終於來到最後一篇啦，今天要來回顧這 30 天的完整實作歷程——從 AI 物件偵測、文字辨識，到資料結構化與 IFC 轉換，再到 GUI 工具設計與跨軟體驗證，逐步拼湊出一條屬於建築自動化的完整流程。
最初選擇 AI 驅動 BIM 自動化作為主軸，一方面是想評估AI視覺技術應用在建築領域的可行性；一方面則是期望帶給讀者不一樣的視野與啟發，一起為AI+BIM自動化的推動盡一份心力。
本系列開頭曾設定三大目標，經過 30 天的階段性實作，這三大目標也逐步落實於每個章節：
1. 系統化認識 AI 視覺技術，評估應用於建築領域的可行性
透過 YOLO 物件偵測與 OCR 文字辨識技術，從圖面自動擷取關鍵資料，並進一步進行資料結構化處理。
2. 應用 AI 與 GUI，將資料串接至 BIM 模型的流程與概念
利用 GUI 工具，將資料流轉自動化，實現從 AI 結果到 IFC/BIM 模型的串接流程。
3. 透過案例實操，開創跨域整合與創新應用的新視野
每個流程均透過實務案例操作與跨軟體驗證，實現了多領域技術的融合與創新。
這一連串的嘗試，不僅驗證了 AI + BIM 自動化的實用性，也為台灣建築數位智慧化帶來全新的思考與可能。
從想法到執行落地，當然在實作這一整套自動化流程的過程中也遇到了挑戰，從「資料準備 → YOLO辨識 → OCR後處理 → BIM/IFC建模 → GUI整合為實用工具」，雖然現階段這個自動化流程還無法100%取代人工，但這些經驗都將成為未來成長的養分。
以下是實作過程中遇到的幾個關鍵挑戰：
由於建築行業特性，個體戶資料量不夠、標註多樣性不足可能會成為模型泛化(廣)度不佳的主要原因，特別是召回率的部分，因為預測框精度若不佳，還可以透過後處理方式進行自動校正尺寸，而召回率則需要透過不斷優化資料集、調整模型參數才有可能達到最佳模型。
IFC格式在不同BIM軟體間仍有些許相容性落差，但不可否認的也確實能夠使建模效率提升、減少重複作業及人力錯誤。而從標準的演進（如 IFC5 的json化、強調互通）來看，我想這部分仍需要整個產業的持續投入與技術優化，才能逐步解決相容性問題。
在傳統程式撰寫時，總是需要編寫各種不同的例外狀況處理方式，然而有了AI工具後，雖然這項工作的門檻大幅降低，但反而更需要擁有該領域專業知識與AI對話、校正的能力。
工具設計其實就是「人性習慣」的最佳實踐。以BIM為例，推廣由3D設計取代2D設計的思維來說，我個人認為違反了使用者慣性，因此不如「順勢而為」優化現有流程，才有機會讓自動化工具被廣泛接受。
這次30天的鐵人賽對我來說，不只是技術的實作，更是一個實務驗證的里程碑，也意味著「AI × 建築 × 自動化」真的能夠從概念走向落地。
同時，也要恭喜自己成功挑戰 30 天鐵人賽 —— 收穫的不僅是成果，更是一份對數位建築未來的信心與想像力！
如果你對 AI + BIM 跨域整合、數位化技術、流程自動化等主題有興趣，歡迎追蹤交流！
iThome鐵人賽
看影片追技術