強制労働が存続しているのはデータが不足しているからではなく、データが分断されたままだからである。
強制労働に対抗するグローバル・データ・パートナーシップは、集団的インパクトを可能にする相互に補強し合う一連の手段を結集するために設計された。
政府、企業、市民社会、労働者団体、国際機関はいずれも、強制労働の撤廃において役割を担っている。それは単独ではなく、共に担うものである。
強制労働は、私たちが直面する最も根強い人権課題の一つであり続けている。産業や国境を越え、世界のサプライチェーンの奥深くで、今なおほぼ2,800万人が強制的な労働に囚われている。
これは世界が何もしてこなかったからではない。各国政府は法律を制定してきた。企業はデューデリジェンスに多額の投資を行ってきた。市民社会は、はるかに少ない資源しかない中で、変革を粘り強く求めてきた。関心と可視性は高まってきている。ツールもかつてないほど高度になった。それでも、進展は問題の規模と複雑さに追いつくことに苦戦してきた。一部の分野では実質的な前進があったものの、その成果は不均一で、長期にわたって維持することは困難である。
今日欠けているのは、意思だけではなく、努力を実際に成果へとつなげるための、システムレベルの能力である。最も真摯な関係者でさえ、適時性があり、信頼でき、活用可能な情報がないまま、意思決定を迫られることが多い。多くの取り組みが、部分的な情報や遅れて届くシグナルに依存している。善意は重要であるが、それだけでは変化をもたらさない。
世界的な対応は依然として分散している。政府、企業、国際機関、市民社会組織、労働者団体はそれぞれ、パズルの重要な断片を保有しているが、全体像を一貫して把握している者はいない。私たちはデータに囲まれているにもかかわらず、それを行動につながる洞察へと転換することに依然として苦慮している。
時間の経過とともに、この分断は悪循環を強化しかねない。可視性の欠如は説明責任を弱める。説明責任が弱まれば、信頼が損なわれ始める。そして信頼が綻び始めると、調整はますます困難で脆弱になる。調整がなければ、持続的かつ真摯な取り組みであっても、システム全体の変革を生み出すには至らない。
この悪循環を断ち切るには、問題そのものへの理解を転換する必要がある。強制労働は一連の孤立したコンプライアンス違反ではなく、システム的な対応を求めるシステム的な課題である。強制労働に対抗するグローバル・データ・パートナーシップは、その理解を核として創設され、集団的インパクトを可能にする相互に補強し合う一連の手段を結集するよう設計されている。
分断された取り組みからシステム的変革へ
この最近のホワイトペーパーで述べられているとおり、パートナーシップは、単純でありながら見落とされがちな洞察から出発する。すなわち、強制労働が存続しているのはデータが不足しているからではなく、データが分断されたままだからである。政府は検査データや移民データを収集している。企業は監査やサプライヤー記録を管理し、デューデリジェンスを実施している。市民社会や労働者団体は、苦情や当事者としての経験を記録している。これらの取り組みはそれぞれ単独でも価値がある。しかし、こうした洞察が、予防、説明責任、あるいは協調的な行動を支える形で結びつくことは、あまりにも稀である。
その結果、多くの関係者は事実上、盲目飛行を強いられている。意思決定は不完全なシグナルに基づいて行われ、その間も搾取は、複雑な募集経路や不透明なサプライチェーンの中で人知れず続いている。
パートナーシップが提供するのは、信頼でき、競争前段階にある安全な方法で、これらの洞察を結びつけることである。その際、誰にもデータの管理権を手放すよう求めることはない。主権、プライバシー、同意を尊重しつつ共有型の知見を可能にすることで、強制労働をこれほど長く存続させてきた力学を反転させることを目指している。
このアプローチの中核には、五つのシステム的手段がある。
1. 可視性：システムレベルでリスクを可視化する
強制労働は、可視性が最も弱い場所で蔓延する。警告の兆候はしばしば存在するが、それらは分断されたシステムに散在している。労働者の苦情、募集手数料のデータ、検査結果、監査結果はそれぞれ事態の一部を物語っているが、互いに情報を提供し合うことは、あまりにも稀である。
実際には、これにより個々のサイロの内部だけでなく、システム全体を横断して把握することが可能になる。連合型のアプローチを用いることで、データがすでに存在する場所で洞察が分析され、生データではなく知見のレベルで統合される。これにより、単一のデータセットだけでは明らかにできないリスクのパターンが浮かび上がる。
この取り組みの中心にあるのは、労働者の声である。労働者は搾取を最初に経験し、報告することが多いが、その視点は設計上、正式な制度に最も組み込まれていない。労働者が生成したデータが安全かつ責任をもって含まれるとき、可視性はより広範に、より早期に、そして現実の経験にしっかりと根ざしたものとなる。
予防は、リスクを見ることだけでなく、行動に間に合う時点でそれを見ることにかかっている。適時の可視性がなければ、介入は害が生じた後に、手遅れで到着する。
強制労働は、複雑で分断されたサプライチェーンの中に潜んでおり、これは単一の組織では解決できない問題である。協働することで、サプライチェーン、募集経路、労働者の経験を結びつけ、部門を超えて予防と説明責任の双方を可能にする洞察を共有できる。このような協力は、労働者の権利の尊重に根ざし、産業界、政府、市民社会にとって現実世界での価値の提供を支えるものである。
Kara Hurst、最高サステナビリティ責任者、Amazon
2. 説明責任：孤立した責任から共有された説明責任へ
証拠が分断されていれば、責任もまた分断される。政府は、サプライチェーンの実態に関する洞察がないまま労働基準を執行している。企業は、募集慣行や執行の動向に関する可視性がないままデューデリジェンスを実施している。市民社会は、より広範なシステムのシグナルにアクセスできないまま救済を求めている。投資家は、首尾一貫した証拠基盤がないまま信頼できる指標を探している。
その結果、説明責任は多くの場合、垂直的なままであり、制度の境界内に限定されている。
共有された知見は、この力学を変える。関係者が、リスクと対応について共通で信頼できる理解に基づいて行動するとき、説明責任はより明確で、実行可能なものとなる。責任は制度を越えて整合させることができ、行動は互いに異なる方向へ引っ張り合うのではなく、相互に強化し合うことができる。
この転換は影響力を強めるとともに、有効性も高める。共有された知見は重複を減らし、信頼性を強化し、組織が高まる期待により効率的に応えることを支援する。
強制労働は犯罪であるが、法的執行がなければ、数百万人が依然として搾取に対して脆弱なままである。より良いデータ、明確なインセンティブ、協調的な行動を結びつけることで、政府や企業から労働者や市民社会に至るまで、すべての利害関係者に、強制労働と共に闘うための明確さと自信を与える。この種の共有された知見は単なる技術的な画期的進歩ではなく、すべての労働者が可視化され、保護され、自由であることを確実にするために不可欠なものである。
Gary Haugen、最高経営責任者、International Justice Mission
3. 調整：並行する取り組みを集団的行動へ転換する
各分野にわたり、強制労働に取り組む姿勢は本物である。政府は調査を行い、企業は監査を実施し、市民社会は被害を記録している。しかし、こうした取り組みは並行して進められることが多く、その結果、重複、監査疲れ、そして根強い死角を生んでいる。
調整が不十分になるのは、協働に価値がないからではなく、協働がリスクを伴うと感じられたり、既存のインセンティブと相容れないと見なされたりするからである。洞察を共有することはコストが高いと思われる一方、単独で行動する方が安全で、慣れ親しんだものに感じられる。
パートナーシップの根幹には、データを集団的な優位性を生み出す共有資産として扱うという考えがある。既存のシステムを置き換えるのではなく接続することで、各取り組みが相互に積み上げられるようにする。調整は、インフラに組み込まれ、ガバナンスによって支えられ、相互利益に根ざすとき、より安全なものとなる。
調整が改善されるにつれ、努力は反復的な評価から離れ、的を絞った予防的行動へと移行していく。
強制労働は、国境、部門、説明責任の間の隙間で繁茂する。こうした隙間を埋めるには、政府、企業、労働者、市民社会、投資家の間で協調的な行動が求められ、サプライチェーンや移住経路を横断して洞察を結びつける必要がある。こうした共有された先見性は、リスクを低減し、死角を減らし、搾取が根付く前に人々を守るための、より早期かつ的を絞った行動を可能にする。
Amy Pope、事務局長、国際移住機関
4. 信頼：前提ではなく設計によって
強制労働に関するデータは、機微で複雑であり、多くの場合極めて個人的な性質を持つ。強固な保護措置がなければ、慎重になることは理解できるだけでなく、不可欠である。
パートナーシップ内の信頼は、意図的に構築される。プライバシーを保護するアプローチにより、移動するのは生データではなく洞察である。ガバナンス枠組みは、情報の利用方法について明確な期待を定める。倫理基準は、データが予防、救済、説明責任を支え、それ以上の目的に用いられないことを保証する。
信頼はまた、品質への信頼にも依存する。共有された知見は、信頼性があり、検証可能で、結論に至る過程が透明でなければならない。関係者が受け取る洞察の安全性と完全性の双方を信頼できるとき、参加が可能になり、行動がより現実的になる。
信頼は出発点ではない。それは、信頼を得るために設計されたシステムの成果である。
すべてのデータポイントの背後には、人間が存在する。労働者の経験をシステムレベルのデータと結びつけるとき、私たちは単に搾取を測定しているのではなく、人々を再び可視化しているのである。連合型のアプローチは、個人を暴露することなくパターンを明らかにし、人々を守りながら、システムに説明責任を持たせることができる。そうして信頼が築かれ、変化が始まるのである。
Mahendra Pandey、創設者、Global Migrant Workers Network
5. リーダーシップ：孤立したコンプライアンスより集団的インパクトを選ぶ
データやツールはリスクを明らかにできるが、洞察を行動に変えるのはリーダーシップである。強制労働を終わらせるには、共有された証拠を中心に結集し、共有された責任を引き受け、事後対応的な手法だけに頼るのではなく、コンプライアンスと並んで予防を優先するリーダーが必要である。
これは個人の英雄主義の問題ではない。制度的なリーダーシップの問題である。単一の関係者だけでは強制労働を解決できないことを認識するリーダーシップであり、孤立よりも協働を、選択的開示よりも透明性を、短期的な対症療法よりも長期的な解決策を選ぶリーダーシップである。
共有されたシステムに参加することで、リーダーは集団的な成果を強化するだけでなく、デューデリジェンス、透明性、倫理的ガバナンスに関して高まる期待に応える自らの能力も強化する。
リーダーシップの課題の一つは、いつ単独で立つべきか、いつ集団的な取り組みに加わるべきかを見極めることである。サプライチェーンにおける強制労働を根絶するには、政府、企業、市民社会が協働する必要がある。データ共有のための信頼できるシステムを構築することで、強制労働に対抗するグローバル・データ・パートナーシップは、この人権上の不正義を根絶するために必要な効果的な集団的行動を確実にするためのツールを、リーダーに提供することができる。
Theresa May、元英国首相
集団的インパクトのための新たなモデル
強制労働に対抗するグローバル・データ・パートナーシップは、システム的変革のための一貫したモデルへと、強力な手段を結集する。連合型のデータ協働と共有されたガバナンスを通じて、私たちは、可視性、説明責任、調整、信頼、リーダーシップの好循環を生み出す。
これはもはや理論上のものではない。企業が性能と効率を高めるために用いている、データ駆動型でAIを活用したツール（高度な分析、自動化、洞察、トレーサビリティを通じたもの）は、現在、強制労働と闘う上での障壁となっている情報のギャップを埋めるために応用されている。こうした能力は、すでに産業全体で組織がリスクと複雑性を管理する助けとなっている。パートナーシップは、それらを意図的かつ責任をもって、現代において最も根深い人権課題の一つへと向けている。
タイでの概念実証は、このアプローチが実際に機能していることを示している。多言語の自然言語処理とオープンソース技術を用い、連合型のデータとエージェント型AIが、断片化された情報を集団的知見へと転換し、パターンやリスクの集中地点を明らかにできることを示している。データを発生源で保護したまま、安全なシステム横断的分析を可能にすることで、安全な協働が技術的に実現可能であり、制度的にも可能であることを証明している。
目指すのは、新たなプラットフォームを作ることではない。既存の取り組みを結びつけ、強制労働が起きる前にそれを予測し防止できるシステムへと、孤立した介入から移行させる、つなぎの基盤を築くことである。
いかなる単一の企業、機関、部門も、現代の奴隷制を単独で解決することはできない。AIの画期的進歩を絶えず追求する中で、私たちには、これらの進歩を産業や制度を越えて集団的に適用し、最も脆弱な人々を守り、システム的変革を推進する責任がある。
John F. Schultz、エグゼクティブ・バイスプレジデント兼最高執行・法務責任者、Hewlett Packard Enterprise
証明から予防へ
強制労働の悪循環を断ち切るには、共有された知見に根ざした集団的行動が必要である。政府、企業、国際機関、市民社会、労働者団体はいずれも、単独ではなく共に担うべき役割を持っている。
参加者は、洞察を責任をもって提供し、共有された証拠に基づいて行動することで、強制労働を避けられない現実ではなく、防止可能なリスクとする仕組みの構築に貢献することができる。
問題はもはや、それが可能かどうかではない。窓が開いている間に、リーダーたちが共に行動することを選ぶかどうかである。
