《人类增强：干了二十年，我总算看明白AI在楼宇里该怎么用》

这个月我又翻出2018年那本《Human + Machine》重读，书里有个框架一直在我脑子里转悠。它把AI怎么帮人干活分成了四种模式：一个AI模型对着大数据帮一个人、一个AI服务一群人、多个AI模型增强一个人、还有多个AI同时增强一群人。说实话，到现在八年过去了，咱们这行真正把这四种模式做好的项目，我一只手数得过来。

去年一年我听的智慧建筑AI方案不下二十场，个个都在那儿扯“智能”、“自动化”这些虚词。但没一个开头就问你那个核心问题——你究竟要增强哪个具体的人？他在做什么具体的事？怎么证明他干完活后效率更高了？以我这些年的经验，大家之所以跳过这个问题，是因为它比在PPT上画个“机器人脑”难多了。

拿一个中型办公楼群来说吧。能源经理、设施总监、租户体验主管、租赁团队，这些人需要的AI架构完全不一样。能源经理要的是第一种模式：一个AI模型把电表数据吃进去，找出他肉眼根本看不出来的异常。设施总监要的是第三种：同时跑好几个模型盯着暖通、电梯和人员密度，他才能腾出手来做那些真正能省钱的决策。租赁团队要的是第二种：一个AI模型帮一群股东比较不同装修方案。每种工作都对应不同的业务逻辑，你拿一个平台去糊弄，肯定出问题。

再看看市场上能买到啥？清一色都是“一个平台管所有”，号称四种模式全包，谁签单就给谁装。我敢打赌，大部分供应商的实际使用量跟他们吹的差得远。商业后果很直接：你连被增强的人是谁都说不清，凭什么算清楚创造了多少价值？“我们在整个楼群部署了AI”不是业务案例，“我们的能源经理在同样人手情况下，每周多发现40%的能耗异常”才是。只有后者能换来合同续签。

前两年有个项目让我印象特别深。甲方花大价钱上了一套“全楼宇AI平台”，结果半年后我去回访，发现能源经理压根没用那个异常检测模块，还是靠Excel拉表看。一问才知道，平台把异常报警和租户满意度报表混在一个界面里，能源经理每次要点四层菜单才能找到数据。后来我让他们把这两个功能拆开，单独给能源经理做了个移动端推送，使用率立马翻了三倍。这就是没搞清楚“谁在用、干什么用”的典型教训。

第四种模式——多个AI模型同时增强多个人的协同工作——才是真正能体现楼群经济效益的。但说实话，这更多是个运营模式问题，不是技术问题。它需要跨资产的干净数据、统一的活动定义、还有重新设计工作流程的意愿。大部分运营方还没准备好，所以大部分供应商也不怎么推。我阴暗点想，是因为这玩意儿比漂亮的大屏难演示；善良点想，是因为组织通常按汇报线运作，而不是按“要完成的工作”运作。

我这些年做过的项目里，能把第四种模式跑起来的，往往不是技术最强的团队，而是运营最愿意打破部门墙的团队。比如有个客户，把能源管理、设施维护和租户服务三个部门的KPI打通了，用同一个AI模型看数据，结果发现空调提前预热时间和租户投诉率直接相关。以前各管各的，谁都不会往那想。

这不是说技术不行。模型比书出版那会儿进步太多了，框架本身依然成立。问题出在我们自己——不够自律。买了AI，却没问清楚到底给谁用。明年做规划的时候，我建议你做个测试：签任何智慧建筑AI合同前，让供应商在白板上画出他们的“增强架构”，标出中间那个具体的人是谁。要是画不出来，那他们卖你的就是别的东西。