Tworzyć czy kupować AI: badanie brazylijskich firm
Gotowa AI i prace rozwojowe często współistnieją w firmie. Nowa analiza brazylijskiego badania TIC Empresas 2025 rozdziela pracę pracowników i prace zlecane dostawcom, a następnie przekłada to rozróżnienie na arkusz odpowiedzialności.
Zarejestrowane brazylijskie przedsiębiorstwa z co najmniej 10 pracującymi w wybranych branżach; kwalifikacja do pytań o AI wymaga obszaru lub specjalisty IT. TIC Empresas 2025, dane zebrane od lutego 2025 do stycznia 2026. Analizę ukończono 17 października 2026.
Streszczenie
Wśród kwalifikujących się brazylijskich przedsiębiorstw używających AI w marketingu lub sprzedaży 69,0% tych z kompletnymi odpowiedziami o pozyskiwaniu rozwiązań zgłosiło zarówno pozyskanie gotowej AI, jak i jakąś formę tworzenia lub modyfikacji. Wśród użytkowników gotowych rozwiązań w tej grupie udział wyniósł 81,1%. Odpowiadające im punktowe przedziały ufności 95% wynoszą 61,9%–76,1% i 74,7%–87,5%.[1][4]
Te ważone oszacowania wykorzystują TIC Empresas 2025, obejmujące wybrane zarejestrowane przedsiębiorstwa z co najmniej 10 pracującymi; pytania o AI wymagają obszaru lub specjalisty IT. Analiza korzysta z 447 respondentów z kompletnymi odpowiedziami, w tym 376 użytkowników gotowych rozwiązań, z badania terenowego od lutego 2025 do stycznia 2026. Sposób pozyskiwania opisuje portfel AI firmy, niekoniecznie jej zastosowanie marketingowe ani ten sam system. Praktyczny wniosek to wskazanie, kto tworzy, modyfikuje i utrzymuje każdy system, także wśród zewnętrznych wykonawców.
Menedżer marketingu zadaje pozornie proste pytanie: stworzyć narzędzie AI czy je kupić? Rozmowa zaczyna się od listy produktów i możliwego briefu rozwojowego. Wkrótce ktoś pyta, kto dostosuje system, kto sprawdzi jego wyniki i kto go poprawi, gdy firma się zmieni.
Te pytania mogą dotyczyć różnych osób i systemów. Pozyskanie gotowego produktu nie opisuje wszystkiego, co firma robi z AI. Podobnie samo sprawdzanie przez pracowników treści wygenerowanych przez AI nie oznacza, że tworzą oprogramowanie.
Przeanalizowaliśmy odpowiedzi tych samych firm o pozyskiwaniu rozwiązań w publicznym brazylijskim badaniu przedsiębiorstw. Wynik daje konkretny punkt odniesienia dla dyskusji „tworzyć czy kupować”. Badanie używa określenia „pozyskane jako gotowe do użycia”, które nie musi oznaczać płatnego zakupu ani abonamentu.
1 firma może pozyskiwać AI na kilka sposobów

- Pozyskaj gotowe oprogramowanie
- Twórz lub modyfikuj z pracownikami
- Zleć tworzenie lub modyfikację
Tworzenie, kupowanie i zlecanie opisują różne rodzaje pracy
Badanie rozróżnia 5 sposobów: oprogramowanie lub systemy AI tworzone przez pracowników; modyfikowane przez pracowników; systemy open source modyfikowane przez pracowników; pozyskane jako gotowe do użycia; oraz tworzone lub modyfikowane przez dostawców zewnętrznych zatrudnionych do tych prac. Firma może zgłosić kilka sposobów.[2]
Pierwsze 3 łączymy jako tworzenie lub modyfikację wewnętrzną. Prace zlecane pozostają osobno: wykonuje je ktoś spoza firmy. Samo pozyskanie istniejącego produktu dostawcy nie dowodzi zlecenia prac rozwojowych. Podobnie zmiana oprogramowania nie musi oznaczać trenowania modelu AI.
Definicja technologii jest też szersza niż generatywna AI. Obejmuje analizę języka i obrazów, rozpoznawanie mowy, przewidywanie, automatyzację procesów pracy i autonomiczne maszyny fizyczne. Wyników nie należy odczytywać jako statystyk wyłącznie chatbotów, narzędzi pisania AI lub agentów AI.[2]
Kwestionariusz nie tworzy istotnego powiązania. Osobno pyta o pozyskiwanie AI przez przedsiębiorstwo i jej użycie w marketingu lub sprzedaży. Firma może pozyskać gotowy produkt marketingowy i zlecić niezwiązany z nim system do obsługi procesów firmy. Może też zgłosić kilka sposobów dla powiązanych systemów. Możemy wskazać kombinację w firmie, ale nie przypisać sposobu do jej zastosowania marketingowego.
Pozyskiwaniu gotowego rozwiązania często towarzyszy tworzenie lub modyfikacja
Wśród 447 kwalifikujących się użytkowników AI w marketingu lub sprzedaży z kompletnymi odpowiedziami o pozyskiwaniu szacunkowo 69,0% zgłosiło pozyskanie gotowych rozwiązań wraz z co najmniej 1 sposobem tworzenia lub modyfikacji. Punktowy przedział ufności 95% wynosi 61,9%–76,1%. Kolejne 16,1% zgłosiło pozyskanie gotowych rozwiązań bez tych dodatkowych sposobów, z przedziałem 10,5%–21,6%.[1][4]
To odsetki ważone. Pierwszy wynik pochodzi od 307 respondentów, ale podzielenie 307 przez 447 dałoby nieważony udział próby, a nie oszacowanie populacyjne. Wagi badania uwzględniają sposób reprezentowania firm w określonej populacji przez respondentów.
Zawęźmy teraz pytanie do 376 firm z kompletnymi odpowiedziami, które zgłosiły pozyskanie gotowego rozwiązania. W tej grupie tych samych 307 respondentów zgłosiło też tworzenie lub modyfikację. Ważone oszacowanie udziału firm wynosi 81,1%, z przedziałem 95% od 74,7% do 87,5%. Zmienił się mianownik. Wartości 69,0% i 81,1% opisują tę samą kombinację z 2 perspektyw, a nie 2 niezależne ustalenia.
Dla menedżera marketingu wniosek to pytanie do własnej firmy: jakie prace towarzyszą pozyskanym narzędziom? Odpowiedź może obejmować pracowników, zewnętrznych wykonawców lub obie grupy. Badanie nie pokazuje, że zmieniono sam gotowy produkt. Użyteczny spis zaczyna się więc od poszczególnych systemów i związanej z nimi pracy.
Wybrane kombinacje pozyskiwania AI wśród użytkowników marketingowych lub sprzedażowych
Oba wiersze korzystają z 447 respondentów z kompletnymi odpowiedziami o pozyskiwaniu. Odsetki są ważone.
| Zgłoszona kombinacja pozyskiwania | Oszacowanie | Przedział 95%: dolna granica | Przedział 95%: górna granica |
|---|---|---|---|
| Gotowe rozwiązanie oraz tworzenie lub modyfikacja | 69,0% | 61,9% | 76,1% |
| Gotowe rozwiązanie bez sposobu tworzenia lub modyfikacji | 16,1% | 10,5% | 21,6% |
Osobno wskaż odpowiedzialność pracowników i dostawców
W grupie firm, które pozyskały gotowe rozwiązania i udzieliły kompletnych odpowiedzi, 66,3% zgłosiło zlecone tworzenie lub modyfikację, a 39,0% — tworzenie lub modyfikację wewnętrzną. Kategorie się nakładają: 24,2% zgłosiło obie. Dodanie 2 odsetków policzyłoby niektóre firmy 2 razy.[4]
4 kombinacje ułatwiają zobaczenie ról. Prace zlecane bez prac wewnętrznych stanowią 42,1%; wewnętrzne bez zlecanych — 14,8%; obie — 24,2%; żadne — 18,9%. Każda grupa na wykresie zgłosiła też pozyskanie gotowego rozwiązania. „Żadne” oznacza brak obu dodatkowych sposobów rozwoju, a nie brak AI lub osób za nią odpowiedzialnych.
Różnica między pracą zlecaną a wewnętrzną wynosi 27,3 punktu procentowego, z punktowym przedziałem 95% od 14,0 do 40,5 punktu. Obliczyliśmy różnicę w każdej replice badania, zachowując zależność 2 odpowiedzi. Opisuje częstość zgłaszania ról, a nie ich udział w wydatkach, czasie pracowników lub wartości biznesowej.
Rozróżnienie ma znaczenie, gdy menedżer marketingu pyta, kto może coś zmienić. Pracownik może bezpośrednio dostosować system, a dostawca potrzebować specyfikacji, uzgodnionego zakresu i przekazania prac. Firma używająca obu sposobów musi wiedzieć, który układ dotyczy żądanej zmiany. Badanie nie ustala, jak dobrze działał którykolwiek z tych układów.
Kto zgłasza prace tworzenia lub modyfikacji?
Wszystkie 4 grupy zgłosiły pozyskanie gotowego rozwiązania. Mianownikiem jest 376 jego użytkowników z kompletnymi odpowiedziami o pozyskiwaniu, w grupie AI do marketingu lub sprzedaży.
| Zgłoszona kombinacja pozyskiwania | Oszacowanie | Przedział 95%: dolna granica | Przedział 95%: górna granica |
|---|---|---|---|
| Prace zlecane, bez prac wewnętrznych | 42,1% | 33,0% | 51,2% |
| Prace wewnętrzne, bez prac zlecanych | 14,8% | 8,0% | 21,7% |
| Prace wewnętrzne i zlecane | 24,2% | 15,9% | 32,5% |
| Ani prace wewnętrzne, ani zlecane | 18,9% | 12,5% | 25,3% |
Konkretny punkt odniesienia dla znanego pytania o pozyskiwanie AI
Łączenie wewnętrznego i zewnętrznego pozyskiwania AI nie jest nową ideą. Badanie Hoffreumon, Forman i van Zeebroeck z 2024 roku analizuje gotowe rozwiązania i tworzenie lub dostosowywanie wewnętrzne wśród 3 143 europejskich firm. Opublikowane streszczenie opisuje częstą komplementarność sposobów pozyskiwania.[6]
Książka Cetic z 2025 roku podaje osobne odsetki sposobów pozyskiwania AI i omawia różne ścieżki wdrożenia działające obok siebie. Nasz wkład jest węższy: odtwarzalne oszacowanie sposobów zgłaszanych przez te same brazylijskie firmy w określonej grupie AI do marketingu lub sprzedaży, w tym rozróżnienie pracy pracowników i prac zlecanych.[5]
Ten punkt odniesienia pomaga określić ramy przeglądu, ale nie wybierze dostawcy ani nie rozstrzygnie zasadności inwestycji. Popularny układ nadal może nie pasować do konkretnej firmy. Istotna decyzja dotyczy tego, czy proponowany układ wykona zadanie i czy ktoś utrzyma go po dostarczeniu.
Fikcyjny dostawca porządkuje pracę wokół narzędzi AI
Wyobraź sobie fikcyjnego brazylijskiego dostawcę mebli biurowych. Jego marketing pozyskuje istniejące narzędzie do wersji roboczych opisów produktów. Pracownicy modyfikują też wewnętrzny system AI do sortowania zapytań, a zewnętrzny programista otrzymuje zlecenie dostosowania osobnego systemu prognoz sprzedaży. To ilustracyjne układy, a nie firma z badania ani zalecana kombinacja.
Menedżer marketingu zaczyna od 1 prośby: utrzymać spójność opisów produktów przy zmianach specyfikacji. Pozyskane narzędzie pisania jest tylko częścią zadania. Ktoś musi dostarczyć zatwierdzone specyfikacje, sprawdzić wersję roboczą i zdecydować, kiedy nadaje się do użycia. Same te obowiązki nie oznaczają, że firma stworzyła lub zmodyfikowała oprogramowanie AI.
System zapytań stawia inne pytanie. Pracownik zmienił sposób przydzielania zapytań, więc zespół ustala, kto rozumie modyfikację, jak zauważa się błędny przydział i kto może cofnąć nieodpowiednią zmianę. Dla zleconego systemu prognoz sprawdza natomiast, co przekaże zewnętrzny programista, jakie zmiany obejmuje zlecenie i kto reaguje po dostarczeniu.
Zespół wpisuje 3 systemy w osobne wiersze arkusza. Jedna etykieta „kupujemy AI” ukryłaby modyfikację wykonaną przez pracownika i zlecone prace; jedna etykieta „tworzymy AI” ukryłaby pozyskany produkt. Spis nie wymaga tej samej decyzji o pozyskiwaniu dla wszystkich 3.
Wynikające działania są konkretne: wskazać osobę sprawdzającą opisy, udokumentować zmianę systemu zapytań i uzgodnić przekazanie systemu prognoz. Przykład nie obiecuje oszczędności ani skuteczności. Ocena, czy działania poprawiają pracę firmy, wymagałaby dowodów z jej rzeczywistej pracy.
Użyj arkusza odpowiedzialności za AI przed wyborem kolejnej drogi
Użyj 1 wiersza dla każdego istniejącego systemu lub proponowanego zastosowania. Zacznij od konkretnego zadania, jak teksty produktów lub sortowanie zapytań sprzedażowych. Unikaj wiersza nazwanego tylko „AI w marketingu”: ukrywa pracę, którą ma wykonać narzędzie. Arkusz to praktyczna propozycja, a nie interwencja przetestowana w badaniu.
Zapisz system i zadanie. Podaj nazwę, obsługiwane pytanie biznesowe, używane informacje i wynik, na podstawie którego ktoś działa. Wskaż osobę potrafiącą pokazać obecny proces. Jeśli narzędzie jeszcze nie istnieje, oddziel zamierzone zadanie od założeń o jego rezultatach.
Zapisz, jak jest pozyskiwane i zmieniane. Zaznacz gotowe rozwiązanie, tworzenie lub modyfikację przez pracowników, tworzenie lub modyfikację na zlecenie albo kombinację. Opisz konkretne prace stojące za każdym zaznaczeniem. Oddziel zwykłe użycie, ocenę treści i konfigurację od twierdzenia, że pracownicy stworzyli oprogramowanie; przy niejasnym rozróżnieniu zapytaj osobę odpowiedzialną technicznie.
Wskaż osoby odpowiedzialne za przekazanie i utrzymanie. Ustal, kto odbiera dostarczoną zmianę, aktualizuje dane wejściowe, obsługuje usterkę i może zatwierdzić wymianę. Gdy zaangażowany jest dostawca, zapisz obowiązki, które rzeczywiście przyjmuje. Sam kontakt nie wyjaśnia postępowania przy nieobecności danej osoby.
Określ sposób oceny i plan na wypadek, gdy systemu nie można użyć. Wybierz konkretny przykład, który system powinien obsłużyć, oraz znaną sytuację wymagającą oceny przez człowieka. Zapisz sposób sprawdzenia wyniku i postępowanie, gdy system jest niedostępny lub nieodpowiedni. Używaj zatwierdzonych informacji testowych, zamiast zakładać, że nowy dostawca może otrzymać istniejące dane klientów.
Wypełniony wiersz powinien brzmieć jak instrukcja do wykonania: „Narzędzie opisów produktów; zatwierdzony arkusz specyfikacji; wersja robocza sprawdzana przez redaktora katalogu; zmiany produktów dostarczane przez zespół asortymentu; usterki zgłaszane wskazanej osobie odpowiedzialnej za narzędzie; wcześniejszy zatwierdzony tekst używany podczas usuwania usterki”. Przykład opisuje odpowiedzialność. Nie klasyfikuje zwykłej redakcji jako tworzenia AI.
Rozpisz zadanie, przekazanie i kolejną ocenę

Wskaż system
Nazwij zadanie, dane wejściowe i oczekiwany wynik.
Przydziel pracę
Rozdziel obowiązki pracowników i zobowiązania dostawców.
Zaplanuj kolejną ocenę
Uzgodnij, kto sprawdza zmiany i obsługuje problemy.
Porównuj pełne układy, także pracę po dostarczeniu
Dla nowego zastosowania porównaj opcje według tego samego zadania i kryteriów oceny. Zapytaj, co istniejący produkt obsługuje w dostarczonej postaci, co wymaga pracy pracowników i co dostarczy zewnętrzny wykonawca. Zachowaj te odpowiedzi osobno przed porównaniem proponowanych kombinacji.
Przygotowując budżet, rozróżnij opłatę za produkt od prac rozwojowych, oceny, utrzymania i przekazania. Używaj własnych ofert i szacunków czasu firmy. Brazylijskie badanie nie mierzy żadnych z tych kosztów, więc jego odsetki nie uzasadniają twierdzenia, że kupowanie, tworzenie lub zlecanie będzie tańsze.
Gdy firma ma już kilka systemów, zakończ spis przed dodaniem kolejnej etykiety do strategii. Główny wynik mówi, że w tej konkretnej grupie gotowe rozwiązania często występują obok innych sposobów pozyskiwania. Użyteczny kolejny krok to odnalezienie odpowiadających im obowiązków we własnej firmie, a następnie podjęcie decyzji przy ich jasnym wskazaniu.
Jak obliczyliśmy kombinacje pozyskiwania AI
Przeanalizowaliśmy publiczny plik TIC Empresas 2025 NIC.br/Cetic.br po przetworzeniu chroniącym poufność, pobrany 17 października 2026. Obejmuje aktywne, zarejestrowane brazylijskie przedsiębiorstwa z co najmniej 10 pracującymi w wybranych branżach produkcji, budownictwa, handlu i usług. „Pracujący” to pojęcie szersze niż pracownicy najemni. Firmy poniżej progu, przedsiębiorstwa publiczne i sektory spoza operatu są wyłączone.[1][3]
Wywiady trwały od lutego 2025 do stycznia 2026, z modułem AI we wszystkich 3 falach. Kwalifikacja wymaga obszaru lub specjalisty IT i użycia co najmniej 1 wymienionej technologii AI. H10_A wskazuje obecne użycie marketingowe lub sprzedażowe; H9A_A–E — sposoby pozyskiwania. Pytania o AI nie mają określonego 12-miesięcznego okresu odniesienia.[2][3][8]
Plik publiczny zawiera 4 171 rekordów, w tym 1 085 zgłoszonych użytkowników AI i 472 zgłaszających użycie w marketingu lub sprzedaży. Z ostatniej grupy 447 udziela odpowiedzi tak/nie na wszystkie 5 pozycji pozyskiwania; reprezentują 96,7% ważonej grupy. Główne wartości korzystają z kompletnych odpowiedzi. Podgrupa gotowych rozwiązań zawiera 376 respondentów. Odpowiedzi nieznanych nie przekodowano na „nie”.[4]
Dla każdego odsetka dzielimy sumę wag zdarzenia przez sumę wag domeny. Ponownie obliczamy całe ilorazy i różnice z dostarczonymi 200 łączonymi wagami replikacyjnymi i oryginalnymi ustawieniami wariancji. Punktowe przedziały normalne 95% używają 1,96 błędu standardowego, zgodnie z metodą Cetic. Nie zapewniają jednoczesnych gwarancji dla wszystkich porównań.[3][7]
Uwzględniamy też 25 respondentów z niekompletnymi odpowiedziami, rozważając każde uzupełnienie tak/nie zgodne ze znanymi odpowiedziami. Połączony układ mieści się wtedy od 67,7% do 69,0% wszystkich kwalifikujących się użytkowników AI w marketingu lub sprzedaży. Udział warunkowy wśród użytkowników gotowych rozwiązań wynosi od 80,9% do 81,6%, przy spójnych zmianach licznika i mianownika. To granice dla brakujących odpowiedzi, a nie przedziały ufności; przedziały niepewności z doboru próby pozostają szersze.
Raport zbierania danych podaje ogólny wskaźnik odpowiedzi 8% i 4 174 ukończone wywiady. Nie ustalono powodu różnicy 3 rekordów względem pliku publicznego. Ważenie i przedziały niepewności z doboru próby nie usuwają wszystkich obciążeń braku odpowiedzi lub raportowania ani nie kwantyfikują błędu przetworzenia chroniącego poufność. Sprawdziliśmy 6 rozkładów brzegowych AI i ich niepewność względem tabel wydawcy, lecz nie dowodzi to, że przetworzenie nie wpływa na każdą nową relację łączną.[7][8]
Pokazujemy wybrane układy pozyskiwania i 4 kombinacje ról źródłowych przy kompletnych odpowiedziach. Niewielka reszta bez wymienionego sposobu pozostaje w głównym mianowniku bez interpretacji. Pliki do pobrania zawierają dokładne definicje, oszacowania zagregowane, skróty źródeł i kod. Dane respondentów trzeba pozyskać osobno od Cetic; nie zawieramy tu rekordów respondentów ani identyfikatorów.[4][9]
- Pobierz kombinacje pozyskiwania i przedziały ufności (CSV)
- Pobierz kod analizy i instrukcje dotyczące źródła (ZIP)
CSV zawiera 6 zagregowanych wierszy wykresów i punktowe przedziały ufności 95%. ZIP dodaje warunkowe punkty odniesienia, granice brakujących odpowiedzi, kod, definicje i dokładne skróty źródeł. Nie zawiera rekordów respondentów ani identyfikatorów. Pola liczbowe używają kropki dziesiętnej.
Źródła i przypisy
- NIC.br/Cetic.br, TIC Empresas 2025, publiczne mikrodane ze statystycznym przetworzeniem chroniącym poufność, wersja 1.0, opublikowana 15 czerwca 2026; pobrana 17 października 2026. Influence IQ obliczyło oszacowania łączne z publicznego pliku respondentów.
- Kwestionariusz TIC Empresas 2025, drukowane strony 15–16. H9 mierzy 7 technologii AI i wymaga obszaru IT (P3) lub specjalisty IT (F8). H9A pyta o sposoby pozyskiwania/tworzenia używanego oprogramowania lub systemów AI. H10 osobno pyta o zastosowania, w tym marketing lub sprzedaż. Sposoby pozyskiwania nie są powiązane z konkretnymi zastosowaniami.
- Raport metodologiczny TIC Empresas 2025, drukowane strony 31–40: populacja przedsiębiorstw, pracujący, dobór próby, ważenie i normalne marginesy 95%. Tabela 1, drukowana strona 38, umieszcza moduł H we wszystkich 3 falach zbierania. Badanie nie uogólnia na firmy poniżej 10 pracujących, wykluczone sektory ani firmy poza kwalifikacją pytań AI.
- Obliczenia Influence IQ: H10_A=yes; wszystkie H9A_A–E znane dla grupy głównej. D oznacza gotowe rozwiązania; A/B/C — tworzenie lub modyfikację wewnętrzną; E — tworzenie lub modyfikację na zlecenie. Dostarczony kod oblicza ważone ilorazy, kontrasty w całych replikach i logicznie zgodne granice brakujących odpowiedzi. Wybrane układy na wykresie nie są wyczerpującym podziałem grupy 447 respondentów.
- Książka TIC Empresas 2025, drukowane strony 77–78 i wykres 16, podaje już osobne odsetki sposobów pozyskiwania. Rozdział Natália Marroni Borges, przejrzany na drukowanych stronach 87–90, omawia współistniejące ścieżki wdrażania i odpowiedzialność organizacyjną. Dodajemy konkretny łączny punkt odniesienia dla marketingu/sprzedaży, a nie twierdzenie, że mieszane pozyskiwanie jest nową zasadą. Nie odtwarzamy żadnych wykresów ani ilustracji z książki.
- Charles Hoffreumon, Chris Forman i Nicolas van Zeebroeck (2024), “Make or buy your artificial intelligence? Complementarities in technology sourcing,” Journal of Economics & Management Strategy 33(2), 452–479. Streszczenie wydawcy opisuje 3 143 europejskie firmy i komplementarność pozyskiwania. Nasze omówienie opiera się na tym streszczeniu, a nie na nieprzejrzanym pełnym tekście.
- Oryginalny obiekt schematu RData to bootstrap svyrep.design, z 200 łączonymi wagami replikacyjnymi, scale 0.005901842120932432, skalami replik równymi 1 i mse=false. Wariancja jest centrowana wokół średniej replik. Odniesienie badania wyjaśnia ustawienia; nie ustalono wersji oprogramowania twórcy ani pierwotnej procedury generowania replik. Punktowe przedziały niepewności z doboru próby nie kwantyfikują pozostałego obciążenia braku odpowiedzi ani błędu przetworzenia chroniącego poufność.
- Raport zbierania danych TIC Empresas 2025, drukowana strona 50 o pracach terenowych i strona 53 o łącznym wskaźniku odpowiedzi 8% oraz 4 174 ukończonych wywiadach. Analizowany plik publiczny zawiera 4 171 rekordów; powód różnicy 3 rekordów pozostaje nierozstrzygnięty. Plik poddano przetworzeniu chroniącemu poufność, więc odtworzenie opublikowanych rozkładów brzegowych nie waliduje każdego nowego oszacowania łącznego względem zastrzeżonych danych oryginalnych.
- Metadane właściwe dla zbioru przypisują danym i tabelom CC BY 4.0. Źródło: NIC.br/Cetic.br, TIC Empresas 2025. Influence IQ wybrało domeny, obliczyło wyniki łączne i niepewność oraz przygotowało interpretację i przetłumaczone etykiety. NIC.br/Cetic.br nie popiera tych adaptacji. Osobne warunki wykorzystania książki nie są licencją na jej ilustracje.
Źródło: NIC.br/Cetic.br, TIC Empresas 2025. Obliczenia, interpretacja i tłumaczenia: Influence IQ. NIC.br/Cetic.br nie popiera tych adaptacji.