利益:
- プロジェクトをコンセプトから実現までの段階に分割し、人工知能の役割、有効化する検証、および各段階の責任専門家を決定する能力。
- 各段階の最後にリスクバケットの質問をし、それぞれの段階で現地のプラント、法律、コストを確認できるようにします。
- AI が生成し、人間が決定し、すべての重要な出力が検証され、署名はエンドツーエンドのワークフローで専門家の原則に基づいて統合される機能
これまでの11単元では、コンセプト、ビジュアル、現場分析、プラント、水、サステナビリティ、テクニック、プレゼンテーション、コスト、法律のパートを一つずつ学習してきました。この単元では、それらすべてを 1 つの実際のプロジェクトに結合します。プロジェクトの開始から納品まで、人工知能（AI）をスムーズかつ安全に活用できるワークフローを確立することが目的だ。ワークフローは、ジョブが最初から最後までたどる一連の一連のステップです。この単元は要約ではなく、統合のリハーサルです。各段階で、AI がどこで加速し、どこで停止し、どのような検証が行われるかです。
サンプルプロジェクト: 川沿いの 4 ヘクタールの都市公園
モジュール全体を通して言及したプロジェクトを最初から最後まで考えてみましょう。自治体は、洪水の危険がある遊休河川堤防を、水を緩衝し、近隣に利便性をもたらす都市公園に変えたいと考えています。予算は限られており、期間は 3 か月、気候は穏やかな雨が多いです。
フェーズ 1 — フレームワークとコンセプト (ユニット 1 ～ 2)。プロジェクトの枠組みと6つのテーマをAIで制作。チームは「街が忘れた流れを返す水道」というテーマを選び、それを理念に落とし込む。 AI はチームを多様化し、選択します。
ステージ 2 — フィールド分析 (ユニット 4)。傾斜、方向、水の流れは GIS から取得されます。フィールドトリップが行われます。 AIは測定データと観測を統合し、機会制約リストを作成します。ツールからの測定、合成が検証されました。
ステージ 3 — 水と気候戦略 (ユニット 6)。 YZはレインガーデン+ビオスワール+透水性土壌の組み合わせを提案します。決済ロジックが確立されます。寸法決定は油圧エンジニアに委託されます。
ステージ 4 — 植物パレット (ユニット 5)。 AI が機能プロファイルと候補リストを生成します。チームは、地域の気候帯、侵入リスト、毒性、苗木の入手可能性について各種を検証します。未検証のタイプは含まれません。
ステージ 5 — 持続可能性チェック (ユニット 7)。設計は、透水性、局所的な割合、日陰、生物多様性のスコアカードを通過します。弱いタイトルが改善されました。
ステージ 6 — ビジュアルおよび技術 (ユニット 3、8)。 AI は大気の画像と詳細なロジック/マテリアルの比較を生成します。スケール シートは CAD で描画され、静的な詳細はエンジニアによって描画されます。
ステージ 7 — コストとスケジュール (ユニット 10)。 AIが項目リストと表を整理。実際の数量と現在の価格を入力し、作付時期に応じて作業スケジュールを設定します。
ステージ 8 — 立法と展開 (ユニット 9、11)。許可チェックリストと機関の質問が準備され、項目が職員に確認されます。プレゼンテーションは3つの聴衆（自治体、近隣住民、陪審員）に向けて異なる言語で企画されています。
ヒント: 各フェーズの最後に、「この成果物のリスクは低、中、または高ですか。誰が検証しますか?」という質問を 1 つしてください。この 1 つの質問により、ワークフロー全体が安全に保たれます。
ステージ間の黄金律
エンドツーエンドの流れでは、各段階で 3 つの原則が繰り返されます。(1) AI は多様化して加速し、人間が選択して所有します。 (2) 各数値/ローカル/セキュリティ クリティカルな出力が検証されます。 (3) 決定と署名は有能な専門家によって行われます。これら 3 つの原則は変わりません。適用される対象のみが変化します。
ミニケース3個
ケース 1 — エンドツーエンドの速度。あるオフィスでは、AI を活用したワークフローで同様の小川公園を運営していました。コンセプトと分析には 3 週間から 10 日かかりました。節約された時間は詳細と検証に当てられました。チームが「制作」ではなく「決定」する時間が増えたため、納品品質が向上しました。
ケース 2 — チェーンの検証。同じプロジェクトで、異なる段階で 4 つの別個の AI バグが検出されました。侵入植物 (ユニット 5 の検証)、捏造された規制条項 (ユニット 11 の検証)、誇張された画像 (ユニット 3 のチェック)、欠落しているコスト項目 (ユニット 10 のリスト) です。どれも提出に至らなかった。規律が機能しました。
ケース 3 — チームの変革。あるチームは当初、AIを「何でもやってくれる魔法」だと考え、多くの間違いを犯した。リスク バケットの規律 (ユニット 1) を採用すると、適切なレイヤーで AI を使用し始めました。低リスクでは無料、中リスクでは検証、高リスクではのみ役立ちます。効率と自信が同時に高まりました。
コピー可能な 4 つのテンプレート
1) プロジェクトのロードマップ:
あなたの役割: ランドスケープ プロジェクト コーディネーター。プロジェクト: [説明、期間、予算、気候]。コンセプト、分析、水戦略、プラント、持続可能性、ビジュアル、技術、コスト、法律、プレゼンテーションなど、エンドツーエンドのワークフロー ロードマップを教えてください。各段階での AI の役割と、どの検証/専門家が関与するかを指定します。
2) 段階終了時のリスク監査:
次のフェーズの出力 [ステージと出力] のリスクを確認します。低/中/高リスクの部分を分け、中/高のそれぞれを誰がどのように検証するか、納品前に埋める必要があるギャップをリストします。
3) 納品前の総合的な管理:
納入前にこのプロジェクトを総合的にチェックしてください。コンセプトと設計の一貫性、現地のプラント検証が行われたかどうか、エンジニアリング戦略が承認されたかどうか、コストが現実的かどうか、法律が確認されているかどうか、ビジュアルが代表的なものであるかどうかなどです。不足している検証がリストに表示されます。
4) 学んだ教訓:
このプロジェクトが終了したら、AI の使用から学んだ教訓を引き出します。どの段階で AI は非常にうまく機能したか、どの段階でエラーのリスクが高かったか、次のプロジェクトではワークフローをどのように改善する必要があるかなどです。具体的で実行可能な項目を書きます。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
このプロジェクトを最初から最後まで私の代わりにやってください。
一度にすべてを望むこの欲望。それは検証されていない、表面的で危険な山を生み出します。
強力なプロンプト:
あなたの役割: プロジェクト コーディネーター。プロジェクト: 小川沿いの 4 ヘクタールの公園、3 か月、限られた予算、穏やかな雨の多い気候、優先的な洪水緩衝と近隣利用。段階的なワークフローが浮かび上がります。各段階では、(1) AI の具体的な貢献、(2) 影響を受ける検証、(3) 責任のある専門家/当局を指定する必要があります。高リスクの段階を個別にマークします。 「AI はあらゆる段階を単独で完了する」とは言わないでください。
検証と責任の割り当てによる段階的なプロンプトにより、AI が真の調整ツールに変わります。
エンドツーエンドの役割の概要テーブル
ステージ
AIの貢献
検証
責任者
コンセプト
バリエーション
予算/気候フィルター
デザイナー
分析
合成
フィールド+GIS
フィールドアナリスト
水/気候
戦略
油圧計算機
エンジニア
植物
候補者リスト
現地での検証
ランドスケープアーキテクト
技術的な
ロジック/テキスト
CAD + 静的
建築家/エンジニア
コスト
テーブル
実際の数量/価格
数量測量士
法律
概要・一覧
承認された確認
管轄当局
プレゼンテーション
物語
整合性チェック
デザイナー
よくある間違い
- 1 回のリクエストですべてを実現したい。エンドツーエンドの流れは段階的です。各段階は個別に検証されます。
- 最終段階のリスク監査をスキップします。エラーはフェーズの遷移中に捕捉されます。
- アファメーションを積み重ねて最後まで残す。現地のプラント、法律、コストの確認は、それぞれの段階で行う必要があります。
- 人間の意思決定を AI フローに組み込む。選択、所有権、署名はあらゆる段階で人々に委ねられています。
- 学んだ教訓を記録しない。すべてのプロジェクトは、次のワークフローを改善する機会です。
要約すると
エンドツーエンドのワークフローでは、これまでのすべてのユニットが 1 つのプロジェクトにまとめられます。 AIはあらゆる段階で多様化し、加速します。しかし、あらゆる段階で人々は選択し、検証し、所有します。 3 つの不変の原則により、フローの安全性が保たれます。AI が生成し、人間が決定し、すべての重要な出力が検証され、署名は有能な専門家によって行われます。プロジェクトをフェーズに分割し、各フェーズの最後にリスク バケットの質問をし、独自のフェーズで検証を実行し、各プロジェクトから学びます。したがって、AI はあなたの専門職を弱めるのではなく、強化するパートナーになります。
アプリケーションタスク
選択した実際のプロジェクトの「プロジェクト ロードマップ」テンプレートを使用して、エンドツーエンドのワークフローを作成します。各段階を確認し、責任を割り当てます。次に、2 つのフェーズを選択し、「フェーズ終了時のリスク監査」テンプレートを使用して監査します。最後に、「包括的な納品前チェック」テンプレートを使用して、不足している検証をリストします。
チェックリスト
- [ ] 私はプロジェクトを段階に分けました。各段階を確認し、責任を割り当てました。
- [ ] 私は各ステージの最後にリスクバケットの質問をしました。
- [ ] 現地の工場、法律、コストの確認を独自の段階で行いました。
- [ ] 私は高リスク段階を専門家の承認に関連付けました。
- [ ] 次のワークフローのためにプロジェクトから学んだ教訓を書き留めました。
モジュール試験
1. ランドスケープ アーキテクチャにおける人工知能の位置付けが最も正確なのは次のうちどれですか?
- A) AI はアクセラレータおよびブループリント ジェネレーターです。現場、環境、セキュリティ、規制上の決定に対する責任は人間にあります ✔
- B) 人工知能は独自に設計を完成させ、署名することができます
- C) 人工知能はビジュアルの作成にのみ機能し、デザインの他の段階とは何の関係もありません
- D) 人工知能は人間よりも客観的であるため、立法上の決定は人工知能に委ねられるべきである。
説明: 人工知能は、コンセプト、ビジュアル、分析、コミュニケーションを加速する、アイデアの乗算器およびドラフト生成器です。現場の現実、地域の生態、安全性、法的責任は有能な専門家が負うものとします。エンジニアリングや安全性が重要な意思決定において、AI は専門家の承認に代わるものではありません。
2. 造園プロジェクトに関する意思決定をリスク レベルごとに分類すると、次のうちどれが「高リスク (専門家の承認が必要)」に分類されますか?
- A) コンセプトテキストの作成
- B) ムードボードのアイデアを作成する
- C) 擁壁の静力と子供の遊び場の安全 ✔
- D) プレゼンテーションタイトルの提案を取得する
説明: 擁壁の静力学、木の根と基礎構造の衝突、有毒/侵入植物、子供の遊び場の安全など、エンジニアリング上および安全上重要な問題は高リスクです。ここで人工知能は単なるアシスタントであり、最終的な決定は専門家に属します。コンセプトテキストとムードボードは低リスクです。
3. コンセプト開発段階で人工知能を使用する最も効率的な方法は何ですか?
- A) さまざまなテーマを多数作成し、コンテキスト フィルターを通過させることで選択し、深化させる ✔
- B) 単一の「最良のコンセプト」を求め、それを直接実装する
- C) 文脈を与えずに一般的な概念を尋ねる
- D) コンセプトを批判せずに伝える
説明: 人間の心は最初の 2 ～ 3 つのアイデアに固執する傾向があります。人工知能の本当の力は、さまざまなテーマを生成し、比較することです。選択、深化、所有権は人間に属します。単一の「最適な」推奨事項を求めることは、その力を無駄にします。
4. 人工知能で生成されたレンダリング (画像) を顧客に提示する際に重要な原則はどれですか?
- A) ビジュアルは、適用される最終的かつ正確なビューとして表示されます。
- B) 視覚的なスケールの技術文書とみなされる
- C) 視覚的表現は雰囲気です。真正性を検査され、テクニカルシートが付属しています ✔
- D) 画像は検証なしでアプリケーションに直接転送されます。
説明: 人工知能のビジュアルはコミュニケーションと雰囲気の手段です。縮尺は正確ではなく、実際には設置できない要素 (誇張された密度、気候に馴染みのない植物) が含まれる場合があります。したがって、「代表的な雰囲気」であることを明記し、テクニカルシートを提示する必要があります。
5. 面積分析において区画の平均傾きについて人工知能に尋ねるのがなぜ間違っているのですか?
- A) 人工知能は位置測定を行うことができず、数値を補うことはできます。 GISから取得した測定/現地測定 ✔
- B) 人工知能は傾きを正しく計算しますが、速度が遅い
- C) 傾きは重要ではないデータなので、尋ねる必要はありません
- D) 人工知能は平方メートルのみを計算でき、傾きは計算できませんが、距離は計算できます
説明: 人工知能はプロットを認識せず、空間測定を行うことができません。このような質問により、確信はあるものの根拠のない数値が得られる可能性があります。傾斜、面積、距離などの測定値は、GIS または現地調査から取得されます。人工知能は、与えられた測定データを解釈するためにのみ使用されます。
6. 植物の選択に人工知能を使用する際の最も重要なルールは何ですか?
- A) AI を使用して候補リストを作成し、地域の気候、侵入リスト、毒性、市場を考慮して各種を検証する ✔
- B) グローバル データに基づいているため、AI によって提案されたリストをプロジェクトに直接組み込む
- C) 見た目が魅力的な種のみを選択する
- D) 成長が早く実用的な種を検証せずに優先する。
説明: AI は世界平均から学習するため、気候帯、侵入状況、毒性、市場に関して間違っている可能性があります。したがって、これは候補リスト生成器としてのみ使用されます。それぞれの種は、地域の気候帯、外来種リスト、毒性、苗木の入手可能性について検証されています。未検証のタイプはプロジェクトに入りません。
7. 雨水管理における人工知能の役割とエンジニアの役割はどのように異なりますか?
- A) 人工知能は戦略と能力の両方を安全に計算します
- B) 人工知能が戦略と配置のアイデアを生成します。寸法と容量はエンジニアが計算して承認します ✔
- C) エンジニアは戦略を決定するだけで、計算は人工知能が行う
- D) サイズは重要ではありません。水の流れる方向だけで十分です
説明: レイン ガーデンやバイオスウェールなどのソリューションのアイデアと配置は設計上の決定であり、ここでは人工知能が役に立ちます。ただし、サイジング、容量、洪水の安全性については、水力計算とエンジニアの承認が必要です。不適切なサイジングは洪水や崩壊を意味するため、人工知能は流量/容量を計算できません。
8. デザインの持続可能性を評価する際の最も正確なアプローチは何ですか?
- A) デザインが環境に優しいように見えるほど、持続可能性が高くなります。
- B) 水、透水性、地域率、日陰、維持管理、生物多様性などの測定可能なトピックにおける持続可能性の評価 ✔
- C) 植物の数を増やすだけで十分
- D) 維持コストを考慮しない集中的な植栽
説明: 「緑色に見える」ことは持続可能性ではありません。水を大量に消費する単一種の緑地は、生態学的に貧弱でコストがかかる可能性があります。正しいアプローチは、水、浸透性、在来種の比率、日陰、維持、生物多様性などの測定可能なトピックについて持続可能性を採点し、弱点を改善することです。
9. 製図段階で人工知能が与える擁壁の「サンプル断面」の測定値と補強値はどうすればよいですか?
- A) AI は標準を認識しているため、値をプロジェクトに直接コピーできます。
- B) 値は代表的なものです。静的な詳細は地盤調査とエンジニアの計算によって決定され、検証なしに図面には含まれません ✔
- C) 値は美観のみを目的としており、静的とは何の関係もありません
- D) 人工知能によって提供される機器の価値は常に安全側にあります
説明: 人工知能は縮尺変更された静的な図面を生成せず、人工知能が提供する測定値、標高、鉄筋の値は代表的なものです。静的な詳細。それは地盤調査と技術者の計算によって決定されます。これらの値は検証なしに図面に転送することはできません。これは、セキュリティが重要な詳細については特に重要です。
10. 同じ造園プロジェクトをさまざまな聴衆に紹介する場合、最も効果的なアプローチは何ですか?
- A) 同じ技術文書を全員に提示する
- B) 効果を高めるために節約と便益の数字を誇張する
- C) デザインのエッセンスを調整して、各聴衆が自分の言語で関心を持っていることを伝える ✔
- D) 技術審査員向けにのみプレゼンテーションを準備すれば十分です。
説明: 投資家はコストと価値を重視し、近隣住民は日々の利益と安全性を重視し、陪審はコンセプトと技術を重視します。すべての聴衆が理解できる言語で、単一のデザインの本質を、彼らが関心を持っていることを説明する。人工知能のフレーム変換能力を利用するのが最も効果的な方法です。同じ言語で全員に説明するのはよくある間違いです。
11. 人工知能に公園の総コストを直接計算させるのが間違っているのはなぜですか?
- A) 人工知能は常に現在の市場価格を知っています
- B) 人工知能はコストを計算しますが、大規模プロジェクトでのみ間違っています。
- C) 人工知能はプロジェクトの実際の期間と現在の価格を知りません。提示された金額は代表的なものであり、オファーではありません ✔
- D) コストは重要ではありません、重要なのはデザインの美しさです
説明: 人工知能は、プロジェクトの実際の長さも、現在のローカル単価も知りません。提示された金額は純粋に代表的なものであり、オファーではありません。正しい方法は、プロジェクト データから実際の数量を取得し、市場から単価を取得し、人工知能にテーブルを編集させるだけです。
12. 法律に関して人工知能を使用する際の最も危険なリスクと正しい予防策は何ですか?
- A) 人工知能は法律を暗記しているので、その記事は信頼できます。
- B) 法律は普遍的であり、現地での確認は必要ありません
- C) 人工知能によって与えられる商品番号は常に最新です。
- D) 人工知能は存在しない物質を作り上げることができます。すべての条項は、公式の最新情報源および当局から確認する必要があります ✔
説明: 法律は地域に根ざした最新のものであり、自由に解釈できます。 AI は存在しない項目番号やルールをでっち上げる可能性があります (幻覚)。正しい予防策は、いかなる規定も検証せずに使用しないことです。提供された公式テキストを要約し、チェックリストと公式への質問を生成し、公式の最新情報源から項目を確認するためにのみ人工知能を使用することです。
13. 顧客契約や荷物情報などのデータでの人工知能の使用には、どの原則が適用されますか?
- A) スピードが重要なので、すべてのドキュメントをそのままアップロードできます。
- B) 契約データは AI にとって重要ではない、無視される
- C) 小包情報は個人データとみなされないため、自由に共有できます。
- D) 機密データや個人データは制御なしに共有されません。必要に応じて匿名化して使用します ✔
説明: 顧客の身元情報、荷物情報、契約書および個人データは、制御されない方法で人工知能ツールにアップロードされるべきではありません。必要に応じて匿名化してデータを共有します。機密保持は、モジュール全体で強調される重要な倫理原則の 1 つです。
14. 人工知能を使用してプロジェクトをエンドツーエンドで実行する際の 3 つの不変の原則は何ですか?
- A) 1 回のリクエストですべてをリクエストし、結果を確認して配信します
- B) 人工知能が決定し、人間は実行するだけ
- C) 検証を蓄積し、プロジェクト終了時にまとめて行う
- D) 人工知能が生成し、人間が選択して所有する。すべての重要な出力が検証されます。決定と署名は専門家に帰属します ✔
説明: エンドツーエンドのワークフローでは、すべての段階で 3 つの原則が繰り返されます。AI がタイプして加速し、人間が選択して所有します。すべての数値出力、ローカル出力、およびセキュリティ クリティカルな出力が検証されます。決定と署名は有能な専門家に属します。これらの原則は、たとえそれが適用される対象のみが変化したとしても、不変のままです。