AIがもたらす経済的・社会的恩恵は、依然として主にグローバル・ノースに地理的に集中している。
AIを促進する運営環境が整わなければ、AIへの備えの格差は世界的な不平等を助長することになる。
3つのステップは、長期的な恩恵の創出への投資や地域の教育の推進を含め、AIの取り組みを正しい方向へ導くのに役立つ。
技術革新は、世界各国の開発課題に新たなフロンティアを切り開いている。近年、人工知能（AI）は、農業、医療、教育などの地球規模の課題に大きな影響を与えてきた。AIツールの力を活用すれば経済成長を促進できる可能性は計り知れないが、この技術がもたらす経済的・社会的恩恵は、依然として主にグローバル・ノースに地理的に集中している。
AIは2030年までに世界経済へ最大で15.7兆ドルの貢献をもたらす可能性がある。世界経済のすべての地域がAIから恩恵を受けると見込まれる一方、北米と中国が最大のGDP押し上げ効果を得る見通しだ。グローバル・サウスの国々は、AI技術の導入率がはるかに低いため、より緩やかな増加にとどまる。当然ながら、経済力のある先進国は一般的に、最新のAIツールを導入するための研究開発資金を確保する能力を持っている。しかし、グローバル・サウスの国々にもAIを活用する意志はあり、インドの「AIForAll」などの各種国家戦略にその姿勢が示されているAIForAll（インド）。
実際、オックスフォード・インサイツの評価は、世界181か国を対象に、公共サービスにおけるAI活用への準備状況を評価したものであり、スコアが最も低い地域には、サハラ以南のアフリカ、中央アジア・南アジアの一部の国、ラテンアメリカの一部の国など、グローバル・サウスの多くが含まれていることを示している。同報告書は、政府がAIの開発を支えるために適切な運営環境を必要としていると強調しており、その環境には、強固なテクノロジー部門、十分なデータインフラ、そして国家レベルでのガバナンスと倫理への戦略的な視点と注力が含まれるとしている。AIを促進する運営環境が整わなければ、AIへの備えの格差は世界的な不平等を助長することになる。
グローバル・サウスにおける構造的な制約
この「AIデバイド」の根本原因の一つは構造的な制約にあり、グローバル・ノースとグローバル・サウスの間には顕著な格差が存在する。AIを規模に応じて効果的に導入するには、技術インフラ、モデルとツール、データ、そして人材と能力の要素から成る、高度なインフラが求められる。加えて、新技術の規制において信頼性を確保するためには、政策とガイドラインが不可欠である。
AI主導のソリューションを効果的に導入・拡大するためには、健全な技術インフラが必要である。これには、高性能コンピューティング資源（ワークロードを処理するため）、データの増加に応じて拡張可能な大容量ストレージ、高帯域・低遅延のネットワーク通信を支えるネットワークインフラ、そして機密データを保護し不正利用を防ぐための成熟したサイバーセキュリティインフラが含まれる。こうした先進技術の導入コストは、グローバル・サウスの資源制約国にとって最大の障壁の一つである。例えば、AIアルゴリズムの学習には数百万ドルの費用がかかる場合がある。AIインフラの構築費用は、大半の資源制約国にとって手の届かない水準であり、長期にわたる稼働と保守の費用はなおさらである。
再利用可能なモデルとツールは、AIの研究開発（R&D）を加速するうえで極めて重要である。基盤モデルは、大量のラベルなしデータで学習され、新たな下流タスクに適応できるものであり、新たな機能の開発や新たなユースケースの展開を推進している。しかし、その研究開発は、モデル学習に多額の費用がかかるため、一般的には米国と中国の少数の企業に支配されており、これらの企業は学習済みモデルへのアクセス権を有する者や、モデルの利用範囲を制限している。
特定のAIソリューションが有用かつ責任あるもの（すなわち、信頼性、包摂性、透明性を備えたもの）となるためには、現地の文脈に適応し、社会的な独自性を反映させるため、学習とテストに大量の現地データが必要である。資源制約地域では、データの利用可能性と互換性が大きな課題となっており、その一因はインフラの成熟度の低さと実務者の能力不足にある。基盤モデルに基づいて計算を行うためにリアルタイムデータを用いる場合、信頼性の高いネットワーク接続が依然として大きな障壁となっている。
現代のAIを効果的に展開するには、人材と能力も不可欠である。技術インフラの構築と保守、既存のモデルやツールの調査と活用、データセットの整備、そして新たなソリューションやツールの開発には、技術人材が必要である。さらに、AIによって実現される新たなツールやソリューションを採用できるよう、業界の実務者もスキルアップが求められる。
さらに問題を複雑にしているのは、AIには重大なリスクが伴うという点である。AIの恩恵と信頼性を確保しつつ、そのリスクを軽減するためには、AIを保護するための政策とガイドラインが必要である。グローバル・サウスの住民は、データプライバシーやアルゴリズムのバイアスといったテーマに関するリテラシーが一般的に低いため、AIシステムの導入を導くガバナンスのガイドラインと政策を整備しておく必要がある。
正しい方向へ進むための3つのステップ
資源制約国が構造的な制約を克服できず、AIの機会から恩恵を得られない状況が続けば、先進地域と資源制約地域の格差は広がり続けるだろう。この格差を縮小するために、3つのステップがAIの取り組みを正しい方向へ導くのに役立つ。
1. 長期的な恩恵の創出に投資する
先進国は、AIアルゴリズムを設計・開発・展開して経済成長を促進することでAIの恩恵を受けている一方、グローバル・サウスでは、AIバリューチェーンの中で、データのラベリングや修正を行うために低技能労働者を活用する産業が台頭している。
グローバル・サウスの国々がこの構図を打破できるよう、現地政府と国際援助機関は、現地の能力を再評価し、これらの国々の開発軌道を引き上げ、長期的な恩恵を生み出すために戦略的に投資を計画する必要がある。例えば、基本的なAIインフラと能力の改善に投資し、極めて有益なソリューションを展開するための前提条件を確実に整えることができる。
2. 現地の教育を推進し、オープンなリソースを活用する
現地の教育は、持続可能な人材のパイプラインを構築し、AIにおける能力の格差を埋めるうえで重要である。大規模公開オンライン講座（MOOC）、例えばKhan Academyなどは、資源制約国がAI教育を向上させるための、費用対効果が高く体系的な指導を提供している。一部の教材は、接続性が低い状況に対応するため、オフライン学習機能を備えるように設計することができる。したがって、学習プロセスにおいて実験やソリューション開発を支えるために、インフラには基本的な機能が求められる。学術機関や研究機関には、最新のAIモデルを動かすための良好なネットワーク接続と十分な電力を備えたコンピュータが必要であるだけでなく、AI対応データセットへのアクセスも必要である。
教育機会への投資と並行して、AI人材のプールとパイプラインにも特別な注意を払う必要がある。スキル開発に注力し、持続可能な技術人材を育成することが不可欠である。アフリカ開発センターにおいて、例えばマイクロソフトは、アフリカの人材パイプラインを強化するため、すべての労働者が職場で必要なスキルを習得できるよう支援している。
3. 将来に対応したエコシステムに向けたロードマップを共同で策定する
グローバル・サウスにおいてAIの実用化が進むなか、将来に対応したエコシステムを実現するには、政策立案者、テクノロジー提供者、開発コミュニティの協力が不可欠である。政府は、責任ある形でAIを導入するための主要な要件を満たすロードマップを共同で設計するために、世界的なテクノロジー提供者の専門知識と能力、そして現地の開発コミュニティを活用すべきである。これには、現地の文脈における課題やギャップ、障壁を特定し、優先順位を付け、最も大きな相乗効果を生み出す協力計画を定義することが含まれる。このロードマップは、各国が国家AIエコシステムを構築する際に、正しい方向へ導くために政府のAI戦略に組み込むことができる。世界経済フォーラムの国家AI戦略ピア・ネットワークは、政策立案者や実務者が教訓、課題、ベストプラクティスを共有するための優れたプラットフォームを提供している。
AIアプリケーションは、世界中の経済的・社会的課題への対応において大きな可能性を秘めている。しかし、グローバル・サウスは構造的な制約により後れを取っている。構造的課題に対処するために我々が共に行動しなければ、先進国と資源制約国の間で「AIデバイド」は拡大し続け、世界の多くの地域が取り残されることになるだろう。
