新加坡企業採用代理式 AI 的速度明顯加快，但工作流程的改造沒有同步跟上。ServiceNow《2026 年企業 AI 成熟度指數》顯示，代理式 AI 採用率從 2025 年的 22% 升至 2026 年的 51%；然而，只有 10% 的企業重設流程，讓 AI 能端到端完成多步驟工作。263 換句話說，導入 AI 工具不等於企業已改變工作方式。

採用升溫，流程轉型仍慢半拍

這項調查涵蓋 19 個國家的 4,500 名資深主管，其中 200 名來自新加坡。26 在新加坡，33% 的企業主要運用 AI 協助員工處理日常工作；另有 18% 尚未在進階 AI 採用方面取得進展。320

因此，單看 AI 採用率，可能會高估 AI 實際融入企業運作的程度。許多企業已用 AI 支援個別任務，但真正重新設計完整工作流程的仍是少數。報告中的 10%，指的是 AI 能端到端處理多步驟業務任務的流程。330

成熟度分數反彈，各面向進展不一

新加坡 AI 成熟度分數從 2024 年的 45 分（滿分 100 分），降至 2025 年的 34 分，再於 2026 年回升至 53 分，高於當年全球平均的 51 分。5232

不過，進展並不平均。新加坡在七項成熟度指標中的六項高於全球平均，其中人才準備度的領先幅度最大；但在「AI 賦能工作流程」方面仍落後。這項指標關乎企業是否把 AI 真正融入營運流程。2037 整體分數上升的同時，如何把 AI 能力轉化為重新設計的工作方式，仍是較明顯的短板。

基礎建設與治理方面也有進展：23% 的新加坡企業已用現代化平台取代舊有技術，高於全球的 16%；28% 表示已建立正式流程，用於測試、稽核及管理 AI 風險，全球比例為 20%。19 這些數字反映系統與治理上的準備，卻不等同於已完成端到端的工作流程重設。

AI 投資增加，不代表成效已經到手

新加坡企業將 15.4% 的 IT 預算投入 AI，接近全球的 15.8%。當地 AI 支出按年增加 108%；報告預計，到 2027 年，AI 支出占 IT 預算的比例將達約 20%。1323

這些數字顯示企業投入意願，但不能單憑支出推定生產力已提升。ServiceNow 的 CK Tan 將代理式 AI 採用加速、營運流程轉型落後的現象，稱為新加坡的「AI 採用悖論」。5 判斷進展時，除了統計導入多少工具，也應檢視完整流程、工作分工與成果是否真的改變。

企業如何縮小執行落差

以下是根據採用與轉型落差整理出的實務方向，並非對原研究中每位受訪者或具名人士的引述：

• 從完整流程著手。 先界定業務目標、梳理現有流程，再明確規劃哪些環節可由 AI 執行、哪些決策需要人員覆核，以及如何處理例外情況。
• 以員工實際工作方式為設計起點。 邀請執行流程的人員參與改造，釐清職責、升級處理機制，以及新流程所需的訓練與支援。
• 串連資料與系統。 若 AI 只能存取孤立工具或零散資訊，便難以支援多步驟流程。可靠且具適當權限控管的資料，以及系統整合，應納入流程設計。
• 把治理納入部署。 在擴大 AI 的自主執行範圍前，先建立責任歸屬、測試與稽核機制，以及隱私和安全控管。
• 以投資組合方式管理專案。 依可衡量的成果、成本與風險排序，將配套基礎建設和組織變革一併納入考量，再根據成效決定擴大、調整或停止專案。

如此一來，衡量標準就不只是 AI 使用率或預算占比，而是工作本身是否有所改善，以及改善能否被驗證。

現有資料尚未證實哪些事

目前提供的新加坡調查資料，不足以量化企業面臨的隱私與安全疑慮，也無法判斷這些疑慮是否逐年持續。資料同樣未能證實 AI 主導流程改造帶來的具體生產力增幅，或可靠說明渣打銀行員工導向的客戶開戶流程改造及其預期效益，因此不應把這些結果視為已由本文引述的證據證實。

現有資料提到 CK Tan 對「AI 採用悖論」的說法，但不足以可靠歸納或引用 Melinda McKinley、星展電訊（StarHub）的 Tan Kit Yong，或 Councilio 的 Peter Carr 所提出的具體建議或發現。5 因此，文中的執行方向是根據採用率與工作流程數據所作的分析，並非上述人士經證實的發言。

新加坡企業採用代理式 AI 的速度明顯加快，但工作流程的改造沒有同步跟上。ServiceNow《2026 年企業 AI 成熟度指數》顯示，代理式 AI 採用率從 2025 年的 22% 升至 2026 年的 51%；然而，只有 10% 的企業重設流程，讓 AI 能端到端完成多步驟工作。263 換句話說，導入 AI 工具不等於企業已改變工作方式。

採用升溫，流程轉型仍慢半拍

這項調查涵蓋 19 個國家的 4,500 名資深主管，其中 200 名來自新加坡。26 在新加坡，33% 的企業主要運用 AI 協助員工處理日常工作；另有 18% 尚未在進階 AI 採用方面取得進展。320

因此，單看 AI 採用率，可能會高估 AI 實際融入企業運作的程度。許多企業已用 AI 支援個別任務，但真正重新設計完整工作流程的仍是少數。報告中的 10%，指的是 AI 能端到端處理多步驟業務任務的流程。330

成熟度分數反彈，各面向進展不一

新加坡 AI 成熟度分數從 2024 年的 45 分（滿分 100 分），降至 2025 年的 34 分，再於 2026 年回升至 53 分，高於當年全球平均的 51 分。5232

不過，進展並不平均。新加坡在七項成熟度指標中的六項高於全球平均，其中人才準備度的領先幅度最大；但在「AI 賦能工作流程」方面仍落後。這項指標關乎企業是否把 AI 真正融入營運流程。2037 整體分數上升的同時，如何把 AI 能力轉化為重新設計的工作方式，仍是較明顯的短板。

基礎建設與治理方面也有進展：23% 的新加坡企業已用現代化平台取代舊有技術，高於全球的 16%；28% 表示已建立正式流程，用於測試、稽核及管理 AI 風險，全球比例為 20%。19 這些數字反映系統與治理上的準備，卻不等同於已完成端到端的工作流程重設。

AI 投資增加，不代表成效已經到手

新加坡企業將 15.4% 的 IT 預算投入 AI，接近全球的 15.8%。當地 AI 支出按年增加 108%；報告預計，到 2027 年，AI 支出占 IT 預算的比例將達約 20%。1323

這些數字顯示企業投入意願，但不能單憑支出推定生產力已提升。ServiceNow 的 CK Tan 將代理式 AI 採用加速、營運流程轉型落後的現象，稱為新加坡的「AI 採用悖論」。5 判斷進展時，除了統計導入多少工具，也應檢視完整流程、工作分工與成果是否真的改變。

企業如何縮小執行落差

以下是根據採用與轉型落差整理出的實務方向，並非對原研究中每位受訪者或具名人士的引述：

• 從完整流程著手。 先界定業務目標、梳理現有流程，再明確規劃哪些環節可由 AI 執行、哪些決策需要人員覆核，以及如何處理例外情況。
• 以員工實際工作方式為設計起點。 邀請執行流程的人員參與改造，釐清職責、升級處理機制，以及新流程所需的訓練與支援。
• 串連資料與系統。 若 AI 只能存取孤立工具或零散資訊，便難以支援多步驟流程。可靠且具適當權限控管的資料，以及系統整合，應納入流程設計。
• 把治理納入部署。 在擴大 AI 的自主執行範圍前，先建立責任歸屬、測試與稽核機制，以及隱私和安全控管。
• 以投資組合方式管理專案。 依可衡量的成果、成本與風險排序，將配套基礎建設和組織變革一併納入考量，再根據成效決定擴大、調整或停止專案。

如此一來，衡量標準就不只是 AI 使用率或預算占比，而是工作本身是否有所改善，以及改善能否被驗證。

現有資料尚未證實哪些事

目前提供的新加坡調查資料，不足以量化企業面臨的隱私與安全疑慮，也無法判斷這些疑慮是否逐年持續。資料同樣未能證實 AI 主導流程改造帶來的具體生產力增幅，或可靠說明渣打銀行員工導向的客戶開戶流程改造及其預期效益，因此不應把這些結果視為已由本文引述的證據證實。

現有資料提到 CK Tan 對「AI 採用悖論」的說法，但不足以可靠歸納或引用 Melinda McKinley、星展電訊（StarHub）的 Tan Kit Yong，或 Councilio 的 Peter Carr 所提出的具體建議或發現。5 因此，文中的執行方向是根據採用率與工作流程數據所作的分析，並非上述人士經證實的發言。