ไอทีขององค์กรภาคสาธารณะในปี 2026 การประยุกต์ใช้ AI คอนเทนเนอร์ - อธิปไตยทางข้อมูล รายงาน Public Sector Enterprise Cloud Index ประจำปี 2026

เชอร์รี วอลแช็ก ผู้อำนวยการฝ่ายการตลาดโซลูชันสำหรับองค์กรภาคสาธารณะระดับโลกของนูทานิคซ์ เปิดเผยว่า ผู้นำด้านไอทีขององค์กรภาคสาธารณะและภาคการศึกษาต้องรับมือกับความท้าทายในการสร้างสมดุลทางเทคโนโลยีที่ซับซ้อนที่สุดอย่างหนึ่งในปัจจุบัน นั่นคือ การดูแลระบบเดิมที่เป็นฐานที่อยู่เบื้องหลังการให้บริการสังคมต่าง ๆ เช่น ประกันการว่างงาน สิทธิหลักประกันสุขภาพ การบริหารจัดการภาษี การแจ้งเหตุฉุกเฉินด้านความปลอดภัยสาธารณะ และอื่น ๆ ควบคู่ไปกับการเร่งนำสถาปัตยกรรมคลาวด์เนทีฟ คอนเทนเนอร์ และ AI มาใช้ให้ทันกับความเร็วที่ภารกิจต่าง ๆ ต้องการ รวมถึงความคาดหวังของประชาชนและผู้ใช้บริการที่เปลี่ยนแปลงไปตลอดเวลา    

ความท้าทายไม่ได้อยู่ที่การต้องเลือกอย่างใดอย่างหนึ่ง แต่อยู่ที่การขับเคลื่อนทั้งสองอย่างไปพร้อมกันด้วยงบประมาณที่จำกัด ทีมงานขนาดเล็ก ข้อกำหนดด้านการปฏิบัติตามกฎระเบียบ และความผิดพลาดที่แทบจะเกิดขึ้นไม่ได้เลย แรงกดดันนี้ทวีความรุนแรงขึ้นจากการที่ Broadcom เร่งผลักดันให้ลูกค้าย้ายออกจาก VMware ไปยังพอร์ตโฟลิโอใหม่ภายในเดือนตุลาคม 2570 (2027) และประกอบกับการอัปเดตซอฟต์แวร์ ERP ในปัจจุบันเริ่มเปลี่ยนมาให้บริการผ่านคอนเทนเนอร์ (Container) มากขึ้นทำให้ทีมไอทีต้องประเมินโครงสร้างพื้นฐานที่สามารถรองรับทั้งแอปพลิเคชันแบบที่เป็นเวอร์ชวลไลซ์ (Virtualization) และคอนเทนเนอร์ (Container) ด้วยระบบควบคุมเดียว

รายงานดัชนีคลาวด์องค์กรภาคสาธารณะประจำปี 2026 (2026 Public Sector Enterprise Cloud Index หรือ "ECI report") สะท้อนถึงสถานการณ์ที่เกิดขึ้นจริงในปัจจุบัน โดยอ้างอิงจากการสำรวจผู้นำด้านไอทีในหน่วยงานสาธารณะระดับประเทศ ภูมิภาค และท้องถิ่น รวมถึงสถาบันการศึกษาขั้นพื้นฐาน และอุดมศึกษาที่ Wakefield Research ดำเนินการให้กับนูทานิคซ์  ผลสำรวจนี้เผยให้เห็นทั้งพลังขับเคลื่อนและช่องว่างในการประยุกต์ใช้ AI ขององค์กรภาคสาธารณะ ผลสำรวจที่เป็นประเด็นสำคัญคือ 86% ของผู้นำด้านไอทีในองค์กรภาคสาธารณะระบุว่า AI กำลังเร่งให้เกิดการใช้งานคอนเทนเนอร์ในองค์กรของตน อย่างไรก็ตามผลกระทบต่อโครงสร้างพื้นฐานด้านไอทีนั้นมีมากกว่าที่ตัวเลขดังกล่าวแสดงให้เห็น

  ทบทวนโครงสร้างพื้นฐานไอที: จากโครงสร้างพื้นฐานที่แยกส่วน สู่แพลตฟอร์ม

AI กำลังกดดันให้องค์กรภาคสาธารณะต้องทบทวนโครงสร้างพื้นฐานไอทีของตนใหม่โดยมุ่งสู่การเป็นแพลตฟอร์มแบบรวมศูนย์ (Unified Platform) แทนที่จะปล่อยให้เป็นระบบแบบแยกส่วน (Silos)ตามวัตถุประสงค์การใช้งาน ไม่ว่าจะเป็นเวอร์ชวลแมชชีน คอนเทนเนอร์ พับลิคคลาวด์ โคโลเคชัน หรือ พื้นที่ปฏิบัติงานส่วนหน้า (tactical edge) การทำงานแบบแยกส่วนทำให้เกิดความซับซ้อน ต้องใช้ทีมงานเฉพาะทางแยกต่างหาก และองค์กรไม่สามารถควบคุมได้แบบรวมศูนย์ ซึ่งแต่เดิมเป็นเรื่องของการไม่มีประสิทธิภาพ แต่เมื่อ AI เข้ามา สถานการณ์เหล่านี้กลายเป็นจุดอ่อนและข้อจำกัดที่อันตรายต่อองค์กร

AI ไม่ใช่แค่เวิร์กโหลดธรรมดา ๆ แต่คือแบบทดสอบความแข็งแกร่งของแพลตฟอร์มทั้งหมดที่องค์กรมี

ข้อมูลจากรายงาน ECI ชี้ให้เห็นอย่างชัดเจนว่า 73% ของผู้นำด้านไอทีระบุว่า โครงสร้างพื้นฐานที่อยู่ภายในองค์กร (on-premises) ของตนยังไม่พร้อมเต็มที่ในการรองรับเวิร์กโหลด AI ในขณะที่ GPU รุ่นใหม่, ตัวเร่งความเร็ว (accelerators), เทคโนโลยีหน่วยความจำ และการออกแบบเซิร์ฟเวอร์รุ่นใหม่ ๆ  ต่างทยอยเปิดตัวออกมาเร็วกว่าที่องค์กรส่วนใหญ่จะประเมินได้ทัน โจทย์สำคัญของแพลตฟอร์มในวันนี้จึงไม่ใช่เรื่องของการพยายามวิ่งให้ทันเทคโนโลยีอีกต่อไป แต่คือการเลือกโครงสร้างพื้นฐานที่สามารถรองรับและยืดหยุ่นต่อความเปลี่ยนแปลงของฮาร์ดแวร์ มากกว่าการบีบให้องค์กรต้องมารื้อและออกแบบสถาปัตยกรรมใหม่ทุกครั้งที่มีสิ่งใหม่เข้ามา

ระบบนิเวศซอฟต์แวร์ด้าน AI กำลังเปลี่ยนแปลงอย่างรวดเร็วมากขึ้น มีการเปิดตัวโมเดลภาษาขนาดใหญ่ (Large Language Models) ใหม่ ๆ อย่างต่อเนื่อง และโมเดลที่หน่วยงานติดตั้งใช้งานในวันนี้ อาจไม่ใช่โมเดลที่จะใช้งานในอีก 6 เดือนข้างหน้า โมเดลเหล่านั้นจำนวนมากทำงานบนคอนเทนเนอร์ แม้สภาพแวดล้อมโดยรวมจะยังคงอยู่บนเวอร์ชวลแมชชีนก็ตาม ในขณะเดียวกันความต้องการซอฟต์แวร์สนับสนุน (dependencies) และความต้องการด้าน GPU ก็มีการเปลี่ยนแปลง ผู้ตอบแบบสำรวจ 86% ระบุว่า AI กำลังเร่งให้องค์กรนำคอนเทนเนอร์มาใช้ และ 83% ระบุว่าได้สร้างแอปพลิเคชันใหม่ ๆ บนคอนเทนเนอร์แล้ว คอนเทนเนอร์ช่วยให้ทีมงานมีแนวทางที่ทำได้จริงในการมัดรวม dependencies ที่เปลี่ยนแปลงอย่างรวดเร็วซึ่งเป็นสิ่งที่เวิร์กโหลด AI ต้องใช้ไว้ด้วยกัน 

หากโมเดลใหม่ทุกโมเดลต้องแยกกันใช้ทีมงานเฉพาะที่มีทักษะต่างกัน จะทำให้การบริหารจัดการสภาพแวดล้อมไอทีทำได้ยากขึ้นเรื่อย ๆ การเลือกแพลตฟอร์มจึงสำคัญ แพลตฟอร์มที่หน่วยงานเลือกอาจช่วยสนับสนุนการเปลี่ยนผ่านนี้ได้หรือไม่ก็อาจจะไม่ช่วยเลย

AI จะเชื่อถือได้เพียงใด ขึ้นอยู่กับความเชื่อถือได้ของข้อมูลที่อยู่เบื้องหลัง

การก้าวทันความล้ำหน้าของฮาร์ดแวร์และซอฟต์แวร์เป็นสิ่งจำเป็นแต่ยังไม่เพียงพอ มิติด้านอธิปไตยทางข้อมูล (data sovereignty) เป็นอีกหนึ่งมิติที่ไม่อาจมองข้ามได้ และสำหรับหน่วยงานภาคบริการสาธารณะแล้ว เรื่องนี้มีน้ำหนักและสำคัญมากกว่าลิสต์รายการตรวจสอบการปฏิบัติตามข้อกำหนด

องค์กรหลายแห่งประเมินอธิปไตยทางข้อมูลด้วยชุดคำถามที่คุ้นเคย เช่น ข้อมูลโฮสต์หรือจัดเก็บอยู่ภายในประเทศหรือไม่ ผู้ให้บริการมีใบรับรองตามมาตรฐานที่ถูกต้องหรือไม่ สัญญาที่ทำครอบคลุมเงื่อนไขสำคัญครบไหม คำถามเหล่านี้สำคัญแต่เป็นเพียงเงื่อนไขพื้นฐานที่จำเป็น ซึ่งยังไม่เพียงพอ

 

อธิปไตยทางข้อมูลที่แท้จริง หมายถึงความสามารถในการควบคุมการดำเนินงานได้ทุกเลเยอร์ คือ

•              สถานที่จัดเก็บข้อมูล

•              การปกป้องคุ้มครองข้อมูล

•              การยืนยันตัวตนและสิทธิ์การเข้าถึง

•              การจัดการกุญแจเข้ารหัส (encryption key)

•              การไหลเวียนของข้อมูลในเครือข่าย

•              การกำกับดูแลการปฏิบัติงาน

•              การฟื้นฟูระบบและความต่อเนื่องในการทำงาน

 

สำหรับองค์กรหรือหน่วยงานในภาคสาธารณะ เรื่องนี้ไม่ได้เป็นเพียงข้อกำหนดในการปฏิบัติตามกฎระเบียบเท่านั้น แต่เป็นพื้นฐานของความไว้วางใจจากประชาชน รายงาน ECI นี้ช่วยยืนยันความเสี่ยงเรื่องนี้ โดย 91% ของผู้บริหารด้านไอทีของภาคสาธารณะเชื่อว่าเครื่องมือและเอเยนต์ AI ที่อยู่นอกเหนือการกำกับดูแลอย่างเป็นทางการสร้างความเสี่ยงให้กับพันธกิจและการดำเนินงานขององค์กร

อธิปไตยทางข้อมูลกลายเป็นวาระสำคัญอันดับต้น ๆ ด้านโครงสร้างพื้นฐานไอที โดย 80% ของผู้นำด้านไอทีจากทุกกลุ่มอุตสาหกรรมที่ทำการสำรวจ ระบุว่า อธิปไตยทางข้อมูลเป็นปัจจัยที่มีความสำคัญสูง หรือเป็นเงื่อนไขที่จำเป็นต้องมีในการตัดสินใจเลือกโครงสร้างพื้นฐานไอที

สถาปัตยกรรมคลาวด์ที่อยู่ภายใต้อธิปไตยทางกฎหมายและข้อมูลแบบกระจายศูนย์ (distributed sovereign cloud) ที่มีการบังคับใช้การกำกับดูแลข้อมูล การจัดการกุญแจเข้ารหัส และนโยบายด้านเครือข่ายอย่างสอดคล้องกันทั้งในระบบภายในองค์กร (on-premises) บนคลาวด์ และ edge กำลังกลายเป็นแนวทางหลักที่นำไปใช้ได้จริงในอนาคต แต่แนวทางนี้จะทำงานได้ดีกับแพลตฟอร์มหลักที่อยู่เบื้องหลังที่สามารถทำงานได้เหมือนและสอดคล้องกันไม่ว่าจะอยู่บนสภาพแวดล้อมใดก็ตาม หากไม่มีความสอดคล้องกันดังกล่าวนี้ คำว่าอธิปไตยก็ยังคงเป็นเพียงเป้าหมายที่ยังไปไม่ถึง

ช่องว่างด้านการกำกับดูแล: เมื่อการใช้ AI วิ่งไวกว่าที่นโยบายจะตามทัน

ผลสำรวจที่น่าตกใจที่สุดเรื่องหนึ่งจากรายงาน ECI คือ เกิดการแพร่กระจายของ Shadow AI อย่างกว้างขวาง จากการที่พนักงานนำเครื่องมือ AI มาใช้เองโดยไม่ได้รับอนุญาตและไม่ได้อยู่ภายใต้การกำกับดูแลของฝ่ายไอทีหรือนโยบายขององค์กร ซึ่งขยายตัวอย่างมีนัยสำคัญ ผลสำรวจพบว่า 96% ของผู้นำด้านไอทีพบแอปพลิเคชัน AI ที่พนักงานนำมาใช้เองในหน่วยงานอื่นที่ไม่ใช่หน่วยงานด้านไอที

สถานการณ์นี้ไม่ใช่ความล้มเหลวของการปฏิบัติตามกฎระเบียบแต่เป็นสัญญาณเตือนอย่างหนึ่ง การที่พนักงานหันมาใช้เครื่องมือ AI เพราะพวกเขาสามารถเข้าถึงเครื่องมือเหล่านี้ได้ง่าย และมันช่วยปรับปรุงการทำงานได้จริง เป้าหมายจึงไม่ใช่การยับยั้งการนำมาใช้โดยพลการของพนักงาน แต่คือการเปลี่ยนแนวทางการนำมาใช้ ให้ดำเนินไปอย่างถูกต้องผ่านช่องทางที่มีการกำกับดูแลและได้รับอนุญาตอย่างเป็นทางการจากองค์กร

การทำงานแบบไซโล ทำให้เรื่องนี้บริหารจัดการยากขึ้นไปอีก 84% ของผู้ตอบแบบสอบถามระบุว่าไซโลระหว่างหน่วยงานต่าง ๆ และหน่วยงานด้านไอที เป็นอุปสรรคต่อประสิทธิภาพของการดำเนินโครงการทางเทคโนโลยี เมื่อขาดความสอดคล้องเป็นไปในทิศทางเดียวกันของทีมงานต่าง ๆ การนำ AI มาใช้ก็จะกระจัดกระจายและทำให้เสี่ยงมากขึ้น แพลตฟอร์มรวมศูนย์หนึ่งเดียวจะช่วยให้ทีมงานต่าง ๆ สามารถสร้างนวัตกรรมผ่านช่องทางที่ได้รับอนุญาต โดยไม่ต้องนำเครื่องมาต่าง ๆ มาใช้เองโดยไม่ได้รับอนุญาตอีกต่อไป

ต้นทุนที่มองไม่เห็น: เวลาที่สูญเสียไปกับงานด้านการดูแลรักษา

จากรายงานของสำนักงานการตรวจเงินแผ่นดินของสหรัฐฯ2 ระบุว่า หน่วยงานรัฐบาลกลางต้องสูญเสีย งบประมาณด้านไอทีไปกับค่าดำเนินการและบำรุงรักษาระบบที่มีอยู่สูงถึงประมาณ 80% ทั้งการแพตช์ การอัปเกรด และการแก้ไขปัญหาของโครงสร้างพื้นฐานแบบดั้งเดิม ซึ่งส่งผลให้เหลืองบประมาณเพียง 20% เท่านั้นสำหรับการพัฒนานวัตกรรมและปรับปรุงระบบให้ทันสมัย โดยรูปแบบปัญหาดังกล่าวยังเกิดขึ้นเป็นวงกว้างในองค์กรระดับรัฐ ท้องถิ่น และสถาบันการศึกษาอีกด้วย

AI ยิ่งเข้ามาซ้ำเติมให้ต้นทุนเวลาที่สูญเสียไปนั้นสูงขึ้น เพราะทุก ๆ ชั่วโมงที่องค์กรต้องเสียไปกับการบำรุงรักษาระบบเดิม คือชั่วโมงที่ถูกแย่งไปจาก:

•              การเทรนหรืออัปเดตโมเดล AI

•              การเปิดใช้งานบริการใหม่ ๆ

•              การเชื่อมต่อกับฮาร์ดแวร์รุ่นล่าสุด

•              การยกระดับการกำกับดูแลข้อมูล

•              การเพิ่มประสิทธิภาพการให้บริการประชาชน

 

แพลตฟอร์มที่บริหารจัดการไลฟ์ไซเคิลด้วยระบบอัตโนมัติ สามารถกู้คืนเวลาที่ถูกแย่งไปเหล่านั้นได้ หน่วยงานที่ย้ายทรัพยากรที่ต้องใช้ในการบำรุงรักษาไปใช้สร้างสรรค์นวัตกรรม จะขับเคลื่อนการทำงานได้เร็วกว่า และสามารถมอบผลลัพธ์ที่ดีกว่าให้กับประชาชนและชุมชนที่ให้บริการอยู่

ทิศทางการขับเคลื่อนต่อจากนี้

ข้อมูลจากรายงาน ECI ชี้ให้เห็นรูปแบบที่สอดคล้องกันว่า องค์กรภาคสาธารณะที่มีศักยภาพมากที่สุดในการนำ AI มาใช้ในวงกว้าง ด้วยความปลอดภัย และเป็นไปตามกฎระเบียบ คือองค์กรที่วิเคราะห์และตัดสินใจเลือกวางรากฐานของโครงสร้างพื้นฐานอย่างรอบคอบ ไม่ใช่การนำโซลูชันเฉพาะทางมาประกอบรวมกันเพื่อรองรับเวิร์กโหลดแต่ละส่วน แต่เป็นการใช้แพลตฟอร์มแบบรวมศูนย์ที่รองรับได้ทั้งเวอร์ชวลแมชชีนและคอนเทนเนอร์ ครอบคลุมทั้งสภาพแวดล้อมแบบ on-premises และ edge ตลอดจนรองรับได้ทั้งเวิร์กโหลดด้านการปฏิบัติการในปัจจุบัน และบริการที่ขับเคลื่อนด้วย AI ในอนาคต

 

ผลสำรวจชี้ให้เห็นสิ่งจำเป็นเชิงกลยุทธ์สามประการที่ต้องทำอย่างหลีกเลี่ยงไม่ได้

1. ปิดช่องว่างระหว่างคลาวด์-เนทีฟ และ ไฮบริด

แอปพลิเคชัน AI ถูกพัฒนาในรูปแบบคลาวด์-เนทีฟเพิ่มขึ้นเรื่อย ๆ แต่หน่วยงานภาคสาธารณะส่วนใหญ่ยังคงทำงานอยู่บนโครงสร้างพื้นฐานแบบไฮบริดที่ผสมผสานทั้งระบบที่ติดตั้งในองค์กร และพับลิคคลาวด์ การปิดช่องว่างดังกล่าวด้วยการใช้แพลตฟอร์มที่ทำงานได้ราบรื่นและสอดคล้องกันไม่ว่าจะอยู่ในสภาพแวดล้อมใดจึงเป็นเงื่อนไขสำคัญในการให้บริการ AI ในวงกว้าง องค์กรที่ยังคงแยกการจัดการเป็นไซโล ไม่ว่าจะเป็นเวอร์ชวลแมชชีน คอนเทนเนอร์ หรือคลาวด์ จะพบว่าความต้องการและเป้าหมายในการขับเคลื่อน AI ของตน ถูกจำกัดด้วยข้อจำกัดของโครงสร้างพื้นฐานที่ใช้อยู่นั่นเอง

2. มองโครงสร้างพื้นฐานเป็นเลเยอร์ของการกำกับดูแล

เวิร์กโหลด AI ต้องการมากกว่าแค่ฮาร์ดแวร์ใหม่ แต่ยังต้องการรูปแบบการให้บริการซอฟต์แวร์ที่ทันสมัย ซึ่งสามารถตอบโจทย์ทั้งเรื่องประสิทธิภาพ การกำกับดูแล สภาพแวดล้อมที่รองรับการใช้งานของหลายหน่วยงานร่วมกัน (multi-tenant) และความต้องการในการให้บริการข้ามหน่วยงาน ดังนั้น สถาปัตยกรรมแบบไฮบริดจึงไม่ใช่เป็นแค่ทางเลือกอีกต่อไปแต่เป็นรากฐานที่สำคัญ แพลตฟอร์มที่ใช่ จะต้องบังคับใช้ นโยบาย จัดการระบบระบุตัวตน และรักษาความสามารถในการตรวจสอบได้ตั้งแต่เลเยอร์โครงสร้างพื้นฐาน ไม่ใช่พึ่งพาเพียงการควบคุมในระดับแอปพลิเคชันหรือการเขียนเอกสารนโยบายเท่านั้น

3. ยกระดับกลยุทธ์โครงสร้างพื้นฐานตั้งแต่วันนี้ อย่ารออนาคต

กรณีการใช้งานที่ขับเคลื่อนด้วย AI จำเป็นต้องมีสภาพแวดล้อมข้อมูลที่แข็งแกร่งและมีการกำกับดูแลอย่างดี หน่วยงานที่มีแนวคิดเชิงรุกจะทบทวนปรับกลยุทธ์ด้านโครงสร้างพื้นฐานไอทีของตน โดยการสร้างความสมดุลทั้งด้านประสิทธิภาพ ความปลอดภัย และการปฏิบัติตามกฎระเบียบ จะอยู่ในจุดที่มีความพร้อมดีกว่าในการปรับใช้ AI อย่างรับผิดชอบและรองรับภารกิจในวงกว้าง ในทางกลับกัน หน่วยงานที่เลื่อนการตัดสินใจออกไป จะต้องเผชิญกับช่องว่างทางโครงสร้างพื้นฐานแบบเดิมที่กำลังขัดขวางการทำงานในปัจจุบัน แถมยังโดนซ้ำเติมด้วยอัตราการพัฒนาอันรวดเร็วและต่อเนื่องของเทคโนโลยี AI อีกด้วย

การเลือกใช้แพลตฟอร์มที่รองรับทั้งแอปพลิเคชันที่เป็นเวอร์ชวลไลซ์และคอนเทนเนอร์ไลซ์ ข้อมูล และเวิร์กโหลด AI ที่มาพร้อมการฝังระบบรักษาความปลอดภัย การบริหารจัดการแบบรวมศูนย์ และการกำกับดูแลไว้แล้ว จะช่วยลดความซับซ้อนของการปฏิบัติงานด้านไอทีได้อย่างมาก ทั้งยังช่วยลดต้นทุนในการบำรุงรักษา ปิดช่องว่างด้านการกำกับดูแล และเป็นการเปิดพื้นที่และทรัพยากรให้กับการพัฒนานวัตกรรม ซึ่งเป็นสิ่งที่องค์กรภาคสาธารณะกำลังต้องการอย่างเร่งด่วนในขณะนี้

อ่านรายงาน Nutanix Enterprise Cloud Index ประจำปี 2026 เพื่อศึกษาข้อมูลเพิ่มเติมเกี่ยวกับอนาคตของ AI, คอนเทนเนอร์ และอธิปไตยทางข้อมูล ในระบบไอทีขององค์กรภาคสาธารณะได้ที่นี่

ข้อมูลพื้นฐานและการสำรวจ

การสำรวจของนูทานิคซ์นี้จัดทำโดย Wakefield Research ทำการสำรวจความคิดเห็นของผู้บริหารฝ่ายไอทีและฝ่ายวิศวกรรมจำนวน 1,600 คน (ตำแหน่งระดับผู้จัดการขึ้นไป) จากองค์กรที่มีพนักงานตั้งแต่ 500 คนขึ้นไป ครอบคลุม 14 ตลาดทั่วโลก พร้อมทั้งมีการสุ่มตัวอย่างเพิ่มเติมในส่วนของเจ้าหน้าที่รัฐบาลกลางสหรัฐฯ จำนวน 100 คน การสำรวจจัดทำขึ้นระหว่างวันที่ 13–23 พฤศจิกายน 2025 โดยใช้วิธีส่งคำเชิญทางอีเมลและทำแบบสำรวจออนไลน์ ทั้งนี้ ผู้ตอบแบบสำรวจในกลุ่มภาคสาธารณะครอบคลุมถึง หน่วยงานรัฐบาลกลาง รัฐบาลท้องถิ่นและระดับรัฐ สถาบันการศึกษาระดับการศึกษาพื้นฐาน (K–12) และอุดมศึกษา

สำหรับกลุ่มตัวอย่างทั่วโลก ผลการสำรวจมีค่าความคลาดเคลื่อนอยู่ที่ ±2.38 จุดเปอร์เซ็นต์ ที่ระดับความเชื่อมั่น 95% และสำหรับกลุ่มตัวอย่างในสหรัฐฯ ค่าความคลาดเคลื่อนอยู่ที่ ±4.9 จุดเปอร์เซ็นต์