新加坡企业的人工智能（Artificial Intelligence，AI）采用率正在快速上升。根据 IMDA 的《新加坡数码经济报告 2026》，2025 年新加坡企业的 AI 采用率从 2024 年的 14.7% 上升至 23.5%。其中，中小企业（Small and Medium-sized Enterprises，SMEs）的采用率从 14.5% 上升至 23.4%，大型企业的采用率从 62.5% 上升至 70.4%。
这组数据说明，AI 已不再只是大型科技企业或跨国公司的工具。越来越多中小企业也开始将 AI 用于内容制作、客户服务、流程自动化、文件整理、数据分析和内部运营。
但采用率上升并不等于企业已经具备成熟的 AI 能力。IMDA 的数据同时显示，超过三分之二的受访员工认为自己需要提升或重新学习 AI 技能，而过去 12 个月内接受过 AI 相关培训的员工比例只有约 37%。 企业使用 AI 的速度，正在快于内部培训、风险控制和治理制度的完善速度。
因此，企业下一阶段真正需要回答的问题已经不是“要不要使用 AI”，而是：员工能否正确使用 AI，企业能否控制相关风险，管理层能否解释 AI 如何创造价值，以及公司能否证明重要决定经过了适当审核。
新加坡数码经济已经成为整体经济的重要组成部分
IMDA 报告显示，2025 年新加坡数码经济的名义增加值达到 1,441 亿新元，占新加坡国内生产总值（GDP）的 19.3%，高于 2024 年的 18.8%。数码经济同比增长 5.6%，快于同期名义 GDP 的 3.1%。
其中，非资讯与通信行业的数字化活动贡献约 970 亿新元，占数字经济增加值的大部分；资讯与通信行业贡献约 471 亿新元。换言之，新加坡数字经济的增长并不只是由科技公司推动，金融、批发贸易、制造、专业服务和其他传统行业的数字化同样是重要来源。
科技就业人数在 2025 年同比增长 3.8%，达到 222,200 人。非资讯与通信行业的科技就业增长率为 5.3%，高于资讯与通信行业的 1.8%。这表明，技术人才需求正在广泛进入传统行业，而不是集中在科技公司内部。
2025 年约有 96.4% 的企业至少采用了六类数字技术中的一类。这六类技术包括网络安全、云技术、电子支付、电子商务、数据分析和 AI。
数字化已经不再是企业的附加项目，而是经营基础设施的一部分。AI 则正在成为下一层的生产力和决策工具。
AI 采用率为何快速上升
企业采用 AI 的方式并不完全相同。很多中小企业并不是从复杂的自主系统或定制化大模型开始，而是从具体、重复和容易衡量的工作切入，例如：
•撰写、编辑和翻译营销内容；
•自动整理客户咨询和常见问题；
•处理会议记录、文件摘要和内部搜索；
•协助准备报价单、报告和管理材料；
•进行基础数据整理、分类和分析；
•自动化部分行政和运营流程；
•为员工提供资料检索和知识归纳支持。
IMDA 官方资料显示，在已经采用 AI 的企业中，接近九成使用商业现成 AI 工具，约 28.3% 会进一步对这些工具进行定制，以适应企业自身的业务需求。
企业采用 AI 的主要原因通常不是追逐技术概念，而是希望改善生产力和流程。IMDA 报告显示，87.6% 的 AI 采用企业将生产力和流程改善列为主要收益，44% 的企业表示 AI 带来了成本下降或资源优化。
对于通过生产力解决方案津贴（Productivity Solutions Grant，PSG）采用获批准 AI 数码方案的中小企业，企业自报的 2025 年平均成本节省为 49.5%。这一数字应理解为 PSG 申请企业自报的平均结果，不应直接视为所有企业采用 AI 后都能实现的普遍收益。
中小企业接近四分之一已经使用 AI
中小企业 AI 采用率由 14.5% 上升至 23.4%，是报告中最值得关注的变化之一。
这意味着每四家左右的中小企业中，已有一家开始采用 AI。不过，采用率仍然不能代表应用深度。有的企业只使用 AI 处理文案或摘要，有的企业已经把 AI 嵌入客户服务、财务分析、销售运营或内部知识系统。两者在数据安全、人员能力和管理风险方面的要求并不相同。
企业应当区分三个阶段：
第一阶段是个人试用。员工自行使用 AI 工具完成零散任务，企业尚未形成统一规则。
第二阶段是部门使用。某个团队开始将 AI 纳入日常工作流程，并形成较稳定的使用场景。
第三阶段是企业级部署。AI 与企业数据、软件系统、客户流程或重要决策连接起来，需要明确的权限管理、供应商管理、人工审核、记录保存和责任分配机制。
企业从第一阶段进入第三阶段时，不能只增加软件许可数量，也必须同步升级治理能力。
员工使用 AI 的速度快于培训速度
AI 不仅被企业采用，也被员工广泛使用。IMDA 报告显示，2026 年接受调查的员工中，约 85.7% 表示在工作中使用 AI，高于 2025 年的 77.6%。AI 使用者普遍认为，AI 有助于提高生产力、改善工作质量和增强解决问题的能力。
员工使用 AI 的任务范围也在扩大。内容创作仍是最常见的用途，其次包括流程自动化、数据探索和分析等工作。
但员工能力并不均衡。许多员工可以使用 AI 完成一般性任务，却未必能够在复杂场景中正确设计任务、评估输出、识别偏差、核实事实或保护敏感信息。
报告显示，约 68% 的员工认为自己需要提升或重新学习 AI 技能，但过去 12 个月内接受 AI 相关培训的比例只有约 36.7%，通常可概括为 37%。
这形成了一个明显的能力缺口：员工已经开始使用 AI，但企业未必已经建立配套的培训、审批和质量控制制度。
未经培训的 AI 使用会带来哪些风险
如果企业只鼓励员工“大胆使用 AI”，却没有提供明确的边界和培训，至少可能出现以下问题。
数据和保密风险
员工可能不清楚哪些公司资料可以输入外部 AI 工具，因而误将客户资料、个人资料、源代码、合同、财务信息或商业秘密上传到未经批准的平台。
准确性和专业判断风险
员工可能把 AI 生成的内容误认为事实，忽略来源核实、计算复核和专业判断。AI 生成的法律、税务、会计、人力资源或财务内容尤其需要人工审核。
知识产权风险
企业可能无法确认输出内容的来源、使用的训练或输入素材、第三方权利以及最终成果的许可范围。对外发布前，企业需要根据内容类型进行适当的版权、商标、商业秘密和合同审查。
权限和责任风险
如果员工使用个人账号、未经批准的插件或自行连接企业数据，企业可能无法确认谁可以访问资料、谁批准了使用、谁审核了结果，以及错误发生后由谁负责处理。
运营和声誉风险
错误的 AI 输出如果未经审核就进入客户沟通、财务报告、营销材料或管理决策，可能导致客户损失、合同争议、监管问题和声誉损害。
对于会计、税务、法律、人力资源、企业顾问和金融服务等专业领域，这些风险更需要被系统性管理，因为员工处理的资料通常具有高度敏感性和专业性。
企业不应只培训“如何提问”，还要培训“如何判断”
基础 AI 培训往往集中在提示词、工具功能和使用技巧。但专业企业更需要的能力包括：
•判断一项任务是否适合交给 AI；
•识别输入资料是否包含受保护或敏感信息；
•为复杂任务提供准确的背景、范围和约束；
•检查 AI 输出中的事实、计算、引用和逻辑；
•识别幻觉、偏见、遗漏和不适当的确定性表达；
•判断何时必须升级给主管或专业人士；
•保存必要的提示词、输入、输出、修改和审批记录；
•在使用外部 AI 供应商时评估数据处理、保留、训练和安全条款。
换言之，AI 能力不只是工具操作能力，也是专业判断、风险识别和责任意识的结合。
新加坡将扩大 AI 人才培训计划
为提高企业和员工的 AI 能力，IMDA 正通过国家 AI 影响力计划（National AI Impact Programme，NAIIP）扩大培训支持。
根据 IMDA 公布的信息，未来三年将为 40,000 名科技专业人士提供更高级的 AI 技能培训，使其能够从事包括全栈开发和代理型 AI 能力在内的工作；同时，NAIIP 计划到 2029 年为 100,000 名非科技专业人士提供与其专业领域相关的 AI 技能培训。
官方项目页面显示，NAIIP 的重点不是让专业人士脱离原有领域，而是将专业经验与实用 AI 能力结合。现阶段相关方向包括科技、会计和法律等专业领域。
这反映出政府政策的重点已经从“让企业购买 AI 工具”转向“让企业和员工能够在实际工作中有效、负责地使用 AI”。
对企业而言，这带来两项重要启示。
第一，企业可以关注政府支持的培训、技能提升和行业项目，并根据岗位需求选择适合的培训方向。
第二，企业不能把培训完全外包给政府或供应商。企业仍然需要根据自身数据、客户、流程和风险，制定内部使用规则和岗位能力标准。
企业现在可以建立的 AI 管理基础
一、建立 AI 工具和使用场景清单
企业应记录哪些部门使用哪些 AI 工具，以及每项工具用于什么工作。清单可以按风险分类，区分公开资料整理、内部资料处理、客户资料处理、代码开发和重大决策支持等场景。
二、制定可输入和禁止输入的资料规则
企业应明确哪些资料不得直接输入外部 AI 工具，例如个人资料、客户机密、商业秘密、未公开财务数据、源代码、合同草稿和受第三方限制的资料。
三、建立人工审核和升级机制
企业应明确哪些输出必须由主管、专业人士或数据保护负责人审核。涉及对外发布、客户建议、财务数字、法律结论、税务处理、雇佣决定或重大商业判断的 AI 输出，不应未经审核直接使用。
四、将 AI 培训纳入岗位能力体系
不同岗位需要不同的 AI 能力。营销人员关注版权和品牌风险，财务人员关注数据准确性和审计轨迹，法律人员关注保密和引用，研发人员关注代码安全、许可和软件供应链。企业应根据岗位，而不是只提供统一的通用课程。
五、保留必要的使用和审批记录
对于重要项目，企业应保留 AI 工具、输入来源、输出结果、人工修改、审核意见和最终批准记录。记录的重点不是制造行政负担，而是在出现争议、错误或尽调要求时，能够解释公司如何作出决定。
六、定期评估供应商和系统风险
企业应审查 AI 供应商关于数据保留、模型训练、跨境传输、访问权限、服务中断、输出责任和安全措施的条款。对于连接企业内部数据或自动执行操作的 AI 系统，还应进行权限测试、日志管理和应急处理安排。
AI 采用率上升只是起点
新加坡企业 AI 采用率升至 23.5%，说明 AI 正快速从试验性工具进入企业日常经营。数字经济达到 1,441 亿新元并占 GDP 的 19.3%，也说明数字化已经成为整个经济体系的重要组成部分。
但企业能否从 AI 中获得长期价值，不取决于是否拥有最多的工具，而取决于能否把技术、人才、数据和治理体系结合起来。
企业下一阶段应当同时推进三件事：让合适的员工掌握与岗位相关的 AI 能力；让敏感数据和专业判断处于可控范围；让重要的 AI 使用和决策过程留下可解释、可追踪的记录。
真正成熟的 AI 采用，不是让员工尽可能多地使用 AI，而是让企业能够清楚回答：AI 被用于什么，谁有权使用，谁负责审核，结果如何被验证，以及公司如何管理由此产生的风险。
