豐田回聘65歲退休員工「可做到70歲」，4大關鍵讓銀髮族秒變即戰力|數位時代 BusinessNext

日本豐田（Toyota）汽車將從 8 月起，重新聘僱 65 歲以上的中高齡高階員工、最多可工作到 70 歲，期望透過回聘資深員工、充分運用他們的專門知識和技術，解決勞動力短缺、生產線的產力問題。日本《讀賣新聞》指出，豐田汽車原本規定的退休年齡是 60 歲，65 歲以下員工都適用回聘制度，但 65 歲以上的員工則沒有，目前僅約 20 人被「破格」僱用。

在現行的豐田制度下，部長級員工回聘的薪資是退休前的一半，因此到了 60 歲選擇退休、不接受回聘的人約有兩成。薪資相關制度將於 10 月修正，會依據個人貢獻度，靈活調整薪資。

近年來，日本各大企業迫於勞動力短缺的問題，紛紛延長或廢止退休年齡，並改善回聘員工的待遇。據日本總務省數據顯示，2023 年 65～69 歲民眾就業率為 52.0%，相比 10 年前大幅上升 13.3%。

聘回中高齡人才有何好處？

不只豐田汽車，日本拉鏈製造商華可貴（YKK）也在 2021 年廢除日本公司的退休年齡規定；馬自達（Mazda）汽車也從 2022 年起，將把退休年齡從 60 歲延長至 65 歲。

全球知名諮詢顧問公司貝恩（Bain ＆ Company）指出，7 大工業國組織的勞動力市場，將會受到人口高齡化的顯著影響，至 2031 年時 55 歲以上的工作者將占全體 25% 以上，較 20 年前成長了近 10%。貝恩認為基於這樣的趨勢，把年長工作者重新放進留才與徵才策略，是當前組織的最優先任務。

事實上，各行各業目前都還能看到「缺工」的情況持續上演，貝恩提醒深陷缺工困境的企業，需要調整當前的人才策略、關注這群過去幾乎不被重視的族群，將會是解決缺工的有效方式之一。

聘用中高齡的工作者，不只是滿足現階段職務缺口的作法，《哈佛商業評論》（Harvard Business Review）提到，聘用中高齡員工對於企業也有許多好處。

舉例來說，中高齡的工作者通常足夠忠誠且可靠，過往的經驗亦有助於服務關鍵客戶時，做出明智判斷。同時「混齡職場」也會為組織帶來的好處，年輕和年長員工一起工作的團隊，能夠共享知識和經驗，彼此之間的生產力得以互補，更能培養出下一代的人才。 OECD（經濟合作暨發展組織）則指出，如果一家公司 50 歲及以上的工人，比平均多出 10％，整體的生產力將提高 1.1%。

特別的是，其實有超過 60% 邁入人生下半場的工作者或退休者，期望繼續或回到職場當中。麥肯錫（McKinsey & Company）研究了超過 2 萬名 55 歲以上的成年人後得出一項結論，若想要維持生理、心理健康的老年生活，參與社會是最好的作法之一。而要參與社會，就業就是最為直接的途徑之一，可以得到心理上的被重視和需要感，亦能獲取實質的報酬。

然而，即便企業聘用或中老年人本身再度投身工作，都能看到明顯的效益，可是現實卻是殘酷的：他們相當難以再取得就業機會。

人力荒難解，為何長者仍謀職不易？

美國退休者協會（AARP）在 2020 年的一項全球雇主調查中，發現只有不到 4% 的公司，已經重新整合年長者至其人才策略，另外僅有 27% 的受調者表示，他們非常有可能在未來探索這條道路。

ABC 新聞（ABC NEWS）實際採訪了一位 61 歲、擁有超過 40 年工作經驗的澳洲求職者，就表示他原本每周會申請 15 份工作，但因為不斷被拒絕，減少到了每月遞出 15 份履歷。這在澳洲是相當普遍的情況，按該國政府的統計報告顯示，老年人失業的時間，往往是年輕人的 2 倍之多，無法擁有進一步面試與職缺機會的原因，竟有 1/6 的雇主承認他們確實是因為「年齡歧視」。

確實有些企業會質疑，年長工作者可以勝任各種職位嗎？貝恩說明，當然有些工作十分受到年齡影響，尤其是需要大量勞動的崗位。但多數組織並不會只需求一種職能，如果想要尋覓的是渴望幫助他人、有團隊精神，或相對獨立、不斷要求自己進步的適任者，據他們觀察相對容易在年長者的工作者中尋覓到理想人選。因此，企業應當放下過往對於年紀的成見，讓中高齡工作者成為組織中穩定的支柱，甚至帶來意想不到的貢獻。

該如何讓中高齡工作者發揮長才？

如何解決企業如何招聘中高齡人才，並將他們轉化為有效的戰力？《哈佛商業評論》調查逾 3 萬 5000 名中高齡工作者，了解他們在重返職場的動機中最在意哪些因素，並依此提出了幾項解方作為企業參考：

1.設計更具有目標的職位

企業可以考慮跳脫瑣碎的日常事務，為工作者制定更具體、更有意義的職涯目標，並且在其中強化與同事、客戶之間的互動，以培養使命感。

2.更彈性的工作時間

在調查中，有 2/3 的中高齡工作者希望能夠擁有更彈性的工作時間，取得工作與個人安排的平衡，企業可以考慮搭建一隻兼職的工作團隊，維持靈活性而不是將員工永遠綁在電腦椅上。

3.為實際的成果付費

調查結果顯示，中高齡工作者在意的前 10 大因素都無關薪酬，這代表 比起薪水，他們更在意工作帶來的意義與成就 ，企業可以更清楚連結成果與獎勵之間的關係，強化工作的意義。

4.建立社群與友情

招聘中高齡工作者解決缺工危機，跨領域的經驗不在少數。研究中有 2/3 的受訪者表明自己會更傾向選擇一個有趣、具包容感的職場；企業不妨嘗試建立起社群，讓員工感受到被支持，員工幸福感提升，客戶滿意度與留任率就更容易提升。

資料來源 / Bain ＆Company、Harvard Business Review、OECD、McKinsey & Company、ABC NEWS、日本讀賣新聞

延伸閱讀：人力荒！12%日本超商不再24小時營業，這觀光大縣影響最大

本文授權轉載自：經理人月刊

責任編輯：李先泰

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。