AI 介入创作的时机如何影响思考质量？一项来自 CHI 的研究

AI 进入知识工作之后，很多团队形成了一种固定的工作习惯。无论是撰写方案、构思创意还是搭建框架，只要任务需要思考，第一步就是向 AI 提问，自己的思考被安排在模型输出之后进行。

这种做法通常被理解为提高效率，但它同时改变了人在创作中的位置。当 AI 在任务开始时就提供一份完整的答案，人的后续工作往往退化为对答案的筛选和修改。产出的速度确实提高了，产出在多大程度上仍然属于人，则变得难以界定。

在此问题中，“使用时机”是长期被忽视的关键变量：在动笔前或形成初稿后使用同一 AI 工具，可能对使用者产生截然相反的影响。近期，人机交互领域的国际顶级学术会议 CHI（全称 ACM Conference on Human Factors in Computing Systems，即 ACM 计算系统人因会议）于 2025 年会上收录了一项针对该变量的独立实验研究。该研究的实验结果表明，实际情况与普遍的直觉存在显著出入。

对于正在将 AI 融入工作流程的组织而言，这项研究抛出了一个极其务实的问题：员工究竟应该在工作的哪个环节开始引入 AI？

研究洞察一览

• AI 介入创作的时机，决定了它扩展人的思路，还是过早地限定了人的思路。
• 使用者从任务开始就依赖 AI 时，产出的原创性和使用者对自身创造力的信心会同时下降，且信心的受挫在任务进行过程中就已发生。
• 使用时机对结果的影响，主要是通过使用者的“自主感”和“所有权感”这两个心理变量传导的。

 一、实验设计：寻找被遗漏的关键变量

AI 对人类创造力的影响，学界尚无定论。一部分研究显示，AI 能够扩展人的概念空间、激发跨领域的联想，并增强人对自身创造力的信心；另一部分研究的结论则得出相反结论，认为过度依赖 AI 会诱发“认知固着”（Cognitive Fixation），导致思路收窄、原创性下降。

这两个方向都有充分的实验证据支撑。新加坡国立大学与东京大学的研究团队注意到一个遗漏的变量：既有研究大多在比较“使用 AI”与“不用 AI”的区别，却很少探讨“在不同时间点使用 AI”的差别。

事实上，创造力领域的经典理论早已证实：外部范例出现的时机会深刻改变创作结果。恰当的时机能促进产出，而错误的时机则会加剧思维僵化。鉴于大语言模型（LLM）具备极强的范例生成能力，其介入时机应当受到专门的检验。

为此，研究团队为此设计了一组对照实验。他们招募了 60 名参与者，随机分为两组，任务是围绕一个健康类话题写出尽可能多的支持性论点。两组的唯一差别，在于允许使用 AI 的时间点：

• 即时使用组：从任务开始，就可以直接调用 LLM 生成想法。
• 延迟使用组：必须先独立写出至少三条原创论点，然后才能调用 LLM 进行补充和扩展。

从实验结果来看，任务的耗时数据最先折射出了两组的差异。“延迟使用组”平均花费 711 秒，“即时使用组”平均花费 575 秒。这个时间差值本身并不能直接评判产出质量的优劣，但它揭示了一个事实：提前使用 AI 所节省的时间，正对应着被省略的独立思考环节。

二、时机对产出的影响：思维的同化与停滞

缺乏独立的构思环节，最直接的后果就是文本原创性的下降。研究人员计算了 AI 生成内容与参与者最终文本之间的相似度，取值范围从 0 到 1，数值越接近 1，说明对 AI 的依赖越深。结果显示：从一开始就使用 AI 的“即时使用组”，相似度高达 0.899，接近量程上限；而先独立构思的“延迟使用组”为 0.648。两组之间的差异在统计学上高度显著，表明提前引入 AI 会让使用者的产出与机器高度同化。

更有违直觉的是想法的数量。先独立构思再使用 AI 的参与者平均产出 5.567 条支持性想法，多于即时使用 AI 组的 3.867 条。虽然这一差异在统计学上仅达到边际显著，但方向已然明确。提前引入 AI 并未如预期般带来灵感的爆发，它仅仅是提高了文本与机器输出的重合度。

随后的深度访谈揭开了这组冷冰冰的数据背后的行为逻辑。一位“即时使用组”的参与者坦言，整个任务到后期变成了反复编写提示词，对结果不满意就重写提示词，再查看新的输出。另一位参与者提到，当看到 AI 生成的内容与自己的初步构思大量重合，且表达得更为完善时，自己便很难再想出超越 AI 的观点，索性放弃了继续思考。AI 响应速度快、输出质量高，这些优点反而成了一种压制，让部分参与者觉得自己的智力投入缺乏价值。 

三、时机对心理的影响：创造力自信的流失与责任转移

除了对最终产出的客观影响，使用时机同样显著改变了使用者的主观心理状态。研究进一步测量了四组感知指标，数据呈现出高度一致的导向。

首先是“创造性自我效能感”，即人对“我有能力产出好想法”的主观信念。在 1 到 7 分的量表上，“即时使用组”的得分从任务前的 5.093 显著降至任务后的 4.627；而“延迟使用组”在任务前后（5.360 到 5.300）几乎持平。值得注意的是下滑发生的速度：一次约二十分钟的任务，就足以导致参与者对自身创造力信心的显著动摇。

其次，两组在自主感与所有权感上的差异同样显著。先独立构思的参与者普遍感知到了更高的自主性，对最终文本也拥有更强的所有权感。反观即时使用 AI 的参与者，许多人表示自己在生成想法的过程中丧失了掌控感，认为写作的真正主体是机器，自己的角色已经退化为旁观者。一位参与者表示，AI 完成了全部写作，自己只是通读一遍以确认内容合理。

这种心理层面的变化，进一步影响了使用者对最终成果的功劳划分。即时使用 AI 的人倾向于将大部分功劳归给机器，而先独立构思的人则坚定地认为产出主要源于自己。功劳的归属，本质上反映了人对自身真实贡献的判断。当一个人将功劳全盘让渡给 AI 时，往往意味着他不再认为自己需要对最终结果负责。个人对产出的责任感，实质上随着功劳的外包而一并剥离了。

四、传导路径：自主感是人机协作的关键前提

除了直接对比两组数据，研究团队还通过统计模型剖析了背后的传导机制，试图回答一个关键问题：AI 介入的“时机”，究竟是如何一步步影响最终产出的？

数据检验展现出一条清晰的心理传导路径。在这个过程中，时机最先影响的变量是“自主感”。先独立构思的参与者，其自主感得到了显著提升；而这份自主感进而决定了他们对文本的“所有权感”。研究发现，这是一种完全中介效应——也就是说，所有权感的提升几乎全部源于自主感的增强，时机本身并不直接决定所有权。

沿着这一传导路径，所有权感进一步支撑起使用者的“创造性自我效能感”与“功劳归属”，而自我效能感最终决定了产出想法的数量：参与者越是相信自己具备创造力，产出的想法就越多。

整条路径可以清晰地概括为：独立构思提升自主感，自主感带动所有权，所有权支撑创造自信，创造自信转化为更多产出。自主感是整条路径的起点，所有的下游效应都以它为前提。这一发现对企业管理的实践意义在于：改善人际协作质量的关键，或许不在于盲目提升 AI 的能力，而在于妥善保护使用者的自主感。

值得注意的是，模型中唯独有一个变量不经过这条心理路径——参与者产出与 AI 输出的相似度。这一同化现象不受自主感或所有权的影响，而是由 AI 介入时机直接决定。这意味着，思路向 AI 靠拢是一种更底层的客观效应，只要 AI 提前介入就会发生。这也解释了为什么仅靠口头提醒员工“保持独立思考”往往收效甚微：在介入时机已经错误的前提下，后天的心理干预根本无法阻挡思路被模型同化。

五、发散与收敛：为员工保留“想法孵化期”

研究团队引入了创造力研究中的“阶段理论”来解释上述时机效应。通常而言，人类的创作必须经历两个阶段：首先是“发散阶段”，创作者在此尽可能广泛地探索各种可能性，追求思维的广度；随后是“收敛阶段”。创作者将这些可能性组织成最终结论，追求逻辑整合。

AI 提前介入，从根本上破坏了人类的是发散阶段。在使用者尚未形成初步想法时，AI 就直接抛出了一套结构完整、逻辑闭合的答案。这等同于提前划定了一条思考轨迹，人的思路会不自觉地沿着它展开。此时，可供探索的空间被急剧压缩，发散过程并未真正发生。所谓“认知固着”的机制正在于此：并非人类缺乏发散的意愿，而是过早出现的答案剥夺了他们的发散空间。

相反，在人已经独立完成发散、积累了一批属于自己的零散想法之后，AI 的介入便能完美承担“收敛”的职能。大语言模型非常擅长梳理逻辑、过滤信息、把分散的想法结构化，这正是人在发散之后最需要的支持。同样的工具，不同的使用节奏会带来截然不同的结果：一种是粗暴地替代了人的思考，另一种则是有效地扩展了人的思考。

基于上述结论，研究团队建议在人与 AI 的协作流程中，强制保留一个“个人想法孵化期”。在任务初期，员工必须先独立产出初始构思，此时 AI 应当保持沉默或仅提供极轻量的提示；待使用者形成了初步的判断后，再逐步加深 AI 的介入。通过这样的流程设计，AI 的作用才能稳定在“扩展思考”的一侧。

六、对企业管理与培训的启示

这项研究虽然以个人创作为观察对象，但其结论与企业的人才发展息息相关。当向 AI 提问成为员工知识工作的默认起点时，组织需要警惕的问题便超出了单纯的“效率”范畴：员工的独立思考能力、创造自信以及责任感，是否在长期的 AI 协作中受到了隐性损害？

实验中短短二十分钟即可观测到的信心下滑，若放在组织尺度上，将会产生长期的累积效应。如果员工长期习惯了遇到问题先向 AI 求解，个体层面的单次依赖会逐渐固化为团队层面的集体状态，整个团队“依靠自身能力解决问题”的信心将逐步流失。因此，创造性自信不应再被视为一种默认存在的天赋，而必须被当作一个可以测量、需要干预的培训目标来管理。

研究验证的“先独立构思、再引入 AI”法则，可以直接转化为企业的标准工作规范。当前，多数 AI 培训的内容过度集中于提示词编写技巧，但判断“在哪个环节应该使用 AI、在哪个环节必须暂缓使用”，往往是一种更稀缺、也更有价值的认知能力。提示词编写属于操作技能，而介入时机的判断则关乎认知主导权，企业的培训资源显然值得为后者留出更多的空间。

此外，功劳归属的转移在企业中对应着实质性的管理隐患。越依赖 AI 的员工，越倾向于将功劳和责任一并推给 AI。当一份由 AI 深度参与的方案出现纰漏时，组织内部可能会面临“无人认为自己应当负责”的窘境。在设计人机协作规范时，企业必须明确界定哪些环节的判断权和署名权必须保留在人的手中，以确保责任归属的清晰。

从根本上看，这些启示共同指向了一种结构性风险。AI 虽然提高了单次产出的速度，却也抽离了流程中原本留给独立思考过程的时间。这些被节省下来的时间在个体层面表现为效率，在组织层面累积的结果却可能是集体认知能力的退化。大规模引入 AI 协作的企业，必须在流程中有意识地强制保留员工先行思考的环节，将其视为维持组织核心认知能力的基础设施。

结语：建立驾驭 AI 的 Agentic Thinking

这项研究探讨的问题，比单纯的“AI 是否好用”更为底层。当 AI 跨越了工具的边界，成为实质上的协作者时，人类在协作中的主动权需要被重新审视。

使用 AI 本身并不是问题，真正需要警惕的是：人在什么时候、以何种方式将思考的权利交付给 AI。交付得过早，AI 会提前框定人的思路，人随之失去的是原创性、自信心以及对成果的所有权；交付的时机恰当，AI 就能极大地扩展人已有的判断，人也借此守住了主导权。这条理想的界线不会在使用中自然生成，它需要精心的流程设计与刻意练习。

在 AI 大规模接管知识工作的时代，人的核心竞争力正在发生转移——从“完成任务的能力”，转向“判断任务应当由谁主导的能力”。只有那些能够清晰界定“这一步是否该交给 AI”的个人和组织，才能在享受效率红利的同时，守住自身思考的阵地。判断何时应当由人主导、何时应当借助 AI，正是 Agentic Thinking 的核心所在。单纯的工具使用经验，无法自然催生这种判断力。作为全新的核心职业能力，它必须经过专门的拆解与系统化的刻意训练。

UMU 独家出品的课程《发展 Agentic Thinking：驾驭 AI Agent 工作流》正是基于这一理念设计。这门课程旨在帮助团队建立在人机协作中保持绝对主动权的工作方法，精准识别哪些环节必须独立思考，哪些环节应当引入 AI，从而让 AI 真正、稳定地承担起“扩展人类心智”的职能。欢迎点击链接体验《发展 Agentic Thinking：驾驭 AI Agent 工作流》试听课，学会在人机协作中守住思考的主导权，让 AI 真正成为扩展创造力的利器。

参考文献：

Qin, P., Yang, C.-L., Li, J., Wen, J., & Lee, Y.-C. (2025). Timing matters: How using LLMs at different timings influences writers’ perceptions and ideation outcomes in AI-assisted ideation. In Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ’25). Association for Computing Machinery.