このテキストとその命題を読むには、読者は次の 2 つの推論を真実として受け入れる必要があります。
1 つ目は、AI の使用には、パターンの特定、仮説 (予測的、生成的 AI) の提案、シミュレーション、そして最終的にシナリオを刺激するための統計的手法の適用が含まれるということです。言い換えれば、厳格なイノベーションまたは漸進的なイノベーションを通じて重大な問題を解決することを目的としています。
2 つ目は、ほとんどの集団的問題は、その解決に規制、調停、または直接参加するという国家の役割に対する共通の必要性を共有しているということです。読者がこれらの推論のいずれかが可能性が低いと考える場合、ここから続けるのは時間の無駄です。
発展途上国の問題
発展途上国では、民主主義がまだ発展途上にあるため、環境がより細分化されており、地域社会関係における本人と代理人の対立の発生率が増加しています。意思決定者は、説明責任をほとんどまたはまったく持たず、調整もせずに行動します。
これらの国では、公共部門が最大の雇用主としての地位を占めており、民間部門が提供していない福利厚生を提供しています。公務員であることは特権であると考えられています。この状況は、これらの国の公共サービスが利益相反を軽減する目的意識を欠いていることを示しています。
その結果、これらの国ではより高いレベルの汚職が発生し、それに応じて公共部門の契約や民間企業との取引に障壁を課す傾向にあります。
データ パイプラインの構築に主に、データの取得から処理、および新しい仮説とその結果ソリューションを生成する統計または予測技術の適用に至るまで、さまざまなデータ専門家のコラボレーションが含まれる場合、州はさまざまなスキル セット (いずれかのスキル セット) にわたって適切な雇用を行う必要があります。個人または企業）、プロジェクトのタイムライン内の重複する期間にわたって。しかし、官僚機構を考えると当然それは不可能である。
データは組織内にロックされている
AI 導入の基本段階であるデータ収集においてさえ、課題は圧倒的に感じられ始めます。構造化か非構造化か、トランザクションかどうかにかかわらず、このデータは企業、さまざまなレベルの政府 (規制当局など)、または業界団体内にロックされています。
当社が事業を展開しているブラジルを例に考えてみましょう。これらの協会の多くはまだ比較的若いものです。データを保有している企業であっても、それが整理されていない状態であることが多く、大多数はデータをまったく欠いています。ラテンアメリカにおける民主主義はここ 30 年余りの最近の現象であり、依然として一貫性がないことを覚えておくことが重要です。これらの協会は同様の問題に直面しており、指導とガバナンスの欠如に苦しんでいます。彼らは、前述したように断片化された組織環境の中で活動しています。
結局のところ、これらの組織は公共政策の方向性を把握することが難しく、自国の企業戦略を理解し、ビジネス用語を使用することはさらに困難です。
データの断片化
それでは、企業について話しましょう。企業はデータを持っています。しかし、彼らはそれをどうすればよいのか実際にはわかっておらず、中小企業全体でデータが断片化しているため、このタスクは経済的に実行不可能になっています。解決策はこのデータを業界団体内に集中させることにありますが、読者はすでに循環参照 (データ専門家にとって) または難題 (熱心な読者にとって) に気づいているでしょう。
発展途上国で事業を展開している国際企業の場合、十分なデータを持っているかもしれませんが、子会社間の連携が不足していたり、発展途上国でのコンプライアンスの強制がなかったりするため、行き詰まっているか、影響の少ない取り組みを追求していることになります。
私の会社 ReRe は、農業経営のデータを調査し、より良い仮説につながる洞察を探しています。現在、私たちは固形廃棄物に重点を置いています。はい！私たちは循環性の誇大広告に飛び込みつつあります。
前述したすべての課題は私たちの日常業務の一部ですが、私たちに利点をもたらしてくれるのは、直観に反する解決策を求める強い欲求を持つ創業者がいることです。彼は、この取り組みがもたらす可能性のある成果が明確に見えていない場合でも、データを収集、検証、処理するための資金を確保できるようにしてくれました。
私たちの日常は非常に複雑です。私たちは、さまざまなプレーヤーにデータを提供してもらうよう説得する必要があります。プレーヤーがよく持っているが共有したくないデータや、変換はおろか収集すらできないデータです。私たちは、企業の窓口、農業監督機関、連邦および州の議会、市役所、公共統計部門、そして、とりわけ冗長で連携が取れていない無数の官民の ESG 取り組みを通過します。
データ分析が解決策につながる可能性がある
この情報を利用するよう利害関係者を説得し、集団には利益をもたらすが個人の利益に反する解決策を追求するよう促すことも同様に困難であり、これには私たちのチームの多くのエネルギーが必要です。
私たちの予算は多額であるため、この極端な（そして多くの場合ランダムな）断片化から収集された定量的データを確認し、データが静かに明らかにしていることを解釈するためにインタビューを実施し、チームのモチベーションと関与を維持することができます。
信頼できる分析と健全な仮説をサポートするデータ ウェアハウスの構築というこれらすべての課題に直面すると、業界の観点から見て、革新的な結果を達成する可能性は低いと予測できます。しかし、初期の結果は私たちに希望を与えてくれます。これらは、これまで目に見えなかった問題を明らかにし、一歩前進するたびに、データが直観に反する解決策を示唆するという私たちの主要な理論が強化されています。
例えば、多国籍化学会社が供給し、ブラジルの農業で使用されている農薬、土壌改良剤、肥料（その多くは人間や動物に有害）に使用される包装が、人間の消費のための食品の輸送中に発見されたことを発見しました。その他の発見。
これらの問題の解決策は、ブラジルのような広大な国での農産物の包装について私たちが思い描いているのと同じように、最新の計算モデルとコミュニティの協力から生まれてくるでしょう。
しかし、可能性が高いのは、データが収集および検証され、AI ツールが効果的に適用されて発展途上国向けの解決策が生み出された場合、真のゲームチェンジャーとなるのは、この問題の変動性と外部性を管理するために必要なソフトスキルになるということです。環境。
