(Co) Working Community & Data-Driven Design 2 | สถานที่ทำงานสมัยใหม่ ตอนที่ 2
ต่อจากตอนที่แล้วครับ…
การออกแบบพื้นที่ใช้สอย co-woring spaces ให้สวยน่าใช้ ไม่ใช่เรื่องยากสำหรับนักออกแบบ แต่การประเมินเอาองค์ประกอบต่างๆมาวางรวมกันให้เหมาะเจาะ ส่วนใช้งานอะไรตรงไหน จำนวนโต๊ะขนาดห้องประชุม พื้นที่ต่างๆ มีความยาก และจำเป็นต้องมีความรู้ที่ทันสมัยเสมอ เพราะการทำงานของ Co-working Spaces มีความ Flexibility อยู่มาก จึงเป็นเรื่องความชำนาญในการวิเคราะห์ตีโจทย์ให้แตก ที่นักออกแบบนำจากการสัมภาษณ์ จากงานที่เคยทำหรืองานของผู้อื่นมาเป็น Case Studies เพื่อการประเมินผลเพื่ออกแบบ การเก็บข้อมูลและประเมินนี้จะครบถ้วนหรือไม่ ก็ขึ้นอยู่กับการค้นคว้าการเข้าถึง ซึ่งเป็นทักษะเป็น Intuition
เทคโนโลยีปัจจุบันได้พัฒนาสามารถคำนวณและคาดคะเนอะไรต่างๆได้ชัดเจนและเร็วขึ้น จากการใช้ Machine Learning, Deep Learning หรือ Artificial Intelligence เมื่อมีข้อมูลมากขึ้นการคาดการจำนวนพื้นที่สร้างทำงานเพื่อตอบสนองการใช้งานก็ใกล้เคียงกับความต้องการมากเมื่อเทียบกันการนักออกแบบประเมิน
องกรค์อย่าง WeWork หนึ่งในธุรกิจ Co-Working Spaces ที่มีชื่อเสียงและมีหลายสาขาทั่วโลก ณ วันนี้มีสมาชิกกว่าแสนคน มีสถานที่เกือบสองร้อยแห่ง ก็เริ่มใช้กระบวนการจัดการประเมินนี้ เพื่อสร้างโปรแกรมวิเคราะห์การใช้สอย การเก็บข้อมูลประมวณการออกแบบ การเลือกสถานที่ก่อสร้างไปจนถึงขนาดของห้องประชุม นับเป็น Data-Driven Design แห่งแรกๆ WeWork สามารถป้อนขัอมูลได้ดี เพราะมีผู้ใช้มาก การรวบรวมข้อมูล Feedback โดยตรงจึงมีมากขึ้นเรื่อยๆ สามารถเอามาใช้ใน Artificial Neural Networks หนึ่งในระบบ Machine Learning Algorithm มีผลที่ออกมาได้ประโยชน์ใช้สอยที่ใกล้เคียงกับความต้องการที่มนุษย์นักออกแบบคาดเอาเองกว่าถึง 30-40%
เราต้องถือว่าเป็นกระบวนการคิดจากสองแก่นนี้ Community-Driven Collaboration และ Data-Driven Design ยังใหม่นัก ที่นำมาใช้เพื่อสนับสนุนการออกแบบเพื่อส่งเสริม Co-Working Spaces คงต้องมีการปรับปรุงพัฒนาไปเรื่อยๆ เพื่อให้เกิดการพัฒนามีคุณภาพสอดคล้องของการทำงานของยุคใหม่