假設一項BIM 服務整體費用是 10 元，本地建模人力大約佔 4 元，其餘 6 元來自BIM管理、協調、以及軟硬件成本。過去行內常見的降本方式有兩種：其一把建模外判到人力成本較低的地區(如國內，東南亞地區等等），能夠把人力從 4 元減到約 2 元；其二是利用Dynamo 及大型族庫自動化編程提高速度。前者的問題在於跨地域溝通與品質控制的成本會隨之上升，實際上多數情況人力成本只能降到約 2.5 元，也就是整體 10 元減到 8.5 元；後者則受限於需要少數高技術人才來維護工具，中小型項目和團隊往往無法持續投入，效果有限。
我想探討的，是如何透過 AI 治理，把「10 元的 BIM 服務」結構性地壓低到接近 3 元，而不是只靠削價或外判。
1）圖紙生成模型：降低基礎建模量，但受限於圖紙語義
首先是「圖紙生成模型」，目標是大幅降低「初始模型」的建模量。由 2D 平面圖自動生成 BIM 模型時，AI 同步完成兩類工作：一方面，按圖紙內容將各類物件歸入合適的類別，並大致確定其幾何尺寸、高度位置及形狀方向，快速搭建模型骨架；另一方面，將圖上的文字與表格資訊讀入為模型參數，例如門表中的防火級數、編號與用途等。這能顯著減少前期從零開始繪製的建模工作，以及中期因方案調整而需要的大量模型更新，等於把很大一部分「手畫骨架」的工序交給機器處理。按我的估算，這部分可為整體BIM服務節省約 2 元的成本。
2）設計參數優化：先減少翻模，建模才會真正變快
第二個關鍵是「設計參數優化」，雖然這項技術主要在節省設計方時間並釋放其人力資源，從而將資源用於更具策略性和價值驅動，但亦能配合模型以預設的規則提示、警告或限制設計師、繪圖員及建模員執行電腦指令。除了建模，核心還是優化設計端，避免重覆修改影響整體項目進度。設計反覆、方案未定、淨高和機電策略拖到很後期才確定，模型便需一再重建與大面積修補。AI 在這裡的角色，是在設計階段利用模型引入優化和約束。舉例來說，參考發展局技術通告中對 AI 應用的定位，把 行業慣例 與 過往項目經驗 整理為對應設計領域的 規範和標準，進而轉化成模型中的 參數建議 與 約束條件，通告提及應用到地基及擋土牆(Foundation and earth retaining structue)的設計，當設計較早確定，後續的圖紙生成、碰撞檢查與多專業協調，就不會陷入高頻率翻模與反覆改動。這部分主要減少的是重覆翻模和不必要的協調資源，預計可為整體BIM服務再節省約 1.5 元。
3）LLM自然語言建模及修改：把編程與Dynamo門檻移走
隨著雲端服務與大型語言模型的成熟，Revit 2027 的 MCP（Model Creation Platform）服務為建模自動化開啟新的可能。MCP 不再只是提供傳統的匯入/匯出與 API，而是把模型建立、配置與資料化流程抽象成可被程式與服務呼叫的雲端模組；當這些模組連結到像 Claude 這類的自然語言 AI 時，使用者可以用口語或書寫(自然語言)的方式描述設計意圖，由系統自動翻譯成具體的建模指令與 Revit 元件，實現快速、標準化產處理重複性的工作。
技術架構與資料流向可想像為三層：
第一層是使用者介面層，負責接收自然語言輸入（文字或語音）並蒐集專案上下文，如場地條件、BEP、設計規範和預設族群。此層的任務包括引導使用者提供必要資訊（透過對話式提示或表單）、輸入專案模板以減少歧義、以及顯示系統回饋和審核介面，讓設計師能在自動化建模前確認關鍵參數和接受或修正 AI 建議。介面同時處理多輪對話、顯示模型預覽與變更歷史，並在必要時要求使用者補充細節以提高後續轉譯準確度。在使用者介面層，使用者應注意輸入的清晰與完整：自然語言雖然靈活，但模糊或缺少關鍵條件會導致錯誤或不符合需求的建模結果，因此應優先使用預設模板、填寫必要專案上下文（場地、樓層高度、族群規範、BEP 要求等），並回應系統的補問。使用者在每次自動化生成前要審閱系統預覽與變更歷史，確認重要決策（如主要樓梯、井道位置、結構模數）由人員簽核後再進行批量套用，避免把設計判斷完全外包給 AI。
第二層是語意轉譯層，由 Claude 類的大型語言模型擔任核心，負責將使用者的自然語言意圖解析並轉為結構化、可驗證的建模指令（包含空間規格、構造約束、族群選擇與屬性表）。在解析過程中，此層會執行語意核對與缺漏提問、將模糊敘述映射到受控詞彙或 IDS（Information Delivery Specification），並回傳可供人審核的指令摘要。語意轉譯層亦應產生驗證規則檢查清單、優先建議與變更說明，確保輸出既可機器執行又能被專業人員理解與覆核。在語意轉譯層，使用者需瞭解 prompt 與對話結果並非最終模型，應把 Claude 的結構化指令當成「建模建議」，檢視映射結果是否符合團隊受控詞彙與 IDS 規範，並留意模型是否自動填補未說明的假設。當出現不合理的自動映射或缺失屬性時，使用者要編輯指令、補充細節或拒絕執行，並記錄重要討論與決議以作審計與未來優化之用。
第三層是 Revit 2027 MCP（Model Creation Platform）執行層，負責接收第二層的結構化指令並以雲端或本地建模引擎實際建立族群、設定參數、布置構件並執行自動化檢核（如碰撞檢查與屬性驗證）。此層會呼叫 Revit API 或 MCP 的雲端模組來產生模型、維護版本控制、匯出 IFC/本地檔案，並回傳模型狀態、錯誤與可視化結果供前端審核。執行層同時負責審計紀錄、權限控管與復原機制，確保每次自動化操作可追溯且能在人工介入下安全調整。在 Revit MCP 執行層，使用者必須重視版本管理、權限與驗證結果：每次自動化操作要有明確的版本標記與復原機制，只有具備適當權限的人才能觸發輸入性變更；收到執行回報後要檢查、屬性驗證與匯出檔案是否達到交付標準，並在發現重大偏差時復原或人工修正。此外，使用者需關注資料治理與安全性，避免在未加密或無明確許可下上傳敏感專案資料到第三方 LLM，並定期參與系統使用訓練以提升對自動化建模流程的理解與監控能力。
這裡省下了的修改模型參數的建模及協調資源，預計佔服務的2元。
4）法規自動合規檢查：把問題提前暴露，減少後期大改
合規問題若在後期才被發現，代價往往是大量翻模，推高建模成本。如果把法規要求轉成可執行的檢核規則，讓模型在早期就能自動掃描並提示風險，便能有效縮短設計周期。
為促進BIM在私人開發項目中的廣泛應用，屋宇署（BD）開發了一系列自動化審核工具，以簡化BIM格式數位圖面的準備和處理流程。這些BIM自動化審核工具也可作為設計審查工具，能夠節省人工審核/計算以及設計修改後的更新/複核所需的時間和人力，從而提高提交文件的品質和可靠性。針對GBP，BD開發了適用於兩款常用BIM軟體（REVIT和ArchiCAD）的插件工具，用於自動審核樓層面積資訊（BIM面積工具）及衛浴設備供應。除了自動合規檢查及修正，面對需要專業判斷的條文，整體審核必須保留人工確認。另外同時要有規則庫的版本管理，確保法規更新不會造成誤判或交付風險。這裡省下了的建模及協調資源，預計佔服務的1.5元。
總結來說，AI對建模成本的真正影響，不只是在建模速度，而是同時降低翻模、降低自動化門檻、把檢核前移。當設計更早確定、修改更可控、協調更有效率，建模才會從「成本」中釋放成為交付的「價值」。
