新加坡中小企业的人工智能应用

, ,

新加坡中小企业的人工智能应用

现状 . 挑战 . 展望

AI提效潜力大，但责任归属、合规成本与内部管控成关键挑战。

文│MUNGVerse LLC

图│iStock

人工智能可为新加坡中小企业带来生产力、服务质量与经营规模的实质性提升。然而，使用人工智能并不会将法律责任转移给技术供应商。目前，新加坡中小企业正处于从“试点探索”向“负责任部署”过渡的关键阶段，其核心挑战集中于合规成本、责任归属与内部管控能力的不足。

新加坡现行的人工智能法律定位

新加坡并未制定单一的跨行业人工智能法。人工智能的使用受现行具有约束力的法律与监管义务规范，包括《2012年个人资料保护法》（PDPA）、合约法与侵权法、知识产权法、消费者保护法及各行业专项规则，并辅以治理指引与评估工具。缺乏独立的人工智能法，并不意味着人工智能活动处于不受监管的真空地带。

就中小企业而言，责任通常随业务活动而非技术本身而定。即使相关流程由人工智能系统提供支持，公司仍须就其收集与使用的个人资料、向客户作出的陈述、所作出的合同承诺、所处理的机密信息，以及其作出或实质依赖的决定，承担相应法律责任。

主要的实务性文件包括：资讯通信媒体发展局（IMDA）的《人工智能治理模范框架》及其生成式人工智能与代理型人工智能指引、个人资料保护委员会（PDPC）关于在人工智能推荐与决策系统中使用个人资料的咨询指引，以及AI Verify测试框架。上述文件是有用的治理参考，但通常既不构成法定安全港，亦不免除法律义务，且这些框架在实际争议中的证据分量仍有待司法检验。

政府支持力度与公共部门应用实况

新加坡的政策方向是积极支持企业负责任地大规模采用人工智能。2026年3月财政预算委员会辩论中宣布的国家人工智能影响计划（NAIIP），拟在三年内通过企业支援、领导力培养与人才能力建设，协助10,000家企业将人工智能融入业务，并培养10万名人工智能双语人才。配套措施包括：

资讯通信媒体发展局强化后的数码领袖计划（Digital Leaders Programme）及数码领袖加速训练营（Digital Leaders Accelerator Bootcamp），通过实务项目培养人工智能转型与变革管理能力。

中小企业数码化计划（SMEs Go Digital）生态系统中经预先审核、具备人工智能功能的解决方案，旨在通过合适的方案与资助渠道降低采用门槛。

企业计算能力提升计划（Enterprise Compute Initiative）——为符合资格的企业就合资格项目提供有针对性的算力、人工智能工具、培训及实施支持。

新加坡全国人工智能核心（AI Singapore）及相关生态计划，为企业对接技术专才、试验支持与实施伙伴。

国家人工智能影响计划与加快培训专才计划（TechSkills Accelerator）项下的人才计划，包括面向非技术专业人员的实用人工智能能力建设。

对中小企业而言，可借鉴之处并非复制政府的规模，而是采用相同的运作规范：建立经审批的工具环境、界定获准的应用场景、保留负责的责任人、运用记录与监测手段，并分阶段引入自动化。

中小企业维持竞争力的实践路径

中小企业无须与大型跨国集团的技术预算一较高下，而可以凭借实施速度、聚焦程度，以及将人工智能带来的效率与人的专业判断、可信赖的客户关系及行业知识相结合的能力来赢得竞争。具体策略包括：

以人工智能替代低价值的行政事务，使员工将更多时间投入客户关系维护、销售、问题解决与专业判断。围绕专有知识、经审批的内部模板、产品资料与客户服务标准建立差异化工作流程，而非依赖通用的公开提示词。

以明确的经济指标试行范围狭窄的应用场景，例如提案周转时间、文件提取耗时、转化率或返工率。将信任视为商业优势加以维护：向客户说明所提供服务的性质、复核重要产出、保护数据并及时更正错误。

以模块化方式采用工具，使中小企业能够灵活更换供应商、保留数据所有权，并避免对单一平台形成依赖。投资于员工能力建设——持久的优势不仅在于能否使用某个模型，更在于员工能否有效指令、审慎质疑、准确验证并持续改进由人工智能支持的工作成果。

全面应用的核心法律挑战

尽管政策端积极推动，新加坡中小企业在全面部署人工智能时仍面临以下实质性挑战：

（一）数据合规与机密信息保护压力

在员工将资料输入人工智能平台之前，企业须先行判断该等资料是否属于个人资料、机密信息、受法律专业保密特权保护的资料或受合同限制的资料。机构仍须严格遵守《个人资料保护法》的各项义务，包括个人资料被传输至境外时的合规要求。这一前置审查义务对缺乏法务资源的中小企业构成了较高的日常运营负担。

（二）知识产权归属与权利的不确定性

新加坡版权法要求作品的作者必须是自然人，人工智能系统不得被列为作者。原创性传统上要求作者付出足够的技能、劳动或判断，这对高度由机器生成的材料构成明显挑战。对于缺乏充分人工创作投入的人工智能生成标志、宣传文案或代码，中小企业可能无法阻止竞争对手加以复制，且其向客户作出的“交付成果具原创性且归中小企业所有”的合同保证亦可能与事实不符。尽管《2021年版权法》设有“计算式数据分析”例外，允许为训练机器学习模型而复制作品，但该例外并未涵盖模型产出内容，且对训练数据的“合法取用”界定存在诸多限制。因此，生成内容能否获得版权保护、权利归属如何认定，在新加坡法律下尚不明确，构成商业不确定性。

（三）风险分配落差与供应商合同陷阱

供应商的标准条款通常包含宽泛的免责声明、范围狭窄的赔偿承诺以及较低的责任上限（常设为已付费用）。然而，中小企业对其客户所负的法定义务（如PDPA项下的数据保护责任）以及因疏忽导致的责任，并不能通过合同转移给技术提供商。在人工智能供应的情境下，新加坡尚无案例检验法院是否会认定较低的供应商责任上限为合理。这种“供应商限制责任、中小企业承担法定责任”的落差，使中小企业在合同谈判中处于不利地位。

（四）合规治理缺乏法定安全港

虽然IMDA的《人工智能治理模范框架》及AI Verify测试框架在企业准入审核中日益成为期待，亦可能构成已尽合理注意的相关证据，但新加坡没有任何文件赋予“通过测试”以法律效力，亦无判例说明合规在多大程度上可保护部署方。这意味着中小企业即便投入成本进行治理与测试，仍无法获得明确的法律避风港保护，从而加大了内部投资回报评估的难度。

展望：以风险为本的负责任部署模式

鉴于上述不确定性，中小企业的展望不应是“延迟采用”，而应采取“受控推进”的策略，使风险敞口在法律状况演进期间维持在有限范围内。建议从可逆、可衡量且受内部监督的应用场景着手，按照风险等级配置相应的管控措施：