Inteligentne, wspierane przez AI mieszkanie wcale nie musi być przyjaznym miejscem. Może być i funkcjonalną maszyną do mieszkania, jak i mokrym snem patodewelopera, który dzięki technologii jeszcze lepiej "optymalizuje" przestrzeń.
Najbardziej futurystyczne mieszkanie przyszłości może wyglądać zaskakująco zwyczajnie. Nie musi mieć ścian z ekranów ani głosu komputera witającego nas po powrocie. Wystarczy, że bez demolowania połowy lokalu da się po dekadzie wydzielić dodatkowy pokój, poszerzyć przejście dla wózka, przenieść funkcję sypialni albo zamienić część domu w miejsce do pracy. To mniej efektowne niż wizualizacja wieżowca generowana w kilka sekund. I znacznie ważniejsze.
Przez dekady mieszkanie projektowano dla stabilnej biografii: para, dzieci; salon, sypialnia i pokoje. Tymczasem rośnie liczba gospodarstw jednoosobowych. Do tego społeczeństwa się starzeją. Praca wchodzi do domu, a opieka nad rodzicem czy chorym dzieckiem potrafi w kilka miesięcy zmienić potrzeby całej rodziny. Przez kilkadziesiąt lat ten sam lokal może być potrzebny zupełnie innym ludziom.
Ta idea wcale nie narodziła się wraz z ChatGPT. Architekci związani z nurtem Open Building od dawna postulowali oddzielenie trwałego "szkieletu" budynku od zmiennego wypełnienia. Tatjana Schneider i Jeremy Till, badacze architektury i autorzy jednej z najważniejszych prac o elastycznym mieszkalnictwie "Flexible housing opportunities and limits", definiują je jako takie, które pozwala zmieniać sposób używania przestrzeni lub jej fizyczny układ w czasie. Ich najważniejsza obserwacja brzmi niemal banalnie: projektowanie budynku tylko dla jednego typu gospodarstwa domowego i jednego momentu życia jest formą krótkoterminowego myślenia.
I tu warto postawić granicę między tym, co AI rzeczywiście wnosi, a tym, z czym ludzie radzą sobie od zawsze. Nie potrzebujemy algorytmu, by wiedzieć, że dziecko wymaga miejsca na łóżeczko, a praca zdalna – biurka. Przewaga odpowiednio dobranych narzędzi AI może pojawić się wcześniej, na etapie projektowania całego budynku, kiedy trzeba jednocześnie policzyć setki zależności: konstrukcję, instalacje, koszty, nasłonecznienie, przepisy, dostępność i możliwość późniejszego łączenia lub dzielenia lokali. System generatywny może pomóc projektantowi szybko przeszukać większą przestrzeń rozwiązań i wybrać warianty do dalszej analizy. Ich zgodność z wymaganiami oraz możliwość realizacji nadal wymagają fachowej weryfikacji.
AI pomaga liczyć i porównywać warianty. Cele oraz kryteria oceny wyznaczają ludzie.
AI w architekturze potrafi już generować koncepcje i układy mieszkań, a także optymalizować energię, nasłonecznienie, materiały czy geometrię. Sens nie polega jednak na samym wyprodukowaniu setek wersji. Nadmiar wariantów ma wartość tylko wtedy, gdy pozwala sprawdzić kompromisy, których projektant nie zdołałby policzyć ręcznie w rozsądnym czasie: czy poprawa doświetlenia pogorszy koszt konstrukcji, czy większa elastyczność układu utrudni prowadzenie instalacji, czy oszczędność energii nie odbędzie się kosztem komfortu. Badania nad narzędziami generatywnymi pokazują właśnie tę dwoistość: algorytmy przyspieszają eksplorację rozwiązań, ale wynik wymaga oceny eksperta i dobrze ustawionych kryteriów. Problem zaczyna się wtedy, gdy "więcej wariantów" mylimy z "lepszym projektem", a "optymalizację" z dobrem mieszkańca.
W czerwcu 2026 roku badacze z Politechniki Poznańskiej porównali plany mieszkań generowane przez PlanFinder z rozwiązaniami zaprojektowanymi przez architektów w polskich budynkach wielorodzinnych. Narzędzie było szybkie i nieźle radziło sobie z ogólną organizacją funkcji, ale miało poważne problemy z częścią wymogów prawnych i ergonomicznych. Autorzy opisują wręcz rodzaj "technicznej ślepoty": algorytm potrafi wygenerować przekonującą geometrię, a równocześnie pominąć elementy, które dla mieszkańca i procesu budowlanego są podstawowe. Wniosek nie brzmi: AI nie nadaje się do projektowania.
W czerwcu 2026 roku badacze z Politechniki Poznańskiej porównali plany mieszkań generowane przez PlanFinder z rozwiązaniami zaprojektowanymi przez architektów w polskich budynkach wielorodzinnych. Narzędzie było szybkie i nieźle radziło sobie z ogólną organizacją funkcji, ale miało poważne problemy z częścią wymogów prawnych i ergonomicznych. Autorzy opisują wręcz rodzaj "technicznej ślepoty": algorytm potrafi wygenerować przekonującą geometrię, a równocześnie pominąć elementy, które dla mieszkańca i procesu budowlanego są podstawowe. To ograniczenia badanego narzędzia, a nie dowód, że wykorzystanie AI musi pogarszać jakość mieszkań. Pokazują, dlaczego wygenerowany układ wymaga sprawdzenia przez projektanta.
To prowadzi do ważniejszego kłopotu. Sztuczna inteligencja jest bardzo dobra w tym, co da się przełożyć na parametr: powierzchnię, koszt, czas, energię, odległość, temperaturę, liczbę miejsc parkingowych. Znacznie trudniej zapisać w funkcji celu godność, prywatność, możliwość przypadkowego spotkania sąsiada, poczucie bezpieczeństwa dziecka wracającego ze szkoły czy zwykłą przyjemność siedzenia przed domem. A przecież właśnie te rzeczy rozstrzygają, czy architektura jest "na miarę człowieka".
Marek Bielecki, architekt, odpowiadając na pytanie o demografię i przyszłość gęstych miast, odwraca perspektywę.
– Miasto nie tyle przeludnione, ile źle "zaludnione". Możemy zagęścić ludzi na małej powierzchni i równocześnie sprawić, że będą sobie obcy. To nie jest problem, który rozwiąże sama optymalizacja. Gęstość to liczba. Sąsiedzkość to relacja – wyjaśnia.
Demografia łatwo popycha projektowanie w stronę prostego rachunku: skoro rośnie liczba singli i starszych osób, budujmy więcej małych lokali. To odpowiedź logiczna, ale niepełna. Systematyczny przegląd badań nad związkiem środowiska zbudowanego z samotnością pokazuje, że znaczenie mają nie tylko same mieszkania, ale też charakter sąsiedztwa, przestrzenie wspólne, zieleń, transport i możliwość nieformalnych kontaktów. Innymi słowy: osoba mieszkająca sama potrzebuje prywatności, lecz niekoniecznie izolacji.
Dobre osiedle tworzy stopnie prywatności: własne mieszkanie, półprywatny korytarz lub dziedziniec, wspólny ogród czy warsztat, wreszcie ulica i miasto. I tu rzeczywiście nie ma niczego, czego nie umielibyśmy projektować przed epoką AI – wiele powojennych osiedli, także w PRL, świadomie budowało takie warstwy wspólnotowości. Technologia nie wymyśla więc sąsiedztwa. Może co najwyżej pomóc sprawdzić, jak różne układy zadziałają dla zmieniającej się liczby mieszkańców, wieku, mobilności czy sposobu pracy. Zła architektura skraca tę sekwencję do mieszkania, windy, garażu i samochodu. Można wtedy mieszkać obok setek osób i nie znać prawie nikogo.
Tu elastyczność nie oznacza ruchomych ścian rodem z technologicznego showroomu. Schneider i Till ostrzegali, że część realizacji używała hasła "flexibility" jako dekoracji nowoczesności, podczas gdy technicznie skomplikowane rozwiązania okazywały się w praktyce mało zmienne. Najbardziej udana elastyczność często jest nudna: rozsądny rozstaw konstrukcji, możliwość przestawiania lekkich przegród, instalacje przygotowane na zmianę, pomieszczenia o proporcjach pozwalających na różne użycia. Architektura przyszłości może być bardziej zaawansowana właśnie wtedy, gdy technologii nie widać.
Dotyczy to także starzenia. Zanim mieszkanie zacznie za pomocą czujników wykrywać upadek osiemdziesięciolatka, warto zaprojektować je tak, by trudniej było się w nim przewrócić. Zanim AI nauczy się sterować opieką, potrzebne są przejścia bez barier, odpowiednio szerokie drzwi, dostępne łazienki i ciągi komunikacyjne, które pozwalają możliwie długo pozostać samodzielnym. Najpierw dostępna, bezpieczna przestrzeń. Dopiero potem inteligencja cyfrowa.
Druga wizja to budynek reagujący na użytkownika w czasie rzeczywistym. Czujniki mierzą temperaturę, wilgotność, jakość powietrza i obecność ludzi; cyfrowy bliźniak przewiduje zużycie energii albo awarię, a algorytm reguluje wentylację i ogrzewanie zależnie od faktycznego użycia pomieszczeń.
Ale budynek, który najlepiej zna nasze potrzeby, jest zarazem budynkiem, który gromadzi o nas najwięcej informacji. Kiedy wychodzimy? Kiedy wracamy? Ile osób nocuje? W którym pokoju spędzamy wieczór? Jak często korzystamy z prysznica? Ile energii zużywamy? Dane potrzebne do komfortu mogą jednocześnie tworzyć szczegółowy profil zachowania.
Rob Kitchin, geograf i jeden z najważniejszych badaczy cyfryzacji miast oraz polityki danych miejskich, od lat zwraca uwagę, że przestrzeń nasycona sensorami staje się bardziej „poznawalna” i sterowalna. Efektywności towarzyszy ryzyko technokratycznego zarządzania, korporatyzacji infrastruktury i panoptycznego miasta. Dataveillance nie musi patrzeć na człowieka bezpośrednio: wystarczy, że zbiera, sortuje i łączy cyfrowe ślady jego codziennych działań.
Bielecki ujmuje ten konflikt jednym pytaniem: "Pytanie, kto jest po drugiej stronie kamery i rejestratora?". To właściwie sedno. Ten sam monitoring może wykryć pożar albo włamanie. Ten sam system może też stać się narzędziem permanentnej kontroli. Technologia nie rozstrzyga, która funkcja jest ważniejsza. Rozstrzyga to właściciel systemu, regulamin, prawo i układ władzy.
Igor Białorucki, architekt i właściciel pracowni projektowej BIAU, specjalizującej się m.in. w projektowaniu wnętrz komercyjnych, opisuje tę zmianę z perspektywy codziennej pracy. Jak mówi, AI przyspiesza etap koncepcyjny: zamiast ręcznie opracowywać dwa lub trzy warianty, zespół może z jej pomocą przygotować ich więcej w znacznie krótszym czasie. Pracownia wykorzystuje te narzędzia także do wizualizacji. W jego ocenie oznacza to niższe koszty części prac i łatwiejszy dostęp do możliwości, które wcześniej wymagały większego budżetu.
Ta zmiana nie sprowadza jednak zawodu architekta do wydawania poleceń maszynie. Białorucki zauważa, że wartość współpracy z pracownią przesuwa się w stronę doświadczenia, odpowiedzialności prawnej i doprowadzenia koncepcji do skutecznej realizacji. Wygenerowanie obrazu nie zastępuje sprawdzenia, czy projekt da się wykonać i czy odpowiada on wymaganiom bezpieczeństwa oraz potrzebom użytkowników.
W bardziej złożonych przedsięwzięciach potrzebna jest również rozmowa z inwestorem i zespołem, dla którego powstaje przestrzeń. Architekt zbiera różne potrzeby, porządkuje je i nadaje im kierunek. Zdaniem Białoruckiego AI może wspierać także ten etap, pomagając formułować pytania czy program projektu, ale doświadczenie i odpowiedzialność człowieka pozostają istotą współpracy.
W jego ujęciu AI jest więc narzędziem zwiększającym efektywność pracy i możliwości analizy, a nie przyczyną obniżenia jakości architektury. O efekcie nadal decydują kompetencje projektanta, regulacje, wymagania inwestora i użytkowników oraz przebieg realizacji. Większa liczba rozpatrzonych wariantów może pomóc znaleźć lepsze rozwiązanie, jeśli towarzyszy jej fachowa ocena.
W ocenie Białoruckiego rozmowę o jakości zabudowy trzeba zacząć od planowania przestrzennego, infrastruktury i ekonomiki inwestycji. Architekt krytycznie odnosi się do medialnego pojęcia „patodeweloperka”: uważa je za sensacyjne i stygmatyzujące przedsiębiorców, a zarazem odwracające uwagę od niewłaściwych regulacji planistycznych.
Jego argument jest następujący: prywatne firmy odpowiadają na popyt i budują w ramach zasad ustalonych przez władze publiczne. Na wielkość oferowanych mieszkań wpływają zarówno dopuszczalne parametry, jak i koszty realizacji oraz możliwości finansowe nabywców. Zdaniem architekta bez uwzględnienia tych zależności krytyka samych deweloperów nie wyjaśnia, dlaczego powstają określone budynki i osiedla.
Białorucki podkreśla także potrzebę spójności decyzji o zabudowie i infrastrukturze. Zwraca uwagę na problem osiedli, których powiązania ze szkołami mogą zostać pogorszone przez późniejsze decyzje drogowe. Jego zdaniem planowanie powinno uwzględniać codzienne trasy mieszkańców i długofalowe potrzeby lokalnej społeczności, a nie ograniczać się do dopuszczenia budowy na poszczególnych działkach.
– Tutaj warto opisać to jako konkretny przykład, gdzie planowanie nowej drogi jako obwodnicy Lesznowoli, odcięło nowo powstające osiedla od wygodnego dostępu do szkoły. Ok droga była w planie od dawna, ale MPZP umożliwiał powstawanie na tych terenach osiedli. Plany na budowę drogi były znane twórcom MPZP i to oni ponoszą odpowiedzialność za stan rzeczy – zauważa.
Podobnie wyjaśnia znaczenie wymagań dotyczących przestrzeni wspólnych. Posługuje się przykładem placu zabaw: jeżeli jego wykonanie jest wymagane, inwestor musi uwzględnić je w przedsięwzięciu. Białorucki przekonuje, że jasno określone potrzeby społeczności można w ten sposób wpisać w reguły, w których działa rynek.
– Jeżeli masz właściwą regulację, która myśli o tej lokalnej społeczności, jak ona ma funkcjonować przez następnych 10, 20, 30 lat, to to zostanie wypełnione przez siłę rynku we właściwej formie – przekonuje.
W tym miejscu moje stanowisko jako autora różni się od stanowiska Białoruckiego. Przepisy nie działają w próżni, a inwestor podejmuje decyzje także z myślą o rentowności przedsięwzięcia. Uważam więc, że ocenę jakości zabudowy należy rozszerzyć o presję na maksymalne wykorzystanie działki i o wybory biznesowe podejmowane w granicach prawa. Sama regulacja jest zresztą wynikiem ścierania się interesów mieszkańców, samorządu, właścicieli gruntów, deweloperów i banków. W mojej ocenie pytanie dotyczy zarówno jakości przepisów, jak i wpływu poszczególnych uczestników rynku na ich kształt.
Widzę tu ryzyko, które należy odróżnić od nieuchronnego skutku stosowania AI. Jeżeli inwestor i projektant ograniczą kryteria do maksymalizacji powierzchni sprzedawalnej oraz redukcji kosztów, narzędzia obliczeniowe mogą przyspieszyć poszukiwanie rozwiązań pomijających potrzeby mieszkańców, które nie zostały zapisane w wymaganiach. Źródłem problemu będzie jednak tak określony cel i brak odpowiedniej kontroli, a nie samo użycie sztucznej inteligencji.
Można też uwzględnić szerszy zestaw kryteriów: światło dzienne, przewietrzanie, dostępność, odległości między oknami, możliwość późniejszej zmiany układu, różnorodność mieszkań, jakość części wspólnych, bezpieczeństwo dojścia, powierzchnię biologicznie czynną. Narzędzia AI mogą pomagać w porównywaniu takich wariantów, lecz część kryteriów wymaga także oceny jakościowej. Algorytm nie rozstrzyga samodzielnie konfliktu wartości. Dlatego najważniejsze pytanie nie brzmi, czy AI będzie projektować. Brzmi: kto napisze listę rzeczy, które ma optymalizować.
Deweloper wyposażony w dane o cenach, zachowaniach klientów i demografii oraz algorytm generujący setki wariantów może zyskać przewagę nie tylko nad kupującym, lecz także nad urzędem pracującym wolniej i na gorszych danych. To jeden z możliwych scenariuszy: nierówny dostęp do narzędzi i danych może wzmocnić uczestnika, który już dysponuje większymi zasobami.
Istnieje też scenariusz odwrotny: publiczny system automatycznie audytuje projekt, sprawdzając nasłonecznienie, przegrzewanie, widoki z okien, dostępność, dojście do komunikacji, możliwość przebudowy i jakość części wspólnych. Jawny wynik zmniejsza asymetrię informacyjną między inwestorem, urzędem i mieszkańcem.
Białorucki uważa, że AI mogłaby wesprzeć urzędników i planistów w tworzeniu regulacji opartych na dobrych wzorcach, ale podkreśla, że "potrzebna jest wola polityczna, żeby to wprowadzić". To ważne zastrzeżenie. Żaden model nie uchwali planu zagospodarowania, nie wymusi standardu i nie zdecyduje, czy miasto ma traktować mieszkanie przede wszystkim jako aktywo, czy jako infrastrukturę życia. Może dostarczyć argumentów. Władza pozostaje po stronie instytucji i ludzi, którzy wybierają kryteria – oraz tych, którzy potrafią wywrzeć na te instytucje nacisk.
AI może też zmienić inną słabość miejskiego projektowania: konsultacje społeczne. W teorii mają oddawać głos mieszkańcom. W praktyce często oddają głos tym, którzy mają czas, wiedzę i motywację, by przyjść na spotkanie. Małgorzata Dembowska, architektka i urbanistka z WXCA, zauważa, że w dużych projektach jest to "niewielki i nie zawsze reprezentatywny ułamek przyszłych użytkowników".
Jej zdaniem AI mogłaby "pomagać analizować potrzeby różnych grup społecznych, identyfikować konflikty interesów i modelować konsekwencje poszczególnych decyzji projektowych". Szczególnie interesujące jest ostatnie słowo: konsekwencje.
– Projektowanie miasta nie polega przecież na spełnieniu wszystkich życzeń naraz. Seniorzy mogą chcieć zieleni i ławek, rodzice – miejsca zabaw, kierowcy – parkingu, przedsiębiorcy – dostępu dla dostaw. Każda decyzja poprawia czyjąś sytuację i może pogarszać cudzą – opowiada.
Dembowska mówi o możliwości badania, "czy poprawa warunków dla jednej grupy nie odbywa się kosztem dobrostanu innych".
– To byłaby wartościowa demokratyzacja nie dlatego, że AI zastąpi debatę, ale dlatego, że pozwoli pokazać jej stawkę. Zamiast pytać mieszkańców, czy chcą drzew albo parkingu, można symulować, co każdy wariant zrobi z temperaturą ulicy, dostępnością, ruchem, kosztami i bezpieczeństwem. Konflikt polityczny nie znika. Staje się lepiej opisany – tłumaczy.
Cardullo i Kitchin ostrzegają, że w smart city "obywatelocentryczność" często sprowadzała mieszkańca do użytkownika lub konsumenta. Demokratyczne miasto wymaga wpływu nie tylko na interfejs usługi, lecz także na to, jakie dane są zbierane, kto je posiada i jakie cele wolno na nich optymalizować.
Humanistyczna architektura przyszłości potrzebuje prawa do odmowy. Budynek powinien być wygodny dla osoby, która chce personalizacji, i bezpieczny dla tej, która nie chce zamieniać rytmu dnia w strumień danych. Mieszkaniec powinien wiedzieć, co zbiera winda, smart lock czy aplikacja osiedla, i móc z części funkcji zrezygnować bez utraty dostępu do domu.
W przeciwnym razie personalizacja zmieni się w przymus bycia mierzalnym. "Architektura na miarę człowieka" zacznie przypominać garnitur, który codziennie raportuje krawcowi, gdzie byliśmy i z kim się spotkaliśmy. Komfort jest wartością. Prywatność również.
Dlatego sensowne staje się odwrócenie popularnego hasła smart city. Miasto nie jest inteligentne dlatego, że wie wszystko o swoich mieszkańcach. Jest inteligentne wtedy, gdy potrafi zmieniać się razem z nimi, nie odbierając im przy tym prawa do anonimowości, błędu i nieprzewidywalności.
Budynki działają dłużej niż aplikacje, rządy i firmy technologiczne. Ściana postawiona w złym miejscu może ograniczać życie przez pięćdziesiąt lat; dobra konstrukcja może przez ten sam czas przyjmować kolejne funkcje. AI w architekturze jest więc pytaniem o to, jaką przyszłość zamykamy w betonie i kodzie. I nie da się go oddzielić od systemu gospodarczego. Technologia wprowadzona do rynku, w którym właściciel kapitału, gruntu i danych ustala cel inwestycji, może wzmacniać to, co jest premiowane: zwrot, sprzedaż, szybkość i kontrolę kosztów. Nie musi jednak prowadzić do pogorszenia jakości. Oszczędność czasu i możliwość sprawdzenia większej liczby wariantów mogą służyć również mieszkańcom, jeżeli ich potrzeby zostaną uwzględnione w celach projektu i ocenie jego efektów.
Dlatego pytanie "czy technologia posłuży człowiekowi, czy kapitałowi?" nie jest retoryczną ozdobą. Bez przeciwwagi odpowiedź rzeczywiście będzie najczęściej korzystna dla kapitału. Cardullo i Kitchin pokazywali, że w wielu projektach smart city mieszkaniec stawał się przede wszystkim użytkownikiem, konsumentem albo źródłem danych, podczas gdy ramy systemu ustalały administracja i firmy technologiczne. W architekturze działa podobny mechanizm: ten, kto finansuje projekt i posiada dane, zyskuje możliwość zdefiniowania "optymalnego" mieszkania, zanim przyszły lokator w ogóle pojawi się przy stole.
To nie znaczy, że odpowiedzią jest odrzucenie technologii. Potrzebna jest miejska przeciwwaga dla przewagi kapitału: twardsze standardy jakości przestrzeni, jawne audyty algorytmiczne, prawo mieszkańców do wiedzy o danych zbieranych przez budynek i do rezygnacji z części monitoringu, otwarte standardy ograniczające zależność od jednego dostawcy oraz partycypacja mająca realny wpływ na decyzje. Ważna jest również własność: mieszkalnictwo publiczne i spółdzielcze może być laboratorium zastosowań AI, w których wartość użytkowa nie musi stale przegrywać ze stopą zwrotu. Technologia nie zastąpi polityki mieszkaniowej. Może za to uczynić jej priorytety skuteczniejszymi – dobre albo złe.
Najważniejsze osiągnięcie AI w architekturze nie polegałoby więc na powstaniu domu, który przewidzi nasze zachowania. Byłby nim dom, którego nie trzeba burzyć ani opuszczać, gdy zmienia się nasze życie. Prawdziwa rewolucja nie polega na tym, że budynki staną się "inteligentne". Chodzi o to, kto określi, co ta inteligencja ma uznać za dobre życie – i kto będzie właścicielem danych, dzięki którym dom nauczy się swoich mieszkańców. Największym sukcesem inteligentnego miasta nie byłaby perfekcyjna kontrola przepływów. Byłaby nim zdolność do oddania części kontroli mieszkańcom. Problem przyszłego miasta nie brzmi więc: czy będzie inteligentne. Brzmi: czyja będzie jego inteligencja – i kto będzie miał dość siły, by ją zaprogramować.