※本記事は、2026年9月16日に開催された「GatherVerse Women's AI Summit 2026」Day 2の動画の内容を基に作成しています。本セッションには、GatherVerse創設者のChristopher Lafayette氏をはじめとする司会陣のほか、Global Council for Responsible AI英国ガバナーのAndrea Marshall Webb氏、計算生物学者のMay Woods氏、そして米国、アフリカ、インド、カナダなど世界各地でAIの実践や教育、ガバナンスに携わる女性リーダーたちが登壇しました。動画の詳細は https://www.youtube.com/watch?v=v8SZFfSpyC4 でご覧いただけます。本記事では動画の内容を要約しています。原著作者の見解を正確に反映するよう努めていますが、要約や解釈による誤りを含む可能性がありますので、正確な情報や文脈についてはオリジナルの動画をご覧ください。サミットの詳細は公式ウェブサイト https://gatherverse.org/women-ai-2026/ でご確認いただけます。
1. 開会挨拶（Christopher Lafayette）
1.1 女性とともに築くAIの未来
Christopher Lafayette： 皆さん、GatherVerse Women's AI Summit 2026のDay 2へようこそ。私はエマージングテクノロジストであり、GatherVerseの創設者でもあるChristopher Lafayetteです。ただ、今日はそうした肩書き以上に、女性のリーダーシップを臆することなく支持する一人の味方として、そして友人として、この場に立っています。本サミットは3週間にわたり計8日間開催され、世界中の都市や大陸からリーダーたちが集まり、それぞれの考えを表明する場となっています。今日はその2日目です。
昨日のDay 1は、驚くほど充実した一日になりました。公共部門や民間企業、個人で活動する起業家など、実に多様な立場の方々が、それぞれの視点から考えを語ってくださいました。GatherVerseは最初のサミットから一貫して、女性のリーダーシップのための安全で開かれた場を大切にしてきました。今回で46回目のグローバル・ギャザリングを迎え、これまでに幅広いテーマを扱ってきました。私たちが立っているのは、「人間を第一に」という理念が交わる地点です。具体的には、アクセシビリティと教育、平等とコミュニティの発展、安全とプライバシー、ウェルネス、倫理、信頼、そして思いやりと慈しみです。
そのうえで、なぜ今このサミットを開くのかをお話しします。人工知能はかつてない規模と速度で加速しており、市民社会のあらゆる層や世界中の労働者に影響を及ぼそうとしています。だからこそ今、世界中の視点を持ち寄り、ひとつの共通認識を形づくる機会が必要だと考えました。私は、AIがどれほど巨大な開発と計算能力の時代を迎えようとも、女性が加わらなければ、それは全体の半分にすぎないと確信しています。
この考えは、今日最初のラウンドテーブルのテーマにもつながっています。私はシリコンバレーのまさに中心からこの場に参加していますが、このテクノロジーはシリコンバレーの中だけにとどまることはできませんし、実際にとどまってもいません。そして女性のリーダーシップとAIの発展について言えば、女性はAIを主導できますし、すでに主導しています。これは、AIのフロンティアで今まさに活躍している方々、そしてその道を切り開いてきた過去の先駆者たちへの敬意の表明でもあります。
gatherverse.liveや各種ソーシャルメディアの配信を通じて、Day 2にも多くの方が戻ってきてくださっているのが見えます。私たちと同じように、この議論を極めて重要だと感じてくださっているからだと思います。初めて参加される方も、再び参加してくださる方も、心から歓迎します。これは、こうした考えを交わせる非常に重要な、そして限られた時間の機会です。このテクノロジーの現状と、それが拡大していく速さを見れば、この議論が必要であることは明らかであり、さらに踏み込んだ議論も求められています。
私たちが目指しているのは、語り、耳を傾け、誰も足を踏み入れたことのない領域について、ともに理解を深めることです。私自身は今日、一人の学ぶ者として、そしてサーバント・リーダーとしてこの場にいます。ご参加くださった多くの女性リーダーの皆さんに感謝し、そのリーダーシップに敬意を抱いています。エマージングテクノロジーとAI、そして人間性が交わる地点で皆さんが何を経験してきたのか、限られた時間ではありますが、お聞きできることを楽しみにしています。
最後に、この場にいる男性の皆さん、そして視聴してくださっている男性の皆さんにお伝えしたいことがあります。私は女性を支持することで自分が劣った存在になるとは考えていませんし、皆さんもそう考える必要はありません。強いリーダーシップと強い女性を支えることは、むしろ私たち自身を強くしてくれると信じています。今こそ耳を傾けるときです。ぜひ一緒に聞いてください。そしてご近所の方や友人にも、このサミットのことを伝えてください。GatherVerse Women's AI Summit 2026のDay 2が始まります。私たちの集いが実り多きものとなりますように。
2. ラウンドテーブル1「AI Beyond Silicon Valley」（モデレーター：Lynn）
2.1 シリコンバレーの外で進むAI
Lynn： GatherVerse Women's AI Summit 2026、最初のラウンドテーブルへようこそ。テーマは「AI Beyond Silicon Valley」で、モデレーターはGatherVerseのコミュニケーション・ディレクターを務める私、Lynnです。まずはパネリストの皆さんに、自己紹介と今日参加された理由、そしてどこから参加されているかを簡単にお話しいただきます。
Stephanie Cummings Carr： Stephanie Martine AI Consultingの主席コンサルタントを務めるStephanie Cummings Carrです。ワークショップやトレーニングを中心に、相手の現在地に合わせてAIを学べるよう支援するブティック型のコンサルティング会社を運営しています。IBM、Oracle、Amazon、Googleで合わせて25年のキャリアを積んできました。ワシントンDCから参加しています。
Venanishia Lachering： アトランタから参加しているVenanishia Lacheringです。私の仕事は、AIとヘルスケア、ストーリーテリング、コミュニティが交わる領域にあります。ヘルスケアAIのDoc HeroとイマーシブなストーリーテリングのFlare Studiosでフラクショナル COOを務め、AIリテラシーと文化保存に取り組むFlareova Foundationを率いています。今日の議論に共通するのは、人間の豊かな暮らしという視点だと思っています。
Stephanie Sylvester： Avatar Buddyの共同創業者、Stephanie Sylvesterです。人を削減するのではなく、業務のボトルネックを解消し、従業員の力を最大限に引き出すAIエージェントを開発しています。拠点はマイアミですが、今はヨハネスブルグにいます。
Kiana Bradshaw： Kiana Bradshawです。フィラデルフィア出身で、今はノースカロライナにいます。Columbia Southern Universityでエマージングテクノロジー分野のアカデミック・プログラム・ディレクターを務めています。以前はAT&TなどのFortune 500企業でプログラマーやTier 2、Tier 3のテクニカルサポートを担当し、その後高等教育の世界に移って18年半になります。
Aquarius Maximus： Aquarius Maximusです。以前はTavana Evansという名前で活動していました。Gather XRとGuapcoinの創業者で、Gather XRでは「大人のためのRoblox」を掲げ、AIとXRを融合させたソーシャル体験を開発しています。熱心なRoblox開発者である息子もこのプロジェクトに加わっています。また、Melanated AIを通じて、AIと黒人コミュニティの間にある格差を埋め、一般の人々に流される技術に関する誤情報を正す活動もしています。ブロックチェーンのときにも同じことを経験しましたが、今はAIでそれが起きています。テクノロジー業界に身を置いて30年になります。
Danielle Franklin： 2024年に設立したHumanity Plus AIの創業者兼マネージング・ディレクター、Danielle Franklinです。キャリアの大半を政府機関のエンジニアとして過ごしました。そこで文字を持たない言語を翻訳するという課題に取り組んだことがきっかけで、AIを使って犬の感情状態を文脈の中で理解し、犬に「声」を与えるDittle Corporationを立ち上げました。Humanity Plus AIのミッションはGatherVerseと完全に一致していて、Lynnさんと女性とAIについて話したときに強く共感しました。
Vasha： インドから参加しているVashaです。ビジネスとテクノロジー、AIの分野で25年の経験があります。現在はAIストラテジストとして、さまざまな組織や機関が拡大・継続できるAIプロダクトを構築できるよう、戦略とプロダクト変革を支援しています。また、女性や障害のある人々がAI競争の最前線に立てるよう、女性や障害当事者が率いるスタートアップの指導もしています。
Lynn： 私はケニアのナイロビにいます。ここは「シリコン・サバンナ」と呼ばれていますが、シリコンバレーとは状況がまったく違います。事前に調べたところ、Stanford AI Indexによれば、米国、とりわけシリコンバレーは、フロンティアモデルの開発と民間投資で依然として最も強い地域です。米国には5,427のデータセンターがあり、その多くがシリコンバレーに集中しています。シリコンバレーには研究大学、ベンチャーキャピタル、ハイパースケーラー、半導体企業、AIラボ、スタートアップが集積しています。では、それ以外の世界はどこにいるのでしょうか。皆さんがいる場所や業界で、AIは今どんな状況にありますか。Venanishiaさんからお願いします。
Venanishia Lachering： 業界の話に限らず、シリコンバレーの外で何が重要なのかをお話しします。アトランタでは、ヘルスケア、クリエイティブテック、HBCU（歴史的黒人大学）、コミュニティが交わる場所で、実際にAIが使われ始めています。ただ、ご指摘のとおり、シリコンバレーの外には資金もメディアの注目も集まりにくいのが現状です。私が注目している女性の一人、Casey Lauersさんは、AIを使って独立系クリエイターが自分のオーディエンスを理解し、きちんと収益を得られるよう支援しています。AIが人に取って代わるのではなく、人を支えるという使い方です。AIの価値をどの郵便番号から生まれたかで測る傾向がありますが、それでは実際に機能している取り組みのほとんどが見えなくなってしまいます。Doc Heroでの私の仕事も同じで、直接ケアに携わる介護職の人々をAIで置き換えるのではなく、より効果的に働けるようにすることを目指しています。こうした取り組みが全国ニュースになることはありませんが、人々の生活に毎日関わっています。最も重要なAIは、必ずしも最も派手なモデルではありません。人間の問題を解決する場所に最も近いAIなのです。
Lynn： 「最も重要なAIは派手なモデルではなく、たとえ一つのコミュニティのものであっても、人間の問題を解決するAIだ」という点は、後で改めて掘り下げたいと思います。Stephanie Cummingsさんはいかがですか。
Stephanie Cummings Carr： どこにいても、アクセスには乗り換え、構築し、統治する能力が伴っていなければならないと考えています。目指すべきは、世界的なテクノロジー企業から自らを切り離すことではありません。スキルやインフラ、競争上の選択肢、そして地域の知的財産がその土地に残るようなパートナーシップを交渉して勝ち取ることです。
Lynn： 米国が進めていることを止めることはできません。私たちにできるのは協力し、彼らを交渉のテーブルに招くことです。「交渉」という言葉が印象に残りました。Sylvesterさんはいかがですか。
Stephanie Sylvester： 米国を離れてみると、世界の他の地域の人々は、その世界観ゆえに、はるかに創造的でインパクトのあるAIの使い方を見つけていると感じます。今いる南アフリカでは、WhatsAppを通じたコミュニケーションにAIが活用されています。先日ケープタウンからヨハネスブルグへ移動した際、搭乗券の発行を含む搭乗手続きのすべてがWhatsAppで完結しました。アプリをダウンロードする必要も、紙を印刷する必要もありませんでした。WhatsAppはこの国で誰もが使えるツールなので、それを基盤にしたソリューションが数多く生まれています。ベリーズでは、AIにベリーズの先住民言語を話せるよう学習させ、ベリーズの歴史や、Googleの視点からは取るに足らないとされてしまうような、しかし地域社会に影響を与えてきた人々のアーカイブにアクセスできるようにしています。自らの手でAIを展開し、自国と文化を高め、守っていく動きが起きているのです。グローバルサウスの人々には、AIを最大限に活かせる創造性と工夫する力があり、とても期待しています。今の最大の課題は、AIは高価なものではなく、グローバルノースには決してできない方法でAIを使いこなす力が自分たちにあると、人々に納得してもらうことだと思います。
Lynn： ケープタウンの話が出たので、ケニアの状況も付け加えます。ケニアでも企業がWhatsAppでAIを使って顧客に返信していますし、フィンテックなどの金融機関では、顧客サービスの多くをAIが担うようになっています。しかも英語だけでなく、私たちが話すスワヒリ語や、さまざまな現地語に翻訳して対応しています。Vashaさんはいかがですか。
Vasha： インドでは、とりわけグローバルヘルスの分野で、国民が生み出すデータを守るためのAIガバナンスの取り組みが進んでいます。また、多言語AIへの取り組みも活発です。インドでは20以上の言語が話されていますが、既存のモデルが対応できるのは1つか2つ程度で、現地の事情はまったく異なります。そのため、データを国内にとどめるソブリンAIと多言語モデルに大きな注目が集まっています。農村部のヘルスケアでは、現地語による音声ファーストのAIが開発され、遠隔地や農村部の医療を前進させています。さらに、計算資源の分配でも良い取り組みがあります。政府が多くの業界と協議し、計算資源に補助金を出すことで、多くのスタートアップが生まれ、国全体、ひいては世界のためにその計算資源を活用して開発を進められるようにしています。
Lynn： インドの取り組みは、他の地域も見習う価値がありますね。Danielleさんは政府で働いてこられたので、その視点からお願いします。
Danielle Franklin： 政府がAIを取り入れる動きは、半ば強制されている面があると感じています。内部には関心を持つ人もいますが、導入の度合いはさまざまです。私はフロリダとワシントンDC周辺の両方で活動していますが、導入や活用の状況はまったく違います。また、子どもたちがAIをどう使い、どう捉えているか、導入をめぐる文化的な側面にも注目しています。はっきりと反対する人もいます。ガバナンスや管理の仕組みについて全員が理解するまでには、どうしても時間がかかるでしょう。政府は当初、AIを十分に理解できていないことへの恐れや、影響範囲の広さから、慎重にスタートしました。全面的に踏み込むことへの恐れがあったのです。それでも現在は、AI関連の政府調達案件が数多く出ています。技術を加速させる方針はあるものの、アクセスと統治という重要な原則を実現する能力が不足しているのが実情です。
2.2 民主化か集中か、恐怖か理解か
Lynn： 政府という重要な視点をいただきました。今週もトランプ政権が加速を推し進める一方で、スタートアップの側からは減速を求める声が上がっていて、両者の間には隔たりがあります。また、Danielleさんが指摘されたように、恐れを抱き、深く理解しようとする余力を持たない政府もあります。Aquariusさんはどうお考えですか。
Aquarius Maximus： 皮肉なことに、世界の民主主義の中心であるはずの米国にいながら、私たちは逆の方向に進んでいます。世界の他の地域はAIとテクノロジーの民主化へ向かっているのに、米国は企業による権威主義的な支配のもとで、AIとテクノロジーの集中へ向かっています。そのため、この国は今、非常に不安定で危険な時期にあります。AIへのアプローチが恐怖に駆動されているのは、そうした環境がつくられているからです。ただ、世界とつながっていれば、これが世界の標準ではないことがわかります。他の国々が目指しているのはこうした方向ではありません。これはあくまで今の米国が望んでいることなのです。ですから、ある種の戦場のような状況の中で、私たちは反逆者の役割を担い、民主化された形で構築を続けなければなりません。彼らが何を言い、何をしようと、最終的にはそちらに向かっていくからです。そうした構築では、個人や文化、医療の問題を解決するプロダクトをつくるだけでなく、政治の未来や、この惑星全体の未来についても考えなければなりません。そこに女性であることの強みがあると思います。私たちは物事を両面から、共同体的に、循環的に考えます。誰もがそう考えるとも言えますが、米国では特に、私たちは包摂という点で視野を狭めずに考えられるので、なおさら強みになります。ですから、これは単なる技術の問題ではありません。正直に言えば、『スター・ウォーズ』の反乱軍のような話なのです。
Lynn： 女性が持つ共感的な視点や、コミュニティ全体を見渡す視点の奥深さを示してくださいました。Kianaさんはいかがですか。
Kiana Bradshaw： Aquariusさんに全面的に賛成です。私たちはもっとテクノロジーに直接触れるべきです。たとえばBernie Sanders議員は超知能AIを禁止する法案をつくろうとしていますが、なぜそうするのか私には理解できません。ニュースでは「AIは10年以内に私たちを滅ぼす」といった話が流れていますが、恐怖を広めるのをやめて、このテクノロジーに慣れ親しみ、それがあらゆるコミュニティの構築や向上にどう役立つかを見ていく必要があります。テクノロジーをつくっておきながら使わないということはあり得ません。私が思い出すのは、自分たちの学生時代のパラダイムシフトです。当時は電卓を使っておらず、数学者でさえ「電卓は私たちを終わらせる」と言っていました。しかし今では大学でも当たり前のように電卓を使っていますし、AIも同じように使われていくはずです。AIへの理解を広め、コミュニティにとって不可欠で有益なものにしていく方が、禁止法案をつくるよりもはるかに良い結果をもたらします。私たちにはこのテクノロジーが必要で、自分たちのためだけでなく、他者の役に立つよう倫理的に使うことができるのです。
2.3 地域課題とデータの所有
Lynn： 倫理の話はいずれ独立して取り上げたいと思います。ここで少し話題を変えます。各地域で、どのような地域課題が女性たちを独自のAIソリューションづくりに向かわせているのでしょうか。私自身、アフリカの女性たちがAIを使って子宮筋腫や更年期などの病気への理解を広め、できるだけ簡単で身近な形で、多くの女性が症状を理解し備えられるようにしている例を見てきました。AIはその解決策の一部になっています。
Vasha： ヘルスケアについてはすでにお話ししましたが、人口が多く農村部を抱える国では、医療が多くの人に届いていません。そこで医療を届けるために多言語AIの開発が進んでいて、とりわけ乳がんを早期に発見する取り組みが勢いを増しています。もう一つ広がっているのが、AIを生計の手段にする取り組みです。インドのKiaという取り組みでは、女性たちがデータを作成していますが、そのデータを売るのではなく、自ら所有者となり、そのデータを使ってモデルを構築する企業のパートナーになっています。農村部の女性で、読み書きができない方であっても、音声ファーストの多言語AIを使うことで生計を立てられるようになり、さらに組織のパートナーにまでなっているのです。
Stephanie Cummings Carr： 女性は多くの場合、問題のすぐそばからAIを構築しています。まず目に入るのは、受診できなかった診療予約、言葉の壁、安全でないデジタル体験、融資から締め出される小規模事業者、タイムリーな情報を得られない農家といった問題です。問題に近いからこそ、より実用的で包摂的で、責任あるソリューションが生まれます。女性は作り手です。創業者として、研究者として、データの所有者として、政策立案者として、コミュニティによる検証者として、その場にいるべきです。それこそが女性の得意とすることです。
Lynn： 女性が自らのデータを所有するという点が、私にとってこのセッションのハイライトです。もっと多くの女性がそれを実践し、その方法を学んでいくことを期待しています。Aquariusさんはいかがですか。
Aquarius Maximus： まさにデータと研究が鍵です。私は長く研究に携わり、データを扱ってきましたが、AIがこれほど普及する前は作業がずっと遅く、ある分野ではあまり進展していないと感じることもありました。それが今はすっかり変わりました。私のクライアントの一人は卵巣がんの研究と啓発に取り組んでいます。一方、私自身は、オンライン上にほとんど存在しない文化のデータを収集するブラウザを開発しています。そうした文化の人々も自分たちのデータを所有できるべきですし、消えてしまってはいけません。データは人を消すことができるのです。私たちが危惧しているのは、文化や物事が消えていくのを許してしまうことです。人類全体として、私たちは今、非常に心が痛む段階に来ています。多くのものが消えつつあるのに、子どもたちはそれを知りません。関心がないのか、単に知らないのかはわかりませんが、まるで記憶を失っていくような現象が起きています。だからこそ私たちは、より多くのデータを集め、それを今の社会や今のデータに意味のある形で統合する方法を探しています。人々や文化、言語、精神的な伝統といった、人類にとって本当に大切なものが消されないようにするためです。今では私たち全員が、データの研究者であり保存者になっているのです。
2.4 AI定着の条件とシリコンバレーへの提言
Lynn： 「消えていく」という言葉は重く響きました。次の問いに移ります。言語、インフラ、教育、そして地域の政策は、コミュニティにおけるAIの成功にどう影響するのでしょうか。
Venanishia Lachering： 素晴らしいアイデアと、実際に機能する展開はまったく別物だと考えています。地球上で最も高度なAIをコミュニティに持ち込んでも、トレーニングが行われず、政策がそれに逆らえば定着しません。だからこそ私は、AIリテラシーと人材育成を重視しています。5年後にコミュニティが目を覚ましたら、誰も備えていないうちにAIが地域経済をすっかり作り変えていた、という事態は避けたいのです。本当のアクセスとは、ログインできることではありません。AIを使って何かを構築できるか、収入を得られるか、異議を唱えられるか、統治できるかということです。私は政府でも数年間働いていましたが、その経験から、下地が整っていなければ、導入こそが良いアイデアの墓場になるということを学びました。そして失敗すると、展開の仕方ではなくコミュニティが責められます。AIを消費する方法だけを教えれば、人々は顧客になる準備しかできません。私はコミュニティが参加者となり、最終的には所有者になれるよう準備したいのです。アトランタでは、Tech Equity Instituteを率いる女性たちが、人々を「AIに興味がある」段階から「AIを使いこなせる」段階へと導いていて、そうした下地がこれまでにない形で成果を見せ始めています。
Lynn： 人々を消費者として育ててはいけないという言葉が心に残りました。導入はアクセスにとどまらず、統治し、基礎から構築し、ともに成長し、改善を重ねていくものなのですね。Kianaさん、お願いします。
Kiana Bradshaw： 言語は非常に重要です。AIがコミュニティの言語を認識できないことが多く、これは大きな問題です。この問題に積極的に取り組んでいる国も多くありますが、AIはあらゆる人々の方言を理解してこそ、よりよく機能します。ですから、特定の背景を持つ人だけでなく、誰にでも当てはまるようAIを学習させなければなりません。そのためには、コミュニティとその方言だけでなく、使用するインフラも必要です。それは信頼できるものなのか、コミュニティ全体にどう役立つのかを考える必要があります。現在使われている技術の多くに偏りがあるのは、他のコミュニティを理解していない開発者がいるからです。彼らは他のコミュニティを理解するか、そのコミュニティの人々を迎え入れて、作り手になるよう後押しすべきです。テック業界は68％が男性で、しかもその多くは白人で、有色人種は多くありません。言語の面も含めて、AI技術をもっと包摂的にしていかなければ、一部の人のためではなく、すべての人のためのものにはなりません。
Stephanie Sylvester： 言語、インフラ、地域の政策がAIにどう影響するかは、ソリューションをどう構築するかにかかっています。私たちはAIソリューションを構築するとき、利用者と一緒に座り、共同で構築します。どこかに閉じこもって勝手につくるのではなく、ジャムセッションを開くのです。また、データボールトを使うことで、AIが使用するデータを利用者自身が検証し、把握できるようにしています。AIが何か問題を起こしても、どこに原因があったのかを簡単に監査できます。こうした管理の仕組みによって、体験はまったく違うものになりました。利用者とフロンティアモデルの間にデータボールト、言い換えればRAGを置くと、AIには事実確認済みの情報が与えられるようになります。さらに私たちは、プライバシーを守り、利用者が安心して自分を表現できるよう、やり取りが終わった時点で会話を削除しています。これはエンパワーメントの立場からの取り組みです。展開するソリューションが人々の尊厳を奪うのではなく、人々を高め、声を与えるものであるようにしたいのです。もう一つ大事なのは、AIの導入は「最新モデルを使おう」というほど単純ではないということです。「とりあえずAIで学習させよう」と言う人がいますが、私は「何を学習させるのですか、AIを使う目的は何ですか」と問いかけます。そのためにはロジックモデルが必要です。私たちはAIの議論に入る前に、成果、アウトプット、活動、インプットという順でロジックモデルを確認します。そのプロセスを通じて、人々は自分自身の素晴らしさに気づき、AIが自分を補完してくれるものだと理解します。それがエンパワーメントにつながり、私たちが想像もしなかった使い方が生まれていくのです。だからこそ私は、グローバルサウスがAI競争に勝つと言っています。グローバルサウスの人々は、国内での社会経済的な立場にかかわらず、生まれてからずっと工夫と創造性を求められる環境にいます。そのため、ツールを使う新しい方法を思いつくのです。一方、グローバルノースの人々は便利な生活に囲まれているせいで、創造性という脳の筋肉が衰えてしまっています。
Danielle Franklin： Stephanie Sylvesterさんに賛成です。人々がAIに対してある程度の主導権を持ち、何が入力されているのかを理解していれば、回答にハルシネーションが生じにくくなり、AIを相棒のように感じられるようになります。そのうえで私が付け加えたいのは、アクセスは今後もっと高価になるだろうということです。今は多くの人が、以前は使っていなかった重要なツールを低い料金で利用できていますが、他の商品と同じように、コストは需要によって決まっていきます。私たちがこうしたツールにますます依存するようになる中で、責任について、そして自分の人生のどこまでを自動化したいのか、それが何を意味するのかを問わなければなりません。何かがうまくいかなくなったとき、どうすればいいか理解しているでしょうか。人生の多くを自動化しすぎたら、人生とは何なのでしょうか。振り返ってみると、私はAIの手を借りるようになってから、しっかりとした論文を自分で書いていません。昔は学校で苦労しながら文章を書いたものですが、今では子どもたちも教師も、実際に学ぶためにはどんな課題が必要なのかと悩んでいます。人生への向き合い方そのものが変わりつつあるのです。ツールへのアクセスコストが人々のパフォーマンスを左右するようになり、お金があれば最も多くのものにアクセスできるでしょう。ただ、知識があれば、それ以上にうまくアクセスできるかもしれません。だからこそ、自分の手で取り組む作り手を呼び戻し、腕まくりをして、技術の議論から取り残されがちな女性たちのそばにいる必要があります。私の使命は、人々が教育とコミュニティ、ツールと知識にアクセスし、時代の中で生き抜いていけるようにすることです。
Lynn： アクセシビリティはGatherVerseの基準の一つですが、「アクセスは高価になる」という言葉には本当に考えさせられました。知識と資源へのアクセスを公平に行き渡らせることが、私たちの務めです。残り時間はわずかですが、最後に一つ伺います。シリコンバレーは、世界の他の地域でAIを構築している女性たちから何を学べるでしょうか。
Vasha： 3つ挙げます。1つ目は音声ファーストです。今は一部の人がAIで構築を進めていますが、本当のスケールは誰もが構築できるようになったときに起こります。そのためには誰もがアクセスできなければならず、アクセスするには理解できなければなりません。つまり、AIは現地の言語で、音声ファーストで提供される必要があります。そうすれば、あらゆる人が消費するだけでなく、自ら構築できるようになります。女性の多くは自分たちの課題を理解しているからこそ、そこに取り組めるのです。2つ目は信頼です。AIと大量のデータがあふれる中で、信頼は最も難しい課題の一つになっています。インドで開発されたArugia AIは、音声と現地語に加えて、プライバシーファーストを原則にしています。
Stephanie Cummings Carr： 私が強調したいのは代表性です。多様な民族の人々が同じテーブルにつき、意見を出すことで、世界中でAIの奥行きと価値が広がります。同じような顔ぶれだけの集団では、世界中の人々に役立ち得る多くの存在に目が届きません。代表性はチームの見た目のためではなく、問題解決の質を高めるために重要なのです。パートナーとして扱われたコミュニティは、洞察と信頼の源になり、持続的な導入につながります。そしてもう一つはガバナンスです。世界中でより良いガバナンスが必要です。ワシントンDC周辺の地方自治体でもその必要性を感じていますし、最近のニュースでは、AI業界のリーダーたちが、新しいツールの展開やAI導入を賢明に進めるために減速を強く求めていると報じられています。ルールや政策、トレーニングが整わないまま、これほどの速さで進み続けるのは非常に危険です。
Stephanie Sylvester： 女性がシリコンバレーに送るべきメッセージは、「合法であることが、倫理的・道徳的であることを意味するわけではない」ということです。AIの学習方法を考えるために、倫理や道徳の専門家を研究室に招くべきです。ひどい親から子どもを保護するのと同じように、AIに対しても同様の措置を考えるべきだと思います。
Aquarius Maximus： 他のすべての人に影響を与えるものを、その人々を巻き込まずにつくることはできません。だからこそ減速が重要なのです。これはつくっている本人だけに影響するものではありません。あまりにも多くの人々、世界中のあまりにも多くの文化の境界に踏み込むものです。そのレベルのものをつくりたいのであれば、何をしているのかについてチェック・アンド・バランスが必要です。
Lynn： 力強い締めくくりになりました。視聴者の皆さん、ぜひこのパネリストの方々をフォローし、つながり、支援してください。皆さん、ありがとうございました。
3. ファイヤーサイドチャット1：May Woods（聞き手：Christopher Lafayette）
3.1 計算生物学と女性のデータの完全性
Christopher Lafayette： 世界各地のリーダーがそれぞれの文化的な視点から現代のイノベーションを語ってくれた力強いラウンドテーブルに続いて、本日最初のファイヤーサイドチャットをお届けします。May Woodsさん、ようこそ。私はエマージングテクノロジストであり応用科学を学ぶ者として、研究室のベンチに立つ立場ではありませんが、長く科学を探究してきました。Mayさんは科学の分野で非常に深い経歴をお持ちです。まずはご経歴と現在のお仕事、そしてこの分野に進んだきっかけを教えてください。
May Woods： ありがとうございます。先ほどのLynnさんのラウンドテーブルは、AIの新たな普及が引き起こしている興味深い議論に満ちていて、とても面白く拝見しました。私はもともと数学者として出発しました。学部で数学を学び、その技能を使って科学の知識を応用数学へと落とし込んでいきました。その後、University College Londonで博士号を取得しました。専門は計算生物学で、中でもバイオメカニクスです。この博士課程が興味深かったのは、研究室での実験と理論研究の両方に取り組み、GPUや大型スーパーコンピュータを活用する計算モデルを書いていたことです。そうした計算資源は、今ではAIの生成モデルを動かすためによく使われています。
博士号取得後は、主に英国と米国で数年間研究を続け、その後は細胞・遺伝子治療の臨床側に移りました。そこではバイオインフォマティクスを担当し、臨床で使われる検体から得られるシーケンスデータの解析に取り組みました。この経験を通じて、新しい計算モデルの応用や、次々と届き、ますます大きくなっていくデータの処理を自動化する方法に強い関心を持つようになりました。生物学の分野では、今やテラバイト規模のデータセットが当たり前になっています。そうしたデータを管理し、意味を読み取り、文脈を与えるためには、コンピュータ・インフラを大幅に強化しなければなりません。現在の計算生物学における大きな課題の一つは、膨大な量のデータを生み出しながら、そのデータの文脈を保ち、データを保護し、アクセスや利用の際に適切な規制が適用されるようにすることです。そしてそれらはすべて、医療業界や生物学を前進させ、患者やそのデータに向き合うあらゆる人々の役に立つことを目的に行われています。
Christopher Lafayette： データの話になると、私は遊び場の子どものようにわくわくしてしまいます。Mayさんは機械学習や計算処理の背景をお持ちだと思います。今、展開されているデータセットを見ると、パラメータ規模は数十億から数兆へと拡大し、小規模モデルから基盤モデルへ、そしてTransformerアーキテクチャから、さらに巨大なデータ構造へと進んでいます。Astraや、おそらくFable Mythosに見られるような規模です。一方で、科学の世界では合成分子技術や、AlphaFold、AlphaProteoのようなプロジェクトも進んでいます。そこで私が真剣に考えたいのは、女性のデータのことです。モデルの学習やスケーリング、開発において、女性のデータを保存することは何を意味するのでしょうか。私が懸念しているのは、極めて男性中心の環境の中で、ファインチューニングや改良の過程で、女性のデータが男性によって解釈し直されてしまっていることです。女性が自らの健康、とりわけ解剖学的な領域に貢献しているデータの完全性を、どうすれば守れるのでしょうか。
May Woods： とても良い質問ですし、まさに今問うべきことだと思います。実は現在、多くの業界や研究機関でさえ、大規模データセットに基づく意思決定にAIをまだ使っていません。その理由の一つは、規制やAIの保証の仕組みが世界的にまだ確立されていないからです。だからこそ今は、AIが展開される前に、データが正しく管理されていることを確認するために必要なチェックをすべて整えておく好機だと考えています。多くの企業が、AI業界の加速を一時停止する、あるいは減速すると表明していますが、それはおそらく良い知らせです。私たちが使うモデルやAIのあらゆる応用が、データと計算生物学に取り組むグローバル社会として苦労して築き上げてきた規制と多様性を維持できるよう、その方法を定める時間ができたということだからです。
英国では現在、まさにこの点について研究を進めている機関がいくつもあります。British Standards Institution（BSI）は、AI保証の認定を開始したばかりです。これはISO/IEC 42001に基づく認証で、自組織のAIの利用について、その文脈を踏まえて明確に検討していることを示すものです。英国政府の立場は、少なくとも現時点では、AIは文脈に即して保証されるべきだというものです。AIといってもさまざまな種類があります。たとえば、新しいモデルをプログラミングする際にコード生成を手伝うような、機械学習による生成AIがあります。また、特定の属性の人々に関する情報を教えてくれるチャットボット型のAIもあります。どのタイプのAIを使うかによって、必要な規制は異なります。ですから、おっしゃるとおり、科学における女性をめぐる問題や女性の健康に関わる課題は、今後のAI政策に組み込まれていく必要があります。
3.2 科学と教育におけるAIの展望
Christopher Lafayette： モデルの開発と展開、とりわけエージェント型AIとの関わりの中で、女性のデータについてはまだ探究されていないことがたくさんあります。女性をエージェントとしてどう表現していくのか、その未来はどうなるのでしょうか。現在の軌道を見ると、「土曜日には減速すると言っていたのに、月曜日には考えを変えて、やはり減速しない」というように、状況は二転三転しています。それでも軌道上の点を外挿して曲線を描いてみるとしましょう。女性の健康、男性の健康、あらゆる人の健康に関わるデータについて、プラットフォームやプロトコル、アプリケーションの開発と展開が進む中で、この超大規模な拡大から、科学の分野では何を得られるのでしょうか。私の限られた視点から言えば、Mayさんは数学者ですし、数学はこれらのモデルが持つ最も驚くべき能力の一つです。汎化はそれほど得意ではありません。モラベックのパラドックスが示すように、AIにとって簡単なことは人間には難しく、人間にとって簡単なことはAIには難しいのですが、数学はAIの大きな強みです。科学とAIのこれからについて、喜びとともに期待していることはありますか。
May Woods： 私が期待しているのは、AIを通じて教育への理解と関心が広がることです。女性について考えると、教育へのアクセスの問題や、自分が見てもらえていない、声を聞いてもらえていないと感じる問題は、今も残っています。言語を生成するモデルとしてAIを使うと、多くの場合、平均的な像を返してきます。そこで、AIモデルが参照し発信する情報を、より協働的で、教育やキャリアの選択肢の多様性を後押しするものにしていけば、世界中の人々がそうした情報に触れられるようになります。地元のコミュニティでは孤立していると感じている人でも、ワールド・ワイド・ウェブやAIの生成モデルの広がりの中では、私たちがモデルに与える情報によって、歓迎されていると感じられるかもしれません。AIの展開のされ方によって教育がより身近なものになる、そういう方向に進んでいけることを願っています。
ここには2つの側面があると考えています。一つはAIそのものが、人々に力を与える手助けをできるかどうかです。もう一つは、AIを取り巻く企業の側面です。Anthropic、OpenAI、NVIDIAといった大手企業のことです。私もClaudeやCodexを使ってきましたが、これらのモデルの利用には障壁があることが少なくありません。サービスを使うには料金を払わなければならないのです。AIインフラを改善していくのであれば、こうしたツールを無料で学べる機会にもっと資金が投じられるとよいと思います。GatherVerseのようなイベントは、人々が参加して、AIとは何なのかを知る機会を与えてくれるので、とても素晴らしいと思います。
一方で、バイオテックがどのような道をたどるのかを今の時点で言い切るのは時期尚早です。現在、AIによる完全な自動化を試みている企業や研究機関のうち、成功しているのはおよそ15％にとどまっています。つまり、大手AI企業の外ではまだ導入が進んでいないのです。この状況がどう展開していくかが、将来の姿に大きく影響するでしょう。この割合が上がらなければ、20年後に自動化がどのような姿になっているかを予測するのは難しいと思います。
Christopher Lafayette： 科学と健康の分野で何に焦点を当てるべきかを考えると、製造、物流、防衛といった分野が大きく伸びています。Mayさんが挙げた教育は、それらすべてにまたがるものだと思います。そこで伺いたいのですが、Mayさんが教育について話されるとき、科学とAIの交差点に女性が足りておらず、彼女たちを教える教育者も足りていないという懸念があるのでしょうか。教育者の中には今もこの技術に抵抗を感じている人もいれば、この超大規模な進化についていくのに苦労している人もいます。世界中で視聴している方々に向けて、何か処方箋を示していただけますか。教育者を増やすべきなのか、それとも技術者が教育者をアップデートすべきなのでしょうか。
May Woods： 教育であれテクノロジーであれ、どの分野でAIの活用や展開を計画する場合でも、それをどう使い、どのように教育システムに利益をもたらすのかについて、明確な方針が必要です。そもそもAIを使う理由となる明確な成果がないのであれば、AIを使う必要はないのかもしれません。AIの利用には多面的な問題があります。一つは、ある人がAIを使って解決策を生み出しても、その解決策がどんな結果をもたらし得るのかを十分に理解していない場合です。そうなるとスキルの問題が生じます。AIは使えても、クラスの誰も理解できない解決策が出てきてしまい、その解決策がどれほど有用だったのかを測る手段もありません。ですから、どのAI製品であっても、それを検証し、その機械が意図された目的どおりに動いているかを確かめる人がいるべきだと考えています。
もう一つの問題は、学生がAIを使った場合に、教育者がAIによって生成された内容をどう評価するかです。AIがすべてを行ったのか、それともAIがタスクを助けるツールとして使われたのかを見分けるのは、特に難しいことです。教育においては、この区別を正しくつけることが極めて重要です。私たちは学生に批判的なフィードバックを与えたいのですが、そのためには学生がどのように学んでいるのかを正確に知る必要があります。AIがすべてをこなしてしまうと、それが非常に難しくなります。実際、エッセイの採点はすでにとても難しくなっています。
Christopher Lafayette： まさにそのとおりです。普遍的な検証の問題は、今や緊急の危機になりつつあります。何が展開され、何がつくられ、何が本物で、何が現実なのか。本来の状態なのか、主権は誰にあるのか。そうしたことすべてを確認し、検証しなければなりません。Mayさん、あなたはこの指数関数的に進むフロンティアの探究において、まさに先駆者です。GatherVerse Women's AI Summit 2026 Day 2にご参加いただき、本当にありがとうございました。視聴者の皆さん、ぜひMayさんとつながってください。またこうしたグローバルなコミュニティでご一緒できることを楽しみにしています。
May Woods： ありがとうございました、Christopherさん。
Christopher Lafayette： 次は、GatherVerseのSalvation Chigarokaが司会を務めるラウンドテーブルで、テーマは「すべての仕事が変わるとき、誰が準備できているのか」です。何か月も前から大きな関心を集めてきたテーマですので、ぜひご期待ください。
4. ラウンドテーブル2「Who Will Be Ready When Every Job Changes」（モデレーター：Salvation Chigaroka → Russell）
4.1 AIレディネスとは何か
Salvation Chigaroka： Day 2、2つ目のラウンドテーブルへようこそ。世界各地から素晴らしい女性リーダーと専門家の皆さんにお集まりいただきました。今回のテーマは「すべての仕事が変わるとき、誰が準備できているのか」です。私にとっても、パネリストの皆さんにとっても大切なテーマだと思います。私はGatherVerseのグローバル・プログラム・ディレクターを務めるSalvation Chigarokaで、ナイジェリアのラゴス島から参加しています。まずは皆さんに、お名前と参加されている場所、現在の取り組み、そして今日参加された理由をお話しいただきます。Doraさんからお願いします。
Dora： お招きいただきありがとうございます。今日はハネムーン中なので、旅先のパルマからスマートフォンで参加しています。この重要な議論に加われることをうれしく思います。
Joelle： オハイオ州コロンバスから参加しているJoelleです。GatherVerseのファンでしたが、登壇するのは今回が初めてです。私が率いるLeading Edgeは女性が経営するITコンサルティング会社で、エージェント型AI、デジタルトランスフォーメーション、カスタムソフトウェアを通じて、クライアントのビジネス課題の解決と目標達成を支援しています。このテーマは私にとっても会社全体にとっても情熱を注いでいる分野です。
Aloho： Alohoです。GatherVerseへの参加は2回目です。カナダの大西洋岸地域、ニューブランズウィック州セントジョンにいて、プロダクト開発のスペシャリストとしてカリキュラム設計や研究に携わっています。教育テクノロジー、つまりテクノロジーを使って学びをどう前進させるかに関心があり、同時にテクノロジーを使う人間の側にも関心を持っています。
Salvation Chigaroka： 私も学生時代にカリキュラム研究とテクノロジーを学んだので、教育テクノロジーには強い関心があります。お話を楽しみにしています。Alenaさん、お願いします。
Alena： 2回目の参加になります。自分のことを話すのはあまり得意ではありませんが、システムのエコシステム、マトリクス、量子AI、エージェント型AIの間を行き来しています。何より関心があるのは、AIが人類にどう貢献できるかということです。それで、この数か月はGatherVerseのそばで活動してきました。
Russell： Salvationさんはマイクのトラブルが続いているようなので、ここからは私が引き継ぎます。デジタルの世界ではよくあることですね。Kim Kellyさん、お願いします。
Kim Kelly： Aveniの創業者で講演者のKim Kellyです。キャリアを通じて、人とテクノロジーの両面からクライアントのビジネス課題の解決を支援してきました。ここ数年は、こうした変化の中で専門的なリーダーシップがどこへ導いていくべきか、未来を担う適切な人材をどう確保するかという議論が増えています。今回が初めての登壇ですが、次世代のリーダーを成功に向けてどう準備させるかという議論を楽しみにしています。
Russell： 改めて自己紹介すると、私はGatherVerseのエコシステム・ディレクター、Russellです。組織がAIシステムをよりよく理解し、検証し、責任を持って頼れるよう支援するJustVerifyの共同創業者でもあります。Naritaさん、お願いします。
Narita： インドのバンガロールから参加しているNaritaです。現在はUber AI Solutionsで働いています。生涯学び続けることを大切にしていて、テクノロジーの最先端に常に目を向けています。AIの世界では毎日新しい学びがあり、楽しみなことばかりです。
Nara： マサチューセッツ州ボストンから参加しているNaraです。ソフトウェアエンジニアリングの分野でリードソフトウェアエンジニアを務めていて、毎日AIと向き合って仕事をしています。
Russell： 紹介が前後してしまい失礼しました。では本題に入ります。最初の問いは、AIツールの使い方やプロンプトの書き方を知っていること以上に、AIレディネスとは何を意味するのか、です。Joelleさんからお願いします。
Joelle： AIレディネスは、プロンプトを書けることよりもはるかに多くのことを含んでいます。私はそれを判断力だと考えています。プロセスを理解し、入力を理解し、いつ検証すべきか、いつ上書きすべきかを知っていることです。読んだものをそのまま信じるのではなく、検証し、本物であることを確かめる必要があります。そして何より重要なのは、プロセスそのものを考え直すことです。正しいプロセスを整えることで、求めるデータを得られ、そのデータの完全性も確保できます。つまり、判断力を持ち、プロセス全体を理解していることで、アウトプットが本当に求めていたものになるのです。
Russell： 私も同感です。Alohoさんは、Joelleさんの考えに賛成ですか、それとも違う意見をお持ちですか。
Aloho： この問いへの答えは、問いを立てる人によって変わると思うので、Joelleさんが正しいか間違っているかは言えません。研究者の立場から、テクノロジー・レディネス指数というモデルを紹介したいと思います。このモデルでは4つの側面があり、それらは大きく動機要因と阻害要因の2つに分けられます。どんなテクノロジーであれ、それを受け入れる準備ができているかどうかは、その人にとっての動機要因と阻害要因が何かによって決まります。私はまずそこから、誰がテクノロジーへの準備ができているのかを見極めたいと考えています。
Russell： そうした観点は初めて聞きました。とても興味深いです。Joelleさん、付け加えたいことがありそうですね。
Joelle： バイアスや誤りを見抜くこと、機密情報を守ることも大切です。結局のところ、これらは目指す成果を得るために、プロセスを考え直す手助けをしてくれるツールなのです。
Russell： 私たちが以前開催したWomen's Health Summitでも、医療分野で女性のデータが欠落していること、その重要性、そして女性がAIにもっと関わる必要性について大きな議論がありました。それが今回Women's AI Summitを開いている理由でもあります。
4.2 残るスキルと再教育の責任
Russell： 次の問いです。Naritaさん、AIツールの能力がますます高まる中で、今後も価値を持ち続けるスキルは何でしょうか。
Narita： 非常に重要な問いです。AIの能力が日々高まる中で重要になるのは、人間の判断力です。特に、AIに何ができて何ができないかというガードレールに関わる判断です。あらゆるAIモデルに、公平性、説明責任、透明性、倫理という要素が、ワークフロー全体のすべての接点に組み込まれていることを確保しなければなりません。AIは今、人間の介入なしに自ら再帰的に学習する時代に入りつつあります。ですから、リーダーやフロントエンドのエンジニアとしてモデルを学習させる際には、こうしたガードレールを設けることが極めて重要です。企業レベルではなおさらで、AIが触れてはならない機微な領域と、AIに任せてよい領域を明確に理解しておく必要があります。AIによって実行がとても簡単になるほど、判断力の重要性は増していきます。
Russell： 判断に加えて、その判断の根拠を示すことも同じくらい重要だと思います。好奇心を持ち続けることも付け加えたいですね。Kimさんはいかがですか。
Kim Kelly： 私も3つあると考えています。一つはRussellさんが挙げた好奇心で、残りはキュレーションとコミュニケーションです。どれも人間ならではのスキルです。クライアントやリーダーと話していて興味深いのは、こうしたツールを最もうまく使いこなす人の中に、一般的には技術系とは見なされない経歴の人が多いことです。文章を書く人、俳優、音楽家などです。彼らは常に別のやり方を探しているからです。方法は一つではなく、3つ、4つとあります。これはNaritaさんが話したガードレールにも通じます。好奇心とキュレーションがあれば、AIから回答が返ってきたときに、それは筋が通っているか、安全か、自分が求める解決策のために使い、他の人に伝えられるものかを問い直すことができます。
Russell： Alenaさん、次の問いです。労働者の再教育について、主な責任を負うべきなのは、雇用主、政府、学校、個人のうち誰でしょうか。
Alena： 物事を細かく分解して考えるチャンキングダウンの視点で考えると、判断しやすくなると思います。雇用主が主導すべきなのは、生産性の向上による利益を得る立場にあり、ワークフローの綻びにいち早く気づくからです。一方、政府は最低限の基盤を整え、レディネスが一部の人だけの贅沢にならないようにすべきです。学校は固定化したカタログではなく、迅速でモジュール化された学びを提供し、個人は実践しなければなりません。そうでなければ何も身につきません。重心は雇用主にあり、それを公的なインフラが支えるべきです。そうすれば、小規模企業やインフォーマルな労働者がモデル展開の枠組みから取り残されることもありません。私は一人のヒーローや、大きな変革の担い手を探すのではなく、誰が最初に綻びに気づき、誰がその修繕に資金を出せるのかを見ます。
Russell： 誰の責任かについては、政府だという人もいれば、この混乱を引き起こしているAI企業自身だという人もいますし、個人の問題だという人もいます。本当に幅広い見方があって、誰が正しいのか、それとも全員が間違っているのかわかりません。将来の経済ではお金がまったく必要なくなるかもしれないという話もあれば、暗号資産の話もあります。Alenaさん個人としては、誰が主な責任を負うべきだとお考えですか。
Alena： 集合体です、Russellさん。私たちは二元的な世界に生きていますが、私は二元論的な考え方からは離れています。お金についても、今はさまざまな形の通貨があります。エネルギーも通貨になり得ますし、データも通貨になり得ます。ですから心配はしていません。大切なのは、現実を認識したうえで道筋を設計することです。
Nara： Alenaさんの考えに加えると、私もこれは共同の責任だと考えています。個人としては、毎日学ぶことが働くうえでの第一の責任です。常に最新の情報を追い、テクノロジーとともに進化していく必要があります。毎日のように新しいAIモデルが市場に出てくるので、そのすべてについていけるとは思いません。それでも、その背後にある本質的な重要性は理解できます。ですから、批判的思考や問題解決の力を伸ばしていくべきです。今はインターネット上に、スキルを磨くための良い教材がたくさんあり、私も毎日参照しています。組織で働いているなら、組織がどこへ向かっているのかを学び、理解し、その方向に合わせてスキルを磨くことも共同の責任だと思います。
Russell： 他国のことは言えませんが、英国ではもっと若い世代のAIスキル教育に力を入れてほしいと思っています。私の姪は2人とも中等学校に通っていて、11歳と14歳くらいです。まさに最も重要な10代の時期なのに、学校ではAIのスキルを教わっていません。Naraさんが言うように、YouTubeなどで自分から学びに行くしかないのです。
Nara： 毎日学ぶという姿勢は学校で教わったことです。それを一生続けて、自分自身をスキルアップさせていけばよいのだと思います。
Russell： Doraさん、教育プログラムは、職場で起きている変化に見合うだけの速さで更新していけるのでしょうか。
Dora： とても難しい問いです。私自身AIトレーナーとして活動していますが、あらゆるものが変わり続ける中で技術に追いつくのがどれほど大変かを実感しています。フルタイムでこの仕事をしていても、追いかけるべきものすべてに目を通す時間はありません。ですから、従業員を教育し、社内で使う技術について常に最新の状態を保ちたい企業には、社内でAIチャンピオンを見つけて育成するよう必ず勧めています。AIチャンピオンとは、AIの動向を追い、周囲を教育することを主な役割とする人たちです。私がAIコンサルタントやトレーナーとして企業に入るときは、まず従業員向けのトレーニングを行い、そのうえでチャンピオンとなる人たちを選びます。彼らには、この勢いをどう保つかを教え、継続的な学習と改善のプログラムを提供するフレームワークを自ら考えてもらいます。多くの企業に今も欠けているのは、こうした社内の専門家です。AIを追いかけ、全員に情報を届け、教育することだけに時間を使える人が、大きな助けになります。
Russell： それはまさに組織に必要なことです。だからこそ最高AI責任者やAI責任者、最高イノベーション責任者といった役職が重要なのだと思います。自分自身が最新の状態を保ちながら、同時に他の全員を教育するのは本当に難しく、二重の仕事になりますから。
4.3 中堅女性と現場労働者を守る仕組み
Russell： 次の問いです。企業が新たなAI要件を導入する中で、中堅キャリアの女性が脇に追いやられないようにするには、何が必要でしょうか。Joelleさん、お願いします。
Joelle： これはIT業界の女性が特に苦労してきたことです。私はIT業界に36年いますが、メインフレームからクラウドへの移行やY2K対応など、業界の大きな変化のたびに同じことを見てきました。女性にとって最大の課題は、可視性とアクセスです。新しいツールが導入される場にいること、さらに言えば、どのツールを導入するかを決める場にいることです。そのためには、まず現場の労働者から始める必要があります。解決すべき問題を本当に理解しなければ、折れた脚に絆創膏を貼るようなことになってしまいます。この36年間、ITによる解決策はずっとそうした対処を繰り返してきました。何を解決しようとしているのかを本当に理解することで、求める成果にたどり着けます。私自身は、常にそのプロセスの最初の段階に関わるようにしてきました。女性に必要なのは、姿を見せ、声をかけやすい存在であること、そして「私には意見がある」「最初に学ぶメンバーに加わりたい」と臆せず言うことです。
Aloho： まず、中堅キャリアの女性の特徴を挙げたいと思います。彼女たちは経験を積んでいて、仕事そのものについての深い知識と文脈を持っています。これはどんなテクノロジーにも勝る強みです。また、人生のこの段階では、自分の価値観に合ったキャリアを選ぶ傾向があります。ここにも彼女たちが貢献できる領域があります。つまり、テクノロジーを人間らしくすることです。テクノロジーがより人間的になり、組織に溶け込むよう手助けすることこそ、私たちの強みであり、脇に追いやられないための拠り所だと考えています。
Russell： 女性がAIに教えるという逆の方向も大切だと思います。キャリアの中で、そして企業や組織の中で実際に経験してきたことを活かせるからです。
Aloho： Joelleさんのように30年以上の経験は、どんなテクノロジーからも得られません。先ほど従業員教育の話で出た同僚同士の教え合いも、テクノロジーには提供できないものです。人間は同僚を理解し、教えることができます。表情や声のトーンなど、あらゆるものから相手を理解できますが、テクノロジーにはそれができません。それが私たちの強みであり、簡単には脇に追いやられない理由です。とはいえ、せめぎ合いにはなるでしょう。
Russell： Alohoさんには、私のAIスロップを送ろうと思っていたのですが、やめておきます。次の問いに移ります。Naritaさん、現場の労働者をトレーニングや人材計画にどう巻き込むべきでしょうか。
Narita： 業界全体がAIによる生産性向上を示そうと急いでいる中で、意思決定はほとんどがトップダウンで行われています。上層部の誰かが、この部門に投資しようと決めるのです。現場の労働者に、それが本当に解決すべき問題なのかを確かめることもありません。私は、ここを変えることが最も大きな効果を生むと考えています。決定が下されてから「こう決まりました」と伝えるのではなく、意思決定の段階から現場の人々を巻き込むべきです。私自身、その両方の立場を経験してきました。リーダーから降りてきた施策を、これは解決すべき問題ではない、そもそも大きな問題ではなく影響もさほどないとわかっていながら実行しなければならなかったことがあります。業界の他社がやっているように見えるから、という理由だけで進められていたのです。そうした考え方と、「これだけの予算があります。チームでブレインストーミングをして、生産性やコスト削減など、どの指標でも最大の効果を生む問題を決め、ボトムアップで移行全体を主導してください」という進め方は、まったく異なります。意思決定の前に人々を巻き込むことが正しい道だと思います。
Russell： 私も同じ考えです。企業で何かを決めるときは、AIも含めて適切な専門家をテーブルにつかせる必要があります。Joelleさんの検証の話に戻りますが、X、Y、Zという決定を下す前に、その決定を裏づける証拠を確かめるべきです。Kimさんはいかがですか。
Kim Kelly： 役員室で下された決定は必ず失敗するという点で、私はNaritaさんと完全に同じ意見です。付け加えたいのは、Naritaさんが指摘した障害は、AIの問題ではないということです。これはシステム的な、リーダーシップと組織の問題です。AIがあまりにも速く進むために、それが悪化して見えているにすぎません。システムはずっと前からこうだったのです。「皆がこれを求めていたはずなのに、なぜ誰も使っていないのか」という導入プロジェクトに関わったことがある人は多いでしょう。私のキャリアはずっとそうでしたし、皆さんがうなずいているのを見ると、皆さんのキャリアもそうだったのだと思います。つまり、産業化の時代から今の新しい時代に至るまで、私たちがやってきたことはうまくいっていなかったということです。本当に変わりたいのであれば、リーダーシップのあり方を見直さなければなりません。仕事が行われている現場、最前線やデスクから主導し、そこで働く人々に主体性と自律性を与えて、貢献できるようにする必要があります。
4.4 学位を超えた能力証明と心理的な壁
Russell： 「貢献するための主体性と自律性」という言葉は核心を突いていますね。次の問いです。Alenaさん、高額な学位や正式な認定資格がなくても、AIレディネスを示すことはできるのでしょうか。私はできると思いますが、Alenaさんの考えに影響を与えるつもりはありません。
Alena： 自律性と言えば、私は2003年の初めから人を教える仕事をしてきたので、Russellさんのご意見に影響されてしまうかもしれません。今ではワークショップやウェビナー、カンファレンスなど、新しい学び方がたくさんあります。私の答えは「はい」です。少なくとも今の時点では、高額な学位や正式な認定資格がなくてもAIレディネスは示せます。ただ、これは主観的な意見です。私は国際的な講座プログラムに関わっているので、内部の事情から、この状況が将来変わっていくことを知っています。それでも今の時点では、修了証が示すのは、講座の受講料を払って修了したということだけです。レディネスは仕事の中に表れます。実際のタスクについて、モデルを使う前と後を比べて見せる方が、ロゴ一つよりもずっと確かな証明になります。何を確認し、何が間違っていたのかがわかるので、その人がどう仕事をしているのかを見るには効果的です。資格は信頼をより早く築く助けにはなりますが、少なくともしばらくの間は、それが唯一の入り口であるべきではありません。システムを使ったのであれば、評価すべきはアウトプットであり、結果がどうよくなっていくかを見る必要があります。それこそがAIレディネスです。バッジではなく、その人が何をできるのかという能力を見るべきです。私も誰かと仕事をするときは、講座を受けたという証書ではなく、実際のタスクでの証明を求めます。私自身もAnthropicの修了証などを持っていますが、それは25年前の大学時代にはこうした内容がなかったので、その情報が必要だったからです。
Russell： 私からも一つ、AIレディネスや知識を確かめる良い方法を付け加えます。AIを取り上げることです。電話もパソコンも、どんな機器も持たずに部屋に入ってもらい、自分の頭だけで向かい合って、どうやってAIで私を手伝えるのかを話してもらったり、AIについて質問してもらったりします。面接とまではいかなくても、頭一つで一対一で話してもらえば、その人が本当に理解しているのか、画面上のAIの文章を読んでいるだけなのかがわかります。Naraさんはいかがですか。
Nara： Alenaさんに賛成です。スキルを示すのに高額な学位は必要ありません。実際の問題を解決したこと、そのためにどうアプローチし、どう解決策を実装したのかを示せれば、それで十分です。最も大切なのは結果です。答えやアウトプットを得るために必死に勉強しなければならないとは思いません。むしろ、自分の頭、ドメイン知識、批判的思考、問題解決の仕方こそが本当の力を育てます。学位は、この章を読み、こう解くべきだと教えるだけです。どう問題にアプローチするかは、その人自身にしか決められません。実際に問題を解決した経験があれば、すでにスキルは身についていて、それを活かしてAIによりよいプロンプトを与えることもできます。
Russell： 素晴らしい考えです。Naraさんもきっとたくさんの YouTube 動画で学んできたのでしょうね。私も同じですし、ここにいる全員がそうだと思います。残り5分になりました。最後の問いはDoraさんにお願いします。女性がトレーニングやソフトウェア、コンピュータ資源、専門家のネットワークにアクセスするのを妨げている障壁は何でしょうか。
Dora： 私の経験では、最も大きいのは心理的な障壁です。多くの女性は、自分は技術的ではない、経験が足りない、教育が足りないと考え、この新しい技術革命の最前線に立つべき人間ではないと思い込んでいます。特に技術系の経歴を持たない女性にその傾向があります。2022年にChatGPTが登場したときの私自身もそうでした。企業の中でこうした変革をすでに主導できるはずの女性たちが、あまりに謙虚すぎるのをよく目にします。これは技術的なことだから男性のものだ、自分には関係ないと考えてしまうのです。カンファレンスでも同じ傾向があります。AIをテーマにした大きなカンファレンスでは女性が選ばれることが少なく、私の知る多くのカンファレンスでは基調講演者のほとんどが男性です。だからこそ、GatherVerseが女性だけを招いているのは素晴らしいことだと思います。私が女性たちと話すとき、そして数年前の自分を振り返っても、最も必要な変化は頭の中にあると感じます。先ほどの議論のように、技術的な経歴や高額な学位がなくても、私たちは最前線に立てると考え始めることです。これは新しい分野で、誰もがまだ初心者です。だからこそ私たちも飛び込めます。自分がすでに持っている専門性とAIの専門性を組み合わせれば、リードする立場にもなれます。AIを使いこなすには、コミュニケーションのスキルが求められます。多くの場合、それほど技術的なことではなく、むしろコミュニケーションが中心です。そして女性は一般に優れたコミュニケーターです。ですから、すべての女性に、「私にもできる、もちろんできる。なぜ私ではいけないのか」と考え始めてほしいと思います。
Russell： Doraさん、ありがとうございました。パネリストの皆さん、そしてここまでのWomen's AI Summitに関わってくださったすべての女性の皆さんに感謝します。視聴者の皆さん、ぜひJoelleさん、Alohoさん、Naritaさん、Doraさん、Naraさん、Alenaさん、KimさんをLinkedInでフォローしてください。次は、LynnとAndreaさんによる「グローバルAIガバナンスにおける女性の影響」をテーマにしたファイヤーサイドチャットです。ありがとうございました。
5. ファイヤーサイドチャット2：Andrea Marshall Webb「グローバルAIガバナンスにおける女性の影響」（聞き手：Lynn）
5.1 多様な視点が強くするガバナンス
Lynn： GatherVerse Women's AI Summit 2026 Day 2、2つ目のファイヤーサイドチャットへようこそ。今日はAndrea Marshall Webbさんをお迎えしています。お会いできて光栄です。まずは自己紹介と、今日参加された理由を教えてください。
Andrea Marshall Webb： ありがとうございます、Lynnさん。私はGlobal Council for Responsible AIの英国ガバナーを務めるAndrea Marshall Webbです。テクノロジー・コンサルティング会社Crederaのマネージング・ディレクターでもあります。約30年にわたってマネジメント・コンサルタントとして働き、キャリアを通じてテクノロジーと変革のさまざまな局面に立ち会ってきました。専門は戦略、オペレーティングモデル、大規模な変革で、公共部門にも力を入れています。とりわけ関心を持っているのがAIガバナンスで、女性としてそこにどう影響を与えられるかは、今の私にとって最も重要なテーマです。
Lynn： Andreaさんはガバナンスの分野で豊富な経験をお持ちです。これまでのセッションでは、米国や英国を含む各地域のガバナンスについて議論してきました。ここでは世界中の女性に焦点を当てたいと思います。出身地にかかわらず、女性はグローバルなAIの議論にどのような独自の視点をもたらすのでしょうか。また、一人ひとりはどうすれば参加できるのでしょうか。
Andrea Marshall Webb： とても良い質問です。私は幸運にも、7月初めに国連のAIガバナンスに関するイベントに参加しました。そこで、視点がこれほど多様であることに改めて気づかされました。世界の女性の経験は、国、障害の有無、年齢、収入、教育、テクノロジーへのアクセスなどによって大きく異なります。今いる英国や出身地の米国では、こうしたことを当たり前だと思いがちです。しかし、こうした要素は世界中の女性に影響を与えていて、その経験の違いがAIの統治のあり方にも影響します。問われる問いそのものが変わるのです。似た背景を持つ人々の集団では、その問題に一度も出会ったことがないために、システムに潜む前提の誤りを見落としてしまうことがあります。そこにグローバルな視点を取り入れることで、AIの開発はより強く、より明確なものになり、ガバナンスの面でも正しい問いを立てられるようになります。
私自身の例をお話しします。私はニューロダイバージェントであることを公にしていて、障害者のインクルージョンに関わる仕事を多くしています。私にとって重要なのは、「このシステムは誰のために機能しているのか」「誰を排除する可能性があるのか」「アクセシブルなのか」「誤りがあったときに異議を申し立てられるのか」と問うことです。これらの問いは、AIガバナンスを構築するときに最初から問われなければなりません。そして、オペレーティングモデルに初めから組み込まれている必要があります。そうすることで、多様でグローバルな視点をAIガバナンスに確実に取り入れられるのです。
Lynn： 正しい問いを立てれば、正しい問題を解決できます。ただ、私がどうしても悩んでしまうのは、企業が正しい問いを立てたとしても、草の根にいる一人ひとりの女性にどう届き、彼女たちが持つ情報や知識をどう引き出し、ともに構築していけるのかという点です。そもそもそれは可能なのでしょうか。
Andrea Marshall Webb： とても大切な問いです。私はインクルージョンやリーダーシップにおける女性の問題に数多く取り組んできました。テクノロジー業界には女性が少ないので、これは私が強い思いを持っているテーマです。私は、テクノロジーやAIから始めるべきではないと考えています。まず組織を全体として見る必要があります。インクルーシブな組織であれば、そこで開発されるシステムやプロセス、ワークフローもインクルーシブなものになる可能性が高く、最初から正しい問いが立てられるでしょう。難しいのは、インクルーシブではない組織の中で、AIや、AIが使うワークフローをインクルーシブに構築しようとする場合です。その方がはるかに困難です。ですから私は、AIそのものを見る前に、一段上の視点から、その組織がインクルーシブな形で設計されているかを確認するようにしています。そうなっていれば、ずっと進めやすくなります。そうでなければ不可能だというわけではありませんが、AIで何をするかとは少し違う問題に光が当たるのだと思います。
5.2 AIガバナンスへの参加の道筋
Lynn： そのギャップの存在と、それを埋める可能性が見えてきました。Andreaさんは、この分野に女性がとても少ないと指摘されました。さまざまな地域やコミュニティの女性、さらには若い世代が、グローバルなAIガバナンスにもっと参加するにはどうすればよいでしょうか。
Andrea Marshall Webb： グローバルなAIガバナンスは、ここ数年で生まれた比較的新しいテーマです。前のパネルでも、多くの人にとってまだ新しい分野に女性がどう関わるかが話題になっていましたね。まず必要なのは、参加への道筋を見えるようにすることです。すでにAIガバナンスに関わっている人は、多様な視点を取り入れたいと考えているはずですが、問題は、そうした機会があること自体が知られていないことです。LinkedInの投稿を見て、どうすれば自分も関われるのだろうと思う人もいるでしょう。AIガバナンスに携わる立場にいる人は、LinkedInで意見募集や参加の呼びかけを行い、誰が応募できるのか、締め切りはいつなのかを明確に示すとよいと思います。そうすれば、より多くの人を巻き込めるはずです。
国際的なイベントに参加する機会があれば、国境を越えて人とつながることも大切です。ジュネーブにいたとき、世界中から集まった女性たちと話し、出身地は違っても共通する課題が多いことに気づけたのは、とてもうれしい経験でした。そうした女性たちとの間には共通の目的意識が生まれますし、その後もつながりを保ち続けることでネットワークが築かれていきます。
さらに、具体的な形で貢献してみることです。意見募集への回答、分析、事例研究の作成など何でも構いませんし、こうしたネットワークを通じてワーキンググループに参加することもできます。最初からシニアな立場である必要はありません。まずはAIガバナンスについて、自分なりの考えを発信し始めればよいのです。
そして、後に続く人のために扉を開けておくことです。これはAIガバナンスに限らず、私が強く信じていることです。自分で扉を叩き壊して道を開いたのなら、シニアな立場に立った女性として、後から来る人たちのためにその扉を押さえておかなければなりません。これはAIガバナンスにも、テクノロジー分野のリーダーシップのさまざまな場面にも当てはまります。
前のセッションでも話題になっていましたが、技術的な専門性以外の価値も認識すべきです。私はコンピュータ科学者でも技術者でもありません。MBAを持ち、キャリアを通じて変革と行政に携わってきました。それでも学ぶことはできます。好奇心を持ち、学び続ければよいのです。遅すぎるということは決してありません。AIガバナンス、そしてAI全般には、法律、教育、公共サービスなどの経験を持つ人々が必要です。そうしたさまざまな視点がAIガバナンスには欠かせません。そうでなければ、AIは大多数の人々にとって使いにくいものとして開発されてしまうでしょう。
Lynn： 私もメモを取りながら伺っていました。視聴している多くの女性も、好奇心を持ってメモを取っていると思います。Andreaさんは国連の会合に参加され、スイスにも行かれ、多くの大規模な会議で国際機関と関わってこられました。その経験から、国際機関は女性がAIの政策やガバナンスに参加する機会を増やすために何ができるとお考えですか。
Andrea Marshall Webb： 国連の会合では、この分野で活動している組織や女性のグループが、私が存在すら知らなかったほど数多くあることに驚きました。私はそうした場に触れる機会に恵まれましたが、すぐにわかったのは、そうした人々とつながるための手段はすべてLinkedInにあるということです。国連、欧州連合、欧州委員会、WTOなどの国際機関は、いずれも誰でも参加できるワーキンググループを持っています。
そこでできることは2つあります。一つは、情報に目を配ることです。LinkedInのアルゴリズムはとても興味深く、この種の情報を探し始めると、すぐにフィードにも関連する情報が表示されるようになります。もう一つは、自分が興味を持つ活動をしている人がいれば、直接連絡を取り、どうやって関わるようになったのかを尋ねてみることです。少し調べてみるのもよいでしょう。たとえば、AIと障害に関心があるなら、国連にそのテーマのワーキンググループがあるかを探してみるのです。関われる機会が驚くほどたくさんあることに気づくはずです。多くは報酬のない機会ですが、人とつながり、ネットワークを築き、自分の考えを深め、自分の思い込みを問い直す機会を与えてくれます。
前のパネルでも話が出ていましたが、今この分野に本当の専門家はいません。誰もがネットワークや対話を通じて専門性を築いている途中なのです。すべての答えを知らなくても恐れる必要はありません。もし誰かがすべての答えを知っていると言ったとしても、それは違います。大切なのは、Lynnさんが言ったように好奇心を持ち続け、問いを投げかけ、扉を開けてほしいと人に頼むことです。最悪の場合でも断られるだけで、何も失うものはありません。そして、もし受け入れてもらえたら、その「はい」が次の素晴らしい機会につながるかもしれません。ですから、遠慮せずに頼んでみてください。
5.3 次世代の女性へのメッセージ
Lynn： 私たち大人でさえ、自分たちがどこに向かっているのかを本当にはわかっていません。ここはフロンティアであり、ともに探究していけばよいのだと思います。そのうえで、次世代の女性がグローバルなAIガバナンスや国際的な政策を理解するには、今どのように自分を位置づければよいのでしょうか。そこにたどり着くには何が必要ですか。
Andrea Marshall Webb： これは私にとって、とても身近なテーマです。私には20歳と16歳の娘と13歳の息子がいて、私がAIの話ばかりするので、子どもたちはうんざりしています。それでもこれは本当に重要なことです。私はいつも子どもたちに、AIについてすべてを知ったと感じるまで待たずに、貢献し始めるよう伝えています。私たちには誰にでも主体性があります。学べることを学び、できる対話をする主体性です。情報はあふれていて圧倒されることもありますが、必要な情報は手の届くところにあります。専門家である必要はありません。自分のアイデアを形にしてみればよいのです。アプリやアプリケーションのつくり方を学びたければ、そのための手段はすべて揃っています。
私が強く信じているのは、実験の大切さです。人々にAIをより効果的に使ってもらい、組織にAIをより効果的に導入してもらうには、安全な環境で実際に使って練習してもらう必要があります。若い人たちの多くは、まだそうした環境にいます。大きな影響を及ぼすような重大な失敗をする立場にはないので、恐れずに実験してほしいと思います。前のセッションでも話が出ていたように、無料でアクセスして学べるものがたくさんあります。
そうした取り組みを行う団体に参加するのもよいでしょう。英国にはTeens in AIという団体があり、AI for Goodをテーマにしたインキュベーターを運営しています。国連のSDGsの目標を一つ10代の若者たちに渡し、テクノロジーとAIを使ってそれをどう解決するかを考えさせるのです。すると、AIという言葉の意味すらよくわかっていなかった子どもたちが、アプリをつくり、組織の創業者になっていきます。本当に素晴らしい取り組みで、自信を育てるうえでも大きな意味があります。
また、分野を越えて、そして国を越えて関係を築き、それを保ち続けてほしいと思います。世界はますますつながっていて、私が16歳だった頃には存在しなかったつながりが、今では当たり前になっています。それはこれまで以上に重要です。私の娘がケニアに住む同じ関心を持つ友人とつながっているのは、ごく自然なことです。これは私たちが手にしている素晴らしいことの一つです。AIに関わる女性の力を高めるだけでなく、世界全体で何が大切なのか、私たちの価値観は何なのかという相互理解を深めることにもつながるからです。それは良い結果しかもたらさないと思います。
最後に、自分自身の判断力を保ち続けてほしいと思います。AIが生み出したものを受け取ったときにも、主体性を持って問いを投げかけ、異議を唱え、それを最終的な答えとして必ずしも受け入れないことです。可能な限り、システムに対して押し返してください。それこそが、少なくともこれからの3、4年、私たち全員を安全で安定した状態に保ってくれるものだと思います。常にシステムに問いを投げかけ続けてください。
Lynn： Andreaさん、今日のお話を改めてかみしめたいと思います。視聴者の皆さんにとっても、非常に意義深い時間になったはずです。Andreaさんは多くの女性のために扉を開いてくださる方なので、ぜひつながってください。本当に貴重な時間をありがとうございました。
Andrea Marshall Webb： 皆さん、本当にありがとうございました。
6. ラウンドテーブル3「Whose Knowledge Counts in AI」（モデレーター：Russell）
6.1 データセットから抜け落ちる知識
Russell： Day 2のラウンドテーブル「AIにおいて、誰の知識が重視されるのか」へようこそ。まずはパネリストの皆さんに自己紹介をお願いします。音声トラブルが続いてピカデリー・サーカスのような慌ただしさですが、Dr. Jeanさん、助けてください。
Dr. Jean： お招きいただきありがとうございます。何人かのパネリストとは数日前から舞台裏で話をしてきました。私は応用機械学習の研究者出身のAIストラテジストで、オーダーメイドのテクノロジーを開発するOurs Technologiesの創業者です。2018年からAI教育にも取り組んでいます。リーダーたちと一緒に、組織のどこでAIが意味を持つのか、そもそもAIが必要なのかを見極める仕事をしています。私たちが特に関心を持っているのは、テクノロジーと人、そして組織を機能させている知識の交わる領域です。
Wambui： Wambuiです。AIの学習と導入を専門とするストラテジストで、テキサス州ダラスを拠点とするNeural Den LLCの創業者です。今は短い休暇でケニアに来ています。Neural Denでは、組織がAIを知っている段階から一歩先へ進めるよう支援しています。たとえば、AIツールを導入してから60日後に、従業員や組織はそれを使って実際に何をしているのか、ということです。私の専門はインストラクショナルデザインで、AIとクラウド技術にも携わってきました。行動変容や成人学習者に向き合い、ツールの初期導入の後に何が起きるのかを理解しようとしてきました。今日参加したのは、AIが技術だけの話ではないと伝えたいからです。多くの人が「自分は技術に詳しくない」と言いますが、この分野に関わるのに技術者である必要はありません。
Anu Navin Sharma： スマートフォンから参加しているAnu Navin Sharmaです。技術トラブルで失礼しました。戦略的コミュニケーションとマーケティングの専門家で、インドとカナダで働き、世界各地の同僚やクライアントと仕事をしてきました。今日参加したのは、AIにおいてコミュニケーションが果たす重要な役割を強調したいからです。すでに何人かの方が話しているように、AIは技術だけのものではありません。AIが効果的に導入されるためには、良いコンテンツと効果的なコミュニケーションが欠かせません。私はLinkedInを通じてそうした声を発信していて、それがGatherVerseから声をかけていただいたきっかけです。
Chinwendu Warrior： Chinwendu Warriorです。このパネルに参加できてとてもわくわくしています。昨年の終わりごろにGatherVerseのことを知ったのですが、そのときは他のことに気を取られていました。今年また目にして、今度こそ関わってみようと思いました。これまでコンサルティングで数年働いた後、さまざまな事業に取り組んできました。ずっと起業家気質で、小売やフィットネス、メディア業界で営業も経験しています。AIの波が来てからは、組織や小規模事業者がAIと新しい戦略を取り入れ、事業の運営面でツールやシステムを使いこなせるよう、また従業員が自分の職務でAIを活用できるよう支援する仕事を始めました。技術の変化とイノベーションが加速し続ける中で、好奇心を持ち続け、他の人たちの視点から学びたいと思っています。
Sabitta： バンガロールから参加しているSabittaです。20年近くコアエンジニアリングに携わってきたエンジニアです。現在はSalesforceでAgentforce Serviceを率いていて、AIエージェントについて、データやコンテキストの品質などを評価しています。さまざまな国際的な場で登壇してきましたが、今日は自分の視点を共有するとともに、皆さんから学べることを楽しみにしています。
Dr. Karen Kums： QA変革とAIガバナンスを専門とするKums Consultingの創業者、Dr. Karen Kumsです。起業する前は、テクノロジーと品質管理のリーダーとして15年以上働き、企業のAI施策も主導してきました。3つの教育機関で教えている教授でもあり、最近、インテリジェントで倫理的なシステムの構築をテーマにしたシステム分析・設計の教科書を出版しました。私はAIを3つの立場から見ています。システムを構築・評価する実務家として、ガバナンスとリスクを考える立場として、そしてAIによってますます形づくられる世界に向けて学生や人々を育てる教育者としてです。システム分析と品質管理の経験から学んだのは、最初の段階で適切な声を取り入れなければ、後になってその代償に気づくということです。要件の誤りや漏れ、見落とされたユースケース、あるいは利用者が価値を感じず、使うことを拒むシステムができてしまうことさえあります。代表性は、何かがつくられた後から始まるべきではありません。AIの影響を受ける人々こそが、最初に問題を定義する段階で声を持つべきです。
Russell： 最後に私、GatherVerseのエコシステム・ディレクターを務めるRussellです。JustVerifyの共同創業者として、組織がAIシステムをよりよく理解し、検証し、責任を持って頼れるよう支援しています。私たちが重視しているのは検証と信頼です。組織がどのような条件のもとでシステムを信頼するのか、いつその信頼を取り下げるべきかといった判断をよりよく下せるよう、導入済みで実際に運用されているAIシステムやモデルの挙動、性能、評価に取り組んでいます。では最初の問いです。今日の主要なAIデータセットでは、どのような種類の知識が欠けている、あるいは十分に反映されていないのでしょうか。Dr. Jeanさん、うなずいていらっしゃるので、お願いします。
Dr. Jean： Dr. Karenさんが話した、代表されていない人々の問題につながります。実は、私自身がデータを使ってモデルを学習させていたときにも、同じ欠落がありました。本当に考えるべきなのは、データの中で誰が代表されているのかということです。私はTransformerが登場する前から、自然言語処理やテキストマイニング、機械学習モデルの構築とデータ収集に携わってきました。そこで見えてきたのは、書き残されたことのない知識はデータに現れないということです。データに入るのは、教科書に書かれていることやオープンソースで公開されているものなど、ごく一部です。しかも、その大半は白人の話す英語です。
私は、AIを学ぶ学生の自由記述の回答を理解する研究に長く取り組んでいました。そのとき、どの知識を学習データに入れるかを決める認識上の権限を持っていたのは、まさに私たちでした。綴りが間違っているように見える言葉があっても、それは誤りではなく、その学生の話し方、つまり口語表現だったのかもしれません。それでも私たちはそれを標準的な白人英語に書き換えていました。その結果、ラテン系の英語や黒人英語は正しく反映されないか、主要な学習データセットから完全に除かれてしまいます。こうした種類の言語は、32％から42％ほどが学習データから除外されていると思います。つまり、それらはまったく取りこぼされていて、LLMの中には存在しないのです。
私はOpenAIの学習データの作業にも関わったことがあります。そこでは作業者全員がPhDを持つ人材で、非常に高度な作業でした。NDAに署名しているので詳しくは話せませんが、要するに、全員がPhDを持つ人たちだったということです。ここにも何人か博士の方がいますが、医療の分野でも、それぞれの専門分野でも、私たちは特有の言葉で話します。そうした言葉が、モデルの学習データに入っていくのです。しかし、誰もがそのように話すわけではないので、それ以外の言葉は出てこなくなります。これが、十分に反映されていないものの正体です。
女性について考えると、看護師がわかりやすい例です。看護師には、代々受け継がれてきた暗黙知があります。それは教科書には書かれていませんが、LLMは教科書で学習しています。ミシガンで、敗血症を見つける方法を特定するモデルを構築した研究がありました。そのモデルは教科書的なデータに基づいて構築されていましたが、完成後に確認すると、3件のうち2件ほどが正しく判定できていませんでした。それが見逃されていたのは、現場ではそのような方法で判断していないからです。そして、その知識を持っている女性看護師たちに、誰も話を聞きに行きませんでした。もちろん男性の看護師もいますが、約67％が女性だと言われています。教育の分野でも女性の割合は非常に高いです。だからこそ、あらゆる人がテーブルについて話す必要があるのです。
Russell： 非常に示唆に富むお話です。私はときどき、AIの文章によく出てくる特定の言葉や、やたらと使われるハイフンは誰が持ち込んだのだろうと思うことがあります。「shaping」や「ensure」のように、繰り返し使われる言葉がありますよね。
Dr. Jean： 「keen」もそうですね。昔からそんなに使われていた言葉でしょうか。
Russell： Sabittaさんはいかがですか。Salesforceで長くテクノロジーに携わってこられた立場からお願いします。
Sabitta： Dr. Jeanさんの指摘はどれも的確です。私から付け加えたいのは、口語的なニュアンスや地域特有のニュアンスです。民間伝承や口伝えで広がる知識、そして人間の常識の多くもそうです。私たちがAIを使ってエージェントを学習させるとき、顧客が不満を感じる原因の一つが地域ごとの好みの違いです。同じ応答でも、相手によってまったく違う意味に受け取られることがあります。西洋でうまくいくことが、インドではうまくいかない場合があります。インドの中でも、ある地域では正式な応答として受け入れられる言い回しが、別の地域では冷たいと受け取られることがあります。こうした非常に微妙な言語的アノテーションのニュアンスが、AIのデータセットから抜け落ちているのです。
言語の使い方も人によって異なります。インドでは、ヒンディー語と英語を混ぜた話し方がよく使われます。一つの文の中でヒンディー語と英語が入れ替わることもあります。そうなるとAIはまったく対応できず、すべてを一つの言語として扱ってしまいます。AIは、複数の言語が使われていることを理解し、それをどう解釈し、その人にどう応答すべきかを学ぶ必要があります。人への呼びかけ方や挨拶の仕方、何が冷たく何が親しみやすいと受け取られるのか、口語的な挨拶や親しみの表し方、そして地域の好みから見て何が許容され、何が許容されないのか。こうした要素が大きく欠けていて、それが多くの顧客の苦情や不満につながっています。これは私が実際に経験してきたことです。
Russell： 私はよく、AIには「ギザギザの知能」があると言います。ある分野では非常に賢いのに、別の分野ではそれほど賢くないのです。複数の言語が混ざる話し方は、まさにその典型だと思います。
6.2 ラベル付けの権限は誰にあるか
Russell： 次の問いです。情報を正確、有用、権威がある、あるいは無関係だとラベル付けするのは誰なのでしょうか。Wambuiさん、お願いします。
Wambui： これはAIの中でも、とても見えにくい部分です。何が安全で、有用で、有害で、関連があり、正確で、権威があるのかというラベル付けには、常に人間が関わっています。こうした判断はとても技術的なことに見えますが、実際には極めて人間的なものです。データにラベルを付けるとき、何が有用で、何が無関係で、何が未検証で、何が権威あるものなのかを決めるのは誰なのでしょうか。たとえば地元の農家を考えてみてください。Sabittaさんがインドの話をしましたが、インドの農家がトウモロコシを育てる方法は、西洋の方法とは違います。AIの学習データが西洋の農法に基づいていたからといって、西洋の方法だけが検証済みの方法になり、インドの農法は無効になってしまうのでしょうか。AIは意図的にそうした知識を拒絶しているわけではありません。単にシステムから学んでいるだけなのです。だからこそ、ラベル付けを担うべきなのは、Dr. Jeanさんが話したように、実際にその仕事をしている人たちです。前のセッションでも話が出ていましたが、役員室にいる人ではなく、現場の労働者であり、その経験を実際に生きてきた人こそが、少なくともラベル付けに参加できるべきです。
Russell： リーダーとしては、たとえばAIの扱いに非常に長けた優秀な人材がいるなら、その人が力を発揮できるよう必要なものを与えることが大切だと思います。Chinwendoさん、先ほど画面上の位置が入れ替わって手品のようでしたが、あなたはどう考えますか。
Chinwendu Warrior： 聞こえなくなると画面を更新しなければならないので、それで入れ替わっていたのだと思います。ラベル付けの権限を持つべきなのは、すでに話が出ているように、現場にいて実際にツールを使い、仕事をしている人です。その理由の一つは、ガバナンスと規制です。現場の人は、組織や事業で何が起きているのか、どの目標を推進すべきなのか、どのようなルールがあるのかといった必要な情報を把握しています。もし情報が足りなければ自ら探しに行きますし、チームの中で誰に聞けばよいのかも知っています。
さらに重要なのは、その役割を担う担当者を明確に指名しておくことです。組織の中でよく見かけるのが、皆がそれぞれ勝手にAIを使うシャドーAIの状態で、そこから混乱が生まれます。そうなると誤情報や不正確さが入り込みます。ツールが事実としては正しい情報を出していても、使う人の目的に合った文脈で使われていない場合があるからです。ですから、この人は新しく届いた情報を扱う担当、この人はその情報を反映して更新する担当というように、役割を割り当てる必要があります。そうすれば情報が常に最新の状態に保たれ、皆が情報を渡す相手を明確に知ることができます。これは、皆が話している「ヒューマン・イン・ザ・ループ」そのものです。どれほど多くのエージェントやツールが仕事をこなすようになっても、最終的にはそのツールを起動し、更新する人が必要なのです。
Russell： データも情報の一形態ですが、事前学習や事後学習、あるいはAIの導入において、正しくラベル付けされていることは非常に重要です。その役割を担う専門家や担当者がいて、「あなたの仕事はこのラベル付けです」と任せられる状態をつくることが根本的に大切だというご指摘に同感です。
6.3 過小評価される専門性
Russell： 次の問いです。AI開発の過程で、職業上の専門性やコミュニティの専門性が過小評価されがちなのは、どのような場面でしょうか。Anuさん、お願いします。
Anu Navin Sharma： 今回の質問の中で、これがいちばん好きな問いです。私たちはAIの技術的な側面を過大に評価しすぎてきた、あるいはすべての功績を技術に帰してきたと感じています。この部屋でも、前のセッションでも、技術的なことがわからないからAIについて話すのをためらうという声がありました。しかし、すでに何人かが話しているように、AIの導入と実装を成功させるうえでは、私たち全員に果たすべき役割があります。AIの導入を成功させるには技術以外の多くの要素が必要で、さまざまな職業の知見が価値を持ちます。多くの組織がAIを導入したと発表し、それを裏づけるデータもありますが、その導入が本当に成功しているのかといえば、成功している割合は5％未満です。
そこで私は、コミュニケーションの専門家として話したいと思います。AIは数秒でコンテンツを生み出せるため、AIとコミュニケーションの関係については多くの議論があります。しかし、コミュニケーションとは、単にコンテンツをつくることではありません。コミュニケーションやマーケティングの専門家は、オーディエンスを理解しています。私たちは苦労しながら、何年もかけてオーディエンスやステークホルダーを理解してきました。メッセージがどう受け止められるのか、どう誤解される可能性があるのか、どのような評判リスクを生むのか、そして最終的に何が信頼を築き、何が信頼を損なうのかを考えます。これは一日や数秒でできることではありません。多くのクライアントと多くのオーディエンスに向き合う中で、何年もかけて身につけてきたものです。そこには経験と判断力、そして批判的思考があります。だからこそ、AIにおけるコミュニケーション担当者の役割を過小評価してはいけないのです。
たとえば、Russellさんは先ほど正しくラベル付けすることについて話していました。技術者は専門用語を使ってラベルを付けるかもしれません。一方、コミュニケーションの担当者は、社内のオーディエンスと社外のオーディエンスとではどう受け取り方が違うのかを伝え、効果的なラベルの付け方を提案できます。オーディエンスが何を経験し、どのような課題や困難を抱えているのかを理解し、それが確実に伝わるようにすることで、導入はスムーズになります。AIはとても美しく整った文章を生み出すかもしれません。しかし、それは正しいメッセージなのか、そのメッセージにふさわしい相手なのか、今それを伝えるべきタイミングなのかを判断する必要があります。Sabittaさんが話したように、インドをはじめ世界中で、オーディエンスによって物事の受け取り方は大きく異なります。インドには数百もの言語があります。私にとって英語は3つ目の言語です。夫はある言語を第一言語として話しますが、それは私にとっては2つ目の言語なので、同じことを言うにも夫と私とでは表現の仕方がまったく違います。こうした違いを理解する必要があるからこそ、コミュニケーションはAIをめぐる広い議論の一部であるべきです。これはコミュニケーションの専門家としての意見ですが、他の職業を軽視しているわけではありません。すべての職業に果たすべき役割があります。たとえば看護の分野であれば、役員室だけで方針を決めるのではなく、看護師と話して、その経験と判断を理解し、そのうえでデータをAIに取り入れるべきです。私たちの本当の価値は人を理解することにあり、そのうえでAIによるコミュニケーションを形づくることにあるのです。
Russell： コミュニケーションは、AIにとっても組織にとっても欠かせないものですね。Dr. Karenさん、聞こえていますか。同じ問いについて、あなたの視点をお聞かせください。
Dr. Karen Kums： はい、聞こえています。システム分析の経験から言えば、それは問題定義の段階です。現場の仕事に最も近い人々が関わる前に、チームが問題の枠組みを決めてしまうことがあまりにも多いのです。多くの場合、意思決定者が技術を選び、システムに必要なワークフローを選び、何をもって成功とするのかを定義します。そして、実務家やシステムの影響を受ける人々に意見を聞くのは後になってからです。その時点では、彼らは他人の前提に反応することしかできません。最初の段階で問題が誤って定義されていれば、その後のすべての工程がその誤りを受け継ぎます。私はそうした事例を何度も見てきました。どれほど優れたエンジニアリングがあっても、間違ったシステムをつくってしまうことがあるのです。代表性は最後に測るものではなく、最初に取り入れるべきものです。その知識は、開発の出発点にこそあるべきなのです。
Russell： どこかから音楽が聞こえてきますね。Dr. Karenさんが話しながらマリオで遊んでいるのかと思いました。冗談はさておき、まず問題を正しく見極めなければ、その後の工程すべてに影響するという点に同感です。代表性も極めて重要です。
6.4 地域の現実とAIの有用性
Russell： 次の問いです。地域やコミュニティの現実は、AIの応答が本当に役立つかどうかにどう影響するのでしょうか。たとえばChatGPTでは、回答に「いいね」や「よくないね」を付けられますよね。Dr. Jeanさん、いかがですか。
Dr. Jean： 正直に言うと、この質問への準備は完全にはできていませんでした。
Russell： それも醍醐味です。
Dr. Jean： 「いいね」や「よくないね」によってモデルを学習させることの限界は、1990年代からすでに知られていました。当時、どのジョークが好まれたかというデータでモデルを学習させようとした研究がありました。多くの方が生まれる前の話かもしれません。ですから、この方法が必ずしも正しい結果をもたらさないことはわかっています。FacebookやLinkedInで人々が「いいね」を押すのと同じで、私たちは友人や知り合いの投稿、あるいはボットの投稿に「いいね」を付けがちです。また、2つの回答のうちどちらが良いかを選ぶ仕組みもありますが、それも裏側で学習データとして使われています。多くの人に好まれた回答ほど、今後の回答として出てきやすくなるのです。
しかし、その時点で誰もが回答の有用性を判断できるわけではありません。AIは「これこそあなたが求めていたもの、聞きたかったことです」というような口調で答える傾向があります。さらに、AIは私たちの行動や話し方を学習していきます。そのため、「私に同意しないで」と伝えても、どこか同意しているような応答になります。モデルに本当に反対の立場を取らせたいなら、それがうまくいかない理由を示す一次資料を少なくとも3つか4つ挙げるよう求める必要があります。そうすることで、ようやくAIがこちらに異を唱えるようになります。そうしなければ、AIツールの応答はいかにも本当らしく聞こえます。誤った内容であっても、それが真実であるかのように聞こえるのです。
Russell： 最終的には、その分野での経験や専門性から、「その答えは正しくない」と自分でわかる場合もありますね。
Dr. Jean： そうですね。ただ、たった一語の違いということもあります。私たちは文章を速く読んでしまうので、じっくり考えたり、声に出して読んでみたりする必要があります。だからこそ、先ほど話が出たコミュニケーションの重要性が増します。実際の人間と話し、「これは少し違うのではないか」と言ってもらえる相手が必要なのです。今ではメールもツールに書かせるようになっていますが、私の話し方は、別の文化の人には失礼に聞こえるかもしれません。AIツールがそれに気づけるかというと、必ずしもそうとは限りません。ですから、AIの応答が役立つかどうかは、状況や、その情報を誰に伝えようとしているのかによって変わるのだと思います。
Russell： ここで話は顧客からのフィードバックにもつながると思います。Sabittaさん、Salesforceでの経験から、地域やコミュニティの現実がAIの応答の有用性にどう影響するとお考えですか。
Sabitta： 最大の要素は文脈です。友人に返事をするときと同僚に返事をするときでは、私の書き方はまったく違います。同僚へのメールでは形式的に書きますが、友人にはくだけた、親しみのある書き方をします。次に、気分や感情も影響します。悲しいときや気分が乗らないときにAIに何かを尋ねるのと、元気で気分が良いときに尋ねるのとでは、求めるものはまったく違うでしょう。ある日に何かを「いいね」した、あるいは「よくないね」をしたからといって、それを本当に好き、あるいは嫌いだということにはなりません。その場の「いいね」や「よくないね」でAIを学習させることには、そうした欠点があります。同じ人でも、日によって違う人になるからです。
服を例に挙げると、私はインドではサリーのような民族衣装も着ますし、ブレザーのようなフォーマルな服を着るのも大好きです。祭りが近づいて民族衣装を着たくなったときにサリーを検索したからといって、AIやInstagramがずっとサリーばかりを勧めてくるのは困ります。私は他のスタイルの服も着たいからです。このように、ごく小さなニュアンスが大きな違いを生みます。
仕事の場面でも、最近ある課題がありました。AIエージェントが顧客の問題を解決しようとしていたとき、顧客の「はい」や「いいえ」という返事だけから、問題が解決したと判断して案件を閉じてしまったのです。実際には、顧客はある特定の質問に対して「いいえ」と答えただけで、それは文脈に依存した応答でした。しかしAIエージェントはそれを理解できず、問題を解決しないまま案件を終了してしまいました。本来であれば、エージェントはさらに質問し、顧客の問題が本当に解決したかを再確認したうえで、案件を閉じるのか、人間の担当者に引き継ぐのか、次に何をすべきかを判断できるだけの知性を持っているべきです。顧客の問題によっても状況は大きく異なります。チケット情報を取得できない人は、それほど苛立っていないかもしれません。しかし、支払いが止まっている人は明らかにもっと苛立っているでしょう。AIが顧客の心理状態を理解し、それに応じて応答の仕方を決めるのは、非常に具体的で、地域や文脈に依存することです。AIはまだその段階に達していません。だからこそ、ヒューマン・イン・ザ・ループが必要なのです。人間がそうしたことを理解し、相手の問題や状況に応じて異なる応答をしていく必要があります。
Russell： 多くの重要な論点が出ましたが、残り時間が2分になってしまいました。全員にもう一度話していただくのは物理的に不可能なので、ここで締めくくります。Anuさん、Chinwenduさん、Dr. Karenさん、Sabittaさん、Wambuiさん、そしてDr. Jeanさん、ご参加いただき本当にありがとうございました。名前を何度も言い間違えてしまい失礼しました。また誰かが音楽を流しているようですね。Dr. Karenさんのマリオに続いて、また別の音楽が聞こえてきます。視聴者の皆さん、ぜひパネリストの方々をLinkedInでフォローし、会話を始めてください。これでこのラウンドテーブルを終わります。この後はChristopherが登場します。私たちの集いが実り多きものとなりますように。
7. 閉会挨拶（Christopher Lafayette）
7.1 次世代への責任と問い
Christopher Lafayette： 素晴らしいDay 2になりました。本当に多くのことが語られ、多くの知見が共有されました。こうしてお話ししている今も、私はまだそのすべてを咀嚼しているところです。今日、特に心に残ったのは、技術者でなくてもAIに関われるという言葉でした。エンジニアやデータサイエンティスト、開発者であることは、AIの大規模な発展に関わるための前提条件であるべきではありません。AIに関わるのに男性である必要もなければ、私たちの時代における最も偉大な応用科学の営みに貢献するのに、シリコンバレーにいる必要もありません。
私たちは今、切実な懸念と差し迫った危機感を抱いてこの場に集まっています。指数関数的に進むフロンティアでは、かつて誰も見たことのないことが起きています。私たちには北極星も羅針盤もなく、拠り所となる基準点もありません。Sacagawea、LewisとClark、Ponce de Leónといった人々は、新しい土地や新しい世界を求め、賭けに出て、未知の地にたどり着きました。私たちが置かれている状況は彼らと同じではありませんが、その探究の姿はよく似ています。この2日間、多くのリーダーたちが、自らの文化的な知的財産とも言える視点から、日々の仕事や開発、構築を通じて理解してきたAIについて、心と知恵を込めて語ってくださいました。
今日は、AIにはもっと多くの教育者が必要であり、とりわけ科学分野ではそれが顕著で、あらゆる世代にこの知識を届けるには教育者の数がまったく足りていないという指摘もありました。また、モデルの成長はいずれ、自己再帰的な学習によって自らを拡大できる段階に達するという話もありました。そこで私は問いたいのです。テクノロジーが、それをつくった技術者よりも高度になったとき、何が起きるのでしょうか。バイブコーディングで生まれたコードが、それを書いたバイブコーダーに「もうあなたは必要ない」と告げたら、どうなるのでしょうか。AIファクトリーやデータセットを構築し、組み上げる過程で人間が提供してきた入力に対して、機械が「ここから先は自分たちでやる。もう十分にもらったから、あなたたちは必要ない」と言ったら、何が起きるのでしょうか。そして、私たちが自らの視点や経験に基づくデータを提供できなくなり、そのすべてが人間の、それも男性がつくった機械によって解釈されるようになったら、どうなるのでしょうか。これがビジネスにおいて最も切迫した瞬間の一つでないとしたら、何がそうだと言えるのでしょうか。私たちは今、イノベーションの最先端、まさに血を流すような最前線に立っています。
皆さん、3週間にわたり計8日間開催されるこのサミットは、まだ始まったばかりです。明日はDay 3です。さまざまな分野や立場、専門領域を持つリーダーたちが、二度と取り戻すことのできない大切な時間を割いて、また新たな知見を届けてくれるはずです。私たちは安全で開かれた場に集い、2026年9月の今、この地球上でAIがどこまで来ているのか、そしてそれが私たちの世代とこれから生まれてくる世代にとって何を意味するのかを学び、知り、より深く理解しようとしています。
よく知られた格言を言い換えるなら、私は種をまき、木は育っていくけれど、私自身がその木陰の恩恵を受けることはないかもしれません。最近、バオバブの木は実をつけるまでに10年かかると聞きました。それでも、たとえ自分ではなくても、誰かがその実を味わうことになります。今日私たちが取り組んでいることが、私たち自身に直接良い結果をもたらすとは限りません。しかし、明日の世代にとっては、きっと意味あるものになると私は確信しています。この変化が次の世代の目の前に現れたとき、彼らは私たちにこう尋ねるでしょう。「あなたたちは、そのとき何をしたのですか」と。私は自分の姪たちに、テクノロジーの分野でも、この世界のどこでも、望むものに何にでもなれるのだと知ってほしいのです。
リーダーの皆さん、女性の皆さん、ともに歩む仲間の皆さん、支援してくださる皆さん、そして今日初めて参加し、この時間と体験をともにしてくださったすべての皆さんに心から感謝します。私たちは皆、このフロンティアとその先を切り開く開拓者です。GatherVerse Women's AI Summit 2026 Day 2、私たちの集いは実り多きものとなりました。もし明日、再び世界中からひとつの共通認識のもとに集う機会が与えられるなら、そのときもまた、私たちの集いが実り多きものとなりますように。今日学んだことを周りの人と分かち合い、それを実践してください。ありがとうございました。