AIは、責任ある導入を可能にする制度や仕組みが整わないまま各国に広がっています。
専門知識、説明責任、AIを監督する制度的能力から成るこの人間の層を築くことは、この10年で最大の雇用創出の機会です。
重要な地域知識に支えられたこうした能力に国内で投資することで、各国はAIのバリューチェーンを上へと進むことができます。
AIをめぐる世界的な議論は、テクノロジーに何ができるかに焦点を当てています。世界の大半にとって、より重大な問いは、AIを責任を持って活用できるようになる前に、人々が何を築かなければならないかです。
この問いは、計算能力や接続性だけに関わるものではありません。必要なのは人間の層、つまり、AIを有効で信頼できる形で導入するための専門知識、説明責任、制度的能力です。ほとんどの開発途上国では、この層がほぼ存在しません。その不在は、AI普及の中心的な障害であると同時に、今後10年で最も大きな雇用創出の機会でもあります。
AIは、国家戦略や専用の法律が整うのを待ちません。ソフトウェアの更新、デジタル変革の取り組み、ベンダーのプラットフォーム、クラウドサービス、調達の決定、既存の組織業務を通じて各国に入り込みます。しかし、その根底にはさらに難しい問いがあります。最も必要としている地域でAIの普及がこれほど遅いのはなぜか。そして、責任ある形で広げるには、何を築かなければならないのでしょうか。
人々の準備はできている――人間の層はまだ整っていない
2025年版UNDP人間開発報告書（HDR）は、注目すべき調査結果を示しました。回答者の10人中6人が、低・中程度の人間開発指数（HDI）国でAIが新たな雇用機会を生み出すと予想し、70％が生産性を高めると見込んでいます。これは、取り残されたと感じている人々の回答ではありません。参入のきっかけを待っている人々の回答です。
障壁は、接続性や計算能力だけではありません。人材と制度の問題です。AIの責任ある導入を可能にし、それによって大規模な普及を支える制度、説明責任の仕組み、地域の能力は、ほとんどの場所でまだ整っていません。信頼がなければ導入は停滞します。説明責任が弱ければ、異議を申し立てる力が最も乏しい人々に被害が集中します。
だからこそ、AIの普及と信頼を支えるインフラの構築を、順番に進む段階として扱うことはできません。導入を待ってからガバナンスを後付けすれば、最も重大な決定の説明責任が問われないままになります。UNDPのAIランドスケープ評価（AILA）は、50の開発途上国でこのパターンが繰り返されていることを示しています。導入のスケジュールがガバナンスの準備を追い越し、その隔たりで信頼が損なわれます。診療所に導入されたAI診断ツールについて、その性能を評価し、誤りに異議を唱え、患者に出力を説明できる有資格者がいなければ、それは開発の成果ではなく、リスクです。人間の層は導入後に加えるぜいたく品ではありません。導入の前提条件です。
その層があれば、可能性は具体的なものになります。自分の現場で誰かがすでに厳しい試験を行ったからこそ、AI診断を信頼できる医療従事者。自分の言語やカリキュラムに照らしてAIアシスタントを評価してもらった教師。支援対象の農家の状況に即してツールを監査してもらった農業普及員。彼らはAIの受動的な利用者ではありません。人間の層を築かなければならない理由そのものです。
欠けている専門知識の市場
世界規模に広がった主要なテクノロジーはどれも、それを支える人間のエコシステムが周囲に育ったからこそ普及しました。自動車が誰もがエンジンの作り方を学んだために普及したわけではありません。認定整備士、安全検査員、保険会社、標準化団体、試験機関から成る連携したエコシステムが生まれ、日常生活で使いやすく、信頼できるものにしたからです。AIも今、同じ転換点にありますが、必要なエコシステムはまだ存在しません。
今欠けているのは、AIの性能、安全性、説明責任に焦点を当てた、体系的な人間の専門知識の二次市場です。AI開発者と競合するのではなく、実際の組織や地域社会でそのツールを使えるようにする市場です。地域の状況でAIシステムを試験し、性能やバイアスを評価し、既存の業務プロセスにツールを組み込み、悪用からAIシステムを守り、ツールの動作や限界を組織が理解できるよう支援する人々や組織が含まれます。
職種は具体的です。AI監査員・検査員、保証エンジニア、合成データ開発者、AIサイバーセキュリティ専門家、レッドチーム担当者、AIを活用した業務に保険を引き受ける保険会社などです。こうした役割は現在、主に高所得国で断片的に存在するにすぎません。まだ存在しないのは、とりわけAI導入が最も速く進み、人間の層が最も薄い開発途上国や中規模市場で、これらの職が世界各地に生まれるための明確で大規模な道筋です。
AIのバリューチェーンを上へ進む
AIのサプライチェーンには、すでに地理的な偏りがあります。データのラベル付けやアノテーションなど、付加価値の低い活動は低・中所得国に集中し、多くの人手を要する一方で、得られる見返りは限られています。モデルの設計、導入、ガバナンスといった付加価値の高い業務は、専門知識とインフラを備えた高所得国に大きく偏っています。
機会は、このチェーンを上へ進むことにあります。再分配ではなく、地域で生み出すことで実現できます。AIを信頼できるものにする人間の層は、本質的に地域固有のものです。地域の言語、法律、制度、失敗が起きる条件についての知識が必要であり、まさにその地域固有性ゆえに、単純に外から持ち込むことはできません。
ポートオブスペインの裁判制度を評価するAI監査員を、サンフランシスコを拠点とする監査員で代替することはできません。ナイロビで公衆衛生AIのストレステストを行うレッドチーム担当者は、ツールの出力と、その誤りがもたらす被害の双方を左右する文脈を理解する必要があります。上へ進む道は、認証制度、研修の道筋、制度的な拠点を通じて専門知識を国内で築き、地域の必要性を地域の能力へと変えることにあります。
最も明確な先例はサイバーセキュリティです。初めは、主に裕福な政府や大企業が利用できるニッチな能力でした。やがて、数千億ドル規模の世界に広がるスキル市場へと発展し、数百万の雇用を生みました。インターネットを発明したわけでも、ソフトウェア開発を主導したわけでもない多くの国が、サイバーセキュリティのサービス、人材、規制の分野で主導的な立場を築きました。AIの信頼と安全を支える人間の層も、同じ道をたどろうとしています。その形を整え、認証制度、研修の道筋、制度的な拠点、専門職基準を築く機会は、今開かれています。
参入のきっかけが現実にある場所
2025年版HDRは、人間とAIの接点に生まれつつある職種を挙げています。重大な意思決定にAIの出力が使われる前に評価する説明担当者、特定の業界や状況に応じてモデルをカスタマイズし、リスクや性能のしきい値を設定するトレーナー、AIシステムの進化に合わせて組織が適応できるよう支える維持担当者です。高所得国では、こうした職種が大規模組織の内部に現れ始めています。開発途上国では、異なる、より切迫した形を取ります。そもそもAIシステムを信頼できるかどうかを判断する人が必要です。それが監査員、検査員、保証エンジニアであり、人々の生活に影響するAIの決定に市民が異議を唱えられる仕組みを築く市民テクノロジストです。
UNDPが最近、AIの信頼と安全に関する評価を実施したトリニダード・トバゴのような国では、雇用への参入経路が具体的です。同国は高い人的資本、既存の制度的基盤、世界市場との深い統合を備えています。しかし、AIツールが省庁や中等学校に大規模に導入された際、それに見合うガバナンスのインフラはまだ整っていませんでした。その隔たりから必要となった役割は、すぐに明らかになりました。監査員、保証エンジニア、リスク評価担当者、省庁レベルの安全策を築き、既存の枠組みが想定していなかった被害から生徒を守れる人材です。こうした人材は、すでに整った人材供給経路から確保できるものではありません。普及に必要とされる規模では、まだ存在していないのです。
UNDPの信頼と安全の再構想プログラムによれば、経済的な論拠と倫理的な論拠は同じ結論に行き着きます。AIがもたらす最大の機会は、自動化だけでなく、性能を高める拡張、すなわち、実際のシステムでAIを使いやすく、信頼でき、文脈に照らして検証され、効果を発揮するものにする人間の仕事から生まれます。開発途上国では、この拡張には特有の形があります。AIの普及そのものを可能にする人間の層です。
フォーラムが、リーダーによるAIの理解と責任あるイノベーションに向けた協働をどう支援するか
AI卓越センターは、分野を超えてリーダーをつなぎ、人工知能の急速な進化と、それが経済や社会にもたらす影響への理解を深めます。AI導入に伴う機会、リスク、トレードオフについて、十分な情報に基づく対話を支援します。
信頼できる場や協働の取り組みを通じて、センターはパートナーが共通理解を築き、AIのイノベーションと活用に責任ある形で取り組めるよう支援します。
この層は、意図的に築かなければなりません。市場のシグナルはまだ弱く、専門職基準も整っておらず、築くうえで最も有利な国々が現在の議論を主導しているわけではないため、自然に生まれることはありません。だからこそUNDPは、2030年までに「AI普及のための100の道筋」を築く組織の創設メンバーに加わっています。AIの到来から責任ある活用へ至る道筋は、人間の層をまっすぐ通っています。そして、その層はこれから生み出される仕事によって形作られます。
