觉得 AI 太贵时,企业还担心什么?
一项巴西企业调查显示,在认为 AI 成本过高的企业中,人员与数据方面的顾虑如何重叠。这项发现可帮助企业把 AI 提案写得更具体。
Influence IQ 对 TIC Empresas 2025 的原创分析;调查于 2025 年 2 月至 2026 年 1 月在巴西开展访谈。
摘要
在本研究界定、认为 AI 成本过高的巴西企业调查群体中,估计有 37.5% 的企业同时报告缺少具备所需技能的员工,以及数据可获得性或质量方面的困难。该加权估计的 95% 抽样区间为 29.8%–45.2%。这些企业设有 IT 业务单元、部门或专员,未报告使用列出的 7 项 AI 技术中的任何一项,并表示成本似乎过高。[1][2][8]
我们分析了 TIC Empresas 2025。该调查于 2025 年 2 月至 2026 年 1 月开展,覆盖指定行业中至少有 10 名从业人员的正规私营企业。主要分析群体包含 547 条已发布记录。对实际规划的启示是:讨论价格时,也应询问拟开展的任务、由谁审核,以及需要哪些信息。这是根据企业报告的顾虑提出的规划建议,并不证明降价或培训会促成采用。
一份 AI 提案送到企业主的桌上,却因价格停了下来。下一次会议可能变成寻找更便宜工具的讨论。但在此之前,还有一个问题值得先问:使用这个工具,团队需要做些什么?
这只是用于说明的场景,并非调查中的真实访谈。它解释了我们为何没有停留在一份常见 AI 采用挑战清单上。我们想知道,提出成本顾虑的企业,是否也提出了人员与数据方面的顾虑。
对考虑新任务的营销团队来说,这一区别很重要。价格可以放在表格里比较,而谁来检查工作、他们依据哪些信息,则需要单独讨论。我们的分析描述这些顾虑如何重叠;下文逐步展开的示例展示了一种把这一区别转化为可用决策简报的方法。
提案及其配套工作

人员与数据方面的顾虑如何重叠
提出成本顾虑的企业,同时报告人员与数据顾虑的情况
企业设有 IT 业务单元、部门或专员,未报告使用列出的 7 项 AI 技术,且认为成本过高。我们测量了明确同时报告人员与数据两项顾虑的比例。
| 调查群体 | 使用调查权重 | 未使用调查权重 | 95% 区间:下限 | 95% 区间:上限 | 样本群体中的企业数 |
|---|---|---|---|---|---|
| 符合条件且认为 AI 成本过高的企业 | 37.5% | 36.0% | 29.8% | 45.2% | 547 |
95% 抽样区间从 29.8% 到 45.2%。考虑到这个范围,更合适的表述是“约每 10 家中有 4 家”,而不是让人以为 37.5% 能精确描述所有类似企业。
由于这 3 项回答来自同一条记录,分析可以直接测量它们的重叠。我们能看出,提出成本顾虑的企业是否也明确报告了人员与数据两方面的顾虑。
分析也保留了其他回答的可能性。不属于“确认同时有两项顾虑”群体的企业,可能报告其中一项、两项都没有,或回答未知。因此,不能把其余企业说成“唯一问题就是价格”的群体。问卷还列有其他原因,我们的主要结果并未为这些原因排序。
这个百分比描述的是上述巴西调查在当时所涵盖的特定群体。其他地方的企业可用这一区别来形成自己的研究问题。
这里的“成本”“技能”和“数据”指什么
成本问题问的是“成本是否似乎过高”,没有记录供应商报价、企业能够负担的金额,也未记录受访者指的是哪项支出。因此,我们称之为感知成本顾虑。这些回答不能告诉我们价格需要降低多少,也不能说明折扣是否会改变决定。[2]
人员问题关注的是企业内部是否有人具备使用这些技术的技能。问卷首先筛查企业是否设有 IT 业务单元、部门或专员。具备这类支持,本身并不能证明相关人员拥有拟开展的 AI 任务所需的技能。
数据问题把可获得性与质量合在一起。回答“是”,可能意味着缺少合适信息、信息不可用,或两者兼有。调查未区分这些可能性,因此无法据此确定某家企业具体需要做哪种准备。
7 项 AI 使用问题涵盖的不只是生成式 AI,还包括文本分析、语音识别、机器学习和工作流自动化等技术。因此,这项结果针对的是这份范围更广的技术清单。
人员或数据问题中所有未知回答,仍保留在完整的成本顾虑群体内。我们的主要百分比只统计明确确认两项顾虑的情况,不会猜测未回答的问题。纳入条件也允许 AI 使用情况为未知或未回答,因此“未报告使用”不应被理解为“确认未使用”。
将价格异议转为更明确的规划问题
对企业主或营销负责人来说,实际启示是区分 3 个问题:拟开展的任务花费多少、谁能判断成果,以及需要哪些信息。观察到的重叠,为同时询问这些问题提供了理由。要研究自己企业实施 AI 的挑战,可以先界定一项任务,并向实际负责工作的人收集依据。
先把工作描述到他人能够检查的程度。“在营销中使用 AI”过于宽泛,无法看出团队需要什么。“把收到的产品问题按主题归类,供销售团队审核”则写明了输出内容和使用者。任务越明确,就越能围绕具体工作讨论价格。
再问清拟议价格包含什么。工具订阅费,与员工准备信息或审核输出所需的时间,是计划中的不同项目。这是我们建议采用的规划区分,并非调查测得的成本拆分。团队可以分别记录这些项目,无须预先认定陌生任务一定昂贵,或一定节省时间。
询问审核安排,可能比笼统询问“对使用 AI 有没有信心”更有用。谁能识别被分错组的询盘?答案不确定时,他们会查阅什么来源?由谁决定输出能否使用?这些问题用于明确拟开展任务的职责,而不是根据一项调查统计来判断某个人的技能。
下一步检查应与决策规模相称。企业可能需要澄清报价、找到权威的产品文件,或请同事审核一个小示例。在投入更大项目之前,先选择能回答具体未决问题的检查。
一家虚构批发商如何梳理拟开展的任务
设想一家虚构的区域批发商,销售团队通过网站、电子邮件和社交消息收到产品询盘。经理提议用 AI 将询盘按主题归类。团队想看清哪些问题需要更清楚的产品信息,哪些应转交销售人员。这是用于说明的规划示例,并非调查中观察到的企业。
首次讨论卡在了价格上。经理没有认定成本能解释一切,而是先写明拟议输出:一份询盘主题清单,链接到原始消息,供人工审核。提案不包括自动回复或向客户推荐产品。
销售负责人注意到,相似的产品名称可能被混淆。她同意对照现行产品目录审核分类,并在询盘含义不清时作出标记。相关问题于是变成:她是否拥有审核所需的信息和熟悉程度,而不是公司里是否有人笼统地“擅长使用 AI”。
一位同事检查了任务将用到的信息。产品说明分散在不止一份文件中,部分询盘消息还包含客户资料。团队决定,在准备示例之前,先确定现行产品信息的来源,并核实哪些消息适合使用。
现在,经理可以要求一份更具体的提案:工具负责什么、哪些内容必须由人检查,以及哪些信息需要准备?团队将这些工作与报价一并记录。
下一步要决定的是,有限范围的审核能否回答余下问题。团队可以继续推进、修改任务或暂缓开展。经理记录决定的理由,以及出现哪些新信息时应重新审核。
下次讨论 AI 提案前,复制这份工作表
把这份模板复制到现有项目简报或会议记录中,无须 Influence 账户。针对一项拟开展的任务填写。
1. 预期任务:[具体工作] → [可供检查的输出] → [使用者或团队]。同时写明提案包含什么、不包含什么。
2. 成本问题:[讨论中的报价或估算] · [包含的内容] · [仍未知的事项]。如涉及员工准备或审核工作,请单独记录;不要为证明提案合理而编造节省金额。
3. 审核责任:[指定审核者] · [要检查的内容] · [可查阅的来源] · [不确定时如何处理]。仅有职位名称,未必能回答这些问题。
4. 所需信息:[源文件或记录] · [维护者] · [是否为当前版本且适合使用] · [关于可获得性或质量的未决问题]。
5. 下一项小范围检查:[待解决的问题] · [负责人] · [可为决策提供依据的证据]。先说明检查内容,再解读检查结果。
6. 决策记录:[推进、修改或暂缓] · [检查结果支持的理由] · [仍存在的不确定性]。区分“有某项顾虑”与“有证据表明顾虑已经解决”。
在虚构的批发商示例中,输出是询盘主题清单,由销售负责人审核,现行产品目录提供产品参照。下一项检查要看,这种安排能否产出销售团队能够评估的内容。这些记录能让提案更具体,无须借用一项无关调查的成功率。
我们如何分析这项调查
我们使用了 NIC.br/Cetic.br 公开且经保密处理的 TIC Empresas 2025 微观数据。访谈于 2025 年 2 月至 2026 年 1 月在巴西开展。调查覆盖指定行业中至少有 10 名从业人员、正常经营的正规私营企业。[1][3][4]
分析首先使用问卷中关于 IT 业务单元、部门或专员的筛查项,再保留对列出的 7 项 AI 技术均未回答“是”、且对感知成本问题回答“是”的企业。主要计算将明确报告人员与数据两项顾虑的企业调查权重,除以整个符合条件的成本顾虑群体的权重。人员或数据问题中所有未知回答都保留在这一分母中。
我们用所提供的 200 组联合自助法重复权重计算抽样不确定性。区间描述的是单项估计的不确定性,未覆盖所有可能的误差来源。我们只展示符合预先规定的样本支持与披露规则的结果;未展示的细分结果不应被当作 0。[8]
我们在查看联合结果之前,已确定研究问题和计算方法。在核查来源时,我们记录了分析群体以外已发布回答代码的一处不一致,并修正了与已发布参照表格之间一次过于精确的比较。下载文件记录了修改内容和时间。这些修改未改变分析总体或目标计算。独立计算复现了公布的结果。[8]
公开文件经过了保密处理。Cetic.br 会对照已发布表格检查其数据效用,但这并不能证明每项新的联合分析,都与使用原始访谈所得的分析完全相同。[7]
人员、数据和财务方面的顾虑可能共存,这一总体认识已有研究基础。早期研究按障碍组合对企业分组,2025 年的调查发布机构报告也将人员与数据列为实施所需考虑的事项。我们的贡献,是直接估计这个特定成本顾虑群体内几项顾虑被同时报告的比例,并非发现了不采用 AI 的新原因。[5][6]
无须注册。表格包含历史汇总结果。包内包含方法、来源核查及公开输出保护措施的说明译文,不重新分发企业个体调查记录。
来源与注释
- NIC.br/Cetic.br,TIC Empresas 2025 经保密处理的公开基础微观数据,版本 1.0,发布于 2026 年 6 月 15 日。源数据按 CC BY 4.0 署名。本文百分比由 Influence IQ 根据已发布记录计算,并非引用已发布的主要结果。
- TIC Empresas 2025 问卷,H9 和 H13。H9 在筛查 IT 业务单元、部门或专员之后,询问 7 项 AI 技术。没有任何使用项回答“是”时,进入 H13,其中也包括使用情况未知或未回答的情形。H13_A 涉及成本似乎过高;H13_B 涉及员工技能;H13_D 同时涉及数据可获得性与质量。
- TIC Empresas 2025 方法报告。抽样框覆盖指定 Cempre/CNAE 行业中至少有 10 名从业人员、正常经营的正规私营企业。这不是对所有巴西组织、微型企业、独立创作者或个体工作者的抽样。模块 H 在全部 3 轮调查中均有采集。
- TIC Empresas 2025 数据采集报告。实地调查于 2025 年 2 月至 2026 年 1 月开展。报告列出 4,174 次完成的访谈,公开版本则包含 4,171 条记录。所审阅文件未解释这一差异。我们使用固定的公开版本,没有为凑齐访谈总数而添加记录。
- Emerson Gomes dos Santos 与 Márcia Siqueira Rapini,Barreiras na Adoção Combinada de Tecnologias Digitais por Empresas Brasileiras: uma proposta de tipologia(2024)。这项早期分析使用 TIC Empresas 2021 和聚类方法研究障碍组合。它提供了相关前期研究,但并非可与本研究 2025 年条件群体直接比较的估计。
- TIC Empresas 2025 调查发布机构报告,尤其是 Natália Marroni Borges 关于 AI 采用与制度化的讨论,见第 94–95 页。该讨论将数据、人员、能力和治理列为实施时需考虑的事项。我们的分析并未声称这些总体认识是新的。
- Cetic.br 微观数据指南说明了为保护保密性而进行的重新编码与数据抑制,并对照已发布制表计划评估数据效用。它未说明某条已发布记录受到哪种处理,也不保证所有新的联合关系都与原始访谈保持一致。NIC.br/Cetic.br 不为我们的分析或解读背书。
- Influence IQ 方法与复现包。11 条已发布记录将全部 7 项 AI 使用项标为不适用,而 9 个原因字段使用了其他回答代码;这些记录本就不在我们界定的分析总体内。所有记录均予保留。我们还在检查已发布表格后、查看目标结果前,修订了一项控制精度比较。分析包记录了这两项修订、不确定性计算,以及公开输出保护措施,不含个体记录。
文章与表格标签提供所有语言版本。源问卷为葡萄牙语,技术复现包附有说明译文。所有版本中的巴西研究总体和 2025 年 2 月至 2026 年 1 月调查时段均保持不变。
