Hardé Business Schoolin perustaja ja toimitusjohtaja Dami Oguntunde sanoi Lagosissa järjestetyssä BRINT EdTech Summit 2.0 -tapahtumassa, että afrikkalaiset edtech-yritykset tarvitsevat kärsivällistä pääomaa ja vaikuttavuuteen keskittyvää rahoitusta. Hänen mukaansa koulutusyrityksiä ei pitäisi pakottaa kasvamaan fintech-yritysten tahdissa, koska tuotot syntyvät hitaammin mutta yhteiskunnallinen vaikutus voi olla syvempi .
Ongelma ei ole vain rahan määrä, vaan myös rahoituksen rakenne. Afrikan teknologiayrityksiä rahoitetaan yhä suurelta osin länsimaisilla pääomamalleilla, joihin liittyy sijoittajille tuttuja rahastoaikatauluja, tuotto-odotuksia ja riskikriteerejä. Ne eivät aina vastaa paikallisia markkinaolosuhteita .
Afrikan edtech-markkinan arvoksi on arvioitu noin 600 miljoonaa–miljardi dollaria, mutta ala saa vain pienen osan mantereelle sijoitetusta teknologia-alan pääomasta . Tämä vaikeuttaa tuotteiden kehittämistä, oppimistulosten todentamista ja kestävien tulomallien rakentamista ennen nopeaa laajentumista.
Afrikan tekoäly- ja edtech-tulevaisuutta ei rakenneta vain perustajien voimin. Yksittäinen yritys ei pysty yksin korjaamaan epäluotettavaa sähköverkkoa, heikkoja tietoliikenneyhteyksiä, hajanaisia datajärjestelmiä, epäselvää sääntelyä, hitaita hankintoja tai rajallista laskentakapasiteettia .
Siksi skaalautuminen edellyttää yhteistyötä esimerkiksi:
Maailmanpankin mukaan tekoälypohjaista edtechiä on suunniteltava yhdessä paikallisten kehittäjien, opettajien, hallitusten ja teknologiayritysten kanssa. Muuten ratkaisut jäävät helposti irrallisiksi kokeiluiksi eivätkä juurru osaksi koulutusjärjestelmää . Myös Boston Consulting Group korostaa alueellisten kumppanuuksien, laajemman rahoituksen ja joustavamman sääntelyn merkitystä .
Monet globaalit tekoälyjärjestelmät on koulutettu aineistoilla, joissa afrikkalaiset kielet ja paikalliset kulttuurikontekstit ovat aliedustettuina. Tämän vuoksi järjestelmä voi toimia englanniksi, mutta antaa heikompia tai kulttuurisesti vieraita vastauksia paikallisilla kielillä.
Afrikkalaiset teknologiatoimijat pyrkivät rakentamaan malleja, jotka hyödyntävät paikallisia aineistoja ja tukevat mantereen kieliä. Esimerkiksi eteläafrikkalainen Lelapa AI kehittää tekoälyä alkuperäiskielille, jotta oppimista voidaan tukea lasten omilla äidinkielillä . Laajemmin Afrikan tekoälykehityksessä on nähtävissä siirtymä teknologian kuluttamisesta sen omaan kehittämiseen: paikalliset aineistot, ruohonjuuritason kieliteknologia ja Afrikan oloihin sovitetut mallit ovat kasvamassa .
Käytännössä toimiva ratkaisu ei välttämättä ole kaikkein raskain pilvipalvelu. Maailmanpankki nostaa esiin pienet kielimallit, vähäisen kaistanleveyden ratkaisut ja offline-toiminnallisuudet, jotka sopivat paremmin niukkojen resurssien ympäristöihin . UNDP:n kartoituksessa puolestaan korostuvat mobiilipalvelut, offline-sisällöt, tekstiviestipohjainen opetus, paikalliskieliset materiaalit ja hybridiratkaisut .
Sähkön epäluotettavuus ja verkkoyhteyksien puute rajoittavat edtechin käyttöä erityisesti maaseudulla. YK:n Africa EdTech 2030 -visiossa infrastruktuurin puutteet ja epävarma sähkösaanti mainitaan ensimmäisten rakenteellisten esteiden joukossa . Myös UNESCO:n IIEP muistuttaa, ettei koulutusteknologiaa voida toteuttaa laajasti ja järjestelmällisesti ilman luotettavaa ja kohtuuhintaista internetiä .
Tämä tarkoittaa, että tuotteen on ehkä toimittava puhelimella, ladattava sisältö etukäteen tai hyödynnettävä tekstiviestejä. Pelkkä verkkopalvelun julkaiseminen ei takaa käyttöä, jos koululla tai oppilaalla ei ole jatkuvaa yhteyttä tai sähköä.
Fintechissä uuden käyttäjän palvelemisen rajakustannus voi olla hyvin pieni. Edtechissä kustannukset voivat sen sijaan kasvaa käyttäjämäärän mukana. Tarvitaan esimerkiksi paikallista sisältöä, opettajien koulutusta, teknistä tukea, laitehankintoja ja yhteyksien järjestämistä.
Nigeriassa toimivan Ogba Educational Clinicin tapaus havainnollistaa ongelmaa: organisaatio osti mobiilidataa tarpeen mukaan pienissä erissä, koska suurempiin paketteihin ei ollut varaa. Näin yksikkökustannukset nousivat, ja kasvu jäi riippuvaiseksi lisälahjoituksista . Koulutusohjelmien skaalaamista koskevassa tutkimuksessa on havaittu vastaavasti, että logistiikka, lokalisointi ja henkilöstön kouluttaminen voivat kasvattaa kustannuksia laajentumisen aikana .
Afrikan maiden suuri määrä ei automaattisesti tarkoita yhtenäistä markkinaa. Yrityksen on usein mukautettava palvelunsa eri maiden:
Sääntelyn ja kielten pirstaleisuus voi tehdä lokalisoinnista yhdelle kehittäjälle kohtuuttoman kallista . BCG:n mukaan markkinoiden pirstoutuneisuus ja sääntelyhaasteet vaikeuttavat afrikkalaisten edtech-yritysten laajentumista merkittävästi .
Tämän vuoksi yhdessä maassa toimiva tuote ei välttämättä siirry sellaisenaan naapurimaahan. Rajat ylittävä kasvu vaatii alueellisia kumppaneita, paikallista asiantuntemusta ja usein uudenlaista sisältö- ja jakelutyötä.
| Piilaakson hyperkasvumalli | Afrikan edtechin vaihtoehtoinen malli |
|---|---|
| Lyhyt sijoitushorisontti | Kärsivällinen, pitkäjänteinen rahoitus |
| Käyttäjämäärän nopea kasvattaminen | Kestävä kasvu ja todistetut oppimistulokset |
| Jatkuvaa yhteyttä vaativa pilvipalvelu | Mobiili-, offline- ja vähäisen kaistanleveyden ratkaisut |
| Yksi tuote suurelle yhtenäiselle markkinalle | Kieli-, opetussuunnitelma- ja sääntelykohtainen lokalisointi |
| Yksikkökustannusten oletetaan laskevan skaalassa | Kustannukset voivat kasvaa logistiikan ja koulutuksen vuoksi |
| Perustajavetoinen kasvu | Hallitusten, koulujen ja kansainvälisten organisaatioiden kumppanuudet |
| Yleiskäyttöiset tekoälymallit | Paikallisiin kieliin ja aineistoihin sovitetut mallit |
Afrikan edtech-johtajien viesti ei ole, ettei teknologia voisi skaalautua. Viesti on, että skaalaamisen mittari ja keinot on määriteltävä uudelleen.
Onnistuminen ei tarkoita vain nopeaa käyttäjämäärän kasvua tai seuraavaa rahoituskierrosta. Se tarkoittaa palvelua, joka toimii vaihtelevissa infrastruktuurioloissa, tukee paikallisia kieliä, sopii opetussuunnitelmaan ja pystyy osoittamaan todellisia oppimistuloksia.
Siksi Afrikan koulutusteknologian seuraava vaihe rakentuu todennäköisemmin kärsivällisen pääoman, julkisten ja yksityisten kumppanuuksien sekä paikallisista tarpeista lähtevän tekoälyn varaan kuin Piilaakson kasvumallin suorana kopiona.