先釐清：你要 AI 做哪一種研究？
很多人一開始就丟一句「幫我做市場研究」。 這會讓 AI 產生很漂亮但不夠用的內容。
比較實際的切法是三種。
- 01背景整理：地區氣候、法規框架、常見建築語彙。
- 02需求推演：使用者行為、動線衝突、可能痛點。
- 03方案比較：材料選擇、結構與成本的常見權衡。
真正的問題通常是「你要哪個輸出」。 你要的是清單。 還是要的是比較表。
---
一套可重複的工作流程（每案都能套）
1) 把問題改寫成「可驗證」的問題
AI 最怕模糊。 你可以用這種句型：
- -「列出 5~8 個與 X 相關的設計考量，並附上理由與常見例外。」
- -「把法規/標準的重點整理成檢核表，並標註你不確定的欄位。」
注意：你要它「標註不確定」。 這會逼自己後續去查證。
2) 先要求結構，再要求細節
提示詞可以拆兩段。
- -第一段：先要「架構」。
- -第二段：再針對每一項要「可用的內容」。
例如你做氣候回應設計。 先問：
- -「氣候因子有哪些？（溫度、濕度、風、日照、降雨）各自會影響哪些設計決策？」
再問：
- -「針對每個因子，給出 2~3 個常見建築策略，並說明適用與不適用情境。」
這樣輸出會比較像研究筆記。 而不是散文。
3) 讓 AI 產出「對你有用的表格」
你可以指定格式。 例如：
- -比較表：策略 / 目的 / 成本概念 / 風險 / 需要的資料
- -檢核表：條款 / 影響範圍 / 你已掌握資料 / 待查證
實務上，表格會直接變成你後續與團隊對齊的工具。
4) 你要做審核：把它當「初稿」
AI 可能會：
- -把常識講得像事實。
- -把地區差異忽略。
- -用過度一般化的結論帶你走偏。
所以你要設一個規則。
- -凡是會影響設計決策的數據，都要回到來源查證。
- -凡是涉及法規，先用 AI 做檢核清單，再由你或法規顧問確認。
這不是不信任。 是流程設計。
---
實際案例：用 AI 做「場地氣候回應」的初步研究
我常見的做法是這樣。
情境
要做一棟社區型住宅。 地點有明顯夏季高濕、冬季偏冷。 客戶希望「看起來不厚重，但要舒服」。
研究目標
- -先定「哪些氣候因子最關鍵」。
- -再把策略落到可討論的設計選項。
AI 輸入（你可以照抄改字）
- -「請根據高濕夏季與冬季偏冷，列出 6 個最可能影響室內舒適與能耗的因子，並對應建築策略。」
- -「每個策略請提供：目的、常見做法、可能失效的情境、需要的資料。」
產出怎麼用
你會得到一份策略清單。 例如遮陽、通風組合、外殼保溫、日照管理。
接著你做兩件事。
- -你把清單改成「方案比較表」。
- -你再挑 2~3 個最能影響體感的策略去做模型或計算。
這樣 AI 的研究就不會變成「資料堆」。 它會變成「決策的候選」。
---
實際案例：用 AI 做「需求與動線」的快篩
情境
商辦改裝。 既有柱網固定。 要提升樓層使用彈性。
研究目標
- -哪些動線容易打架。
- -哪些空間配置常見失衡。
你可以要求 AI 產出「情境清單」。 例如：
- -「尖峰時段人流從哪裡進、哪裡停、哪裡轉折？」
- -「會議/共享空間對噪音與視線的衝突點在哪？」
你把輸出拿去做兩輪內部討論。 第一輪：抓可能問題。 第二輪：對照平面草圖逐項檢查。
AI 的價值在這裡。 它讓你更快想到「你原本可能漏掉的衝突」。
---
成本與時間：什麼時候值得用？
大部分情況，AI 用在「前 20%」。
- -你還沒整理資料。
- -你需要架構。
- -你要快速產出可討論的初稿。
不太值得的情況是：
- -你已經有完整研究與來源。
- -你要精準數值（例如法規條文逐字比對、結構計算）。
AI 可以幫你省時間。 但不會替你省責任。
---
常見錯誤（我見過最多的幾個）
1) 只問答案，不問假設。 你要讓它說出「它用什麼前提」。
2) 不要求來源或可驗證描述。 結果會變成不可追溯的敘述。
3) 把 AI 當成設計師。 它可以提出策略。 但你要決定取捨。
4) 沒有回寫到設計文件。 如果輸出沒有變成檢核表、比較表、或會議紀錄。 那它就只是在聊天。
---
補充限制：AI 會怎麼「看起來很對」但其實不對
AI 可能會用語氣很確定。 但它未必知道你案場的細節。
例如同一種氣候策略。 在不同都市尺度、不同基地形狀、不同朝向。 效果會差很多。
所以你需要一個原則。
- -AI 給你候選。你用基地條件縮小範圍。
---
簡潔觀點：真正重要的是「研究—決策」的連接
AI 最怕被你拿來做「堆資料」。 它真正能幫的是把研究變成下一步的選擇。
下一步你可以做一件小事。
- -這週挑一個正在做的案子。
- -用 AI 產出一張「策略比較表」。
- -然後只選 2 個策略進入你的設計討論。
如果你能做到這一步。 AI 就不會只是資訊來源。 它會變成你的工作節奏。
---
