機器取代人力:面對機器人大軍壓境,最鐵的飯碗也難保
機器取代人力:面對機器人大軍壓境,最鐵的飯碗也難保
2014.07.30 | 科技

2012年,亞馬遜花了7.75億美元(約台幣233.4億元)買下倉儲機器人製造公司Kiva System,並在 2014年5月誓言要將機器人擴展至一萬台,以便更快速地完成顧客的訂單。

近日,鴻海董事長郭台銘在股東大會上透露,其機器人Foxbot已進入最後測試階段,iPhone 6極有可能將由機器人來生產。而Canon也宣布即將進入機器人市場,目標是在三年後能夠讓機器人辨別更細小的散裝零件與從事更精密的作業,完成手機的組裝。

enter image description here
(圖片來源:Wikipedia

人力一再被取代的過程

1768年,新式蒸汽機被製造出來,一系列的技術革命開闢了由手工勞動轉向機器生產的道路。這是第一次動力機械大規模取代人力的時期,傳統手工製造產業面臨空前挑戰,幾乎不復存在。而在1960年代,自動控制理論迅速發展,大大提高自動化技術的水平。越發成熟的自動化生產技術,也使越來越多生產線上的人力逐漸被取代。

2014年的今天,另一波機械取代人力的浪潮正在蠢蠢欲動。除了機器人生產廠商Fanuc、Yaskawa、ABB、Kuka與iRobot投入心力研究機器人發展外,許多公司也開始投入這個領域。未來,機器人大軍若順利站上生產線,將又會有另一大批勞工被取代。

為什麼機器人逐漸取代人力?

機器人的研發已持續許久,但靠機器人大量取代人力的例子卻在近年才一一出現。很大的一個原因是:身為世界工廠的中國,在這幾年的發展下,勞力不再便宜,生產成本快速飆漲。但是其他勞力密集國家如越南、緬甸、柬埔寨等地的基礎建設與人口素質,與中國卻還存在著或大或小的差距,生產方式無法順利複製及銜接。

因為有著這樣的斷層,使得生產廠商無法繼續循著雁行理論,再度將廠房移到更有成本優勢的地方,進行技術轉移。所以商人將頭腦動到機器人上,希望機器人能夠維持低成本的生產,繼續創造高利潤。

機器生產帶給老闆什麼好處?

企業想用機器人不是什麼創新的想法,而是大勢所趨。為了追求更高的利益,只要是能夠大幅降低生產成本的方法,企業都會去嘗試。而使用機器手臂、機器人正是一種越來越受到肯定的方法。

機器人的優點多不勝數。機器操作能使生產速度變快、出錯變少更加精準。機器也完全不會粗心、不會偷懶、不會疲勞、沒有情緒。更讓老闆開心的是,他們不必支薪,也不必負擔可觀的員工福利、勞工保險、老年退休金等人事成本。更不必擔心職場環境的安全與否,也不會被投訴。

在成本的考量下,一旦企業覺得有利可圖並開始採用機器生產,勞工想要重得工作可說比登天還難。

enter image description here
(圖說:機器人取代人力。圖片來源:MobileAutomation)

不只勞工需要擔心被取代

未來,不只生產線上的工作會被機器人取代,面對機器人世代的來臨,有更多工作將會消失。駕駛就是一項。亞馬遜除了倉儲機器人外,也花費許多心力在研發無人機商品配送服務。英國政府也與跨國咨詢公司Arup、劍橋與牛津大學相關人員共同研製一款無人車(The Pods)。並且撥款 150 萬英鎊,打算在倫敦北邊的城市Milton Keynes公路上試乘無人駕駛汽車。

(影片為無人車 The Pods 的模擬畫面)

日前在知名創投公司Khosla Ventures的年度高峰會上,Google 聯合創辦人Sergey Brin認為:「自動駕駛汽車真的有機會提高交通效率。未來的人不需要擁有私人汽車,也不需要停車,你需要的時候車就會到來。(現在)我們的城市中 30%-50% 都是停車場,這是非常浪費的。」

計程車司機也難逃一劫

在每一波革新的浪潮下,最先被取代的往往都是最沒專業、沒技術、低薪的工作,這些勞工要如何在短時間內另謀出路呢?對於產業趨勢資訊相對較貧乏的勞工們,每日的時間大部份都花在工作上了,根本無暇培養第二、第三專長。被淘汰之後大部份只能坐以待斃。

在英國牛津大學2013年發表的《The Future of Employment》研究報告中,認為需要創造性及社交的工作,以及所需技術較靈巧的工作,都難以成為取代標的。而易被取代的工作領域則為貸款人員(loan officers)、接待與資訊助理(receptionists and information clerks)、法律助理工作者(legal assistants and paralegals)、門市營業員、計程車與私人司機、保全警衛、快餐廚師、酒保、個人金融助理(personal financial advisors)、電腦程式人員(computer programmers)。

如今,隨著各種科技技術、雲端科技、big data的發展,機器人的工作範圍猛然擴大。不只是傳統重複性高、操作簡單的工作會被取代;只要有夠龐大的data base、成熟的運算技術,很多需要稍微動點腦思考的工作也將岌岌可危。例如美聯社開始聘用機器人,自動撰寫150-300字的公司財報新聞。雖然文章較生硬,但確實能分擔作者、編輯的業務量。

如何不被取代?

這裡不是想列舉未來機器人將會取代哪些職業,而是要誘發我們思考,該如何因應機器人時代的到來,才能使自己不會成為被淘汰的那一個。

Google聯合創辦人Sergey Brin表示:「機器在過去一世紀以來就不斷取代人力,這樣的趨勢未來也會繼續,因此並不認為在短期內對勞動力的需求會消失。他進一步說明人力需求將會轉移至更多全新領域,因為人類的慾望無窮,總是想要擁有更多的產品、娛樂、創意或各式各樣的事物。在短期內,工作機會並不會消失,只是從一個地方轉移到另外一個地方。長期來看人們會有更多的時間從事娛樂活動和創造性的勞動 。」

清大教授彭明輝認為,政府應發展第四級產業 – 藝術及文化產業,培養成熟的環境,發揮思考力與創意。也許藝術與文化產業能與科技結合,使人力能夠在數位及藝術文化創作的相關領域發展,也是使人力不會淪為取代品的一種方式。

不過很不幸的,不是人人都有藝術天份,也不是人人都有學程式設計的腦袋。除了朝藝文創作和科技工程發展外,其他人還能做什麼?你可以在網路上找到數十個甚至數百個未來的工作,但那些工作你可能大部份都不太懂,沒有學過相關知識也不能去做。那該怎麼辦?難道這就是物競天擇的進化論?

對整個社會來說,這種結構性失業造成的衝擊很大,沒辦法跟上腳步的人就等著被淘汰。這時,政府必須提出相應的施政方針,才有可能解決剩餘勞力的問題。諸如:鼓勵低技術勞工參與就業輔導或技術訓練、提供誘因引導企業走向高附加價值產業……等都是可行的方案。

但是再完善的政策總有漏網之魚,我們不可能完全依賴政府提供的幫助,而不做任何努力。最重要的改變主體還是在個人。對個人來說,每個人都必須找到自己的價值所在,找到自己的不可取代性。唯有靠自己的努力,才有可能在殘酷的戰場上存活。

人類的價值

看到這裡,你也許會擔心自己未來無法戰勝科技趨勢,喪失已經夠微薄的薪資。更甚可能為向下沈淪而感到不安。不要太慌張,想想自己身為人類,與機器人最大的不同在哪裡?

enter image description here
(圖片來源:redorbit)

或許我們無法做到像機器手臂那樣精準,無法在極短的數秒內完成龐大資料的檢索;可是如果我們停下腳步思考,便會察覺到這些使機器運行的程式卻是人類寫出來的,要讓機器做哪些事都由人類所設計和規劃的。甚至是剛剛提到的機器手臂;沒錯,它們精準,但它們卻無法針對每個物件的個別瑕疵,做細部的修改與調整,但人類卻可以。

人類之所以獨特,正是因為我們是靠頭腦過生活,而不是靠程式。我們有自己的思維、創意、想法、美感存在。在人與人的互動之下,這些特點將互相交織,成為更複雜綿密的網絡。人類可以互相溝通討論、知道可以選出領導人來帶領團隊、看見突發狀況可以隨機應變緊急處理,這些正是人類最寶貴的資產。

傳統公式性、例行性的工作模式將逐漸消失。為了不要被取代,未來人類的工作應朝向重視創造力、洞察力、社交溝通能力、應變能力等方向發展。當機器人越是大幅成長,接手人們的工作,人類具有彈性的判斷力以及個體的獨特性,更能顯現出自身的特色與優勢,更有機會使自己成為社會上不可或缺的一員。

enter image description here

本文出自有物報告。作者Jill Huang,政大勞工所學生。是一個想要將自己推向各種領域學習的環保動保主義者,希望將來有能力為弱勢、為所愛有所貢獻。 「對自己壞一些,就離夢想近一點」是嘻哈魯智深教我的。

有物報告取名自「言之有物」,是一個內容深、觀點多、有時幽默的網路媒體。我們聚集了科技、財經、商業的業內人士,從專業的角度探討國際性的議題。

關鍵字: #機器人
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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