Technologie superkomputerowe umożliwiają nowe rodzaje rozwoju produktów i innowacje, które z jednej strony wykorzystują moc metod obliczeniowych i symulacyjnych, az drugiej strony potencjał analizy danych i sztucznej inteligencji. Na przykład firmy farmaceutyczne, takie jak Merck, inwestują w coraz bardziej zaawansowane technologie, takie jak kwantowe uczenie maszynowe w odkrywaniu leków. Zastosowanie powstających technologii nie ogranicza się do identyfikacji rozwiązań dobrze zidentyfikowanych problemów naukowych. Wpływa to na wszystkie etapy wprowadzania innowacyjnego rozwiązania na rynek. Obecnie istnieją firmy, które wydobywają, kwalifikują i wykorzystują światową wiedzę za pomocą sztucznej inteligencji, aby znajdować problemy (wykrywając potrzeby rynku) i weryfikować rozwiązania tych problemów, identyfikując, które rynki są najbardziej otwarte na rozwiązania. W rezultacie algorytmy umożliwiają przedsiębiorcom dokładniejsze zrozumienie tego, czego chcą ludzie. Ta umiejętność jest fundamentalna dla przedsiębiorców, a podejście projektowe opiera się na niej (Brown, 2008). Pomiędzy znajdowaniem problemów a walidacją rozwiązań, przedsiębiorcy muszą generować pomysły dotyczące nowatorskich i odpowiednich rozwiązań problemów w postaci nowych produktów lub usług (Perry-Smith & Coff, 2011), które mogą stać się podstawą nowego przedsięwzięcia, jeśli zostaną wdrożone. Aby wygenerować nowy pomysł na przedsięwzięcie, przedsiębiorcy są narażeni na informacje o niezaspokojonych potrzebach, które przetwarzają (Vaghely i Julien, 2010). Na przykład pomysł platformy carpoolingowej BlaBlaCar pojawił się, gdy jej założyciel, Frédéric Mazzella, planował świętować Boże Narodzenie z rodziną i zdał sobie sprawę, że niestety nie ma wolnych miejsc w pociągu. Poprosił siostrę, aby zawiozła go do domu rodzinnego, a podczas podróży zauważył, że większość samochodów jest pusta (ekspozycja informacji). Zauważył, że istnieje możliwość skorzystania z połączenia kierowców z podróżnymi poprzez rozwój platformy cyfrowej (przetwarzanie informacji). Natura tego zadania może intuicyjnie wydawać się zautomatyzowana, ponieważ systemy sztucznej inteligencji również przetwarzają informacje, ale to zadanie wymaga kreatywności (Perry-Smith & Coff, 2011; Ward, 2004). Rośnie przekonanie, że niektóre systemy sztucznej inteligencji mogą pomóc ludziom w wykonywaniu kreatywnych zadań, zamiast zastępować ludzi (Amabile, 2020; Townsend i Hunt, 2019). Dlatego przedsiębiorcy i organizacje, które chcą odkrywać nowe ścieżki wzrostu (marzec 1991), powinni rozważyć systemy sztucznej inteligencji jako ułatwienia. Definiujemy generatywne systemy sztucznej inteligencji jako grupę systemów sztucznej inteligencji, które wykorzystują modelowanie generatywne i głębokie uczenie się do tworzenia treści syntetycznych (np. tekstu, obrazu, obiektu 3D, muzyki) na dużą skalę (Jovanovic i Campbell, 2022). Techniki sztucznej inteligencji wykorzystywane do budowy generatywnych systemów sztucznej inteligencji obejmują generatywne modele wstępnie wyszkolonych transformatorów (np. ChatGPT, GPT-3, LaMDA), generatywne sieci przeciwstawne (np. 3D-GAN) i generatywne modele dyfuzji (np. DALL•E 2) . W tym rozdziale szczegółowo badamy, w jaki sposób generatywne systemy sztucznej inteligencji wykorzystywane jako dane wejściowe do generowania pomysłów mogą wpływać na średni poziom kreatywności wykazywany przez przedsiębiorców i liczbę kreatywnych pomysłów, które mogą wygenerować, w zależności od tego, czy elastyczność poznawcza jest stymulowana, czy nie. Bieżący rozdział ma następującą strukturę. Najpierw definiujemy główne pojęcia związane z kreatywnością przedsiębiorczą. Następnie omawiamy niektóre przypadki użycia generatywnych systemów sztucznej inteligencji, zanim przedstawimy dowody na pozytywny wpływ generatywnych systemów sztucznej inteligencji na stymulowanie nowych pomysłów na przedsięwzięcia. Na koniec omawiamy teoretyczne i praktyczne implikacje naszych odkryć i naszego wkładu.