覺得 AI 太貴時,企業還有什麼顧慮?
巴西企業調查顯示,認為 AI 成本過高的企業,其人員與資料顧慮如何重疊。這項發現有助於讓 AI 提案更具體。
Influence IQ 對 TIC Empresas 2025 所做的原創分析;該調查於 2025 年 2 月至 2026 年 1 月在巴西進行訪問。
摘要
在本研究界定、認為 AI 成本過高的巴西受訪企業中,估計有 37.5% 同時表示缺乏具備所需技能的人員,且在資料可取得性或品質上遇到困難。加權估計值的 95% 抽樣區間為 29.8%–45.2%。這些企業設有資訊業務單位、部門或專責人員,未表示使用清單中的任何 1 項 AI 技術(共 7 項),並認為成本似乎過高。[1][2][8]
我們分析了 TIC Empresas 2025。該調查於 2025 年 2 月至 2026 年 1 月進行,對象為調查涵蓋產業中,至少有 10 名從業人員的正式登記民營企業。主要分析組別含 547 筆公布記錄。實務上的啟示是:討論價格時,也一併詢問擬議任務、負責檢視成果的人員,以及任務需要的資訊。這是根據受訪者所報告顧慮提出的規劃建議,並非降價或提供訓練會促使企業導入 AI 的證據。
一份 AI 提案送到企業負責人桌上,卻卡在價格。下一次會議可能就變成尋找更便宜的工具。但在那之前,值得先問另一個問題:團隊實際使用它,需要做哪些事?
這是說明情境,並非調查中的訪談內容。它解釋了我們為何不只查看常見 AI 導入難題的清單。我們想知道,提出成本顧慮的同一批企業,是否也提出人員與資料方面的顧慮。
對考慮新任務的行銷團隊而言,這個區分很重要。價格可以放進試算表比較,但由誰檢查成果、他們需要依據什麼資訊,則值得另外討論。本分析描述這些顧慮如何重疊;下方範例示範如何將這項區分轉為實用的決策簡報。
提案與周邊工作

人員與資料顧慮如何重疊
提出成本顧慮的企業中,同時提出人員與資料顧慮的情況
設有資訊業務單位、部門或專責人員,未表示使用清單中的任何 AI 技術(共 7 項),且主觀認為成本過高的企業。我們衡量其中明確同時提出人員與資料顧慮的比例。
| 調查組別 | 有套用調查權重 | 未套用調查權重 | 95% 區間:下限 | 95% 區間:上限 | 樣本組別中的企業數 |
|---|---|---|---|---|---|
| 認為 AI 成本過高且符合納入條件的企業 | 37.5% | 36.0% | 29.8% | 45.2% | 547 |
95% 抽樣區間為 29.8% 至 45.2%。因此,將結果描述為「約每 10 家有 4 家」較為合適,不宜暗示 37.5% 能精確代表所有類似企業。
由於 3 項回答皆來自同一筆記錄,分析可直接衡量重疊情況。我們能看出,提出成本顧慮的企業,是否也明確表示同時有人員與資料顧慮。
其他回答的可能性也仍然保留。未確認同時有 2 項顧慮的企業,可能只提出其中 1 項、2 項都未提出,或回答不明。不能把這些其餘企業描述為「唯一問題就是價格」的組別。問卷還列有其他原因,本文主要結果並未為它們排名。
這個百分比描述的是這批巴西歷史調查企業。其他地區的企業可以運用這項區分,界定自身的研究問題。
本文中的「成本」、「技能」與「資料」是什麼意思?
成本題詢問的是成本是否「似乎過高」,未記錄供應商報價、企業可負擔的金額,或受訪者想到的是哪項支出。因此,我們稱之為主觀感受的成本顧慮。這些回答無法告訴我們價格需要降低多少,也無法判斷折扣是否會改變決策。[2]
人員題關注的是企業內部是否有人具備使用這些技術的技能。問卷首先篩選企業是否設有資訊業務單位、部門或專責人員。即使有這類支援,也不能單憑這一點確認相關人員是否具備執行擬議 AI 任務所需的技能。
資料題將可取得性與品質合併詢問。回答「是」可能表示缺乏合適資訊、資訊無法使用,或兩者皆有。由於調查未將這些可能性分開,無法據此確認個別企業需要做哪種準備。
7 項 AI 使用問題不只涵蓋生成式 AI,也包含文字分析、語音辨識、機器學習與工作流程自動化等技術。因此,結果涉及的是這份範圍較廣的技術清單。
人員或資料題的任何不明回答,都保留在完整的成本顧慮組別中。主要百分比計算的是明確確認同時有 2 項顧慮者,不會猜測未回答的內容。納入條件也允許 AI 使用題回答不明或未回答,因此「未表示使用」不應解讀為確認沒有使用。
把價格疑慮轉成更明確的規劃提問
對企業負責人或行銷主管而言,實務上的啟示是分清楚 3 個問題:擬議任務要花多少錢、誰能判斷成果,以及需要哪些資訊。觀察到的重疊情況,提供了同時詢問這些問題的理由。若要調查自身企業的 AI 導入難題,可從明確界定的任務,以及實際執行人員提供的證據開始。
先描述一項成果可由人檢查的工作。「在行銷中使用 AI」範圍太廣,難以看出團隊需要什麼。「將收到的產品詢問依主題分類,供業務團隊檢視」則明確指出成果與使用者。縮小任務範圍,才能討論具體工作的價格。
接著詢問擬議價格包含什麼。工具訂閱費,以及人員準備資訊或檢視成果所需的工時,應在計畫中分列。這是建議的規劃區分,並非調查測得的成本細項。團隊可以記錄這些項目,無須先假定陌生任務一定昂貴,或一定能節省時間。
詢問誰來檢視成果,可能比籠統詢問對 AI 有沒有信心更有用。誰能辨認被分錯類的詢問?答案不確定時,要查閱哪個來源?由誰決定成果能否使用?這些問題是為擬議任務釐清責任,並非從調查統計數字診斷某個人的技能。
下一步的規模應與決策相稱。企業可能需要釐清報價、找到權威的產品文件,或請同事檢視一個小範例。投入較大專案前,先選擇能回答具體未決問題的確認方式。
虛構批發商如何釐清一項擬議任務
假設有一家虛構的區域批發商,業務團隊透過網站、電子郵件與社群訊息收到產品詢問。經理提議用 AI 將詢問依主題分類。團隊想了解哪些問題需要更清楚的產品資訊,哪些應交給業務人員處理。這是規劃用的示例,並非調查中觀察到的企業。
第 1 次討論卡在價格。經理沒有直接認定成本能解釋一切,而是寫下擬議成果:一份詢問主題清單,附上原始訊息連結,供人員檢視。提案不包含自動回覆或向客戶推薦產品。
業務主管注意到,相似的產品名稱可能被混淆。她同意依最新目錄檢查分類,並在詢問內容不清楚時加以標記。問題因此變成:她是否有檢視所需的資訊與熟悉度,而不是公司是否有人普遍「很會用 AI」。
一位同事檢查任務將使用的資訊。產品說明散落在多份文件中,部分詢問訊息也含有客戶資料。團隊決定,準備範例前先找出最新的產品資料來源,並確認哪些訊息適合使用。
經理現在可以要求更具體的提案:工具會做什麼、人員必須檢查什麼,以及需要準備哪些資訊?團隊將這些工作與報價一併記錄。
下一個決定,是能否透過有限範圍的檢視回答剩餘問題。團隊可能繼續、修改任務或暫緩。經理記錄決策理由,以及哪些新資訊會促使團隊再次檢視。
下次提出 AI 提案前,可複製使用的工作表
將這個範本複製到既有的專案簡報或會議紀錄中,針對 1 項擬議任務填寫,無須 Influence 帳戶。
1. 預定任務:[具體工作] → [可供人員檢查的成果] → [使用成果的人員或團隊]。除了提案涵蓋的內容,也寫明不在範圍內的事項。
2. 成本問題:[正在討論的報價或估計值] · [包含的內容] · [仍未知的事項]。如有人員準備或檢視工作,另外記錄;不要為了合理化提案而虛構節省金額。
3. 檢視責任:[具名檢視者] · [要檢查什麼] · [可查閱的來源] · [不確定時如何處理]。單有職稱未必能回答這些問題。
4. 所需資訊:[來源文件或記錄] · [由誰維護] · [是否為最新內容且適合使用] · [可取得性或品質上的未決問題]。
5. 下一步的小範圍確認:[要解決的問題] · [負責人] · [可協助決策的證據]。解讀結果前,先描述確認方式。
6. 決策紀錄:[繼續、修改或暫緩] · [確認結果所支持的理由] · [剩餘的不確定性]。應區分顧慮本身,以及證明該顧慮已解決的證據。
在虛構批發商的範例中,成果是詢問主題清單,由業務主管檢視,並以最新目錄作為產品參考。下一步要確認的是,這樣的安排能否產生業務團隊可以評估的內容。這些紀錄讓提案更具體,無須借用不相關調查的成功率。
我們如何分析這份調查
我們使用 NIC.br/Cetic.br 公開、經保密處理的 TIC Empresas 2025 個體資料。訪問於 2025 年 2 月至 2026 年 1 月在巴西進行。調查涵蓋其界定產業中,仍在營運、正式登記且至少有 10 名從業人員的民營企業。[1][3][4]
分析先依問卷篩選是否設有資訊業務單位、部門或專責人員,再保留 7 項 AI 技術使用題皆未回答「是」、且主觀成本題回答「是」的企業。主要計算將明確同時提出人員與資料顧慮的企業調查權重加總,再除以整批符合納入條件且有成本顧慮的企業調查權重總和。任何人員或資料題的不明回答都保留在分母中。
我們使用資料提供的 200 組合併式自助抽樣(bootstrap)複本權重計算抽樣不確定性。區間描述的是個別估計值的不確定性,並未涵蓋所有可能誤差來源。只有符合預先訂定的資料支持與揭露規則的結果才會顯示;未列出的細分結果不應視為 0。[8]
查看聯合結果前,我們已確定研究問題與計算方式。核對來源時,我們記錄了分析組別以外公布回應代碼的一處不一致,並修正了與已公布參考表格過度精確的比較。下載檔案記錄了修改內容與時間。這些修改未改變分析母體或目標計算;獨立計算也重現了公布結果。[8]
公開檔案已經過保密處理。Cetic.br 會以公布表格檢查其可用性,但這不代表每項新的聯合分析,都能保證與使用原始訪談資料的分析相同。[7]
人員、資料與財務顧慮可能同時存在,已是既有觀點。先前研究曾依障礙組合對企業分群,2025 年的調查機構報告也在人員與資料等面向討論導入需求。我們的貢獻,是直接估計在這個特定成本顧慮組別中,所選顧慮被同時提出的情況,並非發現未導入 AI 的新原因。[5][6]
無須註冊。表格含歷史彙整結果。套件包含方法、來源核對與公開輸出保護措施的翻譯說明,不重新散布個別調查記錄。
來源與註解
- NIC.br/Cetic.br,經保密處理後公開的 TIC Empresas 2025 基礎個體資料,版本 1.0,於 2026 年 6 月 15 日公布。來源資料依 CC BY 4.0 標示出處。本文百分比由 Influence IQ 根據公布記錄計算,並非引用已公布的主要結果。
- TIC Empresas 2025 問卷,H9 與 H13。H9 在資訊業務單位、部門或專責人員篩選題之後,涵蓋 7 項 AI 技術。若使用題皆未回答「是」,包括回答不明或未回答者,則進入 H13。H13_A 詢問成本是否似乎過高;H13_B 詢問人員技能;H13_D 合併詢問資料可取得性與品質。
- TIC Empresas 2025 方法報告。抽樣架構涵蓋指定 Cempre/CNAE 產業中,仍在營運、正式登記且有 10 名以上從業人員的民營企業。這不是所有巴西組織、微型企業、個人創作者或個別工作者的樣本。H 模組在全部 3 波調查中都有蒐集。
- TIC Empresas 2025 蒐集報告。實地訪問期間為 2025 年 2 月至 2026 年 1 月。報告列出 4,174 份完成訪問,但公開版本含 4,171 筆記錄。查閱的文件未解釋這項差異。我們使用固定的公開版本,未新增記錄來湊足訪問數。
- Emerson Gomes dos Santos 與 Márcia Siqueira Rapini,Barreiras na Adoção Combinada de Tecnologias Digitais por Empresas Brasileiras: uma proposta de tipologia(2024)。這項既有分析使用 TIC Empresas 2021 與分群方法研究障礙組合。它提供相關的既有研究基礎,並非可與本研究 2025 年條件組別直接比較的估計值。
- TIC Empresas 2025 調查機構報告,尤其是 Natália Marroni Borges 討論 AI 導入與制度化的第 94–95 頁。內容將資料、人員、能力與治理列為導入考量。我們的分析並未聲稱這些一般觀點是新的。
- Cetic.br 個體資料指南說明,會透過重新編碼與隱匿部分資料保護機密性,並依公布的製表計畫評估可用性。這無法確認特定公布記錄受了哪種處理,也不能保證每項新的聯合關係都與原始訪談相同。NIC.br/Cetic.br 並未背書本分析或其解讀。
- Influence IQ 方法與重現分析套件。有 11 筆公布記錄將全部 7 項 AI 使用題標為不適用,9 個原因欄位卻使用其他回應代碼;這些記錄原本就不在本研究界定的分析母體中。所有記錄均予保留。我們也在檢視公布表格後、查看目標結果前,修訂了一項控制精確度比較。套件記錄這 2 項修正、不確定性計算,以及公開輸出的保護措施;不含個別記錄。
每種文章語言皆提供文章與表格標籤。原始問卷為葡萄牙文,技術重現分析套件包含翻譯說明。每個版本的巴西研究母體,以及 2025 年 2 月至 2026 年 1 月的調查期間,皆維持不變。
