《Proceedings of the Design Society》：AI as creative partner: exploring perceived roles in human-AI co-creation
编辑推荐：
生成式人工智能（GenAI）工具正日益融入创意工作流程，从辅助工具演变为协作者，并重塑创意过程中的人机交互。为了更好地理解这种协同创作中人的一面，研究人员对19名参加生成式人工智能支持的设计未来课程的建筑学学生进行了访谈研究。该研究识别出在协同创作过程中人类和
生成式人工智能（GenAI）工具正日益融入创意工作流程，从辅助工具演变为协作者，并重塑创意过程中的人机交互。为了更好地理解这种协同创作中人的一面，研究人员对19名参加生成式人工智能支持的设计未来课程的建筑学学生进行了访谈研究。该研究识别出在协同创作过程中人类和人工智能可以扮演的18种角色，以及工具特定的差异，并对设计过程中的情感动态、创意体验、感知能动性和控制感提供了见解。生成式人工智能的民主化导致了这些工具在设计实践中的广泛使用，以及将其应用于日常创意工作流程的热情。将生成式人工智能工具融入设计过程改变了我们开发、探索和可视化想法的方式，重塑了人工制品开发所有阶段的创意过程。随着生成式人工智能工具从助理角色演变为积极的协作者，它们通过引入一个影响创意成果的非人类伙伴，正在完善人类与生成式人工智能在整个设计过程中的协作方式。这种人工智能协作者扩展了人类能力，并开启了内容生成的新模式，为达成创意成果开辟了新途径。这一转变不仅影响创意成果的性质，也影响设计过程本身以及创意人员在使用生成式人工智能工具时的创意体验。因此，创意成果不再仅仅掌握在人类及其使用程序的能力手中；它们源于人类与生成式人工智能工具之间的混合对话和共同探索。在这个过程中，人类扮演着特定的角色，生成式人工智能工具也是如此。现有研究已经尝试在协同创作环境中定义和分类人工智能角色，例如，通过概念化不同的人工智能原型，或通过评估人们对预定义人工智能角色的看法。然而，这些角色通常没有在真实的创意环境中自然探索或观察到。此外，现有文献常常将人工智能角色独立于人类角色进行考察，而不是将它们放在一起研究以获得对人机交互更全面的理解。为了更深入地阐明人机协同创作中创意人员的一方，并对所涉及的角色获得更全面的视角，本研究定性探索了创意人员在与生成式人工智能工具共同完成创意任务时，在设计过程中如何体验这些角色。以下研究问题指导了这一探索：• RQ1：创意人员如何感知自己在塑造创意成果中的角色以及生成式人工智能的角色？• RQ2：创意人员对生成式人工智能角色的感知如何因不同的生成式人工智能工具而异？为了解决这些研究问题，研究人员对建筑学学生（n = 19）就他们在设计未来课程中使用生成式人工智能工具完成创意任务的体验进行了访谈研究。访谈研究揭示了他们对生成式人工智能工具的体验以及他们对协同创作过程中自身角色的看法。基于获得的见解，研究人员识别出在协同创作过程中人类和人工智能的18种不同角色。这些角色为理解角色在创意协作中如何被体验提供了初步认识。获得的见解和推导出的角色旨在促进更好地理解人机协同创作中的人类体验，同时为未来研究奠定基础。
**人机协同创作中的角色感知：一项基于建筑学学生体验的探索性研究解读**
**一、 研究背景与意义**
随着生成式人工智能（Generative AI, GenAI）技术的民主化与普及，其在设计等创意领域的应用日益深入，正从传统的辅助性工具（如自动化执行任务）演变为创意过程中的主动协作者。这一转变不仅极大地拓展了内容生成的可能性，也从根本上重塑了人机交互的模式。创意成果不再被视为人类创造力的单向输出，而是人类与人工智能通过“混合对话”与“共同探索”所产生的涌现性结果。因此，理解人类与人工智能在协同创作（Human-AI Co-creation）中各自扮演的角色、动态关系以及创意人员的切身经验，对于设计实践、教育与理论研究均具有迫切意义。
然而，现有研究存在若干局限。首先，许多关于人工智能角色的探讨是演绎性的，基于文献预先定义角色类型（如工具、分析器、伙伴、引导者），而非从真实创意情境中自然归纳得出，可能导致角色遗漏或偏差。其次，研究多聚焦于人工智能单方面的角色，忽视了人类在协作中的对应角色及其互动关系，而二者在协作中扮演着既区别又互补的角色。最后，多数角色定义基于通用情境，而非针对创意协作这一特定语境，而不同的应用领域和任务会导致截然不同的协作体验。尽管有研究开始关注创意语境下的人机角色，但其参与者背景多元，识别出的角色数量有限，缺乏更细腻的区分。
为弥补上述研究空白，本研究发表在《Proceedings of the Design Society》上，旨在通过一种归纳式、以人为中心的情境化方法，深入探索创意人员在与生成式人工智能工具协同完成设计任务时，如何感知自身及人工智能的角色。研究提出了两个核心问题：创意人员如何感知自身及生成式人工智能在塑造创意成果中的角色？以及这种角色感知如何随不同的生成式人工智能工具而变化？
**二、 研究方法概述**
为回答研究问题，研究人员采用质性访谈法，对19名建筑学硕士生（12名女性，7名男性，年龄22-35岁，均具备至少三年学习经验）进行了深度研究。所有参与者此前均参加了2025年中举办的一场为期两天、名为“人工智能支持的设计未来”的工作坊。在该工作坊中，参与者围绕“工作的未来”主题，使用多种生成式人工智能工具协同开发未来构想。工作坊贯穿了完整的设计过程，将设计未来方法与生成式人工智能使用相结合。参与者使用的工具包括用于文本生成的ChatGPT（GPT-4o版本）、用于构思与组织的FigJam（OpenBeta版）、用于图像生成的Midjourney（v6.1版本）以及用于视频生成的Runway（Gen-4版本）。这些工具代表了当前设计领域常用的生成式人工智能类型，并能支持设计未来过程的不同阶段，旨在辅助学生最终制作展示其未来工作设想的视频。
研究通过半结构化访谈指南进行在线访谈，平均时长57分钟。访谈内容涵盖对工作坊的反思、对每个工具如何影响创造力、情感和控制感的工具特异性讨论，以及让参与者描述协同创作中生成式人工智能工具的“个性”与特征。数据分析采用主题分析法，由一名研究者使用ATLAS.ti软件对转录文本进行归纳式编码。角色识别分两个阶段：首先，将所有识别出的角色及其特征按所指代的特定生成式人工智能工具或人类角色进行分组；其次，忽略人机之别，基于共性对所有角色进行聚类，从而得出最终的18个角色集群。角色命名尽可能采用参与者最常提及的标签，以确保其真实性。
**三、 研究结果：18种角色及其工具差异**
通过对访谈的分析，研究归纳出人类与生成式人工智能在协同创作中可能扮演的18种 distinct roles（独特角色），每种角色均包含特征描述、行为描述及互动模式。这些角色展现了从高度用户主导到人工智能主导，从高效支持到干扰阻碍的广泛光谱。以下是部分关键角色的简要说明：
**4.1 识别出的角色**
* **执行者（The Executor）**：高效、有帮助、支持性强，但缺乏创造力和个人抱负，专注于完成任务。它能快速测试想法，但也可能限制用户的创造性想象，削弱其作者归属感。
* **组织者（The Organizer）**：有条理、结构化、支持性，负责连接想法、清理思路、提供结构，并将想法变为现实。此角色常被视为人类专属，侧重于组织而非生成新想法。
* **共同创造者（The Co-Creator）**：快速、固执、自信，在用户之上运作，将想法转化为可构建的基础。它体现了人工智能主导的互动，虽能贡献创意，但也挑战用户的作者归属感和控制感。
* **团队伙伴（The Team Partner）**：有帮助、有创造力、积极正面，能组织混乱、快速协作、影响成果，感觉几乎像一位朋友。它体现了共享互动，人工智能作为支持性、激励性的伙伴，有时也会引导用户转向。
* **监督者（The Supervisor）**：具有指导性、果断、自信，负责审查结果、决定后续方向、设定基调。这是以人为中心的角色，监督人工智能输出并策划结果，用户被视为主要权威，但也会感受到人工智能的影响。
* **无用的工具（The Useless Tool）**：不可靠、低效甚至不必要，产出常不符合预期，导致挫败感和时间浪费感。互动充满挑战，难以达成创意成果。
* **发起者（The Initiator）**：支持性、结构化、有远见，为创作奠定基础并指引新方向。此角色被视为启动创意过程的关键，参与者主要将其描述为人类角色，但Midjourney有时也被视为发起者。
* **老板（The Boss）**：自信、控制欲强、目标导向，设定起点、决定方向、判断可接受性，并领导工作走向成果。这反映了强烈的以用户为中心的互动，人类负责方向和决策，人工智能在其监督下执行任务。
* **干扰者（The Disturber）**：恼人、分散注意力、耗时，贡献少却需要关注，常打断创意流。这反映了人工智能主导的互动，人工智能更多是阻碍而非帮助。
其他角色还包括**有用的工具（The Useful Tool）**、**同事（The Co-Worker）**、**秘书（The Secretary）**、**实习生（The Intern）**、**会计（The Accountant）**、**娱乐者（The Entertainer）**、**超级大脑（The Superbrain）**、**研究者（The Researcher）**、**年轻专业人士（The Young Professional）**。这些角色共同揭示了协同创作中涉及的情感反应（如挫败感、惊喜）、感知控制力、创意参与度以及作者归属感等复杂动态。
**4.2 角色的工具差异**
研究还发现，角色的出现频率和性质因所使用的生成式人工智能工具而异，体现了工具特异性的角色感知变化：
* **人类角色**：参与者普遍将自身角色视为**监督者**、**发起者**、**老板**和**组织者**，强调其引导进程、设定方向、策划成果的决策者身份，旨在保持作者身份，尽管有时颇具挑战。**老板**和**监督者**角色被 exclusively（排他性地）视为人类角色。
* **ChatGPT**：整体被视为支持性、知识渊博、协作性强的伙伴，但有时会将想法引向非预期的方向。其互动主要是用户主导和共享的，常被感知为**团队伙伴**、**执行者**、**同事**、**共同创造者**等，模糊了作者归属感和能动性的边界。
* **FigJam**：整体被视为结构化、支持性、有条理的工具，帮助组织和连接想法，提供清晰度和秩序。其体验主要是用户主导的，常被感知为**组织者**、**会计**等，侧重于提供结构和秩序而非灵感和创意输入。
* **Midjourney**：整体被视为有创造力、快速、视觉表现力强，但常常难以预测和控制。其体验主要是共享和人工智能主导的，常被感知为**共同创造者**、**团队伙伴**等，体现了充满张力但富有创造力的动态，创意控制常向人工智能倾斜。
* **Runway**：整体被视为功能强大但难以控制、不可预测，提供制作支持但创意贡献有限。其体验主要是用户主导的，常被感知为**执行者**、**无用的工具**等，引发了介于偶尔惊喜和挫败之间的复杂情绪。
**四、 讨论与结论**
本研究通过归纳法，从创意人员的真实体验中提炼出18种人机协同创作角色，相较于以往基于演绎或预定义角色的研究，提供了更丰富、更情境化、更细腻的视角。这些角色融合了情感和元认知反思，揭示了协同创作不仅是功能性的，更是深刻情感化的，影响着创意人员对能动性、自我效能感和作者归属感的元认知体验。
研究发现可与现有理论框架对话。例如，可将本研究中的多个角色映射到McComb等人提出的“2x2人机组队矩阵”中的四种人工智能原型角色（AI-as-Tool, AI-as-Analytics, AI-as-Partner, AI-as-Guide）。然而，值得注意的是，参与者将**监督者**和**老板**角色 exclusively（排他性地）归属于人类，这凸显了人类在协作中保持控制权的意愿，也强调了在协同创作中同时考虑人类和人工智能角色的重要性。
研究对设计教育、实践和研究具有重要启示。对于教育者，这些角色有助于引导新手设计师认识协同创作对其情感和认知的影响；对于从业者，有助于其理解不同工具带来的体验差异，并反思如何强化自身在协同创作中的角色；对于研究者，则强调了深入探究人机协同创作中“人的一面”的必要性，这是一个关系性、情境敏感且经验驱动的互动过程。
尽管生成式人工智能技术发展迅速，但本研究聚焦于参与者的 lived experiences（生活体验）和元认知维度，所识别的角色揭示了协同创作中的关系结构和底层互动逻辑，其发现对未来技术发展仍具有可迁移性。这18种角色可作为未来研究的基础，用于追踪人机协同创作的演变和角色感知的变迁。
**研究结论**部分指出，本研究通过对19名使用不同生成式人工智能工具完成创意任务的建筑学学生的访谈，识别出人类与生成式人工智能在协同创作中可能扮演的18种独特角色。此外，研究还发现了角色感知在不同工具间的差异，强调了人机协同创作中的角色是高度情境依赖的。因此，本研究为创意领域的人机协同创作提供了一个更以人为中心、更注重情境的视角。
研究的优势在于其在创意领域内采用的以人为中心和情境化的方法，以及从访谈中产生的多方面的见解。局限性则在于仅考察了一类创意人群（建筑学学生），其他创意子领域的经验和角色感知可能略有不同。此外，19名参与者的小样本量以及由单一研究者进行编码也可被视为局限。尽管如此，研究结果为人机协同创作领域的当前研究提供了有意义的见解，所推导出的18种角色可作为进一步研究的起点。未来研究可验证和精炼这些角色，探索其在不同创意子领域的可转移性，或探究这些角色如何与更广泛的人机协作优势与劣势讨论相关联。访谈中经常出现的主题，如情感反应、创意心流、自我效能感和能动性，也为人机创意协同创作的进一步探索留下了空间。
总体而言，本研究深化了对创意领域人机协同创作中人类体验的理解，同时揭示了塑造这些体验的角色、情感和经验的复杂性。
