臺師大科技系 PecuLab 蔡芸琤
根據這段程式 https://colab.research.google.com/drive/1fwnNnTLvY49GcqgqbMDV4R7nc4zjFYal?usp=sharing
可自行修改程式碼中的初始參數，來進行更精確的成本估計
我們可以分析薪資、人力與公司類型之間的關係，從而幫助企業選擇是採用自建 AI、公用 AI 還是維持低薪人力。以下是這些關係的分析：
1. 低薪人力與公司規模的關係
在這個模擬中，我們假設公司每年支出 5,000,000 台幣 來支付低薪人力的工資，而每位員工的年薪為 500,000 台幣。這表示該公司雇用了大約 10 位低薪員工。
- 低薪人力適用的公司類型：通常適合對自動化需求較低，且工資成本較穩定的公司，例如傳統製造業、服務業等。這些企業依賴於人力進行重複性工作，並不急需通過 AI 來提升效率。
- 成本結構穩定：由於低薪人力的成本是固定的，並且隨著公司規模的擴大，這些成本在短期內較容易預測。因此，這適合那些業務模式不需要大量創新或資料分析的企業。
2. 自建 AI 與公司規模的關係
自建 AI 的初始建設成本為 10,000,000 台幣，並且每年需要支出 7,000,000 台幣 的維護成本，加上電費和人員維護費。這表示自建 AI 適合資本較為雄厚，且對資料價值有高度依賴的企業。
- 自建 AI 適用的公司類型：大企業，尤其是那些依賴數據分析、資料儲存和長期創造競爭優勢的公司，例如科技公司、金融機構和電商平台。這些企業需要高效的資料處理能力，並且需要保持對核心資料的控制權，以創造更大的價值。
- 初始投資大，長期節省人力成本：自建 AI 的初期建設成本較高，但可以隨著時間降低對低薪人力的依賴，從而節省人力成本。這種策略適合那些在長期中預期會因自動化提升效率的企業。
3. 公用 AI 與公司規模的關係
公用 AI 的年度支出僅為 200,000 台幣，這是一種較低成本的選擇，但公司需要將資料交給第三方管理，因此可能無法創造長期的資料價值。
- 公用 AI 適用的公司類型：適合中小型企業或對資料保密性要求較低的公司，這些公司希望以較低成本快速優化部分流程，但無需對資料進行深入分析。例如一些創業公司或非技術核心的中小型企業。
- 成本低，靈活性高：公用 AI 成本非常低，可以根據需求靈活選擇使用，但由於無法擁有資料的所有權，這些企業在長期競爭中可能會面臨劣勢。
4. 薪資、人力與策略選擇的平衡
不同公司根據其規模、技術需求和資本狀況，會選擇不同的策略：
- 大型企業：更傾向於自建 AI，以充分利用資料價值，提升效率，並減少長期的低薪人力支出。
- 中小企業：可能會傾向於使用公用 AI，因為初始投資較低，且靈活性高。這些企業可以在成長初期專注於核心業務，無需大量資金投入到自動化建設中。
- 傳統型企業：如果業務模式不涉及大量資料處理，且重複性工作較多，則可能會選擇繼續依賴低薪人力。
要說明程式碼中的關鍵結論，並將其應用於預測未來十年中的工作類型，我們需要根據程式模擬結果來分析三種不同的策略選擇（自建 AI、公用 AI、低薪人力）對未來就業的影響。總結如下：
1. 高技術依賴型的工作（自建 AI 策略）
- 關鍵結論： 程式碼中模擬了自建 AI 的高成本，包括建置、維護和運營成本。在這些成本之下，只有那些對資料高度依賴並且需要長期提升自動化效率的公司，才會選擇自建 AI。這類公司多半是大規模企業，尤其是在技術、金融、醫療等領域。
- 未來十年中，這些工作類型： 這些公司未來仍然會需求大量的高階技術工作者，例如資料科學家、AI 工程師、數據架構師，以及那些設計、維護和優化 AI 系統的專業人才。這些工作類型高度依賴於技術創新和資料分析，是未來無法被自動化取代的關鍵角色。
2. 低成本優化型的工作（公用 AI 策略）
- 關鍵結論： 程式中公用 AI 的模擬表明，這種策略適合中小型企業或需要快速且靈活地優化流程的公司。公用 AI 的成本低，沒有高額的建置成本，但也意味著公司不會完全擁有核心資料的控制權，因此只適合短期優化或輔助決策。
- 未來十年中，這些工作類型： 使用公用 AI 的企業將更側重於需要靈活技能的技術與業務結合型工作，例如數據分析師、AI 應用開發人員、數位行銷專家等。這些角色將主要運用公用 AI 平台來優化流程，並且需要較高的跨領域技能來理解技術應用和業務需求。
3. 低薪勞動力（低薪人力策略）
- 關鍵結論： 程式中對低薪人力的模擬顯示，這些行業通常依賴穩定的勞力成本。儘管自動化的趨勢日益強烈，但對於部分低薪勞動密集型行業來說，人力成本低於自建 AI 或公用 AI，這使得這些工作仍然能夠存在一段時間。
- 未來十年中，這些工作類型： 這些低薪勞動密集型行業，如製造、零售、基礎服務（例如清潔、維修等）將繼續依賴人力。然而，隨著自動化成本下降和技術進步，這些工作在未來將越來越難以保持，尤其是那些可被機器人或簡單 AI 替代的重複性工作。
4. 高階決策型工作與人力成本低於 AI 的工作
- 關鍵結論： 程式模擬結果顯示，AI 在未來十年內將繼續接管大量重複性和規則化的工作。這意味著剩下的工作將主要分為兩類：
- 高階決策型工作：這些工作依賴於人類的複雜思維、創造力和戰略決策，無法被 AI 輕易取代。企業高管、策略制定者、科研人員、創意設計師等職位會在未來繼續增長。
- 人力成本低於 AI 的工作：儘管 AI 自動化將繼續進步，但一些低薪、勞動密集型的工作，因為人力成本低於自動化所需的支出，仍然會存在。這些工作可能主要集中在基礎服務業和部分製造業。
總結程式碼對未來工作的預測：
根據程式碼中的模擬結果，未來十年內，工作類型將逐漸分為高技術型與低薪勞動型的兩極化發展：
- 高技術型工作（自建 AI 策略）：技術驅動的行業將對資料和自動化需求更高，這類公司會繼續推動高技術的工作崛起，如 AI 工程師、數據科學家等。
- 靈活技術應用工作（公用 AI 策略）：中小型企業將更加依賴公用 AI 來快速優化業務，這類工作需要靈活的技術應用和跨領域知識。
- 低薪勞動型反而會持續存在的原因如下：
如果公司沒有穩定的盈利，或者自動化和 AI 的建置成本超過企業的預期收益，企業可能不會選擇投入這些高昂的自動化技術
因此，未來的就業市場並不會完全被高階技術工作和 AI 替代低薪勞工的極端二分所取代
這是因為幾個關鍵的經濟因素限制了完全自動化的推廣，特別是對中小型和低利潤率的企業來說。讓我們從幾個角度來探討低薪勞工仍然存在的原因，並更清楚地理解自動化並不是唯一的出路
1. AI 和自動化建置成本高昂
自建 AI 和自動化系統的初期成本非常高，尤其是對於中小型企業來說，這樣的投入可能超出其承受範圍。根據程式碼的模擬，自建 AI 需要高額的初期建設成本、運營費用和維護費用，這些成本對於資本雄厚的大公司可能是合理的投資，但對於低利潤率的傳統行業來說，這種投資無法帶來短期的回報。因此，沒有足夠盈利支撐的公司不太可能在短期內全面實現自動化。
例子：
- 零售業、餐飲業、建築業等行業的毛利率相對較低，這些行業對成本的控制更為敏感。如果一個 AI 系統的建置和維護成本遠高於雇傭人力的成本，公司自然不會輕易選擇自動化。
2. 低薪工作成本仍然具有經濟吸引力
在很多情況下，低薪工作依然比自動化便宜。AI 和自動化需要一次性的高額投資和長期維護，而低薪勞工的工資相對較低，即便工資逐漸上升，短期內這些低薪勞動力的成本仍然可控。對許多傳統企業來說，雇傭低薪工人依然是一個更具經濟效益的選擇。
例子：
- 在建築業或基礎服務業中，雇傭工人來完成重複性和勞動密集的工作，短期內仍然比購買和維護昂貴的自動化設備更具成本效益。
3. 公用 AI 無法解決所有問題
公用 AI（如 ChatGPT）的成本較低，但它通常僅限於簡單的數據處理、回答問題、初步優化流程等，無法完全替代專業的實體操作、動手技能或需要面對面互動的工作。許多低薪勞工的工作內容涉及到現場操作、即時問題解決和面對面的服務，而這些是 AI 無法勝任的。
例子：
- 餐廳服務員、清潔工、修理工等職位需要現場操作，並即時根據具體情況做出反應。這類工作需要靈活性和實際的操作，AI 雖然能幫助優化一些流程，但無法完全取代這些勞工的工作。
4. 部分工作無法被完全自動化
儘管自動化和 AI 技術快速發展，但有些工作由於涉及到高度的同理心、複雜的手工技能或面對面的服務，在短期內難以被完全替代。例如，社會服務、護理工作、兒童照護等需要情感支持和關懷的工作，即使科技進步，也難以完全依賴 AI 系統來完成。
例子：
- 護理人員、教育助理、心理健康工作者等角色，涉及到情感支持和人際關係的工作需要人類的溫度和同理心，是 AI 無法輕易取代的。
5. 低薪勞工工作與經濟可持續性
對許多行業來說，保持穩定的低薪勞工是維持日常運作的關鍵。如果所有的低薪工作被自動化所取代，那麼整個經濟體系可能會失去大量的消費者。低薪工人不僅是供應勞動力的人，同時也是消費者。如果低薪工人的工作被消除，他們的購買力將減少，進而影響消費市場和企業的收入。
例子：
- 零售業和餐飲業的主要客戶群體之一就是低收入消費者。如果這些工人失去工作，消費力下降，反過來將進一步打擊企業的盈利能力，導致企業無法投資於更昂貴的自動化技術。
自動化確實能夠優化一些流程，並在特定的領域中逐步取代人力，但並非所有工作都能夠輕易被 AI 和自動化取代。尤其是在低利潤、低薪行業中，低薪勞力的經濟吸引力仍然存在
隨著 AI 和自動化技術成本的下降，我們可能會看到更多的工種被部分取代，但低薪工作不會完全消失，特別是在那些自動化成本過高或技術無法滿足需求的行業中
公司需要考量到盈利能力、勞工成本以及技術適用性，最終才會決定是否實施全面的自動化