AIがアフリカを素通りするかどうかを決める二つの変数
IMFがこのほど、サブサハラ・アフリカにおけるAIに関する初の本格的な経済モデルを公表しました。その数式は、経済学の素養がなくても驚くほど簡単に理解できます。そしてそれは、私がこの数年、さまざまな角度から取り組んできたことを説明してくれるものでした。
重要なのは二つの数字
IMFは、米国や欧州に使われているのと同じ生産性モデルを、サブサハラ・アフリカに対して走らせました。
現状の条件のままなら、AIが今後10年でこの地域の生産性に上乗せするのは0.2％です。高採用シナリオなら、その数字は2.1％になり、GDPへの効果は約4％になります。
10倍の差です。同じ技術、同じ地域、同じ10年で。
では、どちらの数字になるかを決めるのは何でしょうか。少なくとも技術ではありません。技術を取り巻く条件です。
その理由を知るには、モデルの中身を見る必要があります。そしてそれは、思っているよりずっと単純です。
モデル全体は、三つの数字の掛け算にすぎない
記号を剥ぎ取れば、IMFの枠組みが言っているのは、生産性の向上は次の式に等しい、ということです。
エクスポージャー × 採用率 × 節約率
- エクスポージャー： 仕事のうち、AIが実際に触れられる部分はどれだけか。
- 採用率： 企業のうち、実際にAIを使う企業はどれだけか。
- 節約率： 使ったとき、各タスクはどれだけ生産的になるか。
重要なのは「掛け算」だという点です。三つの数字のどれか一つでもゼロに近ければ、全体の結果もゼロに近くなります。技術がどれだけ良くなっても関係ないのです。
ここに、サブサハラ・アフリカの現在の数字を入れてみましょう。
- エクスポージャー： AIが意味のあるかたちで触れられる仕事は約22％（0.22）にすぎません。欧州ではおよそ55％です。
- 採用率： 10％未満（0.1）で、欧州や南北アメリカの2分の1から3分の1です。この二つの小さな数字を掛け合わせ、さらにタスクあたり約10％の節約率を掛けると、0.2％に着地します。
この式は、テコがどこにあるかを正確に教えてくれます。三つ目の数字についてできることはあまりありません。タスク単位の節約率は技術そのものが決めるからです。しかし最初の二つは、私たちが決めるものです。エクスポージャーと採用率は、手の届かない物理法則ではありません。インフラとプロダクトと政策に関する意思決定の結果なのです。
私が取り組んできたことのすべては、この二つの変数のどこかに位置しています。
AIを、電気のない村に届いた電動工具だと考えてみる
送電網のない村に、電動工具を詰めたコンテナを送ることを想像してください。
工具は完璧に動きます。人々には技能があります。それでも何も起こりません。工具は、その環境がまだ提供していないものを必要としているからです。
これが、採用率という変数の物理的な姿です。AIが生産性を引き上げるのは、安定した電力、接続性、スキル、制度とセットになったときです。
経済学者はこれを「補完的条件」と呼びますが、私は「グリッド（送電網）」と考えるのが好きです。そしてグリッドの問題は、抽象論ではありません。この地域の企業の78％が日常的な停電を報告しており、年間売上の8.4％を失っています。世界平均は5.2％です。ナイジェリアの企業の86％は、発電機を所有するか共同利用しています。
「電気はついていないかもしれない」が前提の世界では、クラウド依存のツールは売り込みにくいのです。デモがどれほど見事でも。
「低いエクスポージャー」という数字は、半ば測定上のトリックである
ここからが面白いところです。そして、IMFのレポート自身が、見出しの数字に対してひっそりと反論している、と私が考えるところでもあります。
エクスポージャーの測定は、仕事をタスクに分解して「現在のAIはこのタスクをこなせるか」と問うことで行われます。
この方法だと、農業のスコアはほぼゼロになります。農家のタスクは大半が身体的なものだからです。……AIにトウモロコシは植えられませんよね？
しかし、別の問いを立てたとき何が起こるか見てください。「AIは農家のタスクをこなせるか」ではなく、「AIは農家の情報ギャップを埋められるか」と問うのです。
この地域の典型的な作物収量は、潜在能力の25～33％にとどまっています。これは技能の問題だったことは一度もありません……天候、土壌、害虫、価格、タイミングについてのリアルタイムの情報がない、というだけのことなのです。AIを使ったSMS営農助言サービスのランダム化比較試験では、たった一作期で収量が16.6％、収入が23％増えました。SMS経由で。フィーチャーフォンで。グリッドは不要です。
IMFはこの論理を自らのモデルに通しました。AIを農業に広げるだけで0.8パーセントポイントが上乗せされます。枠組み全体で最大の単一のテコであり、現状条件での合計の4倍の大きさです。
エクスポージャーは、仕事そのものの性質の話ではありません。知性をどう届けるか、の話なのです。
農業をタスクの自動化で測ればエクスポージャーはゼロですが、意思決定支援で測れば、大陸最大の機会になります。
同じ読み替えはインフォーマルな商業にも当てはまります——この話は後でまた戻ってきます。
お金の流れを追う——消費者の罠
楽観的な話の前に、不愉快な話に腰を据えて向き合う必要があります。この節では、その重さを感じてほしいのです。
ラゴスのある企業がAIツールを導入し、生産性が20％上がったとしましょう。良い結果ですよね？ では、お金がどこへ行くのか追ってみてください。
サブスクリプションはドル建てです。モデルはバージニアかダブリンのサーバーで動いています。チップは1社から、クラウドは3社から来ています。つまり毎月、ナイラで稼ぐ企業がドルに両替し、自分がどの層にも参加していないスタックの上へと価値を送り続けているのです。
これを経済全体に掛け算してください。何百万もの企業が、みな生産的になり、みな同じ輸入された投入財のために現地通貨をドルに替えていく。
個々に見れば、これは非常に合理的です。集団として見れば、為替レートへの持続的な圧力であり、他人の通貨で値付けされ、他人のルールで統治されるインフラへの、構造的な依存の深まりです。
AIを消費することと、AIに参加することの違いとは、こういうことです。消費者という関係は、利得を生産の側に集中させ、利用の側から吸い上げます。このループは前にも見たことがあります——原材料が出ていき、完成品が入ってきて、価値はよそで回収される。今回の商品は知性ですが、幾何学は昔のままです。
IMFはこれを制度的な言葉で述べています。外国プロバイダーへの依存、「高価で、寡占的で、地政学的分断に形作られた」インフラ、と。私はもっと率直な言葉でこちらに書きました。
いずれにせよ、生産性の向上は本物であり、収奪も本物です。二つのことが同時に真実であり、誠実な戦略はその両方を抱えなければなりません。
ガバナンスはルールブックではなく、交渉の持ち札である
この問いから生まれたのが、私がナイジェリアの文脈に向けて公開したAIガバナンスの枠組み、NEAIFです。
ほとんどのガバナンス枠組みは、導入後を起点にします。システムは存在する、人々はそれを使っている、ではどう規制するか、と。それはブリュッセルにとっては最良の問いに聞こえるかもしれませんが、アブジャにとっては最初の問いとして間違っています。なぜなら、その問いは、あなたがすでにそのシステムに対してレバレッジを持っていることを前提にしているからです。持っていないのに。
相手が欲しがるものを何も持たずに通商交渉に現れるようなものだと考えてください。向こうはジェットエンジンや長距離ドローン、シリコンチップ、エンタープライズSaaSのサブスクリプションを売っています。こちらの手持ちは「計り知れない潜在力を秘めた増え続ける人口」と、先細りするカカオの在庫だけです。
ルールなら好きなだけ書けます。しかし、搾取の機会でもない限り、誰もあなたのテーブルに着く理由がないのです。
では、何が席を与えてくれるのか。主に、データです。AIシステムは、自分が持っていないデータに飢えています。現地の言語、現地の商業パターン、現地の農業条件。よく統治された高品質の現地データセットを管理している国には、取引の材料があります。そうでない国は、ルールを受け取るだけの側です。
これが、NEAIFの姉妹枠組みであるGoverning by Dataの主張です。まずデータの立ち位置を築くこと。それによってガバナンスは、コンプライアンスの作業から交渉の切り札へと変わるのです。
ちなみに、私もいくつか読み違えました。制度的な後ろ盾なしにガバナンスの仕事が牽引力を得るまでにかかる時間を過小評価していましたし、「早いこと」と「読める形になっていること」はまったく別物だと学びました。IMFが今この同じ地形をモデル化していることが、枠組みの正しさを自動的に証明するわけではありません。しかし、この会話にようやく共有の参照点ができたことは、強く示しています。
モバイルマネーの物語が教えてくれること
さて、ここからが励まされる部分です。IMF自身の事例を使って話しましょう。
サブサハラ・アフリカは、固定電話網を大規模に構築したことがありません。携帯電話が到来し、この地域は固定電話の時代を丸ごと飛ばしました。今日、世界に21億ある登録モバイルマネー口座のうち、12億がこの地域にあります。
世界の先頭が、飛ばした層の上に築かれたのです。
結果よりもメカニズムが重要です。M-Pesaが機能したのは、人々がいる場所——フィーチャーフォン、現金経済、銀行口座なし——にぴったり合わせて出会ったからです。ユーザーに、まず「銀行口座を持つ人」になれとは求めませんでした。古い前提条件そのものを不要にしたのです。
これがデザインパターンです。人々を古い階段の上まで引きずり上げるのではなく、彼らの足元に新しい床を敷くこと。
いま形成されつつあるレイヤーのために作る
このパターンを商業に当てはめると、Payloの背後にある賭けになります。
アバで靴を売る商人の女性を思い浮かべてください。商売の腕は確かです。彼女の商いの全存在は、WhatsAppと現金振込の上で回っています。
IMFの測定では、彼女の仕事のAIエクスポージャーはほぼゼロです。Eコマースの時代は彼女をほとんど素通りしました。ウェブサイトは高すぎ、プラットフォームは取りすぎ、中央集権的な物流は彼女のところまで届かなかったからです。
ここで、彼女の足元で変わりつつあることがあります。人々が、何を買うべきかをAIアシスタントに尋ね始めているのです。「近くで質のいい革靴はどこで買える？」この問いが発せられたとき、AIは手の届く構造化された商業データから答えます。今日、この商人はその答えの中に存在しません。AIから見える面を何も持っていない、ただそれだけの理由で。彼女の身に劇的なことはまだ何も起きません。しかし、周りに聞く代わりにAIに尋ねる買い手の一人ひとりが、彼女が存在さえ知らなかった買い手なのです。
だから、私たちはそれを作っています。Payloは彼女に、まず構造化データであり、その次にウェブページであるストアフロントを提供します。私たちはMCPサーバー——アプリがデータベースに問い合わせるように、AIシステムが私たちの商品カタログを直接クエリできる標準インターフェース——を運用しています。APIを叩くAIプラットフォームを検出し、発見レイヤーが形成されていく様子をリアルタイムで見ています。
これが機能するために商人がAIについて学ばなければならないことに注目してください。何一つ、ありません。
彼女は靴を出品する。あとはレイヤーがやってくれます。M-Pesaのユーザーが通信インフラを理解する必要がなかったのと同じです。モデルの言葉で言えば、私たちは彼女がエクスポージャーを持つようになるのを待っているのではありません。エクスポージャーを製造して、彼女に手渡しているのです。
そして、これが先ほどの収奪ループに何をするかにも注目してください。発見は外国のモデルの上で起こります。そのレイヤーを私たちはまだ握っていません。しかし、商人との関係、取引、商業データ、現地の決済レール——それらは国内に残ります。これは参加のポジションであって、消費のポジションではありません。部分的で不完全ですが、構造的に別物です。
窓は本当に開いている
IMFの結論は率直です。二つの道の差は10倍であり、デフォルトの道は低いほうであり、今まさに下されている選択が、どちらの道になるかを決める、と。
こうした窓は開いたままではいてくれません。ネットワーク効果と規模の経済によって、早く取ったポジションは複利で効きます。レポート自身が、デジタル産業は寡占化し、出遅れた者は先行者からインフラを借りる羽目になる、と警告しています。漂流の1年ごとに、低い道から抜け出すのは難しくなります。
私はこれを、警鐘というより、視界を晴らしてくれるものだと受け止めています。やるべき仕事が読める形になるからです。
- 採用率の数字を動かす： グリッド、接続性、停電を生き延びるプロダクト。
- エクスポージャーの数字を動かす： 測定上は「何もない」とされる場所に、面を作る。
- 利得を手放さない： 交渉の材料になるデータの立ち位置とガバナンス。
別々の人たちが、別々のピースに取り組んでいます。枠組みが一つ、プロダクトがもう一つ、そして構造を書き残すことが三つ目です。
どれも完成してはいません。だからこそ、IMFの論文をあるがままに受け取ることが大切です。私たちの共同の未来に対する暗い結論としてではなく、この会話をしやすくしてくれる一つのデータポイントとして。
この記事は「インフラはピッチ映えしない。それでも勝つのはインフラだ」と対になっています。同じ窓を、資本の側から見た話です。