缺工时代的人机新分工

当「缺工」从景气循环中的暂时现象，变成少子化、高龄化与工作型态改变共同造成的长期结构问题，企业面对的已不只是工资上升，而是某些班别、工种与地点再也找不到足够的人。此时，机器人的角色也随之改变：过去自动化常以降低单位成本、提高产能与缩短回收年限为主要理由；现在更迫切的问题是，没有机器，产线、仓库、医院、餐厅甚至公共设施是否还能维持基本运作。

图一 : Agility Robotics开发的双足人形机器人Digit在GXO物流中心搬运大型周转箱。(Source:GXO)

因此，所谓「机器人大军上工」，不应被理解成一批机器人整齐列队，全面取代人类职业；更接近现实的图像，是不同形态的固定式机械手臂、协作机器人、AMR、自动检测设备、无人载具、巡检平台与人形机器人，分散进入各种工作现场，逐项承接人不愿做、不能久做、风险太高或精度要求超越生理极限的任务。真正的产业变革，不在於「人或机器」的二选一，而在於重新拆解工作、重画权责、重设流程，并让技术所创造的生产力回到人的安全、尊严与发展。

图二 : 缺工时代的人机分工，不是整份职业的消失，而是任务被重新配置。(资料来源:本刊整理)

为什麽现在需要一支机器人大军

缺工已不是单一产业的抱怨，而是人囗结构与劳动供给同步改变的结果。少子化使年轻劳动人囗缩减，高龄化又提高医疗、照护与生活服务需求；同一时间，制造、物流、营造、农业、餐旅与清洁等产业，长期依赖轮班、搬运、户外、高温、噪音或高风险作业，招募难度自然更高。即使整体失业率不高，也不代表每个职缺都能被顺利填补，因为劳动市场真正存在的是技能、地点、工时与工作条件的错配。

国际机器人联盟（IFR）公布的World Robotics 2025显示，2024年全球工厂新安装约54.2万台工业机器人，已连续第四年高於50万台；亚洲占新部署量约74%。专业服务机器人在2024年的销售量也接近20万台，年增约9%，而官方说明直接把人力短缺列为需求成长的重要推力。这些数字说明，机器人投资的底层逻辑正在由「自动化比较便宜」转为「自动化让营运不中断」。

图三 : 全球工业机器人年度安装量在十年间逾倍增，机器人逐渐由效率设备转为营运韧性工具。(资料来源:IFR World Robotics 2025)

对大型企业而言，机器人可被纳入数位工厂、智慧仓储与全球供应链配置；对中小企业而言，真正重要的则是门槛能否下降。过去自动化设备往往需要专用治具、封闭式围篱、长时间程式开发与一次性资本支出，一旦产品改版或订单改变，设备就可能失去弹性。现在模组化末端工具、视觉辨识、拖拉示教、低程式码介面与云端机队管理逐渐成熟，机器人即服务（RaaS）、租赁、按小时或按任务计费，也让企业可以先从一个痛点、一条支线、一个班别导入，而非一次改造整座工厂。

然而，「租一台机器人」并不等於问题自然解决。企业仍须回答：现场流程是否标准化？物料与空间是否适合机器运动？异常由谁处理？资料与维修责任由谁承担？如果流程本身混乱，机器人只会把混乱加速。因此，机器人大军的第一项准备，不是采购清单，而是工作分析与流程治理。

机器人不会一次取代职业，而是逐项接手任务

讨论机器人与就业时，最容易犯的错误，是把「职业」当成不可分割的整体。实际上，一名作业员可能同时搬料、定位、锁附、目检、填表、处理异常并与同事协调；一名护理人员也可能同时照护病人、搬运医材、记录资讯、安抚家属与判断风险。不同任务的自动化可能性差异极大，所以可自动化比例提高，不等於整份职务立刻消失。

国际劳工组织近年的研究也逐渐从「多少工作会消失」转向「哪些任务会被转换」。生成式AI的研究结果显示，全球约四分之一工作可能受到一定程度影响，但更常见的结果是工作内容重组，而非整份职业被取代。实体机器人亦然：当机器接手搬运、固定检查与重复动作，人员往往转向设定、监督、处理灰区与改善流程。

最先被交给机器的，通常可归纳为四类「4D＋P」任务：枯燥重复（Dull）、肮脏污染（Dirty）、危险作业（Dangerous）、高负荷（Demanding），以及高精度（Precise）。这些任务共同特徵，是价值主要来自稳定、速度、重复性与耐力，而非深度情境理解。相对地，人类必须保留的核心能力包括：理解未被事先定义的情境、从经验中提出改善、建立沟通与信任，以及对後果做伦理与责任判断。

更深一层的改变，是从「人配合机器」转向「机器配合人」。传统大量生产以固定节拍为中心，工人必须追随输送带与标准动作；未来的弹性制造则要求机器理解人下达的任务，依不同产品、工件与现场状态调整路径。介面也必须让第一线人员看得懂、改得动，而不是只有程式工程师才能操作。真正成熟的人机协作，不是把人变成机器的附属，而是让机器成为人的能力延伸。

制造业从一条自动线到多型态机器人协作

制造业仍是机器人最成熟的应用场域。固定式工业机器人擅长焊接、涂装、上下料、组装与锁附，在汽车、金属、电子与食品产线中已形成高度标准化的单元。它们的优势是速度、刚性与精度，适合大量且稳定的制程；限制则是换线成本高、占地较大，并常需安全围篱与专业整合。

协作机器人的兴起，回应的是小量多样与产品周期缩短。操作员可透过示教拖曳或图形化介面快速设定动作，让同一台机器在不同时段执行锁螺丝、检测、取放或包装。人机共站的价值，不只是节省空间，更能把熟练工的手势、顺序与力量控制转化为可复制的数位流程。不过，「协作」不是天生安全，仍须依速度、负载、工具形状与接触风险完成场域评估。

工厂内物流则由AMR串起。它们负责原料配送、线边补料、半成品转运与成品入库，并与电梯、自动门、仓储系统及制造执行系统协同。相较固定轨道AGV，AMR可依地图与即时障碍重新规画路径，更适合变动频繁的工厂。但当数十、数百台设备同时运作，真正的竞争力就不只在单机，而在交通管制、任务排程、充电策略与跨品牌管理。

机器视觉与AI品检则把「看」变成可量化的生产能力。高速相机可捕捉细微外观差异，AI模型进一步辨识瑕疵类型、建立异常预警。不过，品质判定往往存在灰色地带，尤其新缺陷、反光材质与样本不足时，仍需要人工覆核。最合理的配置，是机器处理大量清楚案例，把不确定样本交还专家，并将覆核结果回??模型。

维修与巡检机器人则利用声音、热影像、气体、震动与视觉感测器，定期巡查危险或偏远设备。技师不再花大量时间走动抄表，而是从资料中判断劣化趋势、安排停机与备品。这并不是维修人员被取代，而是从「到处找问题」升级为「根据证据做决策」。

物流、零售与餐旅机器人走出工厂

在智慧仓储中，机器人已形成真正的群体系统。货架或料箱由AMR送到拣选人员面前，分拣设备依订单自动导流，栈板机器人负责堆叠与搬运，中央软体则根据订单尖峰、设备状态与路径拥塞进行调度。2024年GXO与Agility Robotics签署多年期RaaS协议，让双足人形机器人Digit在实际物流场域搬运周转箱，并与既有AMR及输送带整合。案例的意义不在於人形外观，而是它能否在原本为人设计的走道、料箱与工作站中，补上既有自动化之间的断点。

零售空间的机器人则可巡航货架、辨识商品、盘点库存、发出缺货提醒，甚至执行简单搬运。它们最适合在闭店後或低人流时段工作，减少员工逐格扫描的时间。但顾客服务涉及需求理解、情绪与信任，若把前场全部交给机器，反而可能降低体验。因此，零售自动化的合理界线，是机器处理「找货、数货、搬货」，人员处理「理解、建议与关系」。

餐饮业也呈现相似逻辑。相较於迎宾与桌边服务，後场的备料、定量、??煮、洗涤与搬运更适合优先导入。机器可维持温度、时间与卫生一致性，降低油烟、高温与重复动作对人员的负担。当缺工严重时，前场送餐机器人能协助长距离搬运，但它不应取代真正的服务判断，例如处理过敏、儿童、长者或突发状况。

图四 : 不同产业优先自动化的任务不同，搬运与危险巡检通常比全面互动服务更早成熟。(资料来源:本刊整理)

清洁与建筑维护也是成长快速的服务机器人市场。地面清洁已从单机自动行走，进一步连接设施管理平台；高楼外墙、管道、屋顶与地下空间，则可由攀爬或飞行机器人完成清洗与巡检。当机器人的工作纪录、耗材、地图与异常被统一管理，清洁不再只是设备采购，而成为可追踪服务品质的数据化流程。

医疗与长照机器人是照护者的助手，不是人的替代品

医疗场域的核心矛盾，是照护需求增加，人力却难以同步成长。医院内部大量时间消耗在药品、检体、餐食、医材与废弃物运送；这些任务路径固定、频率高，又会占用护理与医事人员的专业时间。配送机器人若能安全使用电梯、辨识门禁并与资讯系统连接，就能把人员从「跑腿」还原为「照护」。

在诊断实验室，世界经济论坛与Siemens Healthineers相关文章指出，人力短缺、倦怠与人为错误正推动智慧实验室发展，未来机器人可处理试剂补充、样本搬运与重复操作，AI则协助分析与预警。手术与复健机器人的价值则在於放大精密度、稳定度与可重复性，让医师更精细操作，或让患者依个别状态进行训练；但诊断、疗程选择与最终责任仍须由医疗专业人员承担。

长照机器人最适合承接的是移位、扶抱、取物、行走辅助、跌倒侦测与夜间巡房。这些工作对照护者腰背负担极大，也是职业伤害与离职的重要来源。机器若能协助承重、监测与提醒，可使照护者把体力留给真正需要判断与互动的时刻。

然而，情感陪伴是不可忽视的伦理边界。机器能模拟语气、表情与关心，但模拟关怀不等於真正关系；长者也应清楚知道互动对象是机器。机构不能以「已有陪伴机器人」为理由削减必要的人际照护。技术的正当性，在於减轻照护者负担，使人有更多时间陪伴人，而不是把孤独变成一项由演算法外包的服务。

农业、营造与公共安全把人从危险现场移开

农业面临季节性缺工、户外环境变动与作物差异。自动播种、除草、喷洒、采摘与分级机器人，可降低农药暴露并提高作业一致性。温室环境较规则，适合轮式平台与固定轨道；露天农地则需面对泥泞、坡度、风雨、枝叶遮蔽与果实成熟度差异，感知与移动难度更高。因此农业机器人的价值不只在取代人手，也在精准施作，减少水、肥料与药剂浪费。

营造业的工作现场高度非结构化，材料、地形与施工阶段持续改变。短期内最可行的不是一台万能机器人盖完整楝建筑，而是由不同设备分别承接测量、搬运、钻孔、焊接、喷涂与高空作业。IFR也指出，营造与拆除长期依赖劳力，技术工短缺日益严重，移动机器人可用於施工纪录、运输、3D列印、钻孔与焊接，并减少人员暴露於天候与危险环境。

消防与灾害救援更能凸显机器人的伦理价值。火场探测、化学品处理、倒塌建筑搜索与灾区物资运送，本来就是人不应轻易进入的情境。履带、轮式、四足与飞行平台可先建立地图、量测气体与温度、传回影像，协助指挥官判断。机器在此不是为了节省薪资，而是用可替换的设备承担不可逆的人命风险。

能源与公用设施同样需要长距离、重复且高风险巡检。电网、风机、太阳能场、石化设备与高辐射环境，可由无人机、爬壁机器人与地面平台搜集影像、热点、泄漏与腐蚀资料。真正的系统价值，在於把各次巡检形成时间序列，让人员看到趋势，而非只取得一张照片。

图五 : 智慧实验室以机器人处理重复操作，让医事人员聚焦判读、品质与病患照护。(资料来源:WEF)

人与机器人如何真正协作

人机协作的第一原则是：人定目的，机器执行。人决定任务、优先顺序与不可跨越的限制；机器可在这些边界内选择路径、速度与动作；遇到重大例外，则必须把决策权交回人类。这种设计可避免两种极端：一是所有细节都由人遥控，失去自动化价值；二是机器在不透明状态下自行扩张权限。

权限应依风险分级。低风险、规则清楚的工作可自动执行；涉及品质或资源配置时，可要求人工确认；大量标准案件可由机器先做，再由人抽查；环境突变、资料不足或後果重大时，必须人工接管；任何危及人员与设备的情况，都要有独立且容易操作的紧急停止机制。

机器人也必须让人看得懂。它应透过灯号、声音、萤幕、投影或姿态，显示下一步动作、路径与等待原因；错误讯息应指出可行处置，而不是只显示代码。人形机器人尤其容易让人高估其理解能力，因此更需要清楚表达「我知道什麽、我不确定什麽、我接下来要做什麽」。可理解性不是附加功能，而是安全与信任的基础。

最後，工作站也要重新设计。安全距离、交叉动线、物料高度、任务交接、照明与噪音，都会影响人机合作。若只把机器塞进原有空间，工人可能需要绕路、等待或承受新的心理压力。良好的人因工程应同时衡量生理负荷与心理负荷，让人知道机器何时靠近、为何停下，以及自己是否仍掌握工作节奏。

从劳工替代走向职务升级

随着机器人普及，纯搬运、重复装配、固定式目视检查、高风险巡检与长时间单调操作将逐步减少；但新的职务也会增加，包括机器人操作员、机队管理员、应用工程师、现场整合技师、AI训练与资料管理人员，以及机器人安全管理员。真正稀缺的未必都是博士级AI人才，而是能理解现场、设定任务、判断异常、维护设备并与不同专业沟通的中阶技术人才。

这使技职教育与在职训练成为机器人时代的关键基础建设。课程不能只教单一品牌按键操作，而应包含机械、电控、感测、网路、资料、安全、流程分析与人因。企业也不应等到设备安装後才训练员工，而要让第一线人员叁与需求定义、测试与改善，因为他们最清楚现场的例外与隐性知识。

更重要的是，生产力成果如何分配。机器人提高效率後，企业是否只裁减人力，还是缩短工时、降低职灾、提高职能与待遇？员工是否有机会从被自动化的任务，转入更有判断价值的工作？若技术收益全部集中於资本端，机器人就会成为社会不安的来源；若效率提升能换取更安全、更有尊严且更可持续的工作，技术才真正具有公共价值。

企业导入时可建立三项承诺：一优先自动化危险与高负荷任务；二在导入前提出转职与培训路径；三定期公开安全、品质、工时与职务变化的成效。如此，机器人大军才不是裁员工具，而是组织升级的共同工程。

结语

机器人大军的目的，不是把人赶出工作现场，而是把人从不值得、不能承受或不必亲自完成的工作中释放出来。当机器接手重复、污染、危险与高负荷，人应回到目的设定、例外判断、创造改善、沟通信任与责任承担的位置。

这个结果不会自动实现，取决於企业如何拆解任务、设计权限、建立透明介面、培养人才和分配生产力成果。理想的未来应是成熟的分工秩序，让机器发挥耐力与精度，人类则保有判断、关系与尊严。