營建與不動產的生成式 AI：
標單、合約與工地知識庫的三個場景

投標截止前三天，估價部門的桌上攤著一疊設計圖、一本厚厚的施工規範，還有上一個類似案子的標單。工程師要逐項核對工程數量、查對單價、確認每一條規範要求有沒有漏——算錯一項數量，可能是幾十萬的盈虧。營建這一行的日常，是龐大文件之間的反覆比對與經驗判斷，而這正是生成式 AI 能大幅減輕負擔、卻也最需要謹慎的地方。

先劃界線：高價值，也高風險

現代生成式 AI 建立在 Transformer 架構上，本質是機率性的內容生成器^[1]。營建的文件工作價值高，但錯誤代價也高——這正是「參差前沿」最需要警覺的產業。哈佛與 BCG 的實驗發現，在能力邊界之外的任務上，使用者因過度信任 AI 反而更容易出錯^[4]。所以界線要劃得比別的產業更嚴：AI 做彙整、初估與草擬，數量、單價、合約條款的最終判定由專業人員負責。總體框架見〈生成式 AI 解決方案完整指南〉。

場景一：標單的初步估算與比對

把設計圖說與規範轉成工程數量、對照單價資料庫組出標單，是耗時又易錯的工作。生成式 AI 能加速項目拆解、對照歷史標單找出遺漏或異常項、把不同版本的標單並列比對。這與製造業「報價前置流程可被壓縮、最終數字由人拍板」的邏輯相通，可參見〈CNC 加工報價為什麼要等三天〉。但工程計價牽涉金額龐大，AI 會產生看似合理實則錯誤的內容（幻覺）^[3]，每一項數量與單價都必須能追溯來源、由估價人員覆核。

場景二：合約與規範條文的審閱

營建合約與施工規範動輒上百頁，條文之間互相引用、責任與罰則藏在細節裡。生成式 AI 能快速摘要條文、標記高風險條款（工期罰則、變更設計、保固責任）、比對投標須知與合約草案的差異，讓法務與工程人員把時間花在判斷而非通讀。這類「合約審閱」也是專業部門的核心場景，可延伸參考〈企業法務的生成式 AI〉。同樣地，法律條款的最終解讀必須由專業人員負責，AI 只做初步標記。

場景三：工地知識庫——把老師傅的經驗留下來

營建業最寶貴、也最難傳承的是資深工地主任的經驗：這種地質怎麼處理、這道工序的眉角、這類爭議怎麼談。這些知識散在紀錄、照片與人的記憶裡。用檢索增強生成（RAG）把工法文件、歷史案例與工地紀錄做成知識庫，讓 AI 在回答前先檢索、把答案接地到可查證來源^[2]，資淺工程師就能隨問隨答。研究顯示這類 AI 助手對經驗最少的員工幫助最大，生產力提升可達三成以上^[5]——這正是「加速經驗傳承」的場景。RAG 常因文件切塊與檢索策略而答不準，原因見〈RAG 知識庫為什麼答不準〉。

怎麼開始

營建的文件風險高，更該從容錯的環節起步：先選工地知識庫或標單初估做試點，建一組真實案例的評測集衡量成效，站得住腳再往合約審閱這類高風險場景推進。經典企業 AI 研究也強調務實嵌入既有流程勝過好高騖遠^[6]。這套「試點→評測→把關」的方法詳見〈企業導入生成式 AI〉。要把它落地成符合工程紀律的系統，靠的是流程設計能力，這是超智諮詢在做的事。