打造團隊「共享大腦」的終極藍圖

引言

歡迎來到「數為 CFT 區」的本次共同合作最終之深度解析。

在過去的幾篇文章中，我們與碩濤共同拋出了許多關於建築行業的挑戰與 AI 賦能的思考。今天，我們將進行一次特別的「末場總結」。在深入探討如何利用 AI 打造團隊的「共享大腦」之前，讓我們先系統性地回顧並串聯這趟旅程中的「7 大思考練習」。這不僅是一次回顧，更是一份引導您完成「自我診斷」並構建「變革藍圖」的實踐指南。

第一部分：、我們的 7 大思考練習

如果您跟隨了我們至今的腳步，您完成的將不僅僅是閱讀，而是一場對您個人與組織的深度診斷。現在，讓我們一起來梳理這七塊拼圖，看看它們如何構成一個完整的邏輯鏈。

第一站 ：聚焦「知識斷層」的個人觀察與行業普遍痛點

在系列探討的起點，我們並未直接跳入解決方案，而是邀請各位先進行一次誠實的「自我體檢」。所有變革前，最重要的一步：確認問題的起點，才能定義正確的方向。這兩項思考功課旨在幫助您從組織現有的共享機制與新血的養成過程，看見知識在何處斷裂，經驗在何處流失。

• 思考功課 1.1： 盤點您目前事務所或團隊內部，是否有任何形式的知識共享機制？ 它們的實際使用頻率與成效如何？ 無效分享或低使用率最大的阻礙是什麼？
• 思考功課 1.2： 您的團隊是如何進行新進人員的培訓與經驗傳承的？ 除了正式的SOP外，那些「只可意會不可言傳」的經驗，是否有任何嘗試被記錄或分享的方式？

第二站 ：強調「告別資料孤島」，如何系統化整理知識

在感受到「痛」之後，這兩項思考功課的用意，是為了將問題「具象化」與「目標化」。前者幫助您清晰地定位出知識流動的具體「病灶」所在；後者則引導您思考，一個理想的解決方案，最終應該為您帶來什麼樣的「價值」。

• 思考功課 2.1： 檢視您團隊的「共享」現狀。目前團隊內部最常使用的共享平台是什麼？除了檔案儲存外，它是否具備有效的標籤、分類、版本控制、或權限管理功能？成員在使用這些共享機制時，最常遇到的困難是什麼？這些「共享」是否真正促進了「知識」的流通與再利用？
• 思考功課 2.2： 描繪您的「理想知識助手」。如果有一個AI助手能協助您管理事務所的知識，您最希望它具備哪些功能來解決您目前面臨的「資料孤島」問題？

第三站：從「AI 」來學習模式的轉變

這兩項思考功課的目的，是為了揭示知識管理問題的「動態性」，並開始將思考轉向「個人能力的應對」。前者讓您意識到傳統靜態學習已不足以應對外界變化；後者則促使您思考，在 AI 時代，理想的「人機協同學習」應該是什麼模樣。

• 思考功課 3.1： 回顧您最近參與的一個專案，其中有多少「新知識」或「跨領域」元素是您在五年前幾乎不會接觸到的？ 您是如何獲取並應用這些新知的？ 這個過程中最大的挑戰是什麼？
• 思考功課 3.2： 描繪您理想中的「AI 輔助學習場景」。想像一下，在學習一個全新的建築規範或一種複雜的參數化設計工具時，您希望 AI 如何協助您？ 是提供客製化的學習路徑？還是模擬不同情境讓您練習？或是將您的問題與全球頂尖專家的觀點進行比對？請具體描述一個能顯著提升您學習效率與深度的 AI 互動情境。

第四站：聚焦 AI 如何成為「個性化學習嚮導」

在理解了個人學習的挑戰後，這兩項功課將思考拉回到更「務實的解決方案」層面。前者幫助您從過去成功的學習經驗中，提煉出有效的方法論；後者則鼓勵您將這些方法論，系統性地構想成一個可被執行的「知識升級包」，為個人或團隊的能力提升規劃藍圖。

• 思考功課 4.1： 盤點各位近半年來，最有成效的一次「自我學習」經驗是什麼？ 各位是透過什麼管道或方法學習的？過程中最大的痛點是什麼？ 如果當時有一個「客製化的AI學習導師」，各位認為它能在哪些環節提供最大的幫助，讓學習更高效或更深入？
• 思考功課 4.2： 為各位的事務所團隊（或個人）構想一個「AI 知識升級包」。 這個升級包應該包含哪些核心的學習模組？ AI 在其中扮演什麼角色？ 這個升級包如何幫助團隊（或各位個人）解決目前在知識或技能上最迫切的需求？

第五站：國際案例中得到的「知識庫建構」啟發

借鑒國際經驗的最終目的，是為了「務實落地」。這兩項思考功課旨在引導您從「觀摩者」轉變為「實踐者」。前者讓您盤點自身最有價值的「資產」，後者則鼓勵您從解決一個最迫切的痛點出發，規劃出一個「最小可行性產品」，讓變革不再遙不可及。

• 思考功課 5.1： 反思您或您的團隊在引進新技術或新管理模式時，是否曾遭遇過「水土不服」或「成效不彰」的困境？ 您認為造成這些問題的主要原因是什麼？是技術本身的門檻、組織文化的抗拒、缺乏配套的流程與培訓，還是從一開始就選錯了模仿的對象或學習的方法？
• 思考功課 5.2： 「真假對照」思考練習。請回想一次您的團隊學習或模仿某個「成功案例」（無論國內外，無論真偽）的經驗。 對比本文中提到的國際案例「實踐精神」，您認為當時的學習過程中，哪些環節是「學到形，未學到神」？ 如果能重來一次，您會如何調整學習的切入點與方法？

第六站：展示 AI 工具在「設計迭代與效率提升」的潛力

這兩項思考功課是為了探索 AI 在「核心業務」中的直接價值。前者幫助您釐清設計流程中的「效率瓶頸」，後者則引導您具體地設想「人機協同」的全新工作模式，以此來證明 AI 不僅是後勤支援工具，更是能直接提升設計產出品質與創意的核心夥伴。

• 思考功課 6.1： 回顧您最近一次感到「設計卡關」或「迭代效率低下」的經歷。 當時您遇到的主要瓶頸是什麼？是缺乏足夠的方案選項、難以評估不同方案的優劣、視覺化呈現耗時，還是難以在多個設計目標間找到平衡？ 您認為如果當時有AI輔助，哪個環節最能幫助您突破困境？
• 思考功課 6.2： 選擇一款您感興趣（或已在使用）的 AI 設計輔助工具，嘗試分析它的核心運作邏輯是什麼？ 您認為它在哪些方面能顯著提升您的設計效率或拓展您的創意？ 在使用這類工具時，您認為建築師最需要具備哪些技能或思維方式，才能與之高效協同，而不是被其限制或誤導？

第七站：探討「AI 與建築師共生」的未來趨勢與個人期許：

這是我們在展望未來前的最後一塊拼圖，旨在鞏固變革的「終極願景」與「個人定位」。前者幫助您建立一個清晰、具體的未來工作想像，後者則促使您思考，為了實現這個願景，您個人需要進行哪些「能力再升級」。

• 思考功課 7.1： 想像您五年後的一個典型工作日，AI 如何融入您的日常設計流程？ 請具體描述至少三個您認為 AI 能顯著提升您工作效率或拓展您設計能力的協作場景。例如：AI 幫您快速篩選出符合特定永續指標的建材選項？AI 根據您的草圖即時生成多種3D量體方案並進行日照分析？AI 協助您將複雜的設計理念轉化為業主易於理解的視覺化故事？
• 思考功課 7.2： 承上題，在這樣的未來工作模式下，您認為建築師最重要的核心能力將從現在的什麼，轉變為什麼？您個人需要為此做出哪些學習與調整？

第二部分：從「自我診斷」到「集體賦能」– AI「共享大腦」的運作模式

如果您認真完成了上述七個練習，您手上握有的，其實就是一份專屬於您團隊的、極具深度的「知識管理健康檢查報告」與「智慧轉型行動藍圖」。這份藍圖最終指向的，便是一個能系統性解決上述所有問題的方案——團隊的「AI共享大腦」。

它如何運作？

• 場景一：新專案的「智慧啟動」 當一個新專案（例如：山坡地住宅）啟動時，AI「共享大腦」能自動掃描關鍵字，並主動推送事務所過去所有關於「山坡地」、「擋土牆設計」、「基地保水」的相關專案資料——不僅是圖紙，還可能包括當時的會議記錄、結構計算考量、甚至是與法規單位的溝通函件。這讓團隊從一開始就站在「巨人」的肩膀上。
• 場景二：新成員的「無痛上線」 (Onboarding) AI 知識庫可以成為一位「24小時在線」的虛擬導師。它可以根據新成員的職位，規劃出一套學習路徑，引導他閱讀事務所的標準作業流程、熟悉過去的經典案例。當新成員遇到問題時，可以先用自然語言向 AI 提問，AI 會從知識庫中找出最相關的解答或最適合回答此問題的資深同事。
• 場景三：技術難題的「集體會診」 當設計師遇到一個棘手的技術問題（例如：某種特殊曲面帷幕的收頭細部），他可以向「共享大腦」提問。AI 不僅能找到過去的相關圖紙，還能分析出哪些專案也曾處理過類似挑戰，當時的設計師是誰，甚至能連結到相關的成本分析與廠商資料，讓設計師能快速獲得立體的解決方案參考。

第三部分：從「個人記憶」到「組織智慧」– AI 如何催生「知識共享」的良性循環？

AI「共享大腦」不僅僅是技術工具的革新，它更有潛力催生組織文化的轉變。當團隊成員意識到，將自己的經驗與發現「餵養」給這個共享大腦，未來自己或同事就能更輕易地從中獲益時，一種「我為人人，人人為我」的知識共享文化便可能逐漸形成。

• 降低分享的門檻： AI 或許可透過分析專案過程中的文件與溝通記錄，半自動地提取和標記有價值的知識點，降低人工整理歸檔的負擔。
• 提升分享的價值感： 當自己的經驗被他人引用、並對新專案產生正面影響時，分享者能獲得直接的成就感與認同感。
• 將隱性知識「顯性化」： 鼓勵團隊成員將那些只可意會的「眉角」與心得，透過簡短的文字或標籤記錄下來，讓這些寶貴的隱性知識，有機會被系統保存與傳承。

第四部分：「人」的溫度：AI 是協作的「催化劑」，而非「管理員」

我們必須強調，AI「共享大腦」的目的，是為了促進更高效、更有深度的「人類協作」，而不是取代它。AI 的角色是「催化劑」與「橋樑」：

• 它能為團隊討論提供更豐富、更準確的「共同背景資訊」，減少因資訊不對等而產生的溝通成本。
• 它能發現潛在的合作機會，例如，將正在處理A問題的設計師，與一年前解決過類似問題的B同事連結起來，鼓勵他們進行直接的交流。
• 它能將團隊從繁瑣的資訊查找與比對工作中解放出來，讓大家能將更多時間用於面對面的創意激盪、方案辯論與情感交流。

第五部分：預見「協同智能」的未來，以及最終章的預告

當 AI「共享大腦」深度融入團隊的工作流程，我們將迎來一個「協同智能」(Collaborative Intelligence) 的新時代。團隊的智慧不再是個體智慧的簡單加總，而是人與人、人與AI之間，透過知識網絡高效協同而湧現出的、遠大於各部分之和的集體創造力。

經由這八篇的層層遞進，從個體到團隊，從理念到工具，我們對 AI 如何賦能建築專業的版圖已有了清晰的輪廓。在我們與頂尖專業媒體合作的專欄正式面世前，我們將迎來本系列前導文章的最終章！屆時，Shuotao Chiang 與「塊陶」CFT 將首度共同發聲，為這趟探索之旅進行一次全面的「核心戰略總結」，並正式、完整地揭曉我們與這家備受期待的專業媒體的合作細節，以及兩篇專欄各自將為大家帶來的震撼主題！這是最終的懸念，也是最精彩的預告，敬請鎖定！

結語：讓經驗不再隨人而逝，讓智慧在團隊中生生不息

一個偉大的團隊，不僅僅是明星球員的集合，更在於其流暢的戰術配合與經驗傳承。AI「共享大腦」，為我們提供了一個將個人才華沉澱為團隊底蘊，讓經驗不再隨人而逝、讓智慧在組織內生生不息的絕佳契機。而這一切，都始於我們願意擁抱變革，並為團隊協作尋求更智慧的解決方案。

行動呼籲與訂閱

走完這趟「7大思考練習」的導覽，您最大的收穫是什麼？哪個練習最觸動您，讓您發現了過去從未注意到的團隊問題？歡迎註冊網站會員，並在下方留言，分享您的「診斷結果」。

這是我們系列前導文的倒數第二篇！最終的精彩揭曉即將到來！立即關注 Code for Taiwan 的部落格，並訂閱我們的電子報，您將在第一時間獲取所有重磅消息！

五月底，與建築界指標性媒體的聯手巨獻，即將揭曉！敬請期待最終章！

---

參考資料

• Arup. (2024). AI in Engineering Design: Principles and Applications. Arup Perspectives.
• Autodesk. (2024). Autodesk University 會議資料與 Autodesk官方部落格/白皮書. Autodesk University On-Demand.
• Autodesk. (2024, Nov 21). How AI in architecture is shaping the future of design, construction.
• Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W. W. Norton & Company.
• Foster + Partners. (2024, Oct 10). Machine Learning in a Design-Driven Business. [AIARP 2024會議演講，巴黎]。
• Grover, R., & Wright, A. (2023). Shutting the studio: The impact of the Covid-19 pandemic on architectural education in the United Kingdom. International Journal of Technology and Design Education, 32(3), 1571–1591.
• HOK. (2023). BIM Content Management: Strategies and Best Practices. HOK Knowledge Management Series.
• Improving knowledge management in building engineering with retrieval augmented generation (RAG) framework. Computers in Industry, 2025.
• Integration of Artificial Intelligence Applications and Knowledge Management Processes for Construction Projects Management. Civil Engineering Journal, 2024.
• Jarrahi, M. H., Askay, D., Eshraghi, A., & Smith, P. (2023). Artificial intelligence and knowledge management: A partnership between human and AI. Business Horizons, 66(1), 87–99.
• Kajima Corporation. (2024). 智慧營建 A⁴CSEL 計畫與 Archetype AI 合作公告. 鹿島建設官方網站新聞稿.
• Kajima Corporation. Strengthening the Foundation that Supports Sustainable Growth. Kajima Integrated Report 2023.
• McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.
• Quixy. (相關年份). What are Data Silos and How to Break Them Down?
• Singapore Urban Redevelopment Authority. (2024). Digital Planning Tools & ePlanner. URA官方網站.
• Wallpaper*. (2024, Dec 13). Zaha Hadid Architects on AI in architecture and working with NVIDIA.
• World Economic Forum. (2023). Future of Jobs Report 2023. World Economic Forum.
• World Economic Forum. (2024). The Future of Jobs Report 2024: Skills and Workforce Strategy for the Fourth Industrial Revolution. Geneva: World Economic Forum.
• 內政部戶政司. (2024). 113年第44週內政統計通報. 台北: 內政部。
• 台灣經濟研究院. (2024). 營建業景氣動向調查報告. 台北: 台灣經濟研究院。
• 國家發展委員會. (2024). 中華民國人口推估（2024-2070年）. 台北: 國家發展委員會。
• 教育部. (2024). 大專院校數位轉型白皮書. 台北: 教育部。