Hyundai蔚山工廠資料圖片。最新勞資協議仍須等待8月31日工會會員投票表決。(Hyundai Motor Group)
Hyundai Motor在韓國持續數周的勞資爭議出現重大轉折。管理層與工會在8月25日凌晨完成第17輪談判後達成暫定工資協議,但這次談判真正值得注意的,已不只是薪資與獎金,而是AI、自動化及人形機器人正式進入就業保障與未來工作制度的討論。
這份暫定協議仍須交由工會會員在8月31日投票表決,通過後才算正式完成今年的勞資談判。
加薪、獎金與退休年齡仍是核心問題
根據目前公布的暫定協議,Hyundai員工每月基本薪資將增加10萬韓元,績效獎金超過400%,另外還包括1250萬韓元的一次性額外支付。
退休制度同樣是談判重點。目前Hyundai員工退休年齡為60歲,雙方同意,如果韓國未來相關法律及規則修訂,退休年齡可延長至65歲。
因此,這場勞資爭議不能簡化成“工人反對AI”。薪資、獎金、退休年齡及人力安排,仍然是最傳統也最重要的工會訴求。
不同的是,AI與自動化帶來的工作轉型,已經從未來的假設變成企業與員工必須正式協商的現實問題。
十年來首次全日罷工
Hyundai韓國工會約有4萬名會員,今年先後進行多輪局部停工,並在8月21日發動十年來首次全日罷工。
今年累計罷工時間約60小時,在兩班制生產安排下,相當於造成約120小時的生產中斷。
業界及外部估算顯示,相關工業行動累計影響約55,200輛汽車生產,涉及的銷售損失超過2.3兆韓元。
不過,55,200輛及2.3兆韓元均屬外部估算,不能視為Hyundai公布的最終官方損失數字。
AI第一次如此明確進入勞資協議
這次暫定協議最值得關注的部分,反而不是薪資。
Hyundai管理層與工會共同承認,包括Physical AI及先進機器人在內的新技術,對企業未來競爭力具有重要性。
雙方亦同意,在新業務及相關技術導入過程中提高資訊透明度,並繼續協商AI與自動化對就業可能帶來的影響。
這與單純“工會阻止自動化”的說法有很大差別。
現在真正需要討論的問題已經變成:哪些工作會被重新設計、哪些職位可能減少、哪些新職位會出現,以及現有員工能否獲得足夠培訓,轉向新的工作角色。
Atlas不再只是科技展示
Boston Dynamics Atlas正逐步從科技展示走向實際汽車製造應用。(Hyundai Motor Group)
這個議題在Hyundai特別敏感,原因是集團的人形機器人部署計畫已經非常具體。
Hyundai Motor Group旗下Boston Dynamics開發的Atlas人形機器人,計畫從2028年開始部署至美國Georgia的Hyundai Motor Group Metaplant America(HMGMA)。
第一階段將從零件排序(parts sequencing)等工作開始,到了2030年前後,再逐步擴展至零部件組裝(component assembly)等更複雜工序。
Hyundai Motor Group同時提出,到2028年建立每年最多可生產30,000台機器人的生產系統。
換句話說,Atlas已經不再只是展覽會上的未來概念,而是一項具有明確時間表、產能目標及實際工廠部署計畫的產業項目。
Hyundai強調“以人為中心”的自動化
從Hyundai的角度來看,機器人的作用並不是單純減少員工數量。
集團提出的“human-centered automation”概念,是讓機器接手重複、高負荷及較高風險的工作,而人員轉向訓練、監督、維護以及需要更高技能的職位。
理論上,這種模式可以降低工廠員工受傷風險,同時改善生產效率及品質。
但站在工會角度,另一個問題同樣重要:如果被自動化取代的工作,比新創造的工作更多,現有員工是否真的可以順利完成轉型?
誰負責培訓、技能升級需要多少時間,以及轉型期間的成本由誰承擔,都可能成為下一階段Physical AI進入工廠後的重要勞資議題。
這不只是韓國Hyundai的問題
目前沒有證據顯示這次韓國罷工已直接影響Hyundai在馬來西亞的交車,因此不能把這場勞資爭議延伸解讀為本地供應問題。
但從汽車產業角度來看,它仍然值得馬來西亞及整個ASEAN關注。
汽車工廠過去談自動化,主要是機械手臂、自動輸送系統以及生產線數位化。當Physical AI開始讓機器可以移動、學習、判斷並完成更多原本由人類負責的工作後,受影響的將不只是生產效率。
班次、人力需求、技能要求、薪資結構,以及工廠內“人應該負責什麼工作”,都有可能被重新定義。
這次Hyundai勞資談判真正值得注意的,不只是十年來首次全日罷工,而是AI與人形機器人已經從科技新聞走進真正的勞資協議。
汽車產業下一輪AI競爭,可能不只看誰的機器人更聰明。企業可以很快買進機器、建立AI模型和改造生產線,但員工技能、職位制度及勞資協商不可能用同樣的速度更新。如果技術進步遠遠跑在人的轉型之前,Physical AI最大的阻力最後可能不是硬件或演算法,而是企業能否把原有員工一起帶進新的製造時代。
