「你的下一位同事，可能不是人類。」這句話在幾年前可能是個玩笑，如今卻是全球勞動市場的真實樣貌，AI 與機器人正以前所未有的速度進入各類職場。根據國際機器人聯盟統計，當前全球運行中的工業機器人已超過 4 百萬臺。工業機器人的普及不再是跨國大企業的專屬領域，中小企業，甚至醫療與物流等服務產業，也紛紛投入這股技術浪潮。
&nbsp;
這勢不可擋的機器人發展如同一面鏡子，映照出我們對未來的集體焦慮：當機器越來越聰明，我們賴以維生的技能，還剩下多少價值？人類究竟會是單純被「取代」，抑或是一次「工作模式」的重新定義？
&nbsp;
機器人如何改變工作的日常？
財團法人精密機械研究發展中心總經理室技術總監蕭仁忠直言，這波浪潮象徵「智慧工廠 AI 時代正式啟動，是工具機產業與機器人產業的一個交會點，也是人才與產線再配置的一次大洗牌」。他觀察到，過去工業革命是以蒸汽機與電力啟動，而今推動製造業轉型的關鍵，不只是機械本體的自動化，而是人工智慧與控制技術的融合，「這些機器人越來越具備視覺、感測、決策與即時調整的能力，AI 正在重新解構製造的流程與邏輯。」
&nbsp;
中華經濟研究院第三研究所副研究員魏聰哲也提出同樣觀點。他指出，過去的機器人大多是自動化的，只能重複執行程式化動作，沒有學習與判斷能力。但自 2010 年之後，隨著深度學習的突破，AI 機器人開始具備「視覺功能」，能辨識與調整動作，逐漸取代人類在製造業中的部分精密組裝或搬運工作。魏聰哲認為，這代表 AI 正從「弱人工智慧」走向「生成式 AI」的階段，進一步邁入「實體型 AI」的新紀元。
&nbsp;
然而，技術的進步也帶來社會的不安。國立臺灣大學經濟系特聘教授林明仁指出，生成式 AI 的進步幅度遠超人們的想像。他舉例，僅僅兩年前，AI 模型考試成績僅有 30 分，如今卻能達到國際奧林匹克數學競賽金牌的水準，這顯示 AI 已能取代絕大部分白領的邏輯與數學能力。他直言：「雖然人們常安慰自己 AI 不是取代人，而是取代不會用 AI 的人，但若 AI 甚至能在你還沒想到之前，就已經替你規劃好所有可能方案，那麼它實際上就是取代人。」
&nbsp;
魏聰哲副研究員則從國際視角補充，生成式 AI 的進展讓 AI 不只是模仿人類行為，而是能夠創造、共創，甚至參與決策，這樣的轉變雖帶來效率，但短期內也會造成「失業衝擊」。
&nbsp;
不過，蕭仁忠總監認為，AI 並非單純的「取代」，而是對工作進行「任務的重新分配」。例如，AI 系統特別擅長接管品檢、上料、包裝等重複性高的任務，這些過去依賴大量基層勞力的工作，如今逐步轉由具備 AI 能力的自動化系統承擔。他說：「這使得原先執行這些任務的人力，其工作內容產生了變化，從直接的體力執行，轉向對 AI 自動化系統的監控、維護與管理。」
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2025/09/10-1_670x460.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">AI 機器人並非單純的「取代人類」，而是對工作進行「任務的重新分配」，但短期內確實會造成失業衝擊。</div>
</div>
</div>
</div>
</div>
&nbsp;
基層與中高齡勞工的挑戰，以及數位技能的缺口
這樣的轉型也帶來焦慮。特別是對基層技術工與中高齡作業員而言，原本賴以維生的技能逐漸失去優勢，而新型態的職能卻需要額外的數位能力。蕭仁忠總監提醒：「既有的工作技能與新型態職務所需的能力之間，出現了一個需要被彌合的落差。若企業內部的職務再設計，以及外部的轉型培訓資源未能及時跟上，所謂的排擠效應就有可能發生。」
&nbsp;
這種過渡期的不安，若沒有政策與培訓的支撐，確實可能演變為結構性失業的問題。他強調，這不是技術發展必然帶來的結果，而是「轉型過程中的挑戰」。
&nbsp;
以臺灣產業結構來看，受影響的群體並不局限於低學歷或低技術勞工。他指出，「在臺灣，受衝擊最深的是兩大群體：首先是製造、物流、金融等產業中，大量從事重複性工作的基層人力；其次，更是隱憂的，是那些擁有豐富傳統經驗卻缺乏數位技能的中階技術工。」
&nbsp;
這些過去被視為核心力量的中階技術工，正面臨一個矛盾：專業經驗依舊寶貴，卻逐漸被數據驅動的 AI 決策模式稀釋。這也是為什麼，近年政府與法人機構積極投入轉型課程，試圖建立跨職種的技能升級模組。他認為，政策若能與產業需求更緊密對接，並建立順暢的就業媒合機制，才有可能化解這場轉型的斷層。
&nbsp;
對此，蕭仁忠總監提出「需求驅動」的人才發展模式：由企業提出明確的技能需求，學校與法人設計對應課程，政府則提供政策支持，形成一個從學習到就業的正向循環。這樣的三方合作，才能讓新興職能迅速落地，也能為中高齡勞工提供轉型的可能。
&nbsp;
魏聰哲副研究員同樣觀察到，AI 與機器人取代的多是「常規性、重複性」工作，像搬運、簡單加工或客服，而需要專業判斷、協調或情感互動的非例行性工作則較難被取代。他提醒，若企業人事制度未能及時調整，可能導致人才低薪化與外流，唯有建立完善的人機協作制度，才能提升整體價值。
&nbsp;
他將未來的職場分為三個層次：第一線人員需從執行者轉型為機器人管理者；中階主管必須學會設計人機協作制度；高階研發人才則要專注於專屬客製 AI 系統與軟體的開發，藉此提升企業附加價值。林明仁則提醒，單純的程式能力將被 AI 快速取代，未來需要更多能與 AI 和硬體結合的「轉譯人才」。這些人懂得系統整合、部署與服務，而不只是寫程式。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2025/09/10-2_670x460.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">AI 與機器人取代的多是「常規性、重複性」工作，像搬運、簡單加工或客服，而需要專業判斷、協調或情感互動的非例行性工作則較難被取代。</div>
</div>
</div>
</div>
</div>
&nbsp;
當舊技能失色，AI 催生了哪些新角色？
不過，林明仁教授認為，情況也並非完全悲觀。歷史上，每十年約有 10% 的舊職業消失，但同時也有 10% 的新職業誕生。因此，AI 雖會淘汰許多工作，但也可能催生新職業。關鍵在於：變化的速度是否在人類社會能承受的範圍內。
&nbsp;
蕭仁忠總監也指出：「過去，大家可能覺得 AI 機器人工程師、資料訓練工程師這類職務，只有在竹科或大型科技公司才看得到。但現在，情況完全不同了。許多工具機及傳產業者，為了升級成智慧工廠，也開始急需這類人才。」他強調，未來這些技能的核心不在於「高深技術」，而是「普及工具」。就像幾十年前會使用電腦是特殊技能，如今卻成為每個職場人的必備基礎，管理 AI 機器人與判讀數據也將成為新的「基本功」。
&nbsp;
在不同領域，這種「舊職能 + 新技能」的組合正逐漸成形。原本單純安裝機械的技術員，如今必須懂得 IoT 模組設定與數據回傳；品保人員則從「檢查不良品」轉變為「優化 AI 系統」的教練；辦公室專業職也開始利用 AI 進行基礎分析，讓自己能專注於更高層次的決策。
&nbsp;
臺灣的結構困境：人才培養與應用能力未能同步
然而，蕭仁忠總監也提醒，臺灣仍面臨一個結構性的困境：「企業導入高階硬體設備的速度非常快，但與之配套的軟體、資料應用人才的養成速度，卻沒有同步完全跟上。」這導致昂貴的機器人與自動化系統已經進駐產線，但真正能發揮其效益的人才卻明顯不足。
&nbsp;
這個「技能鴻溝」具體展現在三個面向：
&nbsp;
第一是資料應用能力不足，許多工程師擅長設備操作，卻缺乏數據清理與分析經驗。第二是軟體整合能力缺口，能同時理解運營科技（operationaltechnology, OT）與資訊科技（information technology, IT）的人才仍十分稀少，兩者差異如下：
&nbsp;
<ul>
<li>資訊科技（ IT ） 負責處理數據與規劃，可以理解為工廠的「決策核心」。 IT 系統會分析訂單、庫存等數據，判斷最有效率的生產排程 。</li>
<li>運營科技（ OT ） 則專注於現場的設備操作與執行。 OT 系統接收到指令後，會直接控制機器人、自動化產線等硬體，完成實際的生產任務 。</li>
</ul>
&nbsp;
在過去，工廠的 IT 與 OT 系統之間壁壘分明，資訊無法順暢流通，造成整合困難 。要打造真正的智慧工廠，就必須打通兩者連結。因此，能串聯數據規劃與現場執行，讓資訊系統能與實體設備無縫協作的工程人才，便成為智慧轉型中的關鍵角色 。
&nbsp;
第三是系統性規劃人才不足，從單點自動化走向整廠智慧化，需要能全盤思考的智慧產線規劃師，但這類人才仍在萌芽階段。
&nbsp;
要彌合這個鴻溝，教育體系必須調整，將資料科學、軟體工程與系統整合納入工程教育的核心課程。產業端則應推動硬體工程師的「在職升級」，讓他們疊加新的數據分析與軟體技能。此外，蕭仁忠總監也建議企業應善用外部系統整合商（system integration, SI），以顧問形式提供專業，避免所有企業都需自行養成人才，這是符合經濟效益的解方。
&nbsp;
林明仁教授則指出，臺灣在全球供應鏈中仍是「不可忽視的合作夥伴」，短期內仍享有優勢，但長期挑戰在於人才結構轉型。他強調，教育必須更快調整，否則臺灣將難以抵禦 AI 加速所帶來的浪潮。
&nbsp;
另一個更令魏聰哲副研究員感到憂心的議題，其實是技術演進往往帶來權力與資源的集中，未來掌握能源、技術與大型機器人工廠的少數國家與企業，將握有壟斷優勢。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2025/09/10-3_670x460.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">臺灣在全球供應鏈中仍是「不可忽視的合作夥伴」，短期內仍享有優勢，但長期挑戰在於人才結構轉型。</div>
</div>
</div>
</div>
</div>
&nbsp;
AI 機器人時代的轉型十字路口
全球 4 百萬臺工業機器人的運行，象徵著製造業正站在一個新的十字路口。自動化與 AI 確實引發了社會對失業的焦慮，但也同時帶來新職能與新職業的契機。
&nbsp;
蕭仁忠總監認為，關鍵不在於恐懼，而在於如何設計出一個「學用對接」的體系，讓勞工能順利跨越轉型的鴻溝，「導入新設備只是第一步，若人才生態系沒有跟上，智慧化的效益永遠無法完全發揮。」魏聰哲副研究員則提醒，AI導入短期內雖會引起失業與適應問題，但長期能補足勞動力缺口，對於即將邁入超高齡社會的臺灣，會是一項必要選擇。
&nbsp;
最後林明仁教授強調，AI技術的發展不是必然，而是人類社會的選擇。他提醒，政治、規範、教育與產業策略，都將決定AI究竟是成為「解放」還是「控制」的力量。臺灣的當務之急，是在全球AI競局中找到定位，同時培養能整合軟硬體、與AI協作的新型人才。
&nbsp;
（客座總編輯｜國立政治大學資訊學院 劉吉軒院長；研究顧問團隊｜財團法人精密機械研究發展中心總經理室 蕭仁忠技術總監、中華經濟研究院第三研究所 魏聰哲副研究員、國立臺灣大學經濟系 林明仁特聘教授；責任編輯｜曹盛威、洪孟樊）