Kiren Kumar，為新加坡資訊通信媒體發展局（IMDA）副執行長，主張過早監管 AI 是一個錯誤，會扼殺數位成長並在其尚未完全發展前阻礙創新。IMDA 不採取僵硬法規，而是將「監管信任」視為一種經濟資產，與科技公司共同創造自願式測試沙盒，以更有機的方式引導行為。Kumar 強調：「我們不相信現在就要對它進行監管就是答案。」新加坡的做法利用其全球對穩定性的聲譽——這是在航空航太與半導體跨越數十年的累積之上——作為將自己定位為新興 AI 產業安全測試場的基礎。
監管理念：信任作為經濟資產
新加坡刻意拒絕兩種監管極端。IMDA 不只是通過僵硬法律，而是建立自願式測試沙盒，以在違規成為危機之前引導企業行為。
Kumar 指出，新加坡的品牌完全依賴信任。該國透過直接與企業合作來建立治理架構，將自己定位為新興產業的安全測試場。「有些國家監管科技，有些則不監管，」Kumar 說，指出 IMDA 的介於兩者之間的做法。
政策轉譯：從框架到程式碼
要讓治理架構變得有用，政策必須轉譯成真正的程式碼。IMDA 推出如 Moonshot 等測試工具，讓開發者在部署之前，能將模型對照治理架構進行評估。接著，結果會被公布以教育全球生態系。
Agentic AI：新的風險要求重新思考治理
這種協作式的做法正因 agentic AI 的興起而承受壓力——能在不經人類核准的情況下執行多步計畫的自主軟體。Kumar 解釋，因為 agentic AI 能在沒有「人類在迴路中」的情況下進行推理並採取行動，所以會帶來關於安全與可靠性的全新風險，而靜態法律無法有效加以處理。
「使用 [agentic] 系統時，你會看到多個代理程式共同運作，我認為這時候我們需要重新思考要如何建構模型治理框架，」Kumar 強調，監督必須圍繞多代理使用情境來建立。
生產安全：持續上線後修補
把 AI 從試點計畫推進到正式上線的生產環境，正是錯誤變得至關重要的地方。Kumar 預期並要求上線後持續進行修補。「我們的心智模型是：會有錯誤，會有失誤，」他辯稱。
能否生存的關鍵，在於是否準備好一套機制與商業回應，以便在系統面向公眾之後仍能持續升級與微調。把智慧模型連到既有的資料庫，正是資料外洩與資安漏洞發生之處。Kumar 認為，公司「需要一個沙盒」，以確保在系統投入生產之前，他們的資料、架構與軟體連線都能被安全且可靠地處理。
他敦促董事會將軟體部署視同實體工程：「從試點到上線，跟引擎製造商在把引擎裝上飛機之前測試引擎，是沒有不同的。」
領導與人才：最後的障礙
猶豫的高階主管與全球缺乏專業化人才仍是採用 AI 的障礙。「這是領導力的問題，」Kumar 說，並指出：高階主管推動組織變革的動力，比政府政策更重要。
這種落差還伴隨技術資源不足。許多中型與小型公司理解自身業務領域，但缺少內部團隊來打造並部署客製化 AI 解決方案。因此，「前置派駐的工程師正在全球變成稀缺商品，因為他們必須與客戶並肩工作，理解工作流程，並部署這項技術。」
新加坡的部署策略
為了克服人才短缺，新加坡不追逐從零打造前沿模型的競賽。相反，該國引入全球的演算法，並將其部署到高度受管制的產業中。
Kumar 認為：「我們堅信，新加坡有條件能以負責、可信的方式在規模化情境下部署這些技術。」
IMDA 將先進製造、金融、連接性與醫療衛生列為主要目標。因為這些領域一旦失敗成本很高，他們對信任、可靠性與人類判斷的要求也必須更高。
超越效率：實現企業轉型
要挺過 AI 的轉換，不只是小幅削減成本。「很多這些試點是…用來把生產力推高 10% 到 20%…而這是有價值的。但我們要怎麼做到 10 倍？」Kumar 問道。
要達到這種倍數，必須把企業的工作流程轉型為全新的產品與服務。
勞動力提升技能：從理論到日常任務
要實現這樣的轉型，技術必須從工程部門走向一般工作者手中。Kumar 認為，只有當從律師到行銷人員再到人資人員等日常專業人士都獲得賦權，能把 AI 整合進他們的日常流程中時，真正的經濟價值才會被釋放出來。
為了推動採用，新加坡推出全國性的計畫，讓 100,000 名工人完成技能提升。該計畫並非提供抽象的電腦科學課程，而是聚焦於「針對他們特定工作流程的線上課程與認證…這是職場訓練；它是情境導向的，而不是理論導向的。」
這個作法也延伸到大四學生：他們與在職專業人士接受相同的課程。目標是「縮小差距，讓他們能夠準備好工作，或準備好使用 AI。」
更廣泛的脈絡
Kumar 對過早監管 AI 的警惕，反映的是一種不同於全球監管走向的理念。歐盟的 AI Act 已經為 AI 開發者與部署者設定了具約束力、依風險分級的義務，而歐盟成員國也被要求根據該法建立 AI 監管沙盒。這意味著沙盒可作為對硬性規則的補充，而不是取代立法。
麥肯錫在 2025 年的《AI 現況》調查發現，AI 的採用已非常普遍，但多數組織仍在努力由試點走向規模化的實質成效。其 2025 年的職場 AI 報告指出，只有 1% 的公司會形容自己在 AI 部署方面已達成熟，這暗示信任基礎設施很重要；但對許多公司而言，領導方式、運作模式、資料就緒程度與工作流程重新設計仍是更大的瓶頸。
Kumar 對前置派駐工程師的聚焦，也指向一個政策難以快速解決的限制。《商業內幕》在 2026 年 5 月報導指出，前置派駐工程師的職缺公告比前一年增加了 729%，反映出對能把 AI 轉化為真實企業工作流程的人才需求正在飆升。
