「能使用AI工具，遠遠不夠。」
11月3日，Tencent Cloud Day Singapore 2026 在新加坡舉行。大會聚焦AI技術創新、雲計算髮展及企業應用。新加坡眼出席現場，並關注了其中一場關於未來勞動力的圓桌討論——「AI賦能的未來勞動力：技術、人才與組織的協同進化」。
這場討論的三位嘉賓來自不同領域：騰訊雲副總裁和亞太區負責人趙劍南，新加坡國立大學（NUS）信息技術部企業服務負責人 Irving Neil Kwok，以及新加坡全國人工智慧核心（AI Singapore）人工智慧產業創新總監廖永健。
從企業如何把AI真正用進業務，到大學如何在創新和安全之間取得平衡，再到新加坡如何培養下一代AI人才，三位嘉賓的分享指向一個共同問題：當AI工具越來越容易獲得，人與企業真正的競爭力究竟來自哪裡？
騰訊集團高級執行副總裁、雲與智慧產業事業群CEO湯道生（Dowson Tong）
騰訊云：企業最大的瓶頸不是技術，而是技能缺口
趙劍南在討論一開始就給出了明確判斷：僅僅能夠操作AI工具，遠遠不夠。
他認為，未來真正具備AI能力的員工，應該能夠「構建、適配，並交付真實的商業價值」（build, adapt, and deliver real business value）。
這背後是企業AI應用階段的變化。早期企業可能更關注AI能不能生成內容、回答問題、完成簡單任務；但當AI從試點走向真實生產環境，企業需要的就不只是一個看起來不錯的答案，而是穩定、可靠、能夠衡量結果的解決方案。
趙劍南指出，企業需要能夠訓練AI Agent，並根據實際業務指標評估其表現的人才。騰訊的CodeBuddy和WorkBuddy等工具，通過自然語言交互降低了開發門檻，但工具變得容易使用，並不意味著企業就能順利完成AI轉型。
他特別提到，騰訊在企業服務中的一個觀察是：企業最大的瓶頸是技能缺口，而不是技術本身。
什麼樣的人才能彌補這個缺口？趙劍南認為，關鍵是既理解行業業務，又懂得如何應用AI的人。單純掌握工具不夠，員工還需要理解企業的流程、客戶的需求，以及一個具體問題應該如何被解決。
他分享了一個新加坡本地合作夥伴的例子。這家雲與AI解決方案合作夥伴派出約20人的團隊參與相關工作。團隊中，年輕員工學習和掌握騰訊AI工具的速度很快；而一些資深行業專家則擁有豐富的傳統行業經驗，曾與德國BMW、日本Toyota等企業合作，擅長識別行業問題、定義真正需要解決的業務需求。
兩類人的能力並不相同，卻恰好能夠互補。
年輕員工熟悉AI工具，資深專家理解行業問題。CodeBuddy和WorkBuddy在其中發揮橋樑作用，讓技術能力與行業經驗結合起來。
趙劍南還提到騰訊舉辦的「AI can do it」黑客松。參與者不是圍繞AI進行純理論討論，而是直接面對銀行、醫療、房地產等行業的實際問題，嘗試用AI提出解決方案。
在他看來，企業不應該停留在基礎AI體驗和簡單工具使用上，而應該主動走進傳統業務流程，與行業負責人溝通，找到真正值得解決的問題。
NUS：大學不應該簡單限制AI，而要教會人如何負責任地使用
如果說產業界關注的是AI能否創造業務價值，那麼大學面對的挑戰則更複雜：既要鼓勵創新，也要保護數據和研究環境。
Irving Neil Kwok介紹，新加坡國立大學擁有約120年歷史，在新加坡設有3個校區、15個學院和學部，約有3萬名本科生、1.7萬名研究生，以及1.2萬至1.3萬名員工。
這樣規模龐大、職能多元的機構，很難採用同一套AI管理方式。
研究人員需要使用不同的工具進行實驗和學術合作；教師需要探索AI如何幫助教學；行政和專業職員則可能接觸人力資源、財務、學生記錄等敏感資料。不同崗位的需求和風險並不一樣。
Irving透露，NUS從生成式AI興起至今，已經走過約三年的實踐歷程。學校很早就開始為師生提供AI工具，但他強調，「提供工具只是拼圖的一部分。」
在他看來，NUS的AI戰略不只是技術戰略，更是人的戰略和文化戰略。學校需要讓師生知道如何使用工具，也需要通過培訓和政策，讓大家理解哪些場景可以使用AI、應該如何使用。
一個值得關注的細節是，生成式AI剛開始普及時，NUS並沒有選擇全面禁止學生在評估中使用AI。Irving表示，學校從一開始就明確允許學生在評估中使用AI，也允許教育者運用AI實現教學目標。
這並不意味著沒有規則，而是學校希望在鼓勵實驗和維護學術自由之間找到平衡。
隨著AI能力提升，安全問題也發生了變化。過去，應用程式開發通常需要專業IT人員參與；如今，沒有軟體開發背景的普通職員，也可能藉助AI構建應用、設計自動化流程，甚至部署Agent。
這讓更多人有機會參與技術創新，但也帶來了新的風險。
Irving舉例，AI Agent可能突破原有沙箱環境，甚至為了完成任務採取一些過去難以想像的行動。普通員工即使能夠藉助AI開發解決方案，也未必了解數據保護、系統安全和部署管理方面的風險。
因此，NUS不僅需要技術團隊管理基礎設施，還配備了數字化專家，負責教育整個大學社區安全、負責任地使用AI工具。
Irving有一句話值得企業管理者留意：「最終的失敗點，其實是個人。」
工具、政策和流程都很重要，但如果使用者缺乏必要的知識，不能安全地部署自己構建的解決方案，再完善的制度也可能失效。
他也提醒，AI時代不能只關注工具和平台，更不能忽視人的優勢。批判性思考、傾聽、判斷、建立關係和溝通能力，仍然是未來勞動力不可缺少的素質。
AI Singapore：600多名AI人才中，只有20%是計算機科班出身
相比企業和大學的實踐，Laurence Liew分享的則是新加坡國家層面的人才培養經驗。
AI Singapore成立於2017年，是新加坡國家級人工智慧平台，支持AI研究、產業應用及人才能力建設。Laurence負責推動產業界、專業人士和中小企業進一步採用AI。
他提出一個與傳統職業轉型觀念不同的看法：自己並不喜歡「Reskilling」（再技能化）這個詞。
原因是，Reskilling容易讓人覺得過去掌握的技能已經失去價值，需要重新學習一套全新的技能。但在AI時代，很多人的行業經驗並沒有過時，真正需要的是在原有專業能力上疊加AI技能。
無論是會計師、律師、教師還是工程師，都應該學習如何利用AI提升自己的專業工作能力，而不是所有人都轉行成為AI工程師。
他分享了一個很有說服力的數據。
八年多前，Laurence參與創建了AI Apprenticeship Programme。這個計劃至今已經培養超過600名AI工程師，但其中只有20%擁有計算機科學學位。
其餘學員來自不同專業背景，包括教師、會計師、律師和人力資源經理。他們並非傳統意義上的技術人才，而是在原有專業基礎上學習AI技能，再進入AI相關領域。
Laurence認為，這正是新加坡需要的人才發展方向：不是讓所有人重新成為AI人才，而是讓各個行業的人都具備使用AI推動行業變化的能力。
他隨後講述了一位45至48歲資深工程師的經歷。
這位工程師曾參與新加坡MRT系統建設，擁有多年的工程領域經驗。提前退休後，他花了一年時間參加AI和數據科學課程，希望轉型成為AI工程師，卻一直找不到工作。
Laurence告訴他：「沒有人會聘請你做AI工程師。」
這句話聽起來有些直接，但Laurence的建議是：不要丟掉過去幾十年的工程經驗，應該回到自己熟悉的行業，用AI提升原有的專業價值。
這位工程師通過了AI學徒計劃的技術測試，參加了為期六個月的培訓。畢業後，他在一個星期四完成課程，到了下一個星期二，Laurence便安排他與一家公司的CEO見面。
面試結束後，對方當場給了他一份工作。
企業需要的並不是一個剛入門的AI工程師，而是一位擁有多年工程經驗、同時掌握AI技能的高級管理人才。
這個案例也說明，AI帶來的職業機會未必意味著從零開始。對很多有經驗的專業人士來說，真正有價值的路徑，是把AI能力疊加到原有的行業經驗上。
企業要讓70%至80%的員工成為「構建者」
談到企業接下來應該如何培養AI人才，Laurence給出了一個具體的比例。
他認為，企業當然希望所有員工都能成為AI解決方案的構建者，但這並不現實。比較可行的目標是：讓50%至60%的員工成為「AI Ready」，也就是具備基礎構建能力的初學者；另外20%的員工則成為真正能夠獨立構建解決方案的人。
換句話說，企業應該爭取讓70%至80%的員工能夠利用AI解決實際工作流程中的問題。
為什麼不是簡單地給所有員工配備AI工具？
Laurence舉了一個很現實的例子：現在只需要花20至30美元，就可以獲得與競爭對手相近水平的AI能力。
他認為，使用Copilot總結郵件、製作PPT，這些已經逐漸成為基礎能力，不再是競爭優勢。
真正重要的是，員工能否利用大語言模型和AI工具，解決完整的業務流程。
他以人力資源招聘為例。如果AI不只是幫HR整理簡歷、撰寫招聘文案，而是能夠參與並自動化整個招聘流程，那麼它為企業帶來的效率提升和業務價值就完全不同。
Laurence最後用一個詞總結企業應該優先推動的方向：
「Build。」
不是只會使用AI，而是要學會構建解決方案。
這也呼應了整場討論的核心：AI工具正在變得越來越普及，單純擁有工具的差距會逐漸縮小，真正拉開差距的，是誰能把工具與自己的專業知識結合起來，解決具體問題。
回到新加坡的AI人才發展，三位嘉賓從不同角度給出了相似的判斷。
產業界需要能夠理解業務、推動AI落地的人；高校需要在開放創新和安全治理之間找到平衡；國家層面則需要讓更多來自不同專業的人才掌握AI能力，而不是把AI發展局限在技術崗位。
正如Irving在討論最後所提醒的，AI時代不能只投資技術，也要投資人和組織文化。批判性思考、良好判斷、溝通能力，以及負責任地使用技術的意識，仍然決定著AI最終能發揮多大的價值。
AI時代真正稀缺的，可能不是會使用某個工具的人，而是既懂一個行業，又知道如何用AI改變這個行業的人。
