Kapag tila napakamahal ng AI, ano pa ang ikinababahala ng mga negosyo?

Sa 547 negosyong pasok sa pamantayan at nagsabing mataas ang gastos sa AI, 197 ang nag-ulat din ng parehong kakulangan ng staff na may kinakailangang kasanayan at mga problema sa pagkakaroon o kalidad ng data. Kapag ginamit ang mga weight ng survey, tinatayang 37.5% ito. Ang bahaging walang weighting ay 36.0%.^[1][8]

Parehong negosyo at sagot ang ginagamit ng dalawang porsiyento. Pantay-pantay ang bilang ng bawat negosyo sa porsiyentong walang weighting. Sa weighted na porsiyento, binibigyan ang bawat rekord ng ambag na itinalaga ng disenyo ng survey, kaya ito ang aming pangunahing estimate. Binabago ng weighting ang estimate, hindi kung aling mga sagot ang itinuturing na pag-uulat ng parehong alalahanin.

Mula 29.8% hanggang 45.2% ang 95% sampling interval. Dahil sa lawak na iyon, mas angkop ilarawan ang resulta bilang humigit-kumulang apat sa bawat sampu kaysa ipahiwatig na eksaktong sukatan ng bawat katulad na negosyo ang 37.5%.

Dahil galing sa iisang rekord ang tatlong sagot, direktang nasusukat ng pagsusuri ang pagsasabay ng mga alalahanin. Makikita namin kung ang mga negosyong nag-aalala sa gastos ay tahasang nag-ulat din ng parehong alalahanin sa staff at data.

Hindi rin nito ipinapalagay kung ano ang iba pang mga sagot. Ang negosyong wala sa grupong nagkumpirma sa parehong alalahanin ay maaaring nag-ulat ng isa, wala sa dalawa, o sagot na hindi alam. Hindi maaaring tawaging grupo na presyo lamang ang problema ang natitirang bahagi. May iba pang dahilan sa talatanungan, at hindi niraranggo ng aming pangunahing resulta ang mga iyon.

Inilalarawan ng porsiyento ang grupong ito sa survey sa Brazil sa panahong iyon. Maaaring gamitin ng negosyo sa ibang lugar ang pagkakaibang ito para bumuo ng sarili nitong tanong sa pananaliksik.

Itinatanong ng tanong sa gastos kung tila napakataas nito. Hindi nito itinatala ang alok na presyo ng supplier, ang halagang kayang bayaran ng negosyo, o kung anong gastusin ang nasa isip ng sumagot. Kaya tumutukoy kami sa pananaw tungkol sa gastos. Hindi masasabi ng mga sagot kung gaano kalaki ang kailangang ibaba ng presyo, o kung mababago ng diskuwento ang desisyon.^[2]

Tungkol ang tanong sa staff sa mga taong nasa loob ng negosyo na may kasanayang gamitin ang mga teknolohiya. Sinusuri muna ng talatanungan kung may bahagi, departamento o espesyalista sa IT. Ang pagkakaroon ng suportang iyon ay hindi awtomatikong nagpapatunay na may kinakailangang kasanayan ang mga taong sangkot para sa iminumungkahing gawain sa AI.

Pinagsasama ng tanong sa data ang pagkakaroon at kalidad nito. Maaaring tumukoy ang sagot na oo sa kung may angkop na impormasyon, kung magagamit ito, o pareho. Dahil hindi pinaghihiwalay ng survey ang mga posibilidad na iyon, hindi nito matutukoy kung anong paghahanda ang kailangan ng isang partikular na negosyo.

Higit sa generative AI ang sakop ng pitong tanong tungkol sa paggamit ng AI. Kasama rito ang mga teknolohiya gaya ng pagsusuri ng teksto, pagkilala sa pananalita, machine learning at pag-automate ng daloy ng trabaho. Kaya ang resulta ay tungkol sa mas malawak na listahang iyon ng mga teknolohiya.

Nananatili sa buong grupong nag-aalala sa gastos ang anumang sagot sa staff o data na hindi alam. Binibilang ng aming pangunahing porsiyento ang tahasang pagkumpirma sa parehong alalahanin; hindi namin hinuhulaan ang mga hindi nasagot na tanong. Pinapayagan din ng pamantayan ang mga sagot sa paggamit ng AI na hindi alam o walang sagot, kaya ang “walang iniulat na paggamit” ay hindi dapat ituring na kumpirmadong hindi paggamit.

Para sa may-ari ng negosyo o pinuno ng marketing, ang praktikal na implikasyon ay panatilihing magkahiwalay ang tatlong tanong: magkano ang iminumungkahing gawain, sino ang makapagsusuri sa resulta, at anong impormasyon ang kailangan nito. Ang nakitang pagsasabay ng mga alalahanin ay nagbibigay ng dahilan para talakayin ang mga tanong na ito nang magkakasama. Para siyasatin ang mga hamon sa pagpapatupad ng AI sa sarili mong negosyo, magsimula sa malinaw na gawain at ebidensiya mula sa mga taong gagawa nito.

Magsimula sa paglalarawan ng trabahong may resultang kayang suriin. Masyadong malawak ang “gumamit ng AI sa marketing” para luminaw ang kailangan ng team. Sa “pangkatin ayon sa paksa ang mga pumapasok na tanong sa produkto para suriin ng sales team,” malinaw ang resulta at kung sino ang gagamit nito. Dahil mas tiyak ang gawain, maaari nang talakayin ang presyo para sa isang konkretong bagay.

Pagkatapos, itanong kung ano ang kasama sa iminungkahing presyo. Magkaibang bahagi ng plano ang subscription sa tool at oras ng staff sa paghahanda ng impormasyon o pagsusuri ng resulta. Iminumungkahing pagkakaiba ito para sa pagpaplano, hindi paghahating sinukat ng survey. Maaaring itala ng team ang mga ito nang hindi ipinapalagay na mahal ang isang hindi pa pamilyar na gawain o makakatipid ito ng oras.

Maaaring mas kapaki-pakinabang ang tanong tungkol sa pagsusuri kaysa pangkalahatang tanong tungkol sa kumpiyansa sa AI. Sino ang makakapansin ng tanong na nailagay sa maling grupo? Anong sanggunian ang titingnan nila kapag hindi tiyak ang sagot? Sino ang magpapasya kung magagamit ang resulta? Nililinaw ng mga tanong na ito ang responsibilidad para sa isang panukalang gawain; hindi nila sinusukat ang kasanayan ng isang tao mula sa estadistika ng survey.

Iangkop ang susunod na hakbang sa desisyong kailangang gawin. Maaaring kailangang linawin ng negosyo ang alok na presyo, hanapin ang mapagkakatiwalaang dokumento ng produkto o ipasuri sa kasamahan ang isang maliit na halimbawa. Piliin ang pagsusuring sasagot sa partikular na tanong na hindi pa malinaw bago mangako sa mas malaking proyekto.

Isipin ang isang kathang-isip na rehiyonal na wholesaler na ang sales team ay tumatanggap ng mga tanong sa produkto sa website, email at mga mensahe sa social media. Iminumungkahi ng isang manager na gumamit ng AI para pangkatin ang mga tanong ayon sa paksa. Nais makita ng team kung aling mga tanong ang nangangailangan ng mas malinaw na impormasyon sa produkto at alin ang dapat mapunta sa salesperson. Halimbawa ito ng pagpaplano, hindi negosyong naobserbahan sa survey.

Natigil sa presyo ang unang usapan. Sa halip na isipin na gastos ang nagpapaliwanag sa lahat, isinulat ng manager ang inaasahang resulta: listahan ng mga paksa ng tanong, na naka-link sa orihinal na mga mensahe para masuri ng tao. Hindi kasama sa panukala ang pagpapadala ng awtomatikong sagot o pagrerekomenda ng produkto sa mga customer.

Napansin ng sales lead na maaaring mapagpalit ang magkakahawig na pangalan ng produkto. Pumayag siyang suriin ang pagpapangkat gamit ang kasalukuyang katalogo at markahan ang tanong kapag hindi malinaw ang ibig sabihin nito. Ang mahalagang tanong ngayon ay kung mayroon siyang impormasyon at kaalamang kailangan para sa pagsusuring iyon, hindi kung may taong sa pangkalahatan ay “magaling sa AI” sa kompanya.

Sinuri ng isang kasamahan ang impormasyong gagamitin sa gawain. Nasa higit sa isang dokumento ang mga paglalarawan ng produkto, at may detalye ng customer ang ilang mensahe. Nagpasya ang team na tukuyin ang kasalukuyang sanggunian ng produkto at alamin kung aling mga mensahe ang angkop gamitin bago maghanda ng halimbawa.

Maaari nang humingi ang manager ng mas tiyak na panukala. Ano ang gagawin ng tool, ano ang kailangang suriin ng tao, at anong impormasyon ang dapat ihanda? Itinala ng team ang mga gawaing iyon kasabay ng alok na presyo.

Ang susunod na desisyon ay kung masasagot ng limitadong pagsusuri ang mga natitirang tanong. Maaaring ituloy ng team, baguhin ang gawain o ipagpaliban ito. Itatala ng manager ang dahilan ng desisyon at kung anong bagong impormasyon ang magiging batayan para muling suriin ito.

Kopyahin ang template sa kasalukuyang project brief o tala ng pulong. Hindi kailangan ng Influence account. Sagutan ito para sa isang iminumungkahing gawain.

1. Nilalayong gawain: [tiyak na trabaho] → [resultang maaaring suriin ng tao] → [tao o team na gagamit nito]. Isulat kung ano ang hindi kasama sa panukala pati na ang mga kasama.

2. Tanong sa gastos: [alok na presyo o estimate na pinag-uusapan] · [mga kasama rito] · [mga hindi pa alam]. Ihiwalay ang tala ng paghahanda o pagsusuri ng staff kung mahalaga ito; huwag mag-imbento ng matitipid para bigyang-katwiran ang panukala.

3. Responsibilidad sa pagsusuri: [pangalan ng susuri] · [susuriin niya] · [sangguniang maaari niyang tingnan] · [gagawin kapag hindi siya sigurado]. Maaaring hindi sapat ang titulo sa trabaho para masagot ang mga ito.

4. Kinakailangang impormasyon: [mga pinagmulang dokumento o rekord] · [taong nagpapanatili ng mga ito] · [kung napapanahon at angkop gamitin] · [hindi pa nalilinaw na tanong tungkol sa pagkakaroon o kalidad].

5. Maliit na susunod na pagsusuri: [tanong na dapat sagutin] · [responsableng tao] · [ebidensiyang makakatulong sa desisyon]. Ilarawan ang pagsusuri bago bigyang-kahulugan ang resulta nito.

6. Tala ng desisyon: [ituloy, baguhin o ipagpaliban] · [dahilang sinusuportahan ng pagsusuri] · [natitirang kawalang-katiyakan]. Ihiwalay ang isang alalahanin sa ebidensiyang nalutas na ito.

Sa halimbawa ng kathang-isip na wholesaler, listahan ng mga paksa ng tanong ang resulta, sales lead ang susuri rito, at kasalukuyang katalogo ang sanggunian sa produkto. Ang susunod na pagsusuri ay tungkol sa kung may nalilikhang resultang kayang tasahin ng sales team ang kaayusang iyon. Mas nagiging konkreto ang panukala sa mga talang ito nang hindi humihiram ng success rate mula sa survey na walang kaugnayan.

Ginamit namin ang pampublikong microdata ng TIC Empresas 2025 mula sa NIC.br/Cetic.br, na naproseso upang protektahan ang pagiging kumpidensiyal. Isinagawa ang mga panayam sa Brazil mula Pebrero 2025 hanggang Enero 2026. Sakop ng survey ang mga aktibong pormal at pribadong negosyo na may hindi bababa sa sampung taong nagtatrabaho sa mga ito, sa mga itinakdang sektor.^[1][3][4]

Nagsisimula ang pagsusuri sa pagtiyak ng talatanungan kung may bahagi, departamento o espesyalista sa IT. Pagkatapos, pinanatili namin ang mga negosyong walang sagot na oo sa alinman sa pitong teknolohiya ng AI at may sagot na oo sa tanong tungkol sa pananaw sa gastos. Hinahati ng pangunahing kalkulasyon ang kabuuang survey weight ng mga negosyong tahasang nag-ulat ng parehong alalahanin sa staff at data sa kabuuang weight ng buong grupong pasok sa pamantayan at nag-aalala sa gastos. Nananatili sa denominator na iyon ang anumang sagot sa staff o data na hindi alam.

Kinuwenta namin ang kawalang-katiyakan dahil sa sampling gamit ang ibinigay na 200 combined bootstrap replicate weight. Inilalarawan ng mga interval ang kawalang-katiyakan para sa bawat estimate, hindi ang lahat ng posibleng pinagmumulan ng pagkakamali. Ipinapakita lamang namin ang mga resultang nakatutugon sa itinakdang tuntunin sa sapat na datos at pagsisiwalat; hindi dapat ituring na zero ang mga hindi ipinakitang detalye.^[8]

Itinakda namin ang tanong sa pananaliksik at mga kalkulasyon bago tingnan ang pinagsamang resulta. Sa pagsusuri ng pinagmulan, naitala namin ang isang hindi pagkakatugma sa inilabas na mga response code sa labas ng aming grupo at itinama ang paghahambing sa mga inilathalang reference table na gumamit ng sobrang taas na precision. Itinatala ng download kung ano ang binago at kailan. Hindi binago ng mga iyon ang populasyon ng pagsusuri o mga target na kalkulasyon. Naulit ng isang hiwalay na kalkulasyon ang inilathalang resulta.^[8]

Naproseso na ang pampublikong file upang protektahan ang pagiging kumpidensiyal. Sinusuri ng Cetic.br ang pagiging kapaki-pakinabang nito laban sa mga inilathalang talahanayan, ngunit hindi nito ginagarantiya na bawat bagong pinagsamang pagsusuri ay kapareho ng gagawin sa orihinal na mga panayam.^[7]

Matagal nang kilala ang pangkalahatang ideya na maaaring magsabay ang mga alalahanin sa staff, data at pananalapi. Pinangkat ng naunang pananaliksik ang mga negosyo ayon sa mga kombinasyon ng hadlang, at tinatalakay ng ulat ng tagagawa ng survey noong 2025 ang mga tao at data bilang mga kailangan sa pagpapatupad. Ang ambag namin ay direktang estimate ng mga piling alalahaning sabay na iniulat sa partikular na grupong ito na nag-aalala sa gastos, hindi ang pagtuklas ng bagong sanhi ng hindi paggamit ng AI.^[5][6]