「缺工嘛，等景氣好一點人就回來了。」
這個想法，在 2026 年已經完全不成立。
全球缺工 8,300 萬人，不是因為景氣，而是因為人口數學。
景氣型缺工 vs 結構型缺工
兩種缺工的本質差異：
景氣型缺工（暫時）：
・因為景氣好、訂單多，暫時人手不夠
・等景氣轉壞或訂單減少，自然解決
・例子：2021年後疫情復甦期，各行業搶工
結構型缺工（永久）：
・因為供給端（人口）已減少，無法靠「等」解決
・就算景氣轉壞，人力供給也不會回來
・例子：2024-2030年的台灣、日本、德國缺工
2026年的現況：
・大多數已開發國家的缺工 = 結構型
・不是景氣好才缺，景氣差了也缺（只是不同行業）
三個根本原因
根本原因一：人口學（最主要）
出生率下滑的時間延遲效應：
・1990年台灣出生率：1.81
・2000年台灣出生率：1.39（開始警戒）
・2010年台灣出生率：0.90（嚴重下滑）
・2023年台灣出生率：0.865（全球最低）
1990年出生的小孩，2010-2015年進入職場
2010年出生的小孩，2030-2035年進入職場 → 只有 1990 年的一半
這個效應，不可逆。
任何政策（催生、移民）都需要 15-20 年才看到效果。
---
根本原因二：教育結構錯配
全球普遍現象（包括台灣）：
・大學畢業比例：持續上升（台灣已達 65%+）
・服務業/製造業所需的技職人才：供給下降
・白領職位：競爭激烈，薪資通縮
・藍領職位：嚴重缺人，但年輕人不願意去
缺工最嚴重的職位，恰好是「年輕人最不願意做」的：
・廚師、服務員、收銀員
・工廠生產線員工
・長期照護員
---
根本原因三：預期落差（薪資 vs 工作條件）
勞動者的選擇邏輯已改變：
・Z世代：工作意義 > 薪資（前提：基本薪資夠用）
・同樣月薪 NT$35,000：
外場服務員（高壓/週末/節假日）vs IT基礎維護（相對舒適）
→ 大多數人選後者
即使薪資提高，服務業吸引力仍有結構性下限：
・工作強度：再高薪，深夜班和週末班仍是代價
・社會觀感：服務業仍有隱性的社會地位問題（台灣尤其明顯）
為什麼AI自動化是結構性解法
其他解法的限制：
解法一：移工引進
限制：ASEAN 來源國也在老化；競爭激烈（日本/韓國/台灣搶同一批移工）
效果：短期可用，長期依賴度風險高
解法二：提高薪資
限制：服務業利潤空間有限（台灣餐飲業平均利潤已為負）
效果：對特定人才有效，但無法解決供給端不足
解法三：催生/移民政策
限制：效果需要 15-20 年才見到
效果：長期正確，短中期無效
解法四：AI 自動化
優勢：
・立即可見效果（設備今天安裝，明天就工作）
・技術已成熟（不需要等研發突破）
・成本持續下降（設備價格年降 5-10%）
・可以 24 小時不休息（解決深夜班缺工）
唯一的限制：資本投入（但政府補貼已到位）
龍雲數位的結構性定位
龍雲數位選擇 IoT 設備管理，不是因為「販賣機賺錢」——
而是因為 15 年前，李奇申就看到這個結構性趨勢：
龍雲數位成立於 2011 年的判斷：
背景：
・台灣出生率 2010 年跌破 1.0（首次）
・製造業開始缺工（2008 金融危機後）
・智慧型手機普及，行動支付雛形出現
判斷：
・「10-15 年後，服務業人力會嚴重不足」
・「設備+IoT 管理是唯一可擴展的解法」
・「現在建立平台，等到缺工嚴重時就是最佳時機」
2026 年回頭看：
・缺工比預期更嚴重（COVID 加速）
・IoT 技術比預期更快成熟
・判斷基本正確，執行方向正確
結語：緩慢的海嘯，才是最危險的
8,300 萬人的全球勞動力缺口，不是一夕之間產生的——
它是幾十年人口趨勢積累的結果。
緩慢的海嘯，很容易被忽視，直到已經淹上岸。
台灣的缺工，已經淹到小腿了。
李奇申，龍雲數位創辦人。本文為「AI勞動力」系列。
延伸閱讀：
全球缺工根本原因2026勞動力危機結構性問題全球人口老化缺工為什麼全球缺工AI自動化結構解法李奇申AI勞動力專欄