专业实践如何采纳生成式人工智能？——以工程设计及产品发展团队为例

《Proceedings of the Design Society》：How are professional practices adopting generative AI? The case of an engineering design and product development team

　　

生成式人工智能（Generative Artificial Intelligence, GenAI）正在改变设计实践，但关于该技术在真实设计组织中的采纳情况，研究仍缺乏实证洞察。通过对一家欧洲汽车原始设备制造商（OEM）的案例研究，研究人员发现GenAI能够加速构思，但由于知识产权、数据安全、原创性以及技能萎缩风险等关键顾虑，其采纳程度受到限制。因此，成功整合GenAI需要组织能力，例如针对特定工作流程的培训、数据保护政策的透明治理，以及一致性的工具链。

生成式人工智能（Generative Artificial Intelligence, GenAI）正快速改变产品概念化、开发及交付方式。尽管GenAI在提升设计效率与创造力方面前景广阔，现有研究多属探索性，对真实设计与工程组织中采纳行为的经验洞察仍然不足。为填补这一空白，研究人员针对一家成立于1934年的欧洲汽车原始设备制造商（OEM）先进工程部门开展嵌入式案例研究；该部门作为技术“skunkworks”，拥有约400名设计工程人员，专注于轻量化结构、复合材料与概念模拟。研究旨在探讨跨职能设计工程师如何在早期构思阶段感知、使用及回避GenAI工具，并识别维持其采纳所需的组织能力。该研究成果发表于《Proceedings of the Design Society》。

研究人员对15名跨职能设计工程师开展半结构化访谈，收集其对GenAI工具的态度与使用体验，并运用NVivo软件对访谈文本进行反身性主题分析，最终提炼出四个核心主题。

研究发现部分围绕以下四个主题展开。其一，职业与技能（Jobs vs Skills）。仅有一名参与者担忧被取代，多数受访者认为GenAI将作为辅助工具增强其工作能力。然而，三分之一的参与者对技能萎缩及自动化依赖表示担忧，认为过度使用将阻碍关键能力的自主发展；风险偏好并不遵循年龄或资历的简单划分，而与风险类型密切相关。其二，人在回路（Human in the Loop）。知识产权与作者身份问题构成显著障碍，超过半数参与者担忧原创性，认为真正的创新仍依赖人类大脑。部分受访者将GenAI视为支持性工具或共创伙伴，可提升效率并作为项目启动的“种子”；但也有工程师指出，GenAI输出的技术内容仍需专家验证，且难以对机器生成的创意承担全部责任。其三，培训缺口（Training Gaps）。尽管参与者普遍持开放态度，但组织赋能明显不足。工具数量泛滥、缺乏针对性培训导致采纳停滞，一次性工作坊虽能激发兴趣，但若无模板、练习及持续支持，员工难以建立信心，工具使用率快速衰减。其四，高影响用例（High-impact use cases）。十名参与者强调GenAI在快速可视化与沟通概念方面的重要价值，可提升效率并帮助技能不足者快速呈现想法。十一名参与者认为信息检索与总结功能具有显著优势，能快速从复杂技术文档中提取答案，大幅缩短研究周期。此外，受访者讨论了GenAI在渐进式创新与突破性创新中的潜力，认为AI可辅助现有设计但尚难以独立实现颠覆性创新。

讨论部分指出，GenAI感知直接影响从业者采纳。多数从业者将其视为支持性工具，可在问题定义与概念阶段加速市场数据获取和可视化，弥合技能差距。然而，知识产权、训练数据来源不明及原创性顾虑可能妨碍专利保护，且从业者担心专有输入数据被竞争对手利用。工具数量过剩也限制了采纳意愿。研究还表明，年龄与经验并非预测采纳的关键，风险类型与好奇心更具解释力；年轻设计师担忧技能无法自主发展，资深工程师则担忧失去对设计参数的控制。研究进一步识别出六项组织能力以支持持续使用，涵盖治理、风险清晰化、结构化实验、工具链策划、工作流程赋能及培训支持等。组织应先明确GenAI如何支撑其流程，通过建立跨部门工作组、制定标准操作程序并提供模板与办公支持，可有效提升员工信心。信息检索、技术文档总结及基准研究等任务被认为具有显著的自动化潜力。

研究总结指出，GenAI工具（包括大语言模型，LLMs）可增强早期设计活动，尤其在构思、头脑风暴和概念可视化方面。虽然参与者认可GenAI在加速创意生成、支持发散思维及促进跨模态转换方面的潜力，但对其可靠性、数据安全、知识产权及工作流兼容性深表担忧，这些感知直接塑造了日常设计实践中的工具采纳程度与方式。研究进一步指出，限制GenAI整合的组织行为可通过专项实验与培训项目加以改进，具体包括：基于特定角色与流程的结构化GenAI指南、组织支持的持续培训与技能提升、透明的数据保护政策治理，以及一致性的工具链。