随着生成式AI的快速发展，创意工作正经历重大变革。本文探讨了GenAI在创意内容生产、团队效能、输出多样性和灵活性方面的影响。首先，GenAI显著提高了创意内容的产量，使得创意专业人士能够更快速、低成本地生成文本、图像和音频。然而，这也引发了对内容质量的担忧。其次，AI工具的应用使得小团队能够更高效地完成复杂任务，减少了对大团队的依赖。同时，尽管GenAI有助于增强个体创造力，但可能导致创意输出的同质化。最后，创意内容的实时适应能力使得个性化广告成为可能。为了应对这些变化，领导者应加强AI素养，优化创意流程，并探索如何平衡人工与AI的协作。本文提供了实用的建议，帮助创意行业从业者更好地迎接未来挑战。
人工智能能发挥创造力吗？ 1艺术总监、文案撰稿人和其他人员正在利用人工智能的生成能力，按需生成大量文本、图像和声音流。 在一个著名的例子中，人工智能生成的内容被选为索尼世界摄影大赛创意图片类的优胜者 。
这一趋势对创意产业的未来、公司中管理创意工作的领导者以及在营销、销售和法律等相关领域做出决策的同事意味着什么？ 在这里，我们将讨论人工智能如何重塑创意工作及其团队？ 领导者必须做好准备，应对这些正在发生的转变。
GenAI 颠覆创意工作的四个领域
通过研究以及与该领域公司的合作，我们发现了人工智能时代重塑创意工作本质的四个关键变化。
1. 创意内容供应
生成式人工智能工具的普及将实现高速、低成本的制作工作，从而大幅增加创意内容的供应。 请看一项对 650 名高管的调查结果： 3同样，创意人员正在使用生成式人工智能快速构建创意原型，并在几分钟内对其进行测试。
一个令人担忧的问题是，人工智能带来的创意内容激增会牺牲质量。 事实上，人工智能生成的内容存在低质量甚至欺诈的情况，例如亚马逊上已经充斥的 “山寨 “图书。 总体而言，虽然人工智能生成技术将显著提高创意内容的数量，但其对质量的影响将更为复杂。 这种影响将取决于各种因素，从人工智能的能力和创作者的选择，到塑造人类创造力的激励机制和标准，不一而足。
2. 创意团队
由人工智能驱动的语言、音频和视觉图像工具正在帮助小型团队实现事半功倍的效果。 这不仅仅是由于效率的提高。 这些工具增强了个人能力，缩小了技能差距，从而减少了为实现复杂的创意产出目标而组建大型团队的需要。
考虑一下 Udio 或 Suno AI 这样的工具，它们能让创作者在几秒钟内为播客和广告生成音乐–这些任务以前需要专业团队或外部机构来完成。 同样，Synthesia 等人工智能工具也能让用户将文本转化为带有头像和配音选项的演播室品质视频，并提供 140 多种语言，从而简化了以往需要庞大团队才能完成的流程。
3. 创意产出的多样性
对于创意产业中的 GenAI，一个重要的担忧是它可能会减少创意产出的多样性。 请看最近一项关于故事写作的研究结果： 这表明，GenAI 可能会对创意领域产生同质化效应。
不过，产出多样性的减少并非不可避免。 这取决于如何使用这些工具。 例如，最近的一项研究发现，使用特定的提示技术（如思维链）可以产生与人类一样多样化的创意。此外，如果创作者在人工智能互动中保持自主性和发言权，就可以抵消技术的同质化影响。
4. 创意输出的流动性
GenAI 使创意内容能够根据用户输入和反馈进行实时调整，将静态内容转化为因人而异的动态体验。 这并非空穴来风。 在印度，吉百利利用人工智能和机器学习模型制作了 13 万个以宝莱坞明星沙鲁克-汗（Shah Rukh Khan）为主角的个性化广告，这些广告根据观众的位置进行了实时调整，明星提到了附近可以在排灯节期间购物的商店。
在某些情况下，创建高度定制的内容并不需要大量的数据。 例如，在线二手车平台 Carvana 使用基本数据（如汽车的型号和位置）生成了超过一百万个由AI驱动的个性化视频，每个视频都描述了客户如何找到理想汽车的独特故事。
三种可能的未来
1.AI增强创意爆炸式增长
如今，大多数企业都认识到采用人工智能来提高员工效率和绩效的重要性。 例如，在高风险工作中，人工智能被用于提高医疗保健专业人员的工作绩效，在手术过程中为医生提供建议，并将其作为癌症筛查的工具。 它还被用于客户服务，这是一种风险较低的工作。 机器人技术被用于提高仓库运行速度和可靠性，以及降低成本。
随着生成式人工智能的到来，我们看到增强技术在更具创造性的工作中的应用。 不到两年前，Github 推出了人工智能 “配对程序员 “Github Copilot，帮助人类编写代码。 最近，设计师、电影制作人和广告主管开始使用 DALL-E 2 等图像生成器。 事实上，这些应用程序中的大多数都非常易于使用，即使是只有小学口语水平的儿童也可以立即使用它们来创建内容。 几乎每个人都可以使用它们。
对于从事创造性工作的人来说，这种情况（未必）是一种威胁。 人工智能不会让许多创作者失业，而是会支持人类完成他们已经在做的工作，只是让他们以更快的速度和更高的效率完成这些工作。 在这种情况下，生产率将会提高，因为依靠使用自然语言的人工智能生成工具，可以减少提出新创意或新文本所需的时间和精力。 当然，人类仍然需要花时间对新生成的信息进行校正和编辑，但总体而言，创意项目应该能够更快地向前推进。
我们已经可以看到这样的未来： 随着准入门槛的降低，我们可以期待更多的人从事创造性工作。 Github 的 Copilot 并不能取代人类编写代码的工作，但它确实能让新手更轻松地编写代码，因为他们可以依靠模型和大量数据中蕴含的知识，而不必自己从头开始学习一切。 如果更多的人学会了 “提示工程”–向机器提出正确问题的技能，人工智能将能够生成非常相关和有意义的内容，而人类只需在使用前对其进行一些编辑即可。 让人们通过先进的语音转文字算法向计算机发出指令，然后由 ChatGPT 这样的人工智能进行解释和执行，可以提高效率。
快速检索、上下文关联和轻松解释知识的能力可能是大型语言模型最强大的商业应用。 自然语言界面与强大的人工智能算法相结合，将帮助人类更快地提出更多的想法和解决方案，随后他们可以对这些想法和解决方案进行实验，最终揭示出更多更好的创意成果。 总体而言，这种情景描绘了一个更快的创新世界，在这个世界里，机器增强人类的创造力将主要实现快速迭代。
2.机器垄断创造力
第二种可能的情况是，不公平的算法竞争和不完善的管理导致真正的人类创造力被挤出市场。 在这种情况下，人类作家、制作人和创作者会被算法生成的内容海啸所淹没，一些有才华的创作者甚至会选择退出市场。 如果这种情况发生，那么我们需要解决的一个重要问题就是：我们将如何产生新创意？ 我们将如何产生新的想法？
这种情况的雏形可能已经出现。 例如，最近针对著名生成式AI平台的诉讼指控大规模侵犯版权。 让这一问题变得更加棘手的是，知识产权法并没有跟上人工智能研究领域的技术进步。 各国政府很可能要花费数十年的时间来争论如何平衡对技术创新的激励，同时保留对真正人类创造的激励–这将是人类创造力的巨大损失。
在这种情况下，生成式人工智能极大地改变了创作者的激励结构，并提高了企业和社会的风险。 如果廉价的生成式人工智能削弱了真实的人类内容，那么随着时间的推移，人类创造的新艺术和新内容越来越少，创新就有可能放缓。 创作者们已经在激烈地争夺人类的注意力，如果有无限的内容需求，这种竞争和压力只会进一步加剧。 极度丰富的内容，远远超出了我们迄今为止所看到的任何数字颠覆，将使我们被噪音淹没，我们需要找到新的技术和策略来管理这股洪流。
这种情况也可能意味着内容创作发生根本性变化。 如果制作成本几乎没有下降，那么就有可能通过极度个性化和版本化来触及特定受众–而且往往是较少的受众。 事实上，我们预计个性化的压力会迅速增加，因为生成式人工智能具有巨大的潜力，可以满足创造越来越能代表特定消费者的内容的需求。 例如，Buzzfeed 最近宣布，将利用 OpenAI 的工具个性化他们的内容，如测验和量身定制的爱情喜剧广告。 (不过，他们并不打算在新闻编辑室中使用生成式人工智能）。
如果增强个性化体验的做法被广泛应用，那么我们就有可能失去观看同一部电影、阅读同一本书和阅读同一新闻的共同体验。 在这种情况下，随着内容的平均质量下降，真实的人类内容所占的比例也会下降，因此更容易产生政治分裂性的病毒内容和大量的错误/虚假信息。 这两种情况都可能加剧过滤泡沫效应。
然而，即使在这种相对乌托邦的情况下，人类在这个生态系统中仍然可以发挥重要作用，对现有内容进行推荐。 与音乐流媒体服务等其他大型内容市场一样，随着搜索成本的上升，策划相对于创作将变得更有价值。 但与此同时，高昂的搜索成本也会锁定现有艺术家，牺牲新艺术家的利益，使市场集中并分化。 这将导致一小撮成熟的艺术家主导市场，而长尾创作者的市场份额微乎其微。
3.”人造 “会带来溢价
我们可能看到的第三种潜在情况是，”技术浪潮 “卷土重来，重点打击算法生成的内容。 人工合成的创意成果淹没了人们的视线，其可能产生的一个影响是，人们将重新开始更加重视真实的创意，并愿意为此支付溢价。 虽然生成模型展示了非凡的能力，有时甚至是新兴的能力，但它们在准确性方面也存在问题，经常产生听起来合法但却充斥着事实错误和错误逻辑的文本。 出于显而易见的原因，人类可能会要求其内容提供者提供更高的准确性，因此可能会开始更多地依赖可信的人类来源，而不是机器生成的信息。
在这种情况下，人类将在算法竞争中保持竞争优势。 人类创造力的独特性，包括对跨国界和跨时间的社会和文化背景的认识，将成为重要的筹码。 文化的变化比生成算法的训练速度要快得多，因此人类保持着算法无法匹敌的活力。 事实上，即使算法能力逐步提高，人类仍有可能保持在创造力方面实现重大飞跃的能力。
在这种情况下，需要政治领导层采取行动，加强对信息空间的管理，以应对可能出现的负面风险。 例如，当信息平台被虚假或误导性内容淹没时，内容审核需求可能会激增，因此需要人工干预和精心设计的治理框架来应对。
领导者如何引领创意工作的未来
创造力一直是任何公司创新过程和竞争力的关键先决条件。 不久前，创造力还是人类独有的事业。 然而，正如我们所描述的，随着人工智能的到来，这一切都将改变。 因此，为了做好准备，我们需要了解随之而来的威胁和挑战。 一旦我们了解了将会发生哪些变化以及如何变化，我们就可以为未来的创意业务做好准备，因为未来的创意业务将是人机协作的一种功能。
下面建议创意产业的管理者和专业人士以及他们的同事采取积极主动的态度，通过采取以下行动，为更多的人工智能生成性颠覆做好准备：
投资于学习、再培训和提高技能。创意专业人员需要掌握人工智能知识，学习如何有效使用生成式人工智能工具。 鉴于新选项的快速发展，这不是一次性的练习，而是一个持续的学习过程。 想想那些几十年前就开始学习 Photoshop 的艺术总监，他们不断更新知识，学习更多的 Adobe 程序，现在已经开始使用这些产品的新人工智能工具了。 但重要的是，鉴于人工智能工具日新月异，不能只关注掌握特定的应用程序。 组织必须鼓励创意领导者优先考虑可转移和可持续的技能，如问题制定、实验和批判性判断。
开始重新思考创意工作流程。生成式人工智能可以在从构思到执行和评估的各个阶段对创意产生影响。 12这种能力可以实现更快、更便宜的市场调研，为创意流程不同阶段的决策提供依据。 创意人员面临的关键问题是如何协调人工和人工洞察力，以获得最佳的创意成果。
在有机会的情况下，开发定制的人工智能解决方案，以增强创意人员的潜力。例如，全球营销和传播公司阳狮集团（Publicis Groupe）建立了一个智能系统 CoreAI，利用其关于 23 亿消费者的专有数据以及数万亿内容和媒体数据点，为公司的各项服务提供人工智能功能。
认识到为创意任务创建新的人工智能解决方案并不一定是一项成本高昂的工作。事实上，在基础模型迅速发展的今天，对大多数公司来说，避免大量投资可能是更明智的选择。 有许多便捷且经济实惠的平台支持为各种创意功能开发定制聊天机器人。 例如，OpenAI 的 GPT Store 提供了数百个聊天机器人，从图像生成器和徽标设计器到构思器和概念开发器，可以为创意流程提供支持。
研究如何最好地利用生成式人工智能来自动处理创意工作流程中的重复性繁琐任务。 例如，欧特克在其设计软件中使用 GenAI，不仅提供设计选项，还处理日常任务。
评估创作者身份的哪些要素必须保持不变，并为人工智能增强设定界限。例如，欧洲议会希望音乐流媒体公司在其平台上标记人工智能生成的歌曲，并在未经人类表演者许可而模仿其声音时删除此类歌曲。同样，YouTube 首席执行官尼尔-莫汉（Neal Mohan）最近确定了与依赖人工智能技术的音乐艺术家合作的三项原则。 创意专业人士需要积极参与围绕人工智能增强技术原则的对话，尊重他们作品的原创性、所有权和真实性。
关注与公司使用生成式人工智能相关的版权问题。当前的法律解释表明，人工智能生成的内容本身缺乏版权保护，但是当人类的创造力与人工智能相结合时，产生的作品可能符合版权保护条件。 例如，Google、OpenAI 和 Anthropic 等公司提供了赔偿政策（尽管覆盖范围各不相同），而 Getty Images 和 Adobe Firefly 则使用拥有版权或免授权的内容来训练其模型。
总而言之
随着人工智能的产生，我们的创意工作出现了一个重大的颠覆者，它将如何改变，在一定程度上取决于创意专业人士及其同事如何与AI协作。 企业和整个世界都没有耐心应用新兴技术来迅速提高我们的生产力和内容生成水平。 因此，请做好准备，投入大量时间和精力，在生成式人工智能主导的世界里掌握创造艺术。
创作者需要重新思考他们的工作流程，提高他们的人工智能技能，并利用生成式人工智能工具探索新的可能性。 只有这样，他们才能为这个新世界建立道德和专业标准做出有意义的贡献。 未来的创造力不再是人类与机器之间的零和游戏，而是一种不断拓展创新疆域的合作努力。
