為什麼不能只靠 AI 的答案
真正的問題通常不是「能不能答」。 而是「答得對不對、適不適用、代價是什麼」。
AI 常見狀況是：
- -說得很像，但依據不透明
- -用了泛化結論，忽略你的現場限制
- -產出看似完整的方案，但其實缺了關鍵假設
在建築與設計，這些差異會直接變成：
- -法規或送審風險
- -結構、機電、動線的衝突
- -成本超支或工期延長
真正的專業判斷，是把「不確定性」收進決策。 AI 的強項比較像「把不確定性整理成文字」。
實際案例：用 AI 快速做研究，但最後仍由你拍板
我在專案裡常用這種節奏：
案例背景（去識別化）
某案需要評估改造方案。 牽涉既有結構限制、機電空間、以及使用者動線。
用 AI 做的事
我會丟三類問題給 AI：
1) 「整理現行做法」 例如：常見的改造策略、優缺點、常見失敗點。
2) 「幫我做比較表」 例如：方案 A/B 在空間、工期、成本、風險上的差異。
3) 「把我現有資料變成可討論的草稿」 例如：把訪談重點整理成會議簡報大綱。
我不讓 AI 做的事
我不會把 AI 的結論直接當成提案。 尤其不會讓它直接決定：
- -哪個方案「一定可行」
- -哪個風險「可以忽略」
- -哪個數字「可直接採用」
最後的拍板仍依賴：
- -現場量測與既有圖說
- -結構/機電的專業回覆
- -送審經驗與法規解讀
- -成本與工期的實務估算
AI 在這裡的角色是： 把討論變快，把差異講清楚。
可操作的方法：把 AI 變成「研究助理」的工作流程
下面是一個你可以直接套用的流程。
1) 先定義「輸出格式」
AI 最怕你只說「幫我研究」。 你要的是可用的產物。
例如你可以指定：
- -產出一張比較表（欄位：成本/工期/風險/適用條件）
- -產出一份「假設清單」（我需要哪些資訊才能判斷）
- -產出 5 個常見失敗原因（用於風險會議）
2) 讓 AI 先列「需要驗證的點」
你可以直接要求：
「請列出你這份答案裡最需要查證的 10 件事。」
這會逼 AI 把不確定性攤開。 你也比較好安排查資料或找專業。
3) 你提供現場限制，AI 才會收斂
不要只問通用知識。 要補上你的限制條件。 例如：
- -既有梁柱是否保留
- -需要保留的設備空間
- -施工期間的營運限制
- -目標成本區間與可接受工期
AI 才比較不會用「教科書答案」硬套。
4) 把 AI 產出當作「草稿」，再用來源與專業回填
實務上你可以這樣做：
- -AI 先給你架構與比較
- -你再補上法規條文、顧問回覆、或你自己的經驗
- -最後才形成可送審或可執行的版本
5) 設一個底線：沒有驗證就不決策
你可以用一句規則保護自己：
沒有「可追溯依據」的結論，不進決策。
可追溯依據可以是：
- -你引用的文件或條文
- -顧問的回覆與計算
- -現場量測與紀錄
常見錯誤：用 AI 省時間，反而多花更多時間
這些錯誤在專案裡很常見：
會導致內容太泛，會議反而要重講。
- -直接把 AI 的段落貼進簡報
真正需要的是「在你的條件下哪個風險更可控」。
- -只問「哪個方案最好」
AI 很會補齊空白，但補齊不等於正確。
- -忽略假設
專業判斷需要多方校準。
- -把 AI 當成唯一來源
成本與時間：AI 省的是「整理」，不是「責任」
用 AI 的時間成本通常在：
- -寫好問題與輸出格式
- -把你的限制條件補齊
- -檢查答案的假設與缺口
如果你只是想省掉查資料的時間，效果可能有限。 但如果你要的是：
- -把研究整理成可討論的結構
- -把差異與風險先攤開
- -把會議溝通成本降低
那 AI 的性價比通常比較好。
適用與不適用情境
比較適合：
- -方案比較的前期研究
- -把訪談/資料整理成會議用草稿
- -法規條文的「閱讀摘要」（但仍要你核對）
- -風險清單與假設整理
不太適合：
- -需要精確數值的最終結論
- -送審或合約層級的不可逆決策
- -沒有提供你現場限制時就要它下判斷
補充：讓 AI 更像「助理」的提問方式
你可以用這種句型：
- -「請先列出你假設了什麼，我需要哪些資料才能驗證？」
- -「請給我 3 種可能原因，並標註哪個最需要查證。」
- -「請把結果整理成我可以拿去開會的比較表。」
重點是： 你要它提供「討論材料」。 不要它提供「最終答案」。
簡短觀點：真正重要的是可追溯與可負責
AI 能讓你更快理解。 但專業的價值在於：你能解釋、你能驗證、你能承擔。
下一步你可以做一件小事：
把你每次問 AI 的問題，都改成「輸出格式 + 需要驗證的點」。
你會發現，AI 真的變成助理了。 而不是一個看起來很會講話的答案機。
