เมื่อ AI ดูแพงเกินไป ธุรกิจยังกังวลเรื่องอะไรอีก

ในบรรดาธุรกิจ 547 แห่งที่เข้าเกณฑ์และระบุว่าต้นทุน AI สูง มี 197 แห่งที่ระบุทั้งการขาดบุคลากรที่มีทักษะที่จำเป็นและปัญหาเรื่องการมีข้อมูลให้ใช้หรือคุณภาพข้อมูล เมื่อใช้น้ำหนักของแบบสำรวจ คิดเป็นค่าประมาณ 37.5% ส่วนสัดส่วนที่ไม่ถ่วงน้ำหนักคือ 36.0%^[1][8]

ทั้งสองเปอร์เซ็นต์ใช้ธุรกิจและคำตอบชุดเดียวกัน ค่าที่ไม่ถ่วงน้ำหนักนับทุกธุรกิจเท่ากัน ส่วนค่าที่ถ่วงน้ำหนักให้แต่ละระเบียนมีส่วนต่อผลรวมตามที่แบบแผนการสำรวจกำหนด เราจึงใช้ค่าที่ถ่วงน้ำหนักเป็นค่าประมาณหลัก การถ่วงน้ำหนักเปลี่ยนค่าประมาณ แต่ไม่ได้เปลี่ยนว่าคำตอบใดนับเป็นการระบุความกังวลทั้งสองเรื่อง

ช่วงความเชื่อมั่น 95% จากการสุ่มตัวอย่างอยู่ระหว่าง 29.8% ถึง 45.2% ช่วงดังกล่าวเป็นเหตุผลที่ควรอธิบายผลว่าอยู่ที่ประมาณสี่ในสิบ แทนที่จะทำให้เข้าใจว่า 37.5% เป็นค่าที่วัดธุรกิจลักษณะเดียวกันทั้งหมดได้อย่างแม่นยำตายตัว

เพราะคำตอบทั้งสามมาจากระเบียนเดียวกัน เราจึงวัดการเกิดร่วมกันได้โดยตรง โดยดูว่าธุรกิจที่กังวลเรื่องต้นทุนได้ระบุอย่างชัดเจนว่ากังวลทั้งเรื่องบุคลากรและข้อมูลด้วยหรือไม่

คำตอบอื่นยังตีความได้หลายแบบ ธุรกิจที่ไม่ได้อยู่ในกลุ่มซึ่งยืนยันความกังวลทั้งสองเรื่อง อาจระบุเพียงเรื่องใดเรื่องหนึ่ง ไม่ได้ระบุเรื่องใดเลย หรือมีคำตอบที่ไม่ทราบ จึงไม่สามารถเรียกส่วนที่เหลือว่าเป็นกลุ่มที่มีปัญหาเรื่องราคาเพียงอย่างเดียว แบบสำรวจยังมีเหตุผลอื่นด้วย และผลหลักของเราไม่ได้จัดอันดับเหตุผลเหล่านั้น

เปอร์เซ็นต์นี้อธิบายกลุ่มธุรกิจบราซิลที่สำรวจในช่วงเวลานั้น ธุรกิจในพื้นที่อื่นสามารถใช้การแยกประเด็นนี้เป็นจุดตั้งต้นในการกำหนดคำถามที่จะศึกษาของตนเองได้

คำถามเรื่องต้นทุนถามว่าธุรกิจเห็นว่าต้นทุนสูงเกินไปหรือไม่ ไม่ได้บันทึกใบเสนอราคาจากผู้ให้บริการ จำนวนเงินที่ธุรกิจจ่ายไหว หรือค่าใช้จ่ายประเภทใดที่ผู้ตอบกำลังนึกถึง เราจึงใช้คำว่าความกังวลต่อต้นทุนที่มองว่าสูง คำตอบนี้บอกไม่ได้ว่าราคาต้องลดลงเท่าใด หรือส่วนลดจะเปลี่ยนการตัดสินใจหรือไม่^[2]

คำถามเรื่องบุคลากรกล่าวถึงคนภายในธุรกิจที่มีทักษะในการใช้เทคโนโลยีเหล่านั้น โดยแบบสอบถามคัดกรองก่อนว่ามีหน่วยงานหรือแผนกไอที หรือผู้เชี่ยวชาญด้านไอทีหรือไม่ การมีผู้สนับสนุนด้านนี้ไม่ได้ยืนยันในตัวเองว่าคนที่เกี่ยวข้องมีทักษะที่จำเป็นสำหรับงาน AI ที่เสนอ

คำถามเรื่องข้อมูลรวมการมีข้อมูลให้ใช้และคุณภาพไว้ด้วยกัน คำตอบว่าใช่อาจหมายถึงมีข้อมูลที่เหมาะสมหรือไม่ ข้อมูลนั้นใช้ได้หรือไม่ หรือทั้งสองอย่าง เพราะแบบสำรวจไม่ได้แยกความเป็นไปได้เหล่านี้ จึงระบุไม่ได้ว่าธุรกิจใดธุรกิจหนึ่งต้องเตรียมความพร้อมด้านใด

คำถามเกี่ยวกับการใช้ AI ทั้งเจ็ดข้อครอบคลุมมากกว่า Generative AI โดยรวมเทคโนโลยีอย่างการวิเคราะห์ข้อความ การรู้จำเสียงพูด การเรียนรู้ของเครื่อง และการทำขั้นตอนงานให้เป็นอัตโนมัติ ผลจึงเกี่ยวข้องกับรายการเทคโนโลยีที่กว้างกว่านั้น

คำตอบเรื่องบุคลากรหรือข้อมูลที่ไม่ทราบยังคงรวมอยู่ในกลุ่มที่กังวลเรื่องต้นทุนทั้งหมด เปอร์เซ็นต์หลักของเรานับเฉพาะการยืนยันความกังวลทั้งสองเรื่องอย่างชัดเจน ไม่ได้เดาคำตอบเพื่อเติมช่องที่ไม่ได้ตอบ เกณฑ์เข้ากลุ่มยังยอมรับคำตอบเรื่องการใช้ AI ที่ไม่ทราบหรือไม่ได้ตอบด้วย ดังนั้น “ไม่ได้รายงานว่าใช้” จึงไม่ได้หมายความว่ายืนยันแล้วว่าไม่ได้ใช้

สำหรับเจ้าของธุรกิจหรือหัวหน้าทีมการตลาด ข้อคิดในการนำไปใช้คือแยกสามคำถามให้ชัด ได้แก่ งานที่เสนอมีต้นทุนเท่าใด ใครตัดสินคุณภาพงานได้ และต้องใช้ข้อมูลอะไร การพบความกังวลร่วมกันเป็นเหตุผลให้ถามเรื่องเหล่านี้ไปพร้อมกัน หากต้องการศึกษาอุปสรรคในการนำ AI มาใช้ในธุรกิจของตนเอง ให้เริ่มจากงานที่ระบุชัดเจนและหลักฐานจากคนที่จะลงมือทำงานนั้น

เริ่มจากอธิบายงานที่มีคนตรวจสอบได้ “ใช้ AI ในการตลาด” กว้างเกินกว่าจะเห็นว่าทีมต้องการอะไร แต่ “จัดกลุ่มคำถามเรื่องสินค้าที่ได้รับเป็นหัวข้อเพื่อให้ทีมขายตรวจ” ระบุทั้งผลงานและคนที่จะนำไปใช้ได้ งานที่ชัดและแคบลงทำให้คุยเรื่องราคาของสิ่งที่เป็นรูปธรรมได้

จากนั้นถามว่าราคาที่เสนอครอบคลุมอะไรบ้าง ค่าสมัครใช้เครื่องมือกับเวลาของพนักงานที่ใช้เตรียมข้อมูลหรือตรวจผลงานเป็นคนละรายการในแผน นี่คือวิธีแยกประเด็นที่เราเสนอสำหรับวางแผน ไม่ใช่สัดส่วนค่าใช้จ่ายที่วัดจากแบบสำรวจ ทีมสามารถบันทึกแต่ละรายการได้โดยไม่ต้องสมมติว่างานที่ไม่คุ้นเคยจะมีราคาแพงหรือจะช่วยประหยัดเวลา

การถามถึงวิธีตรวจงานอาจมีประโยชน์กว่าการถามกว้าง ๆ ว่ามั่นใจในการใช้ AI แค่ไหน ใครจะสังเกตเห็นว่าคำถามถูกจัดเข้ากลุ่มผิด เมื่อไม่แน่ใจในคำตอบจะตรวจจากแหล่งใด และใครเป็นคนตัดสินว่าผลงานใช้ได้หรือไม่ คำถามเหล่านี้ช่วยระบุความรับผิดชอบสำหรับงานที่เสนอ ไม่ใช่การนำสถิติจากแบบสำรวจไปตัดสินทักษะของบุคคล

เลือกขั้นตอนถัดไปให้พอดีกับการตัดสินใจ ธุรกิจอาจต้องถามรายละเอียดใบเสนอราคา หาเอกสารสินค้าที่ใช้อ้างอิงอย่างเป็นทางการ หรือขอให้เพื่อนร่วมงานตรวจตัวอย่างเล็ก ๆ ก่อนตกลงทำโครงการขนาดใหญ่ ให้เลือกการตรวจที่ตอบคำถามเฉพาะซึ่งยังค้างอยู่ได้

ลองพิจารณาธุรกิจค้าส่งในภูมิภาคแห่งหนึ่งที่สมมติขึ้น ทีมขายได้รับคำถามเรื่องสินค้าผ่านเว็บไซต์ อีเมล และข้อความบนโซเชียลมีเดีย ผู้จัดการเสนอให้ใช้ AI จัดคำถามเหล่านี้เป็นหัวข้อ ทีมอยากรู้ว่าคำถามใดควรมีข้อมูลสินค้าที่ชัดขึ้น และคำถามใดควรส่งต่อให้พนักงานขาย นี่คือตัวอย่างเพื่ออธิบายการวางแผน ไม่ใช่ธุรกิจที่พบในแบบสำรวจ

การคุยครั้งแรกหยุดอยู่ที่ราคา แทนที่จะสรุปว่าต้นทุนอธิบายทุกอย่าง ผู้จัดการจดผลงานที่ต้องการลงไป คือรายการหัวข้อคำถามที่เชื่อมกลับไปยังข้อความต้นฉบับเพื่อให้คนตรวจสอบ ข้อเสนอนี้ไม่รวมการส่งคำตอบอัตโนมัติหรือการแนะนำสินค้าให้ลูกค้า

หัวหน้าทีมขายเห็นว่าชื่อสินค้าที่คล้ายกันอาจทำให้สับสนได้ จึงตกลงจะตรวจการจัดกลุ่มเทียบกับแค็ตตาล็อกปัจจุบัน และทำเครื่องหมายคำถามที่ความหมายยังไม่ชัด คำถามสำคัญจึงกลายเป็นว่าเธอมีข้อมูลและความคุ้นเคยกับสินค้ามากพอสำหรับตรวจหรือไม่ แทนที่จะถามกว้าง ๆ ว่ามีใครในบริษัท “เก่ง AI” หรือเปล่า

เพื่อนร่วมงานคนหนึ่งตรวจข้อมูลที่จะนำมาใช้กับงานนี้ พบว่าคำอธิบายสินค้าอยู่ในเอกสารมากกว่าหนึ่งชุด และบางข้อความมีรายละเอียดลูกค้า ทีมจึงตัดสินใจระบุแหล่งข้อมูลสินค้าที่เป็นปัจจุบัน และตรวจว่าข้อความใดนำมาใช้ได้อย่างเหมาะสมก่อนเตรียมตัวอย่าง

ตอนนี้ผู้จัดการขอข้อเสนอที่เฉพาะเจาะจงขึ้นได้แล้ว เครื่องมือทำอะไร คนต้องตรวจอะไร และต้องเตรียมข้อมูลใด ทีมบันทึกงานเหล่านี้ควบคู่กับราคาที่เสนอ

การตัดสินใจถัดไปคือจะตรวจในขอบเขตจำกัดเพื่อตอบคำถามที่เหลือได้หรือไม่ ทีมอาจเดินหน้าต่อ ปรับงาน หรือเลื่อนออกไป ผู้จัดการบันทึกเหตุผลที่ตัดสินใจ และข้อมูลใหม่แบบใดที่จะทำให้กลับมาทบทวนอีกครั้ง

คัดลอกเทมเพลตนี้ลงในสรุปโครงการหรือบันทึกการประชุมที่ใช้อยู่ได้เลย ไม่ต้องมีบัญชี Influence กรอกสำหรับงานที่เสนอครั้งละหนึ่งงาน

1. งานที่ต้องการทำ: [งานที่ระบุชัดเจน] → [ผลงานที่มีคนตรวจได้] → [คนหรือทีมที่จะใช้ผลงาน] ระบุทั้งสิ่งที่รวมอยู่ในข้อเสนอและสิ่งที่อยู่นอกขอบเขต

2. คำถามเรื่องต้นทุน: [ใบเสนอราคาหรือประมาณการที่กำลังพิจารณา] · [สิ่งที่ครอบคลุม] · [สิ่งที่ยังไม่ทราบ] หากเกี่ยวข้อง ให้แยกบันทึกงานเตรียมข้อมูลหรือตรวจผลงานของพนักงานด้วย อย่าสมมติยอดประหยัดขึ้นมาเพื่อให้ข้อเสนอดูน่ารับ

3. ผู้รับผิดชอบตรวจงาน: [ชื่อผู้ตรวจ] · [สิ่งที่จะตรวจ] · [แหล่งที่ใช้อ้างอิงได้] · [สิ่งที่จะทำเมื่อไม่แน่ใจ] ตำแหน่งงานเพียงอย่างเดียวอาจยังตอบคำถามเหล่านี้ไม่ได้

4. ข้อมูลที่ต้องใช้: [เอกสารหรือระเบียนต้นทาง] · [ผู้ดูแลข้อมูล] · [เป็นปัจจุบันและเหมาะสมที่จะใช้หรือไม่] · [คำถามเรื่องการมีข้อมูลให้ใช้หรือคุณภาพที่ยังค้างอยู่]

5. การตรวจเล็ก ๆ ในขั้นถัดไป: [คำถามที่จะหาคำตอบ] · [ผู้รับผิดชอบ] · [หลักฐานที่จะช่วยตัดสินใจ] อธิบายว่าจะตรวจอะไร ก่อนตีความผลที่ได้

6. บันทึกการตัดสินใจ: [เดินหน้าต่อ ปรับ หรือเลื่อน] · [เหตุผลที่มีผลการตรวจรองรับ] · [สิ่งที่ยังไม่แน่นอน] แยกความกังวลออกจากหลักฐานที่ยืนยันว่าความกังวลนั้นได้รับการแก้ไขแล้ว

ในตัวอย่างผู้ค้าส่งสมมติ ผลงานคือรายการหัวข้อคำถาม ผู้ตรวจคือหัวหน้าทีมขาย และแค็ตตาล็อกปัจจุบันเป็นแหล่งอ้างอิงข้อมูลสินค้า สิ่งที่จะตรวจต่อคือวิธีทำงานนี้ให้ผลงานที่ทีมขายประเมินได้หรือไม่ การกรอกข้อมูลเหล่านี้ทำให้ข้อเสนอชัดขึ้น โดยไม่ต้องนำอัตราความสำเร็จจากแบบสำรวจที่ไม่เกี่ยวข้องมาอ้าง

เราใช้ไมโครดาต้าสาธารณะของ TIC Empresas 2025 จาก NIC.br/Cetic.br ซึ่งผ่านกระบวนการคุ้มครองความลับแล้ว การสัมภาษณ์เกิดขึ้นในบราซิลตั้งแต่เดือนกุมภาพันธ์ 2025 ถึงมกราคม 2026 แบบสำรวจครอบคลุมธุรกิจเอกชนที่จดทะเบียนอย่างเป็นทางการและยังดำเนินกิจการ มีผู้ปฏิบัติงานอย่างน้อยสิบคน และอยู่ในสาขาธุรกิจที่กำหนด^[1][3][4]

การวิเคราะห์เริ่มจากเกณฑ์คัดกรองในแบบสอบถามว่ามีหน่วยงานหรือแผนกไอที หรือผู้เชี่ยวชาญด้านไอที จากนั้นเลือกธุรกิจที่ไม่มีคำตอบว่าใช่ในคำถามการใช้เทคโนโลยี AI ทั้งเจ็ดประเภท และตอบว่าใช่ต่อคำถามว่าต้นทุนดูสูงเกินไป การคำนวณหลักนำผลรวมน้ำหนักสำรวจของธุรกิจที่ระบุอย่างชัดเจนว่ากังวลทั้งเรื่องบุคลากรและข้อมูล หารด้วยผลรวมน้ำหนักของธุรกิจที่เข้าเกณฑ์และกังวลเรื่องต้นทุนทั้งหมด คำตอบเรื่องบุคลากรหรือข้อมูลที่ไม่ทราบยังคงอยู่ในตัวหาร

เราคำนวณความไม่แน่นอนจากการสุ่มตัวอย่างด้วยน้ำหนักซ้ำแบบ combined bootstrap จำนวน 200 ชุดที่ให้มากับข้อมูล ช่วงที่แสดงอธิบายความไม่แน่นอนของค่าประมาณแต่ละค่า ไม่ได้ครอบคลุมแหล่งความคลาดเคลื่อนทุกประเภท เราแสดงเฉพาะผลที่ผ่านเกณฑ์ความเพียงพอของข้อมูลและกฎการเปิดเผยที่กำหนดไว้ล่วงหน้า ผลแยกย่อยที่ไม่แสดงต้องไม่ตีความว่าเป็นศูนย์^[8]

เรากำหนดคำถามวิจัยและวิธีคำนวณก่อนดูผลของคำตอบที่เกิดร่วมกัน ระหว่างตรวจแหล่งข้อมูล เราบันทึกความไม่สอดคล้องของรหัสคำตอบที่เผยแพร่ซึ่งอยู่นอกกลุ่มวิเคราะห์ และแก้การเทียบกับตารางอ้างอิงที่เผยแพร่ซึ่งเดิมกำหนดความละเอียดไว้สูงเกินไป เอกสารดาวน์โหลดระบุว่าเปลี่ยนอะไรและเมื่อใด การเปลี่ยนแปลงไม่ได้กระทบประชากรที่วิเคราะห์หรือการคำนวณผลเป้าหมาย การคำนวณอย่างอิสระอีกชุดให้ผลตรงกับผลที่เรานำมาเผยแพร่^[8]

ไฟล์สาธารณะผ่านกระบวนการคุ้มครองความลับแล้ว Cetic.br ตรวจสอบประโยชน์ใช้สอยของข้อมูลเทียบกับตารางที่เผยแพร่ แต่ไม่ได้รับรองว่าการวิเคราะห์คำตอบร่วมกันในรูปแบบใหม่ทุกแบบจะตรงกับผลจากข้อมูลสัมภาษณ์ต้นฉบับ^[7]

แนวคิดที่ว่าความกังวลเรื่องบุคลากร ข้อมูล และการเงินเกิดร่วมกันได้นั้นเป็นที่ทราบอยู่แล้ว งานก่อนหน้าแบ่งกลุ่มธุรกิจตามชุดอุปสรรคที่พบร่วมกัน และรายงานของผู้จัดทำแบบสำรวจปี 2025 ก็กล่าวถึงคนและข้อมูลในฐานะสิ่งที่ต้องมีสำหรับนำ AI มาใช้ สิ่งที่การวิเคราะห์นี้เพิ่มคือค่าประมาณโดยตรงของความกังวลที่เลือกมาซึ่งมีผู้ระบุร่วมกัน ภายในกลุ่มที่กังวลเรื่องต้นทุนตามนิยามเฉพาะนี้ ไม่ใช่การค้นพบสาเหตุใหม่ที่ทำให้ธุรกิจไม่ใช้ AI^[5][6]