AI at Creativity: Ano ang Mangyayari Kapag Ibinibigay Natin ang “Makakapagod na Gawaing” sa Iba?

Ang AI ay nagtataas ng iyong mga pagkakataong mag-isip nang malikha.

May-akda at pinagmulan: Yuan Zhen's Business Notes

Sa nakalipas na dalawang taon, halos bawat isang AI company ay nag-uusap ng parehong kuwento:

Iwanan ang mga paulit-ulit na gawain sa AI, upang makalaya ang tao para gawin ang mga mas malikhaing bagay.

Ang mga pahayag na ito ay tila walang kamalian. Pagpapadala ng mga data, pagtrato sa mga tabla, at pagsusulat ng mga minuta ng pagpupulong sa AI, habang ang tao ay nag-iisip tungkol sa estratehiya, produkto, at kreatibidad, ay parang isang perpektong paghahati-hati ng lipunan.

Ngunit itinatago nito ang isang priyoridad: ang pag-uulit ng trabaho at ang likhain na trabaho, ay dalawang magkakahiwalay na bagay na maaaring hiwain nang isang beses.

Ang mga sagot sa kasaysayan ay hindi ganito na direktang.

Maraming tunay na mahalagang paglikha ay hindi nangyari pagkatapos ng paulit-ulit na gawain, kundi sa mga pagkakataon sa pagitan ng paulit-ulit, pagkabigo, at pagkakalimot. Una kang nagkakaroon ng malalim na pakikibaka sa isang problema, paulit-ulit na kalkulasyon, obserbasyon, at pagbabago, at sa isang simpleng sandali ay biglang nagkakaisa ang lahat ng mga hiwa-hiwalay na bagay.

Kung inalis ng AI ang lahat ng mga simpleng gawain para sa atin, ang napapalaya nito ay hindi lang oras.

Maaari rin itong kunin ang lugar kung saan nagmumula ang inspirasyon.

Ang kuwento ni Newton at ang mansanas ay marahil ang pinakamatagumpay na “mito ng inobasyon” sa kasaysayan ng tao.

Isang mansanas ang bumaba sa puno at sumakop kay Newton. May pagkakataon si Newton at natuklasan ang gravitasyon.

Hindi ganito kasing madali ang totoong bersyon.

Isinulat ng kaibigan ni Newton, William Stukeley, sa kanyang memoirs na noong 1726, sila ay uminom ng tsaa sa ilalim ng puno ng mansanas. Tinalakay ni Newton kung paano siya nasa isang estado ng pag-iisip nang makita niya ang mansanas na bumababa, at naisip niya: Bakit laging bumababa nang patayo ang mansanas patungo sa lupa, at hindi pataas o pakanan? Pagkatapos, unti-unting ipinahalagahan niya ang puwersang ito sa Earth, Buwan, at iba pang mga langitnong katawan. [1]

Figure 1｜Hindi ibinigay ng Apple ang sagot; ito ay nagpapaliwanag lamang sa mga materyales na nakalikom ni Newton sa mahabang panahon.

Hindi binaril ng mansanas si Newton, at hindi ito diretso naglabas ng isang batas.

Mas parito ito sa isang matchstick na bumaba sa isang warehouse na puno na ng mga materyales.

Mas karaniwan ang karanasan ni Poincaré, ang matematiko.

Noong isinulat niya ang isang uri ng punsiyon, ginawa niya ang maraming kalkulasyon at paulit-ulit na nabigo. Pagkatapos ay ipinagbawal niya ang kanyang trabaho at naglakbay. Sa parehong sandali na kanyang tinungo ang isang karosa, isang mahalagang ugnayan ang biglang pumasok sa kanyang isip: ang mga pagbabagong kanyang sinuri ay iisang uri ng mga pagbabago sa loob ng di-Euclidean na heometriya.

Mabilis na dumating ang ideyang iyon, kahit walang direkta na pagsusuri sa oras. Pagkatapos ng paglalakbay, bumalik si Poincaré sa kanyang mesa at isinagawa ang kompletong pag-verify nito.

Pagkatapos ay hinati niya ang proseso ng paglikha sa ilang mga bahagi: una ay ang malinaw at mahirap paghahanda, sumunod ang tila walang gawain na paghihintay, pagkatapos ay ang biglang pagkakalat ng liwanag, at huling hinihingi ang pagbabalik sa mahigpit na pagsusuri. [2]

Kasama rin dito ang patunay sa Fermat's Last Theorem.

Nagtrabaho nang lihim si Andrew Wiles ng pitong taon, at inanunsyo niya ang tagumpay sa pagpapatotoo noong 1993, ngunit ilang buwan pagkatapos ay natuklasan ang isang butas. Nagtrabaho siya pa ng isang taon, at kasama ang kanyang estudyante na si Richard Taylor, ay paulit-ulit na hinanap ang mga solusyon hanggang sa maayos niya ang butas noong Setyembre 1994. [3]

Tandaan ng mga tao ang huling sandali, ngunit ang totoong naranasan ng matematiko ay libu-libong hindi epektibong kalkulasyon, maling landas, at pag-uulit.

Hindi ito regalo na bumabagsak mula sa langit. Ito ay pagkakaroon ng huling kapalit mula sa isipan pagkatapos ng matagal na pagsisikap.

Gustong-gusto naming hatiin ang ating mga gawain sa dalawang kategorya ngayon: ang mga mababang halaga ay ibinibigay sa mga makina, habang ang mga mataas na halaga ay pinapanatili para sa mga tao.

Ang problema ay ang pag-iisip ng tao ay hindi gumagana ayon sa mga talahanayan sa mga ulat ng konsultasyon.

Isang reporter na nag-aayos ng mga dekada-dekada na pagsusuri ng pagsasagawa ay maaaring makakita ng dalawang hanay ng numero na hindi tumutugma; isang product manager na tumitingin sa bawat negatibong komento ay maaaring biglang makaintindi na ang problema ng mga user ay hindi talaga ang tampok; isang doktor na paulit-ulit na nag-aaral ng mga imahe ay unti-unting nabubuo ang kanyang intuisyon sa mga abnormally.

Hindi napakalalim ang mga gawain na ito, kahit na mukhang mainit. Ngunit nag-iwan sila ng maraming maliit na pattern sa isip.

Ang intuitibong pag-iisip ay madalas ay isang karanasan na napakakilala hanggang sa hindi na maaaring ipaliwanag nang pahayag-pahayag.

Ganito ang pagkakatuklas ng penicillin.

Noong 1928, pagbalik ni Fleming mula sa bakasyon, nakakita siya ng isang petri dish na may Staphylococcus na nasiraan ng alikabok; ang mga bacteria sa paligid ng alikabok ay hindi lumago. Ang pagkakasira ay nangyari nang walang inaasahan, ngunit ang pagkakakita ay hindi. Ang isang tao na hindi nakakakita ng mahabang panahon ng mga bacteria ay makikita lamang ang isang basurang plato na dapat ilagay sa basura.

Hindi madalas tandaan na hindi agad gumawa ng gamot si Fleming. Nung halos sampung taon pagkaraan, inuulit ni Florey, Chain, at isang team ang pag-aaral na ito. Ginamit nila ang mga balde ng gatas, kahon ng pagkain, at kahit mga bath tub upang palakasin ang mga alikabok, at hinanap nila ang mga mataas na produktibong uri sa Estados Unidos, hanggang sa maging isang industriyal na produkto na makakatulong sa buhay mula sa isang pangyayaring nangyari sa laboratorio. [4]

Figure 2｜ Ang polusyon ay isang pagkakataon, ang pagkakatuklas ay nakasalalay sa matagalang pagmamasid; ang mga gamot ay higit na nagmumula sa inhenyeriya sa susunod na sampung taon.

Mahilig ang kasaysayan magkwento tungkol sa “Eureka” (isang Griyegong ekspresyon na nangangahulugan ng “Nakita ko!” o “Nakita ko ito!”), ngunit ang tunay na batayan ng industriya ay ang mahabang, paulit-ulit, at hindi magandang inhinyeriya pagkatapos ng Eureka.

Noon ay sinabi ni Einstein sa matematikong Hadamard tungkol sa kanyang paraan ng pag-iisip na ang mga unang lumalabas ay kadalasang hindi kompletong wika, kundi mga imahe, simbolo, at mga elemento na may damdamin ng galaw. Pinapag-ugnay-ugnay niya ang mga ito nang paulit-ulit, at ang wika ay nangyayari lamang pagkatapos. [5]

Hindi ito paggawa mula sa wala, kundi mas tulad ng pag-rearrange.

Ano ang iyong nakita, ginawa, at saan ka nagkamali, ay nagdedesisyon kung anong mga bagay sa isip mo ang maaaring muli i-connect.

Kung ang lahat ng data ay laging sinusummary ng AI, ang unang draft ay laging ginagawa ng AI, at ang data ay laging inaayos ng AI, mas magiging madali naman para sa tao. Ngunit sa paglipas ng panahon, ang tanging mga bagay na makikita natin ay ang mga produkto na na-proseso ng machine, hindi na ang mga matitigas, kakaibang, at may ingay na orihinal na materyales.

Nag-improve ang efficiency, ngunit maaaring maging mas mabagal ang pagkakaroon ng damdamin.

Inilah ang tanong na itinanong ni Walter Isaacson sa “The Innovators”: Sino ang talagang nilikha ang computer at internet?

Sa huli, nalaman niya na mahirap sagutin ang problema gamit ang pangalan ng isang tao.

Hindi ito isang biglaang ideya ng isang genio sa isang garage. Ang mga unang kompyuter, transistor, chip, software, at internet ay galing sa mga pagpapabuti ng isang henerasyon papunta sa isa pang henerasyon. Mayroong nagbigay ng konsepto, mayroong nag-weld ng mga circuit, mayroong sumulat ng programa, at mayroong nagpapalit ng mahal na prototype sa mga produkto na makakagamit ng karaniwang tao.

Kapag binanggit ang Harvard Mark I computer, mas binigyang-diin ni Grace Hopper si Howard Aiken, habang ang bersyon ng IBM ay nagpapahalaga sa mga inhinyero na hindi naalala ang kanilang pangalan: ang maraming incremental improvement tulad ng counter, card reader, at iba pa, na nagbubuo sa huling machine. [6]

Figure 3｜Ang “The Innovators” ay paulit-ulit na binabala: ang digital revolution ay galing sa maraming tao, maraming pagkakataon, at incremental na pakikipagtulungan.

Hindi ito pagtanggi sa talento, kundi pagpapakita ng tunay na istruktura ng inobasyon.

Isang makabagong pangyayari, kung saan karaniwang kailangan ng mga pangarap ng ilan at ang masusing paggawa ng marami. Ang unang grupo ang nagpapalit ng direksyon, habang ang ikalawa ang nagpapatotoo sa bagong direksyon. Hindi ito isang pagpapalit.

Ang pinakamalaking atraksyon ng AI ay ang itsura nito na maaaring maglalaro ng parehong mga tao: nagbibigay ng mga ideya at nagpapatupad.

Ngunit may lumabas din na bagong problema.

Sa 2024, isinahok ng Science Advances ang isang eksperimento tungkol sa generative AI at pagsulat. Ang mga tao na nakatanggap ng tulong mula sa AI ay sumulat ng mga kuwento na mas malikhaing at mas kumpleto sa average, lalo na para sa mga taong orihinal na may mas mababang kreatibidad; ngunit kapag pinag-isip ang lahat ng mga gawa, ang mga kuwentong may tulong ng AI ay mas magkakatulad sa isa’t isa. [7]

Pinataas ng AI ang lower bound ng indibidwal at pinakaliit ang pagkakaiba ng grupo.

Parang kontento ngayon: sinasulat ng lahat nang mas maayos kaysa dati, may mga pamagat, istruktura, at mga pahayag na nag-iisip—pero pagkatapos basahin ang sampung artikulo, parang isa lang ang binasa mo.

Kapag lahat ay humihingi ng "unang ideya" mula sa parehong modelo, iniiwasan natin ang mga walang laman na pahina, at posibleng magkasama tayong lumalapit sa pinakamadaling maipredict na sagot.

Hindi ito nangangahulugan na dapat tanggihan ng tao ang AI at muli pang wastuhin ang oras sa pag-copy at pag-paste at mekanikal na pag-format.

Hindi pinasira ng kalkuladora ang matematika, at hindi rin pinasira ng search engine ang kaalaman. Ang tunay na pagbabago ng mga kasangkapan ay ang uri ng kakayahan na kailangan mong panatilihin.

Ang AI ay maaaring magbawas ng aming trabaho, ngunit hindi tayo dapat kalimutan kung bakit itinayo ang pader dito.

Hindi na ito isang pambabatid na pag-uusap. Noong 2025, sinuri ng Microsoft Research at iba pang mga institusyon ang 319 na propesyonal na nagtatrabaho sa impormasyon at nakalap ang 936 totoong kaso ng paggamit ng AI. Ang mga resulta ay ipinakita: habang mas naniniwala ang tao sa AI, mas mababa ang kanilang paggamit ng kritikal na pag-iisip (critical thinking, isang makatwiran at pagsusuri na paraan ng pag-iisip); samantalang mas naniniwala sila sa kanilang sariling propesyonal na paghuhusga, mas marami ang kanilang kritikal na pag-iisip. Hindi nagpalaya ng pag-iisip ang AI, kundi isinilid ito mula sa “paglikha nang direkta” patungo sa “pagsusuri, pagsasama, at pagmamalasakit.” Ang problema ay, kung ang tao ay nakikita lamang ang isang maluwag na produkto, maaaring maging simpleng pagtitiyak na lamang ang pagsusuri. [8]

Mas direkta ang signal mula sa pagsulat at pagprograma. Isang eksperimento sa Media Lab ng MIT na kumukuha ng 54 na tao ay natuklasan na ang mga sumasali na gumagamit nang patuloy ng malalaking modelo para sa pagsulat ay may pinakamahinang koneksyon sa utak, at mas mababang pagtanda sa nilalaman ng artikulo at pakiramdam na “ito ang aking gawa.” Gayunpaman, ang pag-aaral na ito ay isang maliit na sample na preprint, kaya hindi maaaring kongkludirin na ang AI ay magpapababa nang permanenteng sa kakayahan ng tao. [9] Habang ginawa ni METR ang isang random na pagsubok sa 16 na karanasang open-source developer at 246 na totoong gawain, natuklasan nila na pagkatapos gamitin ang mga AI tool noong unang bahagi ng 2025, mas mabagal ang mga developer sa pagkumpleto ng mga gawain—nang 19%. Mas kakaibang bagay ay ang kanilang inaasahan na mas mabilis sila dahil sa AI. [10] Sa kanilang pagsubaybay noong 2026, tinukoy ni METR na malamang ay may pagpapabilis na dinala ng bagong henerasyon ng mga tool, ngunit dahil sa malinaw na selection bias sa mga sumasali at gawain, hindi pa rin maaaring makuha ang tiyak na sukat. [11] Ang unang inaapektuhan ng AI ay maaaring hindi ang kakayahan mismo, kundi ang paghuhusga ng tao kung kaya pa niya ito isipin.

Para sa isang indibidwal, mayroong kahit anong tatlong bagay na hindi dapat madaling ibinibigay sa iba.

Una, kung saan galing ang problema.

Huwag agad tanungin ang AI, “Ano ang dapat kong isulat?” o “Ano ang dapat kong pag-aralan?” Pumunta muna sa lugar ng kliyente, basahin muna ang orihinal na materyales, at maramdaman muna kung ano ang hindi tama. Madalas, ang isang magandang tanong ay nagmumula sa mga detalye na itinatago ng iba dahil sa pagod.

Pangalawa, saan galing ang unang pagtataya.

Maaaring gamitin ang AI para palawakin, ipagtanggol, at dagdagan ang impormasyon, ngunit mas mabuti na unang iwanan ang isang burat na bersyon na walang pagpapabuti ng modelo. Kahit ilang pangungusap lang, kailangan mong malaman kung paano mo orihinal na isipin. Kung hindi, ang pakikipag-ugnayan ng tao at AI ay madaling magiging ang tao ang nagpapabuti para sa AI.

Ikatlo, sino ang responsable sa resulta.

Nakakaintindi ako kung saan mali ang AI dahil nagawa ko na ang mga base-level na gawain. Mahirap para sa isang tao na hindi nagkod ng anumang code na masukat kung ang code ay simple lang na gumagana o handa nang ipalabas; parehong mahirap para sa isang tao na hindi nag-aral ng financial statements na makita ang mga pagkakamali sa paggamit ng terminolohiya sa isang magandang pagsusuri.

Ano ang maaaring ibigay sa AI?

Hindi ang kriteryo ang “may kreatibidad o hindi” o “ulit-ulit o hindi,” kundi ang tatlo: kung malinaw ang mga pamantayan sa pagtatanggap, kung maaring masunod ang proseso, at kung maaring i-rollback kapag may mali. Ang pagpapalit ng mga dokumento, pagpapalayong pormat, pag-aayos ng data sa ilalim ng kilalang patakaran, code templates at test cases, at maraming bersyon ng mga teksto at disenyo sa iisang paksa, lahat ay angkop na ipagkaloob sa AI. Ang mga desisyon sa estratehiya, pagkakasunod-sunod ng katotohanan, estetika ng brand, arkitektura ng sistema, at pagsasagawa ng huling pagsang-ayon, ay hindi dapat ipagkaloob lamang dahil mabilis ang AI.

Pagkatapos ipasa, kailangan pa ring mag-“interior debate” ang tao sa AI. Bago mag-act, isulat ang iyong sariling pagtataya at mga pamantayan para sa pagpapatotoo; habang ginagawa, hingin sa AI na bigyan ka ng mga kontrang opinyon, mga kondisyon ng pagkabigo, at mga sanggunian ng ebidensya; pagkatapos ng paggawa, bumalik ang tao sa orihinal na materyales, i-check ang mga katotohanan, i-recalculate ang mga mahahalagang numero, at i-run ang mga mahahalagang pagsubok; pagkatapos ng ilang panahon, isakatuparan muli ang isang “training na walang AI.” Ang mga manunulat ay dapat panatilihin ang kanilang sariling interbyu at unang draft, ang mga programmer ay dapat panatilihin ang code review at paglutas ng mga error, at ang mga designer ay dapat panatilihin ang kanilang pagpili ng konsepto at huling visual na desisyon. Tanging ang mga taong kayang suriin, may tapang na alisin, at kayang kunin muli ang kontrol, ang may totoong karapatan na ipasa ang kanilang trabaho sa AI.

Hindi talaga dapat maging banta sa kompanya kung gaano karaming AI ang ginagamit ng mga empleyado, kundi kung patuloy pa ba ang organisasyon sa pagbuo ng direktang karanasan.

Kung hindi na gumagawa ang mga kabataan ng basic analysis, hindi na nag-uusap sa mga kliyente tungkol sa kanilang pangangailangan, at hindi na nakakaranas ng pagkabigo sa unang draft, ang kompanya ay makakakuha ng mas mabilis na deliverables sa maikling panahon, ngunit maaaring mawalan ng landas para sa pagpapalakas ng kakayahan sa pagpapasya sa matagalang panahon.

Kahit na dati, isang baguhan ay naging isang may intuisyon na eksperto sa pamamagitan ng tatlong taon ng pagod na pagsisikap, ngayon, ang AI ay maaaring bigyan ang isang baguhan ng sagot na 70 puntos sa unang araw.

Ngunit upang mula sa pitong pû hanggang siyam pû, kailangan pa rin niyang makita nang personal ang mga problema, makasalang at magbayad ng gantimpala para sa resulta.

Tumutulong ba ang AI sa pagpapataas ng kreatibidad, o nagpapababa nito?

Ang sagot ay nakasalalay sa kung saan natin ito isisilid.

Ibigay ang pagtratrabaho sa AI para sa mga paulit-ulit na gawain na naisip na nang maayos, ito ang leksyon; kung ipapalit mo ang AI sa atin para makipag-ugnayan sa realidad, magsagawa ng pagkakaroon ng problema, at gumawa ng unang pagpapasya, ito ay magiging tulong sa paglalakad.

Ang totoong pagkamalikhain ay hindi lamang “pagbuo ng isang ideya”.

Nakasasaklaw ito sa pagkakilala sa materyales, pagiging sensitibo sa mga anomaliya, pagtitiis sa mahabang panahon na walang sagot, at pagpapakita muli at muli ng isang pagkakataon pagkatapos makita ito.

Mga bahaging mabagal at hindi marangal, kahit na mahirap isulat sa performance report. Ngunit ang mga mahahalagang teorema, scientific discovery, at industriyal na inobasyon sa kasaysayan, halos lahat ay nagmula rito.

Ang AI ay makakatulong sa amin na makuha ang mga mansanas.

Ngunit kung makakaisip ang tao sa ilalim ng puno ng gravitasyon, depende pa rin kung gaano katagal siya nagsipag-isip bago bumagsak ang mansanas.

Mga sanggunian

[1] William Stukeley, Memoirs of Sir Isaac Newton's Life, Newton Project (University of Oxford).

[2] Henri Poincaré, “L'invention mathématique”, 1908.

[3] Mga materyales mula sa Mathematical Institute ng University of Oxford at University of Bristol tungkol kay Andrew Wiles at sa Fermat's Last Theorem.

[4] Science Museum Group, “Paano nabuo ang penicillin?”

[5] Jacques Hadamard, Ang Isip ng Matematiko: Ang Psikolohiya ng Pagkakalikha sa Larangan ng Matematika

[6] Walter Isaacson, The Innovators: How a Group of Hackers, Geniuses, and Geeks Created the Digital Revolution

[7] Anil R. Doshi at Oliver P. Hauser, “Ang Generative AI ay nagpapalakas sa indibidwal na kaisipan ngunit nagpapababa sa kolektibong diversity ng bagong nilalaman,” Science Advances, 2024.

[8] Hao-Ping Lee at iba pa, “Ang Epekto ng Generative AI sa Kritikal na Pag-iisip”, CHI 2025.

[9] Nataliya Kosmyna et al., “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task,” 2025 preprint.

[10] Joel Becker et al., “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, METR, 2025.

[11] Joel Becker et al., “We are Changing our Developer Productivity Experiment Design”, METR, 2026.