【一週新聞短評】 核電廠比搭飛機還安全?
【一週新聞短評】 核電廠比搭飛機還安全?

本周最引人注目的新聞,除了世界棒球經典賽(WBC)台日大戰創下平均12.92%的收視率──代表有260萬名觀眾守在電視機前觀戰──之外,大概就是3月9日的廢核大遊行了,根據《蘋果日報》報導,全台灣北中南東、總計有22萬人走上街頭。 

關於「要不要核能」的爭議,在網路上可搜尋到的意見有很多。我稍微查了一下正反兩方的意見,其實不外乎以下幾種在鬼打牆:

  反對核能 支持核能
安全 核電廠很危險。專家說很安全,那是1970年代的舊研究,早被廢除了。 (專家說很安全我才不信) 專家說核電廠比搭飛機還安全。而且新的核電廠有全新的安全設計。 (專家說的你都不信,你要信誰?)
環保 核廢料無法處理,不環保。 不用核電用火電,火力發電排碳也一樣不環保。
效率 若加上廢爐、處理核廢料的成本,核能發電成本遠超過目前估計,其實一點也不划算。 核電發電成本最低,最有效率。而且台電的核能發電成本,有把處理核廢料估計進去了。
經濟 願意漲電價,此外可以節約能源,來彌補廢除核能減少的發電量。 不要漲價,而且電力變貴,台灣經濟就會差,未來大家還不是一起吃苦。

ps.這裡純粹比較「支持/反對核能」雙方,不處理「我支持核能,但反對核四」的意見。大概沒人會相信核四(如果有的話)是一個可以安全運作的發電廠(嗯……除了台電本身啦──我想麥當勞也很堅持自己的餐點非常健康)。 

扯遠了,我們回到表格裡。有關核能的環保、效率、經濟議題,正反兩方都提出很多意見,我們暫且置而不論。不過我心裡始終有個問號縈繞不去,就是「核能發電到底安不安全?」這個問題。 

白話來說,一聽到「核電廠很危險」,大部分永和派(擁核人士最新的網路稱號)會告訴你:專家說,發生某某災難的機率是幾千萬分之一(或幾百萬分之一、幾十萬分之一,總之是很大分之一就對了),比你搭飛機還安全,比你買樂透中獎的機率還低,所以不用擔心。說核電有多恐怖都是騙你的,不信專家你要信誰? 

聽起來挺有道理的。 

然而,除了重複引用「核電廠比搭飛機還安全」的這個比喻之外,我們並沒有真正去了解「某某災難」的定義是什麼(核電廠爆炸?爐心熔毀?還是……);以及「幾十萬百萬千萬分之一」的機率,到底是怎麼來的,詳細的數字又是多少? 

其實,目前所有關於核能電廠的安全評估,最早的資料來自於1975年,美國核能管制委員會(Nuclear Regulatory Commission)一份名為「WASH-1400」的報告(參考維基百科:http://en.wikipedia.org/wiki/WASH-1400;此外還可以下載報告原文,這是用打字機打的報告,十分懷舊)。 

這份研究計畫是由麻省理工教授Norman Rasmussen主持,運用系統安全工程分析方法,花了70個人一年的工作量完成。報告中估計,一座反應爐運轉一年,發生「爐心熔毀」的機率大約是200萬分之1,差不多和一個人活一輩子被隕石砸死的機率相等。 


圖1:著名的WASH-1400報告,也是「核電廠比搭飛機安全」的故事來源。

不過這份報告很快引來許多批評。1976年,憂思科學家聯盟(Union of Concerned Scientists)就發表了150頁的文章來批評WASH-1400報告,包括它沒有估計到人為因素、低估系統運作的複雜性等等。而在1979年,美國核能管制委員會也宣布,不再支持或背書WASH-1400的任何一項結論。 

此後,美國核能管制委員會又分別在1982、1991年進行了核能電廠的風險評估(參考連結),把安全標準提高到「每人每年因反應爐事故直接死亡的機率要在2000萬分之1以下」「因事故造成的癌症死亡率要在500萬分之1以下」。但不久後又再度宣布不再為這些標準背書,理由是「採用過度保守的分析,以致於無法應付劇烈災變」,因此正在研擬最新的核災風險估計,但直至目前,還沒有任何結果。 

現在我們知道,真正的專家,對於目前核能電廠的安全是沒有任何保證的。那些百萬分之一、千萬分之一的機率,不再有任何單位提供背書。 至於台灣呢?1999年,台電在「核四再評估會議」所提供的分析資料顯示,現存的三座核電廠可能發生爐心熔毀的機率,平均是每萬爐年有3.3次;而核四的安全標準將會是「每10萬爐年發生1次爐心熔毀」。 這個數字到底可不可信?自從1956年第一座商業核能發電廠啟用以來,至今57年(目前全球有435座反應爐在工作中),其中就發生了3次爐心熔毀事件:車諾比、三哩島、福島──那幾萬、幾十萬、幾百萬分之一的機率,為什麼變成3/57? 

《黑天鵝效應》書中引用了一個故事:拉斯維加斯賭場的「風險控管」,通常是專注在避免被賭客大贏錢,由於賭場內所有遊戲的勝敗機率都可以算出,只要控制好「大鯨魚」級的百萬賭客,其他小賭客的輸贏不過是九牛一毛。引此,賭場裝備了電影般的監視系統,好好監督賭客的一舉一動,防止詐賭。 

然而,其實賭場的風險遠跟它的業務無關。有史以來,拉斯維加斯發生的4大賭場損失,分別是:

1.一名無可取代的演員,在主秀中被老虎咬成殘障,讓賭場損失了一億美元左右。直到出事之前,沒人懷疑過這隻老虎會反撲跟它睡在同一間臥室的主人,賭場甚至觀眾保險,卻沒有為這為演員保險。

2.一位承包商在飯店擴建工程時受傷,卻對和解條件非常不滿,因此企圖把賭場炸掉,在地下室的柱子放置炸藥。

3.賭場員工因為某個完全無法解釋的理由,把必須交給國稅局的表格壓在自己的抽屜裡,賭場逃漏稅持續了好幾年卻沒人發現──直到某天收到吊銷執照的命令,最後付了一筆龐大的罰款了事。

4.賭場老闆的女兒被綁架,老闆為了籌措贖金,違反賭博法盜用保險箱裡的鉅額金錢。 

造成賭場最大損失的事件,往往是在賭場的「風險評估」之外。而且,這些重大事件造成的損失金額,遠遠超過模式內風險的1000倍以上。依照核電廠的規格設計,爐心熔毀的機率是幾萬分之一。然而,我們該怎麼估計「某個毫無理由逃漏稅的員工」或「電廠組員被綁架」「包商報復放炸藥」的風險? 

如果我丟一枚公平的硬幣(意思是正面、反面的機率各一半),連續99次都出現正面,我問:「第100次出現反面的機率是?」專家會告訴你:「機率是50%,因為你已經假設這是公平的硬幣,而且每次投擲都是獨立事件。」賭徒則會說:「你要不就是在鬼扯,要不就是笨蛋,才會相信50%這種事。這個銅板一定動過手腳,這不可能是公平的遊戲。」 

專家只在框子內思考,賭徒幾乎完全在框子外思考。我不知道核電廠究竟多安全,但我能肯定,那機率絕對比十萬、百萬、千萬分之一,大上非常多。

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓