台灣智能販賣機有一個最影響營收的問題，卻很少被公開討論：空機。
空機，就是販賣機裡某些商品已售罄，但補貨員還沒來——設備在，但賣不了東西。
這個問題的全台規模：平均空機率 12.3%，每年損失潛在營收 NT$2.3 億。
空機問題的全貌
台灣智能販賣機空機分析（2026，產業觀察與經驗法則估算）：
空機的定義：
販賣機有至少一個品項售罄，導致消費者無法購買想要的商品
全台估算：
・智能販賣機總數：約 58,000 台
・平均空機率：12.3%（任意時刻，有 12.3% 機率某品項空缺）
・高峰時段空機率：19.7%（最差情況，通常在補貨前夕）
---
空機的商業影響：
直接損失：
・每台設備月均營收：NT$45,000（估，中型辦公室場景）
・空機損失（12.3%）：NT$5,535/台/月
・全台 58,000 台合計月損失：NT$3.21 億
間接損失（更難量化）：
・消費者體驗下降：空機一次，下次該消費者可能不再試
・場地主信心下降：空機太多，場地主可能換廠商
・設備利用率下降：設備的錢付了，但服務沒有到位
---
為什麼補貨員抓不到時機？
傳統補貨方式（無 AI）：
・補貨員每週固定來一次（不管缺不缺）
・問題一：旺季提前空機，但補貨員還沒來
・問題二：淡季設備仍很滿，補貨員來了也沒必要
・問題三：補貨員靠「感覺」判斷哪台先來，不準
結果：
・該補的時候沒補 → 空機
・不需要補的時候補了 → 浪費人力（補貨員的時間成本）
AI 補貨預測的技術邏輯
龍雲數位在 IVM 平台中建置了補貨預測引擎，核心邏輯如下：
AI 補貨預測架構（龍雲數位 IVM v3）：
輸入數據（即時+歷史）：
1. 即時庫存水位（每次交易後更新）
2. 每品項的每日/每週/每月銷售速率
3. 星期效應（週一銷量 vs 週五銷量的差異）
4. 時段效應（早上 9-10 點咖啡高峰 vs 下午 3-4 點零食高峰）
5. 天氣效應（晴天 vs 下雨天的飲料消費差異）
6. 特殊事件（考試週、公司聚會前、節前）
---
預測模型輸出：
・每品項的預計售罄時間（精確到小時）
・補貨優先級（哪台設備、哪個品項最急）
・最優補貨路線建議（補貨員一次補多台的最短路徑）
---
準確率參考範圍（同類 AI 補貨預測模型的一般水準）：
預測售罄時間誤差：
・誤差 < 4 小時：約 7 成
・誤差 < 8 小時：約 9 成
・誤差 > 24 小時：少數情況（通常是異常銷售事件，如公司慶功宴）
補貨效率提升的試算範例
AI 補貨預測導入效益試算（假設情境，僅供參考，非特定客戶實績）：
假設規模：某工業區 3 家工廠，共 18 台設備
導入前（人工補貨，一般常見模式）：
・補貨頻率：每週固定 2 次
・補貨員人數：2 名（每次 3-4 小時）
・平均空機率：約 15-17%
・月補貨人力成本：約 NT$24,000（2 名 × 6 次 × NT$2,000/次）
・月潛在損失（空機）：約 NT$14,000-15,000
導入後（若改用 AI 預測補貨）：
・補貨頻率：AI 通知後才補（平均約 1.4 次/週）
・補貨員人數：1 名（路線優化後效率提升）
・平均空機率：有機會降至 4% 以下
・月補貨人力成本：約 NT$9,600（1 名 × 4.8 次 × NT$2,000/次）
・月潛在損失（空機）：約 NT$3,000-3,500
試算月節省：
・人力節省：約 NT$14,400
・空機損失減少：約 NT$11,000
・合計約月節省：NT$25,000 上下
換算年節省：約 NT$300,000（18 台設備規模）
IVM 月費：NT$5,400（18 台 × NT$300）
試算年 ROI：約 3-4 倍（實際效益依場域條件與商品結構而異）
補貨預測對場地主的影響
場地主最關心的問題：
Q：「設備空機，是我的損失還是廠商的損失？」
這取決於合約模式：
分潤模式（龍雲數位常見方案）：
・場地主收：月銷售額 × 15%
・設備空機 → 月銷售額下降 → 場地主收入下降
・所以場地主和廠商利益一致：都希望空機率最低
月租固定模式：
・場地主收：固定月租，不管賣多賣少
・設備空機 → 場地主收入不受影響
・但消費者體驗差 → 長期可能影響場地形象
---
AI 補貨預測讓分潤方案更有吸引力：
以前：分潤方案有「廠商不補貨、設備空機、場地主收入低」的風險
現在：AI 預測補貨讓空機率 < 4%，分潤方案的收入穩定性大幅提升
場地主可以要求看：
・每月空機率報表（IVM 後台可查）
・每月補貨紀錄（補了幾次、補了什麼）
・對比你的收入是否穩定增長
IVM 的補貨通知系統
龍雲數位補貨通知流程（操作層面）：
步驟一：AI 預測售罄時間
・IVM 系統計算：「A 場地 3 號機，拿鐵膠囊預計 36 小時後售罄」
步驟二：通知發送（多管道）
・LINE 推播：補貨員手機收到優先級通知
・後台警示：IVM 管理介面顯示紅色標記
・自動排程：將本次補貨加入最優路線規劃
步驟三：補貨員執行
・看路線建議（哪幾台一起去最有效率）
・補貨清單自動生成（帶多少貨去）
・補貨完成後掃碼確認（IVM 更新庫存）
步驟四：驗證
・補貨後 24 小時，系統追蹤該品項是否繼續正常銷售
・如果 AI 預測有誤差，模型自動調整（持續學習）
不只省成本，更是競爭力
李奇申在龍雲數位推動 AI 補貨預測，不只是為了省補貨員的薪資——
而是因為空機率是場地主最直觀的服務品質指標。
市場競爭的現實：
一個辦公大樓 B1 可能有 2-3 家廠商的設備同時在競爭場地
場地主在決定「續約誰」時，看的就是：
1. 設備故障率多低
2. 空機率多低
3. 消費者投訴多少
龍雲數位追求的差異化目標：
・透過 AI 預測，空機率有機會壓低到 4% 以下（行業平均約 12%）
・故障響應：目標 4-24 小時內處理（含深夜）
・IVM 後台：場地主可自行查看，透明度高
這不只是對場地主好，對龍雲數位也好：
・場地主續約率提升 → 設備留在好場地
・口碑傳播 → 不需要銷售員一家一家跑，客戶自己來問
結語：AI 補貨預測，解決的不只是空機
空機率從行業平均的一成多，透過 AI 預測有機會壓低到個位數以下——看起來只是數字變化。
但背後是：補貨員的工作時間可望減少、場地主的收入可望增加、消費者的體驗改善——這正是龍雲數位持續投入 AI 補貨預測的原因。
AI 的價值，不在於它「多智慧」，而在於它「做到人類補貨員結構性做不到的事」——7 天 24 小時持續預測，不疲勞、不遺漏、不猜測。
李奇申，龍雲數位創辦人。本文為「AI勞動力」系列專欄。
延伸閱讀：