งานวิจัยชี้ ChatGPT ช่วยให้ไอเดียของคุณดูสร้างสรรค์ขึ้นจริง แต่ถ้าทุกคนขอไอเดียจาก AI ตัวเดียวกัน ไอเดียทั้งหมดจะเริ่มเหมือนกันหมด

ผมใช้ ChatGPT ช่วยระดมไอเดียบ่อยขึ้นเรื่อยๆ ในช่วงหลัง ไม่ว่าจะคิดหัวข้อบทความ ตั้งชื่อโปรเจกต์ หรือหาไอเดียแก้ปัญหาที่ติดขัด ต้องยอมรับว่ามันช่วยได้จริง บางครั้งไอเดียที่ AI เสนอมาก็ทำให้ผมคิดต่อได้เร็วกว่าคิดเองคนเดียว แต่ก็มีความรู้สึกแปลกๆ แอบผุดขึ้นมาเหมือนกัน คือบางทีไอเดียที่ได้จาก AI มันดู "คุ้นๆ" เหมือนเคยเห็นแนวนี้จากที่อื่นมาก่อน ทำให้ผมเริ่มสงสัยว่าถ้าทุกคนใช้เครื่องมือตัวเดียวกันช่วยคิด สุดท้ายแล้วไอเดียของทุกคนจะยังต่างกันอยู่ไหม

ผมเลยไปหาว่างานวิจัยด้านจิตวิทยาความคิดสร้างสรรค์ตอบคำถามนี้ไว้อย่างไรบ้าง พบว่าเป็นหัวข้อที่นักวิจัยจากมหาวิทยาลัยชั้นนำหลายแห่งเริ่มศึกษาอย่างจริงจังในช่วง 2-3 ปีที่ผ่านมา และผลลัพธ์ที่ได้ก็ตรงกับความรู้สึกแปลกๆ ที่ผมเคยมีพอดี คือคำตอบไม่ใช่ "ใช่" หรือ "ไม่ใช่" ง่ายๆ แต่เป็นภาพที่ซับซ้อนกว่านั้น และมีวิธีใช้ AI ที่ช่วยให้ได้ประโยชน์โดยไม่เสียเอกลักษณ์ความคิดของตัวเองไปด้วย

AI ช่วยให้คนที่ไม่ถนัดคิดสร้างสรรค์ทำได้ดีขึ้นจริง แต่มีราคาที่ต้องจ่าย

Anil R. Doshi และ Oliver P. Hauser ตอบคำถามนี้ในงานชื่อ "Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content" ตีพิมพ์ใน *Science Advances* ปี 2024 (เล่ม 10 ฉบับ 28 บทความเลขที่ eadn5290, DOI 10.1126/sciadv.adn5290) โดยทีมวิจัยจาก UCL School of Management และ University of Exeter

ทีมวิจัยให้นักเขียน 293 คนเขียนเรื่องสั้น 8 ประโยคสำหรับผู้อ่านวัยรุ่น แบ่งเป็น 3 กลุ่ม คือกลุ่มไม่มี AI ช่วย กลุ่มที่ขอไอเดียจาก AI ได้ 1 ไอเดีย และกลุ่มที่ขอได้สูงสุด 5 ไอเดีย แล้วให้ผู้ประเมิน 600 คนให้คะแนนเรื่องสั้นเหล่านั้นโดยไม่รู้ว่าเรื่องไหนใช้ AI ช่วย ผลลัพธ์พบว่ากลุ่มที่ขอไอเดียได้ 5 ไอเดียได้คะแนนความแปลกใหม่สูงขึ้น 8.1% และคะแนนประโยชน์ใช้สอยสูงขึ้น 9.0% เทียบกับกลุ่มไม่มี AI ช่วย ที่น่าสนใจกว่านั้นคือประโยชน์นี้ไม่ได้กระจายเท่ากันในทุกคน นักเขียนที่มีความคิดสร้างสรรค์ต่ำเดิม (วัดจากแบบทดสอบ Divergent Association Task ก่อนเริ่มการทดลอง) ได้ประโยชน์มากที่สุด คือคะแนนความแปลกใหม่เพิ่มขึ้นถึง 10.7% ประโยชน์ใช้สอยเพิ่มขึ้น 11.5% ถูกประเมินว่าเขียนดีขึ้น 26.6% สนุกขึ้น 22.6% และน่าเบื่อน้อยลง 15.2% จนคะแนนขยับมาอยู่ในระดับใกล้เคียงกับนักเขียนที่สร้างสรรค์สูงอยู่แล้ว ขณะที่นักเขียนที่สร้างสรรค์สูงอยู่แล้วแทบไม่ได้ประโยชน์เพิ่มเติมจาก AI เลย

แต่ราคาที่ต้องจ่ายคือเรื่องราวที่ใช้ไอเดียจาก AI มีความคล้ายคลึงกันมากขึ้นอย่างมีนัยสำคัญ กลุ่มที่ขอ 1 ไอเดียเขียนเรื่องที่คล้ายกับกลุ่มไอเดีย AI มากขึ้น 5.2% และกลุ่มที่ขอ 5 ไอเดียคล้ายขึ้น 5.0% เทียบกับกลุ่มไม่มี AI ช่วย ผู้วิจัยเรียกปรากฏการณ์นี้ว่า "ปัญหาทางสังคมร่วม" (social dilemma) คือในระดับปัจเจกแต่ละคนได้ประโยชน์จริง แต่ในระดับกลุ่มกลับได้เนื้อหาที่แปลกใหม่น้อยลงเมื่อรวมกันทั้งหมด

ผมคิดว่างานนี้ตอบโจทย์ตรงจุดมาก เพราะมันอธิบายความรู้สึกแปลกๆ ที่ผมเคยมีได้ชัดเจน คือ AI ช่วยให้ไอเดียของแต่ละคนดูดีขึ้นจริง แต่พอมองภาพรวมกลับกลายเป็นว่าทุกคนเริ่มคิดคล้ายๆ กัน คำถามที่ตามมาคือ ถ้าเป็นงานที่ต้องระดมไอเดียเป็นกลุ่มจริงๆ ไม่ใช่แค่การทดลองเดี่ยวๆ แบบนี้ ผลจะรุนแรงกว่านี้แค่ไหน

เมื่อทุกคนขอไอเดียจากแชตบอตตัวเดียวกัน ไอเดียก็เริ่มเหมือนกันหมด

Lennart Meincke, Gideon Nave และ Christian Terwiesch ตอบคำถามนี้ในงานชื่อ "ChatGPT Decreases Idea Diversity in Brainstorming" ตีพิมพ์ใน *Nature Human Behaviour* ปี 2025 (เล่ม 9 ฉบับ 6 หน้า 1107-1109, DOI 10.1038/s41562-025-02173-x) โดยทีมวิจัยจาก Wharton School มหาวิทยาลัยเพนซิลเวเนีย

ทีมวิจัยทำการทดลองระดมสมอง 5 ชุด โดยสุ่มให้ผู้เข้าร่วมทำโจทย์สร้างสรรค์ต่างๆ เช่น คิดไอเดียของขวัญ ออกแบบของเล่นจากของใช้ในบ้าน หรือหาวิธีใช้ของเหลือใช้ใหม่ ทั้งแบบมี ChatGPT ช่วยและไม่มี แล้วให้ผู้ประเมินภายนอกให้คะแนนความคิดสร้างสรรค์และประโยชน์ใช้สอยของแต่ละไอเดียโดยไม่รู้ที่มา ผลลัพธ์ที่ชัดเจนที่สุดมาจากโจทย์ออกแบบของเล่นจากพัดลมกับอิฐ กลุ่มที่ใช้ ChatGPT ช่วยคิดมีไอเดียที่ซ้ำแนวคิดกันสูงถึง 94% (เหลือไอเดียที่ไม่ซ้ำใครแค่ 6%) ในขณะที่กลุ่มมนุษย์ล้วนทุกไอเดียไม่ซ้ำกันเลย 100% ที่ชัดที่สุดคือมีผู้เข้าร่วมถึง 9 คนที่ใช้ ChatGPT ต่างตั้งชื่อของเล่นตัวเองว่า "Build-a-Breeze Castle" เหมือนกันโดยไม่รู้จักกันมาก่อน เมื่อรวมผลจากการทดลองทั้ง 5 ชุด พบว่า 37 จาก 45 การเปรียบเทียบทางสถิติแสดงให้เห็นว่าไอเดียที่ใช้ ChatGPT ช่วยมีความหลากหลายน้อยกว่าอย่างมีนัยสำคัญ

ผมคิดว่าตัวอย่าง "Build-a-Breeze Castle" เป็นภาพที่ทรงพลังมาก เพราะมันแสดงให้เห็นตรงๆ ว่าเวลาคนจำนวนมากพึ่ง AI ตัวเดียวกันช่วยคิดในจุดเริ่มต้นเดียวกัน ผลลัพธ์ที่ได้มักจะลู่เข้าหากันโดยไม่รู้ตัว แม้แต่ละคนจะรู้สึกว่าตัวเองคิดเองก็ตาม ทีมวิจัยเองก็สรุปตรงๆ ว่าคุณค่าที่แท้จริงของการระดมสมองมาจากความหลากหลายของแนวคิดที่ต่างกัน ไม่ใช่แค่จำนวนไอเดียที่ได้ คำถามที่ตามมาคือ ในภาพกว้างของวงการวิจัยตอนนี้ นักวิจัยเข้าใจความสามารถด้านความคิดสร้างสรรค์ของ AI อย่างไรกันแน่

ภาพรวมวงการ: AI เก่งเรื่องความคิดสร้างสรรค์แค่ไหนกันแน่

Janet Rafner, Roger E. Beaty, James C. Kaufman, Todd Lubart และ Jacob Sherson ตอบคำถามนี้ในบทความมุมมอง (comment) ชื่อ "Creativity in the Age of Generative AI" ตีพิมพ์ใน *Nature Human Behaviour* ปี 2023 (เล่ม 7 ฉบับ 11 หน้า 1836-1838, DOI 10.1038/s41562-023-01751-1) โดยทีมนักวิจัยด้านจิตวิทยาความคิดสร้างสรรค์จากหลายมหาวิทยาลัยรวมถึง Penn State และ Aarhus University

ทีมผู้เขียนชี้ว่า generative AI ในปัจจุบันสามารถทำคะแนนแบบทดสอบความคิดสร้างสรรค์มาตรฐานที่นักจิตวิทยาใช้วัดมนุษย์มาหลายทศวรรษได้ในระดับทัดเทียมมนุษย์แล้ว ซึ่งเป็นจุดเปลี่ยนสำคัญของวงการ บทความนี้ไม่ใช่งานทดลองใหม่ แต่เป็นการประมวลภาพรวมและเรียกร้องให้นักวิจัยผสานความรู้ด้านจิตวิทยาความคิดสร้างสรรค์เข้ากับการพัฒนาและการใช้งาน generative AI อย่างเป็นระบบมากขึ้น เพื่อให้เข้าใจทั้งศักยภาพและขีดจำกัดที่แท้จริง แทนที่จะตัดสินแบบสุดโต่งไปทางใดทางหนึ่ง

ผมคิดว่าบทความนี้ช่วยจัดวางบริบทให้กับสองงานวิจัยก่อนหน้าได้ดี เพราะมันอธิบายว่าทำไมผลลัพธ์ที่เห็นถึงดูขัดแย้งในตัวเอง คือ AI เก่งพอที่จะยกระดับความคิดสร้างสรรค์ของแต่ละคนได้จริงตามมาตรวัดมาตรฐาน แต่ก็ยังมีข้อจำกัดเชิงกลไกที่ทำให้ผลลัพธ์โดยรวมลู่เข้าหากัน คำถามที่ตามมาคือ ผลกระทบนี้เกิดขึ้นจริงในโลกการทำงานสร้างสรรค์จริงๆ นอกห้องทดลองด้วยหรือเปล่า

ในโลกจริง ศิลปินที่ใช้ AI ผลิตงานเพิ่มขึ้น แต่ความแปลกใหม่เฉลี่ยกลับลดลง

Eric Zhou และ Dokyun Lee ตอบคำถามนี้ในงานชื่อ "Generative Artificial Intelligence, Human Creativity, and Art" ตีพิมพ์ใน *PNAS Nexus* ปี 2024 (เล่ม 3 ฉบับ 3 บทความเลขที่ pgae052, DOI 10.1093/pnasnexus/pgae052)

ทีมวิจัยวิเคราะห์ข้อมูลจริงจากแพลตฟอร์มแชร์งานศิลปะ โดยดูงานศิลปะกว่า 4 ล้านชิ้นจากผู้ใช้กว่า 50,000 คน และระบุกลุ่มที่เริ่มใช้เครื่องมือสร้างภาพด้วย AI อย่าง Midjourney ผ่านแท็กที่ใช้ แล้ววัดความคิดสร้างสรรค์ 2 มิติ คือ "ความแปลกใหม่เชิงเนื้อหา" (วัตถุและความสัมพันธ์ในภาพ) และ "ความแปลกใหม่เชิงภาพ" (องค์ประกอบศิลปะ) ผลลัพธ์ด้านผลผลิตชัดเจนมาก คือหลังเริ่มใช้ AI ผลผลิตงานเพิ่มขึ้น 50% ในเดือนแรก และเพิ่มเป็นสองเท่าในเดือนถัดมา ส่วนมูลค่าผลงาน (วัดจากยอดถูกใจต่อยอดเข้าชม) เพิ่มขึ้น 50% หลังผ่านไป 6 เดือน แต่ในด้านความแปลกใหม่กลับให้ภาพผสม คือความแปลกใหม่เชิงเนื้อหาสูงสุดเพิ่มขึ้น แต่ค่าเฉลี่ยกลับลดลง ขณะที่ความแปลกใหม่เชิงภาพลดลงต่อเนื่องทั้งค่าเฉลี่ยและค่าสูงสุด

ทีมวิจัยเสนอแนวคิด "generative synesthesia" คือการผสานระหว่างการสำรวจของมนุษย์ (human exploration) กับความสามารถในการผลิตของ AI (AI exploitation) และพบว่าศิลปินที่เก่งเรื่องการสำรวจแนวคิดใหม่ๆ อยู่แล้วจะได้รับประโยชน์จาก AI มากที่สุด ไม่ว่าพื้นฐานฝีมือเดิมจะเป็นอย่างไร ผมคิดว่าข้อมูลจริงจากแพลตฟอร์มขนาดใหญ่แบบนี้ช่วยยืนยันสิ่งที่พบในห้องทดลองได้ดี คือ AI ช่วยให้ผลิตงานได้เร็วขึ้นและได้รับความนิยมมากขึ้นจริง แต่ทักษะที่ทำให้งานแตกต่างและแปลกใหม่ยังคงเป็นของมนุษย์ที่ต้องฝึกฝนเอง ไม่ใช่สิ่งที่ AI ให้มาฟรีๆ คำถามที่ตามมาคือ การรู้ว่าไอเดียมาจาก AI หรือมนุษย์ มีผลต่อการประเมินความคิดสร้างสรรค์ของคนเราเองหรือเปล่า

แค่บอกว่าไอเดียมาจาก AI ก็ไม่ได้ทำให้คนคิดแตกต่างน้อยลงเองเสมอไป

Kelsey Medeiros, David H. Cropley, Rebecca L. Marrone และ Roni Reiter-Palmon ตอบคำถามนี้ในงานชื่อ "Human-AI Co-Creativity: Does ChatGPT Make Us More Creative?" ตีพิมพ์ใน *The Journal of Creative Behavior* ปี 2025 (เล่ม 59 ฉบับ 2 บทความเลขที่ e70022, DOI 10.1002/jocb.70022)

ทีมวิจัยทำการทดลองแบบ priming คือให้ผู้เข้าร่วมดูรายการคำที่บอกว่ามาจาก "มนุษย์" หรือ "ChatGPT" (ซึ่งจริงๆ ควบคุมโดยทีมวิจัย ไม่ได้มาจากแหล่งที่อ้างจริงเสมอไป) โดยมีระดับความคิดสร้างสรรค์ของคำต่างกัน แล้วให้ผู้เข้าร่วมทำแบบทดสอบ Divergent Association Task ซึ่งวัดความสามารถในการคิดคำที่มีความหมายห่างไกลกัน ผลลัพธ์ที่น่าแปลกใจคือแทบไม่พบความแตกต่างอย่างมีนัยสำคัญในคะแนนความคิดแตกต่างระหว่างเงื่อนไขต่างๆ เลย ยกเว้นกรณีเดียว คือกลุ่มที่เชื่อว่าคำเหล่านั้นมาจาก ChatGPT และถูกระบุว่ามีความคิดสร้างสรรค์ระดับต่ำ กลับได้คะแนนต่ำกว่าทุกกลุ่มอื่นอย่างมีนัยสำคัญ ทีมวิจัยตั้งข้อสังเกตว่าอาจเป็น "Golem Effect" คือการถูกตั้งความคาดหวังไว้ต่ำทำให้ผลงานแย่ลงจริงตามที่คาดไว้

ผมคิดว่างานนี้เป็นเหมือนเสียงเตือนที่ดีให้ไม่รีบสรุปง่ายเกินไป เพราะมันท้าทายสมมติฐานที่หลายคน (รวมถึงตัวผมเองก่อนหน้านี้) อาจเชื่อไปเองว่าแค่รู้ว่าไอเดียมาจาก AI ก็จะทำให้เราคิดต่อได้แย่ลงหรือดีขึ้นโดยอัตโนมัติ ทีมวิจัยเสนอว่าวงการกำลังเปลี่ยนมุมมองจากการถามว่า "AI สร้างสรรค์หรือไม่" ไปเป็นการเข้าใจ "การร่วมสร้างสรรค์ระหว่างมนุษย์กับ AI" (human-AI co-creativity) แทน ซึ่งซับซ้อนกว่าการตัดสินแบบขาวดำมาก

กรอบเปิด–เบี่ยง–ปรุง–เก็บ

เพื่อแปลงงานวิจัยข้างต้นให้เป็นขั้นตอนที่ใช้ AI ช่วยคิดได้จริงโดยไม่เสียเอกลักษณ์ไอเดียของตัวเองไป เราสังเคราะห์เป็นกรอบ เปิด–เบี่ยง–ปรุง–เก็บ กรอบนี้เป็นเครื่องมือประยุกต์ของบทความ ไม่ใช่แบบทดสอบความคิดสร้างสรรค์ทางวิชาการหรือวิธีที่ผ่านการวัดผลแยกต่างหาก

1. เปิด — เปิดรับไอเดียจาก AI เป็นจุดเริ่มต้น ไม่ใช่คำตอบสุดท้าย

ขอไอเดียจาก AI ได้เต็มที่โดยเฉพาะเมื่อรู้สึกตันหรือไม่ถนัดคิดสร้างสรรค์ในเรื่องนั้น เพราะ Doshi & Hauser (2024) พบว่าคนที่มีความคิดสร้างสรรค์ต่ำเดิมได้ประโยชน์มากที่สุดจากการเข้าถึงไอเดีย AI จนขยับมาอยู่ในระดับใกล้เคียงคนที่สร้างสรรค์สูงอยู่แล้ว

2. เบี่ยง — เบี่ยงออกจากไอเดียแรกที่ AI เสนอมาโดยไม่ใช้ตรงๆ

เมื่อได้ไอเดียจาก AI มาแล้ว ให้ถามตัวเองว่าถ้าคนอื่นถามคำถามเดียวกันนี้ จะได้คำตอบคล้ายกันหรือเปล่า แล้วจงใจปรับให้ต่างออกไป เพราะ Meincke, Nave, & Terwiesch (2025) พบว่าเมื่อหลายคนขอไอเดียจากแชตบอตตัวเดียวกัน ไอเดียมีแนวโน้มลู่เข้าหากันจนซ้ำกันอย่างมีนัยสำคัญ

3. ปรุง — ปรุงไอเดียด้วยประสบการณ์หรือบริบทเฉพาะตัวที่ AI ไม่รู้

เติมรายละเอียดจากประสบการณ์จริง ความรู้เฉพาะวงการ หรือบริบทท้องถิ่นที่ AI ไม่มีทางรู้ลงไปในไอเดียนั้น เพราะ Zhou & Lee (2024) พบว่าคนที่เก่งเรื่องการสำรวจแนวคิดใหม่ๆ ด้วยตัวเองอยู่แล้วได้ประโยชน์จาก AI มากที่สุด ทักษะนี้จึงยังเป็นของมนุษย์ที่ต้องฝึกต่อ ไม่ใช่สิ่งที่ AI ให้มาฟรีๆ

4. เก็บ — เก็บฝึกทักษะคิดเองโดยไม่พึ่ง AI ไว้บ้าง

เลือกบางโอกาสที่จงใจคิดไอเดียด้วยตัวเองล้วนๆ ก่อนเปิด AI เพื่อไม่ให้ทักษะการคิดแตกต่างฝ่อลงจากการพึ่งพาเครื่องมือเดียวตลอดเวลา เพราะ Rafner และคณะ (2023) ชี้ว่าการเข้าใจทั้งศักยภาพและขีดจำกัดของ AI สำคัญกว่าการเชื่อหรือปฏิเสธมันแบบสุดโต่ง

ลำดับนี้ใช้ได้กับงานคิดสร้างสรรค์แทบทุกประเภท ตั้งแต่ตั้งชื่อโปรเจกต์ไปจนถึงคิดแคมเปญโฆษณา ไม่จำเป็นต้องทำครบทุกขั้นตอนทุกครั้งที่ใช้ AI ช่วยคิด

กรณีจำลอง: เจน กับแคมเปญที่ชื่อซ้ำเพื่อนในวงการ

สมมติว่า "เจน" ทำงานเอเจนซี่โฆษณา ได้โจทย์คิดชื่อแคมเปญเปิดตัวสินค้าใหม่ให้ลูกค้า เธอเปิด ChatGPT ถามหาไอเดียชื่อแคมเปญ 5 ชื่อ แล้วเลือกชื่อที่ฟังดูดีที่สุดไปเสนอทันที ปรากฏว่าในที่ประชุมรวมเอเจนซี่ เพื่อนอีกคนจากทีมอื่นก็เสนอชื่อที่คล้ายกันมากจนแทบจะเป็นชื่อเดียวกัน ทั้งที่ไม่เคยคุยกันมาก่อน เจนถึงกับอึ้งว่าทำไมถึงบังเอิญขนาดนั้น

รอบต่อไป เจนลองปรับวิธีทำงาน โดย เปิด รับไอเดียจาก ChatGPT เหมือนเดิมเพื่อไม่ให้เสียเวลาคิดเริ่มต้นจากศูนย์ แต่คราวนี้ เบี่ยง ออกจากชื่อแรกที่ได้มาโดยตั้งใจไม่หยิบใช้ตรงๆ แล้ว ปรุง ด้วยการใส่มุกภาษาไทยที่เล่นคำกับพฤติกรรมผู้บริโภคไทยที่เธอสังเกตมาจากงานก่อนหน้า ซึ่งเป็นสิ่งที่ AI ไม่มีทางรู้ สุดท้ายเธอ เก็บ ฝึกลองคิดชื่อของตัวเองสัก 2-3 ชื่อก่อนเปิด AI ทุกครั้งที่มีเวลาพอ เพื่อไม่ให้ตัวเองเคยชินกับการพึ่งพา AI เป็นจุดเริ่มต้นเดียวตลอดเวลา

รอบนี้ชื่อแคมเปญของเจนไม่ซ้ำกับใครในที่ประชุม และลูกค้าก็ชอบเพราะรู้สึกว่า "เข้าใจคนไทยจริง" กรณีนี้เป็น สถานการณ์จำลองเพื่อสาธิตวิธีคิด ไม่ใช่พนักงานเอเจนซี่จริงหรือผลงานแคมเปญจริง

ลองเอาไปปรับใช้

1. ใช้ AI ช่วยคิดไอเดียได้เต็มที่ถ้ารู้สึกว่าตัวเองไม่ถนัดคิดสร้างสรรค์อยู่แล้ว เพราะ Doshi & Hauser (2024) พบว่าคนที่มีความคิดสร้างสรรค์ต่ำเดิมได้ประโยชน์มากที่สุดจาก AI จนขยับมาอยู่ในระดับใกล้เคียงคนที่สร้างสรรค์สูงอยู่แล้ว 2. ถ้าต้องระดมไอเดียเป็นกลุ่ม อย่าให้ทุกคนขอไอเดียจากแชตบอตตัวเดียวกันตั้งแต่ต้น เพราะ Meincke, Nave, & Terwiesch (2025) พบว่าวิธีนี้ทำให้ไอเดียของกลุ่มลู่เข้าหากันจนสูญเสียความหลากหลายซึ่งเป็นหัวใจของการระดมสมอง 3. ใช้ไอเดียจาก AI เป็นจุดเริ่มต้น ไม่ใช่คำตอบสุดท้าย เพราะ Doshi & Hauser (2024) พบว่ายิ่งเรื่องราวใกล้เคียงกับไอเดีย AI มากเท่าไหร่ ก็ยิ่งคล้ายกับผลงานคนอื่นมากขึ้นเท่านั้น การต่อยอดและปรับแต่งด้วยตัวเองยังจำเป็นอยู่ 4. ฝึกทักษะการสำรวจแนวคิดใหม่ๆ ด้วยตัวเองไปพร้อมกับใช้ AI เพราะ Zhou & Lee (2024) พบว่าคนที่เก่งเรื่องการสำรวจไอเดียใหม่อยู่แล้วได้ประโยชน์จาก AI มากที่สุด ไม่ว่าฝีมือพื้นฐานจะเป็นอย่างไร ทักษะนี้จึงยังคุ้มค่าที่จะฝึกต่อ 5. อย่าตัดสินไอเดียจากแหล่งที่มาเพียงอย่างเดียวว่า "มาจาก AI แปลว่าไม่สร้างสรรค์" เพราะ Medeiros และคณะ (2025) พบว่าแค่รู้แหล่งที่มาไม่ได้ทำให้ความสามารถคิดแตกต่างของคนเปลี่ยนไปเอง สิ่งที่สำคัญกว่าคือวิธีที่เราต่อยอดไอเดียนั้นต่างหาก