AI 采用率上升了，生产力却没有跟上。MAS 解释了原因。

在 2026年9月11日举行的 Global Finance and Technology Conference（GFF）2026 上，MAS Managing Director Chia Der Jiun 发表了一场关于建设未来金融体系的演讲。其中一个观察，值得金融业以外的企业特别关注。

企业采用 AI 的速度正在快速提升。

但与此同时，能够从 AI 中获得显著生产力提升的企业，却没有同步增加。

这个差距并不是一个小细节。

它其实是 2026年 AI 发展最核心的问题之一——而且对 SME 来说尤其重要，因为 SME 投资 AI 是用真金白银，如果投入之后迟迟看不到回报，就很难承受。

缺少的两个环节：Training 和 Responsible Implementation

MAS 指出了两个关键因素。

Training： 了解这些工具的团队，才能真正从中获得价值。

如果只是把工具交给员工，却没有提供足够的 training，他们可能只会使用其中一小部分功能。

Responsible implementation： 如果 AI 在清楚的 governance 和 controls 下部署，就更有机会产生值得信赖的 output。

但如果 AI 是临时、零散地部署，没有明确的管理方式，最后产生的可能不是效率，而是披着效率外衣的混乱。

简单来说：

问题不在 technology，而在围绕 technology 的一切。

为什么 SME 受到的影响最大？

一家大型企业如果一次 AI deployment 没有达到预期，通常还有能力吸收这项损失。

但对 SME 来说，如果花了钱、时间和团队精力在一个没有带来实际成果的工具上，影响可能会直接反映在这一季度的 business performance 上。

面对压力时，企业很容易产生一种直觉：

去追最 impressive 的工具——最先进的 generative AI、AI agents，或者社交媒体上大家都在讨论的那个工具。

但 MAS 的观察其实指向另一种更实际的顺序：

先从已经具备成功条件的地方开始。

而这个地方，就是 accounting。

为什么 Accounting 已经具备 AI 所需要的条件？

有三个原因。

规则清楚

Accounting 是按照明确的 standards 运作的。

当一个问题本身具有清晰的 structure 时，AI 更容易发挥作用。

数据结构化

每一笔 transaction 都有明确的格式和定义。

而 structured data 正是 AI 最擅长处理的数据类型。

Controls 已经存在

好的 accounting software 本身就已经包含 audit trails、access controls 和 validation 等功能。

你不需要从零开始建立 governance。

它本身就是 platform 的一部分。

这就是一种已经预先建立好的 responsible implementation。

再加上 proper training，你的团队就拥有了一个能够正确自动处理 routine work 的 system。

而 MAS 所指出、目前仍然缺少的 productivity gains，也会开始在你的 month-end close 中真正显现出来。

真正有效的顺序

先把 accounting system 做好。

再正确地 train 你的 team。

先自动化那些结构清晰的工作。

然后，再逐步扩展到更前沿的 AI tools，并且以一个已经证明能够带来实际 gains 的基础作为支撑。

OCi System 就是为这样的顺序而设计——structured accounting、built-in controls，以及一个 SME team 真正能够掌握的 platform。

Source: Monetary Authority of Singapore, 11 Sep 2026
https://www.mas.gov.sg/news/speeches/2026/building-the-financial-system-of-the-future---trusted-connected-and-resilient-by-md-for-gff-2026