AI बनाएँ या खरीदें: ब्राज़ील के कारोबारों का अध्ययन

इस्तेमाल के लिए तैयार AI और विकास का काम अक्सर कंपनी में साथ मौजूद होते हैं. ब्राज़ील के TIC Empresas 2025 सर्वेक्षण का नया विश्लेषण कर्मचारियों के काम को सप्लायरों से करवाए गए काम से अलग करता है, फिर इस फ़र्क को ज़िम्मेदारियाँ तय करने की कार्यपत्रिका में बदलता है.

चुने उद्योगों के ब्राज़ीली औपचारिक उद्यम, जिनमें 10+ लोग काम करते हैं; AI सवालों की पात्रता के लिए IT इकाई या विशेषज्ञ ज़रूरी है. TIC Empresas 2025, डेटा संग्रह फ़रवरी 2025–जनवरी 2026. विश्लेषण 17 अक्टूबर 2026 को पूरा हुआ.

सार

मार्केटिंग या बिक्री में AI इस्तेमाल करने वाले पात्र ब्राज़ीली उद्यमों में, हासिल करने के तरीकों पर पूरे जवाब देने वालों के 69.0% ने इस्तेमाल के लिए तैयार AI हासिल करने के साथ कुछ विकास या बदलाव भी बताया. उस समूह के तैयार AI उपयोगकर्ताओं में अनुपात 81.1% था. संबंधित अलग-अलग अनुमानों के 95% विश्वास अंतराल 61.9%–76.1% और 74.7%–87.5% हैं.[1][4]

ये भारित अनुमान TIC Empresas 2025 से हैं, जिसमें चुने गए औपचारिक उद्यम आते हैं जहाँ 10 या अधिक लोग काम करते हैं; AI सवालों के लिए IT इकाई या IT विशेषज्ञ ज़रूरी है. विश्लेषण फ़रवरी 2025–जनवरी 2026 के मैदानी काम के 447 पूरे जवाब वाले उत्तरदाताओं पर है, जिनमें 376 तैयार AI उपयोगकर्ता हैं. हासिल करने के तरीके कंपनी के पूरे AI समूह का वर्णन करते हैं, ज़रूरी नहीं कि उसके मार्केटिंग इस्तेमाल या एक ही सिस्टम का. व्यावहारिक सीख हर सिस्टम के विकास, बदलाव और रखरखाव की ज़िम्मेदारी तय करना है, काम दिए गए सप्लायरों समेत.

मार्केटिंग मैनेजर देखने में सीधा सवाल पूछता है: क्या हम AI टूल बनाएँ या खरीदें? चर्चा उत्पादों की चुनी सूची और संभावित विकास ब्रीफ़ से शुरू होती है. जल्दी ही कोई पूछता है कि सिस्टम को ज़रूरत के अनुसार कौन बदलेगा, आउटपुट कौन जाँचेगा और कारोबार बदलने पर उसे कौन ठीक करेगा.

इन सवालों में अलग लोग और अलग सिस्टम शामिल हो सकते हैं. तैयार उत्पाद हासिल करना कंपनी के AI से जुड़े सारे काम का वर्णन नहीं करता. उसी तरह, AI से बनी सामग्री की समीक्षा करने वाले कर्मचारी होने का मतलब यह नहीं कि वे सॉफ़्टवेयर बनाते हैं.

हमने ब्राज़ील के सार्वजनिक उद्यम सर्वेक्षण में उन्हीं कारोबारों के AI हासिल करने के जवाब जाँचे. परिणाम बनाने-बनाम-खरीदने की चर्चा के लिए एक खास मानक देता है. सर्वेक्षण का मूल शब्द है “acquired ready to use” (इस्तेमाल के लिए तैयार हासिल किया), जिसका मतलब ज़रूरी नहीं कि पैसे देकर खरीदना या सदस्यता लेना हो.

1 कंपनी AI हासिल करने के कई तरीके अपना सकती है

खुले फ़ोल्डर में 3 अलग व्यवस्थाएँ हैं: टूलबॉक्स के साथ ऐप, पेंसिल के साथ बदले जा सकने वाले मॉड्यूल और पार्सल तथा रिंच के साथ सप्लायर दस्तावेज़.
  • तैयार सॉफ़्टवेयर हासिल करें
  • कर्मचारियों से विकास या बदलाव करें
  • विकास या बदलाव का काम बाहर दें
कंपनी के AI समूह में अलग तरीकों का अवधारणा चित्र. सर्वेक्षण इन तरीकों को एक ही इस्तेमाल से नहीं जोड़ता और न एक से दूसरे तक क्रम दिखाता है.

बनाना, खरीदना और काम देना अलग कामों का वर्णन हैं

सर्वेक्षण 5 तरीके अलग करता है: कर्मचारियों के बनाए AI सॉफ़्टवेयर या सिस्टम; कर्मचारियों के बदले हुए; कर्मचारियों के बदले ओपन-सोर्स सिस्टम; इस्तेमाल के लिए तैयार हासिल किए गए; और उस काम के लिए नियुक्त बाहरी सप्लायरों के बनाए या बदले हुए. कंपनी कई तरीके बता सकती है.[2]

हम पहले 3 को अंदरूनी विकास या बदलाव में रखते हैं. काम देकर करवाना अलग रहता है: वह काम कंपनी के बाहर कोई करता है. केवल सप्लायर का मौजूदा उत्पाद हासिल करने से यह स्थापित नहीं होता कि कंपनी ने उसे विकास का काम दिया. इसी तरह, सॉफ़्टवेयर बदलना ज़रूरी नहीं कि AI मॉडल को प्रशिक्षित करना हो.

तकनीक की परिभाषा भी जनरेटिव AI से व्यापक है. इसमें भाषा और चित्र विश्लेषण, वाक् पहचान, पूर्वानुमान, वर्कफ़्लो ऑटोमेशन और अपने-आप काम करने वाली भौतिक मशीनें शामिल हैं. परिणामों को केवल चैटबॉट, AI लेखन टूल या AI एजेंट के आँकड़े नहीं समझना चाहिए.[2]

एक अहम संबंध प्रश्नावली नहीं जोड़ती. वह उद्यम के AI हासिल करने के तरीकों और मार्केटिंग या बिक्री में AI इस्तेमाल करने के बारे में अलग पूछती है. फ़र्म तैयार मार्केटिंग उत्पाद हासिल कर सकती है और किसी असंबंधित परिचालन सिस्टम का काम बाहर दे सकती है. वह संबंधित सिस्टमों के लिए कई तरीके भी बता सकती है. हम कंपनी के भीतर संयोजन पहचान सकते हैं, लेकिन उसके मार्केटिंग इस्तेमाल को कोई खास तरीका नहीं सौंप सकते.

तैयार AI हासिल करने के साथ अक्सर विकास या बदलाव भी होता है

हासिल करने के तरीकों पर पूरे जवाब देने वाले 447 पात्र मार्केटिंग या बिक्री AI उपयोगकर्ताओं में, अनुमानित 69.0% ने तैयार AI हासिल करने के साथ कम से कम 1 विकास या बदलाव का तरीका बताया. उस अनुमान का अलग 95% विश्वास अंतराल 61.9%–76.1% है. अन्य 16.1% ने तैयार AI हासिल करना और उन अतिरिक्त तरीकों में से कोई नहीं बताया, जिसका अंतराल 10.5%–21.6% है.[1][4]

ये भारित प्रतिशत हैं. पहला परिणाम 307 उत्तरदाताओं से आता है, लेकिन 307 को 447 से भाग देने पर बिना भार वाला नमूना अनुपात मिलेगा, आबादी का अनुमान नहीं. सर्वेक्षण भार इस बात का ध्यान रखते हैं कि उत्तरदाता परिभाषित आबादी के कारोबारों का प्रतिनिधित्व कैसे करते हैं.

अब सवाल उन 376 पूरे जवाब वाली फ़र्मों तक सीमित करें जिन्होंने तैयार AI हासिल करना बताया. इस समूह में उन्हीं 307 उत्तरदाताओं से विकास या बदलाव भी बताने का अनुमान 81.1% और 95% अंतराल 74.7%–87.5% मिलता है. हर बदल गया है. 69.0% और 81.1% के आँकड़े उसी संयोजन को 2 नज़रियों से बताते हैं, 2 स्वतंत्र निष्कर्ष नहीं हैं.

मार्केटिंग मैनेजर के लिए सीख अंदर पूछने का सवाल है: हासिल किए गए टूल के साथ कौन-सा काम होता है? जवाब में कर्मचारी, काम दिए गए सप्लायर या दोनों हो सकते हैं. सर्वेक्षण यह नहीं दिखाता कि तैयार उत्पाद खुद बदला गया था. इसलिए उपयोगी सूची अलग-अलग सिस्टम और हर एक से जुड़े काम से शुरू होती है.

मार्केटिंग या बिक्री उपयोगकर्ताओं में AI हासिल करने के चुने संयोजन

दोनों पंक्तियाँ हासिल करने के तरीकों के पूरे जवाब वाले 447 उत्तरदाता इस्तेमाल करती हैं. प्रतिशत भारित हैं.

अनुमान और हर एक का अलग 95% विश्वास अंतराल पढ़ें
AI हासिल करने का बताया संयोजनअनुमान95% अंतराल: निचली सीमा95% अंतराल: ऊपरी सीमा
तैयार AI हासिल करना और विकास या बदलाव69.0%61.9%76.1%
तैयार AI हासिल करना, विकास या बदलाव का कोई तरीका नहीं16.1%10.5%21.6%
बार बिंदु अनुमान दिखाते हैं; तालिका हर अनुमान के अलग 95% विश्वास अंतराल दिखाती है. ये 2 चुने संयोजन हैं, पूरा वितरण नहीं. विकास या बदलाव में कर्मचारी का काम या काम दिए गए सप्लायर शामिल हैं, संभव है अलग AI सिस्टमों के लिए.

कर्मचारी और सप्लायर की ज़िम्मेदारियाँ अलग पहचानें

पूरे जवाब वाले तैयार AI समूह में, 66.3% ने बाहर काम देकर विकास या बदलाव और 39.0% ने अंदरूनी विकास या बदलाव बताया. कुछ फ़र्में दोनों श्रेणियों में आती हैं: 24.2% ने दोनों तरीके बताए. 2 प्रतिशत जोड़ने से कुछ फ़र्में 2 बार गिनी जाएँगी.[4]

4 संयोजन भूमिकाएँ समझना आसान करते हैं. अंदरूनी काम के बिना बाहर दिया काम 42.1%; बाहर दिए काम के बिना अंदरूनी काम 14.8%; दोनों 24.2%; और कोई भी नहीं 18.9% है. इस चित्र के हर समूह ने तैयार AI हासिल करना भी बताया. “कोई भी नहीं” का मतलब अतिरिक्त विकास के दोनों तरीकों में से कोई नहीं है, यह नहीं कि कारोबार में AI नहीं है या उसकी ज़िम्मेदारी वाला कर्मचारी नहीं है.

बाहर दिए काम के हिस्से में से अंदरूनी हिस्से को घटाने पर अंतर 27.3 प्रतिशत अंक है, जिसका अलग 95% अंतराल 14.0–40.5 अंक है. हमने 2 जवाबों का संबंध बनाए रखते हुए हर सर्वेक्षण प्रतिकृति में अंतर निकाला. यह बताता है कि भूमिकाएँ कितनी बार बताई गईं, खर्च, कर्मचारी समय या कारोबारी मूल्य में उनका हिस्सा नहीं.

जब मार्केटिंग मैनेजर पूछता है कि बदलाव कौन कर सकता है, तब यह फ़र्क मायने रखता है. कर्मचारी सीधे सिस्टम बदल सकता है, जबकि सप्लायर को विनिर्देश, तय दायरा और काम सौंपने की प्रक्रिया चाहिए हो सकती है. दोनों तरीके इस्तेमाल करने वाली फ़र्म को जानना चाहिए कि माँगे बदलाव पर कौन-सी व्यवस्था लागू है. सर्वेक्षण यह स्थापित नहीं करता कि वे व्यवस्थाएँ कितनी अच्छी चलीं.

विकास या बदलाव का काम कौन बताता है?

सभी 4 समूहों ने तैयार AI हासिल करना बताया. प्रतिशत मार्केटिंग या बिक्री AI समूह के उन 376 तैयार AI उपयोगकर्ताओं पर आधारित हैं जिनके स्रोत जवाब पूरे हैं.

अनुमान और हर एक का अलग 95% विश्वास अंतराल पढ़ें
AI हासिल करने का बताया संयोजनअनुमान95% अंतराल: निचली सीमा95% अंतराल: ऊपरी सीमा
बाहर दिया काम, अंदरूनी काम नहीं42.1%33.0%51.2%
अंदरूनी काम, बाहर दिया काम नहीं14.8%8.0%21.7%
अंदरूनी और बाहर दिया काम, दोनों24.2%15.9%32.5%
न अंदरूनी, न बाहर दिया काम18.9%12.5%25.3%
बार बिंदु अनुमान दिखाते हैं; तालिका हर अनुमान के अलग 95% विश्वास अंतराल दिखाती है. राउंड करने से पहले जवाबों के ये 4 संयोजन पूरे समूह को समेटते हैं. अंदरूनी काम का मतलब कर्मचारियों द्वारा किया गया कोई भी विकास या बदलाव है; बाहर दिया काम का मतलब विकास या बदलाव के लिए नियुक्त सप्लायर हैं. तरीकों का एक ही इस्तेमाल से संबंधित होना ज़रूरी नहीं.

AI हासिल करने के स्थापित सवाल के लिए खास मानक

अंदरूनी और बाहरी तरीकों से AI हासिल करना जोड़ना नया विचार नहीं है. Hoffreumon, Forman और van Zeebroeck का 2024 शोध 3,143 यूरोपीय फ़र्मों में तैयार AI हासिल करने और अंदरूनी विकास या अनुकूलन की जाँच करता है. उसका प्रकाशित सार इन तरीकों के बीच आम पूरक संबंध बताता है.[6]

Cetic की अपनी 2025 पुस्तक AI हासिल करने के अलग प्रतिशत बताती है और साथ चलने वाले अपनाने के अलग रास्तों पर चर्चा करती है. हमारा योगदान सीमित है: परिभाषित मार्केटिंग या बिक्री AI समूह की उन्हीं ब्राज़ीली फ़र्मों में बताए तरीकों का दोबारा निकाला जा सकने वाला अनुमान, जिसमें कर्मचारी के काम और बाहर दिए काम का फ़र्क शामिल है.[5]

यह मानक समीक्षा का सवाल तय करने में मदद करता है, लेकिन सप्लायर नहीं चुन सकता या निवेश का मामला तय नहीं कर सकता. आम व्यवस्था फिर भी खास कारोबार के लिए अनुपयुक्त हो सकती है. प्रासंगिक निर्णय यह है कि प्रस्तावित व्यवस्था तय काम कर सकती है या नहीं और डिलिवरी के बाद कोई उसे सँभाल सकता है या नहीं.

काल्पनिक सप्लायर अपने AI टूल से जुड़ा काम दर्ज करता है

ब्राज़ील के एक काल्पनिक ऑफ़िस फ़र्नीचर सप्लायर की कल्पना करें. उसकी मार्केटिंग टीम उत्पाद विवरण के ड्राफ़्ट बनाने के लिए मौजूदा टूल हासिल करती है. कर्मचारी आने वाली पूछताछ छाँटने वाला अंदरूनी AI सिस्टम भी बदलते हैं, जबकि अलग बिक्री पूर्वानुमान सिस्टम को ढालने का काम बाहरी डेवलपर को दिया जाता है. ये समझाने की व्यवस्थाएँ हैं, सर्वेक्षण की कंपनी या सुझाया संयोजन नहीं.

मार्केटिंग मैनेजर 1 माँग से शुरू करता है: विनिर्देश बदलने पर उत्पाद विवरण एक जैसे रखें. हासिल किया लेखन टूल उस काम का केवल एक हिस्सा है. किसी को मंज़ूर विनिर्देश देने, ड्राफ़्ट की समीक्षा करने और उसके इस्तेमाल योग्य होने का निर्णय लेने की ज़िम्मेदारी चाहिए. केवल इन ज़िम्मेदारियों से यह मतलब नहीं निकलता कि कारोबार ने AI सॉफ़्टवेयर बनाया या बदला है.

पूछताछ सिस्टम अलग सवाल उठाता है. कर्मचारी ने उसका पूछताछ बाँटने का तरीका बदला, इसलिए टीम पहचानती है कि बदलाव कौन समझता है, गलत बँटवारा कैसे पहचाना जाता है और अनुचित बदलाव कौन वापस कर सकता है. बाहर काम दिए पूर्वानुमान सिस्टम के लिए वह जाँचती है कि बाहरी डेवलपर क्या सौंपेगा, कौन-से बदलाव शामिल हैं और डिलिवरी के बाद कौन जवाब देगा.

टीम 3 सिस्टम कार्यपत्रिका की अलग पंक्तियों में रखती है. केवल “हम AI खरीदते हैं” का लेबल कर्मचारी का बदलाव और बाहर दिया काम छिपा देगा; केवल “हम AI बनाते हैं” का लेबल हासिल किया उत्पाद छिपा देगा. सूची सभी 3 के लिए AI हासिल करने का एक ही निर्णय नहीं माँगती.

निकलने वाले काम स्पष्ट हैं: विवरण के समीक्षक का नाम तय करें, पूछताछ सिस्टम का बदलाव दर्ज करें और पूर्वानुमान सिस्टम सौंपने पर सहमति बनाएँ. उदाहरण बचत या प्रदर्शन का दावा नहीं करता. इन कामों से कारोबार सुधरता है या नहीं, इसके लिए उसके असली काम का प्रमाण चाहिए.

अगला तरीका चुनने से पहले AI ज़िम्मेदारियों की कार्यपत्रिका इस्तेमाल करें

हर मौजूदा सिस्टम या प्रस्तावित इस्तेमाल के लिए 1 पंक्ति रखें. उत्पाद कॉपी तैयार करने या बिक्री पूछताछ छाँटने जैसे ठोस काम से शुरू करें. केवल “मार्केटिंग AI” नाम की पंक्ति से बचें: वह छिपाती है कि टूल से कौन-सा काम करवाना है. यह कार्यपत्रिका व्यावहारिक सुझाव है, सर्वेक्षण में जाँचा गया हस्तक्षेप नहीं.

सिस्टम और काम दर्ज करें. उसका नाम, वह किस कारोबारी सवाल के काम आता है, इस्तेमाल की जानकारी और वह आउटपुट लिखें जिस पर कोई कार्रवाई करता है. ऐसा व्यक्ति पहचानें जो मौजूदा प्रक्रिया दिखा सके. प्रस्तावित टूल अभी मौजूद न हो, तो तय काम को उससे मिलने वाले परिणामों के अनुमानों से अलग रखें.

दर्ज करें कि वह कैसे हासिल और बदला जाता है. तैयार हासिल करना, कर्मचारी द्वारा विकास या बदलाव, बाहर काम देकर विकास या बदलाव या उनका मेल चिह्नित करें. हर निशान के पीछे का खास काम बताएँ. सामान्य इस्तेमाल, सामग्री समीक्षा और कॉन्फ़िगरेशन को कर्मचारी के सॉफ़्टवेयर बनाने के दावे से अलग रखें; फ़र्क अस्पष्ट हो तो तकनीकी ज़िम्मेदार से पूछें.

काम सौंपने और रखरखाव के ज़िम्मेदारों के नाम तय करें. पहचानें कि दिया गया बदलाव कौन स्वीकार करता है, इनपुट कौन ताज़ा रखता है, खराबी कौन सँभालता है और बदलकर दूसरा लेने की मंज़ूरी कौन दे सकता है. सप्लायर शामिल हो, तो लिखें कि वह वास्तव में कौन-सी ज़िम्मेदारियाँ स्वीकार करता है. केवल संपर्क नाम से यह नहीं पता चलता कि व्यक्ति उपलब्ध न हो तो क्या होगा.

समीक्षा और छोड़ने का रास्ता तय करें. सिस्टम के सँभालने योग्य ठोस उदाहरण और मानव समीक्षा वाली ज्ञात स्थिति चुनें. दर्ज करें कि टीम परिणाम कैसे जाँचेगी और सिस्टम अनुपलब्ध या अनुपयुक्त हो तो क्या करेगी. यह मानने के बजाय कि नया सप्लायर मौजूदा ग्राहक डेटा पा सकता है, मंज़ूर परीक्षण जानकारी इस्तेमाल करें.

पूरी पंक्ति ऐसे निर्देश की तरह पढ़ी जानी चाहिए जिसका कोई पालन कर सके: “उत्पाद विवरण टूल; मंज़ूर विनिर्देश शीट; कैटलॉग संपादक से ड्राफ़्ट की समीक्षा; उत्पाद बदलाव मर्चेंडाइज़िंग टीम देगी; खराबी नामित टूल ज़िम्मेदार को बताई जाएगी; खराबी सुलझने तक पिछली मंज़ूर कॉपी इस्तेमाल होगी.” उदाहरण ज़िम्मेदारी बताता है. यह सामान्य संपादन को AI विकास नहीं कहता.

काम, उसे सौंपने और अगली समीक्षा का खाका बनाएँ

सिस्टम कार्डों का फ़ोल्डर आवर्धक काँच के नीचे है; उसके बाद दस्तावेज़ के आसपास कर्मचारी की कार्यमेज़ और सप्लायर का पार्सल हैं, फिर दोबारा समीक्षा के चिह्न वाली चेकलिस्ट है.
  1. सिस्टम पहचानें

    काम, इनपुट और अपेक्षित आउटपुट बताएँ.

  2. काम की ज़िम्मेदारी तय करें

    कर्मचारियों की ज़िम्मेदारियों को सप्लायर की प्रतिबद्धताओं से अलग रखें.

  3. अगली समीक्षा की योजना बनाएँ

    तय करें कि बदलाव कौन जाँचेगा और समस्याएँ कौन सँभालेगा.

कार्यपत्रिका के लिए सुझाई समीक्षा प्रक्रिया. यह कारोबारी ज़िम्मेदारियाँ दिखाती है, मापा क्रम या सर्वेक्षण में जाँचा नतीजा नहीं.

डिलिवरी के बाद के काम समेत पूरी व्यवस्थाओं की तुलना करें

नए इस्तेमाल के लिए एक ही काम और समीक्षा मानदंडों पर विकल्पों की तुलना करें. पूछें कि मौजूदा उत्पाद अपने दिए रूप में क्या सँभालता है, किसमें कर्मचारी का काम चाहिए और काम दिया गया सप्लायर क्या देगा. किसी प्रस्तावित मेल की तुलना से पहले ये जवाब अलग रखें.

बजट बनाएँ, तो उत्पाद शुल्क को विकास, समीक्षा, रखरखाव और काम सौंपने से अलग रखें. कारोबार के अपने मूल्य प्रस्ताव और समय अनुमान इस्तेमाल करें. ब्राज़ीली सर्वेक्षण इन लागतों में से कोई नहीं मापता, इसलिए उसके प्रतिशत खरीदना, बनाना या बाहर काम देना सस्ता होने का दावा उचित नहीं ठहरा सकते.

कारोबार में कई सिस्टम पहले से हों, तो रणनीति को नया लेबल देने से पहले सूची पूरी करें. मुख्य नतीजा यह है कि इस खास समूह में तैयार AI हासिल करना आम तौर पर दूसरे तरीकों के साथ दिखाई देता है. उपयोगी अगला कदम अपने कारोबार की संबंधित ज़िम्मेदारियाँ पहचानना है, फिर उन्हें सामने रखकर अगला निर्णय लेना.

हमने AI हासिल करने के संयोजन कैसे निकाले

हमने 17 अक्टूबर 2026 को ली गई NIC.br/Cetic.br की सार्वजनिक TIC Empresas 2025 फ़ाइल का विश्लेषण किया, जिसे गोपनीयता बचाने के लिए संशोधित किया गया है. यह चुने विनिर्माण, निर्माण, व्यापार और सेवा उद्योगों के सक्रिय औपचारिक ब्राज़ीली उद्यमों को शामिल करती है, जिनमें 10 या अधिक लोग काम करते हैं. मूल “People working” (काम करने वाले लोग) का दायरा वेतनभोगी कर्मचारियों से व्यापक है. सीमा से नीचे की फ़र्में, सार्वजनिक उद्यम और सर्वेक्षण दायरे के बाहर के क्षेत्र शामिल नहीं हैं.[1][3]

साक्षात्कार फ़रवरी 2025 से जनवरी 2026 तक हुए और AI मॉड्यूल सभी 3 चरणों में था. पात्रता के लिए IT इकाई या IT विशेषज्ञ और सूचीबद्ध AI तकनीकों में से कम से कम 1 का इस्तेमाल ज़रूरी है. H10_A मौजूदा मार्केटिंग या बिक्री इस्तेमाल पहचानता है; H9A_A–E हासिल करने के तरीके पहचानता है. इन AI सवालों में पिछले 12 महीनों को याद करने की कोई तय अवधि नहीं दी गई है.[2][3][8]

सार्वजनिक फ़ाइल में 4,171 रिकॉर्ड हैं, जिनमें 1,085 ने AI इस्तेमाल और 472 ने मार्केटिंग या बिक्री इस्तेमाल बताया. बाद वाले समूह के 447 सभी 5 हासिल करने की मदों पर हाँ/नहीं जवाब देते हैं; वे भारित समूह का 96.7% दर्शाते हैं. मुख्य चित्र पूरे जवाब इस्तेमाल करते हैं. तैयार AI उपसमूह में 376 उत्तरदाता हैं. अज्ञात जवाबों को नहीं में नहीं बदला गया.[4]

हर प्रतिशत के लिए हम घटना के भारों के योग को संबंधित समूह के भारों के योग से भाग देते हैं. दिए गए 200 संयुक्त प्रतिकृति भार और मूल विचरण सेटिंग से पूरे अनुपात और अंतर दोबारा निकालते हैं. हर अनुमान का नॉर्मल वितरण पर आधारित अलग 95% अंतराल Cetic की विधि के अनुसार 1.96 मानक त्रुटि इस्तेमाल करता है. वे हर तुलना के लिए एक साथ गारंटी नहीं देते.[3][7]

हम अधूरे जवाब वाले 25 उत्तरदाताओं को भी शामिल करते हैं और उनके ज्ञात जवाबों से संगत हर हाँ/नहीं पूर्ति देखते हैं. तब संयुक्त पैटर्न सभी पात्र मार्केटिंग या बिक्री AI उपयोगकर्ताओं के 67.7% से 69.0% तक है. तैयार AI उपयोगकर्ताओं में शर्त-आधारित अनुपात 80.9% से 81.6% तक है, अंश और हर को संगत रूप से बदलने देते हुए. ये गायब जवाबों की सीमाएँ हैं, विश्वास अंतराल नहीं; नमूना अंतराल अधिक चौड़े रहते हैं.

डेटा संग्रह रिपोर्ट 8% कुल जवाब दर और 4,174 पूरे साक्षात्कार बताती है. सार्वजनिक फ़ाइल से 3 रिकॉर्ड के अंतर का कारण स्थापित नहीं है. भार और नमूना अंतराल सभी गैर-जवाब या रिपोर्टिंग पक्षपात नहीं हटाते और गोपनीयता संशोधन की त्रुटि नहीं मापते. हमने प्रकाशक की तालिकाओं से AI से जुड़े 6 अलग-अलग प्रतिशतों और उनकी अनिश्चितता जाँची, लेकिन इससे साबित नहीं होता कि हर नया संयुक्त संबंध उस संशोधन से अप्रभावित है.[7][8]

हम चुने गए तरीके और स्रोत भूमिकाओं के पूरे जवाब वाले 4 संयोजन दिखाते हैं. कोई सूचीबद्ध तरीका न बताने वाला छोटा शेष हिस्सा बिना व्याख्या के मुख्य हर में रहता है. डाउनलोड में सटीक परिभाषाएँ, समेकित अनुमान, स्रोत हैश और कोड हैं. उत्तरदाता डेटा Cetic से अलग लेना होगा; यहाँ उत्तरदाता रिकॉर्ड या पहचानकर्ता शामिल नहीं हैं.[4][9]

CSV में चित्र की 6 समेकित पंक्तियाँ और हर अनुमान के अलग 95% विश्वास अंतराल हैं. ZIP में शर्त-आधारित मानक, गायब-जवाब सीमाएँ, कोड, परिभाषाएँ और सटीक स्रोत हैश भी हैं. इसमें उत्तरदाताओं के रिकॉर्ड या पहचानकर्ता नहीं हैं. संख्यात्मक फ़ील्ड में दशमलव बिंदु इस्तेमाल होता है.

स्रोत और नोट

  1. NIC.br/Cetic.br, TIC Empresas 2025, सांख्यिकीय गोपनीयता संशोधन वाला सार्वजनिक सूक्ष्म डेटा, संस्करण 1.0, 15 जून 2026 को प्रकाशित; 17 अक्टूबर 2026 को लिया गया. Influence IQ ने सार्वजनिक उत्तरदाता फ़ाइल से संयुक्त अनुमान निकाले.
  2. TIC Empresas 2025 प्रश्नावली, मुद्रित पृष्ठ 15–16. H9 में 7 AI तकनीकें मापी जाती हैं और IT इकाई (P3) या IT विशेषज्ञ (F8) ज़रूरी है. H9A इस्तेमाल में AI सॉफ़्टवेयर या सिस्टम के हासिल करने/विकास के तरीके पूछता है. H10 अलग से मार्केटिंग या बिक्री समेत इस्तेमाल पूछता है. हासिल करने के तरीके खास इस्तेमालों से जुड़े नहीं हैं.
  3. TIC Empresas 2025 की पद्धति रिपोर्ट, मुद्रित पृष्ठ 31–40: उद्यम आबादी, काम करने वाले लोग, नमूना, भार और नॉर्मल वितरण पर आधारित 95% सीमाएँ. मुद्रित पृष्ठ 38 की तालिका 1 में मॉड्यूल H सभी 3 डेटा संग्रह चरणों में है. अध्ययन 10 लोगों से छोटे कारोबारों, बाहर के क्षेत्रों या AI सवालों के लिए अपात्र फ़र्मों पर सामान्यीकरण नहीं करता.
  4. Influence IQ की गणनाएँ: H10_A=yes; मुख्य समूह के लिए सभी H9A_A–E ज्ञात. D तैयार हासिल करना पहचानता है; A/B/C अंदरूनी विकास या बदलाव; E बाहर काम देकर विकास या बदलाव. दिया गया कोड भारित अनुपात, पूरी प्रतिकृतियों के अंतर और तार्किक रूप से संगत गायब-जवाब सीमाएँ निकालता है. चित्र के चुने पैटर्न 447 उत्तरदाताओं वाले समूह का पूरा विभाजन नहीं हैं.
  5. TIC Empresas 2025 पुस्तक, मुद्रित पृष्ठ 77–78 और Graph 16, AI हासिल करने के अलग प्रतिशत पहले ही बताती है. Natália Marroni Borges का अध्याय, मुद्रित पृष्ठ 87–90 पर पढ़ा गया, साथ मौजूद अपनाने के रास्तों और संगठनात्मक ज़िम्मेदारियों की चर्चा करता है. हम खास मार्केटिंग/बिक्री इस्तेमाल का संयुक्त मानक जोड़ते हैं, मिले-जुले स्रोतों को नया सिद्धांत नहीं कहते. पुस्तक के कोई चित्र दोबारा नहीं दिए गए.
  6. Charles Hoffreumon, Chris Forman and Nicolas van Zeebroeck (2024), “Make or buy your artificial intelligence? Complementarities in technology sourcing,” Journal of Economics & Management Strategy 33(2), 452–479. प्रकाशक का सार 3,143 यूरोपीय फ़र्मों और AI हासिल करने के पूरक तरीकों का वर्णन करता है. हमारी चर्चा उसी सार पर आधारित है, बिना जाँचे पूरे पाठ पर नहीं.
  7. मूल RData डिज़ाइन ऑब्जेक्ट bootstrap svyrep.design है, जिसमें 200 संयुक्त प्रतिकृति भार, scale 0.005901842120932432, प्रतिकृति scale 1 और mse=false हैं. विचरण का केंद्र प्रतिकृतियों का औसत है. सर्वेक्षण संदर्भ वे सेटिंग समझाता है; संस्था का सॉफ़्टवेयर संस्करण और मूल प्रतिकृतियाँ बनाने की विधि स्थापित नहीं हैं. अलग-अलग नमूना अंतराल शेष गैर-जवाब पक्षपात या गोपनीयता संशोधन की त्रुटि नहीं मापते.
  8. TIC Empresas 2025 की डेटा संग्रह रिपोर्ट, मैदानी काम के लिए मुद्रित पृष्ठ 50 और 8% कुल जवाब दर तथा 4,174 पूरे साक्षात्कारों के लिए पृष्ठ 53. विश्लेषित सार्वजनिक फ़ाइल में 4,171 रिकॉर्ड हैं; 3 रिकॉर्ड के अंतर का कारण अनसुलझा है. सार्वजनिक फ़ाइल में गोपनीयता संशोधन है, इसलिए प्रकाशित अलग-अलग प्रतिशतों का दोबारा मिलना हर नए संयुक्त अनुमान को प्रतिबंधित मूल डेटा से मान्य नहीं करता.
  9. डेटासेट विशेष मेटाडेटा डेटा और तालिकाओं को CC BY 4.0 देता है. स्रोत: NIC.br/Cetic.br, TIC Empresas 2025. Influence IQ ने समूह चुने, संयुक्त परिणाम और अनिश्चितता निकाली तथा व्याख्या और अनुवादित लेबल तैयार किए. NIC.br/Cetic.br इन रूपांतरणों का समर्थन नहीं करता. पुस्तक की अलग पुनः उपयोग शर्तें उसके चित्रों का लाइसेंस नहीं हैं.

स्रोत: NIC.br/Cetic.br, TIC Empresas 2025. गणनाएँ, व्याख्या और अनुवाद Influence IQ के हैं. NIC.br/Cetic.br इन रूपांतरणों का समर्थन नहीं करता.

AI ज़िम्मेदारियों को अपने मार्केटिंग काम से जोड़ें