<p><strong>採用速度與全球保持一致，但結果滯後。</strong></p>
<p>根據 Snowflake 的報告，新加坡的組織在生成性人工智能的採用速度與全球同行相當，但將這一活動轉化為可衡量回報的組織較少。</p>
<p>Snowflake 表示，39% 的新加坡受訪者報告在多個用例中使用生成性人工智能，符合全球平均水平，但只有 33% 表示他們量化了投資回報，而全球這一比例為 49%。</p>
<p>該公司表示，新加坡受訪者還預計在未來 12 個月內，人工智能將佔技術預算的 15%，這是被調查市場中最低的比例，低於全球 23% 的平均水平。</p>
<p>該公司表示，這一差距似乎反映出執行力較弱，而非興趣較低。在新加坡，32% 的受訪者將識別具體用例視為主要挑戰，而全球這一比例為 19%；同時，IT 運營、網絡安全、研發、人力資源和市場營銷等部門的人工智能採用水平也低於全球水平。</p>
<p>這種較窄的推廣與較弱的商業成果有關。Snowflake 表示，79% 的新加坡受訪者報告了運營效率的提升，而全球這一比例為 89%；同時，75% 的受訪者報告了成本降低，而全球為 82%。</p>
<p>更廣泛的調查仍顯示出人工智能採用對勞動力的積極影響。在所有市場中，77% 的組織報告了人工智能驅動的就業創造，而 46% 報告了失業情況，69% 同時看到這兩種情況的受訪者表示整體影響是積極的。</p>
<p>Snowflake 表示，強大的數據基礎和治理將決定組織是否能夠成功擴展人工智能。</p>

SNOU

SNOW

<p>一項由 Snowflake 進行的調查顯示，儘管新加坡的組織在生成性人工智能的採用率與全球同行相同（39%），但在實現可衡量的回報方面卻落後，只有 33% 的受訪者量化了投資回報率，而全球這一比例為 49%。預計人工智能將在新加坡的技術預算中佔 15%，低於全球平均水平的 23%。面臨的挑戰包括識別具體的應用案例，32% 的新加坡受訪者提到了這一問題。儘管運營效率提升較低（79% 對比全球的 89%），但人工智能的採用仍與各市場的積極就業創造效果相關聯</p>

<p><strong>Adoption matches global pace, but results trail.</strong></p>
<div class="lb-trans"><p><strong>採用速度與全球保持一致，但結果滯後。</strong></p>
</div><p>Singapore organisations are adopting generative artificial intelligence at the same pace as global peers, but fewer are turning that activity into measurable returns, according to Snowflake.</p>
<div class="lb-trans"><p>根據 Snowflake 的報告，新加坡的組織在生成性人工智能的採用速度與全球同行相當，但將這一活動轉化為可衡量回報的組織較少。</p>
</div><p>Snowflake said 39% of Singapore respondents reported using generative AI across many use cases, matching the global average, but only 33% said they had quantified return on investment, against 49% globally.</p>
<div class="lb-trans"><p>Snowflake 表示，39% 的新加坡受訪者報告在多個用例中使用生成性人工智能，符合全球平均水平，但只有 33% 表示他們量化了投資回報，而全球這一比例為 49%。</p>
</div><p>It said Singapore respondents also expected AI to account for 15% of technology budgets over the next 12 months, the lowest share among the markets surveyed and below the 23% global average.</p>
<div class="lb-trans"><p>該公司表示，新加坡受訪者還預計在未來 12 個月內，人工智能將佔技術預算的 15%，這是被調查市場中最低的比例，低於全球 23% 的平均水平。</p>
</div><p>The company said the gap appeared to reflect weaker execution rather than lower interest. In Singapore, 32% of respondents cited identifying specific use cases as a top challenge, compared with 19% globally, whilst AI adoption across departments such as IT operations, cybersecurity, research and development, human resources, and marketing trailed global levels.</p>
<div class="lb-trans"><p>該公司表示，這一差距似乎反映出執行力較弱，而非興趣較低。在新加坡，32% 的受訪者將識別具體用例視為主要挑戰，而全球這一比例為 19%；同時，IT 運營、網絡安全、研發、人力資源和市場營銷等部門的人工智能採用水平也低於全球水平。</p>
</div><p>That narrower rollout was linked to softer business outcomes. Snowflake said 79% of Singapore respondents reported operational efficiency gains, compared with 89% globally, whilst 75% reported cost reductions against 82% worldwide.</p>
<div class="lb-trans"><p>這種較窄的推廣與較弱的商業成果有關。Snowflake 表示，79% 的新加坡受訪者報告了運營效率的提升，而全球這一比例為 89%；同時，75% 的受訪者報告了成本降低，而全球為 82%。</p>
</div><p>The broader survey still showed a positive workforce effect from AI adoption. Across all markets, 77% of organisations reported AI-driven job creation, compared with 46% reporting job losses, and 69% of those seeing both said the overall impact had been positive.</p>
<div class="lb-trans"><p>更廣泛的調查仍顯示出人工智能採用對勞動力的積極影響。在所有市場中，77% 的組織報告了人工智能驅動的就業創造，而 46% 報告了失業情況，69% 同時看到這兩種情況的受訪者表示整體影響是積極的。</p>
</div><p>Snowflake said stronger data foundations and governance would determine whether organisations could scale AI successfully.</p>
<div class="lb-trans"><p>Snowflake 表示，強大的數據基礎和治理將決定組織是否能夠成功擴展人工智能。</p>
</div>

調查顯示，新加坡的人工智能回報落後於全球同行