世界がまた分かれ始める兆し
生成AIの普及は、世界中で一斉に進むわけではありません。
国連開発計画（UNDP）は、新報告書で「次なる大分断」が起き得ると警鐘を鳴らしました。収斂に向かっていた開発の流れが、AIを境に反転する恐れがあるという指摘です。
UNDP報告ページ
実際、先進国では3人に2人がAIツールを使い始める一方、低所得国では普及率が5%前後にとどまります。
この初期条件の差は、そのまま生産性、雇用、公共サービスの差へと連鎖しやすい。技術の恩恵は、準備された場所から先に降りてくるからです。
火種は技術そのものではありません。
格差を生むのは、準備の差・採用速度の差・ガバナンス能力の差です。生成AIの波は、各国の基盤と制度の弱点を容赦なくあぶり出します。
UNDP『The Next Great Divergence』の要点
報告書が伝えるメッセージ
AIは新たな開発の道を切り開く一方、この移行の恩恵とリスク回避の能力には各国間で最初から差がある。強力な政策措置を取らなければ、その差は拡大し、長く続いた不平等縮小の流れが逆転する恐れがある。
出典: UNDP 日本プレスリリース
Unequal readiness and uneven adoption of AI could set in motion a “Next Great Divergence”.
Source: UNDP Asia-Pacific
- 普及の非対称性: 高所得国ではAI利用が約2/3に対し、低所得国は約5%。
- 恩恵と脆弱性のミスマッチ: 普及は遅いが影響は早い。経済・雇用・公共サービスに波及。
- 政策次第で分岐は避け得る: 人への投資・責任あるガバナンス・包摂的インフラの三位一体が鍵。
参照: 報告書ページ／PDF
アジア太平洋は「不平等の実験場」になる
ユーザーも特許も、両極が同居する巨大市場
アジア太平洋は世界のAIユーザーの半数超を抱え、AI特許の約7割を中国が占める構図が浮上しています。
さらに6つの主要経済で新規AI企業が3,100社以上と、イノベーションの拠点化も進む。
その一方で、地域内には所得・インフラ・スキルの格差が200倍規模で共存します。
UNDPは、AIが地域GDP成長率を年2ポイント押し上げ、医療や金融で最大5%の生産性向上が見込めると示唆します。
ASEANだけでも向こう10年で約1兆ドルの追加GDP効果が試算されます。
ただし、電力・接続性・人材が欠ける国々では、その機会に手が届きにくい。
出典: Mirage Newsダイジェスト／CADE要約／UNDP
雇用・スキルの地殻変動：女性と若年層のリスク
自動化の波は均等ではない
生成AIはバックオフィスやクリエイティブ補助、カスタマーサポートを高速化します。
とくに定型文書作成や情報整理は置き換えが早く、若年の初職や女性比率の高い職種に影響が集中しがちです。
柔軟就労が可能になる一方、賃金の二極化も進みます。
脆弱層ほどデジタル訓練や機材へのアクセスが乏しく、AI活用の参入コストが相対的に高い。
この「準備の差」は時間とともに複利で広がります。
政府・教育機関・企業は、マイクロ資格・職業訓練・企業内リスキリングを連動させ、最初の一歩を安く・早く・近くに用意する必要があります。
参考: UNDP報告書
政策は「規制×人材×インフラ」の三位一体で
逆転の発想でキャッチアップを速くする
- 責任あるガバナンス: リスクに比例した規制で負担を最小化。公共調達で安全基準と透明性を先導し、サンドボックスでローカル課題の解決を加速。
- 人への投資: 教育カリキュラムにAIリテラシーとプロンプト実務を常設。女性・若年向けの奨学金と現場型インターンを束ね、学ぶ→試す→働くの回路を短縮。
- 包摂的インフラ: 電力の安定化と回線強化に加え、地域ハブ計算資源・データコモンズ・多言語基盤モデルを共同整備。地方・島嶼でのアクセス格差を圧縮。
この三本柱は、単独では効果が薄い。
同時・連動で施行して初めて、遅れている国や地域にも収穫が届きます。
参照: UNDP要点
現場での「使い方」：行政・企業の実装チェックリスト
小さく始めて、成果から逆算する
- レディネス診断: 予算前に人材・データ・業務プロセスを棚卸し。生成AIで即効性のある5業務を洗い出す。
- 公共・基幹の迅速実証: 医療トリアージ、学校の個別学習、災害時の多言語案内、行政文書の自動要約などを低リスク領域から試す。
- 調達の再設計: ベンダーロックを避け、API互換とモデル切替を要件化。監査ログと評価指標を契約に組み込む。
- 安全性・権利保護: データ最小化、PII分離、ハルシネーション監視、RAG採用、人の最終判断を徹底。
- 共有資産の活用: 省庁横断・自治体連携で共通プロンプト・評価データセットを共同整備。地域の大学・企業で計算資源ハブを運営。
成果を数値化し、CO2/処理件数/待ち時間/誤判定率などのKPIで意思決定を更新しましょう。
参考: 総務省 情報通信白書（生成AI）
報告書の読み解き方：指標とベンチマークを武器にする
3つの差を毎年トラッキング
- 普及率の差: 職種別・地域別のAI利用率。目標は10ポイント/年の改善。
- 能力の差: 基礎読解・数理・デジタルの学習成果と、AIリテラシーの習得率。マイクロ資格の発行数を重視。
- 制度の差: データ保護、責任分担、監査可能性の整備度。公共調達でのAI案件比率も観測。
UNDPの指標は、国家レベルだけでなく自治体や企業でも応用可能です。
同業・近隣自治体と数値を比べ、施策→数値→再設計のループを短く回すのがコツです。
資料: UNDP 発表ページ
まとめ：分断を避ける設計図は、もう手元にある
「次なる大分断」は、必然ではありません。
生成AIは、適切に管理すれば取りこぼしを減らし、公共サービスを底上げする道具になります。
鍵は人・制度・インフラを一体で動かし、初期条件の差を縮めることです。
日本もアジア太平洋の一員として、地域ハブや共通基盤づくりで貢献できます。
女性や若年層の最初の一歩を軽くし、地方に届く設計で投資を束ねること。
そのロードマップは、すでにUNDPが示しました。
詳細はUNDPの原典をご確認ください。
The Next Great Divergence（特設）／PDF／日本語プレス
コメント