▲不少企業因此導入AI排班系統，希望提升效率。（圖／取自pexels）
記者楊智雯／綜合報導
在各行各業普遍面臨人力短缺的情況下，零售、物流、醫療與客服等高度輪班產業，排班壓力尤為明顯。傳統人工排班不僅耗時，也容易出現人為疏漏，不少企業因此導入AI排班系統，希望提升效率，卻發現班表雖然是「電腦自動產生」，卻頻頻出現員工連續被排夜班、個別員工的工時過長等異常狀況。根據哈佛商學院針對AI排班系統的研究指出，在分析的9,900萬個班次中，高達 84% 最終仍需人工手動修改，表面上看似自動化提升效率，實際上卻讓管理階層難以及時釐清問題來源，反而花費更多時間在反覆調整與修正排班內容。
進一步拆解AI排班失靈的原因，哈佛商學院研究團隊指出，問題往往不在演算法本身，而是「輸入資料不準確」。研究分析一間大型零售連鎖企業，追蹤五年間數十萬名員工、共9,900萬個班次的AI排班結果，發現員工可上班時段、實際工時與工作內容等基礎資料若有誤，AI即使再精密，也只會產出「看似合理、實際不可用」的班表。研究主持 Caleb Kwon直言，這正是典型的「基本設定錯誤、產出錯誤」，AI排出的班表無法真實反映員工狀況，管理者只能不斷事後修正，研究也提醒，企業若將AI視為全自動解方，卻未建立清楚的資料管理與使用規範，反而會讓排班流程更複雜，形成效率與信任雙雙流失的惡性循環。
問題不只出在資料品質，AI排班本身也可能放大既有的不公平結構。根據人力排班平台myshyft.com指出，AI排班系統多半是依據過往的排班紀錄與既定目標進行學習與運算，若訓練資料本身就存在偏差，或演算法僅以「滿足人力需求、降低成本」為優先，卻未納入公平性與勞動負荷的權重考量，AI便可能在無意之中複製甚至強化過去的不合理安排，實務上，這類情況常反映在特定員工長期被排到夜班、假日班或高壓時段，而排班結果卻難以向當事人清楚解釋原因，形成所謂「看不見的偏見」。
當員工無法理解排班邏輯，只能被動接受系統決定，不僅影響工作滿意度，也可能加劇組織內部的不信任感，讓原本期待提升效率的AI工具，反而成為新的管理風險來源。
