| IVOD_ID |
162566 |
| IVOD_URL |
https://ivod.ly.gov.tw/Play/Clip/1M/162566 |
| 日期 |
2025-06-18 |
| 會議資料.會議代碼 |
委員會-11-3-23-16 |
| 會議資料.會議代碼:str |
第11屆第3會期交通委員會第16次全體委員會議 |
| 會議資料.屆 |
11 |
| 會議資料.會期 |
3 |
| 會議資料.會次 |
16 |
| 會議資料.種類 |
委員會 |
| 會議資料.委員會代碼[0] |
23 |
| 會議資料.委員會代碼:str[0] |
交通委員會 |
| 會議資料.標題 |
第11屆第3會期交通委員會第16次全體委員會議 |
| 影片種類 |
Clip |
| 開始時間 |
2025-06-18T09:22:31+08:00 |
| 結束時間 |
2025-06-18T09:32:45+08:00 |
| 影片長度 |
00:10:14 |
| 支援功能[0] |
ai-transcript |
| 支援功能[1] |
gazette |
| video_url |
https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/5617cf280bc2552ad3efe018ef238642435a35cf529d0c6cadf9c1769f7edb4717f2b9852dd2beff5ea18f28b6918d91.mp4/playlist.m3u8 |
| 委員名稱 |
李昆澤 |
| 委員發言時間 |
09:22:31 - 09:32:45 |
| 會議時間 |
2025-06-18T09:00:00+08:00 |
| 會議名稱 |
立法院第11屆第3會期交通委員會第16次全體委員會議（事由：邀請數位發展部部長黃彥男就「推動AI之產業發展政策」進行專題報告，並備質詢。） |
| transcript.pyannote[0].speaker |
SPEAKER_00 |
| transcript.pyannote[0].start |
2.51159375 |
| transcript.pyannote[0].end |
4.30034375 |
| transcript.pyannote[1].speaker |
SPEAKER_01 |
| transcript.pyannote[1].start |
6.32534375 |
| transcript.pyannote[1].end |
6.94971875 |
| transcript.pyannote[2].speaker |
SPEAKER_00 |
| transcript.pyannote[2].start |
6.94971875 |
| transcript.pyannote[2].end |
6.98346875 |
| transcript.pyannote[3].speaker |
SPEAKER_00 |
| transcript.pyannote[3].start |
10.76346875 |
| transcript.pyannote[3].end |
11.26971875 |
| transcript.pyannote[4].speaker |
SPEAKER_00 |
| transcript.pyannote[4].start |
11.52284375 |
| transcript.pyannote[4].end |
57.35534375 |
| transcript.pyannote[5].speaker |
SPEAKER_00 |
| transcript.pyannote[5].start |
57.76034375 |
| transcript.pyannote[5].end |
71.96909375 |
| transcript.pyannote[6].speaker |
SPEAKER_00 |
| transcript.pyannote[6].start |
72.76221875 |
| transcript.pyannote[6].end |
87.42659375 |
| transcript.pyannote[7].speaker |
SPEAKER_00 |
| transcript.pyannote[7].start |
88.15221875 |
| transcript.pyannote[7].end |
115.23659375 |
| transcript.pyannote[8].speaker |
SPEAKER_00 |
| transcript.pyannote[8].start |
115.81034375 |
| transcript.pyannote[8].end |
126.27284375 |
| transcript.pyannote[9].speaker |
SPEAKER_00 |
| transcript.pyannote[9].start |
126.40784375 |
| transcript.pyannote[9].end |
131.77409375 |
| transcript.pyannote[10].speaker |
SPEAKER_00 |
| transcript.pyannote[10].start |
132.39846875 |
| transcript.pyannote[10].end |
148.42971875 |
| transcript.pyannote[11].speaker |
SPEAKER_01 |
| transcript.pyannote[11].start |
147.55221875 |
| transcript.pyannote[11].end |
198.02534375 |
| transcript.pyannote[12].speaker |
SPEAKER_00 |
| transcript.pyannote[12].start |
196.52346875 |
| transcript.pyannote[12].end |
196.89471875 |
| transcript.pyannote[13].speaker |
SPEAKER_00 |
| transcript.pyannote[13].start |
198.02534375 |
| transcript.pyannote[13].end |
240.80346875 |
| transcript.pyannote[14].speaker |
SPEAKER_00 |
| transcript.pyannote[14].start |
241.03971875 |
| transcript.pyannote[14].end |
246.40596875 |
| transcript.pyannote[15].speaker |
SPEAKER_00 |
| transcript.pyannote[15].start |
246.82784375 |
| transcript.pyannote[15].end |
262.75784375 |
| transcript.pyannote[16].speaker |
SPEAKER_00 |
| transcript.pyannote[16].start |
263.16284375 |
| transcript.pyannote[16].end |
266.33534375 |
| transcript.pyannote[17].speaker |
SPEAKER_00 |
| transcript.pyannote[17].start |
266.47034375 |
| transcript.pyannote[17].end |
270.36846875 |
| transcript.pyannote[18].speaker |
SPEAKER_00 |
| transcript.pyannote[18].start |
270.73971875 |
| transcript.pyannote[18].end |
272.69721875 |
| transcript.pyannote[19].speaker |
SPEAKER_00 |
| transcript.pyannote[19].start |
273.11909375 |
| transcript.pyannote[19].end |
275.12721875 |
| transcript.pyannote[20].speaker |
SPEAKER_00 |
| transcript.pyannote[20].start |
275.61659375 |
| transcript.pyannote[20].end |
277.60784375 |
| transcript.pyannote[21].speaker |
SPEAKER_00 |
| transcript.pyannote[21].start |
277.97909375 |
| transcript.pyannote[21].end |
282.16409375 |
| transcript.pyannote[22].speaker |
SPEAKER_00 |
| transcript.pyannote[22].start |
283.51409375 |
| transcript.pyannote[22].end |
302.70096875 |
| transcript.pyannote[23].speaker |
SPEAKER_00 |
| transcript.pyannote[23].start |
303.25784375 |
| transcript.pyannote[23].end |
306.83534375 |
| transcript.pyannote[24].speaker |
SPEAKER_00 |
| transcript.pyannote[24].start |
306.97034375 |
| transcript.pyannote[24].end |
326.98409375 |
| transcript.pyannote[25].speaker |
SPEAKER_00 |
| transcript.pyannote[25].start |
327.13596875 |
| transcript.pyannote[25].end |
347.60534375 |
| transcript.pyannote[26].speaker |
SPEAKER_01 |
| transcript.pyannote[26].start |
347.57159375 |
| transcript.pyannote[26].end |
380.07284375 |
| transcript.pyannote[27].speaker |
SPEAKER_00 |
| transcript.pyannote[27].start |
378.62159375 |
| transcript.pyannote[27].end |
378.97596875 |
| transcript.pyannote[28].speaker |
SPEAKER_00 |
| transcript.pyannote[28].start |
379.26284375 |
| transcript.pyannote[28].end |
380.05596875 |
| transcript.pyannote[29].speaker |
SPEAKER_00 |
| transcript.pyannote[29].start |
380.07284375 |
| transcript.pyannote[29].end |
388.83096875 |
| transcript.pyannote[30].speaker |
SPEAKER_00 |
| transcript.pyannote[30].start |
389.18534375 |
| transcript.pyannote[30].end |
424.04909375 |
| transcript.pyannote[31].speaker |
SPEAKER_00 |
| transcript.pyannote[31].start |
424.33596875 |
| transcript.pyannote[31].end |
430.00596875 |
| transcript.pyannote[32].speaker |
SPEAKER_00 |
| transcript.pyannote[32].start |
430.15784375 |
| transcript.pyannote[32].end |
433.29659375 |
| transcript.pyannote[33].speaker |
SPEAKER_00 |
| transcript.pyannote[33].start |
433.95471875 |
| transcript.pyannote[33].end |
439.08471875 |
| transcript.pyannote[34].speaker |
SPEAKER_00 |
| transcript.pyannote[34].start |
439.23659375 |
| transcript.pyannote[34].end |
439.84409375 |
| transcript.pyannote[35].speaker |
SPEAKER_00 |
| transcript.pyannote[35].start |
440.55284375 |
| transcript.pyannote[35].end |
442.32471875 |
| transcript.pyannote[36].speaker |
SPEAKER_00 |
| transcript.pyannote[36].start |
442.98284375 |
| transcript.pyannote[36].end |
447.15096875 |
| transcript.pyannote[37].speaker |
SPEAKER_00 |
| transcript.pyannote[37].start |
447.21846875 |
| transcript.pyannote[37].end |
462.81096875 |
| transcript.pyannote[38].speaker |
SPEAKER_00 |
| transcript.pyannote[38].start |
463.18221875 |
| transcript.pyannote[38].end |
464.95409375 |
| transcript.pyannote[39].speaker |
SPEAKER_00 |
| transcript.pyannote[39].start |
465.15659375 |
| transcript.pyannote[39].end |
466.60784375 |
| transcript.pyannote[40].speaker |
SPEAKER_00 |
| transcript.pyannote[40].start |
466.84409375 |
| transcript.pyannote[40].end |
480.90096875 |
| transcript.pyannote[41].speaker |
SPEAKER_00 |
| transcript.pyannote[41].start |
481.22159375 |
| transcript.pyannote[41].end |
491.97096875 |
| transcript.pyannote[42].speaker |
SPEAKER_01 |
| transcript.pyannote[42].start |
491.97096875 |
| transcript.pyannote[42].end |
493.37159375 |
| transcript.pyannote[43].speaker |
SPEAKER_00 |
| transcript.pyannote[43].start |
493.65846875 |
| transcript.pyannote[43].end |
493.67534375 |
| transcript.pyannote[44].speaker |
SPEAKER_01 |
| transcript.pyannote[44].start |
493.67534375 |
| transcript.pyannote[44].end |
502.04534375 |
| transcript.pyannote[45].speaker |
SPEAKER_00 |
| transcript.pyannote[45].start |
501.37034375 |
| transcript.pyannote[45].end |
514.44846875 |
| transcript.pyannote[46].speaker |
SPEAKER_00 |
| transcript.pyannote[46].start |
515.12346875 |
| transcript.pyannote[46].end |
519.03846875 |
| transcript.pyannote[47].speaker |
SPEAKER_00 |
| transcript.pyannote[47].start |
519.46034375 |
| transcript.pyannote[47].end |
520.94534375 |
| transcript.pyannote[48].speaker |
SPEAKER_00 |
| transcript.pyannote[48].start |
521.23221875 |
| transcript.pyannote[48].end |
522.39659375 |
| transcript.pyannote[49].speaker |
SPEAKER_00 |
| transcript.pyannote[49].start |
523.54409375 |
| transcript.pyannote[49].end |
528.06659375 |
| transcript.pyannote[50].speaker |
SPEAKER_00 |
| transcript.pyannote[50].start |
528.92721875 |
| transcript.pyannote[50].end |
532.50471875 |
| transcript.pyannote[51].speaker |
SPEAKER_00 |
| transcript.pyannote[51].start |
533.19659375 |
| transcript.pyannote[51].end |
547.08471875 |
| transcript.pyannote[52].speaker |
SPEAKER_00 |
| transcript.pyannote[52].start |
547.32096875 |
| transcript.pyannote[52].end |
550.34159375 |
| transcript.pyannote[53].speaker |
SPEAKER_01 |
| transcript.pyannote[53].start |
549.70034375 |
| transcript.pyannote[53].end |
550.83096875 |
| transcript.pyannote[54].speaker |
SPEAKER_00 |
| transcript.pyannote[54].start |
550.83096875 |
| transcript.pyannote[54].end |
553.36221875 |
| transcript.pyannote[55].speaker |
SPEAKER_01 |
| transcript.pyannote[55].start |
550.84784375 |
| transcript.pyannote[55].end |
550.89846875 |
| transcript.pyannote[56].speaker |
SPEAKER_00 |
| transcript.pyannote[56].start |
553.66596875 |
| transcript.pyannote[56].end |
555.21846875 |
| transcript.pyannote[57].speaker |
SPEAKER_00 |
| transcript.pyannote[57].start |
555.70784375 |
| transcript.pyannote[57].end |
560.24721875 |
| transcript.pyannote[58].speaker |
SPEAKER_00 |
| transcript.pyannote[58].start |
560.34846875 |
| transcript.pyannote[58].end |
565.88346875 |
| transcript.pyannote[59].speaker |
SPEAKER_00 |
| transcript.pyannote[59].start |
566.03534375 |
| transcript.pyannote[59].end |
575.08034375 |
| transcript.pyannote[60].speaker |
SPEAKER_00 |
| transcript.pyannote[60].start |
575.38409375 |
| transcript.pyannote[60].end |
577.32471875 |
| transcript.pyannote[61].speaker |
SPEAKER_00 |
| transcript.pyannote[61].start |
577.62846875 |
| transcript.pyannote[61].end |
585.03659375 |
| transcript.pyannote[62].speaker |
SPEAKER_01 |
| transcript.pyannote[62].start |
584.88471875 |
| transcript.pyannote[62].end |
585.01971875 |
| transcript.pyannote[63].speaker |
SPEAKER_01 |
| transcript.pyannote[63].start |
585.03659375 |
| transcript.pyannote[63].end |
585.05346875 |
| transcript.pyannote[64].speaker |
SPEAKER_00 |
| transcript.pyannote[64].start |
585.05346875 |
| transcript.pyannote[64].end |
585.25596875 |
| transcript.pyannote[65].speaker |
SPEAKER_01 |
| transcript.pyannote[65].start |
585.25596875 |
| transcript.pyannote[65].end |
598.53659375 |
| transcript.pyannote[66].speaker |
SPEAKER_00 |
| transcript.pyannote[66].start |
598.53659375 |
| transcript.pyannote[66].end |
607.98659375 |
| transcript.pyannote[67].speaker |
SPEAKER_00 |
| transcript.pyannote[67].start |
608.40846875 |
| transcript.pyannote[67].end |
614.97284375 |
| transcript.whisperx[0].start |
2.764 |
| transcript.whisperx[0].end |
3.967 |
| transcript.whisperx[0].text |
謝謝召委 請一下黃部長請部長 |
| transcript.whisperx[1].start |
11.626 |
| transcript.whisperx[1].end |
31.943 |
| transcript.whisperx[1].text |
部長好AI快速的發展其實我們心中有一個很沉重的隱憂就是AI快速的發展會對勞工現有的就業的安全以及環境會帶來很大的衝擊尤其是中低技能的勞工他的風險 |
| transcript.whisperx[2].start |
33.064 |
| transcript.whisperx[2].end |
56.804 |
| transcript.whisperx[2].text |
是更大幅的一個提升那相關的我們對這種就業型態他不只是被AI自動化的一個取代也面臨職業的一個重整的這樣的一個趨勢那OECD他們就指出2023年的就業展望他明確的指出在未來的10到15年 |
| transcript.whisperx[3].start |
57.881 |
| transcript.whisperx[3].end |
86.277 |
| transcript.whisperx[3].text |
有14%的職業會消失因為AI自動化的一個提升另外有32%的這樣的一個比例的職業他面臨結構的一個重整那管理顧問公司麥肯錫他也指出未來全球因為AI自動化的這樣一個趨勢會有8億個工作機會會消失會被自動化來取代那 |
| transcript.whisperx[4].start |
89.163 |
| transcript.whisperx[4].end |
114.635 |
| transcript.whisperx[4].text |
職業結構的這樣的一個重構造成勞工工作風險的一個增加而且也可能導致就業機會的減少這是我們在追求AI自動化快速發展提升更進步科技的產業跟生活的時候面對勞工的這樣一個困境數位部也必須要有相關的因應那 |
| transcript.whisperx[5].start |
115.885 |
| transcript.whisperx[5].end |
130.67 |
| transcript.whisperx[5].text |
我們來看相關的這種AI對勞工生活的這樣的一個衝擊數位部有做基本的盤整嗎另外工作會被AI取代工作需要這種 |
| transcript.whisperx[6].start |
132.512 |
| transcript.whisperx[6].end |
160.652 |
| transcript.whisperx[6].text |
重構或者是再設計的這樣的一個職業我們必須要提出針對性的一個相關的因應那確保勞工在AI快速發展的時候有基本的工作權益受到保障來 請部長簡單的說明一下報告委員這個就是我們也是我們所關心的議題所以我們在我們現在在草泥的這個AI基本法確實有強調以人為本就要特別注重這個勞工的問題 |
| transcript.whisperx[7].start |
162.173 |
| transcript.whisperx[7].end |
181.147 |
| transcript.whisperx[7].text |
那這個將來我們會在基本法裡面去有一些指引讓這個將來的這個我們在這個就業市場上能夠不要因為AI的發展而嚴重影響到勞工的權益那當然這方面另外一邊就是我們也提供很多訓練的一些program |
| transcript.whisperx[8].start |
181.627 |
| transcript.whisperx[8].end |
196.936 |
| transcript.whisperx[8].text |
就是說不管是百工百業就算是勞工一樣要對怎麼樣利用AI來增加工作效率這件事情我們也會持續的去訓練讓這個將來的勞工也因為有這樣關係他能夠學到更好的技能來工作上吸入他 |
| transcript.whisperx[9].start |
197.356 |
| transcript.whisperx[9].end |
213.115 |
| transcript.whisperx[9].text |
這是部長一個基本的想法啦那我們來看AI的這種職場的應用啊必須要有基本的規範要避免歧視的跟不透明這樣一個狀況的一個發生那AI它不只是 |
| transcript.whisperx[10].start |
214.296 |
| transcript.whisperx[10].end |
230.709 |
| transcript.whisperx[10].text |
重塑相關工作的內容職務或者是他的一個任務他其實也成為勞工評估招募跟管理的一個工具這就涉及到就業的歧視勞工的隱私還有資訊的一個知情權 |
| transcript.whisperx[11].start |
231.59 |
| transcript.whisperx[11].end |
252.347 |
| transcript.whisperx[11].text |
那AI它現在是成為人力資源工具這是一個趨勢那演算法的一個篩選機制的不透明也會引發這種就業的歧視這就是說AI對就業歧視的這種放大的效應其實在全球的 |
| transcript.whisperx[12].start |
253.688 |
| transcript.whisperx[12].end |
280.134 |
| transcript.whisperx[12].text |
案例中已經有非常多的案例像這個Amazon它使用一套AI的履歷的一個篩選工具那它結果它會自動降低女性申請人的這樣的一個排序因為在演算法當中它自動會學會高科技的這樣的不管是高科技產業或科技產業他們的 |
| transcript.whisperx[13].start |
283.561 |
| transcript.whisperx[13].end |
302.366 |
| transcript.whisperx[13].text |
入企的人數大部分都是男性為主所以這樣的一個演算法就會自動降低女性她們要去求職的一個排序那這些都是演算法對於社會既有的社會偏見它給予制度化 |
| transcript.whisperx[14].start |
303.588 |
| transcript.whisperx[14].end |
326.476 |
| transcript.whisperx[14].text |
隱形化甚至是規模化的一個結果那我建議是要接近歐盟建立這種高風險AI職場的應用清單就是說例如自動面試的篩選 績效的評分系統要強制的事先的這樣的一個審查跟資訊的一個揭露 |
| transcript.whisperx[15].start |
327.264 |
| transcript.whisperx[15].end |
343.471 |
| transcript.whisperx[15].text |
那這個部分另外就是說雇主對於要導入這種AI系統的時候也要對勞工進行相關的知情的同意的流程就是說明確告知相關的資料收集以及用途 |
| transcript.whisperx[16].start |
344.351 |
| transcript.whisperx[16].end |
365.808 |
| transcript.whisperx[16].text |
決策參數等等項目來部長簡單說明一下這個委員的關心謝謝委員的建議這些也提示我們的關心我們現在在發展AI同時我們也比較可信Trustworth AI就是可信任的AI那我們部裡面為了這個事情我們也做了一些工作包括我們有評測中心包括我們有一些檢測機制確定你用的AI模型要符合一些規範 |
| transcript.whisperx[17].start |
367.249 |
| transcript.whisperx[17].end |
388.435 |
| transcript.whisperx[17].text |
當然我們這個AI的不當使用會造成歧視造成勞工的問題這個就是我們希望在將來的AI基本法能夠有一個比較明顯的規範部長對勞工的保障AI的發展對勞工就業以及未來整個工作環境的衝擊的風險大幅提升 |
| transcript.whisperx[18].start |
389.255 |
| transcript.whisperx[18].end |
418.06 |
| transcript.whisperx[18].text |
必須要建立判斷就業衝擊的這種監測的制度那其實AI它取代了不只是重複性的這樣的一個體力工作它其實已經擴及到行政、人事、客服以及初階資料分析等等的白領階級也受到衝擊那我們目前的AI的政策的這樣的一個技術的政策的發展是以技術推廣 |
| transcript.whisperx[19].start |
419.02 |
| transcript.whisperx[19].end |
435.751 |
| transcript.whisperx[19].text |
還有算力的建置還有相關的就業應用為主但是AI的技術導入對於就業市場所造成的位移裁員或是結構性的風險缺乏系統性的一個統計監測跟應對的機制這個部分台灣的法律雖然已經規範企業在導入AI的技術之後 |
| transcript.whisperx[20].start |
448.857 |
| transcript.whisperx[20].end |
466.003 |
| transcript.whisperx[20].text |
在解雇員工應該要依勞基法來針對業務性的性質變更或是不能勝任工作這個項目有舉證的義務跟程序的義務但是我還是要明確的指出政府目前 |
| transcript.whisperx[21].start |
467.163 |
| transcript.whisperx[21].end |
480.392 |
| transcript.whisperx[21].text |
還是沒有辦法去掌握AI導入引入裁員的總體趨勢跟影響的程度這個還沒有建立另外也還沒有建立跨部門的人力的安置 |
| transcript.whisperx[22].start |
481.348 |
| transcript.whisperx[22].end |
505.99 |
| transcript.whisperx[22].text |
另外就是沒有安排技能轉職的這樣的一個社會支撐的結構跟策略部長簡單說明一下你們有什麼意見剛剛有個委員講說關於這個這個人力就是我們有些訓練的機制那我們也會跟跨部委包括勞動部我們會在這個問題上再跟勞動部來好好的討論這是一個重要的一個進行的相關的重要工作 |
| transcript.whisperx[23].start |
507.431 |
| transcript.whisperx[23].end |
524.985 |
| transcript.whisperx[23].text |
我看我們台灣如果沒有如果是缺乏這種相關資料的通報制度來判斷員工是不是因為AI的引進而遭到裁員這會讓勞動市場的變化跟AI的導入之間的這種連動性處於一個政策的盲區這是我們所擔憂的 |
| transcript.whisperx[24].start |
533.254 |
| transcript.whisperx[24].end |
541.623 |
| transcript.whisperx[24].text |
那政府就沒有辦法及時的預警跟規劃這種職務的配套基層勞工也是處於這種資訊不對稱的這樣的一個狀態 |
| transcript.whisperx[25].start |
545.509 |
| transcript.whisperx[25].end |
565.466 |
| transcript.whisperx[25].text |
那蘇阿部啊應該要及早掌握相關的資料啦那避免在政策規劃上啊缺乏AI對勞工就業的因素的衝擊這種重要的關鍵另外蘇阿部也應該啊我要更明確的說蘇阿部啊 |
| transcript.whisperx[26].start |
566.207 |
| transcript.whisperx[26].end |
585.337 |
| transcript.whisperx[26].text |
要主導或是建議我們要建設一個跨部會的AI社會影響監測的平台來統整就業、教育還有勞動政策所需要的前瞻性的資料跟政策部長最後時間讓你說明 |
| transcript.whisperx[27].start |
585.777 |
| transcript.whisperx[27].end |
612.926 |
| transcript.whisperx[27].text |
就是謝謝委員的建議 像剛委員的建議我們會回去再去看怎麼樣進行那當然州裡面跨部會包括勞動部那應該也會跟經濟部有些有些合作所以我們再回去看怎麼去建立這樣一個機制好 那AI的發展是一個重要的趨勢對產業的發展以及對勞工生活的一個衝擊蘇發部必須要更明確更前瞻的提出相關政策的一個規劃好 謝謝委員長 好 謝謝 |
| gazette.lineno |
137 |
| gazette.blocks[0][0] |
李委員昆澤：（9時22分）謝謝召委。請一下黃部長。 |
| gazette.blocks[1][0] |
主席：請部長。 |
| gazette.blocks[2][0] |
黃部長彥男：委員好。 |
| gazette.blocks[3][0] |
李委員昆澤：部長好。AI快速發展，我們心中有一個很沈重的隱憂，AI快速發展會對勞工現有的就業安全及環境帶來很大的衝擊，尤其是中低技能的勞工，風險更是大幅地提升，相關的就業型態不只是被AI自動化取代，也面臨職業重整的趨勢。 |
| gazette.blocks[3][1] |
OECD在2023年就業展望明確地指出，未來的10到15年有14%職業會消失，因為AI自動化提升；另外有32%的職業面臨結構重整。麥肯錫管理顧問公司也指出未來全球因為AI自動化趨勢，會有8億個工作機會消失，會被自動化取代。職業結構的重構造成勞工的工作風險增加，而且也可能導致就業機會減少，我們在追求AI自動化、快速發展，提升更進步科技產業跟生活的時候，面對勞工這樣的困境，數位發展部也必須要有相關的因應。 |
| gazette.blocks[3][2] |
這種相關的AI對勞工生活的衝擊，數位發展部有做基本的盤整嗎？另外，工作會被AI取代、工作需要重構或者是再設計的職業，我們必須要提出針對性的相關因應，確保勞工在AI快速發展時，基本工作權益受到保障。請部長簡單說明一下。 |
| gazette.blocks[4][0] |
黃部長彥男：報告委員，這個也是我們所關心的議題，所以我們現在在草擬的AI基本法確實有強調以人為本，就是要特別注重勞工的問題，將來我們在基本法裡面會有一些指引，讓將來在就業市場上能夠不要因為AI的發展而嚴重影響到勞工的權益，當然這方面另外一點就是，我們也提供很多訓練的program，不管是百工百業，就算是勞工，一樣要學怎麼樣利用AI來增加工作效率，這件事情我們也會持續地去訓練，讓勞工也因為有這樣的關係，他能夠學到更好的技能在工作上協助他…… |
| gazette.blocks[5][0] |
李委員昆澤：這是部長一個基本的想法。我們來看AI的職場應用必須要有基本規範，避免歧視與不透明這樣的狀況發生，AI不只是重塑相關工作的內容、職務或者是任務，它其實也成為勞工評估、招募與管理的工具，這就涉及就業歧視、勞工隱私，還有資訊知情權。 |
| gazette.blocks[5][1] |
AI現在是成為人力資源工具，這是一個趨勢，但演算法篩選機制的不透明也會引發就業歧視，就是說AI對就業歧視的放大效應其實在全球已經有非常多的案例，像Amazon使用一套AI的履歷篩選工具，結果它會自動降低女性申請人的排序，因為在演算法當中，不管是高科技產業或科技產業，他們的錄取人數大部分都是男性為主，所以這樣一個演算法就會自動降低女性要求職的排序。這些都是演算法對於既有的社會偏見給予制度化、隱形化，甚至是規模化的結果。我建議要借鏡歐盟建立高風險AI職場的應用清單，例如自動面試篩選、績效評分系統要強制事先審查跟資訊揭露；另外，雇主要導入這種AI系統的時候，也要對勞工進行相關的知情同意流程，明確告知相關資料蒐集，以及用途、決策參數等等項目。部長簡單說明一下。 |
| gazette.blocks[6][0] |
黃部長彥男：謝謝委員的建議，委員關心的這些也是我們的關心。我們現在在發展AI的同時，有一個叫Trustworthy，就是可信任的AI，我們部裡面為了這個事情也做了一些工作，包括我們有評測中心，包括有一些檢測機制，確定你用的AI模型要符合一些規範，當然剛剛講的就是說，AI的不當使用會造成歧視、造成勞工的問題，這個就是我們希望在將來的AI基本法能夠有一個比較明確的規範。 |
| gazette.blocks[7][0] |
李委員昆澤：部長，AI的發展對於勞工就業及未來整個工作環境衝擊的風險大幅提升，你對勞工的保障必須要建立判斷就業衝擊的監測制度，AI取代了不只是重複性的體力工作，它其實已經擴及到行政、人事、客服，以及初階資料分析等等，白領階級也受到衝擊。 |
| gazette.blocks[7][1] |
目前我國AI的政策發展是以技術推廣、算力建置，還有就業應用為主，但是AI的技術導入對於就業市場所造成的位移、裁員，或是結構性風險，缺乏系統性的統計、監測與應對機制，這個部分，臺灣的法律雖然已經規範企業在導入AI技術之後，解僱員工應該要依勞基法來針對業務的性質變更，或是不能勝任工作項目有舉證的義務跟程序的義務。但是我還是要明確的指出，政府目前還是沒有辦法掌握AI引入裁員的總體趨勢跟影響的程度，這個還沒有建立，也還沒有建立跨部門的人力安置，另外，沒有安排技能轉職的社會支撐結構跟策略，部長，簡單說明一下你們有什麼因應。 |
| gazette.blocks[8][0] |
黃部長彥男：剛剛有跟委員講，關於人力，我們有些訓練機制，我們也會跨部會，包括勞動部，我們會在這個問題再跟勞動部好好的討論。 |
| gazette.blocks[9][0] |
李委員昆澤：這是一個相關的重要工作，我看臺灣如果是缺乏相關資料的通報制度來判斷員工是不是因為AI的引進而遭到裁員，這會讓勞動市場的變化跟AI導入之間的連動性處於一個政策的盲區，這是我們所擔憂的，政府就沒有辦法即時的預警跟規劃職務的配套，基層勞工也是處於資訊不對稱的狀態，數發部應該要及早掌握相關的資料。 |
| gazette.blocks[10][0] |
黃部長彥男：好，這個我們會…… |
| gazette.blocks[11][0] |
李委員昆澤：避免在政策規劃上缺乏AI對勞工就業因素的衝擊這種重要的關鍵。另外，我要更明確的說，數發部要主導或建議須建置一個跨部會AI社會影響監測平臺，來統整就業、教育，還有勞動政策所需要的前瞻性資料跟政策，部長，最後的時間讓你說明。 |
| gazette.blocks[12][0] |
黃部長彥男：謝謝委員的建議，像剛剛委員的建議，我們回去會再看怎麼樣進行，當然要跨部會，包括勞動部，應該也會跟經濟部有些合作，所以我們再回去看怎麼建立這樣的機制。 |
| gazette.blocks[13][0] |
李委員昆澤：AI的發展是一個重要的趨勢，對產業發展及對勞工生活的衝擊，數發部必須更明確、更前瞻地提出相關政策的規劃。 |
| gazette.blocks[14][0] |
黃部長彥男：好，謝謝委員，謝謝。 |
| gazette.blocks[15][0] |
主席：現在請林國成召委。 |
| gazette.agenda.page_end |
442 |
| gazette.agenda.meet_id |
委員會-11-3-23-16 |
| gazette.agenda.speakers[0] |
許智傑 |
| gazette.agenda.speakers[1] |
洪孟楷 |
| gazette.agenda.speakers[2] |
李昆澤 |
| gazette.agenda.speakers[3] |
林國成 |
| gazette.agenda.speakers[4] |
陳素月 |
| gazette.agenda.speakers[5] |
林俊憲 |
| gazette.agenda.speakers[6] |
徐富癸 |
| gazette.agenda.speakers[7] |
邱若華 |
| gazette.agenda.speakers[8] |
蔡其昌 |
| gazette.agenda.speakers[9] |
葛如鈞 |
| gazette.agenda.speakers[10] |
劉書彬 |
| gazette.agenda.speakers[11] |
黃健豪 |
| gazette.agenda.speakers[12] |
張雅琳 |
| gazette.agenda.speakers[13] |
翁曉玲 |
| gazette.agenda.speakers[14] |
鍾佳濱 |
| gazette.agenda.speakers[15] |
葉元之 |
| gazette.agenda.speakers[16] |
魯明哲 |
| gazette.agenda.speakers[17] |
廖先翔 |
| gazette.agenda.speakers[18] |
游顥 |
| gazette.agenda.speakers[19] |
王鴻薇 |
| gazette.agenda.speakers[20] |
何欣純 |
| gazette.agenda.speakers[21] |
楊瓊瓔 |
| gazette.agenda.page_start |
379 |
| gazette.agenda.meetingDate[0] |
2025-06-18 |
| gazette.agenda.gazette_id |
1146001 |
| gazette.agenda.agenda_lcidc_ids[0] |
1146001_00012 |
| gazette.agenda.meet_name |
立法院第11屆第3會期交通委員會第16次全體委員會議紀錄 |
| gazette.agenda.content |
邀請數位發展部部長黃彥男就「推動 AI 之產業發展政策」進行專題報告，並備質詢 |
| gazette.agenda.agenda_id |
1146001_00016 |