[翟本喬] Uber 事件後續：它是一個對台灣有害的公司，而且根本不想溝通。|數位時代 BusinessNext

去年 Uber 曾經批評政府法規落伍，呼籲網民大家出來抗議。但我覺得 Uber 所提的理由牽強，混淆視聽，所以我出來打臉：
(請見2014年12月29日、2014年12月30日、2014年12月31日、2015年1月7日等四篇言論)。後來 Uber 跟我聯絡，希望能跟我 "私下溝通" 一下，但我覺得我公開提出來的問題應該要有公開的答覆，所以就請他們直接公開回答，於是他們就... 沒有回答。

昨天 (2015/8/27) 行政院召開了一次「虛擬世界法規調適會議」，討論「共享經濟」議題。這是蔡玉玲政委設計的一系列活動之一，針對未來網路以及虛擬世界所帶來的改變，在法規上需要修改適應的地方加以討論與執行。之前以經對閉鎖型公司等議題討論過，也達成修法的目的。

圖說明

主席唐鳳一開始在介紹我的時候說我跟 Uber "隔空交火" 了幾次。我覺得這不正確，因為我丟的問題都沒有得到正面回應，那不叫交火，那叫黑洞和鬼打牆。

昨天的會議首先由交通部開始，報告了他們過去幾個月的調查結果。我們對政府官員一般的印象是動作慢、推拖、踢皮球。但由路政司副司長王穆衡所率領的團隊，以及財政部賦稅署的幾位官員，這次的表現實在是可圏可點，不論是研究的準備和結果的呈現，都是第一流的水準。我甚至開玩笑說王副司長下次可以去接行政院發言人的位子。

我的發言在這裡：https://www.youtube.com/watch?t=4898&v=jPG2owMCjMc 有興趣的朋友也可以從頭看起，沒時間看的人可以直接看以下幾點意見總結：(其中也綜合了一部分別人的發言)

共享經濟要在供給面不足或有缺失 (例如壟斷、暴利、或浪費資源) 的情形下才對社會有貢獻。如果供給面是健康的，共享經濟存在的價值是不大的。而德國法國等等國家已經明確表示 Uber 不是他們國家要推廣的共享經濟。

圖說明

##Uber 不是共乘。
甲要由 A 點去 B 點，正好乙也要從 A 點附近去 B 點附近，這時候乙搭甲的便車，叫作共乘，而乙分擔甲的成本，或是付出比分擔成本再多一點的費用，甚至付給仲介平台一點酬勞，都是合理的。但 Uber 是特別為乙派丙開一輛車來接，這不叫共乘。Uber 沒有減少閒置資源。它減少了丙的閒置資源，但間接讓丁 (計程車司機) 的資源閒置，而丁 (因為計程車密度較高) 和乙的距離期望值是比較小的，所以 Uber 反而浪費了國家的總體資源。

##Uber 沒有增加就業。
它增加了丙的收入，但減少了丁的收入。車行的抽成 (根據公會理事長說的，是個位數百分比) 遠少於 Uber 的抽成 (20%)，所以就業階級 (丙和丁) 的總收入反而是減少的 (假設乙付了同樣的車資)。而 Uber 的代表竟然厚顏地說 "計程車司機本來要一天綁十二個小時在車上的，現在他們有一些空閒的時間，也許可以去找一些其他收入比較好的工作"。計程車司機除了極少數玩票性質之外，大都是苦哈哈的勞工，要是找得到收入比較好的工作，誰要來開計程車啊？

##Uber 沒有增加國家的 GDP，也沒有增加國家的稅收。
由上一點可以看出，所有就業階級的總產出並沒有增加。而乙所付的車資，全部直接付到海外 Uber 的總公司，再由 Uber 付 80% 給丙，而 Uber 台灣分公司拿到的是 0！看清楚了，你付了 1000塊的車資，政府所收到的稅是 0。政府收不到 Uber 的營業稅，也收不到丙的所得稅。我們都不喜歡繳稅，但如果大致上是公平的，那我們可以勉強接受。如果有錢的大公司可以逃稅，而苦哈哈的勞工階級要繳稅，我們是絕對不能接受的。Uber 宣稱它有繳稅，那就像一個人逃漏所得稅，然後宣稱他去便利商店買飲料時有繳加值稅一樣，是在騙人。

Uber宣稱對所有乘客有 2000萬的保險，但被蔡政委問到細節時就閃爍其詞，改口說「如果駕駛人本身的保險不足以賠償，我們會協助他們向海外的保險公司申請」。我覺得這件事情很容易說清楚，只要把保單拿出來給大家看就知道了嘛！

但 Uber 連保險公司是哪一家都說不出來，所以我合理懷疑是根本沒有真正的保險存在。(我並沒有強人所難，要他當場拿保單出來。我是問：什麼時候可以公開這張保單給臺灣人民看？)Uber 拿一些民意調查的結果出來說他們是受到支持的，但這也是混淆視聽。所以我比喻說八仙塵爆之前，參加彩粉路跑的人滿意度也很高，這並不代表它是對的。

昨天出席的有好幾位有跟我類似的看法，所以他們堅持不坐 Uber。最後，我也很欽佩昨天出席的計程車業者。他們不懼怕 Uber 的挑戰，也歡迎政府在保障乘客安全的前提下適度開放現有的規定，他們保證可以比 Uber 做得更好，繳更多的稅，而留更多的成數給司機。這種精神，正是我們產業界在面對外商挑戰時需要的。交通部的大門始終是敞開的，而 Uber 從來不正面回應大眾所質疑的這些問題，每次只會拿總公司的文宣出來鬼打牆。

綜合所有觀察到的現象，我的結論是：Uber 是一個對台灣有害的公司，而且根本不想溝通。

**延伸閱讀：

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。