AI 時代下，資料為王的下一步：打造智慧工作流與知識庫的數位轉型攻略
講者：徐灝（加號設計數位工程有限公司 負責人）
日期：2025/08/01
在 AI 技術浪潮席捲全球的今天，各行各業都在積極探索人工智慧的應用，期望藉此提升效率、激發創新。然而，在眾多令人驚嘆的 AI 工具背後，一個最根本卻也最常被忽略的核心是——「資料」。我必須強調一個核心觀念：所有的 AI 應用，都必須基於好的數據。 沒有高品質、結構化的資料，再頂尖的 AI 模型也無法施展其真正的潛力。
本次於台南室內設計裝修商業同業公會/高雄新室內設計裝修商業同業公會的演講中，我們將深入探討，在 AI 時代，我們該如何從「資料為王」的基礎上，邁出數位轉型的下一步。我們將拆解現行工作流程中的資料痛點，並提供一套完整的策略，教您如何善用 AI 工具，打破資訊孤島，打造高效的自動化工作流與專屬於您企業的智慧知識庫。
前情提要：AI 的燃料—為何一切始於「資料」？
每個時代都有其最重要的指標性資源。工業革命的基石是石化燃料，網路時代的核心是貴金屬，那麼在 AI 時代，最重要的指標無疑就是「資料」。
然而，擁有資料並不等於擁有一切。我們必須謹記一個程式設計領域的黃金法則：「GIGO」，也就是「Garbage in, garbage out（垃圾進，垃圾出）」。如果你餵給 AI 模型的資料是雜亂無章、缺乏結構的垃圾，那麼它產出的結果也必然是毫無價值的垃圾。
資料煉金術：怎麼問？
很多人在使用 ChatGPT 或 Gemini 時會感到挫敗，覺得 AI 答非所問。但問題往往不在 AI，而在於我們的提問方式。你不能用一種「觀落陰」的問法，期望 AI 能猜透你的心思。
請比較這兩種問法：
- A 問法（觀落陰問法）：
幫我設計一個房間。
- B 問法（清晰的架構師問法）：
我要設計一個三十坪的家庭客廳，使用者是四口之家，有兩個小孩。風格希望是北歐簡約，預算大約 50 萬內。希望空間能兼顧收納與親子互動，同時要考慮到安全性。
結果顯而易見，B 問法提供了清晰的角色、目標、背景、風格與限制，AI 才能給出有價值的回饋。在與 AI 互動時，你必須扮演好「架構師」的角色，用清楚的白話文來架構你的問題，而不是惜字如金。
提示工程與上下文工程：學會「說人話」:
提示工程 (Prompting Engineering)： 核心思想就是「把事情交代清楚」。就像你交辦任務給同事一樣，你要告訴 AI 人、事、時、地、物，而不是用模糊不清的指令。
上下文工程 (Context Engineering)： 這是提示工程的進階版。當你需要 AI 處理更複雜的任務時，除了明確的指令，你還需要提供前因後果、歷史背景與相關知識。這就像你給 AI 一個「前情提要」，讓它能給出更合理、更符合預期的答案。
我們產業的資料困境：從各自為政到資訊孤島
在深入探討解決方案前，讓我們先直面建築、營造與設計產業普遍存在的資料困境。這些問題，或許你我都感同身受：
- 混亂的檔案管理： 每個專案的資料夾都可能「各自為政」。A 案的專案經理想找 B 案的參考資料，卻發現根本無從下手，因為檔案結構與命名邏輯完全不同，形成一個個資訊孤島。
- 不堪用的紙本圖說： 我們去建管處複印使照圖的時候，是不是有可能幾張關鍵的圖說前人借閱後沒有復原導致缺圖，或圖紙上的資訊糊成一團？這些關鍵資訊在數位化的第一步就已經充滿挑戰。
- 資料價值在操作中流失： 「可是瑞凡，CAD 裡面 Ctrl+C，然後 Ctrl+Shift+V 之後就全部壓掉囉～」這個常見的操作，會將帶有豐富圖層資訊的圖面，瞬間壓成一個沒有資料的圖塊，資訊價值蕩然無存。更別提，平、立、剖面圖還不一定對得起來。
- 無法傳承的寶貴經驗： 「員工人走了，經驗也走了，怎麼傳承？」很多時候，連經驗豐富的建築師跟 PM 都不一定會認真做專案的檢討報告，又怎能期待員工留下可供傳承的知識資產？
這些問題的根源在於，我們的資料缺乏一個統一、可用的結構。因此，不一定要全面導入 BIM，但資料必須是「能用」的。
打造智慧工作流：打破資訊孤島的自動化革命
想將 AI 工具融入日常工作，請先仔細拆解你現有的 Workflow（工作流程）。
從 2D 到 BIM：工作流程的演進
傳統以 2D 圖檔為核心的工作流程，充滿了資訊斷裂點，導致來回修改、製圖重工、資料不一致等問題。而以資訊模型 (BIM) 為主體的工作流程，則是解決方案的理想型態。它將 BIM 模型作為主要資訊載體，所有圖說、數量皆由模型自動產生，能確保資料統一，大幅減少因資訊落差而產生的反覆修改。
我的 Workflow：能夠自動化，我絕不放過
我個人奉行一個原則：「能夠自動化，我絕不放過。」因為我很懶，我想早點下班。我個人的工作流程，是透過 Rhino/Grasshopper 作為核心中樞，串連各種軟體與資料流，實現跨平台的資料整合與自動化。
實現自動化的關鍵工具
- n8n：一個強大的開源工作流自動化平台，你可以把它想像成一個視覺化的程式設計工具，用來串接各種軟體服務的 API，打造客製化的自動化流程。
透過這些工具，你可以將 AI 無縫地嵌入到你的工作流程中，例如：用 AI 自動生成初步設計概念、撰寫文案、用 AI 分析經驗知識庫，甚至讓 AI 幫你檢查 Revit 明細表中的人為錯誤。
企業內部的經驗與知識庫：問誰？問 AI！
Q：員工人走了經驗也走了，怎麼傳承？
這個問題的答案，在於建立一個屬於企業自己的「經驗知識庫」。每一個專案的檢討報告、會議記錄、客戶回饋，都是寶貴的 Domain Knowledge（領域知識）。
RAG：讓 AI 不再瞎掰的技術
平常的語言模型就像一個會說話的人，但他只會從自己知道（被訓練）的資料回答問題。結果就是，當他不知道時，他會選擇「承認不知道、泛泛而談，或者乾脆推斷或猜測」，就像《變身國王》裡的高剛一樣，一本正經地胡說八道。
如果今天我們給語言模型一套資料跟規則，並要求：「如果不知道，就先去翻資料再說話」，是不是就可以避免語言模型瞎掰？
這件事就是 RAG（Retrieval-Augmented Generation，檢索增強生成） 的核心精神。RAG 的運作模式是，當收到一個問題時，它會先去你指定的私有資料庫（例如公司的專案文件）中進行檢索，找到最相關的資訊後，再將這些資訊作為上下文，生成最終的答案。
透過 RAG的幾個範例：
- 用建築技術規則問答： 將整本法規餵給 AI，新人就能直接用口語化的方式詢問法規問題。
- 用型錄問答： 將廠商的燈具型錄建立成知識庫，設計師就能快速篩選出「CRI > 90 的軌道燈」。
- 建立實務經驗知識庫： 將各專案累積的經驗作成資料庫，公司內部可以擁有一個常駐留存的「教練」。
企業經驗應該要數位化，因為人腦比不贏電腦
DEMO 展示與工具推薦：
- Gemini (Gems)：只需一個 Google 帳號和雲端硬碟，就能輕鬆建立一個類似 RAG 知識庫的功能，無需任何程式背景。
- AnythingLLM：一款開源工具，讓你可以完全在本地端電腦或公司伺服器上，建立私有的 RAG 知識庫，確保資料安全。
- Gemini CLI：對於熟悉指令介面的使用者，可以直接在終端機與 AI 互動，快速整理與查詢大量文本資料，例如生成專案大事紀。
人人有 AI：AI 已是通識必修，但請謹慎使用
在這個時代，無論是免費仔還是課金戰士，都有大量好用的線上 AI 服務。但線上服務很好用，資安呢？當 AI Agent 可以幫你訂機票時，你敢讓你的護照資訊出去嗎？你確定你看過註冊帳號時那落落長的隱私權政策嗎？
我必須強調：企業經驗應該要數位化，因為人腦比不贏電腦。但是，請務必謹慎選擇工具，並了解你的資料流向。如果你不希望資料外流，可以選擇自行架設（自駕）私有 AI 服務。
資安是使用 AI 時最重要的課題：
- 資料治理 (Data Governance)： 企業內部必須建立一套確保資料安全、準確、可用性的流程與原則。
- 避免影子 AI (Shadow AI)： 嚴禁員工在未經批准的情況下，私下使用 AI 工具處理公司業務，這可能帶來資料安全、隱私、合規等多方面的風險。
Vibe Coding 的快速與「技術債」：
很多人現在都在 “vibe coding”，透過不斷的溝通來嘗試開發城市或功能，但常常就是憑感覺讓 AI 生成程式碼，缺乏系統性的管理與版本控制。同時由 AI 生成的程式碼可能充滿了隱藏的 Bug，這就是所謂的 「技術債」（Technical Debt）。短期內也許可以加速，但未來必須花費更多時間和精力來償還。
解決之道：善用 SRS 與獨立開發環境
- 善用 “SRS” (Software Requirements Specification)： 在請 AI 開發任何工具前，先撰寫一份 SRS 文件，清晰描述軟體需求。先寫個 SRS 釐清架構比較不會亂。
- 務必分開「使用環境」與「開發環境」： 聽小弟一句勸，利用 VM (虛擬機) 或 Docker 建立一個獨立的開發環境（沙盒模式），怎麼玩都不怕搞砸。
- 絕對不要放真實個人資料 (PII/PSII)： 在測試或開發時，永遠只用「假資料」。密碼、金鑰等敏感資訊絕不直接寫在程式碼裡。
本地部署 vs. 雲端服務
比較項目 | 自行架設本地服務 (On-Premise) | 選擇雲端服務 (Cloud Service) |
成本 | 初期高，長期低 | 初期低，長期高 |
控制與安全 | 完全掌控 | 供應商負責 |
部署與彈性 | 客製化高，部署慢 | 部署快，彈性高 |
技術人才需求 | 高 (需內部 AI 與 IT 專業) | 較低 (善用平台服務) |
差異：
線上服務： 適合絕大多數使用者，介面友善、功能強大。缺點是資料隱私存在風險。
自行架設： 適合對資安有高度要求、且具備一定技術背景的使用者。你可以完全掌握資料，但需要投入時間與硬體成本。
總結：數位轉型，從資料治理開始
AI 時代的數位轉型，不只是導入 AI 工具那麼簡單。它是一場從根本上的思維轉變，從資料的產生、收集、整理到應用，都需要重新規劃。
AI 的應用基石是資料：沒有好的資料，AI 只是垃圾產生器。
學會與 AI 溝通：用「架構師」思維，說清楚、講明白，給出明確的提示。
打造企業知識庫：利用 RAG 等技術，將企業的經驗與資料數位化，讓其成為可重複利用的資產。
重視資安與隱私：謹慎選擇線上服務，或考慮自行架設，確保核心資料的安全。
希望今天的分享，能為各位在 AI 時代的數位轉型之路上，帶來一些啟發。
本講座已經建立線上課程，若有需要觀看本主題的講座影片，請至線上課程購買。
BIM & Digital Transformation Specialist | Computational Design & AI Integration Expert | Ph.D. Student at NCKU .