International Center for Cultural Studies

側記｜AI 浪潮下的房市：當住房危機遇上人工智慧？

2026-01-12

活動日期丨2026年1月12日（一） 14:00-16:00

講者｜Dr. Sophia Maalsen （雪梨大學建築、設計與規劃學院高級講師）

主持｜彭松嶽（國立陽明交通大學科社所副教授）

側記作者｜張書維（臺灣大學地理所博士候選人）

活動連結｜連結

活動照片｜連結

所屬子計畫｜21世紀環境危機與多物種正義：邁向多於人的解殖

子計畫主持人｜蔡晏霖

AI 作為住房危機的政策解方：技術樂觀主義的興起

在本次演講中，Dr. Sophia Maalsen 以全球住房危機持續加劇的背景為起點，探討人工智慧（AI）如何被政策制定者、國際組織與產業部門（如英國住房部門、世界銀行及澳洲政府）動員為解決住房問題的關鍵技術。她反思這股「技術解決主義」（techno-solutionism）浪潮背後所隱含的治理邏輯與政治意涵，並指出近年來 AI 經常被描繪為能夠透過資料分析、流程優化與自動化決策來「去除繁文縟節」，大幅提升住房供給效率的解方，甚至被視為突破當前制度僵局的必要條件。

然而，Maalsen 強調，這類敘事往往將 AI 視為中立且普遍適用的工具，忽略其在實際運作中所嵌入的社會假設、價值判斷與權力關係（如種族與階級偏見）。她指出，AI 並非單純回應既有的住房問題，而是在被部署的過程中，逐步參與了問題本身的界定與重構，進而影響哪些面向被視為可治理、可優化，哪些則被排除於政策與制度視野之外。

既有研究：演算法對社會不平等的強化

回顧既有研究，Maalsen 指出，AI 與演算法在租賃市場、房地產科技（PropTech）與抵押貸款領域的應用，已顯示出其深刻的社會影響。從租戶篩選、租金定價到投資風險評估，這些技術透過群體化的預測模型與資料分類機制，將結構性不平等重新包裝為「客觀」的技術判斷。她以美國 RealPage （演算法提高租金）與 SafeRent（演算法歧視非裔與拉美裔申請人）的案例為例，說明演算法如何在缺乏透明度與問責機制的情況下，強化既有的種族、階級與地理差異，並將私部門利益凌駕於公共利益之上。

圖一：AI 演算法介入租賃與貸款市場，常將社會偏見轉化為看似中立的技術判斷。在缺乏問責下，這些工具往往強化了既有的種族與階級差異，使公共利益讓位於私人利益。

作為「整體住房系統」的 AI：分類學與實務困境

基於這些觀察，Maalsen 主張，若僅聚焦於單一市場或單一技術應用，將難以理解 AI 對住房體系所造成的整體影響。她提出一個橫跨整個住房系統的分析框架，一個涵蓋住房全生命週期的分類學，指出 AI 正同時滲透至：前期規劃與設計、建造與拆除、資產管理、租賃管理，以及監管與執法等五個關鍵環節。

以新南威爾斯州的「早期採用者計畫」（Early Adopters Program）為例，政府於 2024 年初投入 500 萬澳幣（約一億台幣）的補助金，鼓勵地方議會試用 AI。然而，在系統未臻完善下，原定 6 週的試點計畫最後拖了一年，許多產品根本無法達到宣稱的功能，導致規劃師原本希望能節省時間，結果反而需耗費更多時間在「訓練」AI，並協助廠商修正錯誤。一位規劃師感嘆：「如果我把訓練 AI 的人力省下來，我們早就處理完那些申請了。」從結果來看，目前最成功的應用僅止於聊天機器人 Daisy，用於回答如「我家可以蓋多高」等基本的客戶服務問題，這與當初宣稱的「革命性改變」相去甚遠。

圖二：新南威爾斯州政府投入 500 萬澳幣推動 AI 試點，卻因系統未臻完善導致時程大幅延宕。規劃師不僅未能節省時間，反需耗費大量人力修正技術錯誤，顯現出技術介入後產生的人力錯置與效率弔詭。

圖三：Maalsen 提出涵蓋住房全生命週期的分析框架，指出 AI 已滲透至規劃、建造、資產、租賃與監管五大環節；然而實務上常面臨效能不彰與人力錯置，導致技術革命淪為基礎的客服應用。

演算法認識論：AI 作為知識生產的合作者

在理論層面上，Maalsen 特別強調，理解 AI 對住房體系的影響，必須重新思考人與技術之間的關係。她引入其提出的「演算法認識論」（algorithmic epistemologies）概念，主張將 AI 視為與人類共同生產住房知識的「合作者」，而非僅是被動執行指令的工具。在此觀點下，演算法並非單向地反映資料，而是在特定制度與操作條件下，主動參與了知識生成、問題分類與決策排序的過程。

Maalsen 進一步借助美國文學評論家 N. Katherine Hayles 關於「非意識認知」（unconscious cognition）與「間歇性能動性」（punctuated agency）的討論，指出 AI 的能動性往往出現在制度流程中的特定節點，並與人類專業判斷交錯運作。透過此分析框架，研究者能更清晰地辨識決策權如何在不同時刻於「人類」與「演算法」之間移轉，並為責任歸屬與監管機制提供更具體的切入點。

她指出，這種後人類取向（posthumanist approach）並非抽象理論，而是對住房研究方法論的直接挑戰。若研究者僅停留在政策文本分析或演算法輸出結果的層次，將難以捕捉 AI 如何在實務中逐步重塑專業角色、工作流程與治理權威。因此，她建議透過質性與混合方法，深入研究規劃者、管理者與技術系統「一起工作」的日常實作，揭示 AI 如何成為住房治理中的基礎設施。

同時，在方法論上，她極力推崇紮根的案例研究（Grounded Case Study），強調應避免將 AI 視為一個整體的、通用的概念。由於 AI 在不同地區（地理差異）和應用場景（技術差異）下的表現截然不同，研究者必須進行具體的實證研究，而非空泛地討論「AI 的影響」。

以都市規劃為關鍵場域：AI 與治理邏輯的重組

在實證分析上，Maalsen 選擇以澳洲新南威爾斯州（NSW）都市規劃體系作為關鍵案例。她指出，在住房供給壓力與明確建屋目標的政治情境下，州政府將住房供應不足的問題界定為是「開發審批（DA）瓶頸」——即審核速度太慢，並透過「AI in Planning」等計畫，引入 AI 技術以加速申請前檢核與審查作業。此一政策取向，反映了住房危機如何被重新框架為一個「可由技術優化的供給問題」。

Maalsen 進一步分析，這類計畫透過補助與試點機制，引入多家私部門技術供應商在地方政府中進行短期且高度密集的實驗性部署。一方面，這為政府提供了低風險的試驗空間；另一方面，也為 AI 供應商創造了進入公共治理體系的管道。然而，當規劃流程與文件被轉譯為可被 AI 處理的格式，某些形式的知識與判斷逐漸取得優勢；而其他難以量化、但與公共利益密切相關的考量，則可能遭到邊緣化。

她提醒，當 AI 被定位為「專家型合作者」時，其建議往往會被賦予高度權威，進而限縮了規劃人員的裁量空間與責任配置。這不僅改變了規劃工作的實務樣貌，也對公共責任與民主問責提出新的挑戰。

問答及討論：AI 如何重塑「問題本身」

在問答環節中，一位碩士學生提到，台灣政府正嘗試利用 AI 工具來促進都市更新，特別是針對產權細碎的土地所有者進行意見分配與建立共識，並詢問澳洲是否有類似案例？

Maalsen 表示目前在澳洲尚未看到將 AI 用於「建立共識」的應用，大部分仍集中在開發提案的處理。她認為這是一個非常有趣的願景，因為所有權破碎確實是大規模重新開發的挑戰，但她對 AI 是否真能撫平這些決策摩擦持保留態度。

其次，與會的一位老師詢問，澳洲使用什麼樣的資料來訓練 AI？資金由誰提供？以及納稅人是否能擁有或影響 AI 產出的知識？

Maalsen 回覆，地方議會持有資料，科技公司常為了免費獲取資料而參與試點。然而，資料標準化是巨大挑戰，不同層級的政府（地方、州、聯邦）資料往往無法銜接，甚至有數週的延遲。她亦指出資料產權問題很模糊，許多議會甚至在未確認所有權的情況下，就將資料交給了開發公司。

與會者接著詢問道，我們為何需要 AI？它能解決什麼現有系統無法解決的問題？以及如何確保資訊安全與法律合規？

Maalsen 直言她不確定房地產系統是否真的需要 AI。政府往往將住房危機簡化為「供應不足」，並認為 AI 能加速審批程序，但實際上開發商常在獲得核准後囤地，這並非 AI 能解決的。同時，AI 很難處理涉及遺產、環境計畫等複雜且具地域特性的專業知識，這些決策仍需規劃師的判斷。

主持人國立陽明交通大學科社所副教授彭松嶽老師最後提問，關於貸款或租屋市場中的演算法評分，如何應對其可能帶來的種族偏見，以及研究者該如何深入了解這些「黑盒」演算法？

Maalsen 回覆，軟體商通常對演算法權重三緘其口（演算法黑箱）。她自己曾嘗試透過技術手段爬取平台，或訪問開發商與房仲來了解運作方式。另一方面，即使有 AI 評分，最終決定權往往仍在房仲手上，而房仲可能會根據個人直覺或房東的歧視性要求來做決定。此外，她觀察到一個有趣的「合規優勢」：房仲使用平台的一個動力是「資料合規」，因為平台會自動刪除過期的身分資料，減輕法律責任。

圖四：問答環節中，主持人彭松嶽老師特別針對貸款與租屋市場中「黑盒」演算法可能產生的種族偏見，以及研究者該如何介入調查這些不透明的技術機制提出了關鍵提問。這也引發了講者 Maalsen 對於軟體商權重黑箱、技術爬取研究方法，以及房仲如何利用平台達成「資料合規」的深入回應。

結語

整體而言，本次演講指出AI 在住房體系中的擴張不僅是一項技術發展，更是一場關於治理、知識與政治的深刻轉變。Maalsen 認為，現階段 AI 在住房系統的應用目前更像是一種「政治宣傳」，旨在展示政府正努力現代化並消除官僚主義，但實際成效仍受限於資料不對稱、法規複雜及人為偏見等多重阻礙。

她強調，住房研究有必要在 AI 尚未全面制度化之前，積極介入其發展軌跡，透過具體且脈絡化的實證研究，辨識技術帶來的風險與可能性，並進一步思考如何引導 AI 的應用方向，使其不致進一步加劇住房體系中既有的不平等。