Introdução

A inteligência artificial (IA) oferece uma enorme promessa para o desenvolvimento, mas as divisões digitais nos mercados emergentes representam obstáculos reais. Em muitas regiões de baixa renda, as conexões de internet são lentas, a cobertura é irregular e a eletricidade é pouco confiável. Por exemplo, a GSMA constata que na África Subsaariana apenas cerca de 27% das pessoas usam a internet móvel e uma “lacuna de uso” de 60% persiste – milhões vivem dentro da cobertura, mas não conseguem aceder à internet devido a barreiras de custo de dispositivos, dados ou falta de habilidades (www.gsma.com). A Africanews relata que aproximadamente 900 milhões de africanos ainda não têm acesso à internet, e um número semelhante não tem eletricidade (www.africanews.com). Enquanto isso, os dados de internet em alguns países custam mais de 5% da renda mensal (evolutionafricamagazine.com). Nesse contexto, a IA baseada em nuvem (como grandes chatbots) está simplesmente fora do alcance da maioria.

Para servir essas comunidades, inovadores estão a explorar a IA offline-first em dispositivos de baixo custo. A ideia é levar os serviços de IA até a “última milha”, executando assistentes inteligentes diretamente em telefones baratos ou quiosques locais, e usando canais simples como SMS, voz/USSD (menus de código curto) em vez de aplicativos de vídeo ou web. Essa abordagem pode fornecer aconselhamento oportuno em agricultura, saúde, educação e muito mais, sem a necessidade de conectividade contínua ou hardware caro. A chave é adaptar a IA às necessidades locais – apoiando idiomas regionais, envolvendo supervisão comunitária e trabalhando por meio de parceiros confiáveis (operadoras de telecomunicações, ONGs, governos) com preços ajustados às rendas locais.

Este artigo examina essas restrições e soluções, com base em projetos e estudos recentes. Ele mostra como assistentes de IA totalmente offline ou de baixa tecnologia podem ser viáveis e impactantes para a agricultura, saúde e educação em mercados emergentes – e como parcerias e gestão comunitária garantem que sejam sustentáveis, seguros e acessíveis.

Barreiras: Conectividade, Energia e Custo

Lacunas de conectividade. As redes em muitas regiões em desenvolvimento estão a expandir-se, mas são incompletas. Na África Subsaariana, por exemplo, 13% da população ainda vive fora de qualquer cobertura celular, e entre os cobertos, uma “lacuna de uso” de 60% persiste (www.gsma.com). Essa lacuna reflete dispositivos ou dados inacessíveis, baixa literacia digital e preocupações de segurança. Globalmente, cerca de 3,1 mil milhões de pessoas enfrentam essas lacunas de uso (www.gsma.com). Em termos práticos, centenas de milhões de famílias rurais não têm internet fiável, ou apenas 2G/3G. Como um relatório observa, aproximadamente 900 milhões de africanos (de ~1,4 mil milhões) não têm internet, e quase o mesmo número não tem eletricidade (www.africanews.com). Esses números indicam que aplicativos clássicos de smartphone ou IA em nuvem falharão frequentemente em aldeias remotas.

Restrições de energia. A falta de eletricidade reduz ainda mais o acesso digital. No mesmo relatório da Africanews, um especialista enfatizou como as ferramentas de IA não podem funcionar “enquanto continuam a trabalhar em 3G ou 2G” se a eletricidade estiver ausente (www.africanews.com). Muitas casas rurais dependem de energia sazonal ou solar, e carregar um dispositivo é caro ou imprevisível. Projetos de quiosques educacionais ou de saúde frequentemente usam energia solar ou kits de bateria. O que importa é maximizar o uso com energia mínima – por exemplo, chips altamente eficientes em termos energéticos e dispositivos que podem funcionar por dias com uma única carga.

Obstáculos de acessibilidade. Os custos de dispositivos e dados permanecem fatalmente altos para utilizadores de baixa renda. Na África Subsaariana, impostos e taxas de importação podem tornar até mesmo smartphones básicos $50 ou mais – dezenas de horas de salário para os mais pobres. A GSMA observa que a acessibilidade dos dispositivos é uma parte importante da lacuna de uso (www.gsma.com). Os preços dos dados também representam uma grande fração da renda: uma pesquisa descobriu que os dados móveis custam mais de 5% da renda mensal em muitos países africanos (evolutionafricamagazine.com), bem acima da meta de acessibilidade de 2% da ONU. Para agricultores ou estudantes que podem ganhar apenas alguns dólares por dia, pagar até $0,50 por GB é proibitivamente caro.

Essas barreiras de infraestrutura e custo significam que as soluções de IA devem ser radicalmente adaptadas: devem funcionar offline ou na menor largura de banda possível, rodar em hardware muito barato e consumir energia mínima. O restante deste artigo examina como.

IA Offline-First em Dispositivos de Baixo Custo

Para superar as lacunas acima, novos projetos estão a implementar assistentes de IA offline-first em telemóveis baratos ou hubs locais. Avanços em IA de ponta (edge AI) e compressão de modelos significam que modelos de IA limitados (por exemplo, para reconhecimento de voz, aconselhamento por texto) podem agora ser executados diretamente em dispositivos básicos sem acesso à nuvem. Alguns pesquisadores propõem gadgets de IA “bare-metal” ultra-baratos: simulações mostram que a IA de linguagem prática pode ser executada em dispositivos que custam tão pouco quanto $8 a $10 com apenas ~30 MB de RAM (www.researchgate.net). Tais modelos – frequentemente destilados de grandes sistemas – podem responder a perguntas ou dar instruções offline, armazenando bases de dados de linguagem localmente. Na prática, são supercomputadores de bolso para cidades e quintas sem internet estável.

Na prática, esses dispositivos podem assumir a forma de:

• Telefones básicos (feature phones) com chips de IA. Algumas startups adaptam telefones simples com chips ou firmware de IA de voz. Por exemplo, a Viamo do Canadá lançou um serviço de IA (em 2024) que transforma qualquer telefone básico num “chatbot offline”. O utilizador disca um código curto e fala ou envia mensagens – todo o processamento acontece num servidor local ou num modelo offline integrado. O utilizador, por sua vez, recebe as respostas como voz ou texto (techcentral.co.za). Essa configuração funciona mesmo “no meio do nada” sem internet – apenas a sinalização da rede móvel padrão. É direcionada aos mais pobres do mundo, permitindo consultas por apenas ₦10 (cerca de $0,12) por chamada (techcentral.co.za).

• Quiosques ou rádios de IA comunitários. Outra abordagem são os hubs de aldeia alimentados por mini-computadores robustos ou dispositivos tipo Raspberry Pi. Por exemplo, o open-source Kolibri (da Learning Equality) permite que as escolas instalem um servidor local ou um Pi. Os alunos usam então qualquer dispositivo local para ver livros didáticos, vídeos ou questionários offline (evolutionafricamagazine.com). Isso já está em uso em áreas rurais do Quénia, Tanzânia e Malaui – professores carregam conteúdo educacional global e o adaptam para idiomas locais no Kolibri (evolutionafricamagazine.com). Um modelo similar está a usar hotspots Wi-Fi ou intranets locais com programas de chat de IA para agricultores em centros comunitários.

• “Telefones de IA” dedicados de baixo custo. Projetos ambiciosos preveem smartphones de $10 a $20 carregados com IA no dispositivo. Um estudo tecnoeconómico propõe a distribuição de 700 milhões de dispositivos de aprendizagem de IA offline em África até 2030, custando $10 a $20 cada (www.researchgate.net) (www.researchgate.net). Estes viriam pré-carregados com enciclopédias multilingues e módulos interativos (texto, reconhecimento de imagem, voz em várias línguas). Embora nenhum dispositivo de consumo seja tão barato ainda, o roteiro existe: produção em larga escala e modelos ultraleves (como os impulsionadores LLaMA da Meta ou as redes de linguagem “MetalNLLB”) podem atingir esse ponto em breve (www.researchgate.net).

A chave em tudo isso é a operação offline e de baixa energia. Por exemplo, modelos de IA podem pré-carregar um subconjunto de conteúdo (como bases de dados de culturas ou FAQs básicas de saúde) para que apenas estes precisem ser armazenados localmente, e quaisquer novas consultas possam ser enfileiradas até que a conectividade esteja disponível. Enquanto isso, o dispositivo responde instantaneamente ao utilizador. À medida que a tecnologia melhora, até mesmo aplicativos de smartphone estão a adicionar modos offline (permitindo downloads quando em Wi-Fi, depois uso offline). A lição impressionante é: não são necessários servidores Google ou OpenAI se o modelo de IA for minúsculo ou armazenado em cache – o movimento inteligente é incorporar a inteligência nas extremidades onde os utilizadores estão.

Canais e Casos de Uso: SMS, USSD e Voz

Nos mercados emergentes, os meios mais difundidos são SMS, USSD (menus de texto interativos) e chamadas de voz – não aplicativos web. Qualquer assistente de IA deve usar esses canais para alcançar utilizadores em massa. Felizmente, tanto o SMS quanto o USSD estão bem estabelecidos: a GSMA relata que nove em cada dez transações de dinheiro móvel na África Subsaariana são realizadas via USSD (www.gsma.com), e os provedores globais ainda suportam USSD em todos os telefones. Crucialmente, USSD e SMS não exigem nenhum dado de internet – apenas o canal de sinalização GSM (www.gsma.com). Eles funcionam nos "feature phones" mais baratos, mesmo aqueles sem cartões microSD ou ecrãs a cores. Um assistente de IA via USSD pode enviar uma consulta de texto (como "Que pragas afetam o milho? 1=Pulgões, 2=Gorgulho") e receber uma resposta numérica com conselhos. A resposta de voz interativa (IVR) funciona de forma semelhante: os utilizadores falam ou ouvem através de menus automatizados em idiomas locais.

Agricultura: Para os agricultores, o aconselhamento de IA via SMS/voz já está a acontecer. Um exemplo nos Camarões é a aplicação Farmer Guide: ela diagnostica doenças de culturas com IA, mas os agricultores fora das cidades não podiam usá-la – não tinham internet nem energia (www.africanews.com). A plataforma Viamo intervém: oferece um serviço impulsionado por IA onde qualquer agricultor pode ligar (na Nigéria, Zâmbia e outros lugares) e fazer perguntas agrícolas. O sistema funciona por voz/SMS e pode até receber comandos de voz, dando respostas na mesma forma (techcentral.co.za). Isso torna a IA acessível em qualquer telefone, não apenas em smartphones. Outra iniciativa é o chatbot Darli AI do Gana. Acessível via WhatsApp (que muitos utilizadores africanos têm) ou SMS, o Darli fornece conselhos de plantio, preços de mercado e dicas meteorológicas. Crucialmente, o Darli suporta 27 idiomas (incluindo 20 línguas africanas como suaíli, ioruba, twi, etc.) (www.weforum.org), para que os agricultores recebam conselhos na sua língua materna. Desde 2024, o Darli alcançou mais de 110.000 agricultores no Gana e no Quénia (www.weforum.org). Esses projetos mostram que canais simples de texto/voz podem fornecer IA agrícola avançada para as aldeias.

Saúde: A saúde móvel (mHealth) tem usado SMS e IVR há muito tempo, e a IA pode integrar-se a esses. Por exemplo, a plataforma da Viamo é parceira da UNICEF para fornecer chatbots de IA offline para tópicos de saúde (prevenção de HIV, sintomas de malária, dicas de saneamento) (techcentral.co.za). Um utilizador pode ligar para um número ou enviar um código de texto e obter aconselhamento de saúde instantâneo no seu idioma. Durante a COVID-19, muitos países lançaram ferramentas USSD para autoavaliação e informação (por exemplo, o verificador de sintomas USSD da Serra Leoa (www.gsma.com)). Um assistente de IA pode construir sobre isso adicionando perguntas e respostas interativas e orientação personalizada. É importante notar que serviços de telemedicina baseados em USSD (como os exames de saúde USSD gratuitos do Quénia (www.gsma.com)) provam que esses canais funcionam em escala. No futuro, módulos de IA offline poderiam ser executados em microcomputadores de clínicas locais ou até mesmo nos telefones de enfermeiras, oferecendo suporte à decisão sem a necessidade de bases de dados online.

Educação: A aprendizagem à distância em áreas com pouca conectividade tem tido sucesso via SMS e kits offline. Iniciativas como a Eneza Education (no Quénia, Gana e Costa do Marfim) enviam perguntas de quiz e lições via SMS/USSD em telefones básicos (evolutionafricamagazine.com). Mais de 10 milhões de alunos usaram a plataforma de feature phones da Eneza a baixo custo, provando que a aprendizagem digital significativa pode acontecer sem smartphones (evolutionafricamagazine.com). Com base nisso, o M-Shule (“escola móvel”) do Quénia combina SMS com IA: personaliza lições e feedback para alunos do ensino primário usando machine learning nos bastidores (evolutionafricamagazine.com). Os professores enviam questionários para o telefone de um aluno, e o M-Shule adapta o conteúdo com base nas respostas de cada criança. Esses serviços funcionam offline no sentido de que, uma vez que o currículo é entregue, o utilizador do telefone não precisa de acesso contínuo à rede. As comunidades também estabeleceram hubs educacionais offline (por exemplo, salas de aula movidas a energia solar com servidores locais) que usam conteúdo com tarifa zero. Durante a pandemia, a UNICEF e outros relataram que dois terços das crianças em idade escolar globalmente não tinham nenhum acesso à internet em casa (www.unicef.org), então essas soluções de baixa tecnologia mantiveram a educação em funcionamento.

Cada um desses casos de uso ressalta que os canais importam mais do que interfaces de utilizador sofisticadas. Na agricultura rural, saúde e escolarização, a interface móvel mais simples – menus de texto USSD ou IVR de voz em idiomas locais – alcança a maioria. A IA ligada a esses canais (seja no dispositivo ou num servidor local) pode transformá-los de linhas diretas de informação estática em assistentes pessoais interativos.

Localização: Idiomas, Dados e Segurança

Cobertura linguística. Para serem úteis, os assistentes devem falar a língua local – não apenas inglês ou francês. Os mercados emergentes são altamente multilingues; por exemplo, a África sozinha tem mais de 2.000 idiomas. Os modelos de IA convencionais geralmente cobrem apenas as principais línguas mundiais, portanto, são necessários modelos locais ou traduções personalizadas. Alguns esforços promissores já existem. Por exemplo, o chatbot Darli da Farmerline suporta 27 idiomas, incluindo 20 línguas africanas como Akan, Hauçá, Igbo, Twi e Suaíli (www.weforum.org). Na Indonésia, projetos de pesquisa estão a experimentar IA de voz nas línguas maternas dos agricultores usando sistemas IVR (www.gsma.com). Um exemplo: o International Rice Research Institute (IRRI) fez parceria com a Viamo para lançar uma linha direta IVR fornecendo serviços de consultoria numa língua indonésia local, para que os produtores de arroz de todos os níveis de alfabetização pudessem entender (www.gsma.com). O conteúdo educacional também foi localizado: a plataforma Kolibri mencionada acima é usada em escolas da África Oriental onde “os professores adaptam recursos abertos globais a idiomas e contextos locais” (evolutionafricamagazine.com).

Para cobrir sistematicamente os idiomas locais, os projetos devem coletar e treinar dados regionais. Um modelo é o crowdsourcing comunitário: voluntários locais (agricultores, professores, tradutores) podem ajudar a construir glossários ou gravar amostras de fala. Esses dados, mantidos localmente ou anonimizados, podem ser usados para ajustar modelos de IA aos dialetos da área. Alguns esforços nacionais chegam a produzir ferramentas: por exemplo, o Centro para a Linguagem Indígena Digital da Nigéria criou um teclado de IA móvel cobrindo quase 180 línguas africanas (www.weforum.org), facilitando a digitação e leitura nessas línguas. Parcerias com universidades locais ou ONGs podem ajudar a curar conteúdo culturalmente correto (por exemplo, nomes de plantas locais, práticas sanitárias) para que o conselho da IA seja significativo.

Coleta e governança de dados locais. Coletar dados e feedback em campo é crucial para treinar e melhorar os assistentes. No entanto, isso deve ser feito eticamente: as comunidades devem consentir com o uso dos dados, e dados pessoais sensíveis (registros de saúde, finanças pessoais) devem ser protegidos. Um modelo útil é a cocriação comunitária. Por exemplo, na comunidade de Makoko, em Lagos, os residentes foram treinados em mapeamento e coleta de dados por drones; eles produziram seu próprio conjunto de dados geográficos que agora é usado para planeamento local (www.weforum.org). Da mesma forma, um projeto de IA poderia equipar trabalhadores de saúde da aldeia ou agentes de extensão para coletar relatórios de casos ou consultas anonimizadas. Esses conjuntos de dados locais devem permanecer sob gestão comunitária – armazenados em servidores locais ou através de parceiros confiáveis – em vez de serem desviados por empresas distantes. O Fórum Económico Mundial sugere treinar inovadores locais, ONGs e agências em literacia e governança de IA para que possam “escolher como contam suas histórias”, garantindo que os dados sejam usados em seu benefício (www.weforum.org) (www.weforum.org).

Segurança e ética. Qualquer assistente de IA que forneça aconselhamento (sobre medicina, agricultura, etc.) deve ser seguro e preciso. Isso exige múltiplas salvaguardas: revisão por especialistas locais, filtros de conteúdo e avisos claros. Por exemplo, um bot de saúde de IA numa aldeia deve incluir um mecanismo para os utilizadores relatarem erros ou serem encaminhados para ajuda humana. Os comités de supervisão local ou redes de educadores rurais podem verificar o conteúdo regularmente, ajustando-o para mudanças sazonais ou situacionais. Um “loop de feedback” impulsionado pela comunidade ajuda a detetar erros: se muitos agricultores relatarem o mesmo problema com o conselho da IA, os desenvolvedores podem atualizar o modelo. Os formatos devem permitir atualizações rápidas também. É importante que as comunidades subatendidas tenham alguma propriedade: implementar a tecnologia através de cooperativas ou conselhos locais, em vez de impô-la de cima para baixo, garante a responsabilidade.

A experiência mostra que a gestão comunitária é fundamental. No mapeamento agrícola e finanças, ferramentas desenhadas na base superam as genéricas. Especialistas num Fórum recente enfatizaram que “devemos ir ao encontro das pessoas onde elas estão” com plataformas em língua local (como chatbots do WhatsApp) e que adaptar a IA às realidades locais cria ganhos sustentáveis (www.weforum.org). Na prática, isso significa treinar utilizadores e líderes em cada comunidade: por exemplo, equipar professores ou trabalhadores de saúde da aldeia com guias sobre como usar e explicar as ferramentas de IA. Tais campeões locais reduzem a desconfiança e ajudam a aplicar as normas éticas.

Colaboração e Modelos de Negócio

Escalar com sucesso a IA offline em mercados emergentes requer parcerias entre setores – e preços que os pobres possam pagar.

Operadoras de redes móveis (MNOs): As telcos são aliados naturais. Elas já possuem a infraestrutura de SMS/USSD e voz. Ao colaborar com provedores de IA, as MNOs podem hospedar serviços de IA em suas redes (por exemplo, dedicando um código curto ou linha IVR). Em muitos mercados, as operadoras trabalham com governos e ONGs em literacia digital e estão interessadas em adicionar “serviços de IA” aos seus portfólios. Por exemplo, a MTN e a Vodacom na África estão a começar a integrar chatbots de IA para atendimento ao cliente e otimização de rede (www.gsma.com), e poderiam fazer o mesmo para serviços de bem público. As operadoras também podem subsidiar a conectividade especificamente para esses serviços: por exemplo, oferecendo sessões USSD gratuitas para códigos de saúde ou educação aprovados, ou empacotando consultas de IA em planos de dados de baixo custo. Isso é análogo a iniciativas patrocinadas por telecomunicações, como linhas diretas de saúde gratuitas ou portais de educação. Além disso, as operadoras podem partilhar dados de localização ou uso (anonimizados) para ajudar a IA a melhorar sem exigir que os utilizadores transmitam informações brutas. Crucialmente, reguladores e associações de telecomunicações (como a GSMA) podem incentivar taxas reduzidas de SMS/USSD para programas sociais, conforme recomendado em relatórios da indústria (www.gsma.com).

Governos e ONGs: Parceiros públicos e sem fins lucrativos frequentemente orientarão o design e o financiamento. Ministérios da Agricultura, Educação ou Saúde entendem as necessidades locais e podem integrar ferramentas de IA em programas nacionais (por exemplo, redes de extensão, escolas públicas, estratégias de saúde comunitária). ONGs – desde globais como a UNICEF até fundações locais – fornecem experiência no domínio, conteúdo e legitimidade. Por exemplo, a UNICEF fez parceria com a Viamo para adicionar conteúdo de saúde ao seu sistema (techcentral.co.za); da mesma forma, ONGs agrícolas e serviços de extensão podem contribuir com currículos existentes. Organizações doadoras podem financiar implementações piloto (como visto com o Fundo de Inovação da GSMA a apoiar agritech na África ou Ásia). Modelos de financiamento misto (uma combinação de subsídios e partilha de custos) são frequentemente necessários no início, uma vez que a implementação puramente comercial pode não ser imediatamente lucrativa. O Fórum Económico Mundial destaca que as parcerias mistas (agências de desenvolvimento, governos e empresas privadas) são essenciais para reduzir o risco de investimento e adaptar soluções aos objetivos locais (www.weforum.org).

Preços e acessibilidade: Para os utilizadores finais, o custo deve ser mantido mínimo ou gratuito. Várias abordagens são possíveis:

• Micropagamentos em camadas. O modelo Viamo (Nigéria) cobra dos utilizadores uma pequena taxa por interação (por exemplo, ₦10 ou ~$0,12) (techcentral.co.za). A esse preço, até os mais pobres podem pagar consultas ocasionais, e as operadoras veem alguma receita para sustentar o serviço. Alternativamente, os serviços poderiam ser gratuitos até um limite (digamos, 5 perguntas/dia) e depois pagos por uso.

• Subsídios e patrocínio. Os serviços públicos de saúde ou educação poderiam ser subsidiados por orçamentos de saúde ou por subsídios de desenvolvimento, tornando-os gratuitos para os utilizadores. Por exemplo, um governo pode patrocinar linhas gratuitas de aconselhamento agrícola para aumentar a produtividade. Em outros casos, os serviços poderiam exibir anúncios ou mensagens patrocinadas de empresas locais (embora seja necessário cuidado para evitar influenciar o aconselhamento).

• Tarifa zero e pacotes. As MNOs podem aplicar tarifa zero a USSD e SMS para serviços de IA aprovados, para que os utilizadores não incorram em custos. Elas também poderiam agrupar pacotes de dados: por exemplo, um plano educacional que inclua algum conteúdo pré-pago. Em alguns países, os Fundos de Serviço Universal – taxas sobre as telecomunicações destinadas a áreas subatendidas – foram utilizados para financiar iniciativas de educação digital ou saúde. Políticas como essas podem ajudar a manter o custo para o utilizador próximo de zero. A redução da tributação sobre dispositivos e cartões SIM (conforme a GSMA recomenda (www.gsma.com)) também torna esses serviços mais acessíveis em primeiro lugar.

• Sensibilidade ao custo local. Os preços devem refletir os níveis de renda. Mesmo pequenas taxas devem ser dimensionadas: o que é pouco num país (₦10) pode ser muito alto noutro. Os pilotos devem pesquisar a disposição local para pagar e ajustar através de preços dinâmicos (por exemplo, mais barato durante a época de plantio, mais caro durante a colheita).

Em última análise, o objetivo é o acesso, e não o lucro. Muitos projetos de TIC para o Desenvolvimento (ICT4D) têm mostrado que, quando comunidades subatendidas obtêm informações gratuitas ou subsidiadas, frequentemente encontram maneiras de “pagar” por outros meios (melhores rendimentos, saúde, etc.). A chave é que os preços sejam previsíveis e transparentes, para que os utilizadores possam planear.

Conclusão

Os mercados emergentes não são tabulas rasas – eles têm redes móveis e alguma eletrificação, embora irregular. Mas com reengenharia criativa, a IA pode superar essas lacunas. Os exemplos acima demonstram que assistentes de IA offline-first em telefones simples podem transformar a vida rural: dando aos agricultores aconselhamento agrícola oportuno, informando pacientes e mães sobre saúde e apoiando a educação remota. A receita técnica está agora ao alcance – modelos de IA compactos, hardware barato, energia solar e canais universais como SMS/USSD.

O sucesso depende fortemente de responder às necessidades locais. Isso significa projetar para idiomas locais, cocriar conteúdo com as comunidades e garantir supervisão confiável. Também significa formar parcerias: empresas de telecomunicações para gerenciar redes e preços; governos e ONGs para curar conteúdo e alcançar pessoas; e líderes comunitários para guiar e validar o sistema.

Ao aplicar esses princípios, a IA pode elevar os 3,2 mil milhões de pessoas atualmente desconectadas ou subatendidas no mundo digital. A IA offline em dispositivos de baixo custo pode capacitar pequenos agricultores a impulsionar as culturas, permitir que os aldeões gerenciem a saúde e ajudar as crianças a aprender – tudo dentro do ecossistema local que melhor conhecem. Nas palavras de inovadores rurais, “Devemos ir ao encontro das pessoas onde elas estão”: entregando ferramentas inteligentes nos idiomas, meios e preços que lhes convêm (www.weforum.org). Com design cuidadoso e colaboração, a IA pode finalmente tornar-se uma força inclusiva para o bem nas comunidades mais carentes do mundo.