麥肯錫：美國40%工作會在10年內消失、18-34歲族群超過1,400萬受衝擊|數位時代 BusinessNext

麥肯錫：美國40%工作會在10年內消失、18-34歲族群超過1,400萬受衝擊

麥肯錫報告指出，美國在未來10年內將會有4成工作消失，被AI、自動化給取代，其中受到衝擊的年輕人（18-34歲）有1,470萬之多。

近幾年大學畢業生人數不斷創新高，幾乎每年都被媒體稱為「史上最難就業季」，家長們從大學填志願時就開始為給孩子選一個就業前景好的專業而操心，可隨著自動化的潮流來到，未來年輕人的就業也許會更難。

根據麥肯錫全球研究院的一份報告，美國有40%的工作職缺在未來10年可能會因為自動化而消失，這部份職缺的工人年齡主要在18到34歲之間，人數有1,470萬人之多，自動化浪潮下衝擊下年輕人受到的影響或許最大。

報告顯示面臨失業的近1,500萬年輕人中，有三分之二會發生在食品、飯店和零售行業，美國的服務生、飯店接待員、速食店員工等職缺中超過一半的從業人員為34歲以下的年輕人。另外三分之一則是白領職業，會計、財務、人力資源和行政管理的初級職位首當其衝。

在法律行業AI已經可以處理一些法律文件的初步審查工作，效率比人類律師更高。去年法律AI平台LawGeex和多家大學法學院舉辦了一個審讀法律文件的比賽，結果AI 26秒就能處理5份協議，而律師平均耗時92分鐘，而且AI的準確率還比律師高出10%。

雖然AI取代大量工作職缺的可能性被討論了很久，但目前大部分人都沒有太大感知。自動化的到來真有這麼可怕嗎？MIT-IBM沃森人工智慧實驗室（MIT-IBM Watson AI Lab）最近的一份報告則給出了一個不那麼悲觀的預測。

IBM首席經濟學家Martin Fleming認為機器人會取代大量工作職缺的擔憂並沒有數據支撐，「完全是胡說八道。」MIT-IBM Watson AI Lab的報告指出，自動化革命並不意味著是用物理機器人代替工作，更大的挑戰反而是來自AI演算法。

儘管我們不會丟掉所有工作，但由於人工智慧和機器學習的介入，很多職缺的工作方式將發生改變。

研究人員透過機器學習分析在2010-2017年間美國招聘的1.7億個職位，發現過去7年間需要人工的工作數量確實有所下降，但下降的趨勢並不明顯，不過這些消失的職缺的確大都由AI系統來取代了。

AI一方面提高了一些重複性工作的效率，另一方面也要求工人掌握更多機器無法做到事情，尤其是需要創造力、嘗試和判斷力等「軟技能」的工作。比如在銷售工作中，演算法能更快地為產品制定合適的價格，而人類可以將更多精力放在與管理客戶或者行銷上。

研究指出，那些需要智力技能和分析的工作未來的薪水會增長更快，比如設計、商業金融等領域，AI還無法取代。同時一些需要身體靈活性、常識判斷力或語言表達能力的工作會變得更有價值，比如家庭護理、髮型師和健身教練等職業。

儘管麥肯錫和MIT-IBM Watson AI Lab的兩份報告的結論不太一樣，但都提出了同一個問題，為了適應自動化帶來的變化，職場人士需要學會和AI分工合作，現在的大學教育課程和企業的人才培養體系也要相應作出調整。

目前一些美國公司已經開始和當地的社區大學合作，針對性地設計課程，以培養能適應自動化時代需求的人才。 7月份亞馬遜也宣布將在未來6年內，花7億美元，為10萬名員工培訓新技能，讓他們進入更高級的工作職缺或轉職。

數據與社會研究人員Madeleine Clare Elish舉了一個例子來描述未來工作的變化，當自動收銀台取代了收銀員，人類的任務則變成在故障時及時進行維修，同時安撫因此而焦慮生氣的顧客。

人工智慧和機器人到底會讓更多人失業，還是可以幫助人們的工作變得更加充實和有價值，目前還看不到，但從現在開始學會和AI相處，適應更多新的人機交互模式，已經越來越有必要了。

責任編輯：蕭閔云
本文授權轉載自：愛范兒

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。