# 建築與房地產的未來：建築健康產業的啟示

> 為什麼一般的 AI 解決方案在建築領域會失敗？不能區分「承重牆」與「隔間」的 AI 是很危險的。專業 AI 的結果：設計誤差 -68%、庫存 -31%、施工時間 -28%。Royal London 資產管理：投資報酬率 708%，能源消耗 -59%。在各產業中，建築業的數位化程度僅次於其他產業，是展示垂直與一般 AI 價值的理想場所。

Source: https://www.electe.net/tc/post/ai-specializzata-una-lezione-dal-settore-sanitario-per-edilizia

Site guide: https://www.electe.net/tc/llms.txt

在我們的[前一篇文章](http://www.electe.net/post/app-ai-specifiche-per-il-settore-soluzioni-verticali-promesse-e-sfide-del-microsoft-dragon-copilot)中，我們探討了通用人工智慧解決方案在醫療領域中經常失敗的原因。今天我們要探討這個經驗教訓如何適用於建築業，這是一個同樣複雜、需要專業解決方案的領域。

## 引言：超越一般 AI

人工智慧吸引了各行各業企業領導者的注意。然而，正如最近在醫療保健和建築領域的經驗所顯示，一般的人工智慧解決方案在應用於高度專業的領域時往往會失敗。真正的轉型不是來自將一般能力應用於特定問題，而是來自建立能從根本了解該領域的人工智慧。

透過對建築與房地產產業的分析，我們可以清楚地看到這個事實，多領域的複雜性、市場的分散性以及嚴格的法規，都造成了獨特的挑戰，而只有專業的解決方案才能有效地應對這些挑戰。

## 需要對專業領域的瞭解

### 術語與法規不一致

一般 IA 模型無法正確區分基本技術概念，例如「承重牆」與「隔間」，或「樓板地基」與「橋墩地基」，導致對安全而言準確性極為重要的專案出現誤解。這種術語上的錯配也延伸至區域差異：義大利的「紅水泥板」與北歐的板系統有著不同的特性，對結構與抗震計算有著重要的影響。

同樣地，由於建築規範、安全標準與環境規範因地區而異，建築領域的嚴格規範架構也是一般 IA 解決方案難以應對的挑戰。歐洲規範與義大利建築技術標準 (NTC) 在安全係數上有很大的差異，一般 IA 無法區分，可能會對結構安全造成嚴重後果。

### 承認轉型潛力

儘管面臨這些挑戰，AI在轉型這個產業方面的潛力已獲得廣泛認可。根據[JLL 2023年全球房地產科技調查](https://www.jllt.com/research/global-real-estate-technology-survey-2023/)，投資者、開發商和企業使用者將AI與生成式AI列為未來三年內對房地產業影響最大的三大技術之一。然而，同樣這些受訪者也表示，相較於區塊鏈、虛擬實境和機器人技術等其他技術，他們對AI的了解程度最低。

這種明顯的矛盾突顯出，我們需要能夠彌補認可潛力與實際執行之間差距的專門方法。

## 專業方法：建築領域的成功案例

專門的建築 IA 解決方案已經透過具體的案例研究證明了其價值：

### 減少設計錯誤

在一個大型住宅專案中，導入特定產業的智慧模組後：

- 設計錯誤減少68%
- 審查時間減少23%
- 預估整體成本節省15%
- 交付時間顯著改善

特別值得注意的是對在制品變異管理的影響，在過去，在制品變異會導致成本增加高達 20-30%。由於專用平台能夠自動將變更傳播至所有相關的專案文件，因此將這些影響降至 7%。

### 最佳化的材料管理

一家基礎設施建設商實施了專門的材料管理模組，結果是：

- 倉庫庫存減少31%
- 交付延遲減少24%
- 物流成本節省超過200萬歐元
- 材料浪費減少，永續性提升

一個關鍵但經常被忽視的方面是對現金流管理的影響。採購優化使固定資產減少了 42%，顯著改善了公司的財務狀況。

### 優化網站排程

一家專門從事複雜城市重建的建築公司實施了時空最佳化演算法，結果是：

- 整體施工時間縮短28%
- 工作團隊效率提升34%
- 同時進行工序之間的干擾減少62%
- 時程可預測性提升，最終偏差低於5%

本案例強調專門的人工智慧如何解決業界普遍存在的問題之一：在複雜的情境下，因多變數與限制而難以編程。傳統的專案管理技術 (例如 CPM 或 PERT) 在現實世界的情境中顯示出顯著的限制，而以 AI 為基礎的方法則顯示出可衡量的操作優勢。

## 更廣闊的視野：房地產市場的轉型

AI 的影響超越建築領域，從五個關鍵層面改變整個不動產產業：

### 1.地理定位和聚類

人工智能領域的公司和投資往往集中在成熟的技術市場。JLL 的研究顯示，AI 人才的需求正在加速增長，自 2021 年初以來，招聘廣告增加了 250% 以上。長期而言，這種成長可能會集中在有 AI 人才的地方：既有的一級和二級科技中心、創新中心和大學。

在美國，42% 的人工智能公司集中在舊金山灣區，其次是波士頓、西雅圖和紐約，預計到今年年底，僅美國的房地產就會增長 160 萬平方米。

### 2.資產間需求的改變

人工智能的發展需要更多更好的數據中心、能源網路和連接基礎設施。根據《JLL 2023 年全球資料中心展望》，從 2021 年到 2026 年，全球代管資料中心市場預計將每年成長 11.3%，而超大型資料中心市場的成長速度將更快，每年約為 20%。

IA 的基礎建設選址標準對較低的能源價格和較低的土地成本給予了更大的重視，促使增長流向美國亞特蘭大、馬來西亞和泰國等較不擁擠的市場。

### 3.新型資產和產品

真正的智慧型建築」即將出現。啟用 AI 的基礎建設將成為預設標準，就像網際網路連線已成為今日建築物的預設功能一樣。AI 也將有助於實現零排放、高永續性的建築。

這與建築產業所描述的「動態數位孪生」相呼應，超越了 BIM 的靜態概念，朝向在建築生命週期中即時演進的模型，實現可降低 23-31% 營運成本，並延長 15-20% 設施壽命的預測性維護管理。

### 4.新的投資和收入模式

AI 增強的承保和流程將加快交易速度，並提高對物業和市場的瞭解效率，促進全球規模的投資。人工智能基礎建設與連接多個系統的能力，也能擴展「空間即服務」的模式，為業主與開發商帶來新的收入來源。

JLL 報告中引用的一個具體例子是 Royal London Asset Management，該公司在一棟 11,600 平方米的商業大樓中，錄得暖通空調 (HVAC) 運作與能源效率的顯著改善。通過實施 JLL 的人工智能技術，該公司創下了投資回報率 708% 和節能 59% 的記錄，每年減少碳排放多達 500 公噸。

### 5.空間設計與功能的新方法

AI 將可實現經驗導向的設計與高度客製化的環境設定。這可補充建築業所描述的多模式 AI 檢測，將結合對文字、影像以及來自無人機和物聯網感測器的資料的理解，以監控建築的進度和品質，尤其有望與 LiDAR 技術整合，進行即時結構監控。

## 社會經濟層面：對工作和技能的影響

與對替代性的恐懼相反，所收集的資料顯示，專業人工智慧對勞動力有正面的影響：

### 增強現有技能

專業化的人工智慧加強了專業工匠的角色，讓他們從行政工作中解放出來，專注於工藝的品質方面。這導致了認知品質的提升和技術技能的重估。

這種做法與微軟執行長 Satya Nadella 的願景不謀而合，即人工智慧服務供應商有意識地選擇探索以人為本的方法，開發旨在協助人類的「共同駕駛」產品，而非旨在完全取代人類角色的「自動駕駛」產品。

### 專業檔案的轉換

新的混合型職務正在出現，例如「BIM 建築經理」和「數位建築專家」，其技能跨越傳統建築和數位技術。這些職位的薪資比業界平均薪資高出 35-40%。

根據高盛引用麻省理工學院經濟學家David Autor的一項研究，過去80年美國就業增長的85%以上可以由科技驅動的新職位創造來解釋。

### 經驗民主化

AI 將最佳實務編成法典並使其容易獲得的能力，縮小了小型公司與大型公司之間的績效差距，促進了基於實際品質而非公司規模的更公平競爭。

## 未來：新興創新與策略方法

### 即將出現的技術進步

在建築領域，未來的創新包括：

- **工地安全預測分析**：根據歷史數據和工地配置預先識別風險情況的模型，事故預測能力達76%，並有潛力將重大傷害減少58%。
- **用於檢查的多模態AI**：整合文字、圖像以及來自無人機和物聯網感測器數據理解的功能，用於監控施工進度和品質。
- **與工地機器人技術的整合**：地板鋪設機器人和自動化裝修系統的首批試點專案顯示，在重複性作業中生產力提升高達300%，品質更佳且廢料減少。

在更廣泛的房地產領域，JLL 強調，預計 2023 年產生式 AI 的商業用例市場將達到 426 億美元，到 2026 年將每年成長 32%，達到 981 億美元。

### 策略性與負責任的採用

各機構必須考慮如何以負責任和合乎道德的方式利用人工智能的力量來支持其業務目標。JLL 強調對三種新興法規保持警覺的重要性：

1. 與數據品質、智慧財產權、隱私和數據安全相關的市場標準和協議。
2. 用於減輕社會風險的法規，例如保護勞動市場免受衝擊的措施，或自動駕駛車輛的安全標準。
3. 環境立法，特別是旨在減輕日益增長的數位經濟碳排放的法規。

各機構必須思考一些關鍵問題：人工智慧的成長對於投資與本地化策略意味著什麼？哪些現有或未來的 AI 應用現在就需要準備與測試？潛在的商業與社會風險為何？

## 結論：專業方法的價值

就像在健康領域一樣，建築與房地產領域的真正轉型並非來自將一般 AI 應用於複雜問題，而是來自專門針對該領域獨特挑戰所建立的解決方案。

建築業是高複雜度、低數位化程度產業的典型代表：[在數位化採用率方面，它在各產業中排名倒數第二](https://www.mckinsey.com/~/media/McKinsey/Industries/Capital%20Projects%20and%20Infrastructure/Our%20Insights/The%20next%20normal%20in%20construction/The-next-normal-in-construction.pdf)。正是這些特性使其成為展示專業AI相較於通用解決方案價值的理想場域。

建築業的特殊性在於它同時是知識密集型與勞動密集型產業，在認知與操作層面之間有著微妙的平衡。這種雙重性要求 AI 系統不僅限於資料處理，還要深入了解該產業的決策與作業流程。

正如一位大型建築公司的專案經理所言：「建築業中一般 IA 與專業 IA 之間的差異，就像一般勞工與專業師傅之間的差異。兩者都有其價值，但當涉及到複雜的專案時，專業知識就變得不可或缺"。

未來的挑戰在於如何在垂直專業化與橫向互通性之間找到適當的平衡，讓供應鏈中的不同參與者都能受惠於量身打造的解決方案，而這些解決方案仍能彼此溝通。唯有如此，人工智能才能實現其承諾，將最難創新的行業之一轉變為效率、永續性和品質的典範。