Инструменты на базе больших языковых моделей как катализаторы коллективного познания в совместной разработке новых продуктов: квазииэкспериментальное исследование

Почему это важно для повседневной командной работы

Современные команды — от стартапов до групп школьных проектов — всё чаще обращаются к чат‑ботам на основе ИИ, чтобы помочь думать, планировать и создавать. Но мы удивительно мало знаем о том, как эти инструменты фактически меняют способы совместной работы. В этом исследовании подробно рассматривается, как большие языковые модели (БЯМ), такие как продвинутые чат‑боты, формируют групповое мышление при совместном проектировании новых продуктов и в каких областях человеческое суждение по‑прежнему явно превосходит ИИ.

Как команды обычно думают вместе

Когда люди сотрудничают над новым продуктом, они делают не только распределение задач; они постепенно выстраивают общее понимание проблемы и возможных решений. Авторы называют это «коллективным познанием» — тем, как индивидуальные идеи и точки зрения сливаются в единый ментальный образ. Ранее исследования показывали, что это совместное мышление развивается через циклы сбора информации, обсуждения, оценки вариантов и принятия решений, но те циклы часто описывались в общих чертах. Чтобы подробно изучить реальные разговоры, исследователи уточнили старую модель и предложили рамку 2I2A, которая делит сотрудничество на четыре перекрывающиеся пространства: идентификация информации и сигналов, взаимодействие для организации идей, анализ опций и компромиссов и приспособление, то есть превращение озарений в рабочие решения.

Ближе к эксперименту

В исследовании приняли участие 44 продвинутых студента дизайна и инженерии, которые были объединены в 22 двухчленные команды. Каждой паре дали 90 минут на создание инновационного продукта для детей с условием «думать вслух». Половина команд могла свободно использовать БЯМ (ChatGPT‑4 или аналогичную систему) на ноутбуке; другая половина имела только бумагу и карандаши. Вся устная речь записывалась и затем тщательно кодировалась построчно с использованием модели 2I2A. Каждое предложение или обмен помечались как относящиеся к одному из четырёх пространств и к одному из восьми более тонких типов коммуникации, таких как восприятие информации, структурирование вопросов, оценка идей или комбинирование решений. Кроме того, участники, работавшие с БЯМ, прошли полуструктурированные интервью, которые исследователи проанализировали с помощью методологии «закреплённой теории» для выявления общих тем о том, как люди относятся к совместной работе с ИИ.

Где ИИ помогает больше всего

Данные показывают, что БЯМ сильно усиливают ранние этапы группового мышления. По сравнению с командами без ИИ, группы с БЯМ проводили больше времени в пространствах Идентификации и Взаимодействия. Они запрашивали у модели справочные факты, примеры и вдохновение, затем использовали её ответы как исходный материал для формулировки и переформулировки дизайнерских вопросов. Это означало, что они воспринимали больше релевантной информации, выбирали и накапливали больше вариантов и активнее реорганизовывали идеи. Интервью подтверждают это: многие участники говорили, что БЯМ ускорял их исследования, предлагал направления, о которых они не думали, и выступал как быстрый «партнёр по концепту», помогающий преодолевать творческие блоки. Короче говоря, ИИ расширял когнитивные границы команд и помогал быстрее прийти к общему отправному пункту.

Где человеческое суждение всё ещё впереди

Напротив, БЯМ не изменил существенно частоту вовлечения команд в более глубокие рассуждения или финальную синтез‑работу. В пространствах Анализа и Приспособления — где люди оценивают плюсы и минусы, согласовывают разногласия и сплетают идеи в единый дизайн — группы с БЯМ и без него в целом вели себя похоже, а в некоторых подобластях команды без ИИ были активнее. Без ИИ участники тратили больше времени на критическую оценку вариантов и обсуждение компромиссов. Респонденты часто отмечали, что предложения чат‑бота могли быть поверхностными, иногда неточными и слишком согласительными, редко выступая против как критический напарник. Некоторые чувствовали, что ИИ иногда «замещал» их собственное мышление или подталкивал следовать его идеям слишком близко, что могло сужать, а не расширять диапазон решений. Это помогает понять, почему, несмотря на более оживлённый генератор идей на раннем этапе, итоговое творческое качество явно не возросло с ИИ.

Сдвиги в динамике команды и скрытые риски

Анализ переходов команд между четырьмя пространствами мышления во времени показал, что группы с БЯМ демонстрировали более плавные, возвратно‑повторяющиеся переходы, особенно между идентификацией информации и взаимодействием по её структурированию. ИИ стимулировал быстрые циклы запроса, получения и переработки идей, придавая сотрудничеству более гибкий характер. Однако эта гибкость имела свои компромиссы. Некоторые участники отмечали, что частые переключения, подпитываемые лёгкими ответами ИИ, затрудняли замедление для более глубокого размышления. Другие беспокоились о растущей зависимости от инструмента, потере «натурального» человеческого обсуждения и необходимости перепроверять содержание ИИ на предмет ошибок или упущенного контекста. Интервью также указывали на более широкие социальные эффекты: ИИ может автоматизировать рутинную работу и освобождать людей для более творческих задач, но он также может изменить распределение власти, усилив влияние определённых ролей — например, продакт‑менеджеров, которые управляют использованием ИИ — внутри команд.

Что это значит для использования ИИ в реальных командах

Для неспециалиста основное послание простое: БЯМ очень полезны для того, чтобы помочь командам начать работу и оставаться ментально гибкими, но они не являются кратчайшим путём к глубокому пониманию или мудрым решениям. Эти инструменты выступают мощными ускорителями сбора информации, исследования идей и построения начального общего представления. Однако тщательный анализ, трудные выборы и слияние множества точек зрения в прочный, работоспособный дизайн по‑прежнему сильно опираются на человеческую экспертизу, критическое мышление и переговоры. Авторы утверждают, что организации должны рассматривать БЯМ как вспомогательные средства для ранних стадий мышления в рамках более широкой 2I2A‑модели сотрудничества — а не как замену человеческим разговорам и суждениям, которые в конечном счёте делают новые продукты успешными.

Цитирование: Zhang, D., Luo, S., Liu, Y. et al. Large language model tools as catalysts for collective cognition in collaborative new-product development: a quasi-experimental study. Humanit Soc Sci Commun 13, 382 (2026). https://doi.org/10.1057/s41599-026-06738-7

Ключевые слова: большие языковые модели, совместное проектирование, коллективное познание, разработка новых продуктов, человеко‑ИИ командная работа