Wprowadzenie

Sztuczna inteligencja (AI) oferuje ogromne możliwości rozwoju, ale podziały cyfrowe na rynkach wschodzących stanowią realne przeszkody. W wielu regionach o niskich dochodach połączenia internetowe są powolne, zasięg jest nierówny, a dostawy prądu zawodne. Na przykład, GSMA ustaliła, że w Afryce Subsaharyjskiej tylko około 27% ludzi korzysta z mobilnego internetu, a 60% „luka w użytkowaniu” nadal istnieje – miliony żyją w zasięgu sieci, ale nie mogą korzystać z internetu z powodu wysokich barier związanych z urządzeniami, danymi lub umiejętnościami (www.gsma.com). Africanews donosi, że około 900 milionów Afrykańczyków nadal nie ma dostępu do internetu, a podobna liczba nie ma dostępu do elektryczności (www.africanews.com). Tymczasem w niektórych krajach koszt danych internetowych przekracza 5% miesięcznego dochodu (evolutionafricamagazine.com). W tym kontekście, chmurowa AI (jak duże chatboty) jest po prostu poza zasięgiem większości.

Aby służyć tym społecznościom, innowatorzy badają możliwości AI działającej przede wszystkim offline na tanich urządzeniach. Ideą jest dostarczenie usług AI do „ostatniej mili” poprzez uruchamianie inteligentnych asystentów bezpośrednio na tanich telefonach lub w lokalnych kioskach, a także wykorzystywanie prostych kanałów, takich jak SMS, głos/USSD (menu krótkich kodów), zamiast aplikacji wideo czy internetu. Takie podejście może dostarczać terminowe porady w rolnictwie, zdrowiu, edukacji i wielu innych dziedzinach, bez potrzeby stałej łączności czy drogiego sprzętu. Kluczem jest dostosowanie AI do lokalnych potrzeb – wspieranie języków regionalnych, angażowanie nadzoru społecznościowego i współpraca z zaufanymi partnerami (operatorami telekomunikacyjnymi, organizacjami pozarządowymi, rządami) z cenami dostosowanymi do lokalnych dochodów.

Niniejszy artykuł analizuje te ograniczenia i rozwiązania, czerpiąc z ostatnich projektów i badań. Pokazuje, jak w pełni offline lub niskotechnologiczne asystenty AI mogą być wykonalne i skuteczne w rolnictwie, zdrowiu i edukacji na rynkach wschodzących – oraz jak partnerstwa i zarządzanie społecznościowe zapewniają ich zrównoważony charakter, bezpieczeństwo i przystępność.

Bariery: Łączność, Zasilanie i Koszty

Luki w łączności. Sieci w wielu regionach rozwijających się rozszerzają się, ale są niekompletne. Na przykład w Afryce Subsaharyjskiej 13% populacji nadal żyje poza zasięgiem sieci komórkowej, a wśród objętych zasięgiem utrzymuje się 60% „luka w użytkowaniu” (www.gsma.com). Luka ta odzwierciedla brak przystępnych cenowo urządzeń lub danych, niską umiejętność korzystania z technologii cyfrowych oraz obawy dotyczące bezpieczeństwa. Globalnie około 3,1 miliarda ludzi boryka się z takimi lukami w użytkowaniu (www.gsma.com). W praktyce setki milionów wiejskich gospodarstw domowych nie ma niezawodnego internetu lub ma dostęp tylko do 2G/3G. Jak zauważa jeden z raportów, około 900 milionów Afrykańczyków (z około 1,4 miliarda) nie ma internetu, a niemal tyle samo nie ma elektryczności (www.africanews.com). Te dane pokazują, że klasyczne aplikacje na smartfony lub chmurowa AI często zawiodą w odległych wioskach.

Ograniczenia zasilania. Brak elektryczności dodatkowo ogranicza dostęp cyfrowy. W tym samym raporcie Africanews ekspert podkreślił, że narzędzia AI nie mogą działać „kontynuując pracę na 3G lub 2G”, jeśli brakuje elektryczności (www.africanews.com). Wiele wiejskich domów polega na energii sezonowej lub słonecznej, a ładowanie urządzenia jest kosztowne lub nieprzewidywalne. Projekty kiosków edukacyjnych lub zdrowotnych często wykorzystują energię słoneczną lub zestawy baterii. Ważne jest maksymalne wykorzystanie przy minimalnym zużyciu energii – na przykład, wysoce energooszczędne chipy i urządzenia, które mogą działać przez wiele dni na jednym ładowaniu.

Bariery dostępności cenowej. Koszty urządzeń i danych pozostają zbyt wysokie dla użytkowników o niskich dochodach. W Afryce Subsaharyjskiej podatki i cła importowe mogą sprawić, że nawet podstawowe smartfony kosztują 50 USD lub więcej – co stanowi dziesiątki godzin pracy dla najuboższych. GSMA zauważa, że przystępność cenowa urządzeń jest głównym elementem luki w użytkowaniu (www.gsma.com). Ceny danych również stanowią dużą część dochodów: badanie wykazało, że mobilne dane kosztują ponad 5% miesięcznego dochodu w wielu krajach afrykańskich (evolutionafricamagazine.com), znacznie powyżej docelowego poziomu 2% ustalonego przez ONZ. Dla rolników lub studentów, którzy mogą zarabiać zaledwie kilka dolarów dziennie, płacenie nawet 0,50 USD za GB jest zaporowo drogie.

Te bariery infrastrukturalne i kosztowe oznaczają, że rozwiązania AI muszą być radykalnie dostosowane: powinny działać offline lub przy najniższej możliwej przepustowości, działać na bardzo tanim sprzęcie i zużywać minimalną ilość energii. Reszta tego artykułu analizuje, jak to osiągnąć.

AI działająca przede wszystkim offline na tanich urządzeniach

Aby pokonać powyższe luki, nowe projekty wdrażają asystentów AI działających przede wszystkim offline na niedrogich telefonach komórkowych lub lokalnych hubach. Postępy w brzegowej AI (edge AI) i kompresji modeli oznaczają, że ograniczone modele AI (np. do rozpoznawania mowy, porad tekstowych) mogą teraz działać bezpośrednio na podstawowych urządzeniach bez dostępu do chmury. Niektórzy badacze proponują ultratanie gadżety AI „bare-metal”: symulacje pokazują, że praktyczna AI językowa może działać na urządzeniach kosztujących zaledwie 8–10 USD z zaledwie ~30 MB pamięci RAM (www.researchgate.net). Takie modele – często destylowane z większych systemów – mogą odpowiadać na pytania lub udzielać instrukcji offline, przechowując lokalnie bazy danych językowych. W efekcie są to kieszonkowe superkomputery dla miast i gospodarstw rolnych bez stabilnego internetu.

W praktyce, urządzenia te mogą przyjmować formę:

• Feature phone'ów z chipami AI. Niektóre startupy wyposażają proste telefony w chipy lub oprogramowanie AI do obsługi głosu. Na przykład kanadyjska firma Viamo uruchomiła (w 2024 r.) usługę AI, która zamienia każdy podstawowy telefon w „chatbota offline”. Użytkownik wybiera krótki kod i rozmawia lub wysyła wiadomości tekstowe – całe przetwarzanie odbywa się na lokalnym serwerze lub we wbudowanym modelu offline. Użytkownik z kolei otrzymuje odpowiedzi w formie głosu lub tekstu (techcentral.co.za). Ta konfiguracja działa nawet „na odludziu” bez internetu – wystarczy standardowa sygnalizacja sieci komórkowej. Jest skierowana do najuboższych na świecie, umożliwiając zapytania za jedyne ₦10 (około 0,12 USD) za połączenie (techcentral.co.za).

• Kiosków AI lub radiów społecznościowych. Innym podejściem są wiejskie centra zasilane wytrzymałymi mini-komputerami lub urządzeniami typu Raspberry Pi. Na przykład, otwarte źródło Kolibri (firmy Learning Equality) pozwala szkołom instalować lokalny serwer lub Pi. Uczniowie używają następnie dowolnego lokalnego urządzenia, aby przeglądać podręczniki, filmy lub quizy offline (evolutionafricamagazine.com). Jest to już stosowane na obszarach wiejskich Kenii, Tanzanii i Malawi – nauczyciele ładują globalne treści edukacyjne i dostosowują je do języków lokalnych na Kolibri (evolutionafricamagazine.com). Podobny model wykorzystuje hotspoty Wi-Fi lub lokalne intranety z programami czatowymi AI dla rolników w centrach społecznościowych.

• Dedykowane tanie „telefony AI”. Ambitne projekty przewidują smartfony za 10–20 USD z wbudowaną AI. Jedno badanie techniczno-ekonomiczne proponuje dystrybucję 700 milionów urządzeń AI do nauki offline w Afryce do 2030 roku, każde w cenie 10–20 USD (www.researchgate.net) (www.researchgate.net). Byłyby one wstępnie załadowane wielojęzycznymi encyklopediami i interaktywnymi modułami (tekst, rozpoznawanie obrazów, głos w wielu językach). Chociaż żadne urządzenie konsumenckie nie jest jeszcze tak tanie, istnieje plan działania: masowa produkcja i ultralekkie modele (takie jak wzmacniacze LLaMA firmy Meta lub sieci językowe „MetalNLLB”) mogą wkrótce osiągnąć ten punkt (www.researchgate.net).

Kluczem we wszystkich tych rozwiązaniach jest niskie zużycie energii i działanie offline. Na przykład, modele AI mogą wstępnie ładować podzbiór treści (takich jak bazy danych upraw lub podstawowe pytania i odpowiedzi dotyczące zdrowia), tak aby tylko te musiały być przechowywane lokalnie, a wszelkie nowe zapytania mogły być kolejkowane do momentu, gdy dostępna będzie łączność. W międzyczasie urządzenie natychmiast odpowiada użytkownikowi. W miarę doskonalenia technologii, nawet aplikacje na smartfony dodają tryby offline (umożliwiające pobieranie danych przez Wi-Fi, a następnie korzystanie z nich offline). Imponująca lekcja jest taka: nie potrzebujesz serwerów Google czy OpenAI, jeśli model AI jest mały lub buforowany – ruch skoczka polega na osadzaniu inteligencji na krawędziach sieci, tam, gdzie są użytkownicy.

Kanały i przypadki użycia: SMS, USSD i głos

Na rynkach wschodzących najpopularniejszymi mediami są SMS, USSD (interaktywne menu tekstowe) i połączenia głosowe – a nie aplikacje internetowe. Każdy asystent AI musi korzystać z tych kanałów, aby dotrzeć do masowych użytkowników. Na szczęście zarówno SMS, jak i USSD są dobrze ugruntowane: GSMA donosi, że dziewięć na dziesięć transakcji mobilnych pieniędzy w Afryce Subsaharyjskiej odbywa się za pośrednictwem USSD (www.gsma.com), a dostawcy na całym świecie nadal obsługują USSD na wszystkich telefonach. Co kluczowe, USSD i SMS nie wymagają w ogóle danych internetowych – wystarczy kanał sygnalizacji GSM (www.gsma.com). Działają one na najtańszych „feature phone'ach”, nawet tych bez kart microSD czy kolorowych ekranów. Asystent AI przez USSD może wysłać zapytanie tekstowe (np. „Jakie szkodniki atakują kukurydzę? 1=Mszyce, 2=Wołki”) i otrzymać numeryczną odpowiedź z poradą. Interaktywna odpowiedź głosowa (IVR) działa podobnie: użytkownicy mówią lub słuchają za pomocą automatycznych menu w językach lokalnych.

Rolnictwo: Doradztwo AI za pośrednictwem SMS/głosu dla rolników już się dzieje. Jednym z przykładów w Kamerunie jest aplikacja Farmer Guide: diagnozuje ona choroby upraw za pomocą AI, ale rolnicy spoza miast nie mogli z niej korzystać – nie mieli internetu ani prądu (www.africanews.com). Platforma Viamo wkracza do akcji: oferuje usługę opartą na AI, dzięki której każdy rolnik może zadzwonić (w Nigerii, Zambii i innych krajach) i zadawać pytania dotyczące rolnictwa. System działa na zasadzie głosu/SMS i może nawet przyjmować polecenia głosowe, udzielając odpowiedzi w ten sam sposób (techcentral.co.za). To sprawia, że AI jest dostępna na każdym telefonie, nie tylko smartfonach. Inną inicjatywą jest chatbot Darli AI z Ghany. Dostępny przez WhatsApp (którego używa wielu afrykańskich użytkowników) lub SMS, Darli dostarcza porady dotyczące sadzenia, cen rynkowych i wskazówek pogodowych. Co ważne, Darli obsługuje 27 języków (w tym 20 języków afrykańskich, takich jak suahili, joruba, twi itp.) (www.weforum.org), więc rolnicy otrzymują porady w swoim ojczystym języku. Od 2024 roku Darli dotarł do ponad 110 000 rolników w Ghanie i Kenii (www.weforum.org). Projekty te pokazują, że proste kanały tekstowe/głosowe mogą dostarczać zaawansowaną AI rolniczą do wsi.

Zdrowie: Mobilna opieka zdrowotna (mHealth) od dawna korzysta z SMS i IVR, a AI może się z nimi integrować. Na przykład platforma Viamo współpracuje z UNICEF, aby dostarczać offline'owe chatboty AI do tematów zdrowotnych (zapobieganie HIV, objawy malarii, wskazówki dotyczące higieny) (techcentral.co.za). Użytkownik może wybrać numer lub wysłać kod i uzyskać natychmiastową poradę zdrowotną w swoim języku. Podczas COVID-19 wiele krajów uruchomiło narzędzia USSD do samooceny i informacji (np. Sierra Leone's USSD symptom checker (www.gsma.com)). Asystent AI może rozbudować te narzędzia, dodając interaktywne pytania i odpowiedzi oraz spersonalizowane wskazówki. Co ważne, usługi telemedyczne oparte na USSD (takie jak darmowe kontrole zdrowotne USSD w Kenii (www.gsma.com)) dowodzą, że te kanały działają na dużą skalę. W przyszłości moduły AI offline mogłyby działać na mikrokomputerach w lokalnych klinikach, a nawet na telefonach pielęgniarek, oferując wsparcie decyzyjne bez potrzeby korzystania z baz danych online.

Edukacja: Kształcenie na odległość w obszarach o słabej łączności odniosło sukces dzięki SMS i zestawom offline. Inicjatywy takie jak Eneza Education (w Kenii, Ghanie i Wybrzeżu Kości Słoniowej) wysyłają pytania quizowe i lekcje za pośrednictwem SMS/USSD na podstawowe telefony (evolutionafricamagazine.com). Ponad 10 milionów uczniów korzystało z platformy Enezy na telefonach z podstawowymi funkcjami po niskich kosztach, dowodząc, że znacząca nauka cyfrowa może odbywać się bez smartfonów (evolutionafricamagazine.com). Opierając się na tym, kenijska M-Shule („mobilna szkoła”) łączy SMS z AI: personalizuje lekcje i opinie dla uczniów szkół podstawowych, wykorzystując uczenie maszynowe w tle (evolutionafricamagazine.com). Nauczyciele wysyłają quizy na telefon ucznia, a M-Shule dostosowuje treści na podstawie odpowiedzi każdego dziecka. Takie usługi działają offline w tym sensie, że po dostarczeniu programu nauczania użytkownik telefonu nie potrzebuje ciągłego dostępu do sieci. Społeczności utworzyły również offline'owe centra edukacyjne (np. klasy zasilane energią słoneczną z lokalnymi serwerami), które wykorzystują treści o zerowej taryfikacji. Podczas pandemii UNICEF i inne organizacje zgłosiły, że dwie trzecie dzieci w wieku szkolnym na świecie nie miało dostępu do internetu w domu (www.unicef.org), więc te niskotechnologiczne rozwiązania pozwoliły na kontynuację edukacji.

Każdy z tych przypadków użycia podkreśla, że kanały są ważniejsze niż fantazyjne interfejsy użytkownika. W rolnictwie wiejskim, zdrowiu i szkolnictwie najprostszy interfejs mobilny – menu tekstowe USSD lub głosowe IVR w językach lokalnych – dociera do większości. AI dołączona do tych kanałów (zarówno na urządzeniu, jak i na lokalnym serwerze) może przekształcić je ze statycznych infolinii w interaktywnych osobistych asystentów.

Lokalizacja: Języki, Dane i Bezpieczeństwo

Obsługa językowa. Aby asystenci byli użyteczni, muszą mówić w językach lokalnych – nie tylko po angielsku czy francusku. Rynki wschodzące są wysoce wielojęzyczne; na przykład sama Afryka ma ponad 2000 języków. Główne modele AI zazwyczaj obejmują tylko główne języki świata, dlatego potrzebne są specjalnie dostosowane modele lokalne lub tłumaczenia. Istnieją już obiecujące wysiłki. Na przykład chatbot Darli firmy Farmerline obsługuje 27 języków, w tym 20 języków afrykańskich, takich jak akan, hausa, igbo, twi i suahili (www.weforum.org). W Indonezji projekty badawcze eksperymentują z głosową AI w językach ojczystych rolników, wykorzystując systemy IVR (www.gsma.com). Przykład: Międzynarodowy Instytut Badawczy Ryżu (IRRI) we współpracy z Viamo uruchomił infolinię IVR świadczącą usługi doradcze w lokalnym języku indonezyjskim, tak aby rolnicy ryżu na wszystkich poziomach umiejętności czytania i pisania mogli zrozumieć porady (www.gsma.com). Treści edukacyjne również zostały zlokalizowane: platforma Kolibri, o której wspomniano powyżej, jest używana w szkołach we Wschodniej Afryce, gdzie „nauczyciele dostosowują globalne otwarte zasoby do lokalnych języków i kontekstów” (evolutionafricamagazine.com).

Aby systematycznie obejmować języki lokalne, projekty powinny zbierać i szkolić się na danych regionalnych. Jednym z modeli jest crowdsourcing społecznościowy: lokalni wolontariusze (rolnicy, nauczyciele, tłumacze) mogą pomóc w tworzeniu glosariuszy lub nagrywaniu próbek mowy. Te dane, przechowywane lokalnie lub anonimowo, mogą być wykorzystane do dostosowania modeli AI do dialektów danego obszaru. Niektóre krajowe wysiłki nawet tworzą narzędzia: na przykład nigeryjskie Centrum Cyfrowych Języków Rdzennych stworzyło mobilną klawiaturę AI obsługującą prawie 180 języków afrykańskich (www.weforum.org), ułatwiając pisanie i czytanie w tych językach. Partnerstwa z lokalnymi uniwersytetami lub organizacjami pozarządowymi mogą pomóc w kuracji treści poprawnych kulturowo (np. lokalne nazwy roślin, praktyki sanitarne), tak aby porady AI były znaczące.

Lokalne gromadzenie danych i zarządzanie nimi. Zbieranie danych i opinii w terenie jest kluczowe dla szkolenia i ulepszania asystentów. Należy to jednak robić etycznie: społeczności powinny wyrazić zgodę na wykorzystanie danych, a wrażliwe dane osobowe (dokumentacja medyczna, finanse osobiste) muszą być chronione. Przydatnym modelem jest współtworzenie przez społeczność. Na przykład, w społeczności Makoko w Lagos, mieszkańcy zostali przeszkoleni w zakresie mapowania i zbierania danych z dronów; stworzyli własny zestaw danych geograficznych, który jest obecnie wykorzystywany do lokalnego planowania (www.weforum.org). Podobnie, projekt AI mógłby wyposażyć wiejskich pracowników służby zdrowia lub agentów ds. rozszerzenia działalności w narzędzia do gromadzenia anonimowych raportów przypadków lub zapytań. Te lokalne zestawy danych powinny pozostać pod zarządem społeczności – przechowywane na lokalnych serwerach lub za pośrednictwem zaufanych partnerów – zamiast być przejmowane przez odległe firmy. Światowe Forum Ekonomiczne sugeruje szkolenie lokalnych innowatorów, organizacji pozarządowych i agencji w zakresie umiejętności korzystania z AI i zarządzania nią, aby mogli „wybierać, jak opowiadają swoje historie”, zapewniając, że dane są wykorzystywane na ich korzyść (www.weforum.org) (www.weforum.org).

Bezpieczeństwo i etyka. Każdy asystent AI udzielający porad (dotyczących medycyny, rolnictwa itp.) musi być bezpieczny i dokładny. Wymaga to wielu zabezpieczeń: lokalnej weryfikacji przez ekspertów, filtrów treści i jasnych zastrzeżeń. Na przykład bot zdrowotny AI w wiosce powinien zawierać mechanizm umożliwiający użytkownikom zgłaszanie błędów lub eskalację problemu do pomocy ludzkiej. ?>"> Lokalne komitety nadzoru lub sieci edukatorów wiejskich mogą regularnie weryfikować treści, dostosowując je do zmian sezonowych lub sytuacyjnych. „Pętla informacji zwrotnej” napędzana przez społeczność pomaga wychwytywać błędy: jeśli wielu rolników zgłasza ten sam problem z poradą AI, programiści mogą zaktualizować model. Formaty powinny również umożliwiać szybkie aktualizacje. Co ważne, niedostatecznie obsługiwane społeczności powinny mieć pewną własność: wdrażanie technologii poprzez spółdzielnie lub rady lokalne, zamiast narzucania jej odgórnie, zapewnia odpowiedzialność.

Doświadczenie pokazuje, że zarządzanie społecznościowe jest kluczowe. W mapowaniu rolniczym i finansach, narzędzia zaprojektowane oddolnie przewyższają te ogólne. Eksperci na niedawnym Forum podkreślili, że „musimy spotkać ludzi tam, gdzie są” z platformami w językach lokalnych (takimi jak chatboty WhatsApp) i że dostosowanie AI do lokalnych realiów tworzy trwałe korzyści (www.weforum.org). W praktyce oznacza to szkolenie użytkowników i liderów w każdej społeczności: na przykład wyposażanie wiejskich nauczycieli lub pracowników służby zdrowia w przewodniki dotyczące korzystania i wyjaśniania narzędzi AI. Tacy lokalni orędownicy zmniejszają nieufność i pomagają egzekwować normy etyczne.

Współpraca i Modele Biznesowe

Skuteczne skalowanie AI działającej offline na rynkach wschodzących wymaga partnerstw międzysektorowych – oraz cen, na które stać ubogich.

Operatorzy sieci komórkowych (MNO): Firmy telekomunikacyjne są naturalnymi sojusznikami. Posiadają już infrastrukturę SMS/USSD i głosową. Współpracując z dostawcami AI, MNO mogą hostować usługi AI w swoich sieciach (na przykład, dedykując krótki kod lub linię IVR). Na wielu rynkach operatorzy współpracują z rządami i organizacjami pozarządowymi w zakresie umiejętności cyfrowych i chętnie dodają „usługi AI” do swoich portfolio. Na przykład MTN i Vodacom w Afryce zaczynają integrować chatboty AI do obsługi klienta i optymalizacji sieci (www.gsma.com) i mogłyby to samo robić dla usług użyteczności publicznej. Operatorzy mogą również dotować łączność specjalnie dla tych usług: np. oferując bezpłatne sesje USSD dla zatwierdzonych kodów zdrowotnych lub edukacyjnych, lub pakietując zapytania AI w tanich planach danych. Jest to analogiczne do inicjatyw sponsorowanych przez telekomunikację, takich jak darmowe infolinie zdrowotne czy portale edukacyjne. Dodatkowo, operatorzy mogą udostępniać dane o lokalizacji lub użytkowaniu (anonimowo), aby pomóc AI w ulepszaniu, bez konieczności przesyłania przez użytkowników surowych informacji. Co kluczowe, organy regulacyjne i stowarzyszenia telekomunikacyjne (takie jak GSMA) mogą zachęcać do obniżania opłat za SMS/USSD dla programów społecznych, zgodnie z zaleceniami raportów branżowych (www.gsma.com).

Rządy i organizacje pozarządowe: Partnerzy publiczni i non-profit często kierują projektowaniem i finansowaniem. Ministerstwa Rolnictwa, Edukacji czy Zdrowia rozumieją lokalne potrzeby i mogą integrować narzędzia AI z programami krajowymi (np. sieciami doradztwa rolniczego, szkołami publicznymi, strategiami zdrowia społecznego). Organizacje pozarządowe – od globalnych, takich jak UNICEF, po lokalne fundacje – dostarczają wiedzę ekspercką w danej dziedzinie, treści i legitymację. Na przykład UNICEF nawiązał współpracę z Viamo w celu dodania treści zdrowotnych do ich systemu (techcentral.co.za); podobnie rolnicze organizacje pozarządowe i służby doradcze mogą wnosić istniejące programy nauczania. Organizacje darczyńców mogą finansować pilotażowe wdrożenia (as seen with GSMA’s Innovation Fund backing agritech in Africa or Asia). Modele finansowania mieszanego (połączenie dotacji i podziału kosztów) są często potrzebne na wczesnym etapie, ponieważ czysto komercyjne wdrożenie może nie być od razu rentowne. Światowe Forum Ekonomiczne podkreśla, że mieszane partnerstwa (agencje rozwojowe, rządy i firmy prywatne) są niezbędne do zmniejszenia ryzyka inwestycyjnego i dostosowania rozwiązań do lokalnych celów (www.weforum.org).

Ceny i dostępność cenowa: Dla użytkowników końcowych koszt musi być minimalny lub zerowy. Możliwych jest kilka podejść:

• Warstwowe mikropłatności. Model Viamo (Nigeria) pobiera od użytkowników niewielką opłatę za interakcję (np. ₦10 lub ~0,12 USD) (techcentral.co.za). Przy takiej cenie nawet najubożsi mogą sobie pozwolić na sporadyczne zapytania, a operatorzy uzyskują pewne dochody na utrzymanie usługi. Alternatywnie, usługi mogłyby być bezpłatne do pewnego limitu (np. 5 pytań dziennie), a następnie płatne za użycie.

• Dotacje i sponsoring. Publiczne usługi zdrowotne lub edukacyjne mogłyby być dotowane z budżetów zdrowia lub z grantów rozwojowych, co czyniłoby je bezpłatnymi dla użytkowników. Na przykład rząd mógłby sponsorować bezpłatne linie doradztwa rolniczego w celu zwiększenia produktywności. W innych przypadkach usługi mogłyby wyświetlać reklamy lub sponsorować wiadomości od lokalnych firm (choć należy zachować ostrożność, aby uniknąć stronniczych porad).

• Zerowa taryfikacja i pakiety. MNO mogą stosować zerową taryfikację USSD i SMS dla zatwierdzonych usług AI, dzięki czemu użytkownicy nie ponoszą żadnych kosztów. Mogłyby również oferować pakiety danych: np. plan edukacyjny, który zawiera pewne treści opłacone z góry. W niektórych krajach środki z Funduszy Usług Uniwersalnych – opłaty nałożone na telekomunikację przeznaczone dla obszarów niedostatecznie obsługiwanych – zostały wykorzystane do finansowania cyfrowej edukacji lub inicjatyw zdrowotnych. Takie polityki mogą pomóc w utrzymaniu kosztów dla użytkownika na poziomie bliskim zeru. Obniżenie podatków na urządzenia i karty SIM (zgodnie z zaleceniami GSMA (www.gsma.com)) również sprawia, że usługi te są bardziej przystępne cenowo od samego początku.

• Lokalna wrażliwość na koszty. Ceny muszą odzwierciedlać poziomy dochodów. Nawet niewielkie opłaty powinny być skalowane: to, co w jednym kraju jest niewielkie (₦10), w innym może być zbyt wysokie. Pilotaże powinny badać lokalną gotowość do płacenia i dostosowywać ceny poprzez dynamiczne ceny (np. taniej w sezonie sadzenia, drożej podczas zbiorów).

Ostatecznie celem jest dostęp, a nie zysk. Wiele projektów ICT4D pokazało, że gdy społeczności niedostatecznie obsługiwane uzyskują bezpłatne lub subsydiowane informacje, często znajdują sposoby, aby „zapłacić” w inny sposób (poprawa plonów, zdrowia itp.). Kluczem jest, aby ceny były przewidywalne i przejrzyste, tak aby użytkownicy mogli planować.

Podsumowanie

Rynki wschodzące nie są pustą kartą – posiadają sieci komórkowe i częściową elektryfikację, choć sporadyczną. Jednak dzięki kreatywnej inżynierii AI może przeskoczyć te luki. Powyższe przykłady pokazują, że asystenci AI działający przede wszystkim offline na prostych telefonach mogą przekształcić życie na wsi: udzielając rolnikom terminowych porad rolniczych, informując pacjentów i matki o zdrowiu oraz wspierając edukację na odległość. Techniczna recepta jest już w zasięgu ręki – kompaktowe modele AI, tani sprzęt, energia słoneczna i uniwersalne kanały takie jak SMS/USSD.

Sukces w dużej mierze zależy od zaspokojenia lokalnych potrzeb. Oznacza to projektowanie z myślą o językach lokalnych, współtworzenie treści ze społecznościami i zapewnienie zaufanego nadzoru. Oznacza to również tworzenie partnerstw: firm telekomunikacyjnych do obsługi sieci i cen; rządów i organizacji pozarządowych do zarządzania treściami i docierania do ludzi; oraz liderów społeczności do kierowania i walidacji systemu.

Stosując te zasady, AI może podnieść jakość życia 3,2 miliarda ludzi obecnie niepołączonych lub niedostatecznie obsługiwanych w świecie cyfrowym. AI działająca offline na tanich urządzeniach może umożliwić drobnym rolnikom zwiększenie plonów, mieszkańcom wsi zarządzanie zdrowiem i dzieciom naukę – wszystko to w ramach lokalnego ekosystemu, który znają najlepiej. Słowami wiejskich innowatorów, „Musimy spotkać ludzi tam, gdzie są”: dostarczając inteligentne narzędzia w językach, mediach i punktach cenowych, które im odpowiadają (www.weforum.org). Dzięki przemyślanemu projektowaniu i współpracy, AI może wreszcie stać się inkluzywną siłą dobra w najbardziej niedostatecznie obsługiwanych społecznościach świata.