《Frontiers in Artificial Intelligence》：Artificial intelligence readiness in fragile states: a systematic review and theory-informed framework for workforce transformation in Somalia
编辑推荐：
专业术语翻译的论文摘要
背景： 人工智能（Artificial Intelligence, AI）日益被视为国家生产力和竞争力的决定性因素，然而其有益采纳所需的条件——基础设施、制度及人力资本——在全球分布极不均衡。索马里作为一个处于长期制度重建过程中的脆弱且
专业术语翻译的论文摘要
背景： 人工智能（Artificial Intelligence, AI）日益被视为国家生产力和竞争力的决定性因素，然而其有益采纳所需的条件——基础设施、制度及人力资本——在全球分布极不均衡。索马里作为一个处于长期制度重建过程中的脆弱且受冲突影响的国家，典型地体现了这种不均衡性：一方面拥有年轻且高度参与数字化的群体以及极具活力的私营电信和移动货币部门，另一方面却伴随着薄弱的公共机构、碎片化的高等教育体系以及长期的毕业生失业问题。
方法： 本文报告了一项遵循PRISMA 2020报告指南进行的系统性文献综述与理论驱动的框架开发工作，综合了关于组织和国家层面AI准备度、数字技能发展以及劳动力生产力的同行评审证据，特别聚焦于索马里及与之可比的脆弱、低连通性的撒哈拉以南非洲地区。本项研究采用技术-组织-环境（Technology–Organization–Environment, TOE）框架和人力资本理论作为互补的分析视角，通过结构化检索和筛选流程，对来自31篇文献的证据进行了综合。
结果： 证据表明，索马里的AI准备度差距主要并非技术缺陷，而是一个多维度的鸿沟，涵盖了碎片化的数字基础设施、薄弱的制度治理和数据生态系统、高等教育课程与劳动力市场需求之间的持续错配，以及缺乏协调一致的国家级AI或数字技能政策。
结论： 基于上述发现，本文提出了一个包含四大支柱的概念性AI准备度框架，旨在指导未来的实证评估和政策讨论。该框架涵盖数字基础设施与接入、制度与治理准备度、人力资本与技能发展以及劳动力市场整合四个方面，同时为政府、高等教育机构、私营电信部门和发展合作伙伴提供了一个分阶段的实施路线图。本综述为这个脆弱的非洲之角国家提供了基于文献的、情境特定的AI准备度综合认识，并为类似环境提供了一种可迁移的分析方法。
论文主体部分学术性总结
1 引言
人工智能被广泛视为一种通用目的技术，能够重塑劳动生产率、组织决策和国家竞争力。超过60个国家已发布国家级AI战略，但其中逾70%属于发达国家。研究表明，AI的益处取决于“准备度”（readiness），这是一个涵盖技术基础设施、组织和制度能力以及支持性外部环境的多维状态。对于撒哈拉以南非洲，特别是脆弱和受冲突影响的国家而言，这一准备度差距尤为显著。索马里在此区域图景中占据独特地位：长达三十年的国家分裂与冲突造就了世界上最薄弱的正式制度环境之一，但同期也出现了异常活跃、由私人主导的移动通信和移动货币扩张，形成了一个相对先进的移动货币生态系统。这种强劲的草根数字应用与薄弱的正式制度和人力资本体系并存的现象，使索马里成为理解脆弱国家背景下“AI准备度”含义的一个富有启发意义但尚未得到充分研究的案例。索马里的高等教育在过去十年迅速扩张，但并未转化为具备就业能力和技术能力的劳动力。该国在全球AI准备度指数中排名垫底，在数字基础设施、优质教育获取和制度框架方面存在关键缺口。目前，索马里尚无专门的国家AI战略或AI特定准备度评估。本研究的目标包括：（1）系统识别并综合关于AI准备度、数字技能发展和劳动力生产力的同行评审文献；（2）通过综合描述索马里AI准备度差距的主要维度；（3）从综合证据中推导出一个用于通过提升AI准备度来提高熟练劳动力生产力的概念框架。
2 理论与概念框架
AI准备度在文献中被不一致地定义。一项近期基于PRISMA的系统综述将124个准备度指标整合为12个核心主题，认为AI准备度应被理解为一个多维度、相互依赖的构念，由技术能力、组织结构与能力以及外部环境条件的对齐所塑造。本研究采用技术-组织-环境（Technology–Organization–Environment, TOE）框架作为主要分析视角，辅以人力资本理论来解释生产力机制。TOE框架将技术采纳解释为技术、组织和环境因素的函数，已成为组织AI准备度文献中的主导分析视角。人力资本理论则提供了第二个理论支柱，强调对技能和教育的投资是个人和总体生产力的决定因素。研究还引用了技术接受与利用统一理论（Unified Theory of Acceptance and Use of Technology, UTAUT）来解释个体层面的技术采纳。本研究提出，AI准备度通过一个中介路径而非简单的直接关系影响劳动力生产力：技术准备度提供接入，但在组织准备度和人力资本准备度的支持下才能产生生产力效益。
2.1 连接AI准备度与劳动力生产力的概念路径
基于TOE框架和人力资本理论，本研究提出AI准备度通过一个中介路径影响劳动力生产力。技术准备度提供数字基础设施、数据资源和AI工具，但这些资产只有在组织准备度（包括制度能力、领导力承诺和治理机制）和人力资本准备度的支持下才能产生生产力效益。人力资本准备度决定了个人和组织能否有效利用AI技术进行决策、创新和任务增强。
2.2 研究命题
基于理论框架，本研究提出四项命题：
命题1：技术准备度本身不足以产生生产力效益，除非得到组织和制度准备度的支持。
命题2：人力资本准备度通过决定工人有效利用AI技术的能力，调节AI采纳能力与劳动力生产力之间的关系。
命题3：劳动力市场整合机制影响AI相关技能是否转化为就业机会和生产力收益。
命题4：在脆弱国家，私营部门的数字基础设施可以加速AI准备度，但需要补充性的公共治理机制以确保包容性和可持续的采纳。
3 方法论
本研究采用系统性文献综述方法，并按照PRISMA 2020报告指南进行报告。灰色文献因研究目标侧重于建立基于同行评审的可复制证据基础而被排除在正式综合之外。2026年7月在Scopus、Web of Science、Google Scholar、PubMed和ERIC等多个数据库进行了结构化检索，结合了三个主题类别的术语。研究选择分两阶段进行：标题和摘要筛选以及全文审查，最终纳入31篇来源。纳入研究的方法学质量使用乔安娜·布里格斯研究所（Joanna Briggs Institute, JBI）检查表、关键评估技能项目（Critical Appraisal Skills Programme, CASP）检查表和AMSTAR-2进行评估。数据提取使用标准化表格，主题综合采用演绎编码（基于TOE维度）和归纳编码相结合的方式。研究局限性包括：同行评审文献中针对索马里的文献确实稀少；由于限制同行评审来源，可能遗漏了近期发展；语言和发表偏倚可能存在。
4 结果
三十一篇同行评审来源被纳入综合，涉及六个主题领域。
4.1 技术准备度
在整个AI准备度文献中，技术因素（基础设施、数据生态系统和系统兼容性）被一致认为是必要但不充分的条件。在非洲大陆层面，AI采纳的评论指出基础设施不足和有限的数据生态系统是持续存在的制约因素。索马里的情况独特：快速、私人融资的移动通信和光纤连接扩张，加上本土的移动货币生态系统，使其最后一英里数字接入水平超过了众多脆弱的同类国家。然而，这些基础设施是为支付和语音/数据通信而建，而非协调的国家数据或AI生态系统，其治理在很大程度上处于正式国家机构之外。
4.2 制度与治理准备度
TOE框架的组织和环境维度（管理支持、监管框架和制度能力）在文献中被认为是非洲和脆弱国家背景下最薄弱的环节。索马里的情况强化了这一发现：由于正式的国家能力在支付、连接和数据治理方面历来非常有限，商业电信部门已在金融基础设施和人道主义支付系统中承担了准主权职能。这意味着索马里的制度AI准备度不能仅通过传统的政府主导的数字战略进程来实现，必须明确让私营电信部门参与进来。
4.3 人力资本、数字技能与高等教育
人力资本约束是文献中最常被引用的AI采纳障碍。撒哈拉以南非洲高等教育的系统性综述发现，21世纪数字技能的发展仍然不足。索马里国内的研究表明，数字学习准备度在院校和地区间高度不均。劳动力市场研究证实，索马里毕业生理论知识扎实，但雇主所需的实践、数字和解决问题能力薄弱，技能错配是毕业生失业的主要结构性原因。
4.4 AI采纳、人力资本与生产力
企业层面的研究表明，AI技术通过增加高技能劳动力的比例和产生资本-技能互补性，显著提高全要素生产率。这意味着技能基础较弱的组织或经济体，即使技术本身可及，也只能捕获AI潜在生产力增益的一小部分。索马里的技术准备度目前超过其人力资本准备度，因此进一步基础设施投资的边际生产力回报可能会受到限制，除非同时进行数字和AI相关技能的投资。
4.5 金融与移动货币基础设施作为生产力渠道
移动金融基础设施本身可以作为生产力渠道发挥作用。肯尼亚M-PESA系统的开创性研究发现，移动货币降低了交易成本，改善了家庭风险分担和消费平滑能力。整个非洲的证据表明，数字金融包容性由基础设施接入和数字素养共同塑造。对于索马里，现有金融科技基础设施是国家资产，但其全部生产力潜力需要通过对数字和金融素养的有意投资才能实现。
4.6 来自类似非洲部门的比较性数字能力建设证据
由于索马里特定的AI准备度数据稀缺，本研究借鉴了非洲卫生和公共机构环境中数字能力建设的类比证据。来自埃塞俄比亚和多个非洲机构的证据表明，积极的意图甚至相对较强的基础设施本身并不足以保证准备度；结构化、持续、嵌入制度的培训才是制约因素。
4.7 针对TOE框架的综合
一项表格将主要发现映射到TOE的三个维度。在技术维度，撒哈拉以南非洲普遍存在基础设施和数据生态系统不足，而索马里拥有相对较强的移动/电信和移动货币基础设施，但公共数据生态系统薄弱。在组织维度，非洲普遍存在监管框架薄弱和政府AI政策有限，索马里没有国家AI战略，数字治理能力集中在私营电信集团手中。在人力资本维度，非洲高等教育中数字素养和21世纪技能差距普遍存在，索马里大学数字学习准备度不均，毕业生技能错配是失业的主要驱动力。
5 讨论
综合证据支持一个核心结论：索马里的AI准备度差距主要不是一个连通性或接入问题。相对于许多低收入和脆弱国家，其电信和移动货币基础设施较为先进。制约因素在于组织/制度和人力资本维度：缺乏协调一致的公共部门数字和数据治理，以及高等教育产出与数字化劳动力市场需求之间的长期错配。这颠覆了许多通用AI准备度清单中隐含的假设。索马里的模式既证实又复杂化了更广泛的区域图景：它证实了技能获取和制度/监管弱点比原始技术接入更为关键；但它也使区域图景复杂化，因为大多数非洲AI准备度文献假定一个功能尚存但仍资源受限的中央政府是主要的准备度建设者，而索马里的经验表明，在私营行为体已建成大量数字基础设施并承担准政府职能的脆弱国家，AI准备度战略必须与这些私营行为体共同设计。研究还指出，AI采纳可能带来自动化导致岗位替代、不平等加剧等潜在风险，因此应优先考虑负责任的AI治理和包容性技能发展。鉴于AI的生产力红利由人力资本中介，索马里最高杠杆的近期投资不是额外的数字基础设施，而是调整高等教育和技术职业课程，使其与数字和AI相关能力对齐，并结合为现有公务员队伍提供的结构化数字技能培训。
6 理论启示
本综述对脆弱国家背景下AI准备度的理论理解有三点贡献。首先，它将TOE框架的应用扩展到传统组织采纳场景之外，证明脆弱国家的AI准备度是由技术资源、制度能力、治理结构和外部生态系统条件相互作用形成的多维能力。其次，它推进了人力资本理论在解释AI采纳背后的生产力机制中的作用，提出了一个中介关系模型。第三，它表明主要在高中收入或制度稳定环境中开发的AI准备度框架需要适应脆弱和受冲突影响的国家，在这些环境中，准备度路径可能不会遵循从基础设施发展到制度强化再到AI采纳的线性顺序。索马里展示了一条替代路径，即私人开发的数字基础设施扩张速度快于正式治理和人力资本体系。因此，脆弱国家的AI准备度理论模型应纳入国家能力、私营部门数字生态系统、捐助方影响、劳动力市场约束和制度韧性等情境因素。
7 弥合索马里AI准备度差距的拟议概念与政策框架
基于系统综述综合的证据，本研究提出了一个概念性和政策导向的索马里AI准备度框架。该框架并非经过验证的预测模型或实施蓝图，而是一个源于系统综合和理论整合的循证分析模型。四个支柱扩展了TOE框架，将人力资本准备度操作化为一个独立的干预领域。
7.1 框架原理
四个支柱反映了文献中反复出现的决定因素，而优先级排序、序列安排和利益相关者角色则是作者为将证据转化为情境特定的政策框架而进行的分析延伸。
7.2 四大支柱
7.2.1 支柱1：数字基础设施与数据治理 重点不在于新建物理基础设施，而在于巩固和治理现有设施。优先事项包括建立国家数据治理框架，就政府系统与移动货币/电信基础设施之间的互操作性制定标准；与主导电信集团谈判正式的公私数据共享与互操作性协议；将可负担的连接扩展到服务不足的地区、公立大学和技术职业学院。基础设施巩固应从一开始就与平行的数字和金融素养计划相结合。
7.2.2 支柱2：制度与治理准备度 优先行动包括制定索马里首个国家AI和数字化转型战略，并与私营电信部门共同设计；将数字技能和AI素养要求嵌入现有的公务员ICT培训计划；建立一个跨部委的数字治理协调机构以防止碎片化。
7.2.3 支柱3：人力资本与技能发展 这是最高杠杆的干预点。优先行动包括改革高等教育和技术职业课程，嵌入数字素养、数据素养和基础AI能力；为大学讲师和TVET讲师提供结构化专业发展；制度化TVET提供者与雇主之间的联系机制；扩大应用型、雇主关联的培训路径，解决毕业生失业的驱动因素。比较证据表明，此类培训应是结构化、持续且嵌入制度的，而非一次性的。
7.2.4 支柱4：劳动力市场整合与生产力赋能 优先行动包括建立结构化的大学-雇主课程对齐机制；在公共和正规部门招聘中引入基于绩效的招聘保障措施；在索马里最先进的数字部门（移动金融服务和电信）试点特定行业的AI增强举措。
7.3 分阶段实施路线图
路线图分为四个阶段：第一阶段（基础，第1-2年）：制定国家数字/AI战略，建立跨部委协调机构，启动公私数据治理对话。第二阶段（能力建设，第2-4年）：进行高等教育和TVET课程改革，开展讲师专业发展，推出结构化公务员数字技能培训。第三阶段（整合，第3-5年）：运行大学-雇主对齐机制，引入基于绩效的招聘保障，在电信和金融服务领域启动行业特定AI增强试点。第四阶段（巩固，第5年以上）：建立国家AI准备度监测与评估系统，根据试点结果和不断演进的区域基准审查并调整框架。
7.4 利益相关者角色
联邦政府和联邦成员州担任召集和监管角色。大学和TVET机构是主要的交付机制。私营电信和移动货币部门是必要的共同架构师。发展伙伴和国际组织提供技术援助和融资。索马里侨民（估计超过200万人）是一个独特且潜在的变革性利益相关者，应被定位为横跨所有四个支柱的交叉赋能者，参与方式包括结构化侨民专业网络、投资工具、知识交流项目和咨询小组。
8 未来研究
拟议框架应被视为需要实证验证的理论知情概念模型。未来研究应优先考虑五个方向：对索马里公共机构、大学和私营部门雇主进行直接的AI准备度实证研究；追踪计算机科学和ICT毕业生劳动力市场结果的纵向研究；与其他脆弱国家的比较研究；评估具体干预措施的实施研究；以及通过德尔菲法、专家咨询和利益相关者访谈进行框架验证。
9 结论
本系统综述发现，索马里的AI准备度差距更多是由制度、治理、数据生态系统和人力资本约束驱动，而非数字基础设施限制。理论上，本研究通过展示脆弱国家的准备度应被理解为多维和序贯能力，为AI准备度文献做出了贡献。政策上，拟议框架提供了一个循证结构来组织政策优先事项和未来研究。索马里案例表明，脆弱国家成功的AI转型不仅依赖于技术可用性，还依赖于数字基础设施、制度能力、熟练人力资源和包容性治理机制的协同对齐。
