Singapore sætter ind med kunstig intelligens i luftfarten først

Missionen for forbindelser omfatter også Singapores lufthavns-, søfarts- og havnenetværk. Changi Airport og Tuas Port er komplekse og datarige miljøer, hvor AI kan bruges til at optimere lufthavnsdrift, søtransport, havnedrift og logistik.

2. Avanceret produktion: Robotter og intelligente fabrikker

Missionen for avanceret produktion handler især om AI, der kan arbejde sammen med den fysiske produktionsverden. De foreslåede anvendelser omfatter robotter, simuleringer til redesign af processer, digitale tvillinger og forudsigende vedligeholdelse. Det kan hjælpe producenter med at opdage problemer tidligere og potentielt reducere materialespild og nedetid. Kilderne beskriver dog disse som planlagte anvendelser – ikke som dokumenterede resultater.

Vægten på såkaldt fysisk eller indlejret AI går igen i Singapores planer for anvendt forskning og eksperimenter i virkelige driftsmiljøer.

3. Finansielle tjenester: Sikrere transaktioner og bedre beslutninger

På finansområdet skal missionen blandt andet rette sig mod stadig mere avanceret økonomisk kriminalitet, bedre værktøjer til økonomistyring og næste generation af grænseoverskridende betalingssystemer.

Den sektorbaserede tilgang er vigtig, fordi AI i finanssektoren skal fungere i stærkt regulerede systemer med følsomme data, omfattende kontrolkrav og beslutninger med store konsekvenser. Derfor bliver kontrolleret adgang til data og ansvarlig implementering et praktisk fundament for at kunne udbrede løsningerne.

4. Sundhed: Fra klinisk støtte til mere personlig behandling

De sundhedsrelaterede anvendelser omfatter blandt andet diagnostik og kliniske beslutninger, planlægning af ressourcer samt mere personlig sundhedsvejledning og behandling.

Det er anvendelser med høj risiko, og derfor hænger de teknologiske mål tæt sammen med krav om ansvarlighed og risikokontrol. De tilgængelige kilder beskriver den ønskede retning, men dokumenterer ikke, at alle de nævnte løsninger allerede er indført i national skala.

Sådan skal NAIS 2.0 gøre missionerne anvendelige

Den opdaterede strategi fremstiller missionerne som mere end en samling pilotprojekter. Den kobler konkrete sektorudfordringer til de forudsætninger, der kræves for at udvikle, afprøve og skalere løsninger: anvendt AI-forskning og ingeniørarbejde, medarbejdere med både faglig og teknologisk kunnen, kontrolleret adgang til relevante datasæt og en dybere digital omstilling af den offentlige sektor.

Det adresserer et velkendt problem ved implementering af AI. En lovende model er ikke nok i sig selv. Organisationer har også brug for domæneekspertise, anvendelige data, teknisk infrastruktur, realistiske testmiljøer og tydelige regler for brug i situationer, hvor fejl kan få alvorlige følger.

Forskning og talent er en del af infrastrukturen

Singapore har afsat mere end 1 mia. singapore-dollar fra 2025 til 2030 til landets nationale plan for AI-forskning og -udvikling. Investeringen skal støtte både grundforskning og anvendt AI-forskning samt udvikling af talent – fra uddannelse før universitetsniveau til forskere, undervisere og internationale forskningssamarbejder.

NAIS 2.0 prioriterer desuden såkaldte AI-bilingvale kompetencer: mennesker, der kombinerer ekspertise inden for et fagområde med evnen til at arbejde effektivt med AI. Det er afgørende i eksempelvis luftfart, produktion og sundhed, hvor systemerne skal passe ind i eksisterende arbejdsgange og sikkerhedskrav – ikke blot levere teknisk imponerende resultater.

Punggol og forskningsmiljøet skal fungere som testarealer

Punggol Digital District udvikles som et avanceret testområde for fysisk og anvendt AI. Her skal virksomheder blandt andet kunne afprøve robotter til opgaver som rengøring, patruljering og levering af mad.

Singapore udvider også sit forskningsmiljø gennem NVIDIA's forskningsaktiviteter i landet. Laboratoriet forventes at samarbejde med lokale universiteter, erhvervsliv og myndigheder om robotteknologi, energieffektive AI-modeller og tilhørende infrastruktur.

Den type miljøer er vigtige, fordi fysisk AI ikke kan vurderes fuldt ud gennem softwaredemonstrationer eller standardiserede tests alene. Robotter og autonome systemer skal afprøves i virkelige omgivelser, hvor man kan se, om de fungerer stabilt, sikkert og sammen med mennesker og andre systemer.

Tillid og ansvarlighed er stadig afgørende

Singapores Model AI Governance Framework for Agentic AI giver virksomheder vejledning i, hvordan autonome AI-systemer kan implementeres ansvarligt. Rammen placerer ansvaret hos både mennesker og organisationer og lægger op til, at kontrolstrukturer, roller og risikostyring skal tilpasses systemets grad af autonomi og den risiko, det indebærer.

En central sikkerhedsforanstaltning er, at handlinger med høj risiko eller irreversible konsekvenser ikke bør gennemføres uden menneskelig kontrol. Organisationer opfordres derfor til at fastlægge kontrolpunkter eller grænser for handlinger, hvor menneskelig godkendelse er nødvendig.

Princippet er særligt relevant for de fire missioner. AI kan muligvis optimere en havn, identificere mistænkelige finansielle aktiviteter eller understøtte en klinisk beslutning. Men den organisation, der tager systemet i brug, har stadig ansvaret for, hvordan det fungerer, og hvordan mennesker kan gribe ind.

Hvad Singapores model viser

Singapores AI-plan skiller sig ud ved at kombinere fire sektorbaserede missioner med de forhold, der skal gøre bred anvendelse mulig: langsigtet forskningsfinansiering, udvikling af arbejdsstyrken, fælles og virkelighedsnære testmiljøer, adgang til relevante data og vejledning om implementering.

Luftfarten er det tydeligste første eksempel. Det er et komplekst og nationalt vigtigt område, hvor AI kan bruges til at koordinere driften, samtidig med at sikkerhedskravene er tydelige. Produktion, finans og sundhed vil møde andre tekniske og regulatoriske udfordringer, og de tilgængelige kilder dokumenterer endnu ikke en fuldt gennemført udrulning i alle fire sektorer.

Den umiddelbare pointe er, at NAIS 2.0 skal flytte Singapore fra eksperimenter til sektoromfattende implementering. Om ambitionen fører til målbare forbedringer, afhænger af kvaliteten i de konkrete løsninger, styrken af det menneskelige tilsyn og evnen til at udvikle AI omkring reelle driftsbehov – ikke kun omkring teknologiske demonstrationer.