一個計程車行的 AI 調度，司機大哥怎麼看

但從司機的角度，算盤打的是「我這趟划不划算」。同樣是派單，一單從信義區到淡水，跳表四百多塊，回程卻可能空車半小時；另一單在市區內跑三趟短程，總金額差不多，但油耗、時間、精神成本完全不同。AI 調度如果只看「系統效率」，很容易派出一張對車行帳面漂亮、對司機體感卻很差的單。

這也是為什麼很多司機對 AI 調度的評價，往往不是「好」或「不好」，而是「看情形」。天氣好的時候它像神隊友，下雨天的時候它像慣老闆。這種矛盾的感受，幾乎是全台車行的共同語言。

二、司機大哥的第一印象：快、準，但「怪怪的」

筆者實際訪談了雙北、桃園與台中三個車隊的十幾位司機，請他們描述「AI 調度上線後最有感的三件事」。答案出乎意料地集中：派單變快、熱點變準、但公平性變成一團迷霧。

「派單變快」是最有感的改變

幾乎所有人都同意，AI 調度讓「等單」的時間縮短了。以前在離峰時段，司機可能要在便利商店門口滑手機滑個二十分鐘，現在平均五到八分鐘就會有單進來。對司機而言，這是實打實的收入提升——因為計程車的收入結構裡，「空轉」是最傷的成本。

「以前離峰我都會想說乾脆回家睡一下，現在不敢，因為單會一直來。」一位開油電車的年輕司機說。「雖然都是短程，但加起來一個下午也跑了十幾趟，比在路邊發呆好。」

更有趣的是，部分司機開始「配合」AI 的節奏。系統會提示「本區需求上升，建議前往」，司機就把它當成一種導航建議，跟著跑。時間久了，有些人甚至發展出一套自己的「跟 AI 相處」哲學：早上跟著系統跑熱點，中午自己判斷去醫院或高鐵站排班，晚上再回來讓系統派單。

「為什麼這一單給他不給我？」——公平感的消失與重建

但派單變快的另一面，是「分配邏輯」變得看不見。以前排班大姐喊車，司機心裡有底：誰比較久沒接到單、誰昨天請假、誰跟大姐比較熟，大概都有一個可以理解的解釋。現在系統派單，司機只看到結果，看不到原因。

「明明我就在旁邊，為什麼單給隔壁那台？」這是訪談中最常出現的一句話。當司機無法理解派單邏輯時，很容易往「系統偏袒」或「車行抽成」的方向想。尤其當某些司機連續幾天接到好單、某些司機老是接到偏遠地區的單，那種「是不是我被扣分」的疑慮就會浮出來。

實際上，多數 AI 調度系統的邏輯是「多目標最佳化」：同時考慮距離、預估到達時間、司機的接單率、乘客評分、車型、甚至司機已經連續開車多久。但這些變數對司機來說是黑箱。問題不在於系統不公平，而在於系統沒有把「為什麼」講清楚。

有經驗的車行開始做一件事：把派單的「關鍵指標」選擇性地揭露給司機看。例如顯示「這一單的推薦原因：距離最近＋你已等待十二分鐘」，或是在 App 裡放一個「本週接單分布」的圖表。這看似小事，卻大幅降低了司機的猜疑感——因為人對於「看得懂的規則」，容忍度會高很多。

老經驗與新分數的拉扯

計程車這行有一句老話：「路是跑出來的。」老司機的價值，在於他知道哪個巷口早上七點會有人出來叫車、哪家醫院的門口下午三點會有一波回診人潮、哪條路在這個時段一定塞。這套知識是十年、二十年磨出來的，沒有寫在任何一本書裡。

AI 調度出現後，這套知識第一次被「量化」了。系統會記錄司機在哪些區域的成交率高、在哪些時段接單效率好，然後把這些轉換成分數，影響派單優先順序。於是老司機面對一個很微妙的處境：他腦子裡的經驗，變成了系統裡的一組數字，而這組數字有時候會反過來「指導」他該去哪裡。

「以前是我教新人怎麼跑，現在是系統教我們怎麼跑。」一位開車二十五年的大哥半開玩笑地說。「不過講實在的，它有時候真的比我準。像那種新的辦公大樓、新的商場，我根本不知道那裡有人叫車，它知道。」

這其實是一個很健康的張力。AI 強在資料量大、即時性高，能看見人看不見的宏觀規律；老司機強在例外處理與人際判斷，能處理 AI 看不見的微觀情境。真正跑得好的司機，往往是那些願意「一半聽系統、一半聽自己」的人。

三、跑車現場的改變：熱點預測、排班與抽成

如果說第一印象是情緒，那麼實際跑一段時間後，司機的評價就會回到很務實的層面：這套系統有沒有讓我賺得更多、跑得更順、被扣得更少。

熱點預測：真的比老經驗準嗎？

多數司機對「熱點預測」的評價是「有幫助，但不能全信」。系統會根據即時叫車資料，提示某個區域在接下來十五到三十分鐘內需求會上升，建議司機前往。這種提示在大型活動、連假、下雨天特別有用，因為那些情境下人潮移動的模式會偏離日常。

但熱點預測也有一個常見的副作用：它會把大量司機同時吸到同一個地方。結果就是「熱點變成紅海」——大家擠過去，單被分掉，每個人等的时间反而變長。有司機形容這像是「系統叫大家一起去排隊」。

比較成熟的車行會在系統設計上做平衡，例如限制同一區域的推薦車輛數、或是在推薦時加入「你已在該區等待多久」的個人化條件。對司機來說，最好的用法是把熱點提示當成「參考座標」，而不是「指令」——避開那種已經擠滿車的熱點，改去它周邊還沒被發現的衛星區域，往往效率更高。

排班、抽成與透明度

另一個司機很在意的，是 AI 調度會不會影響「抽成」與「排班權益」。目前多數車行的做法，是把 AI 調度當成內部工具，抽成比例不變，但會依照系統的「效率分數」調整某些獎勵或優先權。這就產生一個微妙的問題：如果分數低會被排在後面，那司機就會開始「為了分數而跑」，而不是「為了收入而跑」。

例如有些系統會把「接單率」列入評分。司機為了維持分數，即使遇到不想跑的單（例如超短程、偏遠地區、乘客評分低）也不敢拒接。短期看起來派單效率提高了，長期卻可能讓司機的體感變差，甚至出現「為了分數硬跑，結果虧油錢」的狀況。

比較好的設計，是把「司機自主權」保留在系統裡。例如允許司機設定「每日可拒接幾張單而不影響分數」、或是對特定區域設定「不想去」的偏好。這些小功能看似不起眼，卻是司機願不願意長期使用系統的關鍵。

四、司機最在意的三件事：收入、公平、尊嚴

訪談到最後，我發現所有關於 AI 調度的討論，最後都會收斂到三個關鍵字。這三個字不是技術問題，而是人的問題。

收入：穩定比高峰更重要

司機不是只想要「賺得多」，更想要「賺得穩」。AI 調度如果能把離峰時段的空車率壓低，讓收入曲線變得平緩，對多數司機來說，這比偶爾接到一張大單更有價值。因為計程車司機的固定成本（車貸、保險、保養、油錢）是每天都要付的，收入波動越大，心理壓力越大。

這也是為什麼很多司機願意配合系統的「均衡派單」策略，即使那意味著偶爾要跑一些不那麼甜的單。只要整體收入穩定，司機的接受度其實很高。

公平：規則可以嚴，但不能黑箱

司機不怕規則嚴，怕的是規則不明。當派單邏輯不透明時，任何一張「看起來不合理」的單，都會被放大解讀成「系統在搞我」。反之，如果車行願意公開基本原則（例如「以預估到達時間為主，等待時間為輔」），並提供申訴管道，司機的怨言會少很多。

有車行甚至做了「派單說明」的小功能：每一張單旁邊附一行字，說明「為什麼推薦給你」。這行字可能只是「你距離最近且已等待十分鐘」，但它讓司機感覺自己被當成合作夥伴，而不是被演算法支配的棋子。

尊嚴：不要讓司機覺得自己只是數據

這一點最抽象，卻也最關鍵。計程車司機是一份高度自主的工作，很多人入行就是因為「不想被管」。當 AI 調度開始用分數、評分、接單率來評價司機時，很容易踩到這條線。

「我不是不配合，但我不喜歡那種被監控的感覺。」一位司機這樣說。他的解法很簡單：把系統當成「助理」，而不是「老闆」。助理會給建議，但最後的方向盤還是在自己手上。而車行該做的，就是確保這個「最後決定權」不被系統悄悄拿走。

五、車行與系統商的盤算：數據是新的黃金，但別忘了人

為什麼車行願意花錢導入

對車行來說，AI 調度的投資報酬率其實很直觀：空車率下降、趟次上升、客訴減少、排班人力精簡。再加上數據可以拿去做更精準的行銷（例如針對特定區域推送優惠），甚至與外送、物流平台異業合作。這些都是傳統車行做不到的事。

但導入 AI 調度不是買軟體就好，它牽涉到司機的接受度、系統商的客製化能力、以及車行內部的管理文化。很多車行失敗的原因，不是技術不好，而是「只從車行角度設計系統」，忽略了司機的使用體驗。

人機協作的折衷方案

目前比較成功的車行，多半採取「人機協作」的模式：AI 負責大範圍的派單與熱點預測，人負責例外處理與關係維護。例如遇到客訴、特殊需求、或是司機之間的糾紛，還是由人來處理。系統只提供資料，不取代判斷。

這種模式看起來不夠「智慧」，但實務上最穩定。因為計程車業本質上是一個「人對人」的服務業，AI 可以優化流程，卻很難取代那種「我知道這個客人趕時間，幫他派一台開得穩的車」的細膩判斷。

六、給司機、車行與乘客的實用建議

給司機大哥：

把 AI 當成參考，不要當成命令。熱點提示可以看，但也要保留自己的判斷。

搞清楚自己的「分數」怎麼來的。多數車行或平台都有說明頁面，花十分鐘看懂，比事後抱怨有用。

善用系統的偏好設定。如果系統允許設定「不想去的區域」或「可拒接次數」，就用它，不要硬撐。

保持自己的「線下優勢」。熟客、固定排班點、特殊時段的路況經驗，這些是 AI 短期內學不會的。

給車行經營者：

派單邏輯要「可解釋」。不一定要公開全部演算法，但至少讓司機知道基本原則。

保留司機的自主權。拒接機制、偏好設定、申訴管道，這些都是降低摩擦的關鍵。

不要把分數當成唯一的獎懲依據。過度依賴分數，會讓司機為了分數而跑，而不是為了收入而跑。

定期跟司機溝通。一個月一次的座談，比十份報表更能解決問題。

給乘客：

多給評價，但不要情緒化。你的評分會影響司機的派單優先順序。

叫車時把地點填清楚。AI 調度很依賴地址準確度，模糊的地標會讓派單變慢。

如果遇到派車較久，不一定是司機少，有時候是系統在「等」一台更近的車。

七、結語：AI 不會取代司機，但會改變司機的工作方式

回到凌晨四點半的那間車行。阿宏哥最後還是接了那張單。他把車開出停車場，雨刷規律地擺動，手機上的導航路線已經自動避開了前方的事故路段。他一邊開，一邊跟我說：「其實這套系統喔，就像多一個很會算的副駕駛。它算它的，我開我的。它算得準，我就多賺一點；它算錯了，我還是得自己想辦法。」

這句話大概就是司機大哥對 AI 調度最真實的評價。它不是神，也不是敵人，它就是一個新工具。工具好不好用，取決於設計的人有沒有把司機當人看，也取決於使用的人有沒有保留自己的判斷。

對車行來說，AI 調度是一場管理升級；對司機來說，它是一次工作方式的改變；對整個產業來說，它則是一個機會——讓計程車從「靠運氣等客人」的行業，慢慢變成「靠數據與經驗協作」的行業。

而這一切的關鍵，從來不是演算法有多厲害，而是有沒有人願意坐下來，聽司機大哥說一句：「這個派單，我覺得怪怪的。」

常見問題 FAQ

AI 調度會不會讓司機的收入變少？

短期內不一定，長期則取決於系統設計。如果 AI 調度能降低空車率、提高趟次，多數司機的收入是上升的。但如果系統過度偏向「效率」而忽略「公平」，例如把好單集中派給特定司機，就可能造成部分司機收入下降。關鍵在於車行是否願意公開規則、保留司機的自主權。

司機可以拒絕 AI 派的單嗎？

多數系統允許拒接，但會影響「接單率」分數。建議司機先了解自己車行的規則，善用系統提供的偏好設定與拒接額度，避免為了維持分數而硬跑不划算的單。

老司機的經驗還有用嗎？

非常有用。AI 強在資料量大與即時性，但對於突發狀況、特殊客人的需求、以及「書上沒寫的在地知識」，老司機的判斷仍然無可取代。最理想的狀態是「AI 給方向、司機做決定」。

車行該怎麼選擇 AI 調度系統？

除了看功能與價格，更要看「可解釋性」與「司機端體驗」。一套司機看不懂、不信任的系統，即使技術再先進，實際導入後的效率也會大打折扣。建議在導入前先讓部分司機試用，收集回饋後再全面上線。

```

🏠 返回首頁