產業報導
AI進入工作場域 生產力轉型勢在必行
- 發佈日期：
- 資料來源：17 Cross 跨境電商生態村
- 點閱次數：9
從螢幕助手到實體夥伴 人機協作持續進化
撰文／陳玉鳳 圖片提供／Shutterstock
AI的角色從輔助工具轉化為實質參與任務的夥伴，不僅能拆解複雜流程，更從數位螢幕延伸至實體場域。在追求效能產出的同時，如何精準定義人機協作分工、確保任務品質並克服實務的挑戰，已成為企業生產力轉型關鍵。
隨著AI持續進化，其在工作場域的角色也產生轉變。從早期主要用於回應問題、協助撰寫簡單內容，到如今能理解使用情境、拆解流程、跨系統執行任務並持續追蹤進度，AI的功能已延伸至流程參與層級。愈來愈多企業意識到，AI所帶來的影響，不僅是單一工具的導入，而是對整體工作流程與組織協作的重新調整。
麥肯錫《2025年AI現況報告》指出，全球已有超過78％的企業在至少一項業務功能中導入AI，較前一年提升10個百分點。另據宏觀經濟與產業數據研究平台MacroMicro分析，目前美國企業實際導入AI的比例約為10％，應用主要集中於資訊服務、專業科學、企業管理與金融等產業。這些領域因具備較成熟的數據基礎與IT能力，導入進展相對明確；相較下，傳統製造、零售與餐飲等產業，多仍處於評估與試行階段。
技能重塑 將AI轉為實質生產力
隨著生成式AI進入工作場域，白領工作的內容結構開始出現調整。世界經濟論壇《2025年未來就業報告》指出，表面上看似相同的職稱，實際工作內容已被拆解與重組。以產業研究、財務分析、行銷企劃等職務為例，工作流程被分解為多個環節，其中部分可由AI協助處理，而人力則更集中於判斷、溝通與整合等需要經驗與脈絡理解的任務。
以產業報告撰寫為例，過往流程涵蓋資料蒐集、交叉比對、表格整理與摘要撰寫，研究人員往往需投入大量時間於基礎作業，可用於思考與觀點形成的時間相對有限。隨著AI工具導入，只要事先設定需求與判斷條件，資料整理與初步分析即可在短時間內完成，使研究人員得以將重心轉向假設設定、風險評估與策略思考等高附加價值的工作。
在程式開發領域，這樣的轉變尤為明顯。找出錯誤、程式重構、單元測試與API介接等原本屬於流程的部分，現在可由AI協助完成。工程師的角色也隨之調整，部分工程師將重心放在邏輯檢查、結果驗證與架構調整等工作上，整體開發流程更強調設計能力與系統理解。
國際管理顧問機構麥肯錫全球研究院在《Agents, robots, and us》報告中指出，AI對職場的影響，重點不應僅放在職位變化，而應回到技能本身。報告顯示，現有職場技能中約有72％屬於人與AI可共同運用的能力，包括資訊整理、模式辨識與基礎推理等。這也代表，介於全人力運作與高度自動化之間的人機協作模式逐步成形。
在此協作模式中，AI代理負責大量資料處理、重複性任務與即時分析；人類則將角色前移至定義問題、判斷框架設計、結果詮釋與決策承擔。從組織角度來看，工作內容演變為一種技能互補的合作關係，同一項任務由人與AI依各自擅長的方式共同完成。
該報告指出，未來工作的樣貌並非單一型態，而是介於「以人為主」與「以機器或AI代理為主」間的多種組合。實務上，愈來愈多工作呈現人與「AI」或「機器」共同分工的型態，而非完全交由系統運作。報告也觀察到，成長動能較為明確的職務，往往來自「人機協作」的混合型角色。例如能善用AI工具進行教學設計與評量的教師、結合AI協助進行分析與開發的工程師、或在現場與機器人協同作業的維修技師。這些工作原本就需要專業判斷、溝通能力與實務經驗，在AI導入後，使其專業價值更為凸顯。
即便是看似成熟穩定的職務，其技能組成也正逐步調整。對企業而言，若仍以過去的職務定義與訓練模式看待人才，容易出現人力配置到位，卻難以支撐新工作模式的情況。因此，及早進行技能重塑與培訓布局，將有助企業把AI導入轉化為實質生產力，而不僅是停留在概念。
AI工作雜訊 管理不當的隱形成本
AI的確為生產力帶來新的可能性，但在導入工作場域的過程中，企業往往會同時面臨「工作雜訊」（workslop）的管理議題。員工體驗與組織行為研究機構BetterUp Labs與史丹佛社群媒體實驗室的研究指出，若AI生成內容缺乏明確的品質標準與使用規範，容易出現形式完整、但實質價值有限的成果，進而影響整體工作效率。
研究顯示，自2023年以來，AI在職場中的使用愈來愈普遍，但不少企業仍在嘗試建立可衡量成效的評估方式。在1,150名受訪的全職員工中，約有4成提到，過去一個月曾需費時整理或調整AI產出的內容。而這些AI內容，往往在員工間反覆被接手處理，且來自不同層級，顯示組織對AI使用範圍與品質期待仍未完全一致。這些額外處理所產生的時間成本，對企業營運與人力配置形成一項隱性的管理負擔。除了時間與成本考量，內容品質不一也可能影響團隊對產出的信任度，進而提高溝通與協作所需的磨合成本。
AI本身擅長快速生成內容，但要將其轉化為可持續的生產力，仍有賴組織層面的管理設計。對企業而言，關鍵不在使用頻率高低，而在是否能建立清楚的使用指引、品質標準與審核流程。透過制度化的規範與員工培訓，AI才能從輔助工具，成為穩定支撐工作流程的生產力來源，並有效降低隱性管理成本。
在人機協作逐漸成為常態的維修現場，技師結合AI與機器輔助進行判斷與操作，使專業經驗的價值進一步放大。
實體AI落地 重塑服務與現場流程
生成式AI在語言理解、視覺辨識與多模態推理能力上持續成熟，相關技術開始從純數位應用，延伸至實體應用，整合機器人與各類設備。這類被稱為「實體AI」的自主系統，具備感知、理解、推理與行動等能力，能在現實環境中直接執行任務，不再僅限於螢幕內的資訊處理。
從生產力角度觀察，實體AI對人力結構長期吃緊、流程改善空間有限的服務型產業，展現出高度應用潛力。在勞動密集的日常營運中，像是超市補貨、倉庫分揀、醫療照護巡房等工作環節，本就涉及大量零碎且高度變動的作業內容。透過機器人導入，企業得以重新檢視與設計作業流程，並進一步與自駕車、物流無人機或智慧調度系統整合，形成更具彈性的自動化運作模式。
其中，「人形機器人」被視為這波實體AI發展的重要里程碑。相較於依循固定流程運作的傳統工業機器人，人形機器人的優勢在於通用性與環境適應力。結合AI的推理、學習與行為調整能力後，人形機器人能依據現場狀況即時調整作業方式，並在無需大幅改造既有空間前提下，進入原本為人類設計的工作環境。
以實際應用場景來看，在倉儲物流中，貨品位置與動線經常出現細微變動，系統需具備即時調整能力；在製造現場，不同工序、工具與物料的切換考驗作業彈性；在醫療與照護場域，協助行動不便者移動或取物等任務細節繁多、變化性高，也使人形機器人被視為具潛力的輔助角色，能在既有空間與流程中運作，降低重新設計環境與設備的成本與門檻。
整體而言，人形機器人在企業端仍在試用與探索階段。隨著應用經驗增加，相關配套亦同步受到關注，包括責任歸屬、操作安全與管理制度等議題，仍有待進一步討論及制度化。此外，成本與續航力等硬體條件，也是影響擴大應用速度的重要因素。目前人形機器人價格約落在15萬至50萬美元間，單次充電後可運作時間約為2至4小時，這些條件都是企業在評估導入時，需綜合實際考量的。
市場普遍認為，實體AI與人形機器人仍處於發展初期。國際投資銀行與研究機構摩根士丹利指出，現階段受成本、續航力、耐用度與社會接受度等因素影響，導入進度將逐步展開。然而，隨著硬體成本下降、技術穩定度提升，以及相關規範逐步建立，2030年代後期至2040年代，實體AI在家庭、醫療、製造與公共場域的應用規模，預期將出現明顯成長。
對工作者而言，人機協作將成為工作的一部分。未來的工作現場中，人與AI將共同參與任務執行，AI也將在流程設計、決策與執行中扮演重要角色。透過建立清楚的協作規則與信任基礎，人與AI的合作關係，將有助於把技術潛力轉化為企業可持續運用的實質戰力。
Keyword｜多模態推理能力（Multimodal Reasoning）
指AI能同時理解並整合不同形式的資訊，例如文字、影像、聲音、感測數據等，並在此基礎上進行判斷與推理的能力。相較只處理單一資料來源的系統，多模態推理讓 AI 能在更貼近真實情境的條件下理解環境，做出較符合實際需求的反應，因此特別適合應用於機器人、自駕系統與實體AI等場景。