जब AI बहुत महँगा लगे, तो कारोबारों को और किन बातों की चिंता होती है?

ब्राज़ील के एक कारोबारी सर्वेक्षण से पता चलता है कि AI की ऊँची लागत बताने वाली फ़र्मों में कर्मचारियों और डेटा की चिंताएँ किस तरह साथ आती हैं. यह निष्कर्ष AI के प्रस्ताव को अधिक ठोस बनाने में मदद कर सकता है.

TIC Empresas 2025 का मौलिक Influence IQ विश्लेषण, जिसके साक्षात्कार ब्राज़ील में फ़रवरी 2025 से जनवरी 2026 तक हुए.

सार

हमारे परिभाषित ब्राज़ीली सर्वेक्षण समूह में AI की ऊँची लागत बताने वाले अनुमानित 37.5% कारोबारों ने ज़रूरी कौशल वाले कर्मचारियों की कमी के साथ डेटा की उपलब्धता या गुणवत्ता में कठिनाइयाँ भी बताईं. भारित अनुमान का 95% नमूना अंतराल 29.8%–45.2% है. इन कारोबारों के पास IT इकाई, विभाग या विशेषज्ञ था, उन्होंने सूचीबद्ध 7 AI तकनीकों में से किसी के इस्तेमाल की सूचना नहीं दी थी और कहा था कि लागत बहुत अधिक लगती है.[1][2][8]

हमने TIC Empresas 2025 का विश्लेषण किया, जो फ़रवरी 2025 से जनवरी 2026 तक सर्वेक्षण में शामिल क्षेत्रों के औपचारिक निजी कारोबारों में किया गया था, जहाँ कम से कम 10 लोग काम करते थे. मुख्य समूह में जारी किए गए 547 रिकॉर्ड हैं. व्यावहारिक सीख यह है कि कीमत के साथ प्रस्तावित काम, उसकी समीक्षा करने वाले लोगों और उसके लिए ज़रूरी जानकारी के बारे में भी पूछें. यह बताई गई चिंताओं से निकली योजना संबंधी सलाह है, इस बात का प्रमाण नहीं कि कीमत घटाने या प्रशिक्षण देने से AI अपनाया जाएगा.

AI का कोई प्रस्ताव कारोबारी मालिक की मेज़ तक पहुँचता है और कीमत पर अटक जाता है. अगली बैठक सस्ता टूल खोजने में बीत सकती है. लेकिन पहले एक और सवाल पूछना उपयोगी है: उसे इस्तेमाल करने में टीम को क्या करना होगा?

यह दृश्य समझाने के लिए है, सर्वेक्षण का कोई साक्षात्कार नहीं. इससे समझ आता है कि हमने AI अपनाने की आम तौर पर बताई गई चुनौतियों की सूची से आगे क्यों देखा. हम जानना चाहते थे कि लागत की चिंता उठाने वाले उन्हीं कारोबारों ने कर्मचारियों और डेटा की चिंताएँ भी उठाई थीं या नहीं.

नया काम अपनाने पर विचार कर रही मार्केटिंग टीम के लिए यह फ़र्क मायने रखता है. कीमतों की तुलना स्प्रेडशीट पर हो सकती है. काम जाँचने वाले लोगों और जिस जानकारी पर वे भरोसा करेंगे, उस पर अलग चर्चा चाहिए. हमारा विश्लेषण बताता है कि ये चिंताएँ किस तरह साथ आती हैं; नीचे का उदाहरण दिखाता है कि इस फ़र्क को निर्णय लेने के उपयोगी ब्रीफ़ में कैसे बदला जा सकता है.

प्रस्ताव और उससे जुड़े काम

चित्रित मेज़ पर सिक्कों वाली नोटबुक, खाली काम कार्ड, लकड़ी की आकृतियाँ, समीक्षा क्लिपबोर्ड और जानकारी के फ़ोल्डर रखे हैं.
योजना के निर्णय का चित्र, सर्वेक्षण का डेटा नहीं. प्रस्तावित काम के लिए कीमत, काम की समीक्षा कर सकने वाला व्यक्ति और उपयुक्त जानकारी चाहिए.

कर्मचारी और डेटा संबंधी चिंताएँ किस तरह साथ आती हैं

AI की ऊँची लागत बताने वाले 547 पात्र कारोबारों में से 197 ने ज़रूरी कौशल वाले कर्मचारियों की कमी के साथ डेटा की उपलब्धता या गुणवत्ता में कठिनाइयाँ भी बताईं. सर्वेक्षण भार इस्तेमाल करने पर अनुमान 37.5% है. बिना भार का हिस्सा 36.0% है.[1][8]

दोनों प्रतिशत उन्हीं कारोबारों और जवाबों पर आधारित हैं. बिना भार वाला आँकड़ा हर कारोबार को बराबर गिनता है. भारित आँकड़े में हर रिकॉर्ड का योगदान सर्वेक्षण की रूपरेखा में दिए गए भार के अनुसार है, इसलिए यही हमारा मुख्य अनुमान है. भार देने से अनुमान बदलता है, यह नहीं कि किन जवाबों को दोनों चिंताएँ बताने वाला माना जाए.

लागत बताने वाले कारोबारों में कर्मचारी और डेटा की चिंताएँ एक साथ बताई गईं

IT इकाई, विभाग या विशेषज्ञ वाले कारोबार, जिन्होंने सूचीबद्ध 7 AI तकनीकों के इस्तेमाल की सूचना नहीं दी और लागत बहुत अधिक लगने की चिंता बताई. हमने कर्मचारी और डेटा, दोनों की चिंता स्पष्ट रूप से बताने वाले हिस्से को मापा.

डेटा तालिका: AI की ऊँची लागत बताने वाले कारोबारों में कर्मचारी और डेटा की चिंताएँ
सर्वेक्षण समूहसर्वेक्षण भार के साथसर्वेक्षण भार के बिना95% अंतराल: निचली सीमा95% अंतराल: ऊपरी सीमानमूना समूह के कारोबार
AI की ऊँची लागत बताने वाले पात्र कारोबार37.5%36.0%29.8%45.2%547
ब्राज़ील, फ़रवरी 2025–जनवरी 2026 के साक्षात्कार. हर में जारी किए गए 547 रिकॉर्ड हैं; कर्मचारियों या डेटा के अज्ञात जवाब शामिल रहते हैं. भारित अनुमान और उसका 95% नमूना अंतराल सर्वेक्षण की मूल रूपरेखा इस्तेमाल करते हैं. बिना भार वाले अनुमान में उन्हीं रिकॉर्ड में से हर एक का योगदान बराबर होता है. ये प्रतिशत इस परिभाषित समूह का वर्णन करते हैं, सभी कारोबारों का नहीं.

95% नमूना अंतराल 29.8% से 45.2% तक है. इस सीमा के कारण नतीजे को लगभग 10 में से 4 कहना उचित है, यह जताने के बजाय कि 37.5% हर समान कारोबार का सटीक माप है.

तीनों जवाब एक ही रिकॉर्ड से आते हैं, इसलिए विश्लेषण उनके साथ आने को सीधे मापता है. हम देख सकते हैं कि लागत की चिंता उठाने वाले कारोबारों ने कर्मचारियों और डेटा, दोनों की चिंताएँ भी स्पष्ट रूप से बताई थीं या नहीं.

इससे बाकी जवाबों की संभावनाएँ भी खुली रहती हैं. जिस कारोबार ने दोनों की पुष्टि नहीं की, उसने इनमें से एक चिंता, कोई भी नहीं या अज्ञात जवाब बताया हो सकता है. शेष समूह को ऐसा समूह नहीं कहा जा सकता जिसकी एकमात्र समस्या कीमत है. प्रश्नावली में अन्य कारण भी हैं और हमारा मुख्य निष्कर्ष उनकी रैंकिंग नहीं करता.

यह प्रतिशत ब्राज़ील के इस ऐतिहासिक सर्वेक्षण समूह का वर्णन करता है. दूसरे स्थान का कारोबार इस फ़र्क से अपने शोध का सवाल तय कर सकता है.

यहाँ “लागत”, “कौशल” और “डेटा” का क्या मतलब है

लागत वाले सवाल में पूछा गया है कि क्या लागत बहुत अधिक लगती है. इसमें सप्लायर का मूल्य प्रस्ताव, कारोबार की भुगतान क्षमता या जवाब देते समय किस खर्च का ध्यान था, यह दर्ज नहीं है. इसलिए हम लागत अधिक लगने की चिंता कहते हैं. जवाब यह नहीं बता सकते कि कीमत कितनी घटनी चाहिए या छूट से निर्णय बदलेगा या नहीं.[2]

कर्मचारियों वाला सवाल कारोबार के भीतर उन लोगों से संबंधित है जिनके पास तकनीकों के इस्तेमाल का कौशल है. प्रश्नावली पहले IT इकाई, विभाग या विशेषज्ञ होने की जाँच करती है. ऐसा सहयोग होने भर से यह तय नहीं होता कि संबंधित लोगों के पास प्रस्तावित AI काम के लिए ज़रूरी कौशल है या नहीं.

डेटा वाला सवाल उपलब्धता और गुणवत्ता को जोड़ता है. हाँ का जवाब उपयुक्त जानकारी के होने, उसके इस्तेमाल योग्य होने या दोनों से संबंधित हो सकता है. सर्वेक्षण इन संभावनाओं को अलग नहीं करता, इसलिए इससे यह तय नहीं होता कि किसी खास कारोबार को किस तरह की तैयारी चाहिए.

AI के इस्तेमाल से जुड़े 7 सवाल जनरेटिव AI से अधिक तकनीकों को शामिल करते हैं. इनमें टेक्स्ट विश्लेषण, वाक् पहचान, मशीन लर्निंग और वर्कफ़्लो ऑटोमेशन जैसी तकनीकें हैं. इसलिए परिणाम तकनीकों की उसी व्यापक सूची से संबंधित है.

कर्मचारियों या डेटा के अज्ञात जवाब भी लागत की चिंता वाले पूरे समूह में बने रहते हैं. हमारा मुख्य प्रतिशत दोनों चिंताओं की स्पष्ट पुष्टि गिनता है; बिना जवाब वाले सवालों में अनुमान नहीं भरता. पात्रता में AI इस्तेमाल के अज्ञात या अनुत्तरित जवाब भी स्वीकार हैं, इसलिए “इस्तेमाल की सूचना नहीं दी” को इस्तेमाल न करने की पुष्टि नहीं समझना चाहिए.

कीमत पर आपत्ति को योजना के अधिक स्पष्ट सवाल में बदलें

कारोबारी मालिक या मार्केटिंग प्रमुख के लिए व्यावहारिक सीख तीन सवाल अलग रखना है: प्रस्तावित काम की लागत क्या है, काम का मूल्यांकन कौन कर सकता है और कौन-सी जानकारी चाहिए. देखा गया साथ आना इन सवालों को एक साथ पूछने का कारण देता है. अपने कारोबार में AI लागू करने की चुनौतियाँ जाँचने के लिए एक परिभाषित काम और उसे करने वाले लोगों के प्रमाण से शुरू करें.

ऐसे काम के वर्णन से शुरू करें जिसे कोई जाँच सके. “मार्केटिंग में AI इस्तेमाल करना” इतना व्यापक है कि टीम की ज़रूरतें सामने नहीं आतीं. “आने वाले उत्पाद संबंधी सवालों को विषयों में बाँटना ताकि बिक्री टीम उनकी समीक्षा कर सके” आउटपुट और उसके इस्तेमाल करने वालों को स्पष्ट करता है. सीमित काम से किसी ठोस चीज़ की कीमत पर चर्चा हो सकती है.

फिर पूछें कि प्रस्तावित कीमत में क्या शामिल है. टूल की सदस्यता और जानकारी तैयार करने या आउटपुट की समीक्षा में कर्मचारियों का समय, योजना की अलग मदें हैं. यह योजना के लिए सुझाया गया फ़र्क है, सर्वेक्षण से मापा गया खर्च विवरण नहीं. टीम यह माने बिना ये मदें दर्ज कर सकती है कि अपरिचित काम महँगा होगा या समय बचाएगा.

समीक्षा के बारे में सवाल, AI इस्तेमाल करने को लेकर आत्मविश्वास से जुड़े सामान्य सवाल से अधिक उपयोगी हो सकता है. गलत विषय में रखी गई पूछताछ को कौन पहचान पाएगा? जवाब अनिश्चित होने पर किस स्रोत को देखा जाएगा? आउटपुट इस्तेमाल योग्य है या नहीं, यह कौन तय करेगा? ये सवाल प्रस्तावित काम की ज़िम्मेदारियाँ तय करते हैं; सर्वेक्षण के आँकड़े से किसी व्यक्ति के कौशल का निदान नहीं करते.

अगला कदम निर्णय के अनुपात में रखें. कारोबार को मूल्य प्रस्ताव स्पष्ट करना, आधिकारिक उत्पाद दस्तावेज़ ढूँढ़ना या सहकर्मी से छोटे उदाहरण की समीक्षा करवाना पड़ सकता है. बड़े प्रोजेक्ट के लिए प्रतिबद्ध होने से पहले ऐसी जाँच चुनें जो अनसुलझे खास सवाल का जवाब दे.

प्रस्तावित काम के लिए तीन सवाल

चित्रित वस्तुओं के तीन समूह: सिक्कों के साथ खाली बही; समीक्षा क्लिपबोर्ड के पास लकड़ी की आकृतियाँ; और जानकारी कार्ड वाले फ़ोल्डर.
  1. लागत स्पष्ट करें

    दर्ज करें कि मूल्य प्रस्ताव में क्या शामिल है और किन खर्चों या कामों का जवाब अब भी चाहिए.

  2. समीक्षक का नाम तय करें

    पहचानें कि उसका मूल्यांकन कौन कर सकता है और अनिश्चित जानकारी को वे कहाँ जाँचेंगे.

  3. जानकारी जाँचें

    मौजूदा स्रोत सामग्री ढूँढ़ें और तय करें कि उसका इस्तेमाल उचित है या नहीं.

योजना बनाने में मदद के लिए अवधारणा चित्र, मापा हुआ कारणात्मक मॉडल या सर्वेक्षण की चिंताओं की रैंकिंग नहीं.

एक काल्पनिक थोक कारोबारी एक प्रस्तावित काम पर विचार करता है

एक काल्पनिक क्षेत्रीय थोक कारोबारी पर विचार करें जिसकी बिक्री टीम को वेबसाइट, ईमेल और सोशल संदेशों से उत्पाद संबंधी पूछताछ मिलती है. मैनेजर AI से इन्हें विषयों में बाँटने का प्रस्ताव देता है. टीम देखना चाहती है कि किन सवालों के लिए उत्पाद की अधिक स्पष्ट जानकारी चाहिए और कौन-से बिक्री प्रतिनिधि तक पहुँचने चाहिए. यह योजना समझाने का उदाहरण है, सर्वेक्षण में देखा गया कारोबार नहीं.

पहली चर्चा कीमत पर अटक जाती है. लागत को हर बात की वजह मान लेने के बजाय मैनेजर प्रस्तावित आउटपुट लिखता है: पूछताछ के विषयों की सूची, जो मूल संदेशों से जुड़ी हो ताकि कोई व्यक्ति समीक्षा कर सके. प्रस्ताव में अपने-आप जवाब भेजना या ग्राहकों को उत्पाद सुझाना शामिल नहीं है.

बिक्री प्रमुख को दिखता है कि मिलते-जुलते उत्पाद नामों में भ्रम हो सकता है. वे मौजूदा कैटलॉग से विषयों में बँटी पूछताछ की समीक्षा करने और अर्थ अस्पष्ट होने पर उसे चिह्नित करने पर सहमत होती हैं. प्रासंगिक सवाल यह बनता है कि उस समीक्षा के लिए उनके पास ज़रूरी जानकारी और परिचय है या नहीं, न कि कंपनी में कोई सामान्य रूप से “AI में अच्छा” है या नहीं.

एक सहकर्मी उस जानकारी की जाँच करता है जिसका काम में इस्तेमाल होगा. उत्पाद विवरण एक से अधिक दस्तावेज़ों में हैं और कुछ पूछताछ संदेशों में ग्राहक विवरण है. उदाहरण तैयार करने से पहले टीम उत्पाद के मौजूदा स्रोत की पहचान करने और किन संदेशों का इस्तेमाल उचित है, यह जाँचने का निर्णय लेती है.

मैनेजर अब अधिक स्पष्ट प्रस्ताव माँग सकता है. टूल क्या करता है, व्यक्ति को क्या जाँचना है और कौन-सी जानकारी तैयार करनी है? टीम बताए गए मूल्य के साथ ये काम दर्ज करती है.

अगला निर्णय यह है कि क्या सीमित समीक्षा बाकी सवालों का जवाब दे सकती है. टीम आगे बढ़ सकती है, काम बदल सकती है या टाल सकती है. मैनेजर उस निर्णय का कारण और वह नई जानकारी दर्ज करता है जिससे दोबारा समीक्षा की ज़रूरत पड़ेगी.

अगले AI प्रस्ताव से पहले यह कार्यपत्रिका कॉपी करें

इस टेम्प्लेट को मौजूदा प्रोजेक्ट ब्रीफ़ या बैठक के नोट में कॉपी करें. Influence खाते की ज़रूरत नहीं है. इसे एक प्रस्तावित काम के लिए पूरा करें.

1. प्रस्तावित काम: [खास काम] → [ऐसा आउटपुट जिसे कोई जाँच सके] → [इसे इस्तेमाल करने वाला व्यक्ति या टीम]. प्रस्ताव में क्या शामिल है, इसके साथ यह भी लिखें कि क्या बाहर है.

2. लागत का सवाल: [जिस मूल्य प्रस्ताव या अनुमान पर चर्चा है] · [उसमें क्या शामिल है] · [अब भी क्या अज्ञात है]. प्रासंगिक होने पर कर्मचारियों की तैयारी या समीक्षा का काम अलग दर्ज करें; प्रस्ताव को उचित ठहराने के लिए बचत न गढ़ें.

3. समीक्षा की ज़िम्मेदारी: [समीक्षक का नाम] · [वे क्या जाँचेंगे] · [वे किस स्रोत को देख सकते हैं] · [अनिश्चित होने पर क्या होगा]. अकेला पदनाम इन सवालों का जवाब नहीं दे सकता.

4. ज़रूरी जानकारी: [स्रोत दस्तावेज़ या रिकॉर्ड] · [उन्हें कौन सँभालता है] · [वे मौजूदा और इस्तेमाल के लिए उपयुक्त हैं या नहीं] · [उपलब्धता या गुणवत्ता का अनसुलझा सवाल].

5. अगली छोटी जाँच: [हल करने वाला सवाल] · [ज़िम्मेदार व्यक्ति] · [निर्णय लेने में मदद देने वाला प्रमाण]. नतीजे का अर्थ निकालने से पहले जाँच का वर्णन करें.

6. निर्णय का रिकॉर्ड: [आगे बढ़ें, बदलें या टालें] · [जाँच से समर्थित कारण] · [बाकी अनिश्चितता]. चिंता और उसके हल हो जाने के प्रमाण में फ़र्क रखें.

काल्पनिक थोक कारोबारी के उदाहरण में आउटपुट पूछताछ के विषयों की सूची है, बिक्री प्रमुख उसकी समीक्षा करती हैं और मौजूदा कैटलॉग उत्पाद संदर्भ देता है. अगली जाँच इस बात की है कि इस व्यवस्था से ऐसा कुछ बनता है जिसका बिक्री टीम मूल्यांकन कर सके. इन मदों से प्रस्ताव किसी असंबंधित सर्वेक्षण की सफलता दर उधार लिए बिना अधिक ठोस बनता है.

हमने सर्वेक्षण का विश्लेषण कैसे किया

हमने NIC.br/Cetic.br का सार्वजनिक TIC Empresas 2025 सूक्ष्म डेटा इस्तेमाल किया, जिसे गोपनीयता बनाए रखने के लिए संशोधित किया गया है. साक्षात्कार ब्राज़ील में फ़रवरी 2025 से जनवरी 2026 तक हुए. सर्वेक्षण अपने तय क्षेत्रों के सक्रिय औपचारिक निजी कारोबारों को शामिल करता है, जिनमें कम से कम 10 लोग काम करते हैं.[1][3][4]

हमारा विश्लेषण प्रश्नावली की IT इकाई, विभाग या विशेषज्ञ होने की शुरुआती जाँच से शुरू होता है. फिर हम ऐसे कारोबार रखते हैं जिन्होंने सूचीबद्ध 7 AI तकनीकों में किसी के लिए हाँ नहीं कहा और लागत अधिक लगने के सवाल पर हाँ कहा. मुख्य गणना में कर्मचारी और डेटा, दोनों की चिंता स्पष्ट रूप से बताने वाले कारोबारों के सर्वेक्षण भार को इस पूरे पात्र लागत-चिंता समूह के भार से भाग दिया गया है. कर्मचारी या डेटा के अज्ञात जवाब उसी हर में बने रहते हैं.

हमने दिए गए 200 संयुक्त बूटस्ट्रैप प्रतिकृति भारों से नमूना अनिश्चितता निकाली. अंतराल अलग-अलग अनुमानों की अनिश्चितता बताते हैं, संभावित त्रुटि के हर स्रोत की नहीं. हम केवल वे परिणाम दिखाते हैं जो हमारे पहले से तय पर्याप्त आधार और प्रकटीकरण के नियम पूरे करते हैं; छोड़े गए उपसमूह विवरणों को शून्य नहीं समझना चाहिए.[8]

संयुक्त परिणाम देखने से पहले हमने शोध का सवाल और गणनाएँ तय की थीं. स्रोत की जाँच में हमने अपने विश्लेषण समूह के बाहर जारी जवाब कोडों की असंगति दर्ज की और प्रकाशित संदर्भ तालिकाओं से एक ज़रूरत से अधिक सटीक तुलना सुधारी. डाउनलोड में दर्ज है कि क्या बदला और कब. बदलावों से विश्लेषण की आबादी या लक्षित गणनाएँ नहीं बदलीं. स्वतंत्र गणना ने प्रकाशित परिणाम दोबारा निकाला.[8]

सार्वजनिक फ़ाइल को गोपनीयता बनाए रखने के लिए संशोधित किया गया है. Cetic.br प्रकाशित तालिकाओं से उसकी उपयोगिता जाँचता है, लेकिन इससे यह प्रमाणित नहीं होता कि हर नया संयुक्त विश्लेषण मूल साक्षात्कारों से किए गए विश्लेषण जैसा ही होगा.[7]

कर्मचारी, डेटा और वित्तीय चिंताएँ साथ हो सकती हैं, यह सामान्य विचार पहले से स्थापित है. पहले के शोध ने बाधाओं के संयोजन के आधार पर फ़र्मों के समूह बनाए और सर्वेक्षण संस्था की 2025 रिपोर्ट लागू करने की ज़रूरतों में लोगों और डेटा की चर्चा करती है. हमारा योगदान इस खास लागत-चिंता समूह में साथ बताई गई चुनी हुई चिंताओं का सीधा अनुमान है, AI न अपनाने के किसी नए कारण की खोज नहीं.[5][6]

साइन अप की ज़रूरत नहीं. तालिका में ऐतिहासिक समेकित परिणाम हैं. पैकेज में विधि, स्रोत की जाँच और सार्वजनिक आउटपुट के सुरक्षा उपायों की अनुवादित व्याख्याएँ शामिल हैं; यह व्यक्तिगत सर्वेक्षण रिकॉर्ड दोबारा वितरित नहीं करता.

स्रोत और नोट

  1. NIC.br/Cetic.br, गोपनीयता के लिए संशोधन के बाद TIC Empresas 2025 का सार्वजनिक मूल सूक्ष्म डेटा, संस्करण 1.0, 15 जून 2026 को जारी. स्रोत डेटा को CC BY 4.0 के अंतर्गत श्रेय दिया गया है. यहाँ के प्रतिशत जारी रिकॉर्ड से Influence IQ की गणनाएँ हैं, किसी प्रकाशित मुख्य नतीजे के उद्धरण नहीं.
  2. TIC Empresas 2025 प्रश्नावली, H9 और H13. H9 में IT इकाई/विभाग या विशेषज्ञ होने की जाँच के बाद 7 AI तकनीकें शामिल हैं. H13 तब आता है जब इस्तेमाल वाले उन जवाबों में कोई हाँ नहीं है, जिनमें अज्ञात या अनुत्तरित इस्तेमाल के जवाब भी शामिल हैं. H13_A लागत बहुत अधिक लगने से संबंधित है; H13_B कर्मचारियों के कौशल से; H13_D डेटा उपलब्धता और गुणवत्ता को जोड़ता है.
  3. TIC Empresas 2025 की पद्धति रिपोर्ट. इसकी रूपरेखा निर्दिष्ट Cempre/CNAE क्षेत्रों के सक्रिय औपचारिक निजी उद्यमों को शामिल करती है, जिनमें 10 या अधिक लोग काम करते हैं. यह ब्राज़ील के सभी संगठनों, सूक्ष्म कारोबारों, अकेले काम करने वाले क्रिएटरों या व्यक्तिगत कामगारों का नमूना नहीं है. मॉड्यूल H सर्वेक्षण के सभी 3 चरणों में लिया गया.
  4. TIC Empresas 2025 की डेटा संग्रह रिपोर्ट. मैदानी काम फ़रवरी 2025 से जनवरी 2026 तक चला. रिपोर्ट 4,174 पूरे साक्षात्कार बताती है; सार्वजनिक रिलीज़ में 4,171 रिकॉर्ड हैं. पढ़े गए दस्तावेज़ इस अंतर की वजह नहीं बताते. हमने साक्षात्कार संख्या मिलाने के लिए रिकॉर्ड जोड़े बिना तय सार्वजनिक रिलीज़ इस्तेमाल किया.
  5. Emerson Gomes dos Santos और Márcia Siqueira Rapini, Barreiras na Adoção Combinada de Tecnologias Digitais por Empresas Brasileiras: uma proposta de tipologia (2024). यह पहले का विश्लेषण बाधाओं के संयोजन का अध्ययन करने के लिए TIC Empresas 2021 और क्लस्टरिंग इस्तेमाल करता है. यह प्रासंगिक पूर्व शोध स्थापित करता है, हमारे 2025 के शर्तों से परिभाषित समूह के लिए सीधे तुलना योग्य अनुमान नहीं.
  6. TIC Empresas 2025 की सर्वेक्षण संस्था की रिपोर्ट, खासकर AI अपनाने और उसे संस्थागत रूप देने पर Natália Marroni Borges की चर्चा के पृष्ठ 94–95. चर्चा डेटा, लोगों, क्षमताओं और प्रशासन को लागू करने से जुड़े पहलुओं के रूप में पहचानती है. हमारा विश्लेषण इन सामान्य विचारों के नए होने का दावा नहीं करता.
  7. Cetic.br का सूक्ष्म डेटा मार्गदर्शन गोपनीयता बचाने के लिए दोबारा कोड देना और जानकारी रोकना बताता है; उपयोगिता प्रकाशित तालिका योजना से जाँची जाती है. इससे यह तय नहीं होता कि किसी खास जारी रिकॉर्ड पर कौन-सा संशोधन हुआ या यह गारंटी नहीं मिलती कि हर नया संयुक्त संबंध मूल साक्षात्कारों जैसा ही है. NIC.br/Cetic.br हमारे विश्लेषण या व्याख्याओं का समर्थन नहीं करता.
  8. Influence IQ की विधि और परिणाम दोबारा निकालने का पैकेज. जारी 11 रिकॉर्ड में सभी 7 AI इस्तेमाल मदें लागू नहीं चिह्नित थीं, जबकि कारणों के 9 फ़ील्ड में दूसरे जवाब कोड थे; ये पहले से हमारी परिभाषित विश्लेषण आबादी के बाहर थे. सभी रिकॉर्ड रखे गए. जारी तालिकाएँ जाँचने के बाद, लक्षित परिणाम देखने से पहले हमने नियंत्रण-सटीकता की तुलना भी संशोधित की. पैकेज में दोनों संशोधन, अनिश्चितता की गणनाएँ और सार्वजनिक आउटपुट के सुरक्षा उपाय दर्ज हैं. इसमें व्यक्तिगत रिकॉर्ड नहीं हैं.

लेख और तालिका के लेबल लेख की हर भाषा में उपलब्ध हैं. स्रोत प्रश्नावली पुर्तगाली में है; परिणाम दोबारा निकालने के तकनीकी पैकेज में अनुवादित व्याख्याएँ शामिल हैं. ब्राज़ील की आबादी और फ़रवरी 2025–जनवरी 2026 की सर्वेक्षण अवधि हर संस्करण में वही रहती है.

संबंधित शोध