商傳媒｜林昭衡／綜合外電報導
雖然人工智慧（AI）在各產業的應用日漸普及，營建業對AI的興趣也日益增長，但實際的導入進程卻遭遇瓶頸，未能轉化為顯著的商業價值、更精準的專案情報或更具韌性的營運模式。這顯示營建業在迎接AI浪潮時，面臨著數據基礎與資安防護的嚴峻挑戰。
根據《For Construction Pros》報導，雖然營建業對AI的投資持續增加，但實際採納率仍有限。國際房地產專業團體 RICS 於 2025 年進行的一項全球調查顯示，45% 的營建公司尚未導入任何 AI 技術，另有 34% 仍在進行初步試點。美國營建資訊服務商 Dodge Construction Network 於同年對美國營建業者進行的調查也指出，不到五分之一的業者正積極調整工作流程以適應 AI。問題並非出在 AI 工具的缺乏，而在於多數公司的營運模式、數位基礎設施與內部管控機制尚未準備好支援有意義的 AI 應用。許多公司將 AI 視為獨立的創新專案，卻忽略了數據準備這個關鍵環節。Dodge 的調查發現，74% 的美國營建業者認為其數據品質不佳或僅屬一般，數據存在不可靠、不準確及不一致的問題。過去數十年積累的專案數據分散於各種獨立系統，缺乏標準化，導致 AI 難以有效利用這些歷史資訊來轉化為商業智慧。
數據破碎化不僅影響 AI 應用，也對數據儲存、備份、恢復與合規性構成挑戰。對於希望將 AI 從實驗階段推向實際營運的公司而言，建立清晰的數據所有權、存取權限與責任歸屬政策至關重要。RICS 的報告指出，25% 的受訪者將缺乏標準與指引視為導入 AI 的障礙，這反映出許多公司即使有意願推進 AI 應用，卻不知如何負責任地治理。此外，逾 40% 的公司將數據分享的安全性與智慧財產權（IP）風險列為導入 AI 的阻礙。營建數據包含投標書、專案規格、客戶資料與財務記錄等敏感資訊。將專有設計數據輸入外部 AI 模型，可能損害競爭優勢。特別是涉及國家基礎設施、交通網路與能源系統等關鍵資產的企業，更是網路攻擊的高價值目標。這些風險突顯了對 AI 工具批准、數據使用範圍、儲存位置、存取權限及 AI 輸出錯誤處理等治理問題的急迫需求。
儘管 87% 的美國營建業者相信 AI 將對產業帶來巨大影響，但廣泛的商業研究顯示，僅約五分之一的企業組織認為自身已為 AI 所需的技能與組織變革做好充分準備。員工對 AI 的接受度也是關鍵。RICS 調查顯示，五分之二的營建專業人士擔心 AI 對其工作角色的影響，對 AI 輸出結果的準確性則是他們最主要的疑慮。若 AI 工具產生不可靠的結果，在講求精確的營建專案中可能導致嚴重後果。因此，公司需要確保員工理解 AI 技術及其如何融入工作流程，並讓員工相信 AI 能增強而非取代他們的工作。
總結而言，營建業在導入 AI 過程中，必須優先解決數據品質、資安防護、治理框架與人才培訓等根本性問題。這些挑戰也為台灣營建業在推動數位轉型時提供警示與參考，強調建立健全的數位基礎設施與組織準備的重要性，才能真正發揮 AI 的潛力。
