※本記事は、世界経済フォーラム年次総会2026（ダボス会議2026）のセッション「Data against Modern Slavery」の内容を基に作成されています。セッションの詳細およびオリジナル動画はWorld Economic Forum公式ウェブサイト（http://www.weforum.org/ ）でご覧いただけます。本記事ではセッションの内容を要約しております。なお、本記事の内容は登壇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がある可能性もありますので、正確な情報や文脈についてはオリジナルの動画をご視聴いただくことをお勧めいたします。
登壇者は以下の通りです。モデレーターを務めたDan Viedermanは、社会起業家およびインパクト投資家として、公平・包括的・持続可能なサプライチェーンの構築に取り組んでいます。Amy Popeは国際移住機関（IOM）事務局長。Kara HurstはAmazonのチーフ・サステナビリティ・オフィサー。Mahendra Pandeyはグローバル移住労働者ネットワーク創設者。John SchultzはHewlett Packard Enterprise（HPE）のCOOです。
1. セッション概要：なぜ今、データ連携なのか
1-1. 問題の本質——善意ある取り組みが増えても強制労働がなくならない理由
Dan： 本日のテーマは、強制労働との闘いにおいてデータをどう活用するか、そしてエージェンティックAIがその鍵をどう握るかという点です。強制労働の問題そのものについては、すでに多くのリソースが存在しています。私たちが今日議論したいのは、解決策として現在形成されつつあるアプローチについてです。この取り組みは数年前にWEFの場での対話から始まり、昨年のWEFで正式に立ち上げられました。
John： 数年前にこの問題を改めて見つめ直したとき、私たちが直面していた現実は非常に逆説的なものでした。強制労働の撲滅に向けて、世界中で膨大な数の人々が真剣に取り組んでいる。にもかかわらず、私たちは戦いに負け続けている。現場で献身的に活動している人々がこれほどいるのに、なぜ状況は改善されないのか。この問いが、私たちの出発点でした。
Dan： Johnが指摘するこの逆説は、単なる努力不足の問題ではありません。問題の核心は、それぞれの現場で取り組んでいる人々が、互いに孤立した状態で活動しているという構造にあります。では、どうすれば関わっているすべての人々をより効果的に機能させられるか。テクノロジー企業として私たちが知っているのは、データがインサイトを生み、インサイトがより効果的な行動と成果につながるということです。
John： だからこそ、問うべき問いはシンプルです。この闘いに携わる人々に対して、より良いインサイトをどう届けるか。そのためには、データを共有しなければならない。サバイバーから得られるデータ、各国政府が持つ情報、移民や移住労働者の権利に取り組むNGOの知見、そしてサプライチェーンに関わる企業のデータ。これらをひとつのデジタルテーブルに集め、互いに結びつけることができれば、連鎖のあらゆる場所にいる人々がより効果的に動けるようになります。
1-2. パネリスト紹介と本日の議題
Dan： 本日のパネルには、この取り組みの中核を担う4名をお迎えしています。HPEのCOOであるJohn Schultzは、数年にわたりこのイニシアチブを社内外で牽引してきました。Mahendra Pandeyは、グローバル移住労働者ネットワークの創設者であり、自身も19歳でネパールからサウジアラビアへ渡った元移住労働者です。Amy Popeは国際移住機関（IOM）の事務局長として、政府と民間の双方と連携しながら人身売買問題に取り組んでいます。そしてAmazonのチーフ・サステナビリティ・オフィサーであるKara Hurstは、世界規模のサプライチェーンにおける強制労働リスクへの実践的アプローチを担っています。
Dan： 今日の議題は、分散したデータソースをどう統合するか、異なるステークホルダーを同じデジタルテーブルにどう集めるか、そして強制労働の実態をサプライチェーン全体にわたってより深く把握するために私たちの知識をどう動員するか、という点に集約されます。最終的に求めているのは、行動量を増やし、互いへの説明責任を高めること。そして今はまだ初期段階ですが、この問題に対して継続的な前進を生み出せるシステムを構築することです。
2. グローバル・データ・パートナーシップの構想とエージェンティックAIの役割
2-1. データを転送せずにインサイトを引き出す仕組みと具体的ユースケース
John： エージェンティックAIこそが、このパートナーシップの「秘密の鍵」です。従来のデータ共有モデルでは、まず特別なデータ構造を設計し、互いのデータ形式を読み合わせるための調整が必要でした。そこには常に「機密性が守られるか」「自社のビジネス上の秘密が漏れないか」という懸念がつきまとい、データを共有すること自体への抵抗が生まれていました。エージェンティックAIが変えるのはまさにその点です。データそのものを移転・共有することなく、そこからインサイトだけを引き出すことができる。これによって、守秘義務の問題と情報共有の必要性を同時に解決できます。
John： 具体的なユースケースで説明しましょう。あるサバイバーが支援の最前線に現れ、「この場所で拘束されていた。私の採用と事実上の奴隷化に関与したのはこの人物とこの人物だ」と証言したとします。私のサプライチェーンチームの側では、エージェンティックAIが自律的にクロールを行い、その人名と場所を検出します。そして、それが自社のサプライチェーンで実際に使用している業者と一致することを示すシグナルを上げてくる。このとき、私はそのサバイバーが誰であるかを知る必要はありません。その人の置かれた状況の詳細を知る必要も、個人の機密情報を危険にさらす必要もない。それでも私は即座に行動を起こせます。該当する現場に赴き、関係者と話し、状況を変えるための動きが取れる。これがエージェンティックAIの本質的な価値です。
Dan： このアプローチが重要なのは、サバイバーの個人情報保護と企業による実効的な対応という、これまでトレードオフの関係にあった二つの要請を同時に満たせる点にあります。技術的な詳細については、本日朝にWEFがウェブサイトで公開したホワイトペーパーに詳しく記載されています。「global data partnership against forced labor」で検索していただければご覧いただけます。このパートナーシップのコンセプトは、セクター横断的な協働を改善・拡大し、かつデータが確実に保護された状態で反論不可能な根拠に基づいた行動を可能にすることにあります。
John： データ共有が成果を生んだ先行事例として、最も強力なものの一つはCOVID-19ワクチン開発です。世界中の研究者がデータとインテリジェンスを持ち寄り、私たちもスーパーコンピューターなどのインフラでその取り組みを支援しました。インフラを持ち込み、データを持ち込み、協力して取り組むことで価値実現までの時間を劇的に短縮できる——この原理を、強制労働の問題に適用しようとしているのです。
2-2. 現在の進捗：PoC段階からMVPへ、タイ政府との実証パイロット
John： 進捗について正直に申し上げます。企業人として言えば、「ここまで来た」と同時に「まだ全然足りない」という両方が本音です。健全な焦りを持って取り組んでいます。現時点では、アーキテクチャの構築を完了し、AWS、Cisco、Microsoftといった有力なパートナーを迎えて、概念実証（PoC）段階からMVP（最小実用製品）段階への移行を進めています。ただ、企業人として強調したいのは、活動量そのものではなく成果こそが問われるということです。
John： そこで私たちが自らに課した課題は、一つの国でこのソリューションを実際に機能させ、差異を生み出せることを示すことです。そのために、タイ政府から絶大な支援を得ることができました。政府の関与なしにこの問題を特定の地域で解決することは極めて困難であり、このパートナーシップは決定的に重要です。2年目となる今年は、タイで完全稼働に移行し、それが機能することを証明しなければなりません。もしそれが達成できれば、来年のWEFでは「さらに何カ国の政府を巻き込めるか」「どれだけパートナーを増やしてスケールできるか」という次の段階の議論ができるはずです。1年目は大きな前進を遂げました。スケジュール通りに進んでいると思っています。2年目はタイでの実証、そしてその後はさらにスピードを上げていかなければなりません。
Dan： Johnが述べた通り、このパートナーシップはWEF内での対話から始まり、昨年のWEFで正式に発足しました。現在は実証フェーズの入り口に立っています。タイでの成功が、このモデルをグローバルに展開するための試金石となります。現在のパートナーシップには民間セクター、国連システムを含む政府間機関、各国政府——タイ外務省もその一つ——が参加しており、セクター横断的な連携という構想が着実に形になりつつあります。私たちには、既存のアプローチに代わる選択肢を探る以外に道はありません。データをテーブルに持ち込み、何が機能して何が機能しないかを明らかにし、特定・是正・予防という一連の流れへとつなげていく。それがこのパートナーシップの目指すところです。
3. Amazonにおける予測リスク分析の実験と知見
3-1. 「Prism」ツールの設計：監査データ・シミュレーション・地政学データの統合
Kara： Amazonでは世界中に数十万のサプライヤーを抱えており、サプライヤー行動規範とグローバル人権原則を公開しています。方針の共有、改善、他社からの学びについてはオープンな姿勢を取っていますが、その実際のモニタリングや、サプライヤーの能力構築、対応力の向上といった取り組みは、率直に言って非常に困難です。私たちが目指しているのは、できる限り速く学びながら、最もリスクの高い領域を特定し、是正し、その高い基準を維持し続けることです。
Kara： そこでAIが可能にしてくれたこととして、社内で構築した予測リスク分析ツール「Prism」についてご紹介します。設計の第一段階として、このツールはまず蓄積された過去の監査情報を横断的にスキャン・分析します。次に、コンピューターが生成したシミュレーション情報を活用して、外部に存在する他の監査情報からも知見を引き出します。さらに、メディアの報道分析、各種アナリティクス、地政学的データを組み合わせることで、対象となるサプライヤー基盤においてどのようなリスクが予測されるかを算出します。こうした複数の情報源を統合することで、特定の個人やサプライヤーとの取引関係といった機密情報を保護しながら、リスクの全体像を把握できる仕組みになっています。
Kara： このツールが本質的にもたらす価値は、チームが重い監査報告書を一つひとつ読み込んでリスク分析に時間を費やすのではなく、はるかに豊富な情報をもとに、はるかに速くより精度の高いリスク分析を手に入れられる点にあります。人員をリスク分析の作業から解放することで、意思決定そのものや、サプライヤーとの能力構築・関係強化、あるいは最も問題のあるサプライヤーの排除と優良サプライヤーとの連携といった、本来人間が担うべき仕事に集中できるようになります。
3-2. 実証結果と「ヒューマン・イン・ザ・ループ」原則
Kara： 実際にPrismを運用して振り返ってみると、10件中9件の割合で最もリスクの高いサプライヤーを正確に特定できていました。この精度は、このツールが実際に機能していることの証左です。ただし、私が強調したい重要な区別があります。AIはあくまで優れた予測情報とアナリティクスを提供するものであり、最終的な意思決定は必ず人間が行います。私たちはこれを「ヒューマン・イン・ザ・ループ」と呼んでいますが、AIツールの活用においてこの原則は絶対に譲れません。AIが判断を下すのではなく、人間がより良い判断を下せるようにAIが支援する——この区別はテクノロジーを語るうえで非常に重要です。
Dan： Karaが示したPrismの事例は、サプライチェーン全体のリスクを把握しようとする従来のプロセスが、いかに旧式で非効率なものであったかを浮き彫りにしています。ソーシャル監査をはじめとする既存の手法は、Amazonほど巨大な企業はもとより、どの企業にとっても煩雑で時代遅れなプロセスです。Prismはそこをショートカットし、判断基準を個々の担当者の手に委ねる可能性を持っています。
Kara： カーボン分野での取り組みと比較すると、この点がさらに鮮明になります。カーボン領域では私たちは少し先を行っていて、実際の計測値として入力できる情報と、モデルで推計しなければならない情報との違いが、ビジネス判断の速さに直結することを経験してきました。たとえばカーボン排出量について実際の数値を持っているときと、経済的な産業連関分析でモデル化しなければならないときとでは、脱炭素化に向けた意思決定をビジネスリーダーに促すスピードが全く異なります。強制労働の分野でも同じことが言えます。モデル推計ではなく実際のデータを手にしたとき、初めて「私たちはこれを知っている、まとめた、実行可能なインサイトがある」と言えるようになり、どのような政策レバーが必要かを業界として集合的に議論し、労働者にとって何が有益かを直接問いかけられるようになります。そのスピードと確実性の差が、変化を生み出す力の差に直結するのです。
4. 移住労働者ネットワークが持つグラウンドトゥルースの重要性
4-1. Mahendraの個人的経験と労働者データが示す搾取の実態
Mahendra： 私は19歳のときにネパールからサウジアラビアへ渡った移住労働者です。今こうしてWEFのダボス会議に立ち、パネリストとして発言できていることは、私にとって人生を変えるような経験です。しかし同時に、私のような移住労働者全員が同じような旅を歩む資格があると強く信じています。中東・湾岸地域には3,700万人を超える移住労働者がいます。彼らは皆、それぞれの理由でその地に渡っています。私がここにいても、彼らはここにはいません。しかし私はその一人です。
Mahendra： データとAIを議論するとき、忘れてはならないのは、数字の背後にあるのは人々の人生であり、その旅路であり、経験であり、物語だということです。移住労働者に関わるデータとは何かを具体的に言えば、パスポートを取り上げられること、賃金が遅延・未払いになること、強制送還を恐れて声を上げられないこと、適切な住居が与えられないこと、そして高額な採用手数料を課されることです。私自身、サウジアラビアに行くために採用エージェンシーに55,000ネパールルピーを支払いました。その借金を返済するために、最初の6カ月から1年間は事実上無償で働かなければなりません。本来であれば母親に送れたはずのお金が、金融業者や採用エージェンシーへの返済に消えていく。これが採用手数料の問題の実態です。
Mahendra： 中東・湾岸地域では、45度から50度という灼熱の環境下で働かされる労働者がいます。一部屋に8人、9人が詰め込まれ、エアコンもない。賃金は支払われず、パスポートは雇用主に管理され、適切な休憩も与えられない。こうした現実は、企業の監査報告書には決して現れません。監査報告書は採用手数料の乱用を記録しないし、労働者が強制送還されたことも、過密な居住環境も書かれない。本当のデータと本当の物語を得るためには、労働者と直接関わるしかないのです。
4-2. 「労働者を設計段階から参加させなければ技術は機能しない」という洞察
Mahendra： なぜこのパートナーシップが移住労働者にとって重要かというと、労働者の関与なしには問題を理解できないからです。そして問題を理解しなければ、解決策を設計できない。労働者の関与なしにAIやテクノロジーを開発しても、グラウンドトゥルースを得ることはできませんし、グラウンドリアリティを把握することもできません。さらに言えば、それが実際に機能するかどうかさえわからない。だからこそ、私たちの参加とこのイニシアチブへの関与は極めて重要なのです。
Mahendra： もう一つ、よくあるステレオタイプについて反論したいと思います。政府や民間セクターからは「移住労働者を招いても悲しい話、辛い話しか出てこない」という見方をされることがあります。確かに、賃金が支払われず、パスポートを管理され、強制送還の脅威にさらされ、劣悪な環境で働かされている現実があれば、それ以外に何が言えるでしょうか。それが現実なのですから。しかし同時に、テクノロジーを設計し祝祭的に語る場にいるならば、移住労働者の声を聞く勇気も持たなければなりません。サバイバーの物語、経験、トラウマを聞く勇気を持って初めて、テクノロジーやシステムの設計にそれを反映できるのです。
Mahendra： もう一つのステレオタイプは、移住労働者はテクノロジーに不慣れだというものです。しかし実際に労働者のキャンプやコミュニティを訪れてみれば、彼らはサイバーの世界に生きています。テクノロジーを私たちのだれよりも速く習得することさえある。なぜなら彼らは必死で、その勇気と喜びは並外れたものがあるからです。私たちのグローバル移住労働者ネットワークは27カ国のサバイバー主導・労働者主導の組織であり、そのほとんどはグローバルサウス出身の低所得移住労働者、なかでもアフリカ地域出身の女性移住労働者が多数を占めています。これは単なる受益者のためのプラットフォームではなく、アイデアを共有し、解決策を議論し、このようなイニシアチブに関与し、自分たちの声を持つための場です。
Dan： Mahendraが指摘することには実際的な理由と道徳的な理由の両方があります。実際的には、労働者と関わらなければ問題の実態がわからない。道徳的には、ある意思決定によって最も影響を受ける人々を、その意思決定のプロセスに参加させることは倫理的な要請です。また、テクノロジーと個人というテーマに関して言えば、設計プロセスに労働者が参加していれば、リスクを軽減できるだけでなく、労働者自身もそのシステムに対して責任を感じ、信頼し、実装し、真実を共有しようとするようになります。逆に、設計段階で排除されていれば、どんなに優れたAIも信頼されません。Mahendraが言うように、労働者やサバイバーを信頼し、彼らを巻き込んで構築されたシステムこそが、完全に機能するシステムなのです。
5. IOMの視点：国境管理・出国前教育・予防的アプローチへの接続
5-1. AIを活用した人流把握と人身売買ネットワークの検出
Amy： 私はこの問題に約25年間携わってきました。25年前、現代の奴隷制が今も存在するということを、実際には誰も信じていませんでした。一般の消費者に話しても、CEOに話しても、認識されていなかった。そこから始まって、まず教育を行い、「これは悪いことだ」という共通認識を形成する段階に至りました。市場にとっても、消費者にとっても、企業にとっても、労働者にとっても、強制労働は害悪である——そこまでは合意が得られるようになりました。
Amy： しかし問題は、それを検出する能力がますます不可能に近くなっていたことです。グローバルなサプライチェーンの複雑さ、企業が下請け業者を活用する構造、そして悪質なリクルーターや人身売買業者が従来の慣行の中に巧みに潜り込む手口——これらが組み合わさって、問題を可視化することを極めて困難にしていました。過去10年間でも、データをどう活用するかへの関心は高まり、自社のサプライチェーンを調べる企業、倫理的な採用プロセスの構築を求める企業、悪質な業者のパターンを探る企業がありました。しかし、個々の労働者の採用段階にまで完全に遡り把握することは、間に存在する多くの階層のために、事実上不可能でした。
Amy： IOMでは各国政府との間に、国境管理をより効果的に行うためのパートナーシップを結んでいます。その中でAIを活用し、通常では十分なインサイトを持てない政府に対して、国境を越える人々の流れを把握する支援を行っています。これは個人レベルまで掘り下げるものではありませんが、「この人身売買ネットワークが国境を越えて活動している」といった全体像を理解することを可能にします。このようなインサイトを政府パートナーや現場で実施する担当者と共有できればできるほど、彼らは国境管理に向けた具体的な措置を講じられるようになります。
Dan： Amyが述べるように、データの共有がゲームチェンジャーになりうるのは、これまで見えなかったものを可視化できるからです。歴史的に、供給チェーンの最上位にいるJohnのような立場からは、「サプライチェーンを見ている、すべてチェック済み、問題ない」という状況に見えても、その水面下では凄まじい搾取が行われていた。今私たちが構築しようとしているのは、データを保護しながらも共有し、移住労働者自身がリアルタイムで見て経験していることを入力として持ち込み、タイのように全力で解決策に取り組む政府パートナーを得て、この構造を根本から変えることです。これは、現象が認識されて以来、私たちが目にしたことのないレベルでダイナミクスを変えられる可能性を持っています。
5-2. 出国前教育の実践効果と民間セクターによる需要シグナルの役割
Amy： 予防的アプローチとして非常に重要なのが、労働者が出国する前の段階での教育です。労働者はしばしば「素晴らしい仕事がある、仕送りができる、手数料を払えばいい」という夢物語を売りつけられます。自分が実際に何に足を踏み入れようとしているのか、十分に理解していないまま出発してしまう。出国前に、コミュニティレベルでの教育をどれだけ充実させられるかが、その後の結果を大きく左右します。
Amy： IOMでは実際に、湾岸地域へ向かう東アフリカの移住労働者に対して出国前教育を開始しました。自分の権利とは何か、何が期待できるのか、そして何かが間違った方向に進んだときにどこに連絡すればよいのかを知るだけで、結果に大きな差が生まれています。この小さな知識と、困ったときの連絡先を知っているという事実が、状況を有意義に改善することが実証されています。
Amy： さらに重要なのは、労働者が実際に報告できるよう権限を与え、政府側にその報告に対応する能力を確保することです。民間セクターが基準を設定し、期待値を示すことが出発点となります。全員が見て見ぬふりをするなら、何も変わりません。民間セクターが需要シグナルを発信し、政府が規制上の期待値という形でそれを後押しし、そのうえでギャップを埋めていく——コミュニティリーダー、移住労働者自身、そして特に仕事に就く前の段階での能力を高めることで、より良い結果が得られます。
Mahendra： Amyが言う教育の重要性には同意します。労働者は教育を受ける権利があり、情報へのアクセス権があり、それが搾取を防ぐ大きな力になります。しかし残念ながら、ILO、IOM、NGO、一部の民間セクターや政府によって数多くの教育・啓発活動が行われているにもかかわらず、それだけでは十分ではありません。もっとリソースを投入する必要があります。ディズニーランドのようなスタジオを建設するためにリソースを投じることができるなら、なぜ移住労働者のための正義のためにリソースを投じられないのでしょうか。最終的には全員が恩恵を受けるはずなのに。
Mahendra： 湾岸地域の高層ビル、スタジアム、橋、道路——これらはすべて移住労働者の手によって建設されています。しかし人々が見るのはその美しさだけです。搾取がどれほどあるか、賃金が支払われていないケースがどれほどあるか、パスポートが取り上げられたケースがどれほどあるか、移住労働者がどのように強制送還され、監視されているか——そうした暗闇を美しさの中に見えるようにすることができれば、初めて本当の意味での豊かさが実現します。誰も好んで故郷を離れるわけではありません。搾取がなければ、悲しみがなければ、家族と離れなくて済むなら、誰も移住労働者にはならない。私自身、貧困ゆえに、家族を助けるために故郷を離れました。3,700万人の移住労働者が同じ理由で動いています。そして彼らの搾取と虐待、そしてトラウマに向き合わなければ、私たちが語る繁栄は完全なものにはなりません。
6. 情報の暗闇を断つ戦略とスケールアップへの展望
6-1. 「探さないことを恥じよ」——コンプライアンスから能動的関与へのマインドシフト
Dan： ここで一つ重要な問いを立てたいと思います。規制や企業・個人への社会的批判の可能性がある領域では、常に「コンプライアンスのための道具」に堕してしまうリスクがあります。強制労働はまさにそうした領域であり、恥や規制上のペナルティが伴います。このパートナーシップをどうすれば単なるコンプライアンスツールに終わらせず、真の変化のための道具にできるか。そしてリーダーシップの問題として、HPEとして社内・社外の両方でこれを推進してきたJohnに聞きたいのですが、世界がこれを単なるツールではなく、真にインパクトをもたらす機会として受け入れるためにはどうすればいいか。
John： まず私の期待値を明確にしましょう。私は、企業経済の中から強制労働を実質的に大幅削減、あるいは完全に撲滅できると考えています。企業経済とは、企業のサプライチェーンが存在し、伝統的な組織や政府が関与している領域のことです。闇市場のような領域はまた別次元の話ですが、企業が関わるところからは排除できると信じています。
John： なぜそれが可能かというと、恥の問題に立ち返ると、奴隷貿易から直接金銭的利益を得ている人々を除けば、奴隷制に賛成している人間は誰もいないからです。これは論争のある問題ではありません。たとえば気候変動には「それは似非科学だ」「いくつかのポジティブな側面もある」と言う人々がいます。しかし奴隷制については、誰一人「奴隷制のポジティブな側面を議論しよう」とは言わない。これは本質的に論争の余地がない問題です。
John： それでも強制労働が蔓延し続けているのは、Amyとmahendraが言い続けていることの通り、「暗闇」と「情報のギャップ」があるからに他なりません。だからこそ、モデルを根本から転換しなければならない。企業や政府が「何かを発見した」と言うことを恥じるのではなく、「探していない」こと、「情報のギャップを放置し続けている」ことを恥じるべきだという方向に。現実には、多くの企業は意図的に目を背けているわけではないと思います。手持ちのリソースの範囲で合理的にできる限りのことをしていて、それで十分だと感じている。しかし現実は、十分な差を生み出せていない。自分では十分やっていると感じながら、実際にはまったく変化を生み出していない——これこそが問題の核心です。
John： 強制労働と搾取の原因は多岐にわたります。世界各地の経済的格差など、私たちがすべてに対処できるわけではない。しかし一つの共通した要素——悪者たちが情報のギャップと暗闇の中に隠れる能力——これは攻略できます。まさに「陽光こそが最良の消毒薬」であり、これは完全な消毒薬です。だからこそ企業レベル、政府レベルでマインドシフトが必要なのです。自分が発見したことを恥じるな。探していないことを恥じよ。このデータパートナーシップに参加していないことを恥じよ。参加しないことで暗闇と情報のギャップを作り出し、悪者がそれを悪用し続けることを許していることを恥じよ。解決策の一部になれ。そうすれば私たちはこの目標を達成できます。すべては目の前にあります。推測する必要すらない。毎日この現実を生きている人々が、その組織が、「もうこれ以上隠させるな」と言っているのですから。見つけに行きましょう。
Dan： Johnが述べたことは、私がこの仕事に関わり続ける理由の核心を突いています。このパートナーシップに参加している私たちは、成果に対して自ら説明責任を負わなければなりません。単に特定することだけではなく、是正すること、そして最終的には予防すること——政策的な措置を講じること、調達慣行を変えること、労働者を規模感を持って別の形で関与させること——これらによって問題が再び生まれないようにすることが、私たちの前にある究極の挑戦です。
6-2. 産業横断的データ共有の拡大と将来技術との統合、参加への呼びかけ
Kara： 将来への展望として、最も変革的なのはデータ共有の拡大です。より多くの人々がデータを共有し、集約された形でそれを行い、このオープンデータパートナーシップを通じて促進できれば、私たちが知っていることを共有し、新たなインサイトを集め、構築しているすべてのモデル、情報を集約するすべての方法がより精緻になっていきます。共有が増えれば知識が増え、産業横断的な知識が蓄積されます。
Kara： Amazonでは農業コモディティのサプライチェーン、電子機器のサプライチェーン、ヘルスケア、航空、海運など、まったく異なる複数の産業セグメントで事業を展開しています。農業コモディティのサプライチェーンの実態は電子機器のサプライチェーンとは大きく異なり、さらにヘルスケアや航空・海運とも異なります。教訓は転用できますが、それぞれのサプライチェーンにおける労働者の扱い、移住パターン、そしてその上に地理を重ねたとき——世界規模で労働者と人身売買業者の間で何が起きているか、人身売買業者がいかに技術的に洗練されてきているか——は複雑なパターンを形成しています。私たちだけがテクノロジーを実装しているわけではないという現実があります。だからこそ情報をオープンに共有し、「これは競争前の領域だ、協働することで格段に速く前進できる」と言い合える環境を作ることが不可欠です。
Kara： さらに将来を見据えれば、量子コンピューティングが新たなインサイトをもたらす可能性があります。現在構築・テスト・試行しているツールは、持つデータが増えるほどより良いものになっていきます。カーボン分野での経験から言えば、モデル推計ではなく実際のデータを入力として持つことが、いかにビジネス意思決定を加速させるかは実証済みです。強制労働の分野でも同じことが起きるはずです。実際の情報を手にしたとき、初めて「私たちはこれを知っている」と言え、政策レバーを集合的に議論でき、労働者コミュニティに直接「あなたたちにとって何が有益か」を問いかけられるようになります。コミュニティは常に最もよく知っているのですから。
Amy： 民間セクターがデータ共有に向けてオープンな姿勢を示すことは、政府パートナーへのインサイト提供においても決定的に重要です。IOMは政府パートナー、現場の実施機関、移住労働者との直接の関与を通じて、このパートナーシップからのインサイトを引き出し共有する立場にあります。それが国境管理の改善、出国前教育の充実、そして報告と対応のサイクルを回す能力の強化につながります。民間セクターが需要シグナルを設定し、政府が規制上の期待という形でそれを後押しし、その上でコミュニティ、リーダー、移住労働者自身の能力を高める——この連鎖が機能すれば、より良い結果が生まれます。
Mahendra： 私がこのパートナーシップに参加して感じるのは、これが単なるトークニズムではないということです。労働者に力を与え、エージェンシーを与えている。それが私の信念であり、貢献したいと思う理由です。労働者がこの取り組みの一部である必要があります。私たちが話しているデータとは、監査結果や国連報告書からのデータではありません。湾岸・中東地域で働く何百万人もの労働者の声から得られる、採用手数料の乱用、搾取の実態、企業が問題に対処できているかどうかについての生きたデータです。そのデータを得るためには、労働者との信頼関係を構築しなければなりません。労働者が自分の経験を話すことで強制送還されない、仕事を失わない、プライバシーが守られると確信できる環境を作ることが前提です。そうして初めて、真実のデータが集まります。
Dan： 最後に、ここにいる皆さんへのメッセージです。民間セクターから、政府間機関・国連システムから、そして政府からも、多くの重要なパートナーがこのテーブルを囲んでいます。私たちには現状のシステムに代わる選択肢を探る以外に道はありません。外に出ている解決策は数多くあります。それを結集させる必要がある。どこがデータをテーブルに持ち込んでいるか、どこが問題の理解を深めているか、そして何が機能し何が機能しないかを明らかにすることが鍵です。成果指標は明確です——サプライチェーンにおいても、市民社会においても、政府が経験するものとしても、強制労働の発生件数の測定可能な減少。それを達成できているかどうかで、私たち自身に説明責任を課してください。ウェブサイトを訪れ、連絡をとり、参加し、インサイトを共有し、データを共有し、ツールを共有してください。これはオープンなプロセスです。一緒に進みましょう。