利用AI技術 挽救營造產業勞動力不足之探討

一、傳統營造業之困境

中美貿易戰影響及台灣抗疫表現受國際肯定，台商大規模回流投資，幫助撐起2020年台灣經濟景氣。加上政府前瞻基礎建設計劃，都更與危老案量大幅增加，以及建商例行推案下，去(109)年營建業特別生氣蓬勃，但卻缺少勞動力來負荷。依據營建署2020年12月9日的營造人力缺工最新報告，國內營造勞工短缺，推估高達4萬8千809人，尤其模板工、鋼筋工、水泥工的基層勞工類別最嚴重，缺工高達3萬7173人。

基礎建設是帶動國家經濟成長的重要動力，屬於火車頭行業，政府每年投入公共建設金額高達數千億元，加上民間投資公共建設(促參案)及民間投資建設案亦達數千億元。然而，營建工地卻一直存在著管理上難題，包括人員、機具設備到物料管理、職安管理及環境保護等問題。工地的危險依舊，但政府和民眾對職業安全的要求日漸增高；工地的人力需求依舊，但高齡少子化趨勢，造成勞動力日漸匱乏。缺工問題，不僅可能造成工程延宕，也可能造成成本增加及公共工程流標，致營建品質不良等問題。

台灣目前缺工的產業，多集中在所謂之3K產業(辛苦、骯髒、危險工作)，包括特定高危險性製造業、營造業、醫療保險服務業、農漁業勞工，國人就業意願低，而未來十年勞動力持續縮減。營造業屬於外業為主之行業，烈日曝曬、噪音、粉塵充斥的作業環境，體力負荷重，且職業災害率高，年輕人不願意投入這辛苦行業，營造產業勞工年齡老化，人力產生嚴重斷層，影響產業整體發展；而國內民間工程，欲聘僱外籍營造工之規定，係依勞動部訂定之「外國人從事就業服務法第四十六條第一項第八款，至第十一款工作資格及審查標準」辦理，民間(建築)工程，如都更、危老等住宅之重建，非屬上開標準之民間重大經建工程者，則不在核可之列。

內政部表示，基於營造業及建築主管機關立場，為促進民間(建築)工程推動及振興營造業，並帶動周遭產業經濟發展，在本勞優先原則下，初步規劃：基地面積在5千平方公尺以上或樓地板面積在2萬平方公尺以上及工期在1年半以上之條件，並兼顧本國籍勞工就業權益，採總量管制，有限度就民間投資之重大經建工程(住宅、商業辦公大樓)者，得引進外籍營造工。目前勞動部跨國勞動力政策協商諮詢小組尚在溝通與討論，未有定案。

外籍勞工的導入，無非是想填補營建產業勞力缺口、增加生產力。然而，放寬營造業移工是否是解決缺工問題之萬靈丹？依據勞工陣線協會表示：長期以來，只是壓低工資的移工政策，將使台灣薪資繼續沉淪；勞陣協會也提到：根據監察院去年5月發布的調查報告，本國籍和外國籍的勞工，整體職災死亡千人率，雖差距不大，但在失能千人率部分，移工卻幾乎是本國籍勞工的兩倍。因此勞動政策應該思考解決職業高風險的問題，若只是將台灣勞動者面臨的職災高風險，加倍轉嫁給移工，那真是勞工的災難。

再者，外籍勞工亦有管理上及人權上問題。過去新聞媒體上，經常聽到有許多合法外勞逃跑之個案，係因受到雇主的不當對待所致，對於此種｢人權受到侵害在先，而違法在後｣的外勞，破壞了我國人權形象甚鉅；此外，外籍勞工在我國亦有異國文化適應之問題，例如飲食、宗教、休閒等方面的需要，需要盡可能讓外勞適應工作環境，才能夠提升生產力；依我國現有之管理法令，如「雇主聘僱外國人許可及管理辦法」之規定，產業外籍勞工集中管理，應依比例規定設置生活照顧服務員，或委託私人就業服務機構，辦理外籍勞工生活管理事宜；再者，有不肖仲介業者，巧立名目，向外籍勞工收取不當費用，將政府規範仲介公司對外籍勞工收取費用上限，置之度外。以上諸般問題，顯示引進外勞，可能解決部分缺工之問題，但卻也可能產生另外新的問題。

營造產業，傳統思維是一個勞力密集產業，靠累積經驗與技術的生產業，非尖端工業；研究發展的投資甚少，工程不確定因素多，技術提升困難，開發出新的施工方法，很容易被模仿，因此投資於研究發展的經費甚少。至於台灣營建產值，遠遠落後先進國家50%以上。根據主計處統計，營建業對台灣GDP的貢獻僅佔2.5％，遠低於推動智慧營造(i-construction) 的先進國家。例如英國的營建產值佔GDP 6.1%，日本佔5.7%，法國佔5.6%，南韓佔5.9%。因此，如何強化AI技術發展於營建產業，讓營建產業數位轉型邁向工業4.0，為當前營建產業缺工之重要課題。

二、AI意義與應用案例

（一）物聯網、大數據與人工智慧

物聯網（Internet of Things；IoT）是將所有物品連接上網，當任何東西都互相聯結時，即可透過網路，對電腦、裝置、機器或人員，進行集中管理控制，而最終目標是達成任何物品都能互相溝通，讓整個網絡接近全自動化操控。物聯網，不僅可以讓生活更方便，也帶來更多的安全，所有資料經由網路的收集，最後聚合而成大數據，加值運用，達成事件預測與防範。物聯網的概念，是物件與物件之間的互動，那麼如何把「指令」傳輸，是一個重要的考量，其中一種生活上的應用，就是 RFID （Radio Frequency IDentification）。

大數據（Big Data），即是將這些分散在各處的資料，全部收集在一個檔案系統中，而這資料量規模，大到無法由人工來進行擷取、管理、處理、分析與匯總解讀。資料的價值，是得靠一連串的處理與分析，轉換成有用的知識，因此產生新商業模式是圍繞著資料本體，透過資料交換與分享取得利益，也就大家口中常說的「羊毛出在狗身上，豬來買單」營利模式。應用Big Data，可以改善道路的養護、維修之交通安全。例如，交通部運輸研究所的「道路安全大數據案例分析與應用」，就國內外道路安全案例，收集行政院衛福部的「死因資料檔」、內政部「戶政資料庫」與警政署「道路交通事故資料庫」、金管會「保險資料庫」、中央健康保險局「健保資料庫」、交通部公路總局「公路監理系統」、「事故鑑定資料庫」等，建置道路安全大數據，並納入使用者的安全需求資訊。

（二）道路鋪面損壞調查

以往，國內鋪面養護相關單位，對於鋪面損壞調查(裂縫、坑洞)的工作，主要仰賴人工進行調查。由於以人工方式，進行鋪面破壞調查，易產生耗費人力、時間及人員安全性的問題，且人工方式調查，所取得樣本數量較少，對於鋪面破壞評估調查正確性，相對的較低。有學者整合道路檢測機具與機器人的軟硬體架構，利用機器人同步感測、運算、與運動規劃的特性，同步地將檢測結果回饋到檢測路徑規劃上，利用開發道路鋪面檢測機器人（Pavement Inspection Robot），可測量洞大小、裂縫規模，並算出填補數量。

（三）河川巡防監控

濁水溪水域權責機關，屬於水利署第四河川局，2016年濁水溪被傾倒的圾垃就超過上百噸，李局長為了解決河川被傾倒廢棄物、廢棄溶液以及盜採砂石等問題，在臺灣人工智慧學校的團隊競賽中，提出了河川管理智慧監控解決方案，要將影像辨識結合監視器，來自動巡防可疑車輛，並以無人機蒐證，減少人工巡查耗費知人力，讓巡防工作更有效率。

上述（二）、（三）之運用，就是所謂人工智慧（Artificial Intelligence,AI）。此AI技術，係利用越堤道路上布建的監視器畫面，上雲端進行差異分析後，並自動告警；其中的原理，是系統自動比對，前後時間點的兩張畫面，若差異量達到一定程度，就會自動告警；接著，再由系統管理員判斷，是否為違規事件，並通知分布在不同位置的河川巡防員去取締。

三、利用AI挽救勞動力不足之策略分析

（一）營建產業AI技術之應用

一如前述，傳統營造業具有諸多困境，要脫胎換骨，只有寄望於AI技術之應用。AI正對各個領域帶來革命性的影響，相較於醫療、金融、家電產業而言，即使營建工程導入AI技術起步較晚，但AI在大量資料的整理、分析、尋找規律上，有很強的能力，與傳統作法用人力去處理，比起來有很大的優勢，因此AI應該值得工程界的重視。

依據國家實驗研究院之研究，AI主要應用於施工和建築，大致分四個種類：(1)規劃和設計；(2)安全；(3)自動化設備；(4)監控和維護。例如，BIM模型利用AI自動完成管線配置、利用資料分析與機械學習對工程做風險管理、AI搭配聲音、圖像辨識系統自動標記施工現場、建築物智能化管理讓用戶感到舒適、AI搭配機器人和無人機以提升施工效率。

（二）產官學投入AI技術研發

台灣在防疫作戰中，展現出不錯的資訊與科技能力，但當中也逐漸失去整體的競爭力。國內著名已故之AI專家陳昇瑋博士，109年2月22日，於中興大學「人工智慧在台灣-產業轉型的契機與挑戰」之演講中，曾提及台灣面臨產業AI化挑戰：包含實戰人才的缺乏、資料基礎建設不足、找到問題不簡單、及產學之間的鴻溝等問題。特別是在營建產業上，因投入研究經費不足，故技術提升緩慢，更應努力迎頭趕上。冀望營造產業，必須正視產業轉型的重要性，藉由新的產業製造技術及人力運用模式，降低施工現場所需要的人力，以減低勞動成本，提升施工品質與效率。

近年來，臺灣積極於營建產業轉型升級，有鑑於人工智慧已經漸漸成為各國產業必爭的領域，惟營建產業在人工智慧方面的發展，似未有突出表現。臺灣營建產業之經濟型態，係以中小企業為主，其營運方針多為追求利潤，極小化成本費用，欠缺研發經費。主管公共工程之工程會及民間工程之營建署，應重點補助大型建設公司及營造廠，並結合學校營建土木系所及資訊系所，進行產官學研發工作，由政府提供一部份資金，學校機構提供AI技術，產業提供人力及物力，共創三贏目標。

（三）學校教育加入AI課程

由於臺灣目前學校教育，未能及時配合新興科技需要，培育新領域人才。因此，為強化臺灣人工智慧產業專業人才培育，政府應全面檢視調整大學系所類別，大幅提高該營建產業AI人才教育經費外，並積極延聘國際專業學者，傳授知識與經驗；此外，為植根人工智慧技能，應思考將人工智慧相關課程納入基本教育，以累積人工智慧的經驗。

同時，應參考國際間對於AI人才培育的作法，鼓勵營建產業積極與學校合作，針對營建產業開設培育多元AI人才的課程，強化就業力及與產業聯結，以縮短學用落差。

四、結論與建議

（一）結論

台灣近年來面對少子化與老年化，已經是不可逆狀況，營建業所受到缺工之衝擊，數倍於其他產業，而高度勞力密集的特性，以及工地環境髒亂、必須曬太陽及工地安全風險性高等，讓年輕人不願意進入營建產業。

長遠來看，應導入人工智慧技術(AI)，以及智慧預鑄工法，降低工地勞動力之需求，以提升營建產業技術及品質，是營建業必須要走之路。

同時，政府應參考國際間對於AI人才培育的作法，鼓勵營建產業積極與學校合作，針對營建產業開設培育多元AI人才的課程，強化就業力及與產業聯結，以縮短學用落差。營建產業應設法運用數位轉型邁向營建4.0，以先進的AI技術發展，提升自動化程度改變人力需求。

（二）建議

節省成本、提升效率是利用科技的原動力。AI技術運用於營建產業勞動力不足之影響，尚不足以影響工作權問題。然而，人工智慧是否能作為法律上的權利主體，即擁有權利（如，作為創作的著作權人、發明的專利權人等），仍屬法律爭議問題，目前我國法制尚定位不明。惟，目前各國實務上，大體上都認為人工智慧不能作為權利主體的看法。又，礙於專利權問題，恐無法大量應用，此乃尚待克服的部分。

參考文獻：

1.參營建署網站: https://www.cpami.gov.tw/。最後瀏覽日期:2021年5月15日。

2.主要以土木工程為主之公共建設投資計畫案。

3.主要以建築工程為主之私人投資計畫案。

4.參吳慧娜，未來十年之勞動力短缺與共盛並存問題之挑戰與回應，勞動級職業安全衛生季刊，第28卷第2期，2020年。

5.參2020年9月22日中時新聞網，網站:https://www.chinatimes.com/realtimenews/20200922005713-260407?chdtv。

6.20210311破天荒開放私人營造工程引進移工，將嚴重衝擊本國營造業勞工就業，「同工同酬」才能杜絕血汗營造；以上請參臺灣勞工陣線網站:https://labor.ngo.tw/news/news-now/1045-news20210311。

7.監察院109年05月12日糾正案文，案由:『王幼玲委員、王美玉委員調查︰依勞工保險職業災害給付統計，製造業移工職業災害失能發生率明顯高於本國勞工，在98年至107年的統計資料中，製造業移工職業災害失能千人率幾乎都是本國勞工的兩倍，究竟造成製造業移工較高職業災害失能發生率的原因為何？主管機關有何政策來降低製造業移工職業災害的發生？有深入調查之必要調查報告』。

8.聯合新聞網，台灣成打黑工天堂-無法遣送回國的失聯移工，為何到處趴趴走身價反漲？逃跑移工無法遣返、收容所爆滿；參網站https://udn.com/news/story/6839/5081188。

9.參見《雇主聘僱外國人許可及管理辦法》第40與40之1條規定。

10.天下雜誌，重振台灣火車頭產業地位，營建業如何用數位轉型邁向建築4.0？參網站:https://www.cw.com.tw/article/5102861。最後瀏覽日期:2021年5月20日。

11.參OECD網頁、行政院主計總處，2018年資料。OECD's website and Directorate-General of Budget, Accounting and
Statistics, Executive Yuan, ROC.

12.參陳福吉，資訊補給站-淺談物聯網、大數據與人工智慧，台糖通訊8月號，2018年。

13.同前13註。

14.參林大傑等，道路安全大數據案例分析與應用，交通部運輸研究所研究報告，2017年10月。

15.參吳健碩，道路鋪面破壞影像辨識系統之研究，龍華科技大學工程技術研究所碩士論文，2005年7月。

16.參康仕仲，自主式機器人於道路鋪面智慧化檢測系統之研究--子計畫三：道路檢測用輪型機器人雛型載具及演算法研發(第3年)研究成果報告(完整版)，2010年10月31日。

17.參Ithome新聞網站:https://www.ithome.com.tw/news/134401。最後瀏覽日期:2021年5月16日。

18.參國家實驗研究院網站:https://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=14440。最後瀏覽日期:2021年5月10日。

19.參鄧勝軒，從防疫作戰中，談AI之發展強化，技師報第1222期，2020年5月9日。