Biuro Spisu Ludności USA i „Super Intelligence”: Nowa nazwa komplikuje dane o adopcji AI
Biuro Spisu Ludności USA zastąpiło terminologię AI określeniem „Super Intelligence” w swojej ankiecie dla firm, wprowadzając kolejne utrudnienie dla porównań adopcji. Biuro Spisu Ludności USA i „Super Intelligence” mają teraz wspólny problem pomiarowy: czy respondenci konsekwentnie interpretują przemianowaną technologię. Zmiana następuje po wcześniejszej rewizji, która już przerwała porównywalność w historii ankiety.
Deweloper Simon Willison zwrócił uwagę na tę kwestię, ponownie analizując wykres Apollo Global Management z września 2025 roku dotyczący spowolnienia wdrażania AI przez firmy. Jego relacja z 2 listopada opisuje zaktualizowane dane wraz ze zmianami w pytaniach źródłowych. Zgodnie z jego analizą sformułowań ankiety, najnowsza terminologia weszła do zbierania danych 19 października 2026 roku. Poinformował, że wyniki odzwierciedlające to sformułowanie miały dopiero nadejść.
Konflikt dotyczy polityki nazewniczej rządu i spójności potrzebnej do mierzenia zachowań firm. Oficjalna etykieta może zmienić się natychmiast, podczas gdy rozumienie jej przez respondentów pozostaje nieustalone. Wywiera to presję na analityków, dostawców technologii i nabywców korporacyjnych, którzy wykorzystują wykresy adopcji jako dowód. Ich kolejna interpretacja musi odróżniać zmianę technologiczną od zmian w sposobie, w jaki rząd o nią pyta.
Biuro Spisu Ludności USA i „Super Intelligence” zmieniają pytanie
Potwierdzonym faktem jest zmiana terminologii, a nie dowód na to, że firmy pozyskały nową klasę inteligencji.
Prezydent Donald Trump podpisał zarządzenie wykonawcze 14434 29 września 2026 roku. Zarządzenie wykonawcze nakazuje agencjom wykonawczym zastąpienie określeń artificial intelligence i AI przez Super Intelligence i SI we wszystkich oficjalnych materiałach, w granicach prawa. W uzasadnieniu stwierdzono, że nowa terminologia lepiej odzwierciedla możliwości i potencjał tej technologii.
Zarządzenie początkowo przypisuje SI technologie objęte obowiązującą ustawową definicją AI. Wzywa również do przygotowania propozycji języka legislacyjnego w ciągu 60 dni. To rozróżnienie ma znaczenie: sama dyrektywa nazewnicza nie ustanawia, że oprogramowanie przekroczyło nowy próg możliwości. Propozycja innej definicji również pozostawałaby czymś odrębnym od uchwalonej zmiany.
Census przyjął tę terminologię w wytycznych dla respondentów. Jego definicja SI opisuje oprogramowanie wykonujące zadania kojarzone z ludzką inteligencją i wyraźnie łączy SI z wcześniejszą nazwą AI. Przykłady obejmują analizę danych, programowanie, obsługę klienta, prognozowanie i selekcję CV. Opisują one znane zastosowania biznesowe w zmienionym słownictwie.
Przykłady te stanowią ważną przeciwwagę dla nagłówka. Firma nie potrzebuje niezwykłego autonomicznego systemu, aby rozpoznać swoją działalność w wytycznych. Zwykła aplikacja może mieścić się w podanych przykładach. Odczytywanie przyszłego wskaźnika adopcji SI jako dowodu na bezprecedensowe możliwości maszyn byłoby zatem błędnym przedstawieniem tego, o co pyta ankieta.
Praktyczny problem pojawia się, gdy oficjalna definicja trafia do zajętego respondenta. Menedżer może uznać stare i nowe określenia za równoważne. Inny może kojarzyć nową nazwę ze znacznie bardziej wymagającym standardem technicznym. Są to wiarygodne interpretacje, a nie udokumentowane reakcje ankietowanych firm.
Ta niepewność sprawia, że kwestionariusz staje się częścią tej historii. Szacunek adopcji zależy od działań prowadzonych przez firmy i od ich zdolności do rozpoznania tych działań w pytaniu. Zmiana etykiety może wpływać na rozpoznanie, nawet gdy zamierzona kategoria pozostaje stabilna.
Kontrast jest szczególnie istotny, ponieważ nakaz administracyjny i narzędzie statystyczne służą różnym celom. Nakaz określa język, którego powinny używać agencje. Narzędzie wymaga języka, który respondenci interpretują konsekwentnie. Spełnienie wymogu administracyjnego samo w sobie nie dowodzi, że pomiar pozostaje równoważny.
Nie dowodzi to, że ankieta stała się niewiarygodna. Ustanawia to powód, by badać ciągłość zamiast ją zakładać. Najbardziej użyteczne omówienie precyzyjnie opisze nową terminologię, a następnie oddzieli tę potwierdzoną zmianę od prognoz dotyczących jej konsekwencji.
Wcześniejsza rewizja już przerwała serię danych o adopcji
Zmiana pytania z 2025 roku tworzy udokumentowany problem porównywalności; wpływ zmiany nazwy w 2026 roku pozostaje otwartą kwestią.
Census zmienił kluczowe sformułowanie dotyczące AI od 17 listopada 2025 roku. Wcześniejsza wersja skupiała się na wykorzystaniu przy „wytwarzaniu towarów lub świadczeniu usług”. Zastępująca ją wersja pytała o wykorzystanie w „którejkolwiek z funkcji biznesowych”. Zmiany te poszerzyły zakres działań, które respondenci mieli rozważyć.
Agencja w aktualizacjach sformułowań pytań wyjaśnia, że rewizję kształtowały opinie ekspertów i testy kognitywne. Podczas testów niektórzy respondenci początkowo zaprzeczali używaniu AI, lecz opisywali istotne działania w innych obszarach swoich firm. Przykłady obejmowały rekrutację, księgowość, zarządzanie projektami, badania i przepływy pracy związane z oprogramowaniem.
Census poinformował o przesunięciu poziomu, oznaczającym zmianę mierzonego poziomu bazowego serii, w związku ze zmienionym sformułowaniem. Wraz z publikacją z 4 grudnia 2025 roku rozpoczął nową serię czasową AI. Ta decyzja jasno wskazuje historyczne ograniczenie: wcześniejszych i późniejszych pytań nie należy traktować jako wymiennych miar.
Rozważmy hipotetyczną firmę korzystającą z funkcji AI do wewnętrznej księgowości, bez zmian w usługach dla klientów. Respondent mógł wykluczyć tę działalność przy sformułowaniu dotyczącym produkcji. Szersze pytanie o funkcje biznesowe daje temu samemu respondentowi wyraźniejszy powód, by ją uwzględnić.
W tym scenariuszu ankieta rejestruje inną odpowiedź bez wdrożenia nowego oprogramowania. Odpowiedź zmienia się, ponieważ pytanie wyraźniej obejmuje istniejące działanie. Może to poprawiać zakres pomiaru, jednocześnie utrudniając porównania historyczne.
Dlatego ulepszenia pomiaru czasami przerywają trend. Węższe pytanie może pomijać istotne działania, podczas gdy szersze pytanie obejmuje większą część zamierzonego przedmiotu badania. Utrzymywanie starego sformułowania bez końca niekoniecznie zapewniłoby lepszy opis wykorzystania technologii przez firmy.
Konsekwencje ponosi twórca wykresu. Łączenie obserwacji przez zmianę definicji może sugerować ciągły wzrost, którego pytania źródłowe nie mogą uzasadnić. Widoczna przerwa, oddzielne serie lub jasna adnotacja uczciwiej komunikują ograniczenie.
Zmiana terminologii z października 2026 roku zasługuje na odrębną ocenę. Wcześniejsza rewizja poszerzyła funkcjonalny zakres pytania. Nowsza rewizja zmienia nazwę technologii i związany z nią sposób prezentacji. Wykazany efekt pierwszej zmiany nie ustala skali ani kierunku ewentualnego efektu drugiej.
Takie rozdzielenie zapobiega konkurującym ze sobą przesadom. Entuzjastyczne relacje nie powinny przypisywać każdego historycznego wzrostu nowym wdrożeniom. Krytyczne relacje nie powinny zakładać, że każdy późniejszy ruch wynika ze sformułowania pytania. Wiarygodna interpretacja pozostawia miejsce na współistnienie rzeczywistej adopcji i efektów pomiarowych.
Chroni to również użyteczność nowszych obserwacji. Przerwa ogranicza porównania przez granicę; nie unieważnia automatycznie porównań w spójnie mierzonym okresie. Zadaniem jest dokładne zidentyfikowanie granicy i wyjaśnienie, które twierdzenia nadal znajdują oparcie.
Nabywcy korporacyjni i dostawcy stoją przed problemem benchmarków
Odsetek adopcji opisuje zgłoszone wykorzystanie; nie ustala, jak głęboko firma zależy od tej technologii.
Business Trends and Outlook Survey, czyli BTOS, zbiera cykliczne informacje o warunkach prowadzenia działalności. Census opisuje próbę około 1,2 mln firm podzieloną na sześć paneli liczących po około 200 tys. firm. Dane zbierane są co dwa tygodnie, podczas gdy każda wybrana firma zwykle przekazuje odpowiedzi co 12 tygodni. Są to założenia dotyczące próby, a nie liczby uzyskanych odpowiedzi.
Struktura ta jest opisana w pomocy dotyczącej ankiety. Ma to znaczenie, ponieważ kolejne publikacje nie przedstawiają tych samych respondentów odpowiadających w każdym odstępie czasu. Analitycy muszą rozumieć projekt badania, zanim zinterpretują sąsiadujące obserwacje jako zmiany wewnątrz poszczególnych firm.
Dla nabywców korporacyjnych bezpośrednia presja dotyczy benchmarkingu. Zespół zakupowy może przywołać rosnącą adopcję, aby argumentować, że opóźnienie wdrożenia tworzy ryzyko konkurencyjne. Argument ten słabnie, gdy benchmark łączy różne pytania lub traktuje każde zgłoszone użycie jako wdrożenie w całej organizacji.
Hipotetyczna firma eksperymentująca z asystentem AI do pisania oraz inna, która integruje prognozowanie w całej działalności operacyjnej, mogą obie zgłaszać istotne działania. Ich ekspozycja, potrzeby w zakresie nadzoru i oczekiwane korzyści różnią się. Udział adopcji przedstawiony w nagłówku nie wyraża tych różnic.
To samo ograniczenie obowiązuje, gdy nabywcy porównują produkty. Firma może korzystać z aplikacji opartej na OpenAI, asystenta programistycznego opartego na Anthropic albo wbudowanej funkcji innego dostawcy. Szerokie pytanie o użycie nie ustala, który dostawca odnosi korzyści, jak często pracownicy korzystają z produktu ani czy klienci odnowią umowę.
To porównanie wyjaśnia również, dlaczego twierdzenia dostawców wymagają własnych dowodów. Dostawca omawiający aktywność klientów może rzucić światło na swoją platformę. Krajowe badanie firm dotyczy innej populacji i innego pytania. Żadne ze źródeł nie potwierdza automatycznie interpretacji drugiego.
Dla dostawców pokusą jest wykorzystanie korzystnego wykresu makroekonomicznego jako potwierdzenia popytu na produkt. Może on wspierać kontekst rynkowy, lecz nie może zastąpić dowodów dotyczących retencji, głębokości wdrożenia ani rezultatów osiąganych przez klientów. Im dalej twierdzenie handlowe wykracza poza pytanie ankietowe, tym więcej dowodów wspierających potrzebuje.
Inwestorzy stają przed podobnym rozróżnieniem między udziałem firm a intensywnością ekonomiczną. Udział firm zgłaszających użycie nie mierzy bezpośrednio wydatków, ekspozycji pracowników ani wartości objętej wpływem produkcji. Odpowiada na węższe pytanie, nawet gdy wynikający z niego wykres przyciąga szeroką uwagę.
Deweloperzy również są zainteresowani tą interpretacją. Rosnąca linia adopcji może sugerować możliwości dla integracji, narzędzi wewnętrznych lub wyspecjalizowanych aplikacji. Planowanie produktu nadal wymaga jednak dowodów dotyczących nierozwiązanych zadań, uprawnień zakupowych i powtarzalnego popytu. Ankieta może wskazać, gdzie warto badać dalej, nie dostarczając pełnego uzasadnienia inwestycji.
Żadne z tych ograniczeń nie czyni danych o adopcji nieistotnymi. Precyzuje ich rolę. Dostarczają one dowodów na rozpowszechnienie zgłaszanej aktywności, które mogą informować decyzję obok dowodów dotyczących wdrożenia i wyników.
Kontrowersja wokół zmiany nazwy zwiększa ciężar spoczywający na każdym, kto publicznie wykorzystuje te dowody. Nabywcy i dostawcy powinni opisywać, co dana miara ustala, zanim dołączą szerszy wniosek. Zwięzłe zastrzeżenie może zachować użyteczny benchmark, nie pozwalając, by stał się niepopartym twierdzeniem o konieczności konkurencyjnej.
Polityka nazewnicza nie może zagwarantować spójnych odpowiedzi
Kluczowe napięcie polega na tym, że równoważność administracyjna nie gwarantuje, iż respondenci rozumieją dwa określenia w ten sam sposób.
U.S. Census Bureau i „Super Intelligence” ilustrują lukę między zamierzonym a odebranym znaczeniem. Dokumenty rządowe mogą wskazywać termin zastępczy. Respondenci nadal wnoszą do sformułowania własne oczekiwania, zwłaszcza gdy nowe określenie brzmi ambitniej niż znana nazwa.
Wiarygodny efekt spadkowy może wynikać z wyżej postrzeganego progu. Osoba korzystająca z konwencjonalnej aplikacji AI może uznać, że nie kwalifikuje się ona jako superinteligencja. Faktyczny proces pracy firmy pozostałby bez zmian, lecz jej zgłoszona odpowiedź mogłaby się różnić.
Wiarygodny efekt wzrostowy działa poprzez rozpoznanie. Bardziej konkretne przykłady mogą skłonić respondentów do przypomnienia sobie wbudowanych funkcji oprogramowania, które wcześniej przeoczyli. W takim przypadku więcej firm mogłoby zidentyfikować istotną aktywność bez wdrażania czegokolwiek nowego w okresie pomiaru.
Kolejną możliwością jest niewielki mierzalny efekt. Powiązanie z wcześniejszą terminologią AI może zachować zrozumienie. Respondenci mogą skupić się na wymienionych zastosowaniach i potraktować nową nazwę jako administracyjne zastąpienie.
Te scenariusze są możliwościami analitycznymi, a nie ustaleniami dotyczącymi odpowiedzi w badaniu, którego dotyczy zmiana. Wyjaśniają, dlaczego kierunku ewentualnej zmiany nie można zakładać na podstawie samej nazwy. Dowody muszą je rozróżnić.
Najsilniejszy sceptyczny argument głosi, że obawy dotyczące zmiany nazwy mogą przeceniać jej praktyczne znaczenie. Firmy dobrze znające swoje oprogramowanie mogą doskonale rozumieć wytyczne. Jeśli interpretacja pozostanie stabilna, spór terminologiczny może okazać się ważniejszy dla debaty publicznej niż dla szacunków.
Ten zarzut zasługuje na poważne potraktowanie. Zapobiega przekształceniu obaw artykułu dotyczących pomiaru w prognozę nieuchronnego niepowodzenia. Ryzyko zasługuje na zbadanie, nie musząc stawać się pewnością.
Odwrotna ostrożność również ma znaczenie. Stabilny wynik zagregowany nie dowodziłby, że każdy respondent rozumiał sformułowanie identycznie. Różne reakcje mogłyby się wzajemnie równoważyć albo zmiana rzeczywistego poziomu wdrożeń mogłaby ukryć efekt sformułowania.
Test z podziałem próby, w którym porównywalne grupy otrzymują różne wersje kwestionariusza, dostarczyłby mocniejszych dowodów na wpływ sformułowania niż proste porównanie przed i po zmianie. Pomógłby odizolować zmianę języka od innych zjawisk zachodzących w tym samym czasie. To możliwa metoda oceny, a nie twierdzenie, że Census zapowiedział taki test.
Debata powinna zatem koncentrować się na dowodach odnoszących się do interpretacji. Publiczne komentarze o tym, czy nowa nazwa brzmi odpowiednio, nie mogą potwierdzić ciągłości statystycznej. Podobnie oficjalne stwierdzenie o zamierzonej równoważności nie może rozstrzygnąć, jak firmy faktycznie odpowiadają.
Ta sama dyscyplina dotyczy oskarżeń o motywy. Język rozporządzenia i jego wdrożenie są dostępne do analizy. Twierdzenia, że zaprojektowano je w celu zawyżenia statystyk wdrażania, wymagałyby odrębnych dowodów dotyczących intencji. Sama potwierdzona polityka nazewnictwa nie dostarcza takich dowodów.
Bardziej użyteczna krytyka dotyczy obciążenia wywołanego zmianą. Gdy agencja zmienia istotne sformułowanie w badaniu, odbiorcy potrzebują wystarczającej dokumentacji, aby zrozumieć konsekwencje. Pytanie brzmi, czy ta dokumentacja wspiera porównywalną interpretację w czasie.
Pierwsze Wyniki po Zmianie Nazwy Nie Rozstrzygną Debaty
Następna publikacja dostarczy obserwacji opartej na zmienionym sformułowaniu, a nie czystego oszacowania przyczynowego efektu zmiany nazwy.
Należy osobno śledzić etykiety publikacji i język stosowany przy zbieraniu danych. BTOS data dashboard informuje, że publikacja była zgodna z Executive Order 14434 od 22 października 2026 r. Ostrzega również, że sformułowanie pytań zmieniało się z czasem. Sama zmieniona nazwa wykresu nie pozwala więc ustalić, z jakim sformułowaniem respondenci zetknęli się wcześniej.
Według relacji Willisona z 2 listopada pierwsze wyniki odzwierciedlające nowe sformułowanie używane przy zbieraniu danych miały zostać opublikowane w czwartek 5 listopada. Na dzień 3 listopada ta oczekiwana publikacja nadal jest przed nami. Każde twierdzenie o zaobserwowanym efekcie dla odpowiedzi byłoby przedwczesne.
Nawet po publikacji proste porównanie pozostawi konkurencyjne wyjaśnienia. Firmy mogły zmienić sposób wykorzystywania technologii. Skład respondentów mógł się różnić. Zmienione sformułowanie mogło wpływać na interpretację. Czynników tych nie można rozdzielić wyłącznie przez zaobserwowanie zmiany w głównym szacunku.
Wzrost wymagałby więc kontekstu, zanim stałby się opowieścią o przyspieszającym popycie. Spadek wymagałby takiej samej ostrożności, zanim stałby się dowodem wycofywania się firm. Każdy z tych nagłówków mógłby rozprzestrzenić się szybciej niż wspierająca go analiza.
Niewielka zmiana również wymagałaby powściągliwości. Niepewność statystyczna, czyli zakres wiarygodnych wartości wokół szacunku, ma znaczenie przy interpretowaniu małych ruchów. Zauważalna wizualnie zmiana na osi wykresu o wąskiej skali nie musi uzasadniać silnego wniosku gospodarczego.
Wygładzanie wprowadza kolejny wybór interpretacyjny. Średnia krocząca łączy kolejne obserwacje, aby ograniczyć widoczne wahania. Jeśli jej okno obejmuje zmianę kwestionariusza, wynikowa linia może mieszać warunki pomiaru, które powinny pozostać widoczne.
Nie czyni to wygładzania z natury mylącym. Jego użyteczność zależy od tego, czy obliczenie zachowuje znaczące granice. Wykres może wyglądać czyściej, jednocześnie przekazując czytelnikom mniej informacji o tym, co zmieniło się pod jego powierzchnią.
Otaczający wykres język ma równie duże znaczenie. Podtytuł powinien jasno wskazywać, czy miara dotyczy firm zatrudniających pracowników, pracowników czy innej populacji. Komentarz powinien określać, czy odnosi się do zgłoszonego użycia, wydatków, intensywności wdrożenia czy rezultatów.
Historia Census ujawnia też ograniczenie analizy wspomaganej przez AI. Oprogramowanie może poprawnie obliczyć średnią, jednocześnie stosując ją do nieporównywalnych okresów. Dokładność obliczeniowa i obronne porównanie to odrębne wymogi.
Dochodzenie Willisona jest istotne, ponieważ sformułowanie pytania stało się częścią badania danych, a nie kwestią drugorzędną. Każdy, kto powtarza to ćwiczenie, powinien zachować to rozróżnienie. Odtworzenie wykresu to coś innego niż wykazanie, że jego porównanie historyczne pozostaje ważne.
Dla zespołów śledzących tę kwestię dokumentacja powinna znajdować się obok arkusza kalkulacyjnego. Przeszukiwalna baza wiedzy może pomóc współpracownikom zachować wersje kwestionariuszy, noty metodologiczne i wcześniejsze interpretacje. Użytecznym rezultatem jest możliwość prześledzenia źródeł: późniejszy czytelnik może ustalić, które pytanie wsparło określony wniosek.
Taki zapis ułatwia także korekty. Jeśli dalsze wytyczne zmienią interpretację, analitycy mogą zaktualizować dany wniosek bez odtwarzania każdego źródła. Utrzymywanie tych dowodów jest szczególnie wartościowe, gdy wykres krąży niezależnie od pierwotnego wyjaśnienia.
Obserwuj Publikację, Metodologię i Proponowaną Definicję
Kolejne istotne dowody będą dotyczyć danych objętych zmianą, ich porównywalności oraz tego, czy rząd zmieni definicję stojącą za etykietą.
Pierwszym sygnałem jest publikacja obejmująca dane zbierane z użyciem zmienionego sformułowania. Czytelnicy powinni sprawdzić, czy zmiany pojawiają się szeroko, czy koncentrują się w określonych grupach firm. Spójny wzorzec uzasadniałby dalsze badanie, podczas gdy odosobniony ruch wspierałby węższą interpretację.
Najbardziej użyteczne towarzyszące wyjaśnienie rozróżniałoby okres zbierania danych od daty publikacji. Wzmocniłoby to pewność, że czytelnicy porównują zamierzone obserwacje. Pomieszanie tych dat osłabiłoby twierdzenia dotyczące tego, kiedy rozpoczął się jakikolwiek efekt w odpowiedziach.
Drugim sygnałem są metodologiczne wytyczne dotyczące ciągłości. Dowody z testowania kwestionariusza, wywiadów z respondentami lub innego ustrukturyzowanego porównania wzmocniłyby argument za określoną interpretacją. Ogólne twierdzenie, że etykiety znaczą to samo, odpowiedziałoby na mniejszą część pytania dotyczącego pomiaru.
Wytyczne wskazujące na niewielki praktyczny efekt osłabiłyby obawy, że zmiana nazwy istotnie zmieniła odpowiedzi. Dowody na zmianę rozumienia wzmocniłyby je. Każdy z tych wyników byłby bardziej informacyjny niż traktowanie pojedynczego ruchu na wykresie jako rozstrzygającego.
Trzecim sygnałem jest proponowana federalna definicja, o którą wnioskowało rozporządzenie wykonawcze. Rozróżnienie między zastąpieniem nazwy a merytoryczną zmianą kategorii zasługuje na dalszą uwagę. Każdą propozycję należy czytać osobno od pytania, czy Kongres ją uchwali.
Propozycja zachowująca istniejący zakres wspierałaby interpretację obecnej polityki przede wszystkim jako zmiany terminologii. Propozycja zmieniająca zakres stworzyłaby odrębne pytanie dotyczące przyszłej porównywalności. Żadna z tych możliwości nie ustala, co już wydarzyło się wewnątrz firm.
W odniesieniu do tych sygnałów użytecznym standardem jest to, czy nowe dowody wzmacniają, czy osłabiają formułowane twierdzenie. Wdrożenie może rosnąć, podczas gdy pomiar staje się trudniejszy. Terminologia może się zmieniać bez istotnego przesunięcia odpowiedzi. Raportowanie publiczne powinno dopuszczać obie możliwości, dopóki dowody ich nie rozróżnią.
Przed ponownym wykorzystaniem wykresu wdrożeń zbadaj pytanie stojące za jego trendem oraz populację stojącą za jego odsetkiem. Zachowaj kopię sformułowania i odróżniaj zaobserwowaną aktywność firm od interpretacji dotyczących popytu rynkowego. Zapytaj, czy porównanie przekracza udokumentowaną granicę oraz czy wniosek wymaga dowodów, których badanie nigdy nie zebrało.
U.S. Census Bureau i „Super Intelligence” zasługują na uwagę, ponieważ znany wskaźnik odniesienia niesie teraz dodatkowy ciężar interpretacyjny. Śledź objętą zmianą publikację wraz z jej dokumentacją. Gdy kolejny nagłówek ogłosi boom AI lub odwrót, zapytaj, na jakie pytanie odpowiedziały firmy i czy to pytanie wspiera dane twierdzenie. Wykorzystaj odpowiedź, aby zdecydować, jaką wagę zasługuje wykres.
