Co jeszcze niepokoi firmy, którym AI wydaje się zbyt droga?

Brazylijskie badanie firm pokazuje, jak obawy dotyczące pracowników i danych współwystępują w firmach wskazujących wysokie koszty AI. Wynik może pomóc doprecyzować propozycję wdrożenia AI.

Oryginalna analiza Influence IQ na podstawie TIC Empresas 2025; wywiady przeprowadzono w Brazylii od lutego 2025 do stycznia 2026.

Streszczenie

Szacunkowo 37,5% firm wskazujących wysokie koszty AI w określonej przez nas grupie brazylijskiego badania zgłaszało też zarówno brak pracowników o wymaganych umiejętnościach, jak i trudności z dostępnością lub jakością danych. Ważone oszacowanie ma 95-procentowy przedział niepewności wynikającej z doboru próby od 29,8% do 45,2%. Firmy te miały obszar, dział lub specjalistę IT, nie zgłosiły korzystania z żadnej z 7 wymienionych technologii AI i stwierdziły, że koszty wydają się zbyt wysokie.[1][2][8]

Przeanalizowaliśmy TIC Empresas 2025, badanie prowadzone od lutego 2025 do stycznia 2026 wśród formalnie działających prywatnych firm, w których pracuje co najmniej 10 osób, w sektorach objętych badaniem. Główna grupa obejmuje 547 opublikowanych rekordów. Praktyczny wniosek to pytanie nie tylko o cenę, lecz także o proponowane zadanie, osoby sprawdzające pracę i potrzebne informacje. To wskazówka do planowania wynikająca ze zgłoszonych obaw, a nie dowód, że obniżenie cen lub szkolenia spowodowałyby wdrożenie.

Propozycja zastosowania AI trafia na biurko właściciela firmy i zatrzymuje się na cenie. Kolejne spotkanie może zamienić się w poszukiwanie tańszego narzędzia. Warto jednak najpierw zapytać: co korzystanie z niego oznaczałoby dla zespołu?

To sytuacja ilustracyjna, a nie wywiad z badania. Wyjaśnia, dlaczego wyszliśmy poza listę często zgłaszanych wyzwań związanych z wdrażaniem AI. Chcieliśmy ustalić, czy te same firmy, które wskazywały koszty, zgłaszały też obawy dotyczące pracowników i danych.

To rozróżnienie ma znaczenie dla zespołu marketingowego rozważającego nowe zadanie. Cenę można porównać w arkuszu. Osoby sprawdzające pracę i informacje, na których będą polegać, wymagają osobnej rozmowy. Nasza analiza opisuje współwystępowanie tych obaw; przykład poniżej pokazuje jeden ze sposobów przełożenia tego rozróżnienia na użyteczny brief decyzyjny.

Propozycja i związana z nią praca

Notatnik z monetami, puste karty zadań, drewniane figurki, podkładka do oceny i teczki z informacjami na ilustrowanym biurku.
Ilustracja decyzji planistycznej, a nie danych z badania. Proponowane zadanie wymaga ceny, osoby potrafiącej ocenić pracę i odpowiednich informacji.

Jak współwystępują obawy dotyczące pracowników i danych

Spośród 547 kwalifikujących się firm wskazujących wysokie koszty AI 197 zgłosiło też zarówno brak pracowników o wymaganych umiejętnościach, jak i trudności z dostępnością lub jakością danych. Po zastosowaniu wag badania daje to szacunkowo 37,5%. Udział nieważony wynosi 36,0%.[1][8]

Oba odsetki dotyczą tych samych firm i odpowiedzi. Wynik nieważony traktuje każdą firmę jednakowo. Wynik ważony przypisuje każdemu rekordowi udział wynikający ze schematu badania, dlatego jest naszym głównym oszacowaniem. Ważenie zmienia oszacowanie, ale nie to, które odpowiedzi uznajemy za zgłoszenie obu obaw.

Obawy dotyczące pracowników i danych zgłaszane razem przez firmy wskazujące koszty

Firmy z obszarem, działem lub specjalistą IT, bez zgłoszonego korzystania z 7 wymienionych technologii AI i z obawą o postrzegane wysokie koszty. Zmierzyliśmy udział firm wyraźnie zgłaszających obawy dotyczące zarówno pracowników, jak i danych.

Tabela danych: obawy dotyczące pracowników i danych w firmach wskazujących wysokie koszty AI
Grupa badaniaZ wagami badaniaBez wag badaniaPrzedział 95%: dolna granicaPrzedział 95%: górna granicaFirmy w grupie próby
Kwalifikujące się firmy wskazujące wysokie koszty AI37,5%36,0%29,8%45,2%547
Brazylia, wywiady od lutego 2025 do stycznia 2026. Mianownik obejmuje 547 opublikowanych rekordów; wszystkie nieznane odpowiedzi dotyczące pracowników lub danych pozostają w nim uwzględnione. Ważone oszacowanie i jego 95-procentowy przedział niepewności z doboru próby wykorzystują oryginalny schemat badania. Oszacowanie nieważone używa tych samych rekordów z jednakowym udziałem. Te odsetki opisują określoną grupę, a nie wszystkie firmy.

95-procentowy przedział niepewności wynikającej z doboru próby wynosi od 29,8% do 45,2%. Ten zakres przemawia za opisem „około 4 na 10”, zamiast sugerowania, że 37,5% to dokładna miara dla wszystkich podobnych firm.

Ponieważ wszystkie 3 odpowiedzi pochodzą z tego samego rekordu, analiza mierzy współwystępowanie bezpośrednio. Widzimy, czy firmy zgłaszające obawę o koszty wyraźnie zgłosiły też obawy dotyczące zarówno pracowników, jak i danych.

Pozostałe odpowiedzi pozostają otwarte. Firma spoza grupy z potwierdzonymi obiema obawami mogła zgłosić jedną z nich, żadnej lub odpowiedź nieznaną. Dopełnienia tej grupy nie można opisać jako firm, których jedynym problemem jest cena. Kwestionariusz zawiera też inne powody, a nasz główny wynik ich nie szereguje.

Odsetek opisuje tę historyczną grupę brazylijskiego badania. Firma w innym miejscu może wykorzystać rozróżnienie do sformułowania własnego pytania badawczego.

Co oznaczają tu „koszty”, „umiejętności” i „dane”

Pytanie o koszty dotyczy tego, czy wydają się one zbyt wysokie. Nie zapisuje oferty dostawcy, kwoty dostępnej dla firmy ani wydatku, który respondent miał na myśli. Mówimy więc o obawie związanej z postrzeganym kosztem. Odpowiedzi nie mówią, o ile musiałyby spaść ceny ani czy rabat zmieniłby decyzję.[2]

Pytanie o pracowników dotyczy osób w firmie, które mają umiejętności potrzebne do korzystania z technologii. Kwestionariusz najpierw sprawdza obecność obszaru, działu lub specjalisty IT. Samo posiadanie takiego wsparcia nie rozstrzyga, czy osoby zaangażowane mają umiejętności potrzebne do proponowanego zadania z AI.

Pytanie o dane łączy dostępność i jakość. Odpowiedź twierdząca może dotyczyć istnienia odpowiednich informacji, ich przydatności do użycia lub obu kwestii. Ponieważ badanie nie rozdziela tych możliwości, nie ustala, jakiego przygotowania potrzebuje konkretna firma.

7 pytań o korzystanie z AI obejmuje więcej niż generatywną AI. Dotyczą między innymi analizy tekstu, rozpoznawania mowy, uczenia maszynowego i automatyzacji procesów pracy. Wynik odnosi się zatem do tej szerszej listy technologii.

Wszystkie nieznane odpowiedzi dotyczące pracowników lub danych pozostają w pełnej grupie zgłaszającej obawy o koszty. Główny odsetek liczy wyraźne potwierdzenie obu obaw; nie zastępuje brakujących odpowiedzi domysłem. Kryteria kwalifikacji dopuszczają też nieznane lub brakujące odpowiedzi dotyczące użycia AI, więc „nie zgłosiły korzystania” nie oznacza potwierdzonego niekorzystania.

Zamień zastrzeżenie do ceny w precyzyjniejsze pytanie o plan

Dla właściciela firmy lub osoby kierującej marketingiem praktyczny wniosek to rozdzielenie 3 pytań: ile kosztuje proponowane zadanie, kto potrafi ocenić pracę i jakich informacji ona wymaga. Zaobserwowane współwystępowanie uzasadnia zadawanie tych pytań razem. Badając wyzwania wdrażania AI we własnej firmie, zacznij od konkretnego zadania i informacji od osób, które miałyby je wykonywać.

Zacznij od opisu pracy, którą ktoś może sprawdzić. „Wykorzystać AI w marketingu” jest zbyt ogólne, by ujawnić potrzeby zespołu. „Pogrupować napływające pytania o produkty w tematy do oceny przez zespół sprzedaży” wskazuje rezultat i osoby, które go wykorzystają. Węższe zadanie pozwala rozmawiać o cenie czegoś konkretnego.

Następnie zapytaj, co obejmuje proponowana cena. Abonament narzędzia i czas pracowników potrzebny na przygotowanie informacji lub sprawdzenie wyniku to osobne pozycje planu. To proponowane rozróżnienie do planowania, a nie podział zmierzony w badaniu. Zespół może je zapisać, nie zakładając, że nowe zadanie będzie drogie ani że oszczędzi czas.

Pytanie o sprawdzanie może być użyteczniejsze niż ogólne pytanie o pewność w korzystaniu z AI. Kto rozpozna błędnie pogrupowane zapytanie? Do jakiego źródła sięgnie, gdy odpowiedź jest niepewna? Kto zdecyduje, czy wynik nadaje się do użycia? Te pytania wskazują odpowiedzialność za proponowane zadanie; nie diagnozują umiejętności osoby na podstawie statystyki z badania.

Dostosuj kolejny krok do decyzji. Firma może potrzebować doprecyzowania oferty, znalezienia wiarygodnego dokumentu o produkcie lub poproszenia kogoś z zespołu o ocenę małego przykładu. Wybierz sprawdzenie odpowiadające na konkretne nierozstrzygnięte pytanie, zanim zaangażujesz się w większy projekt.

3 pytania o proponowane zadanie

3 grupy ilustrowanych przedmiotów: pusty rejestr z monetami, drewniane figurki obok podkładki do oceny oraz teczki z kartami informacji.
  1. Wyjaśnij koszty

    Zapisz, co obejmuje oferta oraz które koszty lub zadania nadal wymagają odpowiedzi.

  2. Wskaż osobę oceniającą

    Ustal, kto potrafi ocenić pracę i gdzie sprawdzi niepewne informacje.

  3. Sprawdź informacje

    Znajdź aktualne materiały źródłowe i ustal, czy można je właściwie wykorzystać.

Schemat pomocny w planowaniu, a nie zmierzony model przyczynowy ani ranking obaw z badania.

Fikcyjna hurtownia analizuje 1 proponowane zadanie

Rozważ fikcyjną regionalną hurtownię, której zespół sprzedaży otrzymuje pytania o produkty przez stronę, e-mail i wiadomości w mediach społecznościowych. Menedżer proponuje pogrupowanie tych zapytań według tematów przy użyciu AI. Zespół chce zobaczyć, które pytania wymagają jaśniejszych informacji o produkcie, a które powinny trafić do sprzedawcy. To ilustracyjny przykład planowania, a nie firma zaobserwowana w badaniu.

Pierwsza rozmowa zatrzymuje się na cenie. Zamiast uznać, że koszt wyjaśnia wszystko, menedżer zapisuje proponowany wynik: listę tematów zapytań z odnośnikami do oryginalnych wiadomości, do sprawdzenia przez człowieka. Propozycja nie obejmuje wysyłania automatycznych odpowiedzi ani rekomendowania klientom produktów.

Kierowniczka sprzedaży zauważa, że podobne nazwy produktów mogą się mylić. Zgadza się sprawdzać grupowanie względem aktualnego katalogu i oznaczać zapytania o niejasnym znaczeniu. Właściwe pytanie brzmi teraz, czy ma informacje i znajomość tematu potrzebne do tej oceny, a nie czy ktoś w firmie ogólnie „zna się na AI”.

Ktoś z zespołu sprawdza informacje potrzebne do zadania. Opisy produktów znajdują się w więcej niż 1 dokumencie, a niektóre zapytania zawierają dane klientów. Przed przygotowaniem przykładu zespół postanawia wskazać aktualne źródło informacji o produktach i sprawdzić, które wiadomości może właściwie wykorzystać.

Menedżer może teraz poprosić o konkretniejszą propozycję. Co robi narzędzie, co musi sprawdzić człowiek i jakie informacje trzeba przygotować? Zespół zapisuje te zadania obok zaoferowanej ceny.

Kolejna decyzja dotyczy tego, czy ograniczony przegląd odpowie na pozostałe pytania. Zespół może kontynuować, zmienić zadanie lub je odłożyć. Menedżer zapisuje powód decyzji i nowe informacje, które uzasadniałyby ponowną ocenę.

Skopiuj ten arkusz przed kolejną propozycją zastosowania AI

Skopiuj ten szablon do istniejącego briefu projektu lub notatki ze spotkania. Konto Influence nie jest potrzebne. Wypełnij go dla 1 proponowanego zadania.

1. Planowane zadanie: [konkretna praca] → [wynik, który ktoś może sprawdzić] → [osoba lub zespół, który go wykorzysta]. Zapisz, co obejmuje propozycja i co pozostaje poza nią.

2. Pytanie o koszty: [omawiana oferta lub szacunek] · [co obejmuje] · [co pozostaje nieznane]. Jeśli to istotne, osobno zapisz przygotowanie lub sprawdzanie wykonywane przez pracowników; nie wymyślaj oszczędności, by uzasadnić propozycję.

3. Odpowiedzialność za ocenę: [wskazana osoba] · [co sprawdzi] · [źródło, z którego może skorzystać] · [co zrobi w razie niepewności]. Samo stanowisko może nie odpowiadać na te pytania.

4. Wymagane informacje: [dokumenty lub zapisy źródłowe] · [kto je utrzymuje] · [czy są aktualne i odpowiednie do użycia] · [nierozstrzygnięte pytanie o dostępność lub jakość].

5. Małe kolejne sprawdzenie: [pytanie do rozstrzygnięcia] · [osoba odpowiedzialna] · [dowody, które pomogą podjąć decyzję]. Opisz sprawdzenie przed interpretacją jego wyniku.

6. Zapis decyzji: [kontynuować, zmienić lub odłożyć] · [powód poparty sprawdzeniem] · [pozostała niepewność]. Rozdziel obawę od dowodów, że została rozstrzygnięta.

W przykładzie fikcyjnej hurtowni wynikiem jest lista tematów zapytań, ocenia ją kierowniczka sprzedaży, a źródłem odniesienia dla produktów jest aktualny katalog. Kolejne sprawdzenie dotyczy tego, czy taki układ daje coś, co zespół sprzedaży potrafi ocenić. Te zapisy konkretyzują propozycję bez zapożyczania wskaźnika sukcesu z niepowiązanego badania.

Jak przeanalizowaliśmy badanie

Wykorzystaliśmy publiczne mikrodane TIC Empresas 2025 udostępnione przez NIC.br/Cetic.br po przetworzeniu służącym ochronie poufności. Wywiady odbyły się w Brazylii od lutego 2025 do stycznia 2026. Badanie obejmuje aktywne, formalnie działające prywatne przedsiębiorstwa z co najmniej 10 pracującymi w określonych sektorach.[1][3][4]

Analizę rozpoczynamy od pytania kwalifikującego o obszar, dział lub specjalistę IT. Następnie zachowujemy firmy bez odpowiedzi twierdzącej na którekolwiek z 7 pytań o technologie AI i z odpowiedzią twierdzącą na pytanie o postrzegany koszt. Główne obliczenie dzieli sumę wag firm wyraźnie zgłaszających obawy dotyczące zarówno pracowników, jak i danych przez sumę wag całej kwalifikującej się grupy zgłaszającej obawy o koszty. Wszystkie nieznane odpowiedzi dotyczące pracowników lub danych pozostają w tym mianowniku.

Niepewność wynikającą z doboru próby obliczyliśmy z wykorzystaniem dostarczonych 200 wag replikacyjnych łączonego bootstrapu. Przedziały opisują niepewność poszczególnych oszacowań, a nie każde możliwe źródło błędu. Pokazujemy tylko wyniki spełniające z góry ustalone reguły dotyczące wystarczalności danych i ujawniania; pominiętych przekrojów nie należy uznawać za zerowe.[8]

Pytanie badawcze i obliczenia ustaliliśmy przed analizą łącznych wyników. Podczas sprawdzania źródeł udokumentowaliśmy niespójność opublikowanych kodów odpowiedzi poza naszą grupą analityczną i skorygowaliśmy zbyt precyzyjne porównanie z opublikowanymi tabelami odniesienia. Plik do pobrania opisuje, co i kiedy zmieniono. Zmiany nie wpłynęły na populację analizy ani docelowe obliczenia. Niezależne obliczenie odtworzyło opublikowany wynik.[8]

Plik publiczny poddano przetworzeniu chroniącemu poufność. Cetic.br sprawdza jego użyteczność względem opublikowanych tabel, ale nie potwierdza to, że każda nowa analiza łączna jest identyczna z analizą na oryginalnych wywiadach.[7]

Ogólna obserwacja, że obawy dotyczące pracowników, danych i finansów mogą współwystępować, jest już znana. Wcześniejsze badania grupowały firmy według kombinacji barier, a raport twórców badania z 2025 roku omawia ludzi i dane wśród wymogów wdrożenia. Nasz wkład to bezpośrednie oszacowanie wybranych obaw zgłaszanych łącznie w tej konkretnej grupie obawiającej się kosztów, a nie odkrycie nowej przyczyny niewdrażania AI.[5][6]

Bez rejestracji. Tabela zawiera historyczne wyniki zagregowane. Pakiet zawiera przetłumaczone objaśnienia metody, sprawdzeń źródeł i zabezpieczeń publikowanych wyników; nie rozpowszechnia indywidualnych rekordów badania.

Źródła i przypisy

  1. NIC.br/Cetic.br, publiczne podstawowe mikrodane TIC Empresas 2025 po przetworzeniu chroniącym poufność, wersja 1.0, opublikowana 15 czerwca 2026. Autorstwo danych źródłowych wskazano zgodnie z CC BY 4.0. Podane tu odsetki to obliczenia Influence IQ na opublikowanych rekordach, a nie cytaty z opublikowanego głównego wyniku.
  2. Kwestionariusz TIC Empresas 2025, H9 i H13. H9 obejmuje 7 technologii AI po pytaniu kwalifikującym o obszar/dział lub specjalistę IT. H13 następuje, gdy żadna z odpowiedzi o użyciu nie jest twierdząca, także przy odpowiedziach nieznanych lub brakujących. H13_A dotyczy kosztów, które wydają się zbyt wysokie; H13_B — umiejętności pracowników; H13_D łączy dostępność i jakość danych.
  3. Raport metodologiczny TIC Empresas 2025. Operat obejmuje aktywne, formalnie działające prywatne przedsiębiorstwa z co najmniej 10 pracującymi w określonych sektorach Cempre/CNAE. Nie jest to próba wszystkich brazylijskich organizacji, mikrofirm, samodzielnych twórców ani indywidualnych pracowników. Moduł H zbierano we wszystkich 3 falach badania.
  4. Raport zbierania danych TIC Empresas 2025. Prace terenowe trwały od lutego 2025 do stycznia 2026. Raport podaje 4 174 ukończone wywiady; publiczne wydanie zawiera 4 171 rekordów. Przejrzane dokumenty nie wyjaśniają tej różnicy. Wykorzystaliśmy ustaloną wersję publicznego wydania bez dodawania rekordów w celu dopasowania liczby wywiadów.
  5. Emerson Gomes dos Santos i Márcia Siqueira Rapini, Barreiras na Adoção Combinada de Tecnologias Digitais por Empresas Brasileiras: uma proposta de tipologia (2024). Ta wcześniejsza analiza wykorzystuje TIC Empresas 2021 i grupowanie do badania kombinacji barier. Stanowi istotną wcześniejszą pracę, a nie bezpośrednio porównywalne oszacowanie dla naszej warunkowej grupy z 2025 roku.
  6. Raport twórców TIC Empresas 2025, zwłaszcza strony 94–95 omówienia wdrażania i instytucjonalizacji AI autorstwa Natália Marroni Borges. Wskazuje dane, ludzi, kompetencje i zarządzanie jako kwestie związane z wdrożeniem. Nasza analiza nie przedstawia tych ogólnych koncepcji jako nowych.
  7. Wskazówki Cetic.br dotyczące mikrodanych opisują przekodowywanie i pomijanie danych w celu ochrony poufności, z oceną użyteczności względem opublikowanego planu tabel. Nie ustalają, jakie przetworzenie dotknęło konkretny opublikowany rekord, ani nie gwarantują, że każda nowa relacja łączna pozostaje bez zmian względem oryginalnych wywiadów. NIC.br/Cetic.br nie firmuje naszej analizy ani interpretacji.
  8. Pakiet metody i odtworzenia analizy Influence IQ. W 11 opublikowanych rekordach wszystkie 7 pozycji użycia AI oznaczono jako niedotyczące, podczas gdy 9 pól powodów miało inne kody odpowiedzi; rekordy te już wcześniej pozostawały poza określoną populacją analizy. Zachowano wszystkie rekordy. Po sprawdzeniu opublikowanych tabel, zanim obliczyliśmy wynik główny, zmieniliśmy też porównanie precyzji kontrolnej. Pakiet dokumentuje obie poprawki, obliczenia niepewności i zabezpieczenia publikowanych wyników. Nie zawiera indywidualnych rekordów.

Artykuł i etykiety tabel są dostępne w każdym języku artykułu. Kwestionariusz źródłowy jest po portugalsku; techniczny pakiet do odtworzenia analizy zawiera przetłumaczone objaśnienia. Brazylijska populacja i okres badania od lutego 2025 do stycznia 2026 pozostają takie same w każdej wersji.

Powiązane badania