新加坡使用更多人工智能，却收获更少

新加坡的工人使用人工智能的频率与全球其他地方相当，但结果并未跟上这一习惯。只有15%的人坚信人工智能会改善他们的工作，而大多数公司根本没有采用这一技术。我们认为，确实出现的收益集中在具有可重复流程和可检查输出的工作中：编码、自动化、研究。差距不在于工具的获取，而在于方法——一个重复的任务、对良好结果的书面定义、以程序形式书写的提示，以及在前后测量时间，以便收益成为事实而非感觉。

这一习惯已经存在。ADP Research的《2026年职场人群报告》发现，56%的新加坡工人每周至少使用几次人工智能，领先于全球数据。微软的《2026年工作趋势指数》发现，大多数新加坡的人工智能用户表示，他们能够完成一年前无法完成的工作，并且他们仍然对思考过程负责。

因此，人们经常使用这些工具，并且他们并没有放弃判断。这一点在我们进行诊断之前值得关注。

同一份ADP研究发现，只有15%的新加坡工人强烈同意人工智能将在未来一年内对他们的工作职责产生积极影响。在全球范围内，频繁使用者报告称参与度更高，但他们也比非用户更可能感到生产力下降。

这种组合——高频使用、真实输出和怀疑——就是没有方法的工作状态。如果你无法判断一个工具是否有帮助，那么你就没有在测量它；如果你没有在测量它，你就无法在这方面变得更好。

人力部关于公司人工智能采用的第一份报告直言不讳：71.5%的公司尚未采用人工智能，而在那些已经开始的公司中，大多数仍在规划或试点阶段，而不是在核心流程中使用它。

采用率与公司规模成正比，主要集中在信息与通信、专业服务以及金融和保险服务领域。我们将其解读为能力，而非热情：那些有专人负责使流程运作的公司，才是将其融入工作的公司。

来自美国的Gallup数据从另一个方向说明了同样的问题。采用率再次上升，最常见的用途是写作和编辑、搜索和研究，以及一般问题解决——换句话说，知识支持。

然而，报告的最大生产力提升来自编码和自动化。这些任务具有明确的输入、可检查的输出和可重复的流程。写第一稿并不是：它加快了任务的开始，而不是结束，最终的判断仍然落在需要签字的人身上。

选择一个重复的任务，而不是简单推出一个工具。在开始之前写下良好结果的定义。将提示写成程序——简要说明、约束条件、必须保持不变的内容——以便其他人可以再次执行。检查输出中那些悄然出错的内容：事实、数字和细节。然后在前后进行计时，以便收益成为事实而非感觉。

这就是那些声称自己能够完成一年前无法完成的工作的人与那些期望人工智能改善他们工作的人的区别。第一组有一种工作方式；第二组则拥有一系列工具。

四个值得关注的标志。你可以在生成输出之前预测其质量。你停止从头开始重复同一任务。你可以将提示交给同事，并获得可比的结果。节省的时间以你记录的数字显示，而不是以印象显示。

团队比个人更快达到这一点，因为第五个标志才是真正的标志：提示库存在某个地方，而不是一个人的记忆中。

我们自己的看法，在阅读了所有四个来源后：怀疑比采用数字更有趣，我们认为这并不是不信任。这是反馈的缺失——大多数人无法判断上周人工智能是否对他们有帮助，因此信念从未形成。这也是我们对新加坡提供的许多人工智能生产力培训持怀疑态度的原因：它教授工具，而工具是最简单的部分。

关于证据的两个警告，因为值得直言不讳。ADP和Gallup的数据是自我报告的，因此热情和怀疑都比看起来要软，而人力部的报告衡量的是采用，而不是结果。我们从这些数据中得出的最强烈的主张是温和的：经过测量的重复工作会有所改善，而该领域的其他一切仍在被大声猜测。