學 AI 之前，先問自己：你想學工具，還是想改變工作方式？
目前許多 AI 課程會用工具數量、生成效果或新模型作為主要介紹方式。這些資訊能幫助學習者理解課程範圍，卻不一定能回答一個更重要的問題：學完之後，這些能力要放進工作的哪一個環節？
對建築、室內、景觀及其他設計從業者而言，學習目標可以非常不同。有人希望加快提案前的視覺探索，有人需要整理訪談與設計條件，也有人想把 AI 生成結果銜接 CAD、BIM、SketchUp、Rhino 或既有的 3D 工作方式。
選課前可以先寫下目前最耗時、最不穩定或最難溝通的工作節點。你想改善的是資料整理、概念發散、圖像控制、方案深化、提案表達，還是團隊知識管理？同樣叫做 AI 設計課程，對應的解法可能完全不同。
知道自己要解決什麼問題，比先決定要學哪一款 AI 更重要。
先分清楚：AI 設計課程其實不是同一種類型
課程名稱相近，不代表學習目標與深度相同。以下四種類型經常彼此重疊，但先辨認主要重心，有助於判斷是否符合目前階段。
1. AI 工具入門型
主要介紹 ChatGPT、Gemini、Midjourney、Krea 等工具的基本功能、介面與操作方式。它適合剛接觸 AI、需要建立基本概念，或希望先理解文字與圖像模型差異的人。
這類課程的限制，是學員可能學會個別功能，卻還不知道如何把它放入真實專案。若已有操作基礎，就應確認課程是否包含更進一步的設計情境與練習。
2. AI 生圖與視覺表達型
重點通常是 Prompt、風格控制、效果圖、材料與視覺生成，適合重視前期概念、競圖、提案表達或專門從事視覺工作的人。它能快速擴展畫面方向，也能訓練對構圖與視覺語言的描述。
需要注意的是，漂亮圖片只代表設計工作的一部分。若目標是完整方案，仍要理解生成結果如何回到平面、尺度、材料、構造與後續專業工具。
3. AI 設計工作流型
這類課程關注需求、分析、概念、AI 探索、專業建模、修正、表達與交付之間的連接，適合希望把 AI 放進日常專業工作的人。
評估時應留意課程是否真的示範資料如何進出不同階段，而不只是把多個工具依序排列。
4. AI Agent／團隊系統型
著重知識庫、自動化、Agent、Prompt Template、團隊標準與企業工作流程，較適合已有 AI 基礎，準備建立共同方法或組織系統的人。這類內容通常還涉及資料治理、權限、版本與維護責任。
沒有哪一種類型一定最好。入門者需要先建立共同語言，視覺工作者重視控制與表達，專業團隊則可能更需要流程與標準。關鍵是課程與目前的學習階段及工作需求是否匹配。
選 AI 設計課程時，真正值得看的 8 個重點
1. 課程目標是否符合你的專業工作？
不要只看課名中有沒有「AI」。建築、室內、景觀與視覺設計的資料來源、交付成果和判斷條件不同。先看課程案例處理的是什麼問題，再判斷它是否接近自己的工作內容。
若課綱只描述工具功能，可以進一步確認練習的專案類型、預期成果與使用者程度。課程能解決的問題越清楚，越容易判斷投入是否合理。
2. 課程是否建立完整工作流，而不是只有工具操作？
完整工作流應清楚說明輸入資料從哪裡來、AI 做什麼、設計師做什麼，以及成果如何進入下一階段。例如一張生成圖，後續是用於氣氛討論、模型深化，還是正式提案，要求並不相同。
工具會更新，但一套能工作的設計邏輯具有更長的使用壽命。
3. 是否處理 AI 結果的可控性？
專業設計不只是從 Prompt 直接生成最後效果圖。值得觀察課程是否涉及參考圖、平面或模型輸入、構圖控制、材料控制、局部修改、一致性與多輪修正。
可控性代表設計師能保留已確認的部分，只修改需要調整的內容，也能讓不同視角與版本維持同一個方案。若每次生成都重新改變主要條件，成果便難以進入專業流程。
4. 是否回到真實的設計條件？
對建築與室內設計師而言，「生成效果」和「方案成立」是兩個不同層次。課程應讓學員理解尺度、空間關係、基地條件、材料、工法、法規、施工與預算仍需要專業判斷。
這不表示 AI 只能停留在概念階段，而是任何 AI 成果都要經過適當驗證。課程若能指出模型限制與錯誤來源，通常比只展示理想結果更有學習價值。
5. 有沒有真正的實作與回饋？
觀看示範可以快速理解功能，但「自己操作、發現問題、修改，再得到回饋」才容易建立可重複的方法。對設計工作流類課程，實作密度及講師如何回應個別成果，通常比單純觀看功能介紹更重要。
可以確認實作是跟著操作，還是需要完成自己的方案；回饋是統一講評、個別修正，或課後答疑。不同方式沒有絕對優劣，但應符合自己的學習目標。
6. 講師是否理解設計專業，而不只是熟悉 AI？
AI 技術能力與專業設計能力是兩種不同能力。選課時可觀察案例是否真正涉及需求、方案、尺度、設計判斷、專業工具與實際工作流程，而不只是呈現完成度很高的生成圖片。
同時也要避免只依賴職稱判斷。更實際的方式，是查看課綱中的問題設定、修正過程與成果標準，確認講師能否解釋為什麼採用某個方法。
7. 課程形式是否符合自己的學習方式？
實體密集、即時線上與錄播自學各有優勢。除了時間與地點，也要考慮自己是否需要現場協助、能否保持練習節奏，以及電腦與網路環境是否適合操作。
| 形式 | 主要優點 | 需要注意 |
|---|---|---|
| 實體密集課 | 互動與現場解題密度高 | 時間、交通與集中學習成本較高 |
| 即時線上課 | 地點彈性，仍可即時互動 | 需要自律及合適設備環境 |
| 錄播／自學課 | 時間自由，可反覆觀看 | 個別工作流問題的支援較有限 |
8. 工具更新後，學到的東西還剩多少？
AI 工具更新速度很快，介面、模型與功能都可能改變。評估課程時，可以分辨內容是在教某個版本的按鈕，還是在建立問題拆解、工作流程、控制方法、判斷標準與跨工具邏輯。
真正值得帶走的，不只是今天使用哪一個模型，而是明天換了模型之後，你仍然知道怎麼工作。
選課時常見的四個誤區
工具越多，課程越好
工具數量與真正掌握程度沒有直接關係。有限時間內快速瀏覽許多介面，可能建立廣度，卻未必有足夠練習理解輸入、控制、修正與輸出。應比較每個工具在流程中的任務，而不是只計算名稱。
生成圖越漂亮，越適合專業設計師
漂亮圖能證明視覺表達能力，但不能單獨證明課程會處理空間、尺度、材料或施工。若自己的需求偏向方案深化，就要確認案例是否呈現從設計條件到專業成果的過程。
只比較課程時數和價格
時數與價格是必要資訊，但也要考慮實作密度、回饋方式、內容深度，以及軟體帳號、硬體、交通和課後練習等整體學習成本。相同時數可能有非常不同的操作與吸收節奏。
只追最新 AI 工具
新工具可能改善特定工作，但不一定適合每個專案。優先理解可遷移的工作方法，才能在工具更新時快速辨認新功能應放在哪裡，而不是每次都重新開始。
實體、線上、自學，哪一種 AI 設計課程比較適合？
| 學習形式 | 適合對象 | 主要優點 | 需要注意的地方 |
|---|---|---|---|
| 實體密集課 | 需要集中練習、即時協助與專業討論者 | 互動密度高，操作問題可現場處理 | 需安排完整時間，並考慮交通與設備 |
| 即時線上課 | 已有基本設備，希望兼顧互動與地點彈性者 | 可遠端參與，也能提問與觀看示範 | 需要穩定網路、自律及獨立操作能力 |
| 錄播／自學課 | 已有明確目標，偏好自行安排進度者 | 時間自由，可針對特定內容反覆觀看 | 缺少即時修正時，個別問題可能較難排除 |
對第一次建立完整 AI 設計工作流的人，如果需要大量操作、即時修正與專業問題討論，較高互動密度的學習形式可能比較有效。但對已有基礎、只需要補充特定工具或方法的人，線上或自學也可能更有效率。
選擇形式時，可以回到自己的時間結構與學習習慣：是否能連續投入、是否需要外部節奏，以及遇到錯誤時能否自行定位問題。形式本身不是品質保證，適配程度才是重點。
一分鐘檢查：這門 AI 設計課程適不適合你？
以下不是針對任何特定機構的評分，而是一份可以用來檢查不同課程的學習決策工具。勾選越多，代表課程內容與你的需求描述得越清楚；未勾選的項目，則可在報名前進一步詢問。
- 我知道自己想解決的設計問題
- 課程內容和我的建築／室內／景觀工作有直接關係
- 不只是介紹工具，而是有完整工作流程
- 有實際操作
- 有方法處理生成結果的可控性
- AI 成果能銜接既有專業工具
- 講師／課程內容理解設計專業條件
- 即使工具更新，學到的方法仍具有可遷移性
Checklist 的作用不是找出涵蓋所有內容的課，而是辨認哪些條件對自己最重要。若希望改變日常工作方式，就應提高對實作、銜接與回饋的要求。
HANK Atelier 對 AI 設計學習的理解
AI 設計教育真正重要的，不是讓設計師在短時間內記住更多工具，而是建立一套能持續吸收新工具的專業工作方法。工具會改變、模型會更新、介面也會調整，但設計工作的核心並不會因此消失。
理解需求、拆解問題、控制輸入、判斷結果、回到專業設計並完成方案，這些能力仍然存在。當設計師能把新工具放入明確的工作節點，就不必因每一次更新而重新追逐所有功能。
因此，學習 AI 對設計師最大的價值，不是追上某一款工具，而是逐步建立自己的 AI 設計工作流。它應該能配合專業背景與現有工具，也能隨著專案與技術變化持續修正。