滅火熊貓之亂?foodpanda提三點改變、薪資新制暫未解
滅火熊貓之亂?foodpanda提三點改變、薪資新制暫未解

foodpanda外送員不滿薪資制度調整,接單薪資從每份70元下修至60、57元不等,自16日起在北、中、南串連罷工、並至各地勞工局申訴。事件延燒至今,官方今(20)日提出三點回應,但針對引發最多爭議的「每單」費用,並未表明如何因應,強調仍在評估與觀察中。

推即時沖銷系統,避免「預先儲值」

foodpanda是台灣較早主打「現金支付」的外送平台,一直以來吸引不少學生族愛用。為了控管金流,官方建立5千元代收款項門檻,外送員要在規定時間內將金額匯回公司帳號,否則將被暫時停權。

據了解,這項制度原先並未要求「全數匯回」,僅需讓代收款項低於5千元,但在去年年底時,官方進一步限縮了金額限制與匯回時間,引發外送員反彈。

foodpanda外送員
foodpanda外送員不滿薪資制度遭片面調整,近來主動串連罷工,並向勞工主管機關申訴。

對此,foodpanda表示平台自去年12月起開始建置「即時沖銷系統」,目前系統已進入測試階段,預估今年2月就會正式上線,未來可即時更新外送員的欠款金額,讓代收款項匯回時間更有彈性。foodpanda也強調,為維護外送員春節接單權益,將保持系統有兩次更新欠款時間。

停用自動休息功能

去年12月起,foodpanda在系統端增加「拒單」選項,讓外送員可視情況選擇是否接單,但若系統發現有「頻繁拒單」情況,將自動判定該名外送員可能處於無法接單狀態,因此暫時安排停權。

foodpanda表示,為了更落實承攬制精神,「將停用這項系統自動辨識功能,即日起外送員拒單並不影響後續接單權益。」

建立溝通管道

對於近來爆料、罷工風波,foodpanda表示將積極傾聽外送員回饋、觀察新制度執行狀況,會持續暢通外送員與公司溝通管道,讓外送員可透過外送夥伴幫助系統及回饋信箱與公司聯繫。

foodpanda在新聞稿中強調,公司承諾「建立可長久經營的外送環境, 會依市場環境建立並調整外送夥伴合作方案。」不過,對於日前引發抗議的每單薪資新制,官方尚未給出明確解方,僅表示將持續優化管理制度以保障外送員、店家和消費者的三方權益。

為了使官方讓步,foodpanda外送員近來在網路上串連,主打薪資制度不調回原先基礎,就「拒接超過1公里」外送訂單。雖然,官方多次對外表明,從系統數據上來看,消費者收到餐點的時間並未有太大影響,但若薪水新制仍不符外送員預期,熊貓之亂還有繼續的可能性。

責任編輯:蕭閔云

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