新加坡企业正在加大人工智能（AI）投入，但添置工具、鼓励员工使用，并不会自动带来生产力提升。更棘手的工作，是找出AI真正能改善的任务、帮助员工掌握相关技能，并调整流程，让节省下来的时间转化为更好的业务结果。一份报告称，只有20%的机构认为员工队伍已为AI做好准备。6

关键差距：用上AI，不等于重设计工作

AI可以让某个步骤更快，却未必能消除拖慢整个流程的瓶颈。如果团队仍受制于反复交接、审核积压或审批延误，那么起草、摘要等单项任务提速，不一定能让团队完成更多工作。

当企业扩大AI应用时，这一区别尤其重要。《商业时报》的一篇报道指出，新加坡企业高管正增加AI投资，但只有18%的机构表示，AI已带来广泛且持续的业务价值。3 另一篇报道则指出，企业购买AI的速度快于围绕AI重设计工作的速度；要发挥效用，还需要相应的数据、系统、工作流程和治理机制。32

准备度也关乎员工。员工不仅需要获得工具，还要有能力和信心在实际工作中运用AI。新加坡经济发展局（EDB）将“人才准备度”概括为两方面：创造AI的技能，以及有效参与AI赋能流程的能力。2

不同生产力数据，未必互相矛盾

现有资料并不能证明AI没有带来生产力提升。新加坡人力部的一项调查显示，在已经使用AI的企业中，70.7%报告员工生产力有所改善。36 这项发现可以与员工准备度不足、业务价值分布不均等问题同时成立：不同调查可能衡量不同对象或结果，而目前提供的资料并未说明这些数据可以直接比较。

“只有20%的机构认为员工队伍已准备好使用AI”，以及高管最初预期生产力可提升约18%，都出现在《新加坡商业评论》的一则报道中。6 但现有摘录没有交代调查方法，也未能证实其中提到的“经常使用AI者生产力仅提升3%”这一数字。因此，依据目前资料，不宜把3%视为已核实数据，也不应将其与高管预期直接对比。

企业怎样把AI使用转化为业务价值

先看工作流程，再选软件

从头到尾梳理具体任务，找出工作在哪些环节延迟、重复或需要跨团队交接，再判断AI能否解决这些实际障碍。若流程中的其他环节仍是瓶颈，只加快其中一步，整体改善可能有限。

按任务选择AI方案

比较现有软件内置的AI功能、企业自行开发的方案，以及新购置的专业产品。评估时应考虑它们是否适合工作流程、需要哪些数据、能否接入现有系统，以及如何进行治理。选择的依据应是任务需要，而不是部署了多少种工具。关于AI需要与数据、系统和治理机制相配合，新加坡企业实施AI所面临的相关报道也有所提及。3241

衡量业务结果，而不是使用痕迹

登录次数、提示词数量和已启用的许可证，只能说明工具有人使用，不能证明工作有所改善。企业可以先设定基准，再追踪与任务相关的结果，例如处理时间、质量、产出量或返工情况；在扩大试点前，先检视实际效果。

把员工参与和技能培养纳入部署

让实际执行工作的人参与挑选应用场景和评估结果。培训应结合具体任务，说明AI能做什么；同时也要明确，自动化节省的时间将用于哪些更高价值的工作。EDB指出，人才准备度既包括技术理解，也包括参与AI支持流程的能力。2

让治理规则清楚，也让员工敢于提出问题

明确哪些工具获准使用、哪些信息可以输入、哪些内容会被记录，以及谁有权查看。清晰的规则有助于应对数据安全和治理方面的顾虑；企业领导者也将这些问题列为实现AI价值的障碍。41 员工还应有简单直接的渠道，报告错误或指出不适用的输出。

如果员工使用个人AI工具，也应明确划定边界：未经批准可处理相关数据的服务，不得输入机密、个人或专有信息。企业也应定期审视已采购的工具，确认它们仍适合不断变化的工作流程和员工需求；采购本身并不能保证工具持续有用。

最实际的检验标准

问题不只是企业有没有采用AI，而是某项明确的业务任务是否因此完成得更好，以及周边流程、员工技能和安全措施是否能支撑这种改善。新加坡相关报道所呈现的准备度差距，也说明比起把“采用AI”当作终点，更值得关注的是它是否真正改善了工作。56

新加坡企业正在加大人工智能（AI）投入，但添置工具、鼓励员工使用，并不会自动带来生产力提升。更棘手的工作，是找出AI真正能改善的任务、帮助员工掌握相关技能，并调整流程，让节省下来的时间转化为更好的业务结果。一份报告称，只有20%的机构认为员工队伍已为AI做好准备。6

关键差距：用上AI，不等于重设计工作

AI可以让某个步骤更快，却未必能消除拖慢整个流程的瓶颈。如果团队仍受制于反复交接、审核积压或审批延误，那么起草、摘要等单项任务提速，不一定能让团队完成更多工作。

当企业扩大AI应用时，这一区别尤其重要。《商业时报》的一篇报道指出，新加坡企业高管正增加AI投资，但只有18%的机构表示，AI已带来广泛且持续的业务价值。3 另一篇报道则指出，企业购买AI的速度快于围绕AI重设计工作的速度；要发挥效用，还需要相应的数据、系统、工作流程和治理机制。32

准备度也关乎员工。员工不仅需要获得工具，还要有能力和信心在实际工作中运用AI。新加坡经济发展局（EDB）将“人才准备度”概括为两方面：创造AI的技能，以及有效参与AI赋能流程的能力。2

不同生产力数据，未必互相矛盾

现有资料并不能证明AI没有带来生产力提升。新加坡人力部的一项调查显示，在已经使用AI的企业中，70.7%报告员工生产力有所改善。36 这项发现可以与员工准备度不足、业务价值分布不均等问题同时成立：不同调查可能衡量不同对象或结果，而目前提供的资料并未说明这些数据可以直接比较。

“只有20%的机构认为员工队伍已准备好使用AI”，以及高管最初预期生产力可提升约18%，都出现在《新加坡商业评论》的一则报道中。6 但现有摘录没有交代调查方法，也未能证实其中提到的“经常使用AI者生产力仅提升3%”这一数字。因此，依据目前资料，不宜把3%视为已核实数据，也不应将其与高管预期直接对比。

企业怎样把AI使用转化为业务价值

先看工作流程，再选软件

从头到尾梳理具体任务，找出工作在哪些环节延迟、重复或需要跨团队交接，再判断AI能否解决这些实际障碍。若流程中的其他环节仍是瓶颈，只加快其中一步，整体改善可能有限。

按任务选择AI方案

比较现有软件内置的AI功能、企业自行开发的方案，以及新购置的专业产品。评估时应考虑它们是否适合工作流程、需要哪些数据、能否接入现有系统，以及如何进行治理。选择的依据应是任务需要，而不是部署了多少种工具。关于AI需要与数据、系统和治理机制相配合，新加坡企业实施AI所面临的相关报道也有所提及。3241

衡量业务结果，而不是使用痕迹

登录次数、提示词数量和已启用的许可证，只能说明工具有人使用，不能证明工作有所改善。企业可以先设定基准，再追踪与任务相关的结果，例如处理时间、质量、产出量或返工情况；在扩大试点前，先检视实际效果。

把员工参与和技能培养纳入部署

让实际执行工作的人参与挑选应用场景和评估结果。培训应结合具体任务，说明AI能做什么；同时也要明确，自动化节省的时间将用于哪些更高价值的工作。EDB指出，人才准备度既包括技术理解，也包括参与AI支持流程的能力。2

让治理规则清楚，也让员工敢于提出问题

明确哪些工具获准使用、哪些信息可以输入、哪些内容会被记录，以及谁有权查看。清晰的规则有助于应对数据安全和治理方面的顾虑；企业领导者也将这些问题列为实现AI价值的障碍。41 员工还应有简单直接的渠道，报告错误或指出不适用的输出。

如果员工使用个人AI工具，也应明确划定边界：未经批准可处理相关数据的服务，不得输入机密、个人或专有信息。企业也应定期审视已采购的工具，确认它们仍适合不断变化的工作流程和员工需求；采购本身并不能保证工具持续有用。

最实际的检验标准

问题不只是企业有没有采用AI，而是某项明确的业务任务是否因此完成得更好，以及周边流程、员工技能和安全措施是否能支撑这种改善。新加坡相关报道所呈现的准备度差距，也说明比起把“采用AI”当作终点，更值得关注的是它是否真正改善了工作。56