地球規模の課題を解決するには、予測モデル以上のものが求められます。状況の変化に応じて学習し、適応し、継続して責任を果たせるシステムが必要です。
社会的価値を生むAI：原則から実践へ
<信頼できるAI>
は可視性と適切なガバナンスによって築かれる
AIへの信頼は、始めからあるものではなく、実績によりあとから獲得するものです。当社は、意思決定をエンドツーエンドで追跡できるシステムを設計しています。つまり、使用したデータともとの仮定、時間の経過にともなう変化を追跡できるのです。提示した解決策すべてに、継続的なモニタリングと人間による監視を通し、監査ログを残しています。これにより、チームはAIをブラックボックスとして扱うのではなく、出力結果に疑問を持ち、必要に応じて介入し、継続してパフォーマンスを向上させることができます。
公平性とバイアスは、抽象的な目標ではなく、測定可能なシステム特性として扱われます。当社では、サブグループ間のパフォーマンスを追跡して、時間の経過にともなう動向と格差を監視し、これを中核的な公平性指標と併せて提示します。必要に応じて、公平性制約が意思決定アルゴリズムに直接組み込まれます。こうして意思決定アルゴリズムはあとから評価を受ける対象ではなく、資源の分配方法を決めるもととなります。
<良い意思決定>
は規律あるデータから始まる
データがよいものであればあるほど、よい意思決定が可能になります。当社では、目的を限定したデータ収集と強力なリスク管理、取り込みから展開までデータ品質を維持する頑丈なパイプラインを重視しています。プライバシーを考慮したシステム設計とセキュリティ、匿名化を、後から追加するのではなく、インフラストラクチャにデフォルトで組み込んでいます。
このような整備が公平性と信頼性の両方にとって不可欠です。クリーンで、適切に管理されたデータにより、効果的なバイアスモニタリングを実現し、誤った最適化を防止します。学習が誤解を招くデータではなく、実際のシステム動作を反映するよう確約します。
<公平性>
は包摂的な設計と評価によって実現される
AIシステムは、これまでデータを残し、制度やシステムの中で取り扱われてきた人々だけでなく、データでは捉えにくい人々のためにも機能するべきだと考えています。当社は、地域のパートナーと協力し、様々な集団や状況で検証を行い、パフォーマンスの差を明示的に評価します。公平性制約、参加型フィードバックループ、そして多様なチームが、アクセスと品質、成果に影響を及ぼす意思決定において、バイアスを軽減するための実践的な手段となります。
<効果>
は現実世界での検証可能な学習から生まれる
リスクの高い分野では、精度はゴールではありません。成果こそがゴールです。当社はユーザーを意図しない危険から守りつつ、現場でモデルを検証し、安全な運用のためのガードレールを定義し、介入から継続的に学習します。
当社は、状況の変化に適応できるシステムに支えられた、成果、回復力、アクセスの持続的な改善を目指しています。
<AIを持続可能な開発目標（SDGs）のために>
この原則は、SDGsの実践を支援する適応型AIインフラストラクチャを通じて実現されます。当社は、データ、意思決定、評価をひとつのサイクルにまとめることで、現実世界のデータを医療システム、サプライチェーン、政府をより良い意思決定に導く学習システムを構築します。このアプローチにより、さまざまな機関が透明性と公平性、説明責任を大規模に維持しながら、パフォーマンスを向上させることができます。
当社の活動は、国連の持続可能な開発目標にもとづいており、特に健康と福祉（SDG 3）、産業と技術革新、インフラストラクチャ（SDG 9）、パートナーシップによる目標達成（SDG 17）に重点を置いています。
SDG3―健康と福祉
学習型健康システムの構築
当社は、政府やNGO、医療提供者と協力し、断片化された医療データをリアルタイムで適応型の意思決定支援へと転換しています。当社のインフラストラクチャが支えているツールには、コミュニティ医療従事者向けのAI搭載型プラットフォームであるCHARMや、人口ニーズと医療提供者のパフォーマンスに連動して調整される、動的なキャピテーション（人頭払い型の医療費支払方式）モデルがあります。
以上のシステムは、追跡可能な意思決定、患者グループ間の公平性のチェック、患者を想定外の誤作動から保護するガードレールなど、臨床や業務の現場における「社会的価値を生むAI」原則に則っています。
母子保健におけるリスクを想定したフォローアップから、臨床記録から危険信号を察知する AI アシスタントまで、当社は最前線のチームが、適切なケアを、適切な人に、適切なタイミングで提供できるよう支援することに重点を置いています。
SDG9 ―産業、技術革新、インフラストラクチャ
自己進化する適応型AIインフラストラクチャを現実世界の様々なシステムに
当社の適応型AIプラットフォームである<kenkai>は、組織がレポート作成から脱却するのに必要な、学習するインフラストラクチャを提供します。データの取り込み、実験、機械学習、強化学習を単一のシステムに統合し、すべてのやり取りから学習します。
公平性のチェック、パフォーマンス評価、ガバナンス機能をインフラストラクチャに直接組み込むことで、<kenkai>はチェック機能を損なわず、迅速かつ回復力の高いシステムを実現します。当社はこれを様々な分野に適用し、医薬品および日用消費財（FMCG）のサプライチェーンの最適化、ラストマイル物流における需要予測とルーティングの改善、そして監査と制御を維持しながらデジタルカスタマージャーニーをパーソナライズすることなどを実現しています。
AI をインフラストラクチャの中核に組み込むことで、パートナーが高速、公平で回復力の高いシステムを構築できるよう支援し、アクセス、サービス品質、システム内の小規模なアクターが損なわず、最適化を実現しています。
SDG17 連携による目標達成
効果を拡大するためのパートナー提携
Causal Foundryは、単一の組織だけではシステム全体の問題を解決できないという理念のもとに設立されました。当社は、政府、多国間機関、財団、企業と協力し、地域ごとの状況と既存のシステムを尊重するAIソリューションを設計しています。
当社の役割は、データインフラストラクチャ、モデル、実験フレームワーク、ガバナンスツールなど、適応型AIを提供することです。
パートナーは、専門知識と現場で培われた信頼関係をプロジェクトにもたらします。私たちは協力し合い、パイロットをプラットフォームへと育て、個々の診療所から国家レベルの医療システムへ、単一のサプライチェーンから地域ネットワークへとスケールさせていきます。
