世界經濟論壇：這十大工作將被AI取代！與機器人當同事有哪些必學技能？|數位時代 BusinessNext

你有想過未來幾年，工作環境會有什麼大改變嗎？是機器人取代人類、遠距工作崛起，還是「多工」「斜槓」的概念繼續盛行？

世界經濟論壇（World Economic Forum）發布「2020 年就業前景報告」（The Future of Jobs Report 2020），預測未來 5 年內，哪些技術將會更受重視，哪些職位會爆紅，以及哪些職位將黯然失色。

10 大職位興起：數據分析、AI 相關工作大量出現

需求增長的前 10 大職位，包含：

數據分析師、科學家
人工智慧與機器學習方面的專家
大數據分析師
數字營銷和策略專家
流程自動化專家（Process Automation Specialists）
業務發展人員
數位轉型專家
資安分析師
軟體應用開發商
物聯網專家

「2020 年就業前景報告」指出，數據分析師和科學家，人工智慧和機器學習專家、數位轉型顧問，將如雨後春筍般湧現。這些角色的大量出現，反映出各行各業都受到科技進步影響。

另一方面，產業中比較「高階」的職位，愈加重要。例如，汽車產業的材料工程師、電商界的社交媒體專家，或是金融業的FinTech工程師等，他們的地位較不容易受取代。

10 大職位逐漸沒落：不學新技能，恐將被淘汰

需求減少的前 10 大職位，包含：

資料輸入人員
執行秘書
薪資結算師
會計師和審計師
零件組裝人員
行政經理
客服人員
運營管理人員
機械維修師
材料紀錄人員與庫存人員

技術更迭與新冠疫情的「雙重衝擊」，將使得低薪工人、婦女和年輕族群的工作面臨更大挑戰。另外，數據人員，行政人員、執行秘書、會計師，工廠工人，這些職位則容易受取代。上述族群，應想辦法提升自我能力，避免被淘汰。

12 種技術受重視：加密、雲端技術最看俏

加密和網路安全：成長率 29%
雲端計算：成長率 17%
分散式帳本（distributed ledger technology）：成長率 11%
人型機器人：成長率 11%
非人型機器人：成長率 10%
3D、4D列印：成長率 10%
物聯網：成長率 9%
人工智慧：成長率 8%
生物技術：成長率 8%
大數據分析：成長率 2%
電子商務與數位貿易（Digital Trade）：成長率 2%
擴增實境（Augmented Reality）：成長率 1%

調查指出，雲端運算（Cloud Computing）、大數據（Big Data）和電子商務（E-Commerce）仍然是主要的領先技術，但企業會更關心加密技術（Encryption）、非人型機器人（Non-Humanoid Robots）和人工智慧（AI，Artificial Intelligence）的發展。

機器人成為重要勞動力！2025 年 AI 與人類工作時間相當

一個有趣的指標是：43% 的企業表示，由於未來會整合不同技術，他們打算降低勞動力、考慮裁員；另有 34% 的企業表示，技術整合之後，反而願意擴增勞動力。

到了 2025 年，世界經濟論壇評估，人類和機器人在整體工作時間將趨近相等，意味著機器人的重要性持續上升。41% 雇主說，往後會分配更偏向「任務型」的工作（Task-Specialized Work）給承包商，其餘的則交給人工智慧。

那麼，在未來勞動市場中，雇主最擔心面臨什麼問題？根據雇主們的回答，依序為：

擔憂技術鴻溝，也就是現有人員的能力無法跟上科技（55.4%）
擔憂未來公司無法吸引專業人才（46.7%）
擔憂人員技術落差之下，影響組織的團隊領導氛圍（41.4%）

企業更加重視員工持續學習新技能

未來 5 年，雇主會更看重批判性思考、分析與解決問題的能力。同時，懂得自我管理、有學習心、挫折忍受力高、靈活的員工將會更受重視。

在 2018 年，只有 65% 雇主希望員工保持上進心，今年的調查中，高達 94% 企業都說，希望員工掌握新的工作技能。另一方面，企業認為 40% 員工都需要「重新培訓」，顯示了學習的重要性。

目前，有主動學習習慣的員工，較往年已增加 4 倍；雇主替員工提供線上學習的人數，較過去增加 5 倍。進一步來看，人們更優先學習數據分析、計算機科學與資科技術。

僅有 21% 企業能資助員工學習，政府應提供更多協助

儘管愈來愈多人意識到提升技能（Upskilling，為了現有職位提升的技能）與再技能（Reskilling，重新學習職位以外的技術）的重要性。平均來說，大約 40% 的職場工作者，需要6個月的再技能培訓，但這會依據產業不同而定。例如，在消費業、保健業來說，雇主依賴短周期的培訓；在金融業和能源產業，雇主則希望員工花更多時間投入較長的訓練。

然而，只有 21% 的企業有足夠的公共資金來支持員工學習。世界經濟論壇的研究總結，政府部門應投入更多資源，改善當前的教育與培訓系統，才能培育出更多人才。

新工作排擠「夕陽工作」，組織內的冗員將被淘汰

往後「新型態工作」出現的數量，仍大於「夕陽工作」，但整體來說，就業機會微幅下滑。目前，冗餘職位（Redundant Roles）占整體工作的 15.4%，到了 2025 年預計只剩下 9%（下降 6.4%），代表「冗員」會逐漸被淘汰；新興職業目前占整體工作的 7.8%，5 年後則會是 13.5%（增加 5.7%）。

數位化工作時代已來臨。84% 雇主會調整工作流程，其中最重要的就是遠距工作（Remote Work）。未來，預計有 44% 員工會採取遠距工作模式。

資料來源／世界經濟論壇

本文授權轉載自：經理人
責任編輯：錢玉紘

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。