自建还是采购 AI:一项巴西企业研究

现成 AI 与开发工作,常在同一家公司内并存。我们对巴西 TIC Empresas 2025 调查的新分析,区分了员工完成的工作与委托供应商完成的工作,并据此整理出一份职责工作表。

巴西指定行业中至少有 10 名从业人员的正规企业;回答 AI 问题须设有 IT 业务单元或专员。TIC Empresas 2025,采集于 2025 年 2 月至 2026 年 1 月。分析完成于 2026 年 10 月 17 日。

摘要

在符合条件、将 AI 用于营销或销售的巴西企业中,获取方式回答完整者有 69.0% 同时报告获取现成 AI,以及某种开发或修改工作。在该群体中使用现成 AI 的企业内,这一比例为 81.1%。相应的逐项 95% 置信区间分别为 61.9%–76.1% 和 74.7%–87.5%。[1][4]

这些加权估计使用 TIC Empresas 2025,覆盖选定、至少有 10 名从业人员的正规企业;AI 问题要求企业设有 IT 业务单元或 IT 专员。分析使用 447 家获取方式回答完整的受访企业,其中 376 家使用现成 AI;实地调查于 2025 年 2 月至 2026 年 1 月开展。获取方式描述的是公司整体 AI 组合,不一定对应其营销应用或同一系统。实际启示是:写明每套系统由谁开发、修改和维护,包括受委托的供应商。

营销经理提出一个看似直接的问题:我们该自行开发 AI 工具,还是买一个?讨论从产品候选名单和可能的开发简报开始,很快就有人问:谁适配系统?谁检查输出?业务变化后由谁修正?

这些问题可能涉及不同的人与不同的系统。获取现成产品,并不能说明公司围绕 AI 开展的全部工作。同样,有员工审核 AI 生成内容,也不意味着他们开发了软件。

我们研究了巴西公开企业调查中,同一批企业关于获取方式的回答。结果为自建还是采购的讨论提供了一个特定基准。调查使用的术语是“acquired ready to use”(获取即可使用的现成产品),不一定意味着付费购买或订阅。

1 家公司可采用多种 AI 获取方式

一个打开的文件夹内有 3 组独立配置:应用与工具箱、可编辑模块与铅笔,以及供应商文件、包裹和扳手。
  • 获取现成软件
  • 由员工开发或修改
  • 委托开发或修改
公司 AI 组合内不同获取途径的概念插画。调查未将这些途径关联到同一应用,也未展示由一种转向另一种的顺序。

自建、采购与委托,描述不同的工作

调查区分 5 条途径:由员工开发 AI 软件或系统;由员工修改;由员工修改开源系统;获取即可使用的现成产品;以及委托为此聘用的外部供应商开发或修改。公司可以报告多条途径。[2]

我们将前 3 项归为内部开发或修改。委托工作单独列出,因为工作由公司外部人员完成。仅仅获取供应商已有的产品,并不能证明公司委托了开发。同样,修改软件也不一定是在训练 AI 模型。

技术定义也比生成式 AI 更广,包括语言与图像分析、语音识别、预测、工作流自动化和自主实体机器。因此,不能把结果只理解为关于聊天机器人、AI 写作工具或 AI 智能体的统计。[2]

问卷没有建立一项重要关联:它分别询问企业的 AI 获取方式,以及是否将 AI 用于营销或销售。一家企业可能获取现成营销产品,同时委托开发一套无关的运营系统;也可能为相关系统报告多条途径。我们能识别公司内的组合,但不能把某条途径归到其营销应用上。

获取现成产品,常伴随开发或修改

在 447 家符合条件、获取方式回答完整且将 AI 用于营销或销售的企业中,估计有 69.0% 同时报告获取现成产品及至少 1 条开发或修改途径。其逐项 95% 置信区间为 61.9%–76.1%。另有 16.1% 报告获取现成产品,但没有任何这些额外途径,区间为 10.5%–21.6%。[1][4]

这些是加权百分比。第一项结果来自 307 家受访企业,但用 307 除以 447,得到的是未加权样本比例,而非总体估计。调查权重用于反映受访者如何代表所界定总体中的企业。

再把问题缩小到报告获取现成产品、回答完整的 376 家企业。在这组内,报告开发或修改的仍是同样的 307 家受访企业;其加权估计比例为 81.1%,95% 区间为 74.7%–87.5%。分母改变了。69.0% 和 81.1% 从 2 个角度描述同一组合,并非 2 项独立发现。

对营销经理而言,这提示应在内部问一个问题:已获取工具的周边还有哪些工作?答案可能涉及员工、受委托供应商,或两者。调查未表明现成产品本身被修改。因此,一份有用的清单应从各套系统及其对应工作开始。

营销或销售用户中的部分 AI 获取方式组合

2 行都使用获取方式回答完整的 447 家受访企业。百分比经过加权。

查看估计值与逐项 95% 置信区间
报告的获取方式组合估计值95% 区间:下限95% 区间:上限
获取现成产品,同时开发或修改69.0%61.9%76.1%
获取现成产品,无开发或修改途径16.1%10.5%21.6%
条形展示点估计,表格展示逐项 95% 置信区间。这是选定的 2 种组合,不是完整分布。开发或修改包括员工工作或受委托供应商工作,可能涉及不同 AI 系统。

分别确认员工与供应商职责

在获取方式回答完整且获取了现成 AI 的企业中,66.3% 报告委托开发或修改,39.0% 报告内部开发或修改。这些类别存在重叠:24.2% 同时报告两者。将 2 项百分比相加,会把部分企业计数 2 次。[4]

4 种组合让角色更清楚:有委托工作、无内部工作,占 42.1%;有内部工作、无委托工作,占 14.8%;两者都有,占 24.2%;两者都没有,占 18.9%。图中每组都报告了获取现成产品。“两者都没有”仅指没有这 2 类额外开发途径,不意味着企业没有 AI,或没有员工负责 AI。

委托比例减去内部比例,差值为 27.3 个百分点,逐项 95% 区间为 14.0–40.5 个百分点。我们在每次调查重复计算内求差,保留 2 项回答之间的关系。它描述的是这些角色被报告的频率,不是它们占支出、员工时间或业务价值的比例。

营销经理询问谁能修改某项内容时,这一区分很重要。员工可能直接调整系统,供应商则可能需要规格说明、约定范围和交接。同时采用 2 条途径的企业,需要知道本次修改适用哪种安排。调查并未确定这些安排实际运作得怎样。

企业报告由谁承担开发或修改工作?

全部 4 组均报告获取现成产品。分母为营销或销售 AI 群体内,获取方式回答完整且使用现成 AI 的 376 家受访企业。

查看估计值与逐项 95% 置信区间
报告的获取方式组合估计值95% 区间:下限95% 区间:上限
有委托工作,无内部工作42.1%33.0%51.2%
有内部工作,无委托工作14.8%8.0%21.7%
内部与委托工作都有24.2%15.9%32.5%
内部与委托工作都没有18.9%12.5%25.3%
条形展示点估计,表格展示逐项 95% 置信区间。四舍五入前,这 4 种回答组合穷尽该群体。内部工作指任何员工开发或修改;委托工作指为开发或修改而聘用供应商。这些途径不一定涉及同一应用。

围绕既有获取问题的特定基准

结合内部与外部 AI 获取方式,并非新想法。Hoffreumon、Forman 和 van Zeebroeck 在 2024 年的研究,考察了 3,143 家欧洲企业获取现成产品及内部开发或定制的情况。已发表摘要报告,获取途径之间普遍存在互补性。[6]

Cetic 自己的 2025 年专著,已报告各项独立的 AI 获取比例,并讨论不同采用路径如何并行。我们的贡献更窄:在所界定的营销或销售 AI 群体内,可复现地估计同一批巴西企业报告了哪些获取途径,包括区分员工工作与委托工作。[5]

这个基准有助于组织审核,却不能替企业选择供应商或确定投资方案。常见安排仍可能不适合某家企业。相关决定应考察:拟议安排能否完成预期任务,以及交付后是否有人能够维护。

一家虚构供应商梳理 AI 工具周边工作

设想一家虚构的巴西办公家具供应商。营销团队获取现成工具,用于起草产品描述;员工同时修改一套内部 AI 系统,用于分类收到的询盘;外部开发者则受委托适配另一套销售预测系统。这些是用于说明的安排,并非调查中的企业,也不是推荐组合。

营销经理先提出 1 项要求:产品规格变化时,让描述保持一致。已获取的写作工具只是任务的一部分。有人必须提供经批准的规格、审核初稿,并决定何时可以使用。这些职责本身,并不意味着企业开发或修改了 AI 软件。

询盘系统面对的是另一类问题。一位员工改变了询盘分配方式,因此团队需要确认:谁理解这次修改、如何发现分配错误,以及谁能撤回不合适的修改。对于受委托的预测系统,团队则检查外部开发者将交接什么、包含哪些修改,以及交付后由谁响应。

团队将 3 套系统分别列在工作表的不同行中。只贴“我们采购 AI”标签,会掩盖员工修改与委托工作;只贴“我们自建 AI”标签,又会掩盖已获取的产品。清单并不要求 3 套系统采用相同获取决策。

由此产生的行动很具体:指定描述审核者、记录询盘系统修改,并约定预测系统交接。示例未声称节省成本或改善表现。这些行动能否帮助企业,需要来自其实际工作的证据。

选择下一条途径前,先使用 AI 职责工作表

每套现有系统或拟议应用各用 1 行。从具体任务开始,例如准备产品文案或分类销售询盘。避免只写“营销 AI”,这样会掩盖工具应执行的工作。这份工作表是一项实务建议,不是调查检验过的干预措施。

记录系统与任务。写下名称、服务的业务问题、使用的信息,以及他人据此采取行动的输出。找出能演示当前流程的人。如果拟议工具尚不存在,应区分预期任务与对交付能力的假设。

记录如何获取和修改。标记获取现成产品、员工开发或修改、委托开发或修改,或其组合。描述每个标记背后的具体工作。不要仅凭日常使用、内容审核或配置,就认定员工开发了软件;界限不清时,询问技术负责人。

指定交接与维护负责人。确认谁验收交付的修改、谁更新输入、谁处理故障,以及谁有权批准替换。如果涉及供应商,写明它实际承担哪些职责。仅有联系人姓名,不能说明对方不在时该怎么办。

定义审核与退出安排。选定系统应处理的具体示例,以及一个已知需要人工审核的情境。记录团队如何检查结果,以及系统不可用或不合适时如何应对。使用获准的测试信息,不要假定可以把现有客户数据交给新供应商。

填好的一行应像可照着执行的说明:“产品描述工具;经批准的规格表;由产品目录编辑审核初稿;商品管理团队提供产品变更;故障报告给指定工具负责人;排除故障期间使用此前经批准的文案。”这个示例描述职责,并未把普通编辑工作归类为 AI 开发。

梳理任务、交接与下次审核

一个装有系统卡片的文件夹置于放大镜下;随后是一份文件,周围有员工工作台和供应商包裹;最后是一张带重复审核符号的检查表。
  1. 明确系统

    写明任务、输入与预期输出。

  2. 分配工作

    区分员工职责与供应商承诺。

  3. 安排下次审核

    约定谁检查修改、谁处理问题。

工作表建议采用的审核流程。插画说明业务职责,并非测量过的序列或调查检验的结果。

比较完整安排,包括交付后的工作

对新应用,应按相同任务与审核标准比较选项。询问现有产品原样提供时能处理什么、哪些需要员工工作,以及受委托供应商将交付什么。在比较拟议组合之前,先把这些答案区分开来。

准备预算时,区分产品费用与开发、审核、维护和交接工作。采用企业自己的报价和工时估算。巴西调查没有测量这些成本,因此不能用其百分比证明采购、自建或委托哪种更便宜。

企业已有多套系统时,应先完成清单,再给战略添加新标签。主要结果是,在这一特定群体内,获取现成产品通常与其他获取途径一同出现。有用的下一步,是找出自己企业内对应的职责,再据此作出下一项决定。

我们如何计算 AI 获取方式组合

我们分析了 NIC.br/Cetic.br 经保密处理的 TIC Empresas 2025 公开文件,提取日期为 2026 年 10 月 17 日。它覆盖选定制造、建筑、贸易和服务行业中正常经营、至少有 10 名从业人员的巴西正规企业。“从业人员”比受薪雇员范围更广。低于门槛的企业、公共企业及抽样框外行业均被排除。[1][3]

访谈于 2025 年 2 月至 2026 年 1 月开展,全部 3 轮均包含 AI 模块。纳入条件要求设有 IT 业务单元或 IT 专员,并使用至少 1 项列出的 AI 技术。H10_A 识别当前营销或销售用途;H9A_A–E 识别获取方式。这些 AI 问题未规定 12 个月的回忆时段。[2][3][8]

公开文件包含 4,171 条记录,其中 1,085 家企业报告使用 AI,472 家报告用于营销或销售。后者中,447 家对全部 5 项获取方式给出了是或否回答,代表该加权群体的 96.7%。主要图表使用这些完整回答。现成 AI 子群体包含 376 家受访企业。未知回答不重新编码为否。[4]

计算每项百分比时,我们用事件权重之和除以相应分析域权重之和。采用提供的 200 组联合重复权重与原有方差设置,重新计算完整比率和差值。依 Cetic 方法,逐项 95% 正态区间使用 1.96 倍标准误,不对每项比较提供同时成立的保证。[3][7]

我们还纳入了回答不完整的 25 家受访企业,考察与其已知回答相容的每种是或否补全情况。这样,在全部符合条件的营销或销售 AI 用户中,联合模式比例介于 67.7% 至 69.0%。现成 AI 用户内部的条件比例为 80.9% 至 81.6%,允许分子和分母以一致方式变化。这些是缺失回答边界,不是置信区间;抽样区间仍更宽。

采集报告给出的总体回复率为 8%,完成访谈 4,174 次。比公开文件多出 3 条记录的原因尚未确认。加权与抽样区间不能消除所有未回复或报告偏差,也未量化保密处理带来的误差。我们对照发布方表格检查了 6 项 AI 边际值及其不确定性,但这并不能证明每项新的联合关系均不受该处理影响。[7][8]

我们展示选定的获取模式,以及回答完整的 4 种来源角色组合。少量未报告任何所列途径的剩余记录,保留在主要分母中,但不作解读。下载文件提供精确定义、汇总估计、源文件哈希值和代码。受访者数据须另行向 Cetic 获取;此处不包含受访者记录或标识符。[4][9]

CSV 包含 6 行汇总图表数据及逐项 95% 置信区间。ZIP 另附条件基准、缺失回答边界、代码、定义与精确源文件哈希值。不含受访者记录或标识符。数值字段使用小数点。

来源与注释

  1. NIC.br/Cetic.br,TIC Empresas 2025,经统计保密处理的公开微观数据,版本 1.0,发布于 2026 年 6 月 15 日;提取于 2026 年 10 月 17 日。Influence IQ 根据公开受访者文件计算联合估计。
  2. TIC Empresas 2025 问卷,印刷页码第 15–16 页。H9 测量 7 项 AI 技术,要求设有 IT 业务单元(P3)或 IT 专员(F8)。H9A 询问在用 AI 软件或系统的获取及开发途径;H10 单独询问应用,包括营销或销售。获取途径未关联到具体应用。
  3. TIC Empresas 2025 方法报告,印刷页码第 31–40 页:企业总体、从业人员、抽样、加权与正态 95% 误差范围。印刷页码第 38 页的表 1,将模块 H 列入全部 3 轮采集。本研究的结论不能推广到从业人员少于 10 人的企业、被排除行业,或不符合 AI 问题纳入条件的企业。
  4. Influence IQ 计算:H10_A=yes;主要群体的全部 H9A_A–E 均已知。D 识别获取现成产品;A/B/C 识别内部开发或修改;E 识别委托开发或修改。所提供代码计算加权比率、完整重复计算内的对比,以及逻辑相容的缺失回答边界。选定图表模式并未穷尽 447 家受访企业的全部划分。
  5. TIC Empresas 2025 专著,印刷页码第 77–78 页及图 16,已报告独立的各项获取比例。我们审阅了 Natália Marroni Borges 章节印刷页码第 87–90 页,其中讨论并存的采用路径与组织职责。我们补充的是特定营销或销售用途的联合基准,并未声称混合获取是一项新原则。未复制书中图表。
  6. Charles Hoffreumon、Chris Forman 与 Nicolas van Zeebroeck(2024),Make or buy your artificial intelligence? Complementarities in technology sourcing,Journal of Economics & Management Strategy 33(2),452–479。出版方摘要描述了 3,143 家欧洲企业及获取方式互补性。我们的讨论基于该摘要,而非未经查阅的全文。
  7. 原始 RData 设计对象为 bootstrap svyrep.design,含 200 组联合重复权重,scale 为 0.005901842120932432,重复权重尺度为 1,且 mse=false。方差以重复估计均值为中心。调查参考资料解释了这些设置;发布机构的软件版本与原始重复权重生成方法尚未确认。逐项抽样区间未量化残余未回复偏差或保密处理误差。
  8. TIC Empresas 2025 采集报告:印刷页码第 50 页说明实地调查,第 53 页给出 8% 总体回复率和 4,174 次完成访谈。分析的公开文件包含 4,171 条记录,与采集报告相差 3 条的原因尚未厘清。公开文件经过保密处理,因此复现已发布边际值,不能证明每项新的联合估计都与受限原始数据一致。
  9. 数据集专属元数据为数据与表格指定 CC BY 4.0 许可。来源:NIC.br/Cetic.br,TIC Empresas 2025。Influence IQ 选择分析域,计算联合结果与不确定性,并准备解读及翻译标签。这些改编未获得 NIC.br/Cetic.br 背书。专著的单独再利用条款,并不构成使用其插图的许可。

来源:NIC.br/Cetic.br,TIC Empresas 2025。计算、解读与翻译由 Influence IQ 完成。NIC.br/Cetic.br 不为这些改编背书。

将 AI 职责与营销工作衔接