2026年8月4日、世界銀行は「人工知能の可能性」と題する世界開発報告を公表しました。これは、この技術が開発途上経済にとって何を意味するのかについて、同行が初めて行った包括的な評価です。実務上の要点を一行でまとめると、最大のリターンは既製のAIツールを購入することではなく、それを自社の現地の状況、データ、業務フローに適応させることから生まれる、ということです。報告書は段階的に難度が上がる三つのステージ——導入、適応、高度化——を示し、ほとんどの組織や経済は三つ目ではなく最初の二つに力を集中すべきだと主張しています。

なぜ経営者が世界的な開発報告書に注目すべきなのか？

それは、いま経営者の誰もが行き詰まっている問い、「予算をどこに投じるべきか」に答えているからです。報告書はツールを売り込むものでも、特定のベンダーを宣伝するものでもありません。成果が実際にどこで生まれ、どこで消えたのかを検証しています。結論として、恩恵を受けた企業とそうでない企業の差は、どのモデルを使ったかではほとんど説明できません——ほぼ全員が同じモデルを利用できるからです。差を生むのは、利用可能なデータ、社内業務の質、そして解決すべき課題の明確さです。

報告書はサウジアラビアにも個別に言及し、同王国をAIへの民間投資で世界上位十か国に位置づけ、専門人材にとって魅力的な行き先であり、政府データ統合のモデルであると強調しました。言い換えれば、インフラ、資金、人材はすでに身の回りにそろっています。欠けているピースは、たいてい自社の中にあります。

この技術はこれまでのどの波よりも速く広がっている

報告書は、立ち止まって考える価値のある比較を示しています。蒸気機関が低所得国に届くまでにはおよそ八十年、電気はおよそ四十年、インターネットはおよそ二十年かかりました。現代の対話型モデルは事情がまったく異なります——ChatGPTの公開から六か月以内に、中所得国がその世界トラフィックの半分を占めたのです。

実務的には、これまでの波では何年も続いた先行者の優位が、いまでは数か月しか続かないことを意味します。競合他社も御社と同じ日に技術にアクセスできるため、技術へのアクセスそのものはもはや差別化要因ではありません。差を生むのは、それをどれだけ速く社内の日常的な業務手順に落とし込めるかです。

価値を左右する三つの要因：能力、集中、補完要素

  • 能力：AIは、通常は希少な人間の専門知識を必要とする認知的タスクをこなします。そしてその希少性こそが、開発途上経済におけるより大きな制約です。したがって、AIが最も価値を発揮するのは、御社に欠けている専門知識を代替するときであり、チームがすでにうまくこなしている仕事を繰り返すときではありません。
  • 集中：少数の経済圏にある少数の企業が、最先端のモデル、それが依存するチップ、それを動かすデータセンターを支配しています。これは単一の供給元への依存リスクを生みますが、同時に、システムをゼロから構築するために何十億も費やすことなく、既製のモデルをカスタマイズできることも意味します。
  • 補完要素：AIが最もよく機能するのは、インフラが信頼でき、教育水準が高く、制度がしっかりしていて、現地語のデータが存在する場所です。モデルがどれほど強力でも効果がなかなか現れないのは、こうした補完要素が欠けているからです。

実践的な枠組み：導入、次に適応、そして高度化

報告書は三つのステージを示しており、それぞれが前のステージよりもコストが高く、要求も厳しくなります。

  • 導入は正しい出発点です。既存のツールを使って従業員の作業を速め、意思決定を改善します。低コストで、効果がすぐに出ます。
  • 適応は、報告書によれば最大の成果が得られる段階です。別の経済圏で学習したツールは、御社の状況、顧客の言語、あるいは自国の規制に合わない提案をする可能性があります。適応とは、ソリューションが御社のデータで、アラビア語で、御社の手順の中で動くようにすることです。
  • 高度化とは、最先端モデルとそれを支えるインフラを自ら構築することです。チップ、大規模データセンター、膨大な学習データ、世界トップクラスの研究者を必要とする、群を抜いて困難で高コストな道です。報告書は、これはほとんどの開発途上経済にとって短期的に現実的な目標ではないと率直に述べています。ひいては、ほとんどの企業にとっても現実的な目標ではありません。
持ち帰るべきルール：安くて速いので導入から始め、本当の優位性はそこにあるので適応に本気で投資し、モデルそのものを構築することが本業である場合に限って高度化の段階に踏み込むこと。

強力なモデルを使ってもAIプロジェクトが停滞するのはなぜか？

多くの場合、補完要素が欠けているからです。ある企業が高性能なツールを契約したものの、データがスプレッドシートやWhatsAppのメッセージに散らばっていること、支店ごとに同じ商品を違う名前で呼んでいること、「完了した注文」とは何かについて誰も統一的な定義に責任を持っていないことに気づく——という具合です。ここでモデルが失敗しているわけではありません。ただ、扱うべき一貫したものが何もないのです。

だからこそ正しい順序は、まずデータを整理してシステムをつなぎ、その上にインテリジェンス層を加えることです。整った業務システムを持つ企業は数週間で効果を実感しますが、それがない企業は、結局誰も使わないツールに料金を払うことになります。

枠組みを適用するための九十日プラン

  • 1-30日目、導入：コストが高く、反復的で、測定可能なプロセスを一つ選びます——顧客からの問い合わせ対応、請求書データの抽出、契約書の要約など。そこに既製のツールを適用し、導入前後で削減できた時間を測定します。
  • 30-60日目、補完要素の準備：そのプロセスの背後にあるデータを一か所に集約し、権限を定め、チーム間で認識が食い違っている用語について共通の定義を文書化します。
  • 60-90日目、適応：御社のデータ、言語、手順に基づいてソリューションを構築し、APIを通じて既存システムと連携させます。最終承認は引き続き責任ある担当者が行います。
  • その後：同じ方法で二つ目のプロセスへと横展開します。五つの前線を一度に開かないでください。

これこそがOrigamiで私たちが構築しているものです。まず企業のデータを相互につなぐオーダーメイドのシステムを作り、その上にアラビア語で、実際の業務手順の中で動くAI層を加えることで、効果を実験的なものではなく測定可能なものにします。

出典