Når AI virker for dyrt, hvad bekymrer ellers virksomhederne?

En brasiliansk virksomhedsundersøgelse viser, hvordan bekymringer om medarbejdere og data overlapper blandt virksomheder, der nævner høje AI-omkostninger. Resultatet kan hjælpe med at gøre et AI-forslag mere konkret.

Original Influence IQ-analyse af TIC Empresas 2025 med interview i Brasilien fra februar 2025 til januar 2026.

Resumé

Anslået 37,5 % af virksomhederne, der nævnte høje AI-omkostninger i vores afgrænsede brasilianske undersøgelsesgruppe, angav også både mangel på medarbejdere med de nødvendige kompetencer og problemer med datatilgængelighed eller datakvalitet. Det vægtede estimat har et 95 %-stikprøveinterval på 29,8 %–45,2 %. Disse virksomheder havde et IT-område, en IT-afdeling eller en IT-specialist, rapporterede ikke brug af nogen af de 7 anførte AI-teknologier og svarede, at omkostningerne virkede for høje.[1][2][8]

Vi analyserede TIC Empresas 2025, der blev gennemført fra februar 2025 til januar 2026 blandt formelle private virksomheder med mindst 10 beskæftigede i undersøgelsens omfattede brancher. Hovedgruppen indeholder 547 offentliggjorte registreringer. Den praktiske konsekvens er at spørge til den foreslåede opgave, de personer, der skal gennemgå arbejdet, og de oplysninger, den kræver, samtidig med prisen. Det er planlægningsråd udledt af rapporterede bekymringer, ikke evidens for, at lavere priser eller uddannelse ville føre til, at AI tages i brug.

Et AI-forslag lander på en virksomhedsejers skrivebord og går i stå ved prisen. Det næste møde kunne blive en jagt på et billigere værktøj. Men først er det værd at stille et andet spørgsmål: Hvad ville brugen kræve af teamet?

Scenen er illustrativ og ikke et interview fra undersøgelsen. Den forklarer, hvorfor vi så ud over en liste over hyppigt rapporterede udfordringer ved at tage AI i brug. Vi ville vide, om de samme virksomheder, der angav en bekymring om omkostninger, også angav bekymringer om medarbejdere og data.

Skelnen har betydning for et marketingteam, der overvejer en ny opgave. En pris kan sammenlignes i et regneark. De personer, der skal kontrollere arbejdet, og de oplysninger, de skal støtte sig til, kræver deres egen samtale. Vores analyse beskriver, hvordan disse bekymringer overlapper; det gennemarbejdede eksempel nedenfor viser én måde at omsætte skelnen til et brugbart beslutningsgrundlag på.

Forslaget og arbejdet omkring det

En notesbog med mønter, tomme opgavekort, træfigurer, en skriveplade til gennemgang og informationsmapper på et illustreret skrivebord.
En illustration af en planlægningsbeslutning, ikke undersøgelsesdata. En foreslået opgave kræver en pris, nogen, der kan gennemgå arbejdet, og egnede oplysninger.

Hvordan bekymringer om medarbejdere og data overlapper

Blandt de 547 virksomheder, der opfyldte kriterierne og nævnte høje AI-omkostninger, angav 197 også både mangel på medarbejdere med de nødvendige kompetencer og problemer med datatilgængelighed eller datakvalitet. Med undersøgelsens vægte er det anslået 37,5 %. Den uvægtede andel er 36,0 %.[1][8]

Begge procentdele bruger de samme virksomheder og svar. Det uvægtede tal tæller hver virksomhed lige. Det vægtede tal giver hver registrering det bidrag, som undersøgelsesdesignet tildeler den, og er derfor vores hovedestimat. Vægtningen ændrer estimatet, ikke hvilke svar der tæller som angivelse af begge bekymringer.

Bekymringer om medarbejdere og data angivet sammen blandt virksomheder, der nævner omkostninger

Virksomheder med et IT-område, en IT-afdeling eller en IT-specialist, uden rapporteret brug af de 7 anførte AI-teknologier og med en oplevet bekymring om høje omkostninger. Vi målte andelen, der udtrykkeligt angav bekymringer om både medarbejdere og data.

Datatabel: Bekymringer om medarbejdere og data blandt virksomheder, der nævner høje AI-omkostninger
UndersøgelsesgruppeMed undersøgelsesvægteUden undersøgelsesvægte95 %-interval: nedre grænse95 %-interval: øvre grænseVirksomheder i stikprøvegruppen
Virksomheder, der opfylder kriterierne og nævner høje AI-omkostninger37,5 %36,0 %29,8 %45,2 %547
Brasilien, interview fra februar 2025 til januar 2026. Nævneren er 547 offentliggjorte registreringer; alle ukendte svar om medarbejdere eller data forbliver medtaget. Det vægtede estimat og dets 95 %-stikprøveinterval bruger det oprindelige undersøgelsesdesign. Det uvægtede estimat bruger de samme registreringer med lige bidrag. Procentdelene beskriver denne afgrænsede gruppe, ikke alle virksomheder.

95 %-stikprøveintervallet går fra 29,8 % til 45,2 %. Intervallet er en grund til at beskrive resultatet som omtrent 4 ud af 10 frem for at antyde, at 37,5 % er et præcist mål for alle lignende virksomheder.

Fordi alle 3 svar kommer fra samme registrering, måler analysen overlappet direkte. Vi kan se, om de virksomheder, der angav en bekymring om omkostninger, også udtrykkeligt angav bekymringer om både medarbejdere og data.

Det lader også de øvrige svar stå åbne. En virksomhed uden for gruppen, der bekræftede begge bekymringer, kan have angivet én af dem, ingen af dem eller et ukendt svar. Restgruppen kan ikke beskrives som en gruppe, hvis eneste problem er prisen. Spørgeskemaet indeholder også andre grunde, og vores hovedresultat rangordner dem ikke.

Procentdelen beskriver denne historiske brasilianske undersøgelsesgruppe. En virksomhed et andet sted kan bruge skelnen til at formulere sit eget undersøgelsesspørgsmål.

Hvad ”omkostninger”, ”kompetencer” og ”data” betyder her

Omkostningsspørgsmålet spørger, om omkostningerne virker for høje. Det registrerer ikke et leverandørtilbud, det beløb, en virksomhed havde råd til, eller hvilken udgift respondenten tænkte på. Vi omtaler derfor en oplevet bekymring om omkostninger. Svarene kan ikke fortælle os, hvor meget priserne skulle falde, eller om en rabat ville ændre en beslutning.[2]

Medarbejderspørgsmålet handler om personer i virksomheden, der har kompetencerne til at bruge teknologierne. Spørgeskemaet afklarer først, om der er et IT-område, en IT-afdeling eller en IT-specialist. At have den støtte fastslår ikke i sig selv, om de involverede personer har de kompetencer, som en foreslået AI-opgave kræver.

Dataspørgsmålet kombinerer tilgængelighed og kvalitet. Et ja kan handle om, hvorvidt egnede oplysninger findes, om de er brugbare eller begge dele. Fordi undersøgelsen ikke adskiller disse muligheder, kan den ikke fastslå, hvilken form for forberedelse en bestemt virksomhed har brug for.

De 7 spørgsmål om AI-brug omfatter mere end generativ AI. De omfatter teknologier som tekstanalyse, talegenkendelse, maskinlæring og automatisering af arbejdsgange. Resultatet vedrører derfor denne bredere liste af teknologier.

Alle ukendte svar om medarbejdere eller data forbliver i den fulde gruppe med omkostningsbekymringer. Vores hovedprocentdel tæller udtrykkelig bekræftelse af begge bekymringer; den udfylder ikke ubesvarede spørgsmål med et gæt. Kriterierne tillader også ukendte eller ubesvarede svar om AI-brug, så ”rapporterede ikke brug” skal ikke læses som bekræftet fravær af brug.

Gør en indvending mod prisen til et klarere planlægningsspørgsmål

For en virksomhedsejer eller marketingansvarlig er den praktiske konsekvens at holde 3 spørgsmål adskilt: Hvad koster den foreslåede opgave, hvem kan vurdere arbejdet, og hvilke oplysninger kræver den? Det observerede overlap giver en grund til at stille spørgsmålene sammen. Hvis du vil undersøge udfordringer ved at indføre AI i din egen virksomhed, så begynd med en afgrænset opgave og evidens fra de personer, der skulle udføre arbejdet.

Begynd med en beskrivelse af arbejde, som nogen kan kontrollere. ”Brug AI i marketing” er for bredt til at vise, hvad teamet har brug for. ”Gruppér indgående produktspørgsmål i emner, som salgsteamet kan gennemgå” angiver et output og de personer, der skal bruge det. Den snævrere opgave gør det muligt at tale om prisen på noget konkret.

Spørg derefter, hvad den foreslåede pris omfatter. Et værktøjsabonnement og den medarbejdertid, der kræves til at forberede oplysninger eller gennemgå et output, er forskellige poster i en plan. Det er en foreslået skelnen i planlægningen, ikke en fordeling målt i undersøgelsen. Et team kan registrere posterne uden at antage, at en ukendt opgave bliver dyr, eller at den sparer tid.

Et spørgsmål om gennemgang kan være mere nyttigt end et generelt spørgsmål om fortrolighed med AI. Hvem ville opdage en forkert grupperet henvendelse? Hvilken kilde ville de slå op i, når et svar er usikkert? Hvem afgør, om outputtet er brugbart? Spørgsmålene angiver ansvar for en foreslået opgave; de diagnosticerer ikke en persons kompetencer ud fra et undersøgelsestal.

Tilpas næste skridt til beslutningen. En virksomhed kan have brug for at få afklaret et tilbud, finde et autoritativt produktdokument eller bede en kollega gennemgå et lille eksempel. Vælg den kontrol, der besvarer det konkrete uafklarede spørgsmål, før I binder jer til et større projekt.

3 spørgsmål til den foreslåede opgave

3 grupper af illustrerede genstande: en tom regnskabsbog med mønter; træfigurer ved en skriveplade til gennemgang; og mapper med informationskort.
  1. Afklar omkostningerne

    Registrér, hvad tilbuddet dækker, og hvilke omkostninger eller opgaver der stadig mangler svar.

  2. Udpeg den ansvarlige for gennemgangen

    Find ud af, hvem der kan vurdere arbejdet, og hvor vedkommende vil kontrollere usikre oplysninger.

  3. Kontrollér oplysningerne

    Find det aktuelle kildemateriale, og afklar, om det er egnet til brug.

En begrebslig planlægningshjælp, ikke en målt årsagsmodel eller en rangordning af bekymringerne i undersøgelsen.

En fiktiv grossist gennemgår 1 foreslået opgave

Forestil dig en fiktiv regional grossist, hvis salgsteam modtager produktforespørgsler via virksomhedens hjemmeside, e-mail og beskeder på sociale medier. En leder foreslår at bruge AI til at gruppere henvendelserne i emner. Teamet vil se, hvilke spørgsmål der kræver tydeligere produktoplysninger, og hvilke der bør nå frem til en sælger. Det er et illustrativt planlægningseksempel, ikke en virksomhed observeret i undersøgelsen.

Den første diskussion går i stå ved prisen. I stedet for at beslutte, at omkostninger forklarer alt, skriver lederen det foreslåede output ned: en liste over henvendelsesemner med links til de oprindelige beskeder, som en person kan gennemgå. Forslaget omfatter ikke automatiske svar eller produktanbefalinger til kunder.

Den salgsansvarlige bemærker, at lignende produktnavne kan forveksles. Hun går med til at kontrollere grupperingen mod det aktuelle katalog og markere en henvendelse, når betydningen er uklar. Det relevante spørgsmål bliver, om hun har de oplysninger og det kendskab, som gennemgangen kræver, frem for om nogen i virksomheden generelt er ”god til AI”.

En kollega kontrollerer de oplysninger, som opgaven ville bruge. Produktbeskrivelser ligger i mere end 1 dokument, og nogle henvendelser indeholder kundeoplysninger. Teamet beslutter at finde den aktuelle produktkilde og kontrollere, hvilke beskeder det er passende at bruge, før det forbereder et eksempel.

Lederen kan nu bede om et mere konkret forslag. Hvad gør værktøjet, hvad skal en person kontrollere, og hvilke oplysninger skal forberedes? Teamet registrerer disse opgaver sammen med den tilbudte pris.

Den næste beslutning er, om en afgrænset gennemgang kan besvare de resterende spørgsmål. Teamet kan gå videre, revidere opgaven eller udskyde den. Lederen registrerer grunden til beslutningen, og hvilke nye oplysninger der ville udløse en ny gennemgang.

Kopiér dette arbejdsark før det næste AI-forslag

Kopiér skabelonen til en eksisterende projektbrief eller et mødereferat. Det kræver ingen Influence-konto. Udfyld den for 1 foreslået opgave.

1. Tilsigtet opgave: [konkret arbejde] → [output, som nogen kan undersøge] → [person eller team, der bruger det]. Skriv både, hvad der ligger uden for forslaget, og hvad der er med.

2. Omkostningsspørgsmål: [tilbud eller estimat, der drøftes] · [hvad det omfatter] · [hvad der stadig er ukendt]. Registrér medarbejdernes forberedelse eller gennemgang særskilt, hvis det er relevant; opfind ikke en besparelse for at begrunde forslaget.

3. Ansvar for gennemgang: [navngiven ansvarlig] · [hvad vedkommende skal kontrollere] · [kilde, vedkommende kan slå op i] · [hvad der sker ved usikkerhed]. En stillingsbetegnelse alene besvarer måske ikke spørgsmålene.

4. Nødvendige oplysninger: [kildedokumenter eller registreringer] · [hvem der vedligeholder dem] · [om de er aktuelle og egnede til brug] · [uafklaret spørgsmål om tilgængelighed eller kvalitet].

5. Næste lille kontrol: [spørgsmål, der skal afklares] · [ansvarlig] · [evidens, der kan kvalificere beslutningen]. Beskriv kontrollen, før du fortolker resultatet.

6. Beslutningsnotat: [gå videre, revidér eller udskyd] · [grund understøttet af kontrollen] · [resterende usikkerhed]. Hold en bekymring adskilt fra evidens for, at den er afklaret.

I eksemplet med den fiktive grossist er outputtet en liste over henvendelsesemner, den salgsansvarlige gennemgår den, og det aktuelle katalog er produktreferencen. Den næste kontrol handler om, hvorvidt den ordning giver noget, som salgsteamet kan vurdere. Disse poster gør forslaget mere konkret uden at låne en succesrate fra en uvedkommende undersøgelse.

Sådan analyserede vi undersøgelsen

Vi brugte de offentlige, fortrolighedsbehandlede mikrodata fra TIC Empresas 2025 fra NIC.br/Cetic.br. Interviewene fandt sted i Brasilien fra februar 2025 til januar 2026. Undersøgelsen omfatter aktive formelle private virksomheder med mindst 10 beskæftigede i de definerede brancher.[1][3][4]

Vores analyse begynder med spørgeskemaets afklaring af IT-område, IT-afdeling eller IT-specialist. Derefter beholder vi virksomheder uden et ja til nogen af de 7 anførte AI-teknologier og med et ja til spørgsmålet om oplevede omkostninger. Hovedberegningen dividerer undersøgelsesvægten for virksomheder, der udtrykkeligt angiver bekymringer om både medarbejdere og data, med vægten for hele denne gruppe, som opfylder kriterierne og har omkostningsbekymringer. Alle ukendte svar om medarbejdere eller data forbliver i nævneren.

Vi beregnede stikprøveusikkerhed med de 200 medfølgende kombinerede bootstrap-replikatvægte. Intervallerne beskriver usikkerhed for enkelte estimater, ikke alle mulige fejlkilder. Vi viser kun resultater, der opfylder vores på forhånd definerede regler for datagrundlag og offentliggørelse; udeladte opdelinger må ikke behandles som 0.[8]

Vi fastlagde forskningsspørgsmålet og beregningerne, før vi undersøgte de kombinerede resultater. Under kildekontroller dokumenterede vi en uoverensstemmelse i offentliggjorte svarkoder uden for vores analysegruppe og rettede en for præcis sammenligning med offentliggjorte referencetabeller. Downloadmaterialet angiver, hvad der blev ændret og hvornår. Ændringerne ændrede hverken analysepopulationen eller målberegningerne. En uafhængig beregning reproducerede det offentliggjorte resultat.[8]

Den offentlige fil er fortrolighedsbehandlet. Cetic.br kontrollerer dens anvendelighed mod de offentliggjorte tabeller, men det garanterer ikke, at enhver ny kombineret analyse er identisk med en analyse af de oprindelige interview.[7]

Den generelle idé om, at bekymringer om medarbejdere, data og økonomi kan eksistere samtidig, er etableret. Tidligere forskning grupperede virksomheder efter kombinationer af barrierer, og producentrapporten fra 2025 diskuterer mennesker og data blandt kravene til implementering. Vores bidrag er et direkte estimat af udvalgte bekymringer angivet sammen i netop denne gruppe med omkostningsbekymringer, ikke opdagelsen af en ny årsag til, at AI ikke tages i brug.[5][6]

Kræver ingen tilmelding. Tabellen indeholder historiske aggregerede resultater. Pakken indeholder oversatte forklaringer af metoden, kildekontrollerne og beskyttelsen af offentlige output; den videredistribuerer ikke individuelle undersøgelsesregistreringer.

Kilder og noter

  1. NIC.br/Cetic.br, offentlige grundmikrodata fra TIC Empresas 2025 efter fortrolighedsbehandling, version 1.0, udgivet 15. juni 2026. Kildedata krediteres under CC BY 4.0. Procentdelene her er Influence IQ-beregninger fra de offentliggjorte registreringer, ikke citater af et offentliggjort hovedresultat.
  2. TIC Empresas 2025-spørgeskemaet, H9 og H13. H9 omfatter 7 AI-teknologier efter afklaring af IT-område/-afdeling eller specialist. H13 følger, når ingen af disse brugssvar er ja, herunder ukendte eller ubesvarede brugssvar. H13_A vedrører omkostninger, der virker for høje; H13_B vedrører medarbejderkompetencer; H13_D kombinerer datatilgængelighed og datakvalitet.
  3. Metoderapport for TIC Empresas 2025. Undersøgelsesrammen omfatter aktive formelle private virksomheder med 10 eller flere beskæftigede i specificerede Cempre/CNAE-brancher. Det er ikke en stikprøve af alle brasilianske organisationer, mikrovirksomheder, selvstændige indholdsskabere eller individuelle arbejdstagere. Modul H blev indsamlet i alle 3 undersøgelsesbølger.
  4. Indsamlingsrapport for TIC Empresas 2025. Feltarbejdet løb fra februar 2025 til januar 2026. Rapporten angiver 4.174 gennemførte interview; den offentlige udgivelse indeholder 4.171 registreringer. De gennemgåede dokumenter forklarer ikke forskellen. Vi brugte den fastlåste offentlige udgivelse uden at tilføje registreringer for at matche antallet af interview.
  5. Emerson Gomes dos Santos og Márcia Siqueira Rapini, Barreiras na Adoção Combinada de Tecnologias Digitais por Empresas Brasileiras: uma proposta de tipologia (2024). Denne tidligere analyse bruger TIC Empresas 2021 og klyngeanalyse til at undersøge kombinationer af barrierer. Den udgør relevant tidligere arbejde frem for et direkte sammenligneligt estimat for vores betingede gruppe fra 2025.
  6. Producentrapport for TIC Empresas 2025, især side 94–95 i Natália Marroni Borges’ diskussion af indførelse og institutionalisering af AI. Diskussionen fremhæver data, mennesker, kompetencer og styring som hensyn ved implementering. Vores analyse hævder ikke, at disse generelle idéer er nye.
  7. Cetic.br’s mikrodatavejledning beskriver omkodning og undertrykkelse af oplysninger for at beskytte fortroligheden, med anvendeligheden vurderet mod den offentliggjorte tabuleringsplan. Den fastslår ikke, hvilken behandling der påvirkede en bestemt offentliggjort registrering, og garanterer ikke, at enhver ny kombineret sammenhæng er uændret fra de oprindelige interview. NIC.br/Cetic.br har ikke tilsluttet sig vores analyse eller fortolkninger.
  8. Influence IQ’s metode- og reproduktionspakke. 11 offentliggjorte registreringer markerede alle 7 AI-brugspunkter som ikke relevante, mens de 9 årsagsfelter brugte andre svarkoder; de lå allerede uden for vores definerede analysepopulation. Alle registreringer blev bevaret. Vi reviderede også en sammenligning af kontrolpræcision efter at have undersøgt de offentliggjorte tabeller og før målresultaterne. Pakken dokumenterer begge ændringer, usikkerhedsberegninger og beskyttelse af offentlige output. Den indeholder ingen individuelle registreringer.

Artiklen og tabelbetegnelserne findes på alle artiklens sprog. Kildespørgeskemaet er på portugisisk; den tekniske reproduktionspakke indeholder oversatte forklaringer. Den brasilianske population og undersøgelsesperioden februar 2025–januar 2026 er de samme i alle versioner.

Relateret forskning