覺趨向模仿範例的外觀，而不是吸收「讓那個設計真正成立的核心元素」（例如它的母題、構圖，而非它的顏色長相）。
AI 天真使用：AI 有一個對應的、更大規模的版本，論文稱為「模式崩塌」（mode collapse）——每一次獨立的 AI 生成，其實都是從同一套集中化的訓練分布裡抽樣，所以不同人、不同工作階段跑出來的東西會不自覺地聚在一起、彼此雷同。結果是一種「公有地悲劇」：就算每家公司只是拿 AI 產出當參考範例，整個產業的集體解答空間仍會一起收窄——個別生產力上升了，集體的多樣性卻下降。
改善方式：
（1） 用「人物設定修飾詞」（persona modifier）——提示模型「假裝你是某個特定的人」來回應，例如「一位曾為圖書館經費奔走的退休政治人物」或「一位集郵的軟體工程師」。這種指定視角會把模型推向它訓練分布裡平常不會去的區域，藉由注入五花八門的線索，打破不同工作階段之間的雷同。同一招還能對付「專家近視」：可以反過來要模型設想「一個完全外行的人會怎麼看這個問題」，逼它跳出該領域根深柢固的成見（不過論文提醒，並非每種人物設定都同樣有效）。
（2） 因為設計固著發生在人與人之間、且問題在於設計師只學到表面，所以另一種改善是改造「範例如何在人之間流通」。做法是：給設計師看的不是原始範例，而是「AI 生成的範例變體」——每個變體都保留原設計的核心元素，只微調視覺呈現。這樣設計師吸收到的是「讓設計成立的內在道理」，而不是照抄它的長相。
（三）心理安全感（群體層次）
瓶頸：在組織裡發想，人常常因為預期會被同事評判而自我審查，於是心裡的最佳化目標，悄悄從「想出新奇的點子」換成「想出不會被笑的點子」。資淺者在資深者面前尤其容易這樣，誰敢講、誰的點子被當一回事，也受地位與階層影響，與點子本身好不好無關。
AI 天真使用：把發想這件事外包給 AI，確實移除了「當場被評判」的風險——人會對著模型講出在會議上不敢說的想法，這是 AI 在組織發想裡少數可靠的好處。但這個好處很容易只是被「延後」而非真正消除：如果 AI 生出來的點子，接著還是拿到那個有上下階層的群體裡去評選，地位壓力會在「評選階段」原封不動地回來。
改善方式：
（1） 論文提出「AI 中介的混合名義流程」：先讓大家各自私下用模型發想，把產出丟進一個匿名的集中池，由 AI 抹掉「這是誰提的」線索、統一格式、把雷同的聚在一起、並刻意保留奇特的點子；等這個匿名池整理好，群體討論才開始。如此把「想點子」和「當眾亮相被評價」這兩件事切開。
（2） 同一套流程還能分開「發散」與「收斂」兩種模式：發散階段讓 AI 扮演「yes-and」的鼓勵者，接話、邀請較安靜或資淺的人加入、壓下過早的批評；收斂階段再讓 AI 轉為批判角色，去挑假設、找失敗點。關鍵是這兩種氛圍該出現在流程的不同階段，AI 可以幫忙守住這條界線，但它自己創造不出心理安全感。
二、篩選階段
「篩選階段」是委員會、投資審查在「市場還沒表態、產品還沒做出來」之前，就得決定哪些點子拿到資源、哪些被擱置的階段。它的失敗天生是看不見的——被錯殺的點子，沒人知道它本來會成功。論文點出三個瓶頸。
（一）新奇趨避的評價
瓶頸：評審者就算嘴上支持創意，心裡仍不自覺把「新奇」跟「不切實際、不確定」綁在一起，於是對真正原創的點子起了防衛反應。加上「損失趨避」（人對可能的損失，感受比對等量的獲得更強烈），新奇點子的下檔風險看起來就比它的上檔潛力更刺眼。
AI 天真使用：AI 透過「認知流暢度」這條管道放大偏見——LLM 的產出通常文句流暢、結構工整，而人容易把「讀起來順」誤當成「品質好」，於是給出假陽性的高分。漂亮的提案拿到更高分，跟它是不是真的比較好無關。
改善方式：
（1） 把「呈現方式」和「內容評價」拆開：評分前先把所有提案改寫成統一格式，並對「這是人還是 AI 寫的」設盲（評審不知作者是誰）。這樣就抵消了 AI 產出「因為漂亮而佔便宜」的優勢。
（2） 刻意安排「先評可行性、還是先評新奇」的順序——研究顯示這個順序會造成取捨：先評可行性，選出來的東西平均創新程度較高、但彼此差異小；先評新奇則相反。既然順序會影響結果，就該把它當成一個刻意的組織決策來設計，而不是沿用既有習慣。
（二）認知負荷
瓶頸：篩選者通常得從一大堆候選裡挑出少數贏家，而評估「高度新奇」的點子，比評估熟悉的點子更耗腦力（新的東西更難理解、難歸類）。當腦力被占滿，評估者會從「仔細思考」滑向「憑直覺捷徑」，於是更不願意選新奇的點子。它本身不製造偏見，而是「放大器」——把上一道新奇趨避的瓶頸放得更大。
AI 天真使用：AI 直接惡化這道瓶頸——它讓湧進評估管線的點子數量暴增，而數量壓力又回頭加重了新奇趨避。
改善方式：在篩選管線的「架構」上動手，而不是要人硬看更多。具體做法是把 LLM 的評分，跟歷史上人類專家的評分，一起放進一個預測模型，用它先篩出「真正值得人細看」的少數件，其餘略過——這樣能在大幅減少人工細看件數的同時，仍不漏掉該入選的作品〔註2〕。
（三）共享心智模型鎖定
瓶頸：長期一起評審的委員會，會慢慢形成一套「什麼叫有前景」的隱形共識，新成員靠觀察、靠自己的點子被接受或打槍，默默學會這套標準。於是整個委員會變成一個自我強化的評價文化——標準從沒被明講，卻牢牢綁住每個人。
AI 天真使用：問題在 AI 會同時改變這道瓶頸的「載體」和「影響範圍」。載體上，若拿委員會過去的准駁紀錄去訓練篩選 AI，它會學會並大規模複製那套從沒被明講、也沒人正式背書的標準，還讓結果「看起來很客觀」——本來這套共識還是隱形的、活在一群人身上,只要有個唱反調的委員或帶著不同觀點的新人,就可能當場鬆動它;可是一旦拿過去的決策去訓練 AI,這套偏見就被學進模型、套用到每一個案子,而且 AI 給出的判斷「看起來像客觀的分數」,不像某個保守委員的個人意見,於是反而沒人會去質疑——偏見沒有消失,只是換上了客觀的外衣,更難被挑戰。
一項田野實驗發現：若AI 會逐案給評審一個建議:有些點子它建議「通過」,有些它建議「否決」。實驗(Lane 等,2026)發現一個不對稱:當 AI 的建議附上一段書面理由時,評審對「否決」建議的服從度,明顯高於對「通過」建議——也就是說,AI 說某個點子該刷掉、又附上一段像樣的理由,評審就特別容易真的把它刷掉;但 AI 說某個點子該過時,評審反而沒那麼照單全收。
Lane, J. N., Boussioux, L., Ayoubi, C., Chen, Y. H., Lin, C., Spens, R., Wagh, P., & Wang, P. H. (2026). The narrative AI advantage? A field experiment on AI-augmented evaluations of early-stage innovations. Harvard Business School Working Paper, No. 25-001.
問題是,看了理由的評審,並沒有因此更能判斷 AI 到底對不對——那段理由沒有幫他思考,反而成了「我不必自己再查」的藉口,而這個效應在最模稜兩可、最需要人親自判斷的邊界案例上最強。
改善方式：
（1） 換一種「答案」來訓練 AI。
同一個提案身上其實有兩種資訊：一是委員會當初「准或駁」的決定，二是它獲准上市後、市場給的真實成績（賣得好不好、多少人用）。前者夾帶委員會的偏見，後者是市場的客觀事實。所以在那些「點子已經獲准上市、看得到市場成績」的地方，就改用市場成績、而不是委員會的准駁決定去訓練 AI——如此 AI 學到的是「什麼點子真的會成功」，而不是「委員會以為什麼會成功」，偏見的繼承就被切斷。
（2） 另一種做法，是在篩選時乾脆不附 AI 的理由。實驗發現：不附理由的「黑箱」建議，反而比純人類評估改善了決策品質；同一個建議一旦附上一段理由，這個好處就消失了〔註3〕。
三、偏好衡量與消費者洞察階段
一個點子通過篩選後，不會直接變成產品，而是先發展成一個「概念」——把它具體化，定出要有哪些功能、賣多少錢、主打什麼定位。接下來公司得拿這個概念去問市場：消費者到底買不買單？而要問得準，前提是先真正搞懂顧客想要什麼。這一節談的，就是「搞懂顧客想要什麼」會遇到的兩道落差。
（一）真實性落差
瓶頸：這裡的「真實性」不是指「有沒有標準答案」，而是指「抓到的是顧客真正的感受，還是他在一個抽離情境的問卷裡當場說出來的話」。因為偏好不是事先存好、等著被讀出來的——它是在被問的當下，依情境、依怎麼問、依旁邊有什麼可比、依當時心情，臨場「建構」出來的。一個為了實驗乾淨而剝掉情境的研究設計，剝掉的正好是「決定這個創新會不會被買單」的那些東西。
AI 天真使用：透過三個機制惡化。
其一「異質性流失」：LLM 學的是整個母體的平均文字，所以它傾向吐出「大家偏好的集中趨勢」，而抓不到「不同人之間的差異分布」——而正是這個差異，才是市場區隔、精準行銷的依據；就算拿分人群的資料去微調，群組間的差異仍對不太起來。
其二「提示誘發的混淆」：在一個對模型設盲的提示裡調高價格時，模型不會把它當成「實驗在操弄價格」，而當成「情境線索」（高價=高階產品），於是它給出的需求曲線是平的、甚至往上，而不是真實消費者那種「越貴買越少」的向下曲線。
其三「數位分身無法重現非理性行為」：就算拿真人的豐富行為輪廓去打造「數位分身」（模擬特定個人的模型），這些分身還是比真人理性太多——它們不會犯沉沒成本的錯（明知投錯了還捨不得放手），於是系統性地低估了那些「足以害死一個新產品」的心理摩擦。
改善方式：
三個機制各有不同的處理方式，有的能靠 AI 補救，有的只能交還給人。
（1）對付異質性流失：
異質性流失指 AI 只能還原「大家平均的偏好」、抓不到「不同族群之間的差異」。這個問題在「你只需要總量估計」時沒那麼致命——例如你只想知道「整體而言大家願意為這功能付多少錢」，不需要細分族群。這種情況下，可以拿某個特定產品類別的歷史真人資料，去微調模型（讓模型先學過這個類別的真人偏好），估出來的願付價格就能達到堪用的準確度；或是用 AI 去「增補」一小群真人樣本、而不是完全取代真人，用少量真人資料當地基、AI 補足其餘，壓低成本〔4〕。要注意：這只補得回「總量」的準確度，補不回「族群間的差異」——微調反而會讓不同族群的估計更趨一致，而非更能分辨。
（2）對付提示誘發的混淆：
這個毛病是——你在提示裡偷偷調高價格想測價格敏感度，模型卻把「漲價」讀成「這是高階產品」的情境線索，於是給出錯誤的需求曲線。訣竅是「對實驗設計設盲，而不是對情境變數設盲」：與其假裝什麼都沒變（讓模型自己去猜漲價的含意），不如明白告訴模型「有一個變數正在被實驗性地調整、範圍大概是多少」。這樣模型就知道價格是被刻意操弄的實驗變數，而不是暗示產品檔次的線索，模擬準確度會穩定改善〔註5〕。
（3）對付數位分身的非理性缺口：
數位分身（模擬特定真人的模型）比真人理性太多，不會犯沉沒成本、損失趨避這類「非理性但真實」的錯，因此系統性低估了會害死新產品的心理摩擦。這一塊目前沒有 AI 解法。所以凡是結果取決於沉沒成本、轉換成本、框架效應這類非理性行為的決策，就別信數位分身，交還給真人研究。
（二）可表達落差
瓶頸：有些偏好，消費者根本說不出來——因為他還沒遇過那個能滿足它的產品。論文叫這些「隱藏的寶石」：需求其實存在，只是還沒有任何產品證明「這個想要是可以被滿足的」，所以連詞彙都還沒長出來。經典例子是觸控螢幕手機：2006 年的人說不出自己想要「滑動操作」，因為那還沒進入任何人的經驗。
AI 天真使用：AI 是靠語言訓練的，所以它只撈得到「已經被人用語言講過」的偏好；一個從沒被說出口的偏好，對它而言等於不存在。拿評論、訪談逐字稿去微調，只能擴充「已經講得出來」的詞彙，永遠碰不到「講出來之前」那層經驗。
改善方式：這道落差的核心（消費者說不出他還沒遇過的需求）沒有 AI 解法——要挖出這些「隱藏的寶石」，只能靠民族誌與現場觀察，去看消費者如何繞過現有產品的不足。但在「消費者已經講得出來」的那一層，AI 有兩個幫得上忙的角色：
（1）當「探針」，逼出研究者自己說不清的直覺：
有經驗的管理者對顧客常有一種「講不清楚、但感覺得到」的判斷。把 AI 生成的東西（例如一批設計草案）當成刺激物丟給他看，往往能逼他把心裡有、卻一直沒說出口的判斷講出來——AI 在這裡不是拿來「測量顧客」，而是拿來「戳出專家的隱性知識」。
（2）當「規模化的翻譯機」，把顧客的原始語言轉成需求陳述：
顧客在評論、客服對話裡講的話零散又口語（「我搞不清楚哪塊已經上漆了，結果一直漏塗」），要轉成標準的需求陳述（「希望能看出哪裡已經上過漆」）以前得靠受訓練的分析師。經過適當微調的模型，這件事做得可媲美專業分析師，而且能跨產品類別通用。
四、擴散與市場學習階段
創新做出來之後，還得穿過一整個社會系統才能擴散到規模；而擴散過程拋回來的訊號，又必須被讀懂、轉成下一輪的產品決策。論文點出三個瓶頸。
（一）社會擴散建模
瓶頸：一項新產品被採用，不是一個個獨立消費者反應的加總，而是一個社會過程——早期採用者替產品背書、意見領袖賦予這個品類正當性，產品在一群群人之間累積社會意義。要預測這個過程，分析單位是「整個社會系統」而非單一個人，這比預測任何個別反應都難，而且很難規模化：一支團隊或許能模擬一個區隔的動態，卻模擬不了五個，偏偏對新產品最關鍵的，往往是公司從沒研究過的那些區隔。
AI 天真使用：這裡的限制直接繼承自上一階段——既然連「單一消費者的非理性行為」都還模擬不真，那麼把這些不準的個體疊起來去模擬社會擴散，只會繼承同樣的錯，還可能在彼此互動中被放大。
改善方式：
社會擴散建模要預測的是「一項產品如何在人群之間一傳十、十傳百」，難處在於它是整個社會系統的連鎖反應，不是單一個人的反應。這一塊目前沒有 AI 解法——原因很直接：既然連「單一消費者的非理性行為」都還模擬不真，把這些不準的個體疊起來去推演群體擴散，只會把誤差愈滾愈大。
所以 AI 在這裡適合的角色，是「先篩掉明顯走不通的擴散路徑」，替後續分析縮小範圍；但「這條路到底走不走得通」的關鍵判斷，仍留在人這一側，靠領先使用者與現場觀察去支撐。
（二）注意力與彙整
瓶頸：產品上市後拋回的訊號多到沒有團隊消化得完——跨平台的評論、社群討論、客服工單、退貨、論壇。更麻煩的是這些訊號有選擇偏誤：評論偏向極滿意和極不滿意兩端、社群偏向愛發言的人、工單偏向出問題的情況；而對創新最要緊的訊號（新冒出來的使用情境、默默不採用的人）恰恰最不會浮出水面。
AI 天真使用：這是整個框架裡，AI「真正縮小」瓶頸的第一次——LLM 能以過去只有大公司專責團隊才做得到的規模，去吸收、分類、聚類、摘要市場回饋，抽取出品質逼近專業分析師的結構化需求。市場聆聽的成本與時間大幅崩降。但瓶頸沒有消失，只是移位了：產品團隊現在的難題變成「優先排序」——這週冒出來的幾百個主題，哪些值得行動、哪些只是摘要過程的雜訊、哪些是「用出現頻率加權的摘要」會系統性埋掉的微弱卻重要的訊號。
改善方式：
這道瓶頸是「上市後湧回的訊號多到人看不完」。AI 在「量」這一關真正幫得上忙——它能以過去只有大公司專責團隊才做得到的規模，去吸收、分類、歸整海量的市場回饋，抽取出結構化的顧客需求，這部分已經可行、成本也大幅下降。
真正還沒解的，是「量」被解決後浮現的新難題：怎麼設計分流機制，讓真正浮上來的是「要緊的訊號」（剛冒出來的新用法、默默不採用的人），而不是「出現次數最多的訊號」。因為對創新最關鍵的往往是微弱卻重要的訊號，偏偏最容易被「以出現頻率加權的摘要」淹掉。這一步論文明說仍是開放問題，沒有現成答案。
（三）動機性詮釋
瓶頸：就算訊號拿到手，組織仍有誘因把它往「我們已經做的決定」那個方向去善意解讀：弱的負面訊號被吸收進「維護現有產品」的說法裡，正面訊號則被過度放大。這來自沉沒投資和高風險的組織政治，不是能力不足——給更好的資料也沒用，因為那個「往有利方向解讀」的誘因還在。
AI 天真使用：AI 與這道瓶頸的關係是兩面的。一方面，AI 對過去的決策沒有情感包袱，會中立地把「對某個明星功能的抱怨」照實標出來。另一方面，它產出的那份流暢摘要，也更容易被人斷章取義地拿去支持「早就想要的結論」——尤其當提問的方式已經透露了團隊偏好哪個答案，加上 AI 本身有迎合使用者的傾向。
改善方式：
這道瓶頸是「組織會把市場訊號往『我們早就做的決定』那個方向去解讀」，根源是沉沒投資與組織政治，不是能力不足。
論文在這裡坦言：目前沒有任何經實證驗證的有效介入。AI 甚至是兩面刃——它一方面對過去的決策沒有情感包袱，會中立地把壞消息照實標出來；另一方面，它產出的流暢摘要也更容易被人挑著引用、去支持早就想要的結論。這份流暢摘要最終會讓組織更誠實面對數據、還是更會為自己找漂亮藉口，論文認為是這部分框架裡最重要、也最懸而未決的問題。
五、機制決定分工
論文由此收斂出一個貫穿全篇的判準：人與 AI 的分工不該按「階段」劃分，而該按「瓶頸背後的機制」劃分。
凡瓶頸本質上是資訊性、流量性、方法性的（發想的認知固著、篩選的認知負荷、市場學習的注意力彙整），最該動手的地方就在 AI 系統本身——靠提示策略、微調、資訊架構去解。
凡瓶頸根植於親身經驗、非理性行為或組織誘因（跨產業的設計固著、可表達落差、數位分身無法重現非理性採用、社會擴散建模的極限、扭曲上市後訊號的組織誘因），該動手的地方（目前）仍在人這一側，AI 至多是輔助。
這套分工並非一成不變，而是「以當前能力、依機制推出來的」。框架真正的價值，在於給任何一個新發展一個判斷依據：先問它對付的是哪種機制，就能預判它落在分工的哪一側。
六、系統層次的更大影響
論文在談完四階段的個別瓶頸後,進一步拉高到整個創新系統，指出六個橫跨全流程、或直接挑戰流程結構本身的議題。
（一）組織問題
議題：能不能用上前面那些介入，取決於一個更前置的問題——公司裡「誰」被允許建置、形塑、部署 AI 工具。最要緊的那些介入（人物設定發想、不設盲的模擬設計、微調過的需求抽取管線）都是需要領域專業的客製配置，而這種專業握在消費者洞察、產品、設計團隊手上，資料科學團隊通常沒有；反過來，技術基礎設施又握在資料科學那邊。雖然建置 AI 工具的技術門檻已大幅下降，卻製造了「人人都能部署企業軟體」的危險錯覺——機器學習系統特別容易累積看不見的技術債，早期原型好做，一旦進到正式生產環境就難以維護。
改善方式：
問題是「該讓誰來建置 AI 工具」——最懂顧客的洞察、產品、設計團隊有領域知識卻沒有技術基礎設施，資料科學團隊有技術卻不懂顧客，兩邊各據一方。
論文的解法是「中心化的技術基礎設施，搭配分散式的協作建置」，也就是把工作按專長拆開、但綁在同一套基礎設施上：
1. 由最懂顧客的洞察專家，去共同打造工具的邏輯與初步雛形（因為「什麼才算好的產出」只有他們知道）；由資料科學家精修底層模型；
2. 由專責的軟體工程師負責上線部署與後續維護。
這樣既打破了「洞察」與「資料科學」各做各的穀倉，又不會反過來讓技術團隊的優先順序壓過洞察團隊的專業判斷。
（二）去技能化與自動化陷阱
議題：當 AI 接手創新流程裡一個個鄰近的任務，那些任務原本會磨練出的人類能力，可能悄悄流失，而且有跨世代的複利效應——如果點子、消費者模擬、文案都由 AI 生成，資淺從業者就失去了培養「隱默判斷力」的養成過程，最後養出一批很會用 AI 產出、卻沒能力判斷「這個產出什麼時候是錯的」的人。放大到整個創新職能，就是「自動化陷阱」：每個工具單獨測都沒問題，但整個學習迴路慢慢飄離真實消費者，因為發想、篩選、測試、訪談如今全由「彼此拿對方輸出去訓練出來的模型」中介，一切都更快，卻沒有一樣真正踩在地上。
改善方式：
這道風險是「AI 接手愈多，人愈沒機會磨練判斷力，最後整個組織飄離真實顧客」。
論文的對策是刻意的「留一手」——在創新流程的每一個階段，都保留與真實消費者、真實市場、真實訊號的接觸點，不讓回饋迴路變成「AI 餵 AI」。
具體的分工原則是：把生成式 AI 明確導向它擅長的資訊性、流量性、方法性任務（處理量大、規則清楚的工作），而把「領先使用者洞察、激進重構、為決策後果負責」這些需要親身經驗與擔當的角色，刻意保護在人的手上。最關鍵的一句提醒是：別假設「每個零件單獨測都準，湊起來的系統就一定踩在地上」——元件正確不等於整體接地。
（三）不平等與代表性
議題：比起「誰用得到 AI」，對創新更要緊的不平等發生在「產出端」——因為 AI 主要用多數群體的資料訓練，它會隱性地為那些群體最佳化。數位分身對富裕、高教育的消費者比較準，LLM 的偏好估計還原的是母體平均、卻抹掉了驅動利基市場的差異。當一個創新系統用這些方法去分配「要研究哪些區隔」的資源，偏差就複利成「市場層次的代表性不足」：越是難被現有 AI 工具還原偏好的區隔，它的未滿足需求就越不可能被看見、越不會成為新產品開發的目標。
改善方式：
這道問題是「AI 用多數群體的資料訓練，於是隱性地為多數人最佳化，讓小眾族群的需求更不容易被看見」。論文能提供的槓桿，其實就是前面「偏好衡量」那一節用過的那幾種——用 AI 增補（而不是取代）真人調查、拿特定類別的真人資料去微調模型、用 AI 主持的訪談去延伸質性研究的觸及範圍——用這些方法，刻意去保護那些「難被 AI 還原偏好」的族群，不讓他們的需求在資源分配裡被跳過。但論文也誠實承認：這些槓桿要怎麼在整個創新組合的層次上部署、才能真正擋住「代表性崩塌」，目前仍是一個沒有答案的實證問題。
（四）倒轉的開發曲線
議題：傳統產品開發裡，做出一個能動的原型又慢又貴，但原型一旦有了，往可靠產品走的路相對清楚（輸入對應輸出，規則由開發者掌握）。
生成式 AI 產品把這條曲線倒轉了（見圖 2）：做原型現在很快——LLM 幾乎立刻就能對多數問題給出「看起來合理」的回應；但從「看起來合理」走到「可靠到能上線」卻難得多——失敗模式難以事先列舉、同一個提示可能跑出不同結果、要達到特定領域的準確度，得做檢索、接地、驗證、退場機制等一堆架構選擇，而這些才是大部分的工程量。於是篩選瓶頸換了位置：問題不再是「這個點子該不該推進」，而是「既然原型能動，這套系統能不能被做到可靠、足以上線」——這沒辦法靠看原型判斷，因為漂亮的展示已經不再透露真正的部署風險。
改善方式：
這道議題是「做原型變快了，但把原型變成可靠產品反而更難，於是最難的工程都發生在原型之後」。
既然如此，論文主張把「評估的重心」也跟著往後移——別再用「展示做得多漂亮、原型跑得多快」來判斷一個 AI 專案值不值得投入，因為在生成式 AI 的世界裡，漂亮的展示幾乎人人做得出來，它已經不能反映真正的部署風險。真正該評估的，是一家公司有沒有「把系統從『看起來合理』推進到『在特定領域真正可靠』」的原型後工程能力——也就是組建領域資料、搭建驗證架構、做系統整合的本事。
論文提醒，若不這樣調整，會出現三個後果：公司累積一堆永遠畢不了業的試點、傳統的階段閘門評審失去篩選價值（因為它們把關的時點太早）、競爭優勢從「會做原型」轉移到「有本事把原型變可靠」的少數團隊手上。
【圖 2｜倒轉的開發曲線（論文 Figure 1）】 — 上下對照兩條時間軸。傳統產品開發：做出原型耗時長（約佔 0-45%）、原型少，原型之後到可靠產品的工程與測試相對短（約 55-90%）。生成式 AI 產品開發：做出原型極快（約 0-20%）、原型多，但從原型到「可靠產品」的工程、測試、驗證、安全、整合階段拉得很長（約 40-90%）。凸顯論點：AI 讓做原型變快，真正的難處與去風險化移到了「原型之後」。
（五）創新架構的轉變
議題：論文借用 Von Hippel 的「黏性資訊」概念（意思是：關於「使用者需求」和「解法」的資訊，往往各自黏在不同的人身上、很難轉移），把生成式 AI 的用法分成三種模式（見圖 3）。模式一「AI 作為整合創新者」——想讓 AI 系統本身同時裝下「需求」和「解法」兩種資訊，例如打造一個合成人物去代表某個顧客區隔的偏好；但第 2 節已經顯示它的限制（異質性流失、數位分身不會非理性、以及「偏好是臨場建構而非儲存」這個更深的真實性瓶頸）。模式二「AI 中介的需求抽取」——不取代使用者，而是用 AI 大規模去擷取他們的需求（例如 AI 主持的訪談），業界很關注但學界還沒充分驗證。模式三「AI 作為使用者創新工具箱」——把「解法能力」開放給使用者，讓他們自己變成創新者（各種 vibe coding、低程式碼工具就是這一類）。
改善方式：
論文把 AI 的用法分成三種模式，並主張「重心押錯了地方」。目前業界的目光多半集中在模式一（讓 AI 系統自己同時裝下顧客需求與解法，例如打造合成顧客(AI 模擬出來的虛擬顧客)去代表某個族群的偏好），但前面幾節已經顯示這條路的限制很硬——AI 抓不到族群差異、數位分身不會非理性、而且顧客偏好本來就是臨場建構、不是存好等著被讀取的。
論文因此建議把重心更多移向另外兩種模式：
模式二「用 AI 去大規模擷取真人的需求」（例如 AI 主持訪談，人還是需求的來源，AI 只負責擷取），以及模式三「把解法能力開放給使用者、讓他們自己動手創新」（各種 vibe coding、低程式碼工具就屬於這類）。理由是這兩種模式都是「順著」人類的限制走、而不是硬要用 AI 去「取代」人類最難被取代的那部分。至於哪種模式適合哪種情境、又各自需要開發什麼工具，論文說這是後續研究的優先題目。
【圖 3｜創新架構的三種模式】 — 三種模式並列，每種都由上方（創新者 Innovator／解法 Solutions）、中間（AI）、下方（使用者 User／需求 Needs）三層構成，差別在箭頭方向。模式一「AI 作為整合創新者」：箭頭從創新者/解法向下、從使用者/需求向上，雙向匯入 AI——AI 同時是需求與解法資訊的所在。模式二「AI 中介的需求擷取」：箭頭從使用者/需求向上進入 AI，再由 AI 向上指回創新者——AI 把使用者需求擷取後傳給創新者，不取代使用者。模式三「AI 作為使用者創新工具箱」：箭頭從創新者/解法向下進入 AI，再由 AI 向下指向使用者——AI 把解法能力交到使用者手上，讓其自行創新。
（六）為 AI agent 而創新
議題：現有研究大多假設「使用者是人」，論文則設想一個「只稍微未來一點」的情境——使用者本身就是一個 AI agent，而創新者是人、或另一個 AI agent。這帶出一個根本問題：當買家是 AI agent，「偏好」還是什麼意思？人類的偏好是臨場建構的、帶情感的、看情境的；而 AI agent 的「偏好」，其實是設定它的人或組織所寫下的目標函數。這造成一個代理問題：agent 是在為「它的設定裡編碼的、人類嘴上說的偏好」最佳化，不見得等於「人類在真實情境中會建構的偏好、或實際用了產品得到的滿足」——而這道落差，在創新最關心的那類新穎、高涉入的產品上最大。
改善方式：
這一題論文擺明是「開放的研究方向」，而不是給出解法——它設想的是一個「使用者本身就是 AI agent」的近未來情境，並指出一個根本難題：當買家是 AI agent，它的「偏好」其實只是人類事先寫進去的目標函數，跟真人那種臨場、帶情感、看情境的偏好是兩回事，兩者之間會出現系統性的落差。面對這個還沒被好好研究的局面，論文提出的不是答案、而是問題：該不該發展出一門對應「顧客洞察」的「agent 洞察」學科？偏好衡量的方法又該怎麼為 AI agent 重新設計？
論文唯一給得比較肯定的一點是：無論 AI agent 之間如何互為創新者與使用者，這整套機制仍必須嵌在一個「有人類監督」的更大生態裡，不能全交給 agent 自己跑。
七、結語
論文把「人到底還會不會留在創新流程裡」這個主流問題，重新框定為「何時、以及如何」。透過以人性瓶頸（而非 AI 能力）為分析的基準，這套框架能指出：流程中哪些位置，人的判斷是那個卡住一切的關鍵約束；哪些位置又不是。而這個區分是實證的——它跟隨每個瓶頸背後的機制，不隨模型的先進程度而變。
更難處理的是系統層次的意涵：框架所倚賴的那些人類貢獻（領先使用者的沉浸、民族誌觀察、挑戰組織既定說法的意願），恰恰是當前組織實務最不擅長保護的——它們透過「正被 AI 快速吸收的養成工作」發展、透過「正被 AI 稀釋的當責結構」被評價、由「信譽無法被 AI 供給的人」來執行。
企業大致已經決定要在創新流程裡用生成式 AI，更難的問題是：當真正新穎的難題出現時，那個流程所依賴的人類能力，還在不在。這些能力是承重的，它們會在「看起來像進步」的條件下悄悄流失，因此需要刻意的組織保護。
附註（改善方式的實證依據，均出自本論文所引研究）：
〔1〕chain-of-thought 提示可提升 LLM 於單一工作階段內的點子多樣性（Meincke 等，2024），但同樣做法對人類發想者的多樣性幾乎無效果（Deng 等，2026）。
〔2〕Kireyev 等（2025）以 153 場創意競賽、逾 74,000 件投稿為資料，將 LLM 生成評分與歷史人類專家評分結合進預測模型後，可在少看 28.4% 件數的情況下，仍識別出全部贊助方入選作品；增益多半來自重新加權歷史人類評分以對齊贊助方偏好，而非 LLM 訊號本身。
〔3〕Lane 等（2026）的田野實驗發現，不附理由的「黑箱」AI 建議相較純人類評估改善了決策品質，同樣的建議一旦附上敘事理由則否，儘管附理由會誘發更高的整體順從。
〔4〕Brand 等（2026）發現，對既有的產品與屬性，基準 LLM 的 conjoint（一種拆解顧客對各屬性願付價格的偏好衡量方法）常能以人類研究一小部分的成本與時間，產出量級正確的願付價格估計；對既有類別內的漸進式新功能，以該類別的歷史人類 conjoint 資料微調可補回大部分準確度。
〔5〕Gui & Toubia（2023）以隨機定價的真實實驗為對照，發現對「實驗設計」（而非情境變數）設盲，能跨模型世代穩定改善模擬準確度，並對微調中的無關觀察資料具穩健性。
資料來源：
- Julian De Freitas、Ayelet Israeli、Gideon Nave、Artem Timoshenko、Olivier Toubia（2026/8/14），Research: The Innovation Problems AI Can’t Solve, Harvard Business Review
- 原始論文：Innovating with Generative AI: A Human Bottleneck Framework，SSRN
