芬蘭大學測試以 Agentic AI 自動產出機電算料清單並評估營建生產力效益

芬蘭坦佩雷大學與阿爾托大學研究團隊公布了兩項營建數位化專案的初步研究成果。在 Talotekniikka 2030 聯盟專案中，坦佩雷團隊展示了以 Agentic AI 處理雜亂非結構化資料的概念驗證（PoC）。該流程從 IFC 格式的機電設計模型出發，透過在地端部署的大型語言模型（無須支付 API 代幣成本）驅動代理工作流，結合外部產品資料進行擴充，在數小時內產出符合採購標準的詳細材料估算清單（BOM），相較於人工估算所需的數天大幅縮短。 與此同時，阿爾托大學主導的 Building 2030 專案則針對數據驅動營建與 AI 的整體效益進行量化分析。研究指出，AI 自動化帶來的直接效益集中於知識密集型階段，如設計、成本估算、採購及專案管理；然而，由於約 80% 的工作屬於現場施工與組裝，當前 AI 對該領域的影響相對有限，使得整個專案層面的綜合生產力提升較難精確量化。業界討論同時指出，AI 的引進除了追求工時縮減，更有助於拓展設計服務範圍與提升前端跨團隊協作品質。

值得帶走的重點

• 坦佩雷大學研究團隊驗證以 Agentic AI 搭配地端 LLM，能自機電 IFC 模型與外部資料自動產生可供採購的材料清單（BOM）。
• 初步測試顯示代理 AI 能在數小時內完成人工估算員需花費數天的工作，並能辨識出人工容易遺漏的細節。
• 阿爾托大學 Building 2030 專案指出 AI 對設計、估算與採購有顯著助益，但因 80% 工作在施工現場，專案總體效益提升相對受限。
• 營建新創策略分為下游利用代理 AI 清理孤島雜亂資料，以及上游直接以 AI 產出標準化、機器可讀的設計成果。