MOM的另一组统计显示，员工少于200人的企业采用率为27.2%，员工人数在200至500人之间的中型企业为54.8%，员工超过500人的企业为76.4%。整体趋势十分清晰：企业规模越大，越有可能具备投资AI、引进专业人才并将其部署到多个业务环节所需的资金和组织能力。

这也可能扩大企业之间的能力差距。大型公司可以把实施成本分摊到更多团队，培养或招聘专门人才，并在较大范围内处理数据治理、风险管理和系统整合。小企业或许同样看得到AI的潜在价值，却往往缺少反复试验的预算，也没有足够的内部人员推动转型。

数字密集型和知识密集型行业领先

AI采用最成熟的行业，通常也是工作流程高度数字化、并涉及软件开发、系统分析和数据分析等任务的行业。采用率最高的三个行业为：

• 信息与通信业：74.1%
• 专业服务业：57.5%
• 金融与保险业：56.4%

这说明行业准备程度不仅取决于数字基础设施，还取决于企业是否拥有明确的应用场景、具备数字技能的员工，以及能够容纳AI的业务流程。上述行业的高采用率并不能代表整个经济体；它们与小企业及数字化程度较低行业之间，仍存在明显差距。

已采用AI的企业多数报告生产率提升

在已经采用AI的企业中，70.7%表示员工生产率有所提升。另有13.3%的企业提到决策质量改善，11.9%的企业表示创新能力增强。

这些数据表明，已经使用AI的企业正在看到一些切实收益，但解读时需要保持边界感：这属于采用企业自行报告的结果，并不是对AI在新加坡整个经济体中所产生因果影响的受控评估。换言之，调查说明了哪些企业正在获得价值，却不能保证每一次AI部署都会带来同样幅度的收益。

成本和专业人才不足，是企业最难跨过的门槛

企业不采用AI的首要障碍是实施成本，高达44.9%的企业提及这一点；42.4%的企业则表示内部专业能力不足。对小企业而言，缺少AI战略和对AI缺乏信任也是重要阻力。

不同规模的企业面临的难题并不完全相同。大型企业更常遇到系统整合复杂、数据安全等问题，因为将AI接入既有系统，并在更大的组织范围内管理相关风险，本身就更加困难。

这解释了为什么拥有良好数字基础，并不必然意味着AI会迅速进入企业的日常运营。问题不只是能不能获得AI工具，还包括能否选出合适的应用场景、承担实施费用、建立内部能力、管理数据和安全风险，并把技术真正嵌入现有工作流程。

AI目前更多是在改变工作，而不是大量消灭岗位

调查对就业的早期观察，主要指向岗位和任务重塑。在采用AI的企业中，18.9%表示已经重新设计岗位职能，13.9%表示新增了AI相关职位；相比之下，6.2%的企业报告出现了与AI相关的员工人数减少或招聘活动减少。

因此，MOM目前没有发现AI导致大规模、普遍性岗位流失的迹象。 现阶段的结果更符合这样一种描述：AI正在辅助员工，并改变工作完成的方式，而不是广泛减少岗位数量。

当然，这并不代表AI的长期就业影响已经确定。眼下更直接的任务，是帮助员工适应不断变化的工作内容、获得相关技能，并在企业扩大采用后进入新的岗位或经过重新设计的岗位。

新加坡与部分数字化领先国家的比较，需要谨慎解读

考虑到新加坡长期以来被视为数字竞争力较强的经济体，其企业层面28.5%的AI采用率确实值得关注。与丹麦、芬兰和瑞典等国家的比较，可以提供方向性参考，但不能简单视为完全可比的排名：不同调查可能采用不同的AI定义、企业规模门槛和统计期间。

更广泛的启示是，数字基础设施和国家层面的技术准备，并不能自动确保企业把AI整合到日常运营中。组织能力、员工技能、实施成本、信任与数据治理，以及实用应用场景的可获得性，都会影响AI扩散的速度。

下一阶段的核心，不是证明AI有用，而是让更多企业用起来

MOM的调查描绘出一个“两种速度并存”的AI经济：少数大型企业和数字密集型行业已经报告生产率收益，但多数企业仍停留在规划、试点或尚未采用的阶段。

对新加坡而言，下一阶段的重点因此不只是继续证明AI能够创造价值，更是让更广泛的企业，尤其是中小企业，能够以负担得起、风险可控的方式采用AI。这意味着要降低实施成本、培养内部专业能力、提升企业和员工对AI的信任与治理水平，并为岗位重塑做好技能准备。

调查释放出的最清晰信号是：新加坡的AI转型已经开始，但还没有抵达大多数企业；而在就业市场上，AI目前最先带来的不是大规模替代，而是工作方式和岗位内容的变化。

MOM的另一组统计显示，员工少于200人的企业采用率为27.2%，员工人数在200至500人之间的中型企业为54.8%，员工超过500人的企业为76.4%。整体趋势十分清晰：企业规模越大，越有可能具备投资AI、引进专业人才并将其部署到多个业务环节所需的资金和组织能力。

这也可能扩大企业之间的能力差距。大型公司可以把实施成本分摊到更多团队，培养或招聘专门人才，并在较大范围内处理数据治理、风险管理和系统整合。小企业或许同样看得到AI的潜在价值，却往往缺少反复试验的预算，也没有足够的内部人员推动转型。

数字密集型和知识密集型行业领先

AI采用最成熟的行业，通常也是工作流程高度数字化、并涉及软件开发、系统分析和数据分析等任务的行业。采用率最高的三个行业为：

• 信息与通信业：74.1%
• 专业服务业：57.5%
• 金融与保险业：56.4%

这说明行业准备程度不仅取决于数字基础设施，还取决于企业是否拥有明确的应用场景、具备数字技能的员工，以及能够容纳AI的业务流程。上述行业的高采用率并不能代表整个经济体；它们与小企业及数字化程度较低行业之间，仍存在明显差距。

已采用AI的企业多数报告生产率提升

在已经采用AI的企业中，70.7%表示员工生产率有所提升。另有13.3%的企业提到决策质量改善，11.9%的企业表示创新能力增强。

这些数据表明，已经使用AI的企业正在看到一些切实收益，但解读时需要保持边界感：这属于采用企业自行报告的结果，并不是对AI在新加坡整个经济体中所产生因果影响的受控评估。换言之，调查说明了哪些企业正在获得价值，却不能保证每一次AI部署都会带来同样幅度的收益。

成本和专业人才不足，是企业最难跨过的门槛

企业不采用AI的首要障碍是实施成本，高达44.9%的企业提及这一点；42.4%的企业则表示内部专业能力不足。对小企业而言，缺少AI战略和对AI缺乏信任也是重要阻力。

不同规模的企业面临的难题并不完全相同。大型企业更常遇到系统整合复杂、数据安全等问题，因为将AI接入既有系统，并在更大的组织范围内管理相关风险，本身就更加困难。

这解释了为什么拥有良好数字基础，并不必然意味着AI会迅速进入企业的日常运营。问题不只是能不能获得AI工具，还包括能否选出合适的应用场景、承担实施费用、建立内部能力、管理数据和安全风险，并把技术真正嵌入现有工作流程。

AI目前更多是在改变工作，而不是大量消灭岗位

调查对就业的早期观察，主要指向岗位和任务重塑。在采用AI的企业中，18.9%表示已经重新设计岗位职能，13.9%表示新增了AI相关职位；相比之下，6.2%的企业报告出现了与AI相关的员工人数减少或招聘活动减少。

因此，MOM目前没有发现AI导致大规模、普遍性岗位流失的迹象。 现阶段的结果更符合这样一种描述：AI正在辅助员工，并改变工作完成的方式，而不是广泛减少岗位数量。

当然，这并不代表AI的长期就业影响已经确定。眼下更直接的任务，是帮助员工适应不断变化的工作内容、获得相关技能，并在企业扩大采用后进入新的岗位或经过重新设计的岗位。

新加坡与部分数字化领先国家的比较，需要谨慎解读

考虑到新加坡长期以来被视为数字竞争力较强的经济体，其企业层面28.5%的AI采用率确实值得关注。与丹麦、芬兰和瑞典等国家的比较，可以提供方向性参考，但不能简单视为完全可比的排名：不同调查可能采用不同的AI定义、企业规模门槛和统计期间。

更广泛的启示是，数字基础设施和国家层面的技术准备，并不能自动确保企业把AI整合到日常运营中。组织能力、员工技能、实施成本、信任与数据治理，以及实用应用场景的可获得性，都会影响AI扩散的速度。

下一阶段的核心，不是证明AI有用，而是让更多企业用起来

MOM的调查描绘出一个“两种速度并存”的AI经济：少数大型企业和数字密集型行业已经报告生产率收益，但多数企业仍停留在规划、试点或尚未采用的阶段。

对新加坡而言，下一阶段的重点因此不只是继续证明AI能够创造价值，更是让更广泛的企业，尤其是中小企业，能够以负担得起、风险可控的方式采用AI。这意味着要降低实施成本、培养内部专业能力、提升企业和员工对AI的信任与治理水平，并为岗位重塑做好技能准备。

调查释放出的最清晰信号是：新加坡的AI转型已经开始，但还没有抵达大多数企业；而在就业市场上，AI目前最先带来的不是大规模替代，而是工作方式和岗位内容的变化。