El MOM constató que el 28,5% de los establecimientos del sector privado con al menos 10 empleados había empezado a adoptar IA, mientras que el 71,5% todavía no lo había hecho. Incluso entre las empresas adoptantes, la integración significativa sigue siendo limitada: solo el 3,8% había incorporado la IA a sus procesos centrales; el 7,4% aún estaba definiendo su estrategia y el 6,0% realizaba proyectos piloto.
La diferencia es importante. «Adoptar» puede significar experimentar con una herramienta o utilizarla de forma puntual. En cambio, integrar la IA en los procesos centrales implica que la tecnología ya forma parte del funcionamiento habitual de la empresa. Por eso, los datos describen una economía en las primeras etapas de difusión, no un sistema productivo en el que la IA ya esté plenamente operativa.
El tamaño de la compañía es una de las principales líneas divisorias. La adopción pasó del 23,9% entre las empresas con menos de 25 empleados al 76,4% entre las que tienen más de 500. Las compañías grandes también mostraron niveles más profundos de integración.
Otro desglose del MOM situó la adopción en el 27,2% entre las empresas con menos de 200 empleados, el 54,8% entre las medianas —de 200 a 500 trabajadores— y el 76,4% entre las de más de 500 empleados. El patrón es consistente: cuanto mayor es la empresa, más probable es que cuente con recursos y capacidad organizativa para invertir en IA y desplegarla en sus operaciones.
Esto puede ampliar la brecha de capacidades entre empresas. Las grandes compañías pueden repartir el coste de implantación entre varios equipos, contratar o formar especialistas y abordar los problemas de gobernanza e integración a mayor escala. Las pequeñas pueden percibir beneficios similares, pero suelen tener menos margen para experimentar y menos recursos internos para gestionar la transición.
La adopción está más avanzada en actividades donde el trabajo ya es muy digital y exige tareas como desarrollo de software, análisis de sistemas o análisis de datos. Las tasas más altas se registraron en:
Los resultados sugieren que la preparación de un sector depende no solo de disponer de infraestructura digital, sino también de contar con casos de uso adecuados, empleados familiarizados con la tecnología y procesos capaces de incorporar herramientas de IA.
Por eso, los sectores líderes no representan necesariamente a toda la economía. Sus altas tasas de adopción conviven con niveles mucho más bajos entre las empresas pequeñas y las industrias menos intensivas en tecnología digital.
Entre las compañías que habían adoptado IA, el 70,7% informó de mejoras en la productividad de sus trabajadores. Otros beneficios mencionados fueron una mejor toma de decisiones, señalada por el 13,3% de las empresas usuarias, y un aumento de la innovación, citado por el 11,9%.
Estas cifras muestran que las empresas que utilizan IA están encontrando beneficios prácticos, pero deben interpretarse con cautela. Se trata de resultados declarados por las propias empresas adoptantes, no de una estimación controlada del efecto causal de la IA sobre la productividad de toda la economía de Singapur. Los datos indican dónde se está percibiendo valor, pero no garantizan que cada implementación produzca los mismos resultados.
Los principales obstáculos fueron el coste de implantación, mencionado por el 44,9% de las empresas, y la falta de conocimientos especializados dentro de la propia compañía, señalada por el 42,4%. Las empresas pequeñas también identificaron como barreras importantes la ausencia de una estrategia de IA y la baja confianza en esta tecnología.
Los problemas varían parcialmente según el tamaño. Las empresas grandes señalaron con mayor frecuencia la complejidad de integrar la IA con sus sistemas y las preocupaciones relativas a la seguridad de los datos, dificultades asociadas a la conexión de nuevas herramientas con plataformas ya establecidas y a su gestión en organizaciones de mayor escala.
Esto ayuda a explicar por qué la preparación digital no se ha traducido automáticamente en una adopción operativa generalizada. El desafío no consiste solo en tener acceso a herramientas de IA. También hay que elegir casos de uso apropiados, asumir el coste de implantación, desarrollar capacidades internas, gestionar los riesgos e incorporar la tecnología a los flujos de trabajo existentes.
Los primeros datos sobre empleo apuntan sobre todo a una rediseñación de tareas y funciones. Entre las empresas que adoptaron IA, el 18,9% informó de cambios en las funciones laborales y el 13,9% de la creación de nuevos puestos relacionados con la IA. En comparación, el 6,2% señaló reducciones de plantilla o de la actividad de contratación vinculadas con la tecnología.
Por tanto, el MOM no encontró indicios de una destrucción de empleo significativa o generalizada provocada por la IA en esta etapa. Los resultados encajan más con una tecnología que complementa a los trabajadores y modifica la forma de realizar el trabajo que con una reducción amplia del número de empleos.
Eso no permite anticipar por sí solo el efecto a largo plazo. Sí sugiere, sin embargo, que la prioridad inmediata para la fuerza laboral es ayudar a los empleados a adaptarse a nuevas tareas, adquirir competencias relevantes y acceder a puestos modificados o de nueva creación a medida que se extienda la adopción.
La baja adopción empresarial resulta llamativa en un país conocido por su competitividad digital. La comparación con países como Dinamarca, Finlandia y Suecia es útil para situar la tendencia, pero las cifras no son perfectamente intercambiables: las encuestas pueden utilizar distintas definiciones de IA, umbrales de tamaño empresarial y periodos de referencia.
La lección más amplia es que la infraestructura digital y la preparación de un país no garantizan por sí solas que las empresas integren la IA en sus operaciones cotidianas. La capacidad organizativa, las competencias de la plantilla, el coste, la confianza, la gobernanza de los datos y la disponibilidad de casos de uso prácticos también determinan la velocidad de adopción.
La encuesta del MOM retrata una economía de la IA a dos velocidades. Una minoría de grandes empresas y de sectores intensivos en tecnología digital ya informa de mejoras de productividad, mientras que la mayoría sigue en fase de planificación, pruebas piloto o incluso antes de la adopción.
Para Singapur, la siguiente etapa no consiste tanto en demostrar que la IA puede funcionar como en hacer posible una adopción responsable para un conjunto mucho más amplio de empresas. Eso implica reducir las barreras de implantación, desarrollar conocimientos internos, reforzar la confianza y la gobernanza, y preparar a los trabajadores para funciones rediseñadas.
La conclusión más clara es sencilla: la transición hacia la IA ya ha comenzado en Singapur, pero todavía no ha llegado a la mayoría de las empresas. Y su primer efecto visible sobre el trabajo es, hasta ahora, la transformación de las tareas, no la sustitución generalizada de los trabajadores.
El MOM constató que el 28,5% de los establecimientos del sector privado con al menos 10 empleados había empezado a adoptar IA, mientras que el 71,5% todavía no lo había hecho. Incluso entre las empresas adoptantes, la integración significativa sigue siendo limitada: solo el 3,8% había incorporado la IA a sus procesos centrales; el 7,4% aún estaba definiendo su estrategia y el 6,0% realizaba proyectos piloto.
La diferencia es importante. «Adoptar» puede significar experimentar con una herramienta o utilizarla de forma puntual. En cambio, integrar la IA en los procesos centrales implica que la tecnología ya forma parte del funcionamiento habitual de la empresa. Por eso, los datos describen una economía en las primeras etapas de difusión, no un sistema productivo en el que la IA ya esté plenamente operativa.
El tamaño de la compañía es una de las principales líneas divisorias. La adopción pasó del 23,9% entre las empresas con menos de 25 empleados al 76,4% entre las que tienen más de 500. Las compañías grandes también mostraron niveles más profundos de integración.
Otro desglose del MOM situó la adopción en el 27,2% entre las empresas con menos de 200 empleados, el 54,8% entre las medianas —de 200 a 500 trabajadores— y el 76,4% entre las de más de 500 empleados. El patrón es consistente: cuanto mayor es la empresa, más probable es que cuente con recursos y capacidad organizativa para invertir en IA y desplegarla en sus operaciones.
Esto puede ampliar la brecha de capacidades entre empresas. Las grandes compañías pueden repartir el coste de implantación entre varios equipos, contratar o formar especialistas y abordar los problemas de gobernanza e integración a mayor escala. Las pequeñas pueden percibir beneficios similares, pero suelen tener menos margen para experimentar y menos recursos internos para gestionar la transición.
La adopción está más avanzada en actividades donde el trabajo ya es muy digital y exige tareas como desarrollo de software, análisis de sistemas o análisis de datos. Las tasas más altas se registraron en:
Los resultados sugieren que la preparación de un sector depende no solo de disponer de infraestructura digital, sino también de contar con casos de uso adecuados, empleados familiarizados con la tecnología y procesos capaces de incorporar herramientas de IA.
Por eso, los sectores líderes no representan necesariamente a toda la economía. Sus altas tasas de adopción conviven con niveles mucho más bajos entre las empresas pequeñas y las industrias menos intensivas en tecnología digital.
Entre las compañías que habían adoptado IA, el 70,7% informó de mejoras en la productividad de sus trabajadores. Otros beneficios mencionados fueron una mejor toma de decisiones, señalada por el 13,3% de las empresas usuarias, y un aumento de la innovación, citado por el 11,9%.
Estas cifras muestran que las empresas que utilizan IA están encontrando beneficios prácticos, pero deben interpretarse con cautela. Se trata de resultados declarados por las propias empresas adoptantes, no de una estimación controlada del efecto causal de la IA sobre la productividad de toda la economía de Singapur. Los datos indican dónde se está percibiendo valor, pero no garantizan que cada implementación produzca los mismos resultados.
Los principales obstáculos fueron el coste de implantación, mencionado por el 44,9% de las empresas, y la falta de conocimientos especializados dentro de la propia compañía, señalada por el 42,4%. Las empresas pequeñas también identificaron como barreras importantes la ausencia de una estrategia de IA y la baja confianza en esta tecnología.
Los problemas varían parcialmente según el tamaño. Las empresas grandes señalaron con mayor frecuencia la complejidad de integrar la IA con sus sistemas y las preocupaciones relativas a la seguridad de los datos, dificultades asociadas a la conexión de nuevas herramientas con plataformas ya establecidas y a su gestión en organizaciones de mayor escala.
Esto ayuda a explicar por qué la preparación digital no se ha traducido automáticamente en una adopción operativa generalizada. El desafío no consiste solo en tener acceso a herramientas de IA. También hay que elegir casos de uso apropiados, asumir el coste de implantación, desarrollar capacidades internas, gestionar los riesgos e incorporar la tecnología a los flujos de trabajo existentes.
Los primeros datos sobre empleo apuntan sobre todo a una rediseñación de tareas y funciones. Entre las empresas que adoptaron IA, el 18,9% informó de cambios en las funciones laborales y el 13,9% de la creación de nuevos puestos relacionados con la IA. En comparación, el 6,2% señaló reducciones de plantilla o de la actividad de contratación vinculadas con la tecnología.
Por tanto, el MOM no encontró indicios de una destrucción de empleo significativa o generalizada provocada por la IA en esta etapa. Los resultados encajan más con una tecnología que complementa a los trabajadores y modifica la forma de realizar el trabajo que con una reducción amplia del número de empleos.
Eso no permite anticipar por sí solo el efecto a largo plazo. Sí sugiere, sin embargo, que la prioridad inmediata para la fuerza laboral es ayudar a los empleados a adaptarse a nuevas tareas, adquirir competencias relevantes y acceder a puestos modificados o de nueva creación a medida que se extienda la adopción.
La baja adopción empresarial resulta llamativa en un país conocido por su competitividad digital. La comparación con países como Dinamarca, Finlandia y Suecia es útil para situar la tendencia, pero las cifras no son perfectamente intercambiables: las encuestas pueden utilizar distintas definiciones de IA, umbrales de tamaño empresarial y periodos de referencia.
La lección más amplia es que la infraestructura digital y la preparación de un país no garantizan por sí solas que las empresas integren la IA en sus operaciones cotidianas. La capacidad organizativa, las competencias de la plantilla, el coste, la confianza, la gobernanza de los datos y la disponibilidad de casos de uso prácticos también determinan la velocidad de adopción.
La encuesta del MOM retrata una economía de la IA a dos velocidades. Una minoría de grandes empresas y de sectores intensivos en tecnología digital ya informa de mejoras de productividad, mientras que la mayoría sigue en fase de planificación, pruebas piloto o incluso antes de la adopción.
Para Singapur, la siguiente etapa no consiste tanto en demostrar que la IA puede funcionar como en hacer posible una adopción responsable para un conjunto mucho más amplio de empresas. Eso implica reducir las barreras de implantación, desarrollar conocimientos internos, reforzar la confianza y la gobernanza, y preparar a los trabajadores para funciones rediseñadas.
La conclusión más clara es sencilla: la transición hacia la IA ya ha comenzado en Singapur, pero todavía no ha llegado a la mayoría de las empresas. Y su primer efecto visible sobre el trabajo es, hasta ahora, la transformación de las tareas, no la sustitución generalizada de los trabajadores.