探索生成式 AI 在设计实践中的应用：AEC 设计专业人士的视角

文献标题

Exploring Design Practice with Generative AI: Perspectives from AEC Design Professionals

出版信息

• 主题领域: 生成式人工智能在建筑、工程与施工（AEC）设计实践中的整合。
• 关键词: 生成式人工智能（Generative AI），AEC设计，概念设计，设计协作，创造力，客户沟通，设计服务创新，专业态度，混合方法研究，数字化转型。

背景与问题

• 问题/挑战: 尽管生成式人工智能（GenAI）在AEC设计工作流程中的重要性日益增加，但关于AEC设计专业人士如何采用和看待GenAI的实证研究仍然有限。
• 意义: 理解GenAI在AEC设计中的作用对于优化其应用、解决专业问题以及引导行业转型至关重要。
• 动机与相关研究: 先前的研究主要集中在GenAI的技术能力及其在其他设计领域（如工业设计、用户体验设计）中的应用。然而，AEC设计领域尚未得到充分探索，特别是在其独特的监管限制、协作需求以及一线专业人士的观点方面。

解决方案

• 提出的方法: 采用混合方法研究，结合对20名AEC专业人士的半结构化访谈和对191名专业人士的问卷调查，分析GenAI在AEC设计中的应用、认知和潜力。
• 创新性:
  1. 首次对GenAI在AEC设计实践中的整合进行实证研究。
  2. 识别出专业人士对GenAI的“羞耻却自豪”态度动态。
  3. 开发了GenAI在AEC工作流程中的应用图谱，突出其战略用途。
  4. 提出了技术和思维方式调整的建议，以增强GenAI的整合效果。
• 流程与关键技术:
  • 对符合特定经验标准（≥2年AEC和GenAI经验）的专业人士进行访谈。
  • 根据访谈结果设计并分发问卷，覆盖更广泛的样本。
  • 使用主题编码分析定性数据，使用描述性和推断性统计分析定量数据。

结果

• 具体发现:
  • GenAI主要用于概念设计（43.5%的问卷受访者）以及设计表达/文档阶段。
  • 关键应用包括灵感探索、客户沟通以及扩展设计服务边界。
  • GenAI的创造力被认为是“被动创造力”，源于其不可预测性和随机性。
  • 可靠性问题，特别是在细节生成方面，仍是一个显著限制。
• 相较基线的优势:
  • 在生成设计灵感和优化客户沟通材料方面提高了效率。
  • 扩展了服务范围，例如辅助设计资产（如吉祥物、标志）。
• 实验/评估:
  • 访谈：20名具有不同角色和GenAI经验的专业人士。
  • 问卷：191名来自多个国家、涵盖各种AEC学科的受访者。
  • 指标：使用频率、应用阶段、协作类型、感知创造力和可靠性。
• 局限性与未来工作:
  • 样本可能无法代表所有AEC专业人士，尤其是那些较少使用GenAI的人群。
  • 由于GenAI发展的快速步伐，研究结果可能滞后于最新进展。
  • 未来研究应探索特定子群体的感知，并在实践中验证新兴的GenAI工具。

总结

本研究首次对AEC设计专业人士如何将生成式人工智能整合到其工作流程中进行了实证研究。研究识别了GenAI在概念设计、客户沟通和服务创新中的主要应用，同时突出了可靠性问题和专业人士的矛盾态度等挑战。研究揭示了一种微妙的“羞耻却自豪”动态，反映了对GenAI能力的重视以及对其使用的隐瞒倾向。研究提供了应用图谱和可操作建议，以开发适用于AEC的工具并促进与GenAI的透明协作。这些见解旨在引导GenAI在AEC行业中的可持续和有效采用。