ServiceNow《2026年企业AI成熟度指数》呈现出新加坡企业AI发展的两个不同步阶段：应用正在加速普及，工作流程改造却没有跟上。智能体AI的应用率从2025年的22%升至2026年的51%；但只有10%的企业重塑了流程，使AI能够端到端完成多步骤工作。263 这一区别很关键：引入AI工具，并不等于企业的运作方式已经改变。

AI应用普及快于流程改造

这项指数调查了19个国家的4,500名高管，其中包括200名新加坡受访者。26 在新加坡，33%的企业主要使用AI协助员工处理日常任务；另有18%在先进AI应用方面尚未取得进展。320

这些数据说明，单看AI应用率，容易高估AI在实际工作中的融入程度。不少企业正用AI辅助单项任务，但围绕AI重新设计完整工作流程的企业要少得多。报告中的10%，特指AI能够端到端完成多步骤业务任务的流程。330

成熟度回升，但不同能力发展不一

新加坡的AI成熟度评分从2024年的45分（满分100分）降至2025年的34分，随后在2026年回升至53分，高于当年的全球平均分51分。5232

进步并非面面俱到。新加坡在七项成熟度指标中的六项高于全球平均水平，其中人才准备度的领先幅度最大；但在AI赋能工作流程这一项上仍落后。这项指标关注的是如何把AI真正嵌入业务运营。2037 因此，总体评分上升的同时，企业能否把AI能力转化为工作方式的改变，仍是一个明显短板。

基础建设方面已有一些进展。新加坡有23%的企业以现代化平台替换了旧有技术，高于全球的16%；报告显示，28%的企业建立了正式流程，用于测试、审计和管理AI风险，全球比例为20%。19 这些数据反映系统和治理方面有所推进，但并不等同于端到端工作流程改造。

投入在增加，投入本身不代表成效

新加坡企业将IT预算的15.4%用于AI，接近全球的15.8%。当地AI支出同比增长108%；报告预计，到2027年，AI支出将占IT预算的约20%。1323

这些数字显示企业投入意愿强，但不能据此证明投资已经带来生产率提升。ServiceNow的CK Tan将智能体AI应用加快、运营改造滞后的反差称为新加坡的“AI应用悖论”。5 指数数据也提示了一个更务实的衡量方式：不只统计用了多少AI工具，还要看完整工作流程、职责分工和业务结果是否发生了变化。

企业如何缩小落地差距

调查结果指向若干可行的优先事项。以下是根据应用与转型差距作出的分析，并非对原研究中每位受访高管观点的核实引述。

• 从端到端流程入手。 明确要达成的业务结果，梳理现有流程，并划定AI可以采取行动的环节、需要人工复核的决定，以及异常情况的处理方式。
• 围绕员工实际工作来设计。 让执行流程的员工参与改造，明确职责与升级处理路径，并确认新流程需要哪些培训和支持。
• 打通流程中的数据与系统。 如果AI只能访问彼此割裂的工具和信息，便可能难以支撑多步骤工作流程。可靠且权限适当的数据，以及系统之间的整合，应被视为流程改造的一部分。
• 把治理要求纳入部署。 在扩大AI自主行动范围前，建立明确的责任归属、测试和审计机制，以及隐私和安全控制。
• 以组合方式管理投资。 根据可衡量的成效、成本和风险安排项目优先级，同时考虑配套基础设施与组织变革的投入，并依据实际结果决定扩大、调整或停止项目。

这样的做法能把成功标准从AI使用率或预算占比，转向工作本身是否有所改善，以及这种改善能否得到验证。

现有证据尚未说明什么

目前提供的新加坡调查信息不足以量化隐私与安全方面的顾虑，也无法判断这些顾虑是否连续多年存在。现有材料同样未能证实AI驱动流程改造带来的具体生产率收益，也没有提供足够信息说明渣打银行客户开户案例的细节或预期成效。因此，不应把这些结果视为已由此处引用的证据证实。

现有资料提到了CK Tan关于“应用悖论”的说法，但不足以可靠归纳Melinda McKinley、星展电信（StarHub）的Tan Kit Yong或Councilio的Peter Carr的具体建议或发现。5 因此，上述执行重点是对已报告的AI应用与工作流程数据进行分析，而不是对这些人士观点的核实引述。

ServiceNow《2026年企业AI成熟度指数》呈现出新加坡企业AI发展的两个不同步阶段：应用正在加速普及，工作流程改造却没有跟上。智能体AI的应用率从2025年的22%升至2026年的51%；但只有10%的企业重塑了流程，使AI能够端到端完成多步骤工作。263 这一区别很关键：引入AI工具，并不等于企业的运作方式已经改变。

AI应用普及快于流程改造

这项指数调查了19个国家的4,500名高管，其中包括200名新加坡受访者。26 在新加坡，33%的企业主要使用AI协助员工处理日常任务；另有18%在先进AI应用方面尚未取得进展。320

这些数据说明，单看AI应用率，容易高估AI在实际工作中的融入程度。不少企业正用AI辅助单项任务，但围绕AI重新设计完整工作流程的企业要少得多。报告中的10%，特指AI能够端到端完成多步骤业务任务的流程。330

成熟度回升，但不同能力发展不一

新加坡的AI成熟度评分从2024年的45分（满分100分）降至2025年的34分，随后在2026年回升至53分，高于当年的全球平均分51分。5232

进步并非面面俱到。新加坡在七项成熟度指标中的六项高于全球平均水平，其中人才准备度的领先幅度最大；但在AI赋能工作流程这一项上仍落后。这项指标关注的是如何把AI真正嵌入业务运营。2037 因此，总体评分上升的同时，企业能否把AI能力转化为工作方式的改变，仍是一个明显短板。

基础建设方面已有一些进展。新加坡有23%的企业以现代化平台替换了旧有技术，高于全球的16%；报告显示，28%的企业建立了正式流程，用于测试、审计和管理AI风险，全球比例为20%。19 这些数据反映系统和治理方面有所推进，但并不等同于端到端工作流程改造。

投入在增加，投入本身不代表成效

新加坡企业将IT预算的15.4%用于AI，接近全球的15.8%。当地AI支出同比增长108%；报告预计，到2027年，AI支出将占IT预算的约20%。1323

这些数字显示企业投入意愿强，但不能据此证明投资已经带来生产率提升。ServiceNow的CK Tan将智能体AI应用加快、运营改造滞后的反差称为新加坡的“AI应用悖论”。5 指数数据也提示了一个更务实的衡量方式：不只统计用了多少AI工具，还要看完整工作流程、职责分工和业务结果是否发生了变化。

企业如何缩小落地差距

调查结果指向若干可行的优先事项。以下是根据应用与转型差距作出的分析，并非对原研究中每位受访高管观点的核实引述。

• 从端到端流程入手。 明确要达成的业务结果，梳理现有流程，并划定AI可以采取行动的环节、需要人工复核的决定，以及异常情况的处理方式。
• 围绕员工实际工作来设计。 让执行流程的员工参与改造，明确职责与升级处理路径，并确认新流程需要哪些培训和支持。
• 打通流程中的数据与系统。 如果AI只能访问彼此割裂的工具和信息，便可能难以支撑多步骤工作流程。可靠且权限适当的数据，以及系统之间的整合，应被视为流程改造的一部分。
• 把治理要求纳入部署。 在扩大AI自主行动范围前，建立明确的责任归属、测试和审计机制，以及隐私和安全控制。
• 以组合方式管理投资。 根据可衡量的成效、成本和风险安排项目优先级，同时考虑配套基础设施与组织变革的投入，并依据实际结果决定扩大、调整或停止项目。

这样的做法能把成功标准从AI使用率或预算占比，转向工作本身是否有所改善，以及这种改善能否得到验证。

现有证据尚未说明什么

目前提供的新加坡调查信息不足以量化隐私与安全方面的顾虑，也无法判断这些顾虑是否连续多年存在。现有材料同样未能证实AI驱动流程改造带来的具体生产率收益，也没有提供足够信息说明渣打银行客户开户案例的细节或预期成效。因此，不应把这些结果视为已由此处引用的证据证实。

现有资料提到了CK Tan关于“应用悖论”的说法，但不足以可靠归纳Melinda McKinley、星展电信（StarHub）的Tan Kit Yong或Councilio的Peter Carr的具体建议或发现。5 因此，上述执行重点是对已报告的AI应用与工作流程数据进行分析，而不是对这些人士观点的核实引述。