W 1975 roku ukazało się małe czarne pudełko. Tytuł: Oblique Strategies. Podtytuł: Over One Hundred Worthwhile Dilemmas. W środku znajdowały się karty z krótkimi, zagadkowymi zdaniami. Po kilka słów na każdej.
Talię stworzyli malarz Peter Schmidt i muzyk Brian Eno. Miała pomagać w tych momentach pracy twórczej, w których kolejne próby prowadzą wciąż w to samo miejsce. Każda karta proponowała mały zwrot: zmianę perspektywy, inny punkt wyjścia, czasem zaskakujące ograniczenie. Sposób, by obejść problem i wrócić do niego z innej strony, z nowym pomysłem.
Ale przecież dzisiaj pomysłów już nie brakuje. Wszak mamy generatywną sztuczną inteligencję, a ta potrafi w kilka sekund podsunąć ich dziesięć, sto albo… nieskończenie wiele. Tylko co właściwie dzieje się z jakością tych pomysłów, kiedy zaczyna je generować AI?
Christian Terwiesch, Lennart Meincke, Karan Girotra, Ethan Mollick, Gideon Nave i Karl Ulrich postanowili to sprawdzić. Porównali pomysły na nowe produkty dla studentów, których cena nie przekraczała 50 dolarów. Jedna pula pochodziła od studentów uczestniczących w kursie projektowania produktu, drugą wygenerował GPT-4. Co się okazało? Że pomysły generowane przez AI osiągały wyższe średnie oceny pod względem deklarowanej chęci zakupu i miały około siedmiokrotnie większą szansę znaleźć się wśród 10% najwyżej ocenianych propozycji. Był jednak haczyk. Jako zbiór pomysły te były mniej zróżnicowane niż pomysły ludzi.
Każda kropka to jeden pomysł. Im bliżej siebie leżą kropki, tym bardziej podobne są pomysły. Pomysły studentów rozchodzą się szeroko, a pomysły GPT-4 skupiają się bliżej siebie. Źródło: C. Terwiesch i in. (2026), Production and Operations Management, rys. 3, licencja CC BY-NC 4.0.
Ale Lennart Meincke, Ethan Mollick i Christian Terwiesch w innym badaniu sprawdzali też, czy da się AI wyprowadzić poza te same ścieżki. Testowali w tym celu różne sposoby formułowania poleceń. I okazało się, że sposób pytania rzeczywiście ma znaczenie: odpowiednio skonstruowane prompty potrafiły wyraźnie zwiększyć różnorodność generowanych pomysłów.
I tu wracamy do Eno i Schmidta.
Jeżeli w pracy twórczej z AI chcemy dostać coś więcej niż pierwszą, najbardziej prawdopodobną odpowiedź, czasem warto przestać pytać wprost: zmienić perspektywę, narzucić dziwne ograniczenie, zacząć w mniej oczywistym miejscu. Innymi słowy: okrążyć algorytm.
Dlatego przygotowaliśmy talię Okrążyć algorytm, inspirowaną Oblique Strategies, ale stworzoną także do pracy z generatywną sztuczną inteligencją. Na awersie każdej karty znajduje się krótka, zagadkowa strategia, która wskazuje mniej oczywisty kierunek myślenia. Na rewersie zamieniliśmy ją w gotowe polecenie do wklejenia w narzędzie, z którego korzystasz. Losujesz kartę, odwracasz sposób patrzenia na problem i sprawdzasz, dokąd zaprowadzi Cię droga, której algorytm sam prawdopodobnie by nie wybrał.
Niezmiennie zachęcamy też do jednego: zanim zaczniesz rozmowę ze sztuczną inteligencją, wyłóż na stół kartę ludzkiej inteligencji. Twoja pomysłowość to najlepszy punkt wyjścia do każdego rozwiązania… i każdego promptu.
Źródła
C. Terwiesch, L. Meincke, K. Girotra, E. Mollick, G. Nave, K. Ulrich, Artificial intelligence and its impact on creativity and diversity: An empirical study of large language model-generated product ideas, Production and Operations Management (2026).
L. Meincke, E. Mollick, C. Terwiesch, Prompting Diverse Ideas: Increasing AI Idea Variance, preprint (2024).
B. Eno, P. Schmidt, Oblique Strategies: Over One Hundred Worthwhile Dilemmas (1975). Wypróbuj u nas: Oblique Strategies.
