缺工時代的人機新分工

當「缺工」從景氣循環中的暫時現象，變成少子化、高齡化與工作型態改變共同造成的長期結構問題，企業面對的已不只是工資上升，而是某些班別、工種與地點再也找不到足夠的人。此時，機器人的角色也隨之改變：過去自動化常以降低單位成本、提高產能與縮短回收年限為主要理由；現在更迫切的問題是，沒有機器，產線、倉庫、醫院、餐廳甚至公共設施是否還能維持基本運作。

圖一 : Agility Robotics開發的雙足人形機器人Digit在GXO物流中心搬運大型周轉箱。(Source:GXO)

因此，所謂「機器人大軍上工」，不應被理解成一批機器人整齊列隊，全面取代人類職業；更接近現實的圖像，是不同形態的固定式機械手臂、協作機器人、AMR、自動檢測設備、無人載具、巡檢平台與人形機器人，分散進入各種工作現場，逐項承接人不願做、不能久做、風險太高或精度要求超越生理極限的任務。真正的產業變革，不在於「人或機器」的二選一，而在於重新拆解工作、重畫權責、重設流程，並讓技術所創造的生產力回到人的安全、尊嚴與發展。

圖二 : 缺工時代的人機分工，不是整份職業的消失，而是任務被重新配置。(資料來源:本刊整理)

為什麼現在需要一支機器人大軍

缺工已不是單一產業的抱怨，而是人口結構與勞動供給同步改變的結果。少子化使年輕勞動人口縮減，高齡化又提高醫療、照護與生活服務需求；同一時間，製造、物流、營造、農業、餐旅與清潔等產業，長期依賴輪班、搬運、戶外、高溫、噪音或高風險作業，招募難度自然更高。即使整體失業率不高，也不代表每個職缺都能被順利填補，因為勞動市場真正存在的是技能、地點、工時與工作條件的錯配。

國際機器人聯盟（IFR）公布的World Robotics 2025顯示，2024年全球工廠新安裝約54.2萬台工業機器人，已連續第四年高於50萬台；亞洲占新部署量約74%。專業服務機器人在2024年的銷售量也接近20萬台，年增約9%，而官方說明直接把人力短缺列為需求成長的重要推力。這些數字說明，機器人投資的底層邏輯正在由「自動化比較便宜」轉為「自動化讓營運不中斷」。

圖三 : 全球工業機器人年度安裝量在十年間逾倍增，機器人逐漸由效率設備轉為營運韌性工具。(資料來源:IFR World Robotics 2025)

對大型企業而言，機器人可被納入數位工廠、智慧倉儲與全球供應鏈配置；對中小企業而言，真正重要的則是門檻能否下降。過去自動化設備往往需要專用治具、封閉式圍籬、長時間程式開發與一次性資本支出，一旦產品改版或訂單改變，設備就可能失去彈性。現在模組化末端工具、視覺辨識、拖拉示教、低程式碼介面與雲端機隊管理逐漸成熟，機器人即服務（RaaS）、租賃、按小時或按任務計費，也讓企業可以先從一個痛點、一條支線、一個班別導入，而非一次改造整座工廠。

然而，「租一台機器人」並不等於問題自然解決。企業仍須回答：現場流程是否標準化？物料與空間是否適合機器運動？異常由誰處理？資料與維修責任由誰承擔？如果流程本身混亂，機器人只會把混亂加速。因此，機器人大軍的第一項準備，不是採購清單，而是工作分析與流程治理。

機器人不會一次取代職業，而是逐項接手任務

討論機器人與就業時，最容易犯的錯誤，是把「職業」當成不可分割的整體。實際上，一名作業員可能同時搬料、定位、鎖附、目檢、填表、處理異常並與同事協調；一名護理人員也可能同時照護病人、搬運醫材、記錄資訊、安撫家屬與判斷風險。不同任務的自動化可能性差異極大，所以可自動化比例提高，不等於整份職務立刻消失。

國際勞工組織近年的研究也逐漸從「多少工作會消失」轉向「哪些任務會被轉換」。生成式AI的研究結果顯示，全球約四分之一工作可能受到一定程度影響，但更常見的結果是工作內容重組，而非整份職業被取代。實體機器人亦然：當機器接手搬運、固定檢查與重複動作，人員往往轉向設定、監督、處理灰區與改善流程。

最先被交給機器的，通常可歸納為四類「4D＋P」任務：枯燥重複（Dull）、骯髒污染（Dirty）、危險作業（Dangerous）、高負荷（Demanding），以及高精度（Precise）。這些任務共同特徵，是價值主要來自穩定、速度、重複性與耐力，而非深度情境理解。相對地，人類必須保留的核心能力包括：理解未被事先定義的情境、從經驗中提出改善、建立溝通與信任，以及對後果做倫理與責任判斷。

更深一層的改變，是從「人配合機器」轉向「機器配合人」。傳統大量生產以固定節拍為中心，工人必須追隨輸送帶與標準動作；未來的彈性製造則要求機器理解人下達的任務，依不同產品、工件與現場狀態調整路徑。介面也必須讓第一線人員看得懂、改得動，而不是只有程式工程師才能操作。真正成熟的人機協作，不是把人變成機器的附屬，而是讓機器成為人的能力延伸。

製造業——從一條自動線到多型態機器人協作

製造業仍是機器人最成熟的應用場域。固定式工業機器人擅長焊接、塗裝、上下料、組裝與鎖附，在汽車、金屬、電子與食品產線中已形成高度標準化的單元。它們的優勢是速度、剛性與精度，適合大量且穩定的製程；限制則是換線成本高、占地較大，並常需安全圍籬與專業整合。

協作機器人的興起，回應的是小量多樣與產品週期縮短。操作員可透過示教拖曳或圖形化介面快速設定動作，讓同一台機器在不同時段執行鎖螺絲、檢測、取放或包裝。人機共站的價值，不只是節省空間，更能把熟練工的手勢、順序與力量控制轉化為可複製的數位流程。不過，「協作」不是天生安全，仍須依速度、負載、工具形狀與接觸風險完成場域評估。

工廠內物流則由AMR串起。它們負責原料配送、線邊補料、半成品轉運與成品入庫，並與電梯、自動門、倉儲系統及製造執行系統協同。相較固定軌道AGV，AMR可依地圖與即時障礙重新規畫路徑，更適合變動頻繁的工廠。但當數十、數百台設備同時運作，真正的競爭力就不只在單機，而在交通管制、任務排程、充電策略與跨品牌管理。

機器視覺與AI品檢則把「看」變成可量化的生產能力。高速相機可捕捉細微外觀差異，AI模型進一步辨識瑕疵類型、建立異常預警。不過，品質判定往往存在灰色地帶，尤其新缺陷、反光材質與樣本不足時，仍需要人工覆核。最合理的配置，是機器處理大量清楚案例，把不確定樣本交還專家，並將覆核結果回饋模型。

維修與巡檢機器人則利用聲音、熱影像、氣體、震動與視覺感測器，定期巡查危險或偏遠設備。技師不再花大量時間走動抄表，而是從資料中判斷劣化趨勢、安排停機與備品。這並不是維修人員被取代，而是從「到處找問題」升級為「根據證據做決策」。

物流、零售與餐旅——機器人走出工廠

在智慧倉儲中，機器人已形成真正的群體系統。貨架或料箱由AMR送到揀選人員面前，分揀設備依訂單自動導流，棧板機器人負責堆疊與搬運，中央軟體則根據訂單尖峰、設備狀態與路徑擁塞進行調度。2024年GXO與Agility Robotics簽署多年期RaaS協議，讓雙足人形機器人Digit在實際物流場域搬運周轉箱，並與既有AMR及輸送帶整合。案例的意義不在於人形外觀，而是它能否在原本為人設計的走道、料箱與工作站中，補上既有自動化之間的斷點。

零售空間的機器人則可巡航貨架、辨識商品、盤點庫存、發出缺貨提醒，甚至執行簡單搬運。它們最適合在閉店後或低人流時段工作，減少員工逐格掃描的時間。但顧客服務涉及需求理解、情緒與信任，若把前場全部交給機器，反而可能降低體驗。因此，零售自動化的合理界線，是機器處理「找貨、數貨、搬貨」，人員處理「理解、建議與關係」。

餐飲業也呈現相似邏輯。相較於迎賓與桌邊服務，後場的備料、定量、烹煮、洗滌與搬運更適合優先導入。機器可維持溫度、時間與衛生一致性，降低油煙、高溫與重複動作對人員的負擔。當缺工嚴重時，前場送餐機器人能協助長距離搬運，但它不應取代真正的服務判斷，例如處理過敏、兒童、長者或突發狀況。

圖四 : 不同產業優先自動化的任務不同，搬運與危險巡檢通常比全面互動服務更早成熟。(資料來源:本刊整理)

清潔與建築維護也是成長快速的服務機器人市場。地面清潔已從單機自動行走，進一步連接設施管理平台；高樓外牆、管道、屋頂與地下空間，則可由攀爬或飛行機器人完成清洗與巡檢。當機器人的工作紀錄、耗材、地圖與異常被統一管理，清潔不再只是設備採購，而成為可追蹤服務品質的數據化流程。

醫療與長照——機器人是照護者的助手，不是人的替代品

醫療場域的核心矛盾，是照護需求增加，人力卻難以同步成長。醫院內部大量時間消耗在藥品、檢體、餐食、醫材與廢棄物運送；這些任務路徑固定、頻率高，又會占用護理與醫事人員的專業時間。配送機器人若能安全使用電梯、辨識門禁並與資訊系統連接，就能把人員從「跑腿」還原為「照護」。

在診斷實驗室，世界經濟論壇與Siemens Healthineers相關文章指出，人力短缺、倦怠與人為錯誤正推動智慧實驗室發展，未來機器人可處理試劑補充、樣本搬運與重複操作，AI則協助分析與預警。手術與復健機器人的價值則在於放大精密度、穩定度與可重複性，讓醫師更精細操作，或讓患者依個別狀態進行訓練；但診斷、療程選擇與最終責任仍須由醫療專業人員承擔。

長照機器人最適合承接的是移位、扶抱、取物、行走輔助、跌倒偵測與夜間巡房。這些工作對照護者腰背負擔極大，也是職業傷害與離職的重要來源。機器若能協助承重、監測與提醒，可使照護者把體力留給真正需要判斷與互動的時刻。

然而，情感陪伴是不可忽視的倫理邊界。機器能模擬語氣、表情與關心，但模擬關懷不等於真正關係；長者也應清楚知道互動對象是機器。機構不能以「已有陪伴機器人」為理由削減必要的人際照護。技術的正當性，在於減輕照護者負擔，使人有更多時間陪伴人，而不是把孤獨變成一項由演算法外包的服務。

農業、營造與公共安全——把人從危險現場移開

農業面臨季節性缺工、戶外環境變動與作物差異。自動播種、除草、噴灑、採摘與分級機器人，可降低農藥暴露並提高作業一致性。溫室環境較規則，適合輪式平台與固定軌道；露天農地則需面對泥濘、坡度、風雨、枝葉遮蔽與果實成熟度差異，感知與移動難度更高。因此農業機器人的價值不只在取代人手，也在精準施作，減少水、肥料與藥劑浪費。

營造業的工作現場高度非結構化，材料、地形與施工階段持續改變。短期內最可行的不是一台萬能機器人蓋完整棟建築，而是由不同設備分別承接測量、搬運、鑽孔、焊接、噴塗與高空作業。IFR也指出，營造與拆除長期依賴勞力，技術工短缺日益嚴重，移動機器人可用於施工紀錄、運輸、3D列印、鑽孔與焊接，並減少人員暴露於天候與危險環境。

消防與災害救援更能凸顯機器人的倫理價值。火場探測、化學品處理、倒塌建築搜索與災區物資運送，本來就是人不應輕易進入的情境。履帶、輪式、四足與飛行平台可先建立地圖、量測氣體與溫度、傳回影像，協助指揮官判斷。機器在此不是為了節省薪資，而是用可替換的設備承擔不可逆的人命風險。

能源與公用設施同樣需要長距離、重複且高風險巡檢。電網、風機、太陽能場、石化設備與高輻射環境，可由無人機、爬壁機器人與地面平台蒐集影像、熱點、洩漏與腐蝕資料。真正的系統價值，在於把各次巡檢形成時間序列，讓人員看到趨勢，而非只取得一張照片。

圖五 : 智慧實驗室以機器人處理重複操作，讓醫事人員聚焦判讀、品質與病患照護。(資料來源:WEF)

人與機器人如何真正協作

人機協作的第一原則是：人定目的，機器執行。人決定任務、優先順序與不可跨越的限制；機器可在這些邊界內選擇路徑、速度與動作；遇到重大例外，則必須把決策權交回人類。這種設計可避免兩種極端：一是所有細節都由人遙控，失去自動化價值；二是機器在不透明狀態下自行擴張權限。

權限應依風險分級。低風險、規則清楚的工作可自動執行；涉及品質或資源配置時，可要求人工確認；大量標準案件可由機器先做，再由人抽查；環境突變、資料不足或後果重大時，必須人工接管；任何危及人員與設備的情況，都要有獨立且容易操作的緊急停止機制。

機器人也必須讓人看得懂。它應透過燈號、聲音、螢幕、投影或姿態，顯示下一步動作、路徑與等待原因；錯誤訊息應指出可行處置，而不是只顯示代碼。人形機器人尤其容易讓人高估其理解能力，因此更需要清楚表達「我知道什麼、我不確定什麼、我接下來要做什麼」。可理解性不是附加功能，而是安全與信任的基礎。

最後，工作站也要重新設計。安全距離、交叉動線、物料高度、任務交接、照明與噪音，都會影響人機合作。若只把機器塞進原有空間，工人可能需要繞路、等待或承受新的心理壓力。良好的人因工程應同時衡量生理負荷與心理負荷，讓人知道機器何時靠近、為何停下，以及自己是否仍掌握工作節奏。

從勞工替代走向職務升級

隨著機器人普及，純搬運、重複裝配、固定式目視檢查、高風險巡檢與長時間單調操作將逐步減少；但新的職務也會增加，包括機器人操作員、機隊管理員、應用工程師、現場整合技師、AI訓練與資料管理人員，以及機器人安全管理員。真正稀缺的未必都是博士級AI人才，而是能理解現場、設定任務、判斷異常、維護設備並與不同專業溝通的中階技術人才。

這使技職教育與在職訓練成為機器人時代的關鍵基礎建設。課程不能只教單一品牌按鍵操作，而應包含機械、電控、感測、網路、資料、安全、流程分析與人因。企業也不應等到設備安裝後才訓練員工，而要讓第一線人員參與需求定義、測試與改善，因為他們最清楚現場的例外與隱性知識。

更重要的是，生產力成果如何分配。機器人提高效率後，企業是否只裁減人力，還是縮短工時、降低職災、提高職能與待遇？員工是否有機會從被自動化的任務，轉入更有判斷價值的工作？若技術收益全部集中於資本端，機器人就會成為社會不安的來源；若效率提升能換取更安全、更有尊嚴且更可持續的工作，技術才真正具有公共價值。

企業導入時可建立三項承諾：一優先自動化危險與高負荷任務；二在導入前提出轉職與培訓路徑；三定期公開安全、品質、工時與職務變化的成效。如此，機器人大軍才不是裁員工具，而是組織升級的共同工程。

結語

機器人大軍的目的，不是把人趕出工作現場，而是把人從不值得、不能承受或不必親自完成的工作中釋放出來。當機器接手重複、污染、危險與高負荷，人應回到目的設定、例外判斷、創造改善、溝通信任與責任承擔的位置。

這個結果不會自動實現，取決於企業如何拆解任務、設計權限、建立透明介面、培養人才和分配生產力成果。理想的未來應是成熟的分工秩序，讓機器發揮耐力與精度，人類則保有判斷、關係與尊嚴。