德國以實證研究鼓勵製造業策略性地導入AI，形塑人才數位力
作者：王寶苑／工研院產科國際所政策組研究經理
世界經濟論壇(WEF)發表《2023年未來就業報告(The Future of Jobs)》指出，2018-2022年間就業機會成長最快速的職位為AI(人工智慧)和機器學習專業人才，企業規劃未來五年員工技能訓練重點前三項，則分別為分析性思考、創造性思考、以及AI與大數據。2024年初，國際貨幣基金組織(IMF)的「生成式AI：AI與未來工作(Gen-AI: Artificial Intelligence and the Future of Work)」研究則表示，未來全球有近40%的就業機會將受到AI影響。為釐清未來AI如何被應用於產業、尤其是工業生產過程，及可能對工作形態與內容產生的影響，由acatech德國國家科學與工程研究院主導，與產官學研共組「工業4.0平台」的研究諮詢委員會、Fraunhofer IEM機電設計技術研究所及IML物流研究所合作，於2024年4月公布研究實證報告「AI及工業工作：觀點及形塑的可能(Künstliche Intelligenz und industrielle Arbeit –Perspektiven und Gestaltungsoptionen)」，報告透過初級及次級文獻研析、25位專家訪談及二場共20位專家參與的工作坊聚焦討論，得出的結論與建議重點，包括：
一、德國企業導入AI目前僅有討論熱度、但多數仍猶豫不決
多數企業仍處於AI導入初期，且在AI技術發展和產業實際應用存在明顯的差距，即便2022年底ChatGPT 問世後，引起全球關注及廣泛討論，而生成式 AI 也成為AI領域最快普及應用的技術，且因其特點在於能持續透過大型語言模型學習、模擬對話等形式，處理例如教育、法律及藝術等領域的專業工作內容，預期AI可能改變的工作型態及影響就業機會，將不僅是取代單調、重複的工作類型，而是包括擴及到各類專業知識工作。
但AI的產業應用，特別是在工業中，多數業者仍抱持觀望、猶豫不決的態度。依該報告調查，德國僅約16%的製造業有應用AI，而導入的挑戰難題在於資料保護、欠缺量身訂製的解決方案、或企業中並無相關專業人員；僅有少數應用流程，例如AI支援的品質管控流程已投入在企業生產過程使用。
二、生成式AI成為導入應用新驅動力，且是「由下而上」的員工自主應用
有別於分辨式AI (Discriminative AI)需使用有標注的資料供辨識，生成式AI (Generative AI)可自我產生各種形式的新資料，包括像編碼、文字、圖像、影片等；加上生成式AI容易取得及使用入門檻低，因此在各工作領域的實務應用，出現員工自主「由下而上」(Bottomup)的導入工作使用，而非像其它數位化或AI應用，多由管理階層「由上而下」(Topdown)要求員工使用。該研究過程訪談的專家多認為，從中長期觀點來看，生成式AI具龐大的工業應用潛力，員工所需具備的關鍵能力為有技巧性地下「指令」(prompt)，具體應用則像是要提出規劃型及知識型任務的解決方案、亦或創建軟體編碼時，員工僅需負責確認由生成式AI產生的資料品質及檢視相關工作，可預見屆時將大幅度地改變現有的工作日常，尤其是對工程師及創意活動工作者。
三、不同「人機互動」形式的應用情境—以案例評估AI改變的工作日常
該研究並確切以36歲男性倉儲物流人員、45歲女性可程式控制PLC編程工程師、35歲女性生產規劃管理師及58歲男性工廠組裝人員四個實際案例，請專家群就其各別職務內容評估、導入AI應用後可能產生的不同面向影響，下圖一彙整PLC編程工程師、生產規劃管理師的理論與專家評估比較表：
圖一、PLC編程工程師、生產規劃管理師案例導入AI後的工作改變比較表
資料來源：acatech，2024/04；工研院產科國際所整理，2024/05
PLC編程工程師的工作在導入AI應用後，理論假設上應會減少對其職能要求、與他人的社會互動及其工作負擔，以及會提高對其工作的滿意度，但針對這四個面向的理論假設結果專家群並未同意及達成共識。而較特別的是理論上假設可能因AI應用而會危及其就業機會穩定性，專家群皆不認同，反而評估可能會因更需要有高度的專業知識檢視AI編程，所以會提高其職位的穩定性。
而在生產管理規劃師部份，理論假設是導入AI應用後對其專業職能的要求、決策空間、工作職位的穩定性及與他人的社會互動都會減少，但專家群卻一致不認同此假設，且有共識應會出現的是正面改變效應：因為好的資料來源及自動化的建議生成，將使得生產管理規劃師的決策更為容易，也將減少對自己決定產生懷疑的負擔心理，以及透過AI提供的各項資訊可為所有同事創造資訊透明度，進而減少其過往需經常回覆生產資訊問題的負擔；且在AI支援下，反而可有更多的決策空間及對生產使用材料有整體之認識，有助擴展其對於職務的觀點。
結論與建議
而從德國工業4.0平台的專家諮詢委員會及Fraunhofer研究人員、加上外部專家群的共同評估研究結果指出，製造業的職場導入AI應用設計是複雜且多層次的，在其研究過程中，專家認為須同時考量到三個要素及其相互作用，包括職務工作內容、實際的AI使用案例會如何被設計導入、以及整體的工作環境；也因這樣的複雜度、對於AI會對製造業的工作產生什麼影響，現今並無法結出明確且一體適用的答案，未來的發展應視個別的職位所需知能而異，且主要應是取決AI的相關應用會如何系統性地在企業/工廠組織中被導入和應用。但可以確認的是在生產製造過程中應整合AI，形塑員工(人)與AI(機器)的協同合作，「以人為本」的「人機協同」混合團隊，將會是未來工業數位化及智慧化轉型中企業與人才「雙贏」的主要工作模式，且企業應主動思考規劃專屬的AI策略，並視企業規模、設置專門的AI導入協調部門/小組，以同時能「由下而上」收集員工應用AI之想法意見、及「由上而下」地以整合性觀點協助相關推動，確保AI應用內化到組織的工作日常，並提供員工相應認識及使用AI所需專業知能的教育訓練課程，形塑員工因應數位工作場域環境所需的數位及AI能力。
參考資料：
- Acatech(2024). Künstliche Intelligenz und industrielle Arbeit –Perspektiven und Gestaltungsoptionen.
- Cazzaniga et al. (2024). “Gen-AI: Artificial Intelligence and the Future of Work.” IMF Staff Discussion Note SDN2024/001, International Monetary Fund, Washington, DC.
- Fraunhofer (2024). Studie: Wie Künstliche Intelligenz die industrielle Arbeit optimieren kann.