Skip to main content

Tekoäly

7. tammikuuta 2025

 

Tekoäly kaikille: Oppitunteja teknologian ja osallisuuden yhtymäkohdasta

Nämä tekoälyn hyödyntämisen yhteiskunnalliseen hyvään asiantuntijat jakavat näkemyksiään osallistavan tekoälyn skaalaamisesta.

Vicki Hyman

Viestintäjohtaja, Mastercard

 

Kolumbialaisten mikroyrittäjien luotonannosta äitiyskuolleisuuden vähentämiseen Etiopiassa ja ihmishenkiä pelastavan tiedon toimittamiseen pakolaisille ympäri maailmaa, tekoälyn tehoa yhdistetään osallisuuden ja taloudellisen voimaannuttamisen potentiaaliin.

Viisi organisaatiota määrittelee uudelleen tekoälyn hyödyntämisen yhteiskunnalliseen vaikuttavuuteen kehittämällä ja skaalaamalla ratkaisujaan Artificial Intelligence to Accelerate Inclusion Challengen voittajina. Haasteeseen saatiin yli 500 ehdotusta 82 maasta. Voittajat – joihin kuuluvat myös intialainen pienten mehiläishoitajien sosiaalinen yritys ja yhdysvaltalainen aloite, joka yhdistää potilaat alihyödynnettyihin liittovaltion etuuksiin – saavat 200 000 dollaria sekä teknistä apua ja mentorointia Mastercardin ja data.orgin kautta. joka sponsoroi haastetta.

Mastercard Newsroom keskusteli voittajaorganisaatioiden johtajien kanssa tekoälyratkaisujen rakentamisen haasteista sosiaalisektorilla, siitä, miten organisaatiot lieventävät ennakkoluuloja ja kouluttavat mallejaan osallistaviksi, sekä siitä, millä muilla aloilla teknologia tarjoaa eniten mahdollisuuksia.

Pienten yritysten rahoitusvajeen kurominen umpeen Kolumbiassa: Quipu

Kolumbiassa lähes kuusi miljoonaa yritystä on mikroyrityksiä, jotka toimivat alle 10 työntekijällä ja pienellä pääomalla. Näistä vain 9 prosenttia voi lainata virallisesti, koska heidän suorituskyvystään ei ole tietoa eikä heillä ole taloudellista historiaa, mikä luo valtavan rahoitusvajeen.

Quipu kuroa umpeen epävirallisen talouden tietovajetta käyttämällä tekoälyä arvioidakseen tarkemmin näiden pienempien yritysten luottokelpoisuutta pisteytysmallin avulla, joka analysoi epäperinteisiä tietoja, kuten mobiilitapahtumahistorioita, sosiaalisen median vuorovaikutusta, tekstiviesti- ja maksumalleja sekä älykästä maksujen ja hyvitysten keräämistä. Se tarjoaa myös rahoitusalustan ja mikrolainoja, joiden avulla nämä yritykset voivat rakentaa vaihtoehtoisen luottoluokituksen sekä taloudellisten että muiden tietojen perusteella. Quipun sovelluksen kautta asiakkaat voivat hakea käyttöpääomaa muutamassa minuutissa, ja se maksetaan alle kahdessa päivässä.

 

Yhteisön terveydenhuollon vahvistaminen Etiopiassa: IDinsight

Kaksi vuosikymmentä sitten Etiopia käynnisti uuden maaseudun terveydenhuollon mallin kouluttamalla ja lähettämällä tuhansia terveydenhuollon työntekijöitä palvelemaan paikallisyhteisöjä. Tämä on johtanut merkittäviin parannuksiin äitien ja lasten terveydessä sekä uusien HIV-tartuntojen ja tuberkuloosiin ja malariaan liittyvien kuolemien vähenemiseen, muutamia mainitakseni.

Tämän menestyksen pohjalta IDinsight tekee yhteistyötä Last Mile Healthin ja Etiopian terveysministeriön kanssa tekoälypohjaisen puhelinkeskuksen parissa, johon terveydenhuollon työntekijät voivat ottaa yhteyttä saadakseen reaaliaikaista lääketieteellistä ohjausta monimutkaisissa tapauksissa. Organisaation tekoälyratkaisu sisältää tapaustenhallintajärjestelmän ja kysymysten vastauspalvelun, jotka perustuvat terveysministeriön kattaviin ohjeisiin. Se tarjoaa reaaliaikaista tukea puhelinkeskusten asiakaspalvelijoille, jotka välittävät edelleen kriittistä tietoa terveydenhuollon työntekijöille puhelimitse, jolloin he voivat keskittyä potilashoitoon ja korkealaatuisen terveydenhuollon tarjoamiseen.

 

Elämiä pelastavan tiedon toimittaminen kriisissä oleville ihmisille ympäri maailmaa: International Rescue Committee'n Signpost-projekti

Ennätykselliset 120 miljoonaa ihmistä maailmanlaajuisesti on joutunut siirtymään kodeistaan konfliktien, luonnonkatastrofien, köyhyyden ja väkivallan vuoksi. Kriisin koettelemien ihmisten on tehtävä kriittisiä, elämää mullistavia päätöksiä matkallaan turvaan rajallisilla tiedoilla. Vuonna 2015 International Rescue Committee käynnisti Signpost-projektin, joka perustaa digitaalisia tukikeskuksia, joista käyttäjät voivat löytää tarkkaa ja ajankohtaista tietoa, käyttää kriittisiä palveluita ja esittää suoria kysymyksiä paikallisille moderaattoreille, kuten "Miten voin saada asuntoa?". Voinko saada määräaikaisen työluvan? Voinko ilmoittaa lapseni kouluun? Signpostilla on lähes 30 aktiivista ohjelmaa maailmanlaajuisesti, ja vuonna 2024 Signpostilla oli yli 6 miljoonaa käyttäjää.  

Tiedontarpeet kuitenkin kasvavat pakolaisten määrän kasvaessa. Vuoden 2023 Afganistanin kriisin aikana yksi Facebook-julkaisu johti 30 000 viestiin kuukauden sisällä, mikä ylikuormitti paikallisen Signpost-tiimin kuuden moderaattorin työmäärän. Vuonna 2024 IRC:n johtama Signpost-projekti käynnisti Signpost AI:n parantaakseen kriittisen tiedon toimittamista tekoälyagenttien ja ihmisen valvonnan avulla. Tämän järjestelmän tavoitteena on vähentää moderaattoreiden taakkaa, jotta he voivat keskittyä monimutkaisempiin tapauksiin ja samalla varmistaa oikea-aikaiset ja tarkat vastaukset, jotka parantavat pakolaisten pääsyä resursseihin ja palveluihin maailmanlaajuisesti. 

 

Tietopesän rakentaminen mehiläishoitajille Intiassa: Buzzworthy Ventures

Intia on edelleen maailmanlaajuinen maatalouden dynaaminen voima, mutta yksi maatalouden arvoketju ei ole kovin suosittu: mehiläishoito. Intiassa on 400 000 pienimuotoista mehiläishoitajaa, joista monet kamppailevat toimeentulon ylläpitämiseksi, puhumattakaan hyönteispölytyksen taloudellisen potentiaalin parantamisesta satojen parantamiseksi. Intiassa hyönteispölytys tuottaa 22,52 miljardia dollaria vuodessa, mikä ylittää reilusti hunajan ja mehiläistuotteiden markkinakoon, mutta potentiaalia hyödynnetään edelleen huomattavasti Intian taloudelle ja ravitsemukselle välttämättömien viljelykasvien osalta. 

Niinpä Buzzworthy Ventures loi Beekind-nimisen tekoälypohjaisen mobiilisovelluksen, jonka tarkoituksena on voimaannuttaa pienimuotoisia mehiläishoitajia, erityisesti naisia, pienmaanomistajia, maattomia viljelijöitä ja heimojen jäseniä maaseudulla ja syrjäytyneissä yhteisöissä. Se tarjoaa reaaliaikaisia näkemyksiä ja ennakoivaa analytiikkaa, auttaen mehiläishoitajia hallitsemaan pesiensä terveyttä, diagnosoimaan sairauksia, parantamaan hunajantuotantoa ja sopeutumaan muuttuviin ilmasto-olosuhteisiin.

 

Terveys- ja varallisuuskuilun kurominen umpeen Yhdysvalloissa: Link Health

Hätälääkäri Alister Martin näki usein, että köyhyys oli potilaiden käyntien taustalla ensiapupoliklinikalla. Hän ymmärsi, että ”raha lääkkeenä” – potilaiden auttaminen saamaan käteisavustusta ja liittovaltion etuuksia – voisi puuttua huonon terveyden perimmäisiin syihin kuromalla umpeen terveyden ja varallisuuden välistä kuilua. 

Tämä johti Link Health -ohjelman perustamiseen, joka yhdistää potilaat käyttämättömiin liittovaltion avustusohjelmiin, kuten SNAP, WIC ja Lifeline, helpottaakseen terveyseroja pahentavaa taloudellista rasitusta. Tekoälyllä toimiva ilmoittautumisalusta ja chatbot pyrkivät avaamaan 10 miljoonan dollarin arvosta osavaltioiden ja liittovaltion etuuksia köyhyyden lievittämiseksi, taloudellisen stressin vähentämiseksi ja hyvinvoinnin parantamiseksi.

Mikä oli suurin haaste ratkaisusi käynnistämisessä?

Mercedes Bidart, toimitusjohtaja ja perustaja, Quipu

”Suurin haaste oli varmistaa ensimmäinen pääomamäärä lainanantoon pisteytyksemme parantamiseksi.” Uuden vakuutusratkaisun luominen on kuin muna vai kana -ongelma: Tarvitset pääomaa ratkaisun rakentamiseen, mutta et saa sitä ennen kuin olet testannut sitä. 

Sid Ravinutula, johtava datatieteilijä, IDinsight

"Ensimmäinen haaste on tekninen. Terveydenhuollon yhteydessä hoitojen ja suositusten on oltava 100 % tarkkoja – hallusinaatioille ei ole sijaa. Tämä vaatii erilaisen lähestymistavan kuin suosittu haun ja lisäyksen yhdistelmä. Meidän on laadittava kaavio, joka tallentaa tarkasti hoidot ja diagnostiset protokollat.

”Toinen haaste on edustavien vertailuarvojen ja validointijoukkojen luominen.” Ennen mallin iterointia ja parantamista tarvitsemme tietojoukon kysymyksistä ja vastauksista, joita nämä työntekijät todennäköisesti kysyvät. Tämän tietojoukon on katettava kaikki aiheet, joista he saattavat tiedustella, ja siinä on otettava huomioon, miten he saattavat kysyä – käyttämällä lyhenteitä, puhekielen termejä, emojeja jne. Korkealaatuisen vertailutietojoukon rakentaminen on kallista, koska se vaatii usein ihmisen tekemää annotointia.

André Heller, ohjelmapäällikkö, Signpost

”Yksi suurimmista haasteista on ollut kehittää tekoälytyökaluja, jotka ovat sekä osallistavia että kontekstuaalisesti tarkkoja.” Tekoälyn kouluttaminen ymmärtämään vähemmistökieliä, alueellisia murteita ja kulttuurisesti vivahteikasta sisältöä vaatii laaja-alaista datan kuratointia, inhimillistä asiantuntemusta ja testausta. Lisäksi sen varmistaminen, että tekoälyn tuottamat vastaukset noudattavat humanitaarisia periaatteita eivätkä ylläpidä ennakkoluuloja, on edellyttänyt vankkojen suojatoimien rakentamista, kuten ihmisen mukanaan tuottaman valvonnan ja perustuslaillisten uudelleenkirjoitusten laatimista eettisten tulosten varmistamiseksi. Innovaation ja näiden tiukkojen standardien tasapainottaminen on ollut vaativaa mutta välttämätöntä.”

Monika Shukla, toimitusjohtaja ja yksi perustajista, Buzzworthy Ventures

”Ensisijainen haaste oli kuroa umpeen kuilua edistyneen tekoälyteknologian ja sen käyttöönoton välillä ruohonjuuritasolla ja maaseudulla.” Vaikka internet-yhteydet Intiassa ovat kasvaneet räjähdysmäisesti – vuonna 2023 internetin käyttäjiä oli yli 700 miljoonaa, pääasiassa edullisten älypuhelimien ansiosta – saatavuus on edelleen epätasaista. Tämä digitaalinen kuilu yhdistettynä epätasaiseen verkon kattavuuteen syrjäisissä metsissä ja kylissä muodosti merkittävän esteen tekoälypohjaisten ratkaisujen käyttöönotolle, jotka vaativat jatkuvaa yhteyttä ja käyttäjän vuorovaikutusta.

Alister Martin, toimitusjohtaja, Link Health

”Julkisten etuuksien hyödyntäminen ja hyödyntäminen voi olla monille perheille haaste. Suurin haaste oli kuitenkin Link Healthin intervention saumaton integrointi terveydenhuollon yksiköihin, joissa palveluntarjoajat ovat jo valmiiksi ylikuormitettuja. Tämä edellytti luottamuksen rakentamista terveydenhuollon työntekijöiden välille ja sen varmistamista, että navigaattorit eivät häiritse potilaiden hoitoa, samalla kun ne osoittavat mitattavia hyötyjä potilaille ja terveydenhuoltojärjestelmille.”

 

 

Naiset ja tyttö kokoontuvat taulun ympärille.

 

 

Miten varmistat, että ratkaisusi on sekä räätälöity että osallistava?

Mercedes Bidart, Quipu: ”Lieventääksemme vinoumia käytämme monipuolisia tietojoukkoja, tarkastamme tekoälymallimme säännöllisesti ja sovellamme ihmisen ohjaamaa validointia varmistaaksemme luottoluokitusten oikeudenmukaisuuden ja tasapuolisuuden.” Algoritmimme testataan perusteellisesti sukupuoli- ja rotuennakkoluulojen estämiseksi, ja valvomme ja päivitämme niitä jatkuvasti eettisten standardien mukaisiksi. Tarjoamme käyttäjille myös helppokäyttöisiä muutoksenhakuprosesseja, joiden avulla he voivat haastaa tekoälyn päätökset tai valittaa niistä.”

Sid Ravinutula, IDinsight: ”Ensinnäkin rakennamme tätä avoimen lähdekoodin ratkaisuna. Toivomme, että tämä nopeuttaa vastaavien työkalujen käyttöönottoa muissa yhteyksissä antamalla organisaatioille mahdollisuuden hyödyntää sitä omiin erityistarpeisiinsa. Toiseksi varmistamme, että sitä voidaan helposti mukauttaa ja laajentaa paikallisiin konteksteihin. Tähän sisältyy paikallisten ohjeiden noudattaminen, tekoälymallien vaihtaminen tai uusien kaiteiden lisääminen. Luomalla yhteisen mallin, jota voidaan hienosäätää kuhunkin kontekstiin, varmistamme, että ratkaisu on laajasti sovellettavissa samalla kunnioittaen kunkin ympäristön ainutlaatuisia vaatimuksia.” 

André Heller, Signpost: ”Signpostin tekoälyä koulutetaan käyttämällä kuratoitua ja varmennettua dataa luotettavista lähteistä ja paikallisilta kansalaisjärjestöiltä. Tämä varmistaa, että tekoäly heijastaa alueellisia murteita, kulttuurinormeja ja vähemmistökieliä, täyttäen kriittisiä aukkoja alipalvelluille väestöryhmille. Tekoälyagentit tukevat ääni- ja tekstisyöttöä, mikä mahdollistaa käytön myös heikosti lukutaitoisille ihmisille. Työkaluja testataan ja hiotaan äidinkielisten puhujien ja yhteisön moderaattoreiden kanssa tarkkuuden ja osallistavuuden varmistamiseksi. Tekoälyperustuslakimme määrittelee demokraattisesti eettiset säännöt, mukaan lukien syrjimättömyys ja traumasensitiivinen kielenkäyttö, ja jatkuvilla tarkastuksilla pyritään lieventämään ennakkoluuloja.

Monika Shukla, Buzzworthy Ventures: ”Beekind räätälöi teknologia- ja kosketusratkaisunsa tiettyihin alueellisiin, ekologisiin ja viljelyolosuhteisiin integroimalla hyperlokaalisia tekijöitä, kuten ilmaston, kasviston ja viljelykäytännöt.” Tämän saavuttamiseksi otamme aktiivisesti mukaan paikallisia mehiläishoitajia, tutkijoita, maatalousasiantuntijoita ja yhteisöjohtajia käytäntöjen, mallien ja toteutusstrategioiden yhteissuunnitteluun varmistaen, että ratkaisu on linjassa palvelemiensa ihmisten elävien todellisuuksien kanssa. Asetamme etusijalle naiset ja pienviljelijät – Intian maatalouden ekosysteemin keskeiset mutta alipalvellut tekijät. Esimerkiksi tarjoamalla sukupuolisensitiivistä koulutusta ja luomalla osallistavia tiloja vuoropuhelulle, annamme naisille mahdollisuuden osallistua aktiivisesti mehiläishoidon arvoketjuun ja hyötyä siitä. Inklusiivisuus ei ole vain periaate; se on käytännönläheinen kulmakivi lähestymistavassamme.”

Alister Martin, Link Health: ”Navigaattorit kohtaavat potilaat siellä missä he ovat – fyysisesti ja emotionaalisesti – usein odotushuoneissa ja räätälöivät lähestymistapansa potilaiden erityistarpeisiin, kuten ikääntyneiden ilmoittamiseen Medicare-säästöohjelmien kaltaisiin etuuksiin.” Suunnittelemalla järjestelmiä, jotka priorisoivat esteettömyyttä ja käyttävät luotettavia yhteisöviestijöitä, ohjelma varmistaa, että se palvelee monimuotoisia väestöryhmiä tehokkaasti, erityisesti heikommassa asemassa olevia yhteisöjä.”

Mikä on suurin huolenaiheesi tekoälyn suhteen?

Mercedes Bidart, Quipu: ”Tekoälymallien rakentamisen tärkein osa on tietojoukko.” Hyvä malli on sellainen, jolla on hyvä ja oikeudenmukainen lopputulos, ja ainoa tapa tehdä se mahdolliseksi on kouluttaa malleja, joissa on monipuoliset tietojoukot, jotka edustavat kunkin alueen erityispiirteitä. Toinen tärkeä palanen on henkilö/tiimi, joka rakentaa mallin. Vain 20 % tekoälytyöpaikoista on naisten tekemiä, mikä tarkoittaa, että tuloksia ei tarkastella sukupuolinäkökulmasta. Tarvitsemme lisää naisia tekoälyratkaisujen johtoon.

Sid Ravinutula, IDinsight: “Luotettavuus. Terveydenhuollossa väärällä diagnoosilla tai puutteellisella hoidolla voi olla katastrofaaliset seuraukset. Tekoälymallit ovat kuitenkin luonnostaan satunnaisia. Esimerkiksi saman kysymyksen esittäminen tekoälylle useita kertoja voi johtaa hieman erilaisiin vastauksiin. Samoin kysymyksen uudelleenmuotoilu voi tuottaa vaihtelevia vastauksia. Vaikka useimmat vastaukset todennäköisesti välittävät saman viestin, jotkut niistä voivat olla puutteellisia tai harhaanjohtavia ja mahdollisesti aiheuttaa haittaa. Vahvat kaiteet ovat välttämättömiä sen varmistamiseksi, että kaikki vastaukset ovat oikeita, täydellisiä ja kunnioittavia.

André Heller, Signpost: ”Suurin huolenaihe on tekoälyn potentiaali aiheuttaa vahinkoa ennakkoluulojen, väärän tiedon tai poissulkemisen kautta.” Haavoittuvassa asemassa oleville väestöryhmille virheellisellä tiedolla voi olla elämää muuttavia seurauksia. Tekoälyn kontekstikohtaisen tarkkuuden, läpinäkyvyyden ja eettisyyden varmistaminen vaatii jatkuvaa valvontaa, testausta ja yhteistyötä paikallisten asiantuntijoiden kanssa. Puutumme tähän ottamalla käyttöön ihmisen mukanaan tuottaman laadunvalvonnan, puolueellisuustarkastuksia ja eettisiä arviointeja vastausten tarkentamiseksi sekä läpinäkyviä puitteita, kuten tekoälyn perustuslain, joka ohjaa tuotoksia ja lieventää haitallisia riskejä. Pyrimme jatkuvasti tasapainottamaan tekoälyinnovaatiota vastuullisuuden ja luottamuksen kanssa.”

Monika Shukla, Buzzworthy Ventures: ”Kun tekoälymalleja koulutetaan käyttämällä dataa, joka ei täysin edusta yhteisöjä, joita ne pyrkivät palvelemaan, on olemassa riski vahvistaa olemassa olevia eriarvoisuuksia.” Esimerkiksi monet tekoälyjärjestelmät koulutetaan käyttämällä dataa tärkeimmillä kielillä, jolloin paikalliset murteet ja suulliset kielet jäävät aliedustettuina. Intiassa lukuisat heimo- ja alueelliset yhteisöt puhuvat kieliä, joilta usein puuttuu vankat digitaaliset aineistot. Tämä edustuksen puute voi johtaa malleihin, jotka eivät tulkitse tarkasti tai vastaa näiden yhteisöjen tarpeisiin. Lisäksi alueelliset aksentit, puhemallit ja elävät käytännöt jäävät usein huomiotta, mikä tekee tekoälyratkaisuista vähemmän tehokkaita tai jopa haitallisia näille ryhmille.”

Alister Martin, Link Health: ”Suurin huolenaihe on tekoälyjärjestelmien mahdollisuus ylläpitää olemassa olevia ennakkoluuloja, erityisesti työskennellessään alipalveltujen väestöryhmien kanssa.” Ilman huolellista valvontaa algoritmit saattavat tahattomasti sulkea pois eniten apua tarvitsevat tai jättää huomiotta heidän kohtaamansa systeemiset eriarvoisuudet. Läpinäkyvyyden, vastuuvelvollisuuden ja tekoälyn eettisen käytön varmistaminen päätöksenteossa on ratkaisevan tärkeää eriarvoisuuksien pahenemisen välttämiseksi. Tästä syystä pidämme ihmiset ajan tasalla prosessin kriittisissä vaiheissa – ja aiomme jatkaa ihmisten pitämistä ajan tasalla kehittäessämme tekoälytyökalujamme.” 

Millä oman toimialallasi ulkopuolisella sektorilla on potentiaalia hyötyä tekoälystä eniten?

Mercedes Bidart, Quipu: ”Koulutussektori. Uskon, että koulutus on muuttunut ja meillä on mahdollisuus tehdä siitä demokraattisempi. Olemme Quipussa luoneet koulutukseen liittyvän tekoälyavustajamme WhatsAppiin, joka tukee asiakkaitamme heidän liiketoiminnan hallinnassaan. Ei ole tarvetta eri konsultille yritystä kohden. Yhdellä botilla voimme tukea miljoonien ihmisten koulutusta ja kasvua.”

Sid Ravinutula, IDinsight: ”IDinsight on sektoririippumaton. Vaikka tämä projekti keskittyy terveyteen, olemme kehittäneet tekoälyratkaisuja koulutukseen ja sosiaaliturvaan. Viljelijät kohtaavat samanlaisia tiedonsaannin esteitä kuin terveydenhuollon työntekijät. Heidän on tiedettävä alueelleen parhaat viljelykasvit ja optimaaliset lannoiteseokset sekä avustettava viljelykasvien tautien diagnosoinnissa ja hoidoissa. Koulutuksessa tekoälyn käyttötapauksia ovat personoidut tutorit, tekoälyn luomat oppitunnit ja tekoälyllä toimivat arvioinnit ja arvioinnit. Olemme käyttäneet tekoälyä tunnistaaksemme koulun ulkopuolella olevia tyttöjä Intiassa kansalaisjärjestölle, joka pyrkii lisäämään tyttöjen ilmoittautumisastetta kouluissa. Lopuksi, tekoäly voi auttaa kansalaisia saamaan valtion etuuksia. Se voi auttaa tunnistamaan kelpoisuuden ja navigoimaan monimutkaisessa hakuprosessissa.”

André Heller, Signpost: ”Tekoälyn kehityksen myötä on vaikea kuvitella alaa, joka ei muuttuisi.” Kysymys kuuluu, milloin – kahden vai viiden vuoden kuluttua? Liiketoiminnasta data-analyysiin, terveydenhuollon diagnostiikkaan ja käytännössä minkä tahansa alan tutkimukseen, kaikki etenee ennennäkemättömällä vauhdilla. On vain kysymys siitä, milloin ihmiset osaavat hyödyntää sitä tehokkaasti. Käytännön esimerkki: meteorologian ja katastrofien hallinnan välinen yhteys. Säähälytykset ja katastrofien ennakkovaroitusjärjestelmät, kuten tulvat, hurrikaanit, kuivuus ja äärimmäiset sääilmiöt, tarjoavat valtavan potentiaalin hyötyä tekoälystä. Edistyneet tekoälymallit voivat analysoida reaaliaikaisia meteorologisia ja hydrologisia tietoja ennustaakseen katastrofeja tarkemmin ja tarjotakseen varhaisvaroituksia kokonaisvaltaisempaan toimintaan, johon osallistuvat haavoittuvassa asemassa olevat ihmiset, paikalliset yritykset, toimitusketjut ja hallitus. Signpost on jo alkanut hyödyntää tekoälyä tulvien torjunnassa FloodHubin kautta yhdistämällä tekoälyennusteita toimintatapoihin reaaliaikaisten päivitysten kanssa auttaakseen yhteisöjä varautumaan tulviin ja lieventämään niiden vaikutuksia.

Monika Shukla, Buzzworthy Ventures: ”Terveydenhuoltoala tulee hyötymään merkittävästi tekoälystä, erityisesti diagnostiikassa, yksilöllisessä lääketieteessä ja terveydenhuollon toimitusketjujen optimoinnissa, etenkin maaseudulla.” Tekoälyllä toimivat työkalut voivat auttaa malarian ja tuberkuloosin kaltaisten sairauksien varhaisessa havaitsemisessa lääketieteellisten kuvien tai diagnostisten testien avulla. Esimerkiksi tekoälymallit voivat analysoida rintakehän röntgenkuvia tai verinäytteitä havaitakseen taudin varhaisia merkkejä jopa vähäresurssisissa olosuhteissa. Tämä voi johtaa nopeampiin diagnooseihin ja hoitoihin, mikä lopulta pelastaa ihmishenkiä ja vähentää terveydenhuollon kustannuksia alipalvelluilla alueilla. Tekoäly voi myös tehostaa etäterveydenhuoltojärjestelmien logistiikkaa varmistaen lääkintätarvikkeiden ja rokotteiden oikea-aikaisen toimituksen alipalvelluille alueille, mikä on ratkaisevan tärkeää maille, joissa on suuri maaseutuväestö.

Alister Martin, Link Health: ”Koulutus tulee hyötymään tekoälystä suuresti, erityisesti oppimiskokemusten personoinnissa heikommassa asemassa oleville oppilaille.” Tekoäly voi auttaa tunnistamaan oppimisen aukkoja, tarjota räätälöityä tukea ja tarjota monikielisiä resursseja oppilaille ja perheille tavoilla, joihin perinteiset mallit eivät pysty. Puuttumalla laadukkaan koulutuksen saatavuuteen liittyviin eriarvoisuuksiin tekoälyllä voisi olla mullistava vaikutus tulevaisuuden terveyteen ja sosioekonomisiin tuloksiin.