機器人並非注定搶走所有飯碗!在加速時代,你需要3R和4C
機器人並非注定搶走所有飯碗!在加速時代,你需要3R和4C

編者按:本文摘自《謝謝你遲到了:一個樂觀主義者在加速時代的繁榮指引》第8章〈把AI變成IA〉,作者為《紐約時報》暢銷作者湯馬斯‧佛里曼。湯馬斯‧佛里曼專精於全球性議題與時事分析的新聞記者,也是三座普立茲獎的得主。他在書中用許多精彩實例,告訴我們現在世界已經進入一個快到令人目眩神迷的地步,並且為我們提供一些良方,教我們如何安度於這個加速時代。

我們先搞清楚一點:機器人並非注定要搶走所有的飯碗,除非我們讓它們這麼做;若我們不在人力、教育和創業等領域上加速創新,若我們不重新想像從初等教育、工作到終身學習這整條輸送帶,才會發生機器人搶走所有工作的情境。

自1990年代初期開始,柯林頓總統及其繼任者,全都向美國人民說相同的老話:如果你努力工作、循規蹈矩,就能預期美國的體制將會提供你像樣的中產階級生活,你的孩子也會有機會過更好的生活。這些話確實曾經千真萬確過,只要上工,有平均水準的表現,好好地把工作做好,安分守己,人生就能一帆風順。哎,向這一切揮別吧。

中等技能的高薪工作,如今走上了相同於柯達軟片的式微之路。在加速時代,動物園裡已經逐漸沒有這種動物了。高薪資、高技能的工作仍然存在,中等薪資、中等技能的工作也還存在,但中等技能的高薪工作已經不復存在。

僅只「普通」,不再有絢麗舞台可以發揮。我當年從大學畢業後,「找到」了一份工作;我女兒卻必須「創造」自己的工作。我上大學學習終身技能,後來終身學習對我來說,變成了一種愛好;我女兒上大學學習,是為了學習獲得第一份工作的技能,至於終身學習對她們來說,是之後每份工作的必要條件。如今,美國夢已然是趟旅程,而非一個固定的終點,美國夢感覺愈來愈像是在一道下行的電扶梯上往上走。你可以試試看,我們在孩提時都曾做過這件事,你必須走得比電扶梯還快,才能夠趕得上。這意味的是,你必須更加努力,經常改造自己,取得至少某種形式的高等教育,而且勢必得投入終身學習,奉行全新法則,但也要改造其中的一些法則,這樣才可能躋身中產階級。

想在現今的職場上成功,就得像LinkedIn(領英)的共同創辦人雷德‧霍夫曼(Reid Hoffman)說的:投資於「自創」(the start-up of you),人生是永遠的測試版。沒有一個美國政治人物會告訴你這件事,但每個老闆都會告訴你這件事:你不能只是現身工作,你需要一套成功計畫。

和加速時代的其他任何事物一樣,為了取得並保住一份工作飯碗,你需要維持動態穩定,必須持續不停地踩著踏板或划槳前進。線上互動式程式設計學習平台Codecademy的共同創辦人札克‧西姆斯(Zach Sims)認為:「你現在必須懂得更多,也必須更常更新自己懂的東西,用你懂的東西發揮更多創意」,而非只是做一些例行性的工作。

網際網路在1990年代中期開始興盛後的十多年間,很多人悲嘆「數位落差」(digital divide)現象――紐約市有網際網路,紐約上州沒有;美國有網際網路,墨西哥沒有;南非有網際網路,西非尼日沒有。這個問題很要緊,因為它限制了你能夠學到什麼,你能夠如何、在何處做生意,以及你能夠和誰通力合作。但在未來十年,數位落差將大致消失,帕羅奧圖未來研究所(Institute for the Future)的執行總監瑪莉娜‧高爾碧思(Marina Gorbis)說,當這天到來時,將只剩下一項關鍵落差,那就是「動機落差」(motivational divide)。未來將屬於那些能夠自我激勵、能夠善用超新星帶來的所有免費及便宜工具和全球流動的人。

如今中產階級職業,同時被拉往四個方向

每一個中產階級職業,如今被同時拉往四個方向。如果想要訓練人們在這樣的世界中成功,就必須重新思考每一個方向,了解需要哪些新技能或態度,才能夠找到工作、保住工作,並在工作中進步、成長。

首先,中產階級職業被「向上提升」(pulled up)得更迅速,需要更多的知識與教育,才能夠有成功的表現。為了爭取這些工作機會,你需要更多的3R――讀(reading)、寫(writing)、算術(arithmetic),以及更多的4C――創造力(creativity)、協作(collaboration)、溝通(communication)和程式設計(coding)。

來看看2014年4月22日《紐約時報》的一篇報導:
紐約上州的牧場,正在上演著一樁怪事,那裡的母牛竟然自行擠奶。

在迫切需要可靠勞工、又受到價格上漲的刺激下,紐約州各地的乳牛場經營業者,正邁向產乳的美好新世界:擠奶機器人……

機器人讓母牛自行安排時間,每天排隊進行五、六次的自動化擠奶,讓長久以來酪農在黎明前和傍晚擠奶的生活模式變成過去式。

母牛脖子上掛的感應器,讓牠們獲得個別化的服務。雷射掃描並繪出牠們的下腹部,電腦繪出每頭母牛的「擠奶速度」,這是每天二十四小時作業中的要素。

機器人會監測產乳的量與質、母牛走向機器擠奶的頻率、每頭母牛吃了多少,甚至還會監測每頭母牛每天走動了多少步,這可以顯示牠在何時發情。

未來,成功的酪農業者,可能也必須是個機敏的資料判讀者暨資料分析員。

其次,每一種工作也被「分裂」(pulled apart)得更迅速。舉例而言,乳牛擠奶人這項工作的內容,可能變得非常多元化且分散。這項工作的高技能部分可能向上提升――你必須學會電腦演算法、變成了解母牛解剖學的獸醫,或是變成能夠分析一頭母牛行為的大數據科學家。在此同時,這項工作的較低技能部分――將乳牛趕進和趕出擠奶棚、清理糞便等,可能被「向下拆解」(pulled down),交給用最低工資雇用的任何人,很可能很快就會交給機器人。這是職場的大趨勢:每份工作需要技能的部分,將會需要更進階的技能,市場也會對這些技能支付更高的報酬,至於重複性質、更容易被自動化的例行性工作內容,則將交給領取最低工資者或機器人執行。

在此同時,每份工作也被「撤出」(pulled out)得更迅速。現在,有更多機器、機器人,以及印度和中國的工作者,一起競爭整份工作或更多的工作內容。這導致工作者必須更加自我激勵、努力不懈、堅毅地學習新技能或社交情緒技巧,透過終身學習,使自己比機器人、印度人、中國人及其他任何有技能的外國人領先一步。

最後,如同前述,每份工作也被「向下拆解」得更迅速,不但更容易被拆解、外包出去,過時的速度也會更快速。這導致需要在每一個層面,展現出更多的創業家思維:持續尋找新利基、新機會,以開創可以賺錢和創造就業的事物。

所以,最起碼,我們必須改革教育體制,增加這些必要技能及特質的培育,加強讀、寫、程式設計及數學基礎,提升創造力、思辨能力(critical thinking)、溝通力及協作能力,同時培養恆毅力、自我激勵及終身學習的習慣,並致力於促進在每個層面上的創業精神和即興力。

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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