人力部近期公布的劳动力市场数据透出一丝警示：2025年第四季度及2026年首季数据显示，专业人士、经理、执行人员与技师（PMET）裁员率虽处于可控水平，但在整体裁员中的占比已连续数个季度走高，资讯通信科技（ICT）行业尤为显著。一位正经历转岗阵痛的软件测试员朋友对我说，他几乎用尽所有业余时间疯狂上课、叠加技能，却仍感到自己跑不过人工智能（AI）的迭代速度。
这引出一个值得深究的宏观追问：在现有的劳动与企业体系里，个体越是努力适应，为何越是陷入深刻的结构性错配？
旧厂房的历史教训
要解答这个困惑，不妨回望130年前的电力革命。19世纪末，工厂主纷纷以电动机取代蒸汽机，然而此后近30年间，西方工业生产率几乎停滞不前。原因并非技术落后，而是他们仅仅更换动力源，却完整保留为中央蒸汽机所设计的集中式线性厂房格局。直至工厂被彻底重构为分布式生产网络，电力的真正红利才得以释放。
反观当下，许多本地企业应对AI浪潮的策略，不过是为员工批量采购大语言模型的企业账号。这种不触及流程与架构的粗暴做法，本质上就是“在旧厂房里装电动机”——它制造一种危险的生产力幻觉：个人借助AI把单项任务做得更快，但企业作为整体并未变得更强。旧有的科层制不仅无法消化这种加速，反而因信息过载与验证机制缺失，陷入更深的隐性内耗。
这种工具主义的傲慢，正将组织导向一场隐秘的认知危机。主流大语言模型在底层逻辑上是“概率引擎”——它们通过计算词汇的概率分布来预测下一个词，而非检索客观事实。这意味着AI能以完美的语法和极度自信的口吻，捏造出从未存在的数据与案例。
在传统科层组织中，当管理者陶醉于AI生成的高速周转，一种“认知外包”（Cognitive Off-loading）便悄然发生——当管理者陶醉于AI生成的高速周转，一种隐性的职业退化便悄然发生——人类不仅不再去校验事实的过程和真伪，更在逐渐丧失对复杂现实的洞察与定夺力。设想一个常见场景：初级分析师赶在截止日前，借助AI生成带有详尽数据引用的尽职调查报告；次日审核草稿的资深主管，专注于宏观战略逻辑，无暇逐一核实数据真伪；于是，AI凭空捏造的市场案例与财务指标，就这样穿透专业人员的层层把关，成为呈递董事会的正式决策依据。
这不是个别人的疏失，而是组织失去纠错机制的系统性失败，当错误被每一层级的“专业胜任感”所背书，最终演变为影响决策根基的“系统性失真”。要阻断这一隐患，单靠一纸操作指南远远不够。指南是倡导性的，架构才是强制性的，真正的解决之道，是将经过验证的企业数据字典、合规层级与业务边界，直接内化为算法不可逾越的底层约束，从机器推理的源头剥夺它自由捏造的空间。
新加坡的战略风险
对新加坡而言，防止这种认知外包，绝不仅是企业管理命题，更关乎国家战略利益的根基。新加坡之所以能稳居亚洲金融与商务枢纽地位，核心资产正是严谨的商业信誉与合规治理。一旦AI生成的虚假数据大规模渗入本地企业的决策或财务审计程序，苦心经营数十年的商业互信底座，将面临严峻考验。
基于上述分析，新加坡在劳动力转型的顶层设计上，需要一场真正的组织革命。
“技能创前程”（SkillsFuture）体系在普及数码工具、提升全民数码意识方面功不可没，但政策重心仍偏于修补“个体素养”。若企业架构守旧，个体的技能提升将演变为一场消耗性的原地踏步——不仅浪费公共资源，更在消解国人对终身学习的社会信心。那位软件测试员朋友的困局清楚说明：个体在旧体系里的奋力奔跑，根本无法对抗组织架构的系统性迟滞。
政府与业界须拿出更大的魄力，在政策执行层面，可考虑将企业申请《数码企业蓝图》（Digital Enterprise Blueprint）相关补贴的资格，和内部组织重构的实质进展强制挂钩。政府提供的不只是购买软件许可的资金，更应是一场重塑业务流程的“手术费”。补贴应当倒逼企业打破僵化的科层制，删减仅作信息传递的冗余审核节点，并将传统管理者与执行者，升级为“人机协作的编排者”。
所谓超级公司，并非指规模的扩张，而是指组织具备“人机协同的免疫系统”——既能利用AI实现指数级加速，又能通过架构约束确保决策的绝对可靠。敏捷，是它的速度；问责，是它的底线。
在这场百年未有的技术大变局中，停留在旧有舒适区才是最危险的防守。
技术的进步，不能也不应剥夺人类作为最终防火墙的认知责任。新加坡的胜算，不在于拥有多少会用工具的个体，而在于能否率先构建出一批适配智能时代的超级组织。在这场关乎国运的效率长跑中，我们必须以前瞻性的制度勇气，进行外科手术式的重构。
唯有拆掉旧厂房的围墙，智慧狮城的金字招牌才能在智能革命的洗礼下，越发熠熠生辉。
作者是新加坡科技公司首席技术官
亚细安—中国电商促进会前副会长
