彭一邦博士工程師 亞洲聯合基建行政總裁
過去兩年AI 與機械人的發展一日千里,這場衝擊的廣度與速度,比以往任何技術轉型都更凌厲、更難迴避。有研究指出,雖然不少機構已在日常使用AI,但能把 AI 轉化為實質成效的企業仍屬少數,其差別不在於是否使用 AI,關鍵是企業是否願意重新設計流程、投入資源,並由管理層推動。
對建造業以至各行各業而言,AI 帶來的並非單純「個人」技術升級,而是一場重塑「企業」競爭力的策略性轉變。
知識轉變:現場經驗被 AI 理解
公共知識(General Knowledge)AI 早已學會;產業知識(Domain Knowledge)則是長期累積的專門經驗與隱性智慧,過去是各行各業的本錢。當 AI Agent 已能自主記憶、選工具、分步執行並互相協作,AI 對企業知識的吸收方式已不同以往。隨着 AI 對物理世界的理解與模擬能力提升(World Model),加上機械人、感測器、Body cam 持續收集現場數據,過去資深人員難以言傳的經驗,會逐步變成 AI 可以學習、複製和傳承的知識。媒體、IT 及法律等多個行業已首當其衝,建造業因涉及現場判斷與實體手藝,或許暫不會是被全面取代的行業,但一樣不能倖免。
企業轉變:由「個人效率」轉向「企業智慧」
AI 若只讓個別員工做事快一點,作用有限。員工快30分鐘寫完報告,但審批與跨部門協調沒改,只是把塞車路段往後推。真正的方向是提升整間公司的企業智慧(Enterprise Intelligence)——根據企業累積的 Domain knowledge 量身訂造方案,利用 AI 重新設計工作流程,令同事可借助 AI 輔助處理部分以往依賴資深人員經驗的工作,亦令資深人員可專注更高價值的決策,減少組織對少數關鍵人物的依賴,真正突破流程樽頸。
治理轉變:當機械人走進前線
當 AI 從電腦走向物理世界,企業下一步要面對的就是機械人。內地已有人形機械人訓練中心,讓機械人透過示範與數據學習人類動作;但機械人走進建造業前線,最大難點不在技術,而在責任歸屬:若機械人碰撞令工人跌倒,或搬運時意外傷人,責任誰屬?
早前的立法會提問指出,香港現時並無專門法例規管機械人應用,亦無強制第三者責任保險。近月已發生 IT 專家被機械人踏傷、將軍澳騎單車者險因機械狗釀意外等個案;律政司亦已於今年 3 月成立跨部門工作小組,檢視 AI 及機械人應用所需的法律配套。
地盤環境比公共空間更複雜,政府、業界與保險界或需共同研究機械人施工守則、責任界定及相應保險安排,讓試點企業有法可依、有險可保。否則,先行者將獨自承擔法律風險,反而拖慢整個行業的採用。
人才轉變:由操作技能走向 AI 協作能力
AI 最先取代的往往是知識為主的工作,如文書、設計、資料分析先受衝擊,現場操作技能相對較難,但長遠亦會逐步觸及——只有先後之別,沒有永久安全的工種。未來數年至十年,人才過渡、培訓內容與技能組合如何重新設計,討論宜及早開始。
建造業議會提出三個培訓方向:前線技能提升、專業人員培訓、AI 沙盤。以髹漆機械人為例,工人由「親自髹漆」轉為「操作與監督」——被淘汰的不是工人,而是不肯更新的技能。
順此思路,業界或需培養一類具備 AI 協作能力的工程人才,核心在向 AI 提出正確問題、驗證結果,並為關鍵判斷簽名負責。有調查亦提醒,企業在使用 AI 時仍會面對準確性、風險管理與責任分工等問題,而「Human-in-the-Loop」則是高績效的重要特徵。這正好呼應工程界專業簽署制度的精神:關鍵判斷不能只由工具自行承擔,而須由具資格人士把關,並為每個 AI 與機械人動作建立可追溯記錄與緊急停機機制。
AI 的轉變不會因遲疑而暫停。與其等答案齊全才行動,不如今天就在公司創造讓同事親手試用 AI的環境,而試用不能停留在個人層面,企業需要把成功案例、失敗經驗、風險控制和工作流程有系統地整理下來,才能把 AI 從零散工具變成真正的企業能力。
彭一邦 博士工程師太平紳士
** 博客文章文責自負,不代表本公司立場 **