如今的辦公樓是智能的，并且在機器學習和人工智能的幫助下變得更加智能。

　　最近物聯網設備的激增及其與基于云的技術的融合使得生成有關建筑性能的數據變得更加容易——為建筑業主應用人工智能和機器學習來做出關鍵的運營和財務決策創造了絕佳的機會。

　　當今的建筑物已經發展成為復雜的互聯技術系統，可以對其進行操作以最大限度地提高效率，例如節省成本或提高工人的生產力和居住者的舒適度。

　　Siemens、PointGrab、Crestron、Aquicore 等公司正在部署 AI 和 ML 以實現運營效率，以節省建筑業主的能源成本或提高工作場所的生產力。

　　隨著人工智能繼續滲入市場，以下是可用于使建筑更智能的三種方式。

　　優化辦公樓的能源消耗

　　美國能源信息署估計，到 2040 年，世界能源消耗量可能增長 28%。根據能源研究所的數據，建筑技術是僅次于運輸和發電的最大能源消耗者。住宅和辦公樓的供暖、制冷和照明約占能源消耗的 40%。

　　在減少能源消耗方面，今天的建筑物主要依賴于事后報告——主要是分析使用了哪些能源，然后實施改變，希望下次使用更少的能源。人工智能和預測分析正在迅速將這種方法轉變為一種主動的方法。

　　例如，在 HVAC 系統的情況下，控制房間溫度基本上告訴系統在一個區域吹多少冷空氣來降低溫度。

　　然而，管理或優化 HVAC 熱負荷還涉及許多其他因素，包括空間內的人類活動、陽光、來自電子設備的熱量和居住者的數量。以前無法獲得的這些因素的信息現在可以通過低成本的物聯網設備和傳感器收集，并用于降低 HVAC 系統的能耗。

　　基于人工智能的能源管理平臺可以根據這些因素識別出陽光較少或居住者較多的時間，從而將適量的空氣適當地吹入房間。它甚至可以根據使用模式確定在能源價格最高時對建筑物進行預冷或在活動量較低時減少冷卻的時間。

　　辦公樓的預防性維護

　　除了優化能源效率外，人工智能和機器學習還非常適合通過識別物聯網設備和傳感器收集的數據中的異常和不一致來檢測辦公樓系統中的故障和故障。在識別出這些癥狀后，人工智能可用于確定原因并提供診斷。

　　人工智能在檢測基于數據的細微和定性異常或組件之間的關系方面特別有效，由于我們審查大量數據的能力有限，人類難以過濾。

　　然而，應該指出的是，人工智能的作用主要是提供信息——仍然需要人類的直覺和專業知識，才能根據對故障或故障的評估正確地確定要采取的最佳行動。

　　提高辦公樓的居住舒適度

　　最近的研究發現，工作場所的舒適度和工人的生產力之間存在著積極的聯系。一項針對近 136.000 名受訪者的調查發現，高效工作空間中最關鍵的部分與身體舒適度直接相關：辦公桌、椅子和溫度控制。

　　辦公室工作人員由于分心而每天損失 1.5 小時的工作效率，因為他們要么正在考慮不適而不是專注于手頭的任務，要么可能開始將時間浪費在應對痛苦的行為上。無論哪種方式，這個問題都會使大型企業和辦公室租戶每年損失數百萬的生產力。

　　移動應用程序和可穿戴設備通過使居住者能夠直接與建筑運營商聯系來解決這個問題。大樓業主現在可以直接了解住戶如何使用大樓，并通過直接租戶反饋評估他們的舒適度。

　　從這些設備收集的數據可以作為變量添加到 AI 中，以構建關于建筑物如何執行以實現其更高的工人生產力的高級模型，從長遠來看，這會為建筑物所有者帶來租戶保留和其他好處。