世界がCOVID-19への対応に取り組み続ける中、マサチューセッツ工科大学（MIT）は、パンデミックで活用されてきたAIツールを取り上げている。
AI対応のサービスや組織による分析は、想定外の要因や予期せぬ外部性への対応力を高めることができる。
2008年、英国は初の国家リスク登録簿を発表し、民間緊急事態に備えた国家安全保障上の優先事項を国民に示した。同報告書は、影響度と発生可能性という2つの側面からリスクを評価し、パンデミックの可能性を最上位に位置づけた。その1年後、新型インフルエンザ（豚インフルエンザ）のパンデミックが発生し、数十万人もの死者を出した。英国では数十万人の感染者が出たものの、死者は比較的少なかった。政府の視点から見ると、パンデミックは「ブラック・スワン」ではない。問題は、ある国がパンデミックを予見し、それに応じて準備しているかどうかではなく、既存のシステムがパンデミックによって生じるストレスの水準下で機能し得るかどうかである。その意味で、COVID-19は世界の医療システムだけでなく、グローバル化そのものに対するストレステストとなった。
大規模な接続性をもたらしたグローバル化の現代においては、人の移動が活発になったことで感染症が広がりやすくなり、パンデミックの脅威が高まったことは間違いない。しかし、そのことをもってグローバル化だけを非難すべきではない。むしろ、世界中に分散したバリューチェーンが持つ本質的な接続性を活用し、各国がパンデミックや大災害を予測し、対応し、連携する方法を改善する必要がある。この接続性は、今後ますます直面するであろう種類の課題に対して、より良い解決策を生み出すという目標に向けた、能力構築の媒介となるべきである。
現在のパンデミックにおける能力とは、病床数や人工呼吸器の数、スタッフの人数やマスクの数だけを指すのではない。病院や供給業者が、安全性を保ちながら継続的な供給を計画するための組織モデルもそこに含まれる。能力は、まさに体系的な課題である。この点において、最前線での献身的な努力にもかかわらず、COVID-19パンデミックは計画の不備を露呈させた。また、十分な投資を受けてこなかったインフラが、さらに深刻な地域社会の構造的問題につながりかねないという懸念も高まっている。こうした問題は、新旧の不平等を複合的に深刻化させる可能性があり、不十分で連携の取れていない医療施設によって、感染者や死者の増加を招きかねない。
国の医療・安全システムに必要な能力を強化するため、各国政府や組織は、より迅速かつ拡張可能な対応手段へと飛躍するために、データ集約型のソリューションに目を向けている。
国の医療・安全システムに必要な能力を強化するとともに、社会経済的影響という課題にも取り組むため、各国政府や組織は、より迅速かつ拡張可能な対応手段へと飛躍するために、データ集約型のソリューションに目を向けている。位置情報データに基づく追跡・接触確認の取り組みは、韓国、ベトナム、中国、イスラエル、そしてシンガポールから、アリババが広く喧伝したCOVID-19のAI検出ソリューションまで多岐にわたる。また、米国の機械可読形式のCOVIDデータセットによるアプローチ、英国の国民保健サービス（NHS）がビッグテック企業を活用して国の保健対応状況をダッシュボードで可視化している例など、他にも数多くの事例がある。
いまや一般市民は、このようなデータ集約型の政府の対応が、本質的にプライバシーと相反するものなのかを問うべき段階にある。しかし、果たしてそうなのだろうか。
韓国による詳細な位置情報の活用は、ここにある微妙な境界線を示しており、今後の検証対象となるだけでなく、精度を極めた公衆衛生アプローチの新たな潮流における参照事例にもなることは間違いない。こうした取り組みには懸念もある。なぜなら、そのような拡大は新たな日常につながる可能性があるからだ。しかし、データ集約型の取り組みに伴いプライバシー問題が深刻化していることは、世界各国の政府による監視の強化やデータ収集範囲の拡大を意味しており、同時に、データがどのように評価・測定され、どのような方法で今後の新たな危機に備えた公共部門の能力を設定するために使われるのかを理解する必要性も、同様に切迫している。これら2つの問いに同時に向き合うことで、行政機関は、従来の予測モデルの枠を超えて、不確実性に適切に学習し対応できる、新世代の効果的なデジタル政府ツールへと飛躍できる。
では、この新たな能力構築の必要性に対する答えは、AIインターフェースに見出せるのだろうか。
問題は、AIが機能するかどうかだけではなく、最も必要とされる時に機能するかどうかである。そうしたソリューションに依存することで、意図しないバイアスやプライバシー侵害が持ち込まれないか、また、想定された処理済みデータが、そのような不確実な状況に対応できるのかが問われている。危機においては、誤りは増幅しやすい。行政手続きの一貫性の欠如から、プライバシーの急速な侵害、そして意図せず将来の侵害につながる不誠実な行動に至るまで、これらはすべて、意図せず感染拡大のリスクをさらに高める潜在的なリスクに加わる。
複雑で非線形な現象を扱う際、情報の精度を高めるための投資には、その価値に機能上の限界があるというのが現実である。その限界は、既知の変数だけでなく、とりわけ危機や大規模な事象の性質に起因すると思われる変動にまで、制度的能力が確実に対応できるかどうかによって定められる。実際、勝負の鍵は最良の情報を得ることではない。むしろ、適応し学習する能力を備えているがゆえに、その情報に依存せずとも機能できる最良のシステムを目指すことにある。
AI対応のサービスや組織を最もよく活用する政府は、単に最良のデータ分析を持つ政府ではなく、そうした分析を用いて、想定外の要因や予期せぬ外部性への対応力を高める政府である。これは、AIの利用と展開について、異なるパラダイムを理解する必要があることを意味する。AIの最大の可能性は、既存資産の最適化にとどまらないからである。
世界は、広範な能力強化を可能にする包括的なプライバシーと同意の枠組みとはどのようなものか、それをいかに迅速に構築するか、あるいは次に避けられない危機に備えてどのように整備するか、さらに、現在のパンデミックで私たちが大きく欠いていた、必要な公衆衛生上の緊急対応体制をどう構築するかについて、新たな議論を必要としている。最終的に重要なのは、今どのように対応するかだけではなく、AIサービスを体系的に活用することで制度化できるインフラが、明日以降にどのように反脆弱性を築けるかということである。
