雲端運算（Cloud Computing）、物聯網（Internet of Things，IoT）、機器人（Robot）、乃至於人工智慧（Artificial Intelligence，AI）等新科技興起，加上各種創新應用服務快速發展形成的新型態經濟樣貌（如共享經濟、平台經濟等），都將造成全世界工作環境與型態的改變，亦引發「未來那些職業會因為人工智慧而消失」、「那些行業會受創新服務模式的衝擊」等熱議與擔憂。

人工智慧科技應用 早引爆各種商機

事實上，以人工智慧為基礎的智慧科技應用，早已深入我們的生活之中，像是蘋果手機的Siri智慧助理、Line的聊天機器人、機場出入境的3D人臉辨識等，都是人工智慧應用的典範案例。人工智慧走入我們的生活，引爆各種商機，但人類究竟有那些能力可能被人工智慧替代，造成勞動市場的變革，值得產業共同關切。

若從工作的特色來談，可以從兩個面向來解構，分別是「創作性」與「重複性」。

①第一種工作類型是低創作性與高重複性的工作，這型態的工作通常是高勞力密集，這類型的工作如機械操作、打字輸入等。

②第二種工作類型是低創作性與低重複性的工作，這類型的工作如文書校對、記帳、一般行政工作等。這可能需要人類五官判讀及某種程度的精確度。

③第三種工作類型是高創作性的工作，這類型工作需要高知識涉入程度之外，可能伴隨的是高度的人群互動，以及溝通的軟技能。如醫療諮詢、教學、髮型設計等。

高重複性勞力工作 被取代風險較高

第一種低創作性與高重複性的高勞力密集工作，便可能因為人工智慧的崛起而有較高的取代風險。數位科技可以使重複性的工作化為自動化服務，加上人工智慧提高這類工作的精確度，降低創作性的門檻，並且資通訊設備可以24小時運作，大大降低人力成本，這類型的工作確實存在相當大的替代風險。

然而，我們在這裡所說的創作性與重複性是針對數位科技而言。簡單的說，駕駛車輛這件事情是高重複性嗎？由於駕駛線不同、路況不同，在過去很多人認為這不是一件重複性高的工作，但人工智慧的崛起卻悄悄改變了重複性及創作性的門檻；運用人工智慧的深度學習技術，無人車駕駛將上路；同樣的，深度學習讓銀行櫃檯業務、大型倉儲的運輸與管理、醫療護理的影像檢驗等看似具高難度，藉由人工智慧的應用，變成近乎重複性可被代替的工作。當然毫無疑問的，第三種高創作性、高知識性涉入的工作就比較不容易輕易被人工智慧等新科技所取代。

台灣企業若要轉型 軟硬整合是關鍵

另一個可能取代勞力市場的科技議題是機器人。然而面對新經濟時代會有兩大現象︰第一，隨著資通訊產品的商品化，資通訊產業硬體產值已有成長趨緩的現象；第二，傳統資訊軟體服務需求，例如企業資源規劃系統（ERP）市場已趨飽和，台灣軟體業者需要尋找新的服務機會與擴大經濟規模。另外，從國際間的價值認知趨勢觀測，已由硬體移至軟體、系統或服務。尤其物聯網的發展趨勢更明顯地指出服務和軟體將占市場最重要的部分，台灣企業若要轉型，軟硬整合是必要發展的策略，甚至要以軟體服務為主，硬體設備為輔，才能在以服務性導向經濟的物聯網市場扮演重要角色。正因為如此，軟結合硬體設備、人工智慧軟體服務的硬整合機器人前景看好。特別是服務型機器人在這幾年迅速發展，服務型機器人主要目的是提供特殊功能，輔助不同的業種、業態、提供經營管理服務、以及消費者服務。

在日本SoftBank、Bic Camera等賣場，皆能看到Pepper機器人服務的身影，甚至在機器人餐廳，看到的不是真人廚師在烹煮食物，也不見廚師靈活揮動鍋鏟，而是廚師機器人依序倒入食材、配料，進行烹煮。但是事實上，機器人並不能替代廚師，機器人需要真正的廚師設計並創造新餐點，而且要在機器人程式介面進行設定烹煮的食材順序與火候控制：食材比例、投入時間、烹煮方式、火侯、醬料多寡等。所以因應這個情境，未來廚師可能就會有「菜色創作師」這個新職業，可能也會有稱作「餐點品管師」的新職務，而機器人也就僅是一個工作的執行者。

不論是人工智慧或是任何新科技，都無法像人類一樣的思考，人的記憶力跟處理速度雖然比不上新興科技的演算速度，但思考能力、溝通能力等是人類無法被機器取代的能力，諸如文學、藝術、心理學、哲學、演藝等工作更是新科技無法勝任，短期內仍有其侷限性。

短期內的人工智慧侷限性，並不是長久不變的。更進一步的闡述，以AlphaGo為例，該項科技原先的開發，乃是運用所有的圍棋圖譜來進行深度學習，因此需要許多的資料來進行訓練，但是省思IBM Watson的開發，該科技的發展，可以運用過往資料的深度學習，進化、推論，達成跨域的人工智慧，終致可以如IBM Watson CTO Rob HIgh, Jr.所言，認知系統擴大人類的認知。在這個趨勢下，傳統上所說的：「移情、親身見解、語氣分析、情感分析」均已在實驗室中成功達成。

龐大數據分析學習 人工智慧辨識高

過往認為所有的人工智慧均需要大量的資料才能夠完成深度學習的想法，前述做法乃是因為機器學習過往是一個指令一個動作，也就是採用監督式的學習，透過標籤。例如：照片中的貓、狗，讓機器學習這些特徵。但目前的發展趨勢已可提供少量的有標籤資料，以及大量沒有標籤的資料，讓人工智慧在龐大的數據分析下學習，藉此培養分類、分析的能力。雖然一開始的正確率很低，但是透過不斷反覆學習與修正，辨識的正確率已經很高。

世人期待人工智慧能帶來產業的轉型與發展，並創造世界更多的便利與美好；在面對人工智慧的人機對弈戰局中，儘管機器人在那場戰役中贏了人類，但機器人的學習來自人類的智慧，最終人工智慧將扮演輔助的角色。然而深度知識涉入程度、跨領域以及具備人類特有的同理心與溝通能力，仍是人類演進發展的自我本能。擁抱並積極面對新科技帶來的轉變，才是我們該做的事情。

身為社會快速變遷的一員，我們可以發現人工智慧的發展，配合上雲端運算、大數據、邊緣計算、物聯網等ICT科技快速到達引爆點，台灣產業的發展與轉型務必更為加速，才能順應潮流扶搖而上。而我國勞動力素質的提升、社群的快速成長和針對這波全球科技和經濟交互運作影響的因應、勞資雙方共同成長和攜手齊心面對全球競爭的全面體認、以及相關法規的調整，自將是刻不容緩的議題。（本文作者為資策會MIC資深產業分析師）