Samarbeid med KI i kreativt arbeid: Hvordan store språkmodeller (LLM-er) forandrer kreativitet
mars 2025
Siden ChatGPT dukket opp i desember 2022, har verktøyet skapt bred debatt og ført til rask innføring av store språkmodeller (LLM-er) i en rekke bransjer. Disse modellene hjelper i dag brukere med et bredt spekter av åpne oppgaver, hvorav mange krever høy grad av kreativitet.
I fjor publiserte Zenan Chen og Jason Chan en banebrytende studie i det ledende tidsskriftet *Management Science*, med tittelen «Large Language Models in Creative Work: The Role of Collaboration Modality and User Expertise». Studien bygger på et nøye utformet randomisert eksperiment og undersøker hvordan ulike former for samarbeid mellom mennesker og LLM-er påvirker den kreative prosessen i skriving av reklametekster. Studien sammenlignet særlig to hovedmåter å bruke LLM-er på: (a) som spøkelsesskribent (ghostwriter), der modellen leder genereringen av innholdet, og (b) som samtalepartner (sounding board), som gir tilbakemelding på og vurdering av innhold skapt av mennesker. Både eksperter og ikke-eksperter deltok i eksperimentet. De skulle skrive reklametekster med og uten hjelp fra LLM-er, og kvaliteten på annonsene ble deretter vurdert.
Et interessant funn: Hvordan samarbeider KI med mennesker?
Et sentralt funn i studien er at effekten av å bruke LLM-er varierer og formes av samspillet mellom samarbeidsformen og brukerens ekspertisenivå. Med tilbakemelding fra LLM-er klarte ikke-eksperter å lage reklameinnhold som semantisk lå nærmere innhold på ekspertnivå, og de reduserte dermed avstanden til fageksperter. For eksperter ga bruk av LLM-er som spøkelsesskribent derimot ingen vesentlige fordeler, og det svekket også prestasjonene deres. Dette skjer fordi spøkelsesskribentmodusen er særlig utsatt for forankringseffekten, der det første innholdet LLM-en genererer, subtilt begrenser ekspertenes kreative tenkning og til slutt gir annonser av lavere kvalitet. Eksperter hadde heller ikke nevneverdig nytte av å bruke LLM-er som samtalepartner. Dette kan forklares med takeffekten: forslagene fra en generell LLM når ikke opp til den faglige dybden og praktiske erfaringen ekspertene allerede har.
KI i reklamekreativitet: Et tveegget sverd
I tillegg til disse innsiktene presenterer studien flere tankevekkende funn. Generelt oppnår annonser som er objektive, moderat lange og lettleste, høyere engasjement. Førsteutkastene som LLM-er genererte i spøkelsesskribentmodus, hadde imidlertid lavere lesbarhet.
I spøkelsesskribentmodus har LLM-er dessuten en tendens til å bruke flere emojier og emneknagger i førsteutkastene, noe som kan svekke troverdigheten til budskapet og den opplevde påliteligheten til avsenderen (Koch et al., 2023). Selv om deltakerne delvis justerte bruken av emojier etter å ha arbeidet med spøkelsesskribentmodusen, så det ut til at disse elementene, som LLM-ene opprinnelig introduserte, fortsatt hadde en forankringseffekt på de endelige annonsene.
Innsikt for virksomheter og praktikere: Det store potensialet i KI
Studien gir svært verdifull innsikt for praktikere og understreker betydningen av å velge den beste samarbeidsformen med LLM ut fra praktikerens ekspertisenivå. For nyutdannede og mindre erfarne fagfolk er samtalepartnermodusen mer effektiv for å heve kvaliteten på det kreative arbeidet. Organisasjoner kan vurdere å bruke LLM-er på denne måten for å støtte nyansatte eller hjelpe dem med ukjente operative utfordringer, og dermed fremskynde læring og utvikling. Samtidig bør organisasjoner innføre tydelige retningslinjer for bruk av LLM-er, med vekt på de kognitive skjevhetene ansatte kan møte i spøkelsesskribentmodus. Denne tilnærmingen bør brukes med varsomhet, særlig når man er avhengig av eksperter for kreativt arbeid på høyt nivå, fordi den kan utløse forankringseffekten og begrense den kreative tenkningen. Selv om generelle LLM-er kanskje ikke direkte forbedrer arbeid på ekspertnivå, kan spesialiserte modeller trent på domenespesifikke data gi erfarne fagfolk nye perspektiver og verdifull innsikt.
Etter hvert som LLM-teknologien utvikles videre og tas i bredere bruk, må både enkeltpersoner og organisasjoner vurdere fordelene og de iboende begrensningene nøye. Ved å utnytte styrkene til LLM-er strategisk og motvirke svakhetene deres vil virksomheter stå bedre rustet til å utnytte kraften i generativ KI, frigjøre menneskelig kreativitet og oppnå bedre resultater på tvers av kreative fagfelt.
References
Chen, Z., & Chan, J. (2024). Large Language Model in Creative Work: The Role of Collaboration Modality and User Expertise. *Management Science*, 70(12), 9101–9117. https://doi.org/10.1287/mnsc.2023.03014
Koch T, Denner N, Crispin M, Hohagen T (2023) Funny but not credible? Why using (many) emojis decreases message credibility and source trustworthiness. Soc. Media Soc., ePub ahead of print September 4, https://doi.org/10.1177/20563051231194584.
Kommentarer