基于生成式人工智能的新產(chǎn)品開發(fā)人智融合機(jī)制

中圖分類號：F49；F273.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1000-176X（2025）05-0015-1

一、引言

產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾是新產(chǎn)品開發(fā)中長期存在的難題，也是中國制造業(yè)出現(xiàn)大量呆滯物料的重要原因。既有研究和具體實踐主要通過強(qiáng)化模糊前端分析、敏捷開發(fā)和集成開發(fā)等管理模式解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾[1-2]，或者通過推動用戶參與、供應(yīng)商參與、營銷一制造整合，以及開發(fā)全流程知識共享等方式解決該矛盾[3-6]。此外，也有研究從強(qiáng)化新產(chǎn)品開發(fā)過程視角，提出通過模糊前端階段與市場驗證階段的跨部門協(xié)同等方式解決該矛盾「7-8]。總體來看，這些解決方案難以對新產(chǎn)品開發(fā)者的思維轉(zhuǎn)變和能力提升產(chǎn)生全面的影響。生成式人工智能（Generative Artificial Intellgence，簡稱GenAI）在新產(chǎn)品開發(fā)中的應(yīng)用和管理創(chuàng)新，不僅改變了開發(fā)者的思維方式，還擴(kuò)大了開發(fā)者的能力邊界，為解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾提供了新的機(jī)會和條件。因此，探討基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制，對于推進(jìn)GenAI時代的新產(chǎn)品開發(fā)創(chuàng)新，解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾，降低中國制造業(yè)新產(chǎn)品開發(fā)導(dǎo)致的呆滯物料減值風(fēng)險等具有重要的理論價值和實踐意義。

目前，在工商管理領(lǐng)域，關(guān)于GenAI的研究主要側(cè)重戰(zhàn)略、營銷和人力資源管理等議題，關(guān)于新產(chǎn)品開發(fā)的研究側(cè)重敏捷開發(fā)、集成開發(fā)，或者用戶參與、供應(yīng)商參與、營銷—制造整合等議題。鮮有研究將新產(chǎn)品開發(fā)實踐與GenAI創(chuàng)新相結(jié)合，探討基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制，導(dǎo)致對GenAI情境下新產(chǎn)品開發(fā)如何形成新突破的理解有限。類似于過程視角下界限清晰的機(jī)會識別與機(jī)會開發(fā)階段可能出現(xiàn)融合的情況[9]，新產(chǎn)品開發(fā)流程與開發(fā)階段也因GenAI的介入可能出現(xiàn)融合，形成區(qū)別于既有敏捷開發(fā)、集成開發(fā)、人機(jī)協(xié)同等的新產(chǎn)品開發(fā)人智融合機(jī)制。既有研究對此的理解有限，形成亟待彌補(bǔ)的研究缺口。本文將新產(chǎn)品開發(fā)實踐與GenAI創(chuàng)新相結(jié)合，界定了新產(chǎn)品開發(fā)人智融合的概念，總結(jié)提煉出人智融合區(qū)別于人機(jī)協(xié)同的兩個主要特征。本文基于行動者網(wǎng)絡(luò)理論，闡述基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制，即開發(fā)者通過提示詞工程引導(dǎo)、大數(shù)據(jù)篩選工程微調(diào)GenAI，以及GenAI通過知識發(fā)現(xiàn)工程形成對開發(fā)者的反饋，由此深化對GenAI情境下新產(chǎn)品開發(fā)形成新突破的理解。

本文可能的邊際貢獻(xiàn)主要體現(xiàn)在兩個方面。一是既有新產(chǎn)品開發(fā)的研究側(cè)重探討敏捷開發(fā)、集成開發(fā)，或者用戶參與、供應(yīng)商參與、營銷—制造整合等議題，未對新產(chǎn)品開發(fā)實踐與GenAI創(chuàng)新的結(jié)合展開深人解析，對GenAI情境下新產(chǎn)品開發(fā)如何形成新突破的理解有限。本文通過界定新產(chǎn)品開發(fā)人智融合概念的內(nèi)涵和外延，總結(jié)提煉出人智融合區(qū)別于人機(jī)協(xié)同的兩個主要特征，對GenAI時代新產(chǎn)品開發(fā)人智融合的新規(guī)律進(jìn)行了刻畫和分析，彌補(bǔ)了既有研究的缺口。二是工商管理領(lǐng)域關(guān)于GenAI的研究側(cè)重戰(zhàn)略、營銷和人力資源管理等議題，對產(chǎn)品創(chuàng)新領(lǐng)域開發(fā)者與GenAI的作用機(jī)制尚未有清晰認(rèn)識，本文構(gòu)建了基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制的理論模型，初步打開了二者之間作用機(jī)制的“黑箱”，拓展了基于GenAI的新產(chǎn)品開發(fā)人智融合研究的領(lǐng)域。

二、基于GenAI解決新產(chǎn)品開發(fā)難題的機(jī)會與風(fēng)險

（一）產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾

產(chǎn)品創(chuàng)新度正向影響企業(yè)市場績效，與技術(shù)復(fù)雜度在消費者新產(chǎn)品評價中共同發(fā)揮調(diào)節(jié)效應(yīng)[10-11]。然而，如果產(chǎn)品創(chuàng)新度過高或不契合消費者對產(chǎn)品創(chuàng)新性的感知，也會降低整體創(chuàng)新效率，即產(chǎn)品創(chuàng)新度與創(chuàng)新效率之間存在矛盾[12-13]。現(xiàn)實中，這類矛盾可以表現(xiàn)為多種方式。例如，產(chǎn)品創(chuàng)新度對技術(shù)開發(fā)階段的營銷—制造整合與新產(chǎn)品市場成功之間的關(guān)系具有正向調(diào)節(jié)效應(yīng)，但對產(chǎn)品商業(yè)化階段的營銷一制造整合與新產(chǎn)品市場成功之間的關(guān)系具有負(fù)向調(diào)節(jié)效應(yīng)[14]。同時，影響該矛盾的因素眾多。例如，公司型風(fēng)險投資會提高創(chuàng)業(yè)企業(yè)產(chǎn)品創(chuàng)新的有效性，但會降低創(chuàng)業(yè)企業(yè)產(chǎn)品創(chuàng)新的效率[15]。產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾不僅是新產(chǎn)品開發(fā)中長期存在的難題，也是中國制造業(yè)存在大量呆滯物料的重要原因。以年銷售金額10億元的中小企業(yè)為例，中國制造業(yè)企業(yè)的采購支出占日常生產(chǎn)開支的 4 0 % - 8 0 % ，并以企業(yè)用料金額6億元、庫存周轉(zhuǎn)兩個月、庫存資金占用1億元為基準(zhǔn)，如果出現(xiàn) 1 % 的呆滯物料，相當(dāng)于企業(yè)產(chǎn)生100萬元的物料減值風(fēng)險。中國制造業(yè)企業(yè)新產(chǎn)品開發(fā)導(dǎo)致的呆滯物料占庫存資金的比重為 2 % 一 5 % ，相當(dāng)于新產(chǎn)品開發(fā)會產(chǎn)生200萬元一500萬元的物料減值風(fēng)險，即新產(chǎn)品開發(fā)導(dǎo)致的物料減值風(fēng)險金額占企業(yè)銷售金額的比重為 0 . 2 % - 0 . 5 % ，而2023年中國制造業(yè)平均毛利率約為 1 5 % （凈利潤率約為 5 % ）。可見，新產(chǎn)品開發(fā)的物料減值風(fēng)險壓縮了中國制造業(yè)企業(yè)的盈利空間。

（二）基于GenAI解決新產(chǎn)品開發(fā)難題的機(jī)會

GenAI在機(jī)器翻譯、對話生成、抽象摘要、視覺敘事和圖像說明等領(lǐng)域展現(xiàn)出日益突出的理解力和創(chuàng)造力，為新產(chǎn)品開發(fā)活動提供了新的機(jī)會，GenAI在新產(chǎn)品開發(fā)中的應(yīng)用主要包括改變開發(fā)者的思維方式、擴(kuò)大開發(fā)者的能力邊界，以及為解決新產(chǎn)品開發(fā)難題提供新的融合條件兩個方面。

其一，GenAI改變開發(fā)者的思維方式、擴(kuò)大開發(fā)者的能力邊界。開發(fā)者或開發(fā)團(tuán)隊的設(shè)計思維可以減少制約團(tuán)隊創(chuàng)新的常規(guī)約束和基于認(rèn)知慣性的約束，正向影響新產(chǎn)品的有用性和新穎性[16]，而開發(fā)者或開發(fā)團(tuán)隊的設(shè)計思維也受團(tuán)隊異質(zhì)性知識的影響。Wang等[17]與趙炎等[18]認(rèn)為，新產(chǎn)品開發(fā)團(tuán)隊的異質(zhì)性知識對產(chǎn)品創(chuàng)新績效具有正向影響，數(shù)字技術(shù)或數(shù)字創(chuàng)新平臺可以降低新產(chǎn)品開發(fā)團(tuán)隊的知識共享成本，提高整體創(chuàng)新效率，這表明異質(zhì)性知識對于開發(fā)者提升新產(chǎn)品創(chuàng)新度具有重要影響。作為開發(fā)伙伴，GenAI嵌入新產(chǎn)品開發(fā)過程中，會從異質(zhì)主體角度擴(kuò)大開發(fā)者的知識異質(zhì)性邊界。由此，GenAI通過知識遷移和計算推理輸出的結(jié)果改變開發(fā)者的思維方式，形成人與人工智能（Artificial Intellgence，簡稱AI）協(xié)同的新型組織學(xué)習(xí)活動，在新產(chǎn)品概念設(shè)計階段為開發(fā)者提供對創(chuàng)意進(jìn)行反思的機(jī)會[19-20]。同時，當(dāng)市場銷售或技術(shù)服務(wù)人員等非產(chǎn)品設(shè)計人員掌握GenAI后，他們基于自身接觸的市場信息，迅速生成產(chǎn)品雛形或呈現(xiàn)設(shè)計創(chuàng)意，客觀上成為新產(chǎn)品開發(fā)者的設(shè)計伙伴，進(jìn)而擴(kuò)大開發(fā)者的能力邊界[21]。由此，GenAI又進(jìn)一步影響開發(fā)者的思維方式，促使新產(chǎn)品開發(fā)者具備新的設(shè)計整合能力，開發(fā)出更具創(chuàng)新性的產(chǎn)品。

其二，GenAI為解決新產(chǎn)品開發(fā)難題提供新的融合條件。隨著多源異構(gòu)數(shù)據(jù)融合，GenAI增強(qiáng)了其穩(wěn)定性和融合識別能力，為新產(chǎn)品開發(fā)提供了場景化智能創(chuàng)新工具。不同職能、不同部門對工業(yè)設(shè)計、工程設(shè)計的認(rèn)知和行為，以及工業(yè)設(shè)計人員與相關(guān)部門的協(xié)作會對產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾產(chǎn)生影響[15]，因而需要加強(qiáng)產(chǎn)品開發(fā)與工藝設(shè)計、工藝設(shè)計與制造流程、產(chǎn)品開發(fā)與市場驗證等不同環(huán)節(jié)、不同層面乃至不同階段的協(xié)同，以解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾。例如，新產(chǎn)品開發(fā)者掌握的各種知識，以及如何將之應(yīng)用于開發(fā)過程等都會影響產(chǎn)品創(chuàng)新績效[1]。目前，中國制造業(yè)企業(yè)產(chǎn)品創(chuàng)新專利與工藝創(chuàng)新專利不存在交互影響[22]，中國制造業(yè)企業(yè)新產(chǎn)品開發(fā)與工藝設(shè)計脫節(jié)，這不利于企業(yè)解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾。GenAI通過工程化或場景化可以高效生成新產(chǎn)品開發(fā)全過程的虛擬現(xiàn)實，降低開發(fā)者的試錯成本[21]，提高產(chǎn)品開發(fā)與工藝設(shè)計、工藝設(shè)計與制造流程、產(chǎn)品開發(fā)與市場驗證等的協(xié)同效率，為解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾提供新的融合條件。

（三）基于GenAI解決新產(chǎn)品開發(fā)難題的風(fēng)險

GenAI為解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾提供新的機(jī)會和條件，但基于GenAI解決新產(chǎn)品開發(fā)難題也存在風(fēng)險。如果開發(fā)者單純依靠GenAI進(jìn)行產(chǎn)品設(shè)計，可能會面臨兩個方面的風(fēng)險。第一，GenAI生成內(nèi)容難以商業(yè)化、生成結(jié)果不可靠、生成幻覺難判斷，這是GenAI深度學(xué)習(xí)架構(gòu)不可避免的管理風(fēng)險。例如，在某工業(yè)設(shè)計展覽中，與設(shè)計師設(shè)計的箱包風(fēng)格相比，完全依靠GenAI設(shè)計的箱包具有明顯的機(jī)器特征，色彩與款式的搭配非常隨機(jī)。目前，GenAI生成的產(chǎn)品設(shè)計僅為公司噱頭，難以實現(xiàn)商業(yè)化。根據(jù)Lee[]對新產(chǎn)品市場定位的研究，單純由GenAI設(shè)計的箱包款式與設(shè)計師設(shè)計的箱包款式存在明顯的風(fēng)格差異，現(xiàn)階段難以在漸進(jìn)式或突破式創(chuàng)新之間找到合適的風(fēng)格位置，市場部門無法據(jù)此進(jìn)行商業(yè)化推廣。同時，GenAI的幻覺問題會影響GenAI的系統(tǒng)性能和可信性，由此衍生出法律和倫理問題[23]，進(jìn)而影響開發(fā)者對GenAI生成結(jié)果的信任度和采納度。第二，GenAI生成的高效率和廣泛性，可能使開發(fā)者缺乏創(chuàng)意激情，減少其聯(lián)想能力的外部刺激，不利于開發(fā)者創(chuàng)造力的提升。開發(fā)者為降低自身被替代的職業(yè)風(fēng)險，抵觸采納GenAI，以避免組織面臨新的管理困境。因此，在新產(chǎn)品開發(fā)中，需要開發(fā)者與GenAI交互迭代，逐步形成人智融合，為解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾提供GenAI時代的新產(chǎn)品開發(fā)管理方案。

三、新產(chǎn)品開發(fā)人智融合的特征分析

（一）新產(chǎn)品開發(fā)的人機(jī)協(xié)同與人智融合

GenAI具有強(qiáng)大的計算能力和知識遷移能力，為人機(jī)協(xié)同提供了必要的基礎(chǔ)和條件。人機(jī)協(xié)同通常指人類與機(jī)器人、虛擬助手等智能代理進(jìn)行合作與協(xié)同，共同完成特定任務(wù)或解決問題。人機(jī)協(xié)同主要包括三種方式。第一，將AI集成到既有系統(tǒng)或流程中，AI對既有系統(tǒng)或流程形成增強(qiáng)效應(yīng)，如智能客服系統(tǒng)等。第二，AI作為虛擬助理與人類共同完成特定任務(wù)或解決問題，如AI輔助醫(yī)生診斷影像圖片。第三，智能系統(tǒng)或智能體能夠自主執(zhí)行特定任務(wù)或代表用戶執(zhí)行操作，如AI個人助理自動安排日程或回復(fù)郵件等。當(dāng)人類的表現(xiàn)優(yōu)于單獨使用AI時，人機(jī)協(xié)同會提高績效；當(dāng)AI的表現(xiàn)優(yōu)于單獨的人類活動時，人機(jī)協(xié)同會降低績效。平均而言，人機(jī)協(xié)同的表現(xiàn)明顯低于人類或AI單獨的最佳表現(xiàn)[24]，在面對多種類型任務(wù)時，人機(jī)協(xié)同在提高創(chuàng)新效率方面更具優(yōu)勢。

在概念設(shè)計階段，開發(fā)者與GenAI的合作效果受任務(wù)復(fù)雜性、時間限制和用戶需求等因素的影響。開發(fā)者與GenAI的合作通常并非單純的互補(bǔ)或替代關(guān)系，而是一種混合的協(xié)同模式。在這種模式下，開發(fā)者根據(jù)任務(wù)需求選擇性地利用AI，有時將AI作為補(bǔ)充工具，有時讓AI承擔(dān)主要的設(shè)計任務(wù)[25]。這種靈活的合作方式使開發(fā)者或開發(fā)團(tuán)隊能夠更高效地完成復(fù)雜項目。在時間緊、任務(wù)復(fù)雜性較高的情況下，人機(jī)協(xié)同的優(yōu)勢更為明顯[26]。具體地，在任務(wù)復(fù)雜性較高的情況下，開發(fā)者往往利用AI生成大量的初步設(shè)計選項，通過篩選和修改，從中提煉出最優(yōu)的設(shè)計方向。這種混合的協(xié)同模式不僅使設(shè)計過程更高效，也能夠通過多樣化的選擇提高設(shè)計的創(chuàng)新性。總之，人機(jī)協(xié)同將互補(bǔ)與替代機(jī)制相結(jié)合，創(chuàng)建了一種靈活的合作方式，開發(fā)者可以根據(jù)任務(wù)需求動態(tài)調(diào)整與AI的協(xié)同方式。

區(qū)別于人機(jī)協(xié)同，人智融合指人類智能（Human Intelligence，簡稱HI）與AI的結(jié)合，旨在利用AI的計算能力和數(shù)據(jù)處理能力，結(jié)合HI的創(chuàng)造力、情感理解和道德判斷，通過交互迭代共同完成復(fù)雜任務(wù)。因此，人智融合是人類與AI通過組織化的方式融入企業(yè)運營的過程，而非將人類與AI看作組織內(nèi)的兩個行為主體[27]。因此，人智融合強(qiáng)調(diào)HI與AI的交互迭代增強(qiáng)過程，開發(fā)者對GenAI的引導(dǎo)和微調(diào)在AI生成內(nèi)容的質(zhì)量優(yōu)化中發(fā)揮至關(guān)重要的作用。例如，開發(fā)者能夠在概念設(shè)計階段實時調(diào)整AI的生成策略，使最終的設(shè)計成果既能體現(xiàn)AI的數(shù)據(jù)分析優(yōu)勢，又能保留開發(fā)者的獨特創(chuàng)意[28-29]。因此，在人智融合中，AI不僅是一個工具或開發(fā)者的協(xié)作伙伴，還是驅(qū)動開發(fā)者提升創(chuàng)造力的虛擬行動者。既有研究探討的反饋驅(qū)動的混合協(xié)同模式接近于人智融合。實驗表明，反饋驅(qū)動的混合協(xié)同模式在多個概念設(shè)計任務(wù)中顯著提高了設(shè)計效率[30]。因此，在人智融合中，高頻交互迭代的反饋機(jī)制尤為重要，開發(fā)者通過不斷調(diào)整AI的生成策略，使人機(jī)合作更加緊密和高效，將人機(jī)協(xié)同推進(jìn)為人智融合。

（二）新產(chǎn)品開發(fā)人智融合的主要特征

目前，人智融合中的行動者創(chuàng)造力管理已成為學(xué)術(shù)界關(guān)注的前沿領(lǐng)域之一。Jia等[31]認(rèn)為，GenAI可以幫助高技能員工專注于更具價值的工作內(nèi)容，以提升員工創(chuàng)造力，并探討了GenAI對員工創(chuàng)造力的影響。根據(jù)上述對人機(jī)協(xié)同和人智融合的分析，本文提煉出人智融合區(qū)別于人機(jī)協(xié)同的兩個主要特征：開發(fā)者與GenAI存在雙向知識遷移（Bidirectional Knowledge Transfer），以及開發(fā)者與GenAI的能力均得到提升。

其一，在人智融合中，開發(fā)者通過提示詞工程引導(dǎo)、大數(shù)據(jù)篩選工程微調(diào)GenAI，以及GenAI通過知識發(fā)現(xiàn)工程形成對開發(fā)者的反饋，實現(xiàn)開發(fā)者與GenAI的雙向知識遷移。知識遷移（Knowledge Transfer）指一個行動者（開發(fā)者或GenAI）向另一個行動者間接或替代性地學(xué)習(xí)經(jīng)驗的過程。其中，經(jīng)驗包括已有的成熟經(jīng)驗，以及涌現(xiàn)的創(chuàng)意想法等啟發(fā)式的模糊經(jīng)驗兩類。在新產(chǎn)品開發(fā)中，人機(jī)協(xié)同無需優(yōu)化工具，人智融合的優(yōu)化工具包括提示詞工程、大數(shù)據(jù)篩選工程和知識發(fā)現(xiàn)工程等，制度設(shè)計在其中發(fā)揮關(guān)鍵優(yōu)化作用。例如，在醫(yī)療場景中，工作流程設(shè)計需明確人機(jī)協(xié)同的分工，是由醫(yī)生先查看影像圖片再參考GenAI的輔助診斷結(jié)果，還是先由GenAI提供初步診斷建議，然后醫(yī)生再結(jié)合影像圖片復(fù)核，此類制度設(shè)計對提高診療效率和準(zhǔn)確性至關(guān)重要。與此不同的是，實現(xiàn)人智融合需要借助提示詞工程、大數(shù)據(jù)篩選工程和知識發(fā)現(xiàn)工程等工具，制度設(shè)計與優(yōu)化工具的適配成為提高人智融合效率的關(guān)鍵。

其二，開發(fā)者與GenAI的能力均得到提升，且雙方增強(qiáng)學(xué)習(xí)的機(jī)制與人機(jī)協(xié)同不同。在人機(jī)協(xié)同中，開發(fā)者與GenAI的能力提升是雙方合作帶來的，二者自身能力相對不變。人智融合的雙向知識遷移使開發(fā)者與GenAI的能力均得到提升，主要表現(xiàn)在新產(chǎn)品的開發(fā)過程中，GenAI重新定義新產(chǎn)品開發(fā)概念設(shè)計的內(nèi)涵和邊界，包括重新定義概念設(shè)計的伙伴結(jié)構(gòu)，或者基于多源異構(gòu)數(shù)據(jù)、結(jié)合人類經(jīng)驗進(jìn)行智能處理，快速識別潛在市場需求，進(jìn)而改變開發(fā)者的思維方式，擴(kuò)大開發(fā)者的能力邊界。一方面，GenAI支持開發(fā)者進(jìn)行探索式學(xué)習(xí)或更高創(chuàng)新度的開發(fā)活動，通過降低試錯成本提升開發(fā)者的創(chuàng)造力，以提高產(chǎn)品創(chuàng)新度。另一方面，GenAI為開發(fā)者提供自動化設(shè)計工具和智能原型生成技術(shù)，并與開發(fā)者的創(chuàng)造力形成互補(bǔ)，以提高概念設(shè)計階段的創(chuàng)意生成效率。例如，GenAI幫助開發(fā)者快速進(jìn)行產(chǎn)品迭代決策，進(jìn)而提高新產(chǎn)品開發(fā)速度和質(zhì)量[32]，以動態(tài)平衡產(chǎn)品創(chuàng)新度與創(chuàng)新效率。開發(fā)者通過提示詞工程、大數(shù)據(jù)篩選工程和知識發(fā)現(xiàn)工程等工具提高GenAI的場景適應(yīng)性和工程化水平，使GenAI的場景適應(yīng)能力和工程化能力得到提升。

綜上，由于產(chǎn)品開發(fā)者使用的GenAI場景化訓(xùn)練多由模型訓(xùn)練師完成，故人機(jī)協(xié)同中開發(fā)者向GenAI的知識遷移通常由產(chǎn)品開發(fā)者和模型訓(xùn)練師完成，但人機(jī)協(xié)同中GenAI向開發(fā)者的知識遷移屬于單向遷移。在人智融合中，由于產(chǎn)品開發(fā)者也是模型訓(xùn)練者，故GenAI向開發(fā)者的知識遷移與開發(fā)者向GenAI的知識遷移均屬于同一行動者。

四、基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制的理論基礎(chǔ)與理論模型

（一）基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制的理論基礎(chǔ)

本文從人智融合區(qū)別于人機(jī)協(xié)同的兩個主要特征出發(fā)，基于行動者網(wǎng)絡(luò)理論，探討基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制的理論基礎(chǔ)。行動者網(wǎng)絡(luò)理論認(rèn)為，社會和技術(shù)現(xiàn)象是由復(fù)雜的關(guān)系網(wǎng)絡(luò)構(gòu)成的，關(guān)系網(wǎng)絡(luò)包括人類和非人類行動者或節(jié)點[33]。這些行動者在網(wǎng)絡(luò)的形成、維持和發(fā)展中扮演著平等的角色，且社會與技術(shù)因素的界限并非涇渭分明。因此，行動者網(wǎng)絡(luò)理論為構(gòu)建基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制提供了支持[34]。具體地，包括GenAI在內(nèi)的數(shù)字技術(shù)具有主體性、技術(shù)與人類的語義等同性，因而可以將包括GenAI在內(nèi)的數(shù)字技術(shù)視為與人類平等的互動主體。在新產(chǎn)品開發(fā)的情境下，開發(fā)者與GenAI之間、開發(fā)者之間、GenAI之間的互動都可以視作行動者在活動范圍內(nèi)的互動，行動者之間的互動能夠幫助行動者理解各類新技術(shù)的潛力和價值。

GenAI的出現(xiàn)模糊了創(chuàng)造力專屬于人類的傳統(tǒng)界限。目前，GenAI被認(rèn)為已初步具備繪畫、寫作等富有創(chuàng)造性的輸出能力，具有模擬與增強(qiáng)人類創(chuàng)造力的潛力[35]。創(chuàng)造力理論強(qiáng)調(diào)，“個性特征”“動機(jī)”在GenAI情景下不再是不可或缺的要素。相反，GenAI的創(chuàng)造力展現(xiàn)出依賴算法、數(shù)據(jù)質(zhì)量和模型復(fù)雜性的特征，具有更加明顯的理性自主決策和原創(chuàng)性[36]，成為新產(chǎn)品開發(fā)創(chuàng)造力的來源，使研究者反思如何在人類與GenAI融合背景下重新認(rèn)識和評價新產(chǎn)品開發(fā)創(chuàng)造力的內(nèi)涵和外延。GenAI的創(chuàng)造力因缺乏人類情感或倫理特征而被視為準(zhǔn)創(chuàng)造力，但不影響GenAI被視為新的社會主體。在這種情況下，開發(fā)者與GenAI以行動者身份共同構(gòu)建社會網(wǎng)絡(luò)。一方面，雙方通過認(rèn)知同步和共享心智模型實現(xiàn)人智融合。例如，將GenAI作為“外部記憶體”存儲和檢索關(guān)鍵信息。另一方面，基于雙向知識遷移，GenAI的社會網(wǎng)絡(luò)構(gòu)建能力與開發(fā)者的交互記憶形成互補(bǔ)，這為深度協(xié)作提供了行動框架知識遷移理論也構(gòu)成新產(chǎn)品開發(fā)人智融合機(jī)制的基礎(chǔ)理論。既有知識遷移領(lǐng)域的研究側(cè)重組織或跨行業(yè)場景中進(jìn)行的知識交流與應(yīng)用，強(qiáng)調(diào)人與人之間知識的傳遞和擴(kuò)散，如技術(shù)專利轉(zhuǎn)移、最佳實踐轉(zhuǎn)移、分享涌現(xiàn)的想法或概念，以及通過相互適應(yīng)協(xié)同探索等[37]。Carlile[38-39]認(rèn)為，語法邊界障礙、語義邊界障礙和語用邊界障礙構(gòu)成知識遷移中的三個主要障礙。其中，語法邊界障礙指信息傳遞不準(zhǔn)確導(dǎo)致的知識理解誤差；語義邊界障礙指來源方與接收方語境的差異導(dǎo)致對同一信息的理解誤差；語用邊界障礙指知識具有利益相關(guān)性，在使用新知識的過程中必然要轉(zhuǎn)換現(xiàn)有知識，進(jìn)而在應(yīng)用新知識的過程中產(chǎn)生相應(yīng)的轉(zhuǎn)換成本[38]。GenAI可以生成異于開發(fā)者現(xiàn)有知識的新知識，開發(fā)者也可以通過GenAI掌握新知識。GenAI作為網(wǎng)絡(luò)中非人的知識傳遞節(jié)點，構(gòu)建了新型關(guān)系網(wǎng)絡(luò)，進(jìn)而改變了知識遷移的場景假設(shè)。

（二）基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制的理論模型

在開發(fā)者與GenAI構(gòu)成的新產(chǎn)品開發(fā)行動者網(wǎng)絡(luò)中，開發(fā)者通過引導(dǎo)與微調(diào)GenAI，得到預(yù)期創(chuàng)新結(jié)果，形成對開發(fā)者自身創(chuàng)造力的增強(qiáng)或互補(bǔ)，這就需要開發(fā)者對GenAI展開工程化或場景化訓(xùn)練，使GenAI從行業(yè)大模型轉(zhuǎn)變?yōu)閳鼍按竽Ｐ汀enAI的工程化或場景化訓(xùn)練旨在提高GenAI的輸出質(zhì)量和效率、降低GenAI的幻覺風(fēng)險。開發(fā)者依據(jù)工程化思想和原則對GenAI在新產(chǎn)品開發(fā)中的關(guān)鍵節(jié)點或內(nèi)容進(jìn)行對照分析，借助GenAI的計算能力和數(shù)據(jù)處理能力突破開發(fā)者數(shù)據(jù)處理能力的限制，提高GenAI的場景適應(yīng)性和工程化應(yīng)用水平。具體來看，開發(fā)者通過提示詞工程引導(dǎo)、大數(shù)據(jù)篩選工程微調(diào)GenAI，以及GenAI通過知識發(fā)現(xiàn)工程形成對開發(fā)者的反饋，因而基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制的理論模型如圖1所示。

由圖1可知，提示詞工程和大數(shù)據(jù)篩選工程促進(jìn)開發(fā)者向GenAI的知識遷移，知識發(fā)現(xiàn)工程則促進(jìn)GenAI向開發(fā)者的知識遷移。開發(fā)者向GenAI的知識遷移可解釋為開發(fā)者通過提示詞工程和大數(shù)據(jù)篩選工程增強(qiáng)AI場景適應(yīng)性的過程，GenAI向開發(fā)者的知識遷移可解釋為開發(fā)者利用GenAI增強(qiáng)創(chuàng)造知識的過程。

其一，提示詞工程指開發(fā)者通過設(shè)計和優(yōu)化其與GenAI交互過程中輸入的提示詞，以提高生成內(nèi)容的相關(guān)性、準(zhǔn)確性和實用性的技術(shù)方法[40]。提示詞工程作為雙向知識遷移橋梁，不僅決定了GenAI生成內(nèi)容的方向，還在很大程度上影響了GenAI的輸出質(zhì)量。提示詞工程基于人機(jī)共享心智理論，強(qiáng)調(diào)提示詞的精確設(shè)計，GenAI能夠更好地理解開發(fā)者的意圖，實現(xiàn)開發(fā)者與GenAI的認(rèn)知同步和共享。這不僅提高了人機(jī)融合的效率，也為開發(fā)者在創(chuàng)意生成過程中的雙向知識遷移提供了工具支持，并通過雙向知識遷移支持開發(fā)者提升產(chǎn)品創(chuàng)新度。

其二，大數(shù)據(jù)篩選工程指從多源數(shù)據(jù)中提取、過濾和篩選出對特定任務(wù)有價值的信息，以提高數(shù)據(jù)的有效性和可用性，進(jìn)而拓展GenAI適應(yīng)新產(chǎn)品開發(fā)的具體場景。開發(fā)者通過對大數(shù)據(jù)的過濾和篩選，使GenAI可以從市場趨勢、用戶反饋和行為數(shù)據(jù)中分析和提煉出有價值的創(chuàng)新方法。大數(shù)據(jù)篩選工程基于社會網(wǎng)絡(luò)理論，關(guān)注在GenAI的數(shù)據(jù)篩選過程中如何利用社會網(wǎng)絡(luò)節(jié)點與連接關(guān)系提高雙向知識遷移的質(zhì)量。在多源數(shù)據(jù)篩選和信息流動中，社會網(wǎng)絡(luò)分析可以幫助GenAI識別、提高不同來源數(shù)據(jù)之間的關(guān)聯(lián)性和互動性，減少語法邊界障礙、語義邊界障礙和語用邊界障礙，以促進(jìn)雙向知識遷移。

其三，知識發(fā)現(xiàn)工程指通過數(shù)據(jù)收集、處理、特征提取和模型訓(xùn)練的方式，從數(shù)據(jù)中挖掘有價值的創(chuàng)新元素，以支持新產(chǎn)品開發(fā)的技術(shù)方法。借助知識發(fā)現(xiàn)工程，開發(fā)者對GenAI的輸出進(jìn)行數(shù)據(jù)挖掘和知識提取，分析和識別新產(chǎn)品開發(fā)的潛在機(jī)會，并對自身的思維方式和開發(fā)能力進(jìn)行反饋。知識發(fā)現(xiàn)工程基于人機(jī)交互記憶理論，強(qiáng)調(diào)GenAI向開發(fā)者知識遷移的基礎(chǔ)在于二者之間的交互記憶機(jī)制。在人智融合的記憶構(gòu)建過程中，GenAI作為開發(fā)者的“外部記憶體”存儲和檢索關(guān)鍵信息，通過有效的數(shù)據(jù)分析和知識提煉，幫助開發(fā)者快捷地獲取、存儲和利用信息，實現(xiàn)開發(fā)知識的積累和遷移。開發(fā)者與GenAI的交互記憶機(jī)制不同于以往的企業(yè)專家系統(tǒng)或知識庫，企業(yè)專家系統(tǒng)或知識庫多存儲靜態(tài)知識，開發(fā)者通常因為“不知道自己不知道什么”而難以檢索或應(yīng)用企業(yè)專家系統(tǒng)或知識庫中的知識。然而，通過與GenAI的多輪對話，GenAI的記憶系統(tǒng)對于開發(fā)者而言不再是靜態(tài)的“外部記憶體”，而是轉(zhuǎn)變?yōu)榇碳せ蚋淖冮_發(fā)者思維方式的“外部刺激者”，進(jìn)而提升了開發(fā)者的創(chuàng)造力。

綜上，開發(fā)者通過提示詞工程引導(dǎo)、大數(shù)據(jù)篩選工程微調(diào)GenAI，以及GenAI通過知識發(fā)現(xiàn)工程形成對開發(fā)者的反饋，實現(xiàn)開發(fā)者與GenAI的雙向知識遷移，形成基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制。通過人智融合的迭代優(yōu)化，在某些特定開發(fā)環(huán)節(jié)或任務(wù)中，GenAI的工程化或場景化使其創(chuàng)新功能逐步強(qiáng)大，可以直接替代開發(fā)者執(zhí)行特定任務(wù)。例如，在概念設(shè)計階段，GenAI通過分析市場數(shù)據(jù)和用戶偏好，自動生成符合目標(biāo)市場需求的初始設(shè)計草案。在簡單設(shè)計任務(wù)中，開發(fā)者無需對這些草案進(jìn)行大量修改和優(yōu)化，這些草案可以直接用于進(jìn)一步開發(fā)，逐步形成開發(fā)者與GenAI聯(lián)合設(shè)計的新產(chǎn)品風(fēng)格，以促進(jìn)市場部門的商業(yè)推廣。

五、基于GenAI的新產(chǎn)品開發(fā)人智融合的數(shù)據(jù)基礎(chǔ)與實現(xiàn)場景

（一）新產(chǎn)品開發(fā)人智融合的數(shù)據(jù)基礎(chǔ)

如前文所述，提示詞工程、大數(shù)據(jù)篩選工程和知識發(fā)現(xiàn)工程在人智融合中發(fā)揮橋梁作用，開發(fā)者借此形成對GenAI的引導(dǎo)和微調(diào)，GenAI也由此形成對開發(fā)者的創(chuàng)意啟發(fā)和刺激。然而，提示詞工程、大數(shù)據(jù)篩選工程和知識發(fā)現(xiàn)工程均有賴于新產(chǎn)品開發(fā)的多源異構(gòu)數(shù)據(jù)融合，這是實現(xiàn)新產(chǎn)品開發(fā)人智融合的數(shù)據(jù)基礎(chǔ)。多源異構(gòu)數(shù)據(jù)融合旨在將不同來源、格式和結(jié)構(gòu)的數(shù)據(jù)集成到統(tǒng)一框架中，以支持新產(chǎn)品開發(fā)。例如，圖像 + 語言、圖像 音頻、圖像 觸覺感知等類型的多源異構(gòu)數(shù)據(jù)融合，完善了開發(fā)者與GenAI的雙向知識遷移的技術(shù)支撐體系，使GenAI增強(qiáng)了其在新產(chǎn)品開發(fā)中的穩(wěn)定性和融合識別能力。在GenAI從行業(yè)大模型轉(zhuǎn)變?yōu)閳鼍按竽Ｐ偷倪^程中，多源異構(gòu)數(shù)據(jù)融合不僅在數(shù)據(jù)層面提供了豐富的上下文信息，通過整合多個數(shù)據(jù)源中的異構(gòu)信息提高模型的適應(yīng)性和準(zhǔn)確性，還為模型訓(xùn)練提供多維度的數(shù)據(jù)支持，使開發(fā)者能夠通過融合通用詞典和專用詞典的數(shù)據(jù)，更精準(zhǔn)地引導(dǎo)和微調(diào)GenAI，以更有效地支持新產(chǎn)品開發(fā)。

因此，多源異構(gòu)數(shù)據(jù)融合的引導(dǎo)和微調(diào)機(jī)制，構(gòu)成GenAI在新產(chǎn)品開發(fā)中的技術(shù)管理基礎(chǔ)。該機(jī)制根據(jù)數(shù)據(jù)融合規(guī)則和分類體系，將用戶畫像、用戶行為和新產(chǎn)品發(fā)展趨勢等數(shù)據(jù)整合在一起，為GenAI提供了豐富的上下文信息。因此，多源異構(gòu)數(shù)據(jù)融合最終會形成面向用戶畫像篩選需求的數(shù)據(jù)池、面向潛在市場識別需求的數(shù)據(jù)池和面向創(chuàng)新方向選擇需求的數(shù)據(jù)池。例如，基于面向用戶畫像篩選需求的數(shù)據(jù)池，開發(fā)者通過提示詞工程引導(dǎo)GenAI，使模型生成的結(jié)果更符合特定需求。數(shù)據(jù)融合規(guī)則確保不同數(shù)據(jù)源的兼容性和一致性，使GenAI根據(jù)不同用戶的行為數(shù)據(jù)和創(chuàng)新需求生成更加精準(zhǔn)的輸出。例如，將產(chǎn)品開發(fā)中的用戶行為數(shù)據(jù)與市場趨勢相匹配，有助于GenAI在選擇創(chuàng)新方向時更加符合用戶的預(yù)期，并使開發(fā)者的設(shè)計風(fēng)格向GenAI遷移，進(jìn)而提高GenAI在不同實現(xiàn)場景中對產(chǎn)品設(shè)計風(fēng)格特征的適應(yīng)性。

（二）新產(chǎn)品開發(fā)人智融合的實現(xiàn)場景

互補(bǔ)和替代構(gòu)成新產(chǎn)品開發(fā)人智融合的兩類代表性實現(xiàn)場景。由于GenAI在高階創(chuàng)意任務(wù)中捕捉復(fù)雜情感和文化內(nèi)涵方面存在局限性[25]，因而在人智融合互補(bǔ)場景中，需要將GenAI限定在數(shù)據(jù)分析、初步設(shè)計生成等特定任務(wù)環(huán)節(jié)，保留開發(fā)者在創(chuàng)意決策和文化表達(dá)中的主導(dǎo)地位。這種互補(bǔ)融合策略不僅可以提高開發(fā)者的設(shè)計效率，還可以在設(shè)計中保留開發(fā)者的設(shè)計風(fēng)格。通過對特定任務(wù)的分解，開發(fā)者與GenAI的互補(bǔ)性設(shè)計可以較好地實現(xiàn)GenAI的效率優(yōu)勢、開發(fā)者創(chuàng)意貢獻(xiàn)之間的互補(bǔ)優(yōu)勢[29]。通常，傳統(tǒng)的設(shè)計工作依賴開發(fā)者的經(jīng)驗和靈感，但由于時間和認(rèn)知的限制，開發(fā)者在概念生成階段可能遇到靈感枯竭的情況。借助GenAI的深度學(xué)習(xí)和數(shù)據(jù)驅(qū)動，從大量歷史設(shè)計案例中學(xué)習(xí)，以生成新的創(chuàng)意方案，拓展開發(fā)者的設(shè)計視野[41]。例如，在智能家居的產(chǎn)品開發(fā)中，GenAI可以生成眾多可供篩選的、具有獨特性的跨界創(chuàng)意方案，提升開發(fā)者的創(chuàng)造力。同時，開發(fā)者可以基于GenAI整合產(chǎn)品外觀設(shè)計、產(chǎn)品功能設(shè)計和用戶體驗等多領(lǐng)域的知識，進(jìn)而提高概念設(shè)計的整體效率。

在人智融合替代場景中，尤其是需要快速生成大量概念設(shè)計方案時，GenAI可以通過其強(qiáng)大的計算能力和快速生成模型，自動完成大量初始設(shè)計方案，進(jìn)而大幅縮短開發(fā)者的基礎(chǔ)性準(zhǔn)備時間和降低初步設(shè)計的投入成本，將開發(fā)者從低價值的重復(fù)性活動中解放出來，將精力集中在更具挑戰(zhàn)性和創(chuàng)造性的創(chuàng)意設(shè)計任務(wù)上［30]。

在新產(chǎn)品開發(fā)實踐中，對于那些以高創(chuàng)意需求為主要特征的領(lǐng)域，人智融合的應(yīng)用更傾向于形成互補(bǔ)模式，即開發(fā)者與GenAI協(xié)同合作，以增強(qiáng)創(chuàng)新潛力。在技術(shù)性強(qiáng)、可預(yù)測性高的領(lǐng)域，人智融合的應(yīng)用則傾向于形成替代模式，即GenAI取代部分開發(fā)者的工作，以提高效率。對于介于高創(chuàng)意需求與高技術(shù)性需求之間的中間開發(fā)領(lǐng)域，開發(fā)者常常需要靈活地組合互補(bǔ)與替代這兩種人智融合模式，旨在有效解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾。

（三）管理人智融合中的知識遷移障礙

無論在人智融合互補(bǔ)場景、人智融合替代場景中，還是在人智融合互補(bǔ)場景與替代場景的靈活組合中，如何有效減少開發(fā)者與GenAI的雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙是重要挑戰(zhàn)。針對雙向知識遷移中的語法邊界障礙，開發(fā)者可以應(yīng)用提示詞工程，通過更為精確的語言和結(jié)構(gòu)設(shè)計，減少開發(fā)者與GenAI因語言表達(dá)差異而產(chǎn)生的理解誤差。例如，通過規(guī)范輸入內(nèi)容引導(dǎo)GenAI與開發(fā)者需求相匹配，幫助GenAI更準(zhǔn)確地理解開發(fā)者的意圖；通過優(yōu)化提示詞的設(shè)計與使用，GenAI能夠更加精準(zhǔn)地為開發(fā)者提供刺激或啟示。同時，開發(fā)者可以通過大數(shù)據(jù)篩選工程減少雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙。例如，開發(fā)者借助大數(shù)據(jù)篩選工程可以有效整合不同來源的數(shù)據(jù)，提升開發(fā)者與GenAI的雙向知識遷移效率。此外，開發(fā)者可以在知識發(fā)現(xiàn)工程中應(yīng)用多種技術(shù)減少雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙。例如，機(jī)器學(xué)習(xí)和自然語言處理技術(shù)可以幫助開發(fā)者減少語法邊界障礙和語義邊界障礙，通過上下文分析自動理解數(shù)據(jù)的深層含義，有效消除由于語言結(jié)構(gòu)不同而產(chǎn)生的理解偏差；數(shù)據(jù)挖掘技術(shù)可以過濾不相關(guān)數(shù)據(jù)，提取重要特征，以減少語用邊界障礙，確保GenAI能夠?qū)⒆钕嚓P(guān)的知識遷移給開發(fā)者。

雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙屬于人智融合實現(xiàn)過程的內(nèi)生障礙，不可能完全消除，需要進(jìn)行開發(fā)者與GenAI的多輪迭代，通過人智融合優(yōu)化逐步克服。從新產(chǎn)品開發(fā)的管理哲學(xué)來看，雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙也沒有必要完全消除，如果雙向知識遷移中不存在這些障礙，開發(fā)者與GenAI的雙向知識遷移可能會變得沒有價值，人智融合也會變得沒有商業(yè)價值。因此，如何有效減少雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙，通過提高雙向知識遷移的效率，進(jìn)而提高產(chǎn)品創(chuàng)新度和創(chuàng)新效率，這構(gòu)成GenAI時代企業(yè)提高競爭力的重要方式之一。

六、研究結(jié)論、實踐啟示與研究展望

（一）研究結(jié)論

其一，區(qū)別于既有的人機(jī)協(xié)同，基于GenAI的新產(chǎn)品開發(fā)人智融合指GenAI與開發(fā)者智能的結(jié)合，旨在利用GenAI的計算能力和數(shù)據(jù)處理能力，結(jié)合開發(fā)者的創(chuàng)造力、情感理解和道德判斷，通過迭代交互共同完成復(fù)雜任務(wù)。人智融合具有開發(fā)者與GenAI的雙向知識遷移，以及開發(fā)者與GenAI的能力均得到提升兩個主要特征。GenAI通過改變開發(fā)者的思維方式，擴(kuò)大開發(fā)者的能力邊界，以及為解決新產(chǎn)品開發(fā)難題提供新的融合條件兩個方面，為解決新產(chǎn)品開發(fā)中長期存在的產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾提供了創(chuàng)新機(jī)會。然而，如果在新產(chǎn)品開發(fā)中，開發(fā)者與GenAI之間缺乏人智融合，會產(chǎn)生GenAI生成內(nèi)容難以商業(yè)化、生成結(jié)果不可靠、生成幻覺難判斷的風(fēng)險。因此，在新產(chǎn)品開發(fā)中，企業(yè)應(yīng)用GenAI時需要重視人智融合，通過構(gòu)建人智融合機(jī)制提高GenAI的效率。

其二，企業(yè)在新產(chǎn)品開發(fā)中可以通過提示詞工程、大數(shù)據(jù)篩選工程和知識發(fā)現(xiàn)工程三種方式推動GenAI的工程化或場景化，構(gòu)建新產(chǎn)品開發(fā)的人智融合機(jī)制。第一，開發(fā)者向GenAI的知識遷移部分，開發(fā)者通過引導(dǎo)和微調(diào)GenAI形成對自身創(chuàng)造力的提升或互補(bǔ)，包括開發(fā)者通過提示詞工程引導(dǎo)GenAI，通過大數(shù)據(jù)篩選工程微調(diào)GenAI，即開發(fā)者通過知識反饋增強(qiáng)GenAI的場景適應(yīng)性。第二，GenAI向開發(fā)者的知識遷移部分，GenAI通過知識發(fā)現(xiàn)工程形成對開發(fā)者的反饋，形成GenAI向開發(fā)者的知識遷移，即開發(fā)者利用GenAI增強(qiáng)自身場景化創(chuàng)新知識。

其三，多源異構(gòu)數(shù)據(jù)融合是企業(yè)構(gòu)建新產(chǎn)品開發(fā)人智融合機(jī)制的數(shù)據(jù)基礎(chǔ)。例如，通過對多源異構(gòu)數(shù)據(jù)融合規(guī)則或過程的引導(dǎo)和微調(diào)，在新產(chǎn)品開發(fā)中構(gòu)建開發(fā)者引導(dǎo)和微調(diào)GenAI的數(shù)據(jù)規(guī)則，從而支撐企業(yè)在不同場景中構(gòu)建人智融合機(jī)制。第一，在人智融合互補(bǔ)場景中，企業(yè)能夠?qū)崿F(xiàn)開發(fā)者與GenAI能力相互提升的迭代優(yōu)化，基于行動者網(wǎng)絡(luò)理論的人機(jī)共享心智和人機(jī)交互記憶能夠減少雙向知識遷移中信息傳遞不準(zhǔn)確、信息解讀多樣、信息應(yīng)用偏差等不利影響，企業(yè)通過達(dá)成跨部門認(rèn)知共識解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾。第二，在人智融合替代場景中，企業(yè)能夠?qū)崿F(xiàn)開發(fā)者與GenAI能力替代的迭代優(yōu)化，基于復(fù)雜社會網(wǎng)絡(luò)構(gòu)建和人機(jī)交互記憶能夠減少雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙，企業(yè)通過達(dá)成工作流協(xié)同共識解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾。

（二）實踐啟示

其一，GenAI為企業(yè)解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率的矛盾提供了新的機(jī)會和條件，企業(yè)可以通過投資和應(yīng)用GenAI降低新產(chǎn)品開發(fā)導(dǎo)致的呆滯物料減值風(fēng)險，通過構(gòu)建基于GenAI的人智融合機(jī)制提高產(chǎn)品創(chuàng)新度和創(chuàng)新效率，進(jìn)而提高企業(yè)盈利水平。

其二，企業(yè)對GenAI的投資和應(yīng)用，除強(qiáng)化對GenAI軟硬件投資的管理外，還需構(gòu)建人智融合機(jī)制，并持續(xù)完善該機(jī)制，通過建立健全提示詞工程、大數(shù)據(jù)篩選工程和知識發(fā)現(xiàn)工程的工作流程和管理制度，在人智融合互補(bǔ)場景、人智融合替代場景、人智融合的互補(bǔ)場景與替代場景的靈活組合中，減少雙向知識遷移中的語法邊界障礙、語義邊界障礙和語用邊界障礙，從而在GenAI軟硬件投資中獲得更高的回報，進(jìn)而提高企業(yè)競爭力。

（三）研究展望

GenAI正在對中國企業(yè)產(chǎn)品創(chuàng)新管理實踐產(chǎn)生重要影響，基于GenAI的新產(chǎn)品開發(fā)人智融合是GenAI時代新產(chǎn)品開發(fā)中涌現(xiàn)的新興研究領(lǐng)域和前沿課題之一，本文的探討僅僅是起步。根據(jù)本文的研究結(jié)論，在未來研究中有三個具有創(chuàng)新潛力的研究議題。第一，未來研究可以探討基于GenAI的新產(chǎn)品開發(fā)人智融合機(jī)制中的多源異構(gòu)數(shù)據(jù)融合。例如，用戶畫像、市場潛力和創(chuàng)新方向的多源異構(gòu)數(shù)據(jù)融合規(guī)則與方法。第二，未來研究可以探討基于GenAI的新產(chǎn)品開發(fā)人智融合管理模式，闡述該模式的新特征和新規(guī)律。第三，未來研究可以探討基于GenAI的新產(chǎn)品開發(fā)人智融合迭代優(yōu)化機(jī)制，分析該機(jī)制解決產(chǎn)品創(chuàng)新度與創(chuàng)新效率矛盾的動態(tài)過程和路徑，進(jìn)而深化新產(chǎn)品開發(fā)人智融合研究。

參考文獻(xiàn)：

[1]WANG Z，LIU H，F(xiàn)AN X，et al. Integrating machine learning and robust optimization for new product development：aconsumer and expert preference-based approach[J]. Computers amp;industrial engineering，2024，197 （1）：110520.

[2]曹勇，孫合林，蔣振宇，等.模糊前端不確定性、知識共享與新產(chǎn)品開發(fā)績效[J].科研管理，2016，37（5）：24-32.

[3]JEONG D，LEEJD. Where and how does a product evolve？ Product innovation pattern in product lineage[J]. Technovation，2024，131（1）：102958.

[4］張軍，姜中霜，謝俊楠.用戶參與與企業(yè)NPD績效關(guān)系研究——以跨界協(xié)調(diào)為中介[J].科研管理，2021，42 （11）：190-199.

[5］孔婷，孫林巖，馮泰文.營銷—制造整合與新產(chǎn)品開發(fā)績效關(guān)系實證研究——以新產(chǎn)品上市速度為中介變量 [J].科技進(jìn)步與對策，2014，31（22）：106-111.

[6］聶津君，范鈞.企業(yè)—顧客在線互動對新產(chǎn)品開發(fā)績效影響機(jī)制的多案例研究[J].科技管理研究，2019，39 （9）：225-232.

[7]WITTFOTH S，BERGER T，MOEHRLE M G.Revisiting the innovation dynamics theory： how efectiveness-nd efficiency-orientedprocessinovationsaccompanyproductinovatios[J].TechovationO22，（1）：02410.

[8]HANAHARA S.How colaboration between industrial designers and other members related to product development affect innovation and efficiency[J].Annals of business administrative science，2O21，2O（2）：47-62.

[9]張玉利，馮瀟，田莉.大型企業(yè)數(shù)字創(chuàng)新驅(qū)動的創(chuàng)業(yè)：實踐創(chuàng)新與理論挑戰(zhàn)[J].科研管理，2022，43（5）：1-10.

[10] ROMA P，NATALICCHIO A，PANNIELLO U，et al. Crowdfunding performance，market performance，and the moderating rolesof product innovativeness and experts’judgment：evidence from the movie industry[J].Journal of product innovation management，2023，40（3） ：297-339.

[11]LEE S.When is the atypical design not penalized？Moderating role of product innovativenessand technological sophistication in consumer’sevaluation of new products[J].American journal of business，2O19，34（3/4）： 169-188.

[12]BORA M. Interplay of consumer expectation and procesing fluency in perception of product innovativeness and product evaluation[J]. European journal of marketing，2023，57（1） ：283-324.

[13]HANDRICH F，HEIDENREICH S，KRAEMER T. Innovate or game over？Examining effects of product innovativeness on video game success[J].Electronic markets，2022，32（2）：987-1002.

[14]孔婷，馮泰文，李剛.營銷—制造整合與新產(chǎn)品市場成功：產(chǎn)品創(chuàng)新程度的調(diào)節(jié)效應(yīng)[J].中國管理科學(xué)，2017， 25（6）：61-70.

[15]XIAO T，YANG Z，JIANG YH.The different effects of venture capital and the trade-off between product inovation effectivenessand efficiencyJ].Europeanjournalofinnovationmanagement，2024，27（5）：1643-1678.

[16]NAGARAJ V，BERENTE N，LYYTINEN K，et al. Team design thinking， product innovativeness，and the moderating roleof problemunfamiliarity[J].Journalof productinnovation management，2O2o，37（4）：297-323.

[17]WANG X，WEIR，LIU Y，et al.The effects of relational knowledge emphasis onnew product development strategy [J].Industrial marketing management，2023，109（1） ：257-270.

[18]趙炎，楊笑然，王玉仙，等.善事先利器：團(tuán)隊知識共享與新產(chǎn)品開發(fā)績效[J].科學(xué)學(xué)研究，2021，39（11）： 2035-2043.

[19]吳小龍，肖靜華，吳記.人與AI協(xié)同的新型組織學(xué)習(xí)：基于場景視角的多案例研究[J].中國工業(yè)經(jīng)濟(jì)，2022 （2） ：175-192.

[20]吳小龍，肖靜華，吳記.當(dāng)創(chuàng)意遇到智能：人與 協(xié)同的產(chǎn)品創(chuàng)新案例研究[J].管理世界，2023，39（5）： 112-126.

[21］謝康，盧鵬，盛君葉，等.人工智能、產(chǎn)品創(chuàng)新與制造業(yè)適應(yīng)性轉(zhuǎn)型[J].北京交通大學(xué)學(xué)報（社會科學(xué)版）， 2024，23（1）：84-95.

[22] 翟鈺，趙博，楊琛胤，等.從創(chuàng)新行為到生產(chǎn)率效應(yīng)的“黑箱\"解構(gòu)——來自投入產(chǎn)出視角的全過程檢驗［J].科 學(xué)學(xué)與科學(xué)技術(shù)管理，2024，45（7）：68-87.

[23] SOBIESZEK A，PRICE T. Playing games with ais：the limits of GPT-3 and similar large language models [J]. Mindsamp;machines，2022，32（2）：341-364.

[24]VACCARO M，ALMAATOUQ A，MALONE T. When combinations of humans and AI are useful： a systematic review and meta-analysis[J].Nature human behaviour，2O24，8（1）：1-11.

[25]KAPLAN A，HAENLEINM.Siri，Siri，in my hand：who’s the fairest in the land？On the interpretations， illustrations，and implications of artificial inteligence[J].Business horizons，2019，62（1）：15-25.

[26]NORBACK P J，PERSSON L. Why generative AI can make creative destruction more creative but less destructive [J].Smallbusiness economics，2024，63（1）：349-377.

[27] RAISCH S， KRAKOWSKI S. Artificial intelligence and management： the automation-augmentation paradox [J]. Academy of management review，2021，46（1）：192-210.

[28]JARRAHIMH，LUTZ C，NEWLANDS G.Artificial intelligence，human intellgence andhybrid intellgence based on mutual augmentation[J].Big data amp; society，2022，9（2）：153-179.

[29] ANTHONY C，BECHKY BA，F(xiàn)AYARDA L.“Collaborating”with AI： taking a system view to explore the future of work[J].Organization science，2023，34（5）：1672-1694.

[30]DWIVEDIYK，KSHETRI N，HUGHES L，et al. Opinion paper：“So what if ChatGPT wrote it？”Multidisciplinary perspectives on opportunities，challenges and implications of generative conversational AI for research，practice and policy[J]. International journal of information management，2O23，71（1） ：102642.

[31]JIA N，LUO X，F(xiàn)ANG Z，etal. When and how artificial intellgence augments employee creativity[J].Academyof management journal，2024，67（1） ：5-32.

[32] COOPER R G，MCCAUSLAND T.AI and new product development[J].Research-technology management，2024， 67（1） ：70-75.

[33]YUANB.Understanding digital informationproduction in virtualcommunities fromtheperspectiveofactor-network theory[J]. Journal of hospitality and tourism management，2023，56（1） ：495-502.

[34] CUBRIC M，LI F. Bridging the‘concept-product’gap in new product development：emerging insights from the application of artificial intellgence inFinTech SMEs[J].Technovation，2024，134（1）：103017.

[35] O'TOOLE K，HORVATE A.Extending human creativity with AI[J].Journal of creativity，2024，34（2）：100080.

[36] CHEN Z，CHAN J.Large language model in creative work：the role of collaboration modality and user expertise [J]. Management science，2024，70（12） ：9101-9117.

[37] ARGOTE L，GUOJ，PARK S S，etal.The mechanisms and components of knowledge transfer：the virtual special issue on knowledge transfer within organizations[J]. Organization science，2022，33（3）：1232-1249.

[38] CARLILE PR.A pragmatic view of knowledge and boundaries：boundary objects in new product development[J]. Organization science，2002，13（4）：442-455.

[39] CARLILE P R. Transferring，translating，and transforming： an integrative framework for managing knowledge acrossboundaries[J].Organization science，2004，15（5）：555-568.

[40]HUTSON J，COTRONEO P. Generative AI tools in art education：exploring prompt engineering and iterative processes for enhanced creativity[J].Metaverse，2023，4（1）：14-21.

[41]MARIANI M，DWIVEDIY K.Generativeartificial intellgence in innovation management：a preview of future research developments[J]. Journal of business research，2024，175（1） ：114542.

Human-Intelligence Integration Mechanism for New Product Development Based on Generative Artificial Intelligence

XIE Kang， LU Peng， XIA Zhenghao （SchoolofBusiness，SunYat-senUniversity，Guangzhou51o275，China）

Summary：The tension between productinnovativenessand innovationefficiency hasbeenoneofthecentralchalenges in new product development （NPD）andakey factorcontributing to theaccumulationof inventoryin China'smanufacturing industry.Theapplicationof generativeatificial intellgence（GenAI） inNPD，combinedwithmanagementinovation，not onlytransforms developers’cognitive processes but also extends their capability boundaries.Research on GenAI has primarily focusedontopicsrelated to strategy，marketing，and human resource management.Incontrast，studiesonNPD have predominantly examined issues such asagile development，integrateddevelopment，userandsupplier involvement，or marketing-manufacturing integration.Overall，therehasbeen limitedresearch integrating NPDpracticeswith GenAI innovation toexplore themechanismsof human-AIintegration in GenAI-driven NPD.Thisgaphasresulted ina limited understanding of how breakthrough activities in NPDcan emerge within the contextof GenAI.

Thisstudydefines the conceptof human-AI integration in NPDand identifies two distinctive characteristics that diferentiateitfrom human-machinecolaboration.Drawingon theactor-network theory，thisstudyelaboratesonthe mechanisms of human-AI integration，including how developers use prompt engineering to guide，big data screening engineering tofine-tunegenerativeAImodels，andknowledgediscoveryenginering to leverageAIfeedback forfurther development.The findingscontribute tothetheoretical discourseon human-AI integration inNPDand provide practical insightsforenterprises toleveragegenerativeAI toreconcilethetensionbetweenproductinnovativenessandinovation efficiency.

Thetheoretical implications for NPDresearchareasfolows.First，existing NPDresearch lacksan in-depth analysis of how GenAI innovation interacts with NPD practices.This study addresses thisgap bydefining theconnotation and extensionofhuman-AI integrationinNPDandidentifyingthekeycharacteristicsthatdiferentiatehuman-AIintegration fromconventional human-machinecollaboration.Byanalyzing thenewpatternsof human-AI integration inthe GenAIera， thisstudyfisanimportantteoreticalapinteeld.Second，intefieldofusinessmanagement，esearchonGeAhas primarilyconcentratedon topics relatedto strategy，marketing，and humanresource management，with limited focus on the mechanisms through which GenAI interacts with developers in thecontext of product innovation.This studyconstructs a theoretical modelofhuman-AIintegration mechanismsin GenAI-drivenNPD，oferinganinitial explorationintothe“black box\"of interactions between developersand GenAI，andopeningupnew avenuesand topics for research onhuman-AI integration in GenAI-based NPD.

Key words：newproduct development；generativeartificial intellgence；human-AI integration；knowledge transfer； actor-network theory

（責(zé)任編輯：尚培培）