Introduzione

L'intelligenza artificiale (AI) offre un'enorme promessa per lo sviluppo, ma i divari digitali nei mercati emergenti pongono veri ostacoli. In molte regioni a basso reddito, le connessioni internet sono lente, la copertura è frammentaria e l'elettricità è inaffidabile. Ad esempio, la GSMA rileva che nell'Africa subsahariana solo circa il 27% delle persone utilizza internet mobile e persiste un “gap di utilizzo” del 60% – milioni vivono all'interno della copertura ma non possono accedere a internet a causa di elevati costi di dispositivi, dati o barriere di competenze (www.gsma.com). Africanews riporta che circa 900 milioni di africani non hanno ancora accesso a internet, e un numero simile non ha elettricità (www.africanews.com). Nel frattempo, i dati internet in alcuni paesi costano oltre il 5% del reddito mensile (evolutionafricamagazine.com). In questo contesto, l'AI basata su cloud (come i grandi chatbot) è semplicemente fuori portata per la maggior parte delle persone.

Per servire queste comunità, gli innovatori stanno esplorando l'AI offline-first su dispositivi a basso costo. L'idea è portare i servizi AI nell'“ultimo miglio” eseguendo assistenti intelligenti direttamente su telefoni economici o chioschi locali, e utilizzando canali semplici come SMS, voce/USSD (menu con codici brevi) invece di app video o del web. Questo approccio può fornire consigli tempestivi in agricoltura, sanità, istruzione e altro ancora, senza la necessità di connettività continua o hardware costoso. La chiave è adattare l'AI alle esigenze locali – supportare le lingue regionali, coinvolgere la supervisione della comunità e lavorare tramite partner fidati (operatori di telecomunicazioni, ONG, governi) con prezzi adeguati ai redditi locali.

Questo articolo esamina tali vincoli e soluzioni, attingendo a progetti e studi recenti. Mostra come gli assistenti AI completamente offline o a bassa tecnologia possano essere fattibili e d'impatto per l'agricoltura, la sanità e l'istruzione nei mercati emergenti – e come partnership e gestione comunitaria ne garantiscano sostenibilità, sicurezza e accessibilità.

Barriere: Connettività, Alimentazione e Costo

Divari di connettività. Le reti in molte regioni in via di sviluppo si stanno espandendo ma sono incomplete. Nell'Africa subsahariana, ad esempio, il 13% della popolazione vive ancora al di fuori di qualsiasi copertura cellulare, e tra quelli coperti persiste un “gap di utilizzo” del 60% (www.gsma.com). Questo divario riflette dispositivi o dati inaccessibili, bassa alfabetizzazione digitale e preoccupazioni sulla sicurezza. A livello globale, circa 3,1 miliardi di persone affrontano tali divari di utilizzo (www.gsma.com). In termini pratici, centinaia di milioni di famiglie rurali non hanno un internet affidabile, o solo 2G/3G. Come rileva un rapporto, circa 900 milioni di africani (su circa 1,4 miliardi) non hanno internet, e quasi lo stesso numero non ha elettricità (www.africanews.com). Queste cifre ci dicono che le classiche app per smartphone o l'AI cloud spesso falliranno nei villaggi remoti.

Limiti di alimentazione. La mancanza di elettricità riduce ulteriormente l'accesso digitale. Nello stesso rapporto Africanews, un esperto ha sottolineato come gli strumenti AI non possano funzionare “continuando a lavorare su 3G o 2G” se manca l'elettricità (www.africanews.com). Molte case rurali dipendono da energia stagionale o solare, e caricare un dispositivo è costoso o imprevedibile. I progetti di chioschi educativi o sanitari spesso utilizzano energia solare o kit batteria. Ciò che conta è massimizzare l'utilizzo con una potenza minima – ad esempio, chip altamente efficienti dal punto di vista energetico e dispositivi che possono funzionare per giorni con una singola carica.

Ostacoli di accessibilità economica. I costi dei dispositivi e dei dati rimangono fatalmente alti per gli utenti a basso reddito. Nell'Africa subsahariana, tasse e dazi doganali possono rendere anche gli smartphone di base $50 o più – decine di ore di salario per i più poveri. La GSMA rileva che l'accessibilità economica dei dispositivi è una parte importante del divario di utilizzo (www.gsma.com). Anche i prezzi dei dati costituiscono una larga frazione del reddito: un sondaggio ha rilevato che i dati mobili costano oltre il 5% del reddito mensile in molti paesi africani (evolutionafricamagazine.com), ben al di sopra dell'obiettivo del 2% fissato dall'ONU per l'accessibilità. Per agricoltori o studenti che possono guadagnare solo pochi dollari al giorno, pagare anche $0,50 per GB è proibitivo.

Queste barriere infrastrutturali e di costo implicano che le soluzioni AI devono essere radicalmente adattate: dovrebbero funzionare offline o con la minima larghezza di banda possibile, girare su hardware molto economico e consumare energia minima. Il resto di questo articolo esamina come.

AI Offline-First su Dispositivi a Basso Costo

Per superare i divari di cui sopra, nuovi progetti stanno implementando assistenti AI offline-first su telefoni economici o hub locali. I progressi nell'AI edge e nella compressione dei modelli significano che modelli AI limitati (ad es. per il riconoscimento vocale, consigli testuali) possono ora essere eseguiti direttamente su dispositivi di base senza accesso al cloud. Alcuni ricercatori propongono gadget AI “bare-metal” ultra-economici: le simulazioni mostrano che un'AI linguistica pratica può funzionare su dispositivi che costano appena $8–$10 con solo ~30 MB di RAM (www.researchgate.net). Tali modelli – spesso distillati da sistemi più grandi – possono rispondere a domande o dare istruzioni offline, memorizzando i database linguistici localmente. In effetti, sono supercomputer tascabili per città e fattorie senza internet stabile.

In pratica, questi dispositivi possono assumere la forma di:

• Feature phone con chip AI. Alcune startup retrofittano telefoni semplici con chip o firmware AI vocali. Ad esempio, la canadese Viamo ha lanciato un servizio AI (nel 2024) che trasforma qualsiasi telefono di base in un “chatbot offline”. L'utente compone un codice breve e parla o invia messaggi – tutta l'elaborazione avviene su un server locale o un modello offline integrato. L'utente a sua volta riceve risposte vocali o testuali (techcentral.co.za). Questa configurazione funziona anche “in mezzo al nulla” senza internet – solo la normale segnalazione di rete mobile. È mirata ai più poveri del mondo, consentendo query per un costo minimo di ₦10 (circa $0,12) per chiamata (techcentral.co.za).

• Chioschi AI comunitari o radio. Un altro approccio sono gli hub di villaggio alimentati da mini-computer robusti o dispositivi tipo Raspberry Pi. Ad esempio, l'open-source Kolibri (di Learning Equality) consente alle scuole di installare un server locale o un Pi. Gli studenti utilizzano quindi qualsiasi dispositivo locale per visualizzare libri di testo, video o quiz offline (evolutionafricamagazine.com). Questo è già in uso nelle zone rurali di Kenya, Tanzania e Malawi – gli insegnanti caricano contenuti educativi globali e li adattano alle lingue locali su Kolibri (evolutionafricamagazine.com). Un modello simile utilizza hotspot Wi-Fi o intranet locali con programmi di chat AI per gli agricoltori nei centri comunitari.

• “Telefoni AI” dedicati a basso costo. Progetti ambiziosi prevedono smartphone da $10–$20 caricati con AI on-device. Uno studio tecno-economico propone di distribuire 700 milioni di dispositivi di apprendimento AI offline in Africa entro il 2030, ciascuno al costo di $10–20 (www.researchgate.net) (www.researchgate.net). Questi sarebbero precaricati con enciclopedie multilingue e moduli interattivi (testo, riconoscimento immagini, voce in più lingue). Sebbene nessun dispositivo consumer sia ancora così economico, la tabella di marcia esiste: la produzione su larga scala e modelli ultra-leggeri (come i booster LLaMA di Meta o le reti linguistiche “MetalNLLB”) potrebbero raggiungere questo punto presto (www.researchgate.net).

La chiave di tutti questi approcci è il funzionamento a basso consumo energetico e offline. Ad esempio, i modelli AI possono precaricare un sottoinsieme di contenuti (come database di colture o FAQ sanitarie di base) in modo che solo questi debbano essere archiviati localmente, e qualsiasi nuova query possa essere accodata fino a quando non è disponibile la connettività. Nel frattempo, il dispositivo risponde istantaneamente all'utente. Man mano che la tecnologia migliora, anche le app per smartphone stanno aggiungendo modalità offline (consentendo download tramite Wi-Fi, quindi l'uso offline). La lezione impressionante è: non hai bisogno dei server di Google o OpenAI se il modello AI è reso minuscolo o memorizzato nella cache – la mossa del cavallo è incorporare l'intelligenza ai margini, dove si trovano gli utenti.

Canali e Casi d'Uso: SMS, USSD e Voce

Nei mercati emergenti, i mezzi più diffusi sono SMS, USSD (menu di testo interattivi) e chiamate vocali – non le app web. Qualsiasi assistente AI deve utilizzare questi canali per raggiungere gli utenti di massa. Fortunatamente, sia SMS che USSD sono ben consolidati: la GSMA riporta che nove transazioni su dieci di denaro mobile nell'Africa subsahariana avvengono tramite USSD (www.gsma.com), e i provider globali supportano ancora USSD su tutti i telefoni. Fondamentalmente, USSD e SMS non richiedono alcun dato internet – solo il canale di segnalazione GSM (www.gsma.com). Funzionano sui “feature phone” più economici, anche quelli senza schede microSD o schermi a colori. Un assistente AI tramite USSD può inviare una query testuale (come “Quali parassiti colpiscono il mais? 1=Afidi, 2=Punteruolo”) e ottenere una risposta numerica con consigli. La risposta vocale interattiva (IVR) funziona in modo simile: gli utenti parlano o ascoltano tramite menu automatizzati in lingue locali.

Agricoltura: Per gli agricoltori, la consulenza AI tramite SMS/voce è già una realtà. Un esempio in Camerun è l'app Farmer Guide: diagnostica le malattie delle colture con l'AI, ma gli agricoltori fuori città non potevano usarla – non avevano internet o elettricità (www.africanews.com). La piattaforma Viamo interviene: offre un servizio basato sull'AI dove qualsiasi agricoltore può chiamare (in Nigeria, Zambia e oltre) e porre domande agricole. Il sistema funziona tramite voce/SMS e può anche ricevere prompt vocali, fornendo risposte in natura (techcentral.co.za). Ciò rende l'AI accessibile su qualsiasi telefono, non solo sugli smartphone. Un'altra iniziativa è il chatbot Darli AI del Ghana. Accessibile tramite WhatsApp (che molti utenti africani hanno) o SMS, Darli fornisce consigli di semina, prezzi di mercato e suggerimenti meteorologici. Fondamentalmente, Darli supporta 27 lingue (incluse 20 lingue africane come Swahili, Yoruba, Twi, ecc.) (www.weforum.org), in modo che gli agricoltori ricevano consigli nella loro lingua madre. Dal 2024 Darli ha raggiunto oltre 110.000 agricoltori in Ghana e Kenya (www.weforum.org). Questi progetti dimostrano che semplici canali testuali/vocali possono fornire un'AI agricola avanzata al villaggio.

Salute: La salute mobile (mHealth) ha a lungo utilizzato SMS e IVR, e l'AI può integrarli. Ad esempio, la piattaforma di Viamo è partner dell'UNICEF per fornire chatbot AI offline per argomenti sanitari (prevenzione dell'HIV, sintomi della malaria, consigli igienico-sanitari) (techcentral.co.za). Un utente può comporre un numero o inviare un codice e ottenere consigli sanitari istantanei nella propria lingua. Durante il COVID-19, molti paesi hanno lanciato strumenti USSD per l'autovalutazione e l'informazione (ad es. il checker di sintomi USSD della Sierra Leone (www.gsma.com)). Un assistente AI può basarsi su questi aggiungendo domande e risposte interattive e guida personalizzata. È importante sottolineare che i servizi di telemedicina basati su USSD (come i controlli sanitari USSD gratuiti del Kenya (www.gsma.com)) dimostrano che questi canali funzionano su larga scala. In futuro, i moduli AI offline potrebbero essere eseguiti su microcomputer di cliniche locali o persino sui telefoni degli infermieri, offrendo supporto decisionale senza la necessità di database online.

Istruzione: L'apprendimento a distanza in aree con scarsa connettività ha avuto successo tramite SMS e kit offline. Iniziative come Eneza Education (in Kenya, Ghana e Costa d'Avorio) inviano domande di quiz e lezioni tramite SMS/USSD su telefoni di base (evolutionafricamagazine.com). Oltre 10 milioni di studenti hanno utilizzato la piattaforma feature-phone di Eneza a basso costo, dimostrando che un apprendimento digitale significativo può avvenire senza smartphone (evolutionafricamagazine.com). Basandosi su questo, M-Shule (“scuola mobile”) del Kenya combina SMS con l'AI: personalizza le lezioni e il feedback per gli studenti delle scuole primarie utilizzando l'apprendimento automatico dietro le quinte (evolutionafricamagazine.com). Gli insegnanti inviano quiz al telefono di uno studente, e M-Shule adatta i contenuti in base alle risposte di ogni bambino. Tali servizi funzionano offline nel senso che una volta che il curriculum è consegnato, l'utente del telefono non ha bisogno di un accesso continuo alla rete. Le comunità hanno anche creato hub educativi offline (ad es. aule alimentate a energia solare con server locali) che utilizzano contenuti a tariffa zero. Durante la pandemia, l'UNICEF e altri hanno segnalato che due terzi degli scolari a livello globale non avevano nessun accesso a internet a casa (www.unicef.org), quindi queste soluzioni a bassa tecnologia hanno mantenuto l'istruzione in funzione.

Ognuno di questi casi d'uso sottolinea che i canali contano più delle interfacce utente sofisticate. Nell'agricoltura rurale, nella sanità e nella scuola, l'interfaccia mobile più semplice – menu di testo USSD o IVR vocale nelle lingue locali – raggiunge la maggioranza. L'AI collegata a questi canali (sia sul dispositivo che su un server locale) può trasformarli da hotline di informazioni statiche in assistenti personali interattivi.

Localizzazione: Lingue, Dati e Sicurezza

Copertura linguistica. Per essere utili, gli assistenti devono parlare la lingua locale – non solo inglese o francese. I mercati emergenti sono altamente multilingue; ad esempio, solo l'Africa ha oltre 2.000 lingue. I modelli AI mainstream coprono tipicamente solo le principali lingue mondiali, quindi sono necessari modelli locali su misura o traduzioni. Alcuni sforzi promettenti esistono già. Ad esempio, il chatbot Darli di Farmerline supporta 27 lingue, incluse 20 lingue africane come Akan, Hausa, Igbo, Twi e Swahili (www.weforum.org). In Indonesia, progetti di ricerca stanno sperimentando l'AI vocale nelle lingue madri degli agricoltori utilizzando sistemi IVR (www.gsma.com). Un esempio: l'International Rice Research Institute (IRRI) ha collaborato con Viamo per lanciare una hotline IVR che fornisce servizi di consulenza in una lingua locale indonesiana, in modo che gli agricoltori di riso di tutti i livelli di alfabetizzazione potessero capire (www.gsma.com). Anche i contenuti educativi sono stati localizzati: la piattaforma Kolibri, menzionata sopra, è utilizzata nelle scuole dell'Africa orientale dove “gli insegnanti adattano risorse aperte globali alle lingue e ai contesti locali” (evolutionafricamagazine.com).

Per coprire sistematicamente le lingue locali, i progetti dovrebbero raccogliere e formare dati regionali. Un modello è il crowdsourcing comunitario: volontari locali (agricoltori, insegnanti, traduttori) possono aiutare a costruire glossari o registrare campioni vocali. Questi dati, conservati localmente o anonimizzati, possono essere utilizzati per affinare i modelli AI ai dialetti della zona. Alcuni sforzi nazionali producono persino strumenti: ad esempio, il Center for Digital Indigenous Language della Nigeria ha creato una tastiera AI mobile che copre quasi 180 lingue africane (www.weforum.org), rendendo più facile digitare e leggere in quelle lingue. Le partnership con università o ONG locali possono aiutare a curare contenuti culturalmente corretti (ad es. nomi di piante locali, pratiche igienico-sanitarie) in modo che il consiglio dell'AI sia significativo.

Raccolta e governance dei dati locali. La raccolta di dati e feedback sul campo è cruciale per l'addestramento e il miglioramento degli assistenti. Tuttavia, ciò deve essere fatto eticamente: le comunità dovrebbero acconsentire all'uso dei dati e i dati personali sensibili (cartelle cliniche, finanze personali) devono essere protetti. Un modello utile è la co-creazione comunitaria. Ad esempio, nella comunità di Makoko a Lagos, i residenti sono stati formati nella mappatura e nella raccolta di dati tramite droni; hanno prodotto il proprio set di dati geografici che ora viene utilizzato per la pianificazione locale (www.weforum.org). Allo stesso modo, un progetto AI potrebbe dotare gli operatori sanitari dei villaggi o gli agenti di estensione agricola per raccogliere rapporti di casi o query anonimizzati. Questi set di dati locali dovrebbero rimanere sotto la gestione della comunità – archiviati su server locali o tramite partner fidati – piuttosto che essere sottratti da aziende distanti. Il World Economic Forum suggerisce di formare innovatori locali, ONG e agenzie in alfabetizzazione e governance dell'AI in modo che possano “scegliere come raccontare le loro storie”, garantendo che i dati siano utilizzati a loro beneficio (www.weforum.org) (www.weforum.org).

Sicurezza ed etica. Qualsiasi assistente AI che fornisce consigli (su medicina, agricoltura, ecc.) deve essere sicuro e accurato. Ciò richiede molteplici salvaguardie: revisione da parte di esperti locali, filtri di contenuto e chiare dichiarazioni di non responsabilità. Ad esempio, un bot AI per la salute in un villaggio dovrebbe includere un meccanismo affinché gli utenti possano segnalare errori o essere indirizzati all'aiuto umano. I comitati di supervisione locali o le reti di educatori rurali possono esaminare regolarmente il contenuto, adattandolo ai cambiamenti stagionali o situazionali. Un “ciclo di feedback” guidato dalla comunità aiuta a rilevare gli errori: se molti agricoltori segnalano lo stesso problema con i consigli dell'AI, gli sviluppatori possono aggiornare il modello. I formati dovrebbero anche consentire aggiornamenti rapidi. È importante che le comunità sottoservite abbiano una certa proprietà: l'implementazione della tecnologia tramite cooperative o consigli locali anziché imporla dall'alto garantisce la responsabilità.

L'esperienza dimostra che la gestione comunitaria è fondamentale. Nella mappatura agricola e nella finanza, gli strumenti progettati dalla base superano quelli generici. Gli esperti di un recente Forum hanno sottolineato che “dobbiamo incontrare le persone dove si trovano” con piattaforme in lingua locale (come i chatbot WhatsApp) e che adattare l'AI alle realtà locali crea guadagni sostenibili (www.weforum.org). In pratica, ciò significa formare utenti e leader in ogni comunità: ad esempio, dotare gli insegnanti di villaggio o gli operatori sanitari di guide sull'uso e la spiegazione degli strumenti AI. Tali campioni locali riducono la sfiducia e aiutano a far rispettare le norme etiche.

Collaborazione e Modelli di Business

Per scalare con successo l'AI offline nei mercati emergenti sono necessarie partnership tra settori – e prezzi che i poveri possano permettersi.

Operatori di rete mobile (MNO): Gli operatori di telecomunicazioni sono alleati naturali. Possiedono già l'infrastruttura SMS/USSD e vocale. Collaborando con i fornitori di AI, gli MNO possono ospitare servizi AI sulle loro reti (ad esempio, dedicando un codice breve o una linea IVR). In molti mercati, gli operatori lavorano con governi e ONG sull'alfabetizzazione digitale e sono desiderosi di aggiungere “servizi AI” ai loro portfolio. Ad esempio, MTN e Vodacom in Africa stanno iniziando a integrare chatbot AI per il servizio clienti e l'ottimizzazione della rete (www.gsma.com), e potrebbero fare lo stesso per i servizi di pubblica utilità. Gli operatori possono anche sussidiare la connettività specificamente per questi servizi: ad es. offrendo sessioni USSD gratuite per codici sanitari o educativi approvati, o raggruppando query AI in piani dati a basso costo. Questo è analogo alle iniziative sponsorizzate dalle telecomunicazioni come hotline sanitarie gratuite o portali educativi. Inoltre, gli operatori possono condividere dati di localizzazione o di utilizzo (anonimizzati) per aiutare l'AI a migliorare senza richiedere agli utenti di trasmettere informazioni grezze. Fondamentalmente, i regolatori e le associazioni di telecomunicazioni (come GSMA) possono incoraggiare tariffe SMS/USSD ridotte per i programmi sociali, come raccomandato nei rapporti di settore (www.gsma.com).

Governi e ONG: I partner pubblici e senza scopo di lucro spesso guideranno la progettazione e il finanziamento. I Ministeri dell'Agricoltura, dell'Istruzione o della Salute comprendono le esigenze locali e possono integrare gli strumenti AI nei programmi nazionali (ad es. reti di estensione agricola, scuole pubbliche, strategie di salute comunitaria). Le ONG – da quelle globali come l'UNICEF a fondazioni locali – forniscono competenze settoriali, contenuti e legittimità. Ad esempio, l'UNICEF ha collaborato con Viamo per aggiungere contenuti sanitari al loro sistema (techcentral.co.za); allo stesso modo, le ONG agricole e i servizi di estensione possono contribuire con curricula esistenti. Le organizzazioni donatrici possono finanziare implementazioni pilota (come visto con il Fondo di Innovazione della GSMA che sostiene l'agritech in Africa o in Asia). I modelli di finanza mista (un mix di sovvenzioni e condivisione dei costi) sono spesso necessari all'inizio, poiché l'implementazione puramente commerciale potrebbe non essere immediatamente redditizia. Il World Economic Forum sottolinea che le partnership miste (agenzie di sviluppo, governi e imprese private) sono essenziali per ridurre il rischio di investimento e adattare le soluzioni agli obiettivi locali (www.weforum.org).

Prezzi e accessibilità economica: Per gli utenti finali, il costo deve essere mantenuto minimo o nullo. Sono possibili diversi approcci:

• Micro-pagamenti a livelli. Il modello Viamo (Nigeria) addebita agli utenti una piccola tariffa per interazione (ad es. ₦10 o ~$0,12) (techcentral.co.za). A quel prezzo, anche i più poveri possono permettersi query occasionali, e gli operatori ottengono alcune entrate per sostenere il servizio. In alternativa, i servizi potrebbero essere gratuiti fino a un limite (diciamo 5 domande/giorno) e poi a pagamento per utilizzo.

• Sussidi e sponsorizzazioni. I servizi pubblici di salute o istruzione potrebbero essere sussidiati dai bilanci sanitari o da sovvenzioni allo sviluppo, rendendoli gratuiti per gli utenti. Ad esempio, un governo potrebbe sponsorizzare linee di consulenza agricola gratuite per aumentare la produttività. In altri casi, i servizi potrebbero pubblicare annunci o messaggi sponsorizzati da imprese locali (anche se è necessaria cautela per evitare di influenzare i consigli).

• Zero-rating e pacchetti. Gli MNO possono applicare lo zero-rating a USSD e SMS per servizi AI approvati, in modo che gli utenti non incorrano in alcun costo. Potrebbero anche raggruppare pacchetti dati: ad es., un piano educativo che include alcuni contenuti prepagati. In alcuni paesi, i Fondi per il Servizio Universale – prelievi sulle telecomunicazioni destinati alle aree sottoservite – sono stati utilizzati per finanziare iniziative di istruzione o salute digitale. Politiche come queste possono aiutare a mantenere il costo per l'utente finale vicino allo zero. L'abbassamento della tassazione su dispositivi e schede SIM (come raccomandato dalla GSMA (www.gsma.com)) rende questi servizi più accessibili in primo luogo.

• Sensibilità ai costi locali. I prezzi devono riflettere i livelli di reddito. Anche le piccole tariffe dovrebbero essere scalate: ciò che è poco in un paese (₦10) potrebbe essere troppo alto in un altro. I progetti pilota dovrebbero sondare la disponibilità locale a pagare e aggiustare tramite prezzi dinamici (ad es. più economici durante la stagione di semina, più durante la raccolta).

In definitiva, l'obiettivo è l'accesso piuttosto che il profitto. Molti progetti ICT4D hanno dimostrato che quando le comunità sottoservite ottengono informazioni gratuite o sussidiate, spesso trovano modi per “pagare” attraverso altri mezzi (migliori rese, salute, ecc.). La chiave è che i prezzi siano prevedibili e trasparenti, in modo che gli utenti possano pianificare.

Conclusione

I mercati emergenti non sono tabulae rasae – hanno reti mobili e una certa elettrificazione, sebbene discontinua. Ma con una riprogettazione creativa, l'AI può superare questi divari. Gli esempi precedenti dimostrano che gli assistenti AI offline-first su telefoni semplici possono trasformare la vita rurale: dando agli agricoltori consigli agricoli tempestivi, informando pazienti e madri sulla salute e supportando l'istruzione a distanza. La ricetta tecnica è ora a portata di mano – modelli AI compatti, hardware economico, energia solare e canali universali come SMS/USSD.

Il successo dipende fortemente dal rispondere alle esigenze locali. Ciò significa progettare per le lingue locali, co-creare contenuti con le comunità e garantire una supervisione fidata. Significa anche formare partnership: aziende di telecomunicazioni per gestire reti e prezzi; governi e ONG per curare i contenuti e raggiungere le persone; e leader comunitari per guidare e convalidare il sistema.

Applicando questi principi, l'AI può elevare i 3,2 miliardi di persone attualmente non connesse o sottoservite nel mondo digitale. L'AI offline su dispositivi a basso costo può consentire ai piccoli agricoltori di aumentare i raccolti, permettere agli abitanti dei villaggi di gestire la salute e aiutare i bambini ad imparare — tutto all'interno dell'ecosistema locale che conoscono meglio. Nelle parole degli innovatori rurali, “Dobbiamo incontrare le persone dove si trovano”: fornendo strumenti intelligenti nelle lingue, nei media e nei punti di prezzo che più si adattano a loro (www.weforum.org). Con una progettazione e una collaborazione attente, l'AI può finalmente diventare una forza inclusiva per il bene nelle comunità più sottoservite del mondo.