Fastagger圍繞移動支付和低成本手機構建AI系統
穆特姆貝·卡里烏基第一次思考AI模型如何在自己的祖國肯尼亞發揮作用，是在2019年。當時他正在參加東京大學舉辦的一場關於AI未來發展的會議，會上反覆聽到人們談論這項技術將如何改變世界。「但沒有人提到非洲，」他說。
那時，OpenAI和Anthropic等AI巨頭尚未向公眾推出聊天機器人，卡里烏基就已經看到了AI在非洲普及所面臨的重大障礙：網際網路接入速度慢且分布不均，用於訓練模型的算力資源稀缺，高質量的結構化訓練數據也極為匱乏。與此同時，大多數人是通過老舊、內存有限的手機而非電腦或高端手機來上網的。
卡里烏基與聯合創始人裘德·姆文達和史蒂芬妮·恩杰倫加一起創立了Fastagger，這家初創公司致力於構建可以離線運行、適配低性能手機的AI模型。其首個重要產品Auni是一款商業智能助手，於2024年推出；在被整合進肯尼亞最大的移動支付服務M-Pesa
的商業應用後，該產品獲得了巨大推動。此後，約有6000家企業註冊使用。Auni幫助理髮店、餐館和小型製造商等中小企業分析交易數據，並提供營銷建議。
奈洛比一家美發美容店的老闆彼得·切格去年開始使用Auni。在此之前，他所有的銷售記錄都是用紙筆記錄的。「我們沒辦法把這些資訊轉化成圖表，」他說。現在，這款應用幫助他識別出生意最忙的日子和時段，以及哪些是忠實客戶。例如，如果某位常客不再光顧，他可以發送個性化資訊鼓勵對方回頭消費。
Fastagger是一項新興努力的一部分，這項努力旨在圍繞發展中經濟體用戶的實際技術條件來構建AI，而非直接套用為富裕市場設計的產品。就Fastagger而言，這意味著要找到一種方法，讓他們的模型能夠在廉價手機、不穩定的網路連接、以及可能僅由移動支付交易記錄構成的商業記錄等條件下正常運作。
為肯尼亞小微企業設計AI
在開發Auni之前，卡里烏基和他的聯合創始人們首先著手解決AI訓練數據可獲得性的問題。他們問自己：「我們怎樣才能讓非洲快速追趕上來？怎樣才能足夠快地創造訓練數據，又怎樣才能真正快速地把它交到人們手中？」
穆特姆貝·卡里烏基共同創立了Fastagger，致力於開發可以離線運行、適配基礎手機的AI系統。（圖片來源：Afrikanna Production/Microsoft）
他們決定將重點放在手機上，尤其是移動支付應用上。肯尼亞超過80%的成年人都在使用移動支付，這為他們提供了豐富的數據來源。
Fastagger最初的工作之一，是改造一個開源光學字符識別（OCR）模型，使其能夠讀取移動支付應用生成的財務報表。現有模型難以應對這些PDF文件質量低下的問題——格式不規範，有時還包含印章和各種錯誤。由於Fastagger的潛在用戶往往網路連接不穩定，他們確保了諸如將提取的數據整理成表格等關鍵步驟可以在設備本地運行。
有了能夠處理這些文檔的模型後，他們開始探索這些結構化財務數據如何能幫助到企業。他們花了大量時間觀察小企業主的工作狀態以及與顧客的互動方式。一個挑戰很快顯現出來：店主們幾乎沒有時間和精力去思考日常運營之外的事情。
「她們整天都站著給人剪頭髮，」卡里烏基談到如今已成為Auni主要用戶的美髮店店主們時說道。「你必須去思考用戶旅程的這種動態特徵，考慮他們的生活方式，以及在背後會發生什麼。」
Fastagger應用幫助美髮店老闆彼得·切格更好地管理時間，並記錄忠實客戶資訊。（圖片來源：Afrikanna Production/Microsoft）
對切格來說，Auni帶來的最大好處之一就是幫助他管理時間。一張簡單的圖表顯示，早晨是他生意最清淡的時段，於是他意識到可以利用這段時間去處理其他事務，或者在下午1點左右生意開始好轉之前，店裡少安排幾位理髮師。
創始人們還注意到，企業在人工流程上花費了大量時間，而自動化可以簡化這些任務。例如，在奈洛比的一家魚類餐廳，要找出忠實客戶並為他們提供折扣，就需要逐條翻查簡訊銷售憑證，這項繁瑣的工作使得客戶維繫類營銷變得不切實際。現在，藉助Auni，這家餐廳可以自動識別出最重要的客戶並為他們提供折扣。
Auni的一些功能——比如讀取銷售報表、分析數據和可視化結果——可以在低成本手機上離線完成，無需進行雲端查詢。這些功能同時涉及AI工具和傳統軟體；例如，標準的OCR軟體負責提取文本，而一個小型神經網路負責識別每份文檔的結構。不過，更詳細的分析以及針對數據的問答功能，仍然需要聯網才能實現。
哥倫比亞大學研究AI對發展中經濟體影響的經濟學家丹尼爾·比約克格倫表示，撒哈拉以南非洲地區以基礎手機而非智慧型手機和電腦為主的現狀，可能會催生出不同形式的AI應用。「從技術發展的歷史來看，這不太可能是人們在筆記本電腦上運行Claude Code或Codex那樣的場景，」他說。「這樣的人群確實會存在，但對於大部分人口而言，我們還需要摸索出不同的使用方式。」
本地需求如何塑造AI發展
儘管Auni已經整合進M-Pesa，Fastagger仍然是一家小型初創公司。它獲得了谷歌、微軟和英偉達加速器計劃的支持，但目前仍只有三名員工：卡里烏基、姆文達和恩杰倫加這三位最初的創始人。目前，他們正致力於為Auni添加智能體功能，使其能夠自動為企業主執行營銷操作。
Fastagger還為肯尼亞的安保公司開發了一款勞動力管理工具，這些公司雇用著數十萬名員工。保安人員通常在沒有可靠網路連接的偏遠地區工作，使用的也是低端手機。Fastagger的AI智能體通過簡訊與他們溝通，追蹤其巡邏路線，檢測異常情況，並為運營團隊生成可執行的預警資訊。
在針對新興經濟體使用條件定製AI模型方面，Fastagger並非個例。其他案例還包括：為智利沒有網路接入的農村學校開發的應用程式；為印度農村患者設計的醫療分診聊天機器人；以及能在基礎手機上運行的非洲語言翻譯模型。這些源自資源限制而催生的創新，或許有助於讓AI的普及更加公平。但這並不意味著這些限制本身會消失，或者不再制約技術發展。
儘管比約克格倫認為，為長期未能被矽谷充分服務的人群所構建的系統具有巨大潛力，但他也擔心，如果在為新興經濟體設計的小型模型與面向富裕地區、日益龐大強大的模型之間劃出過於清晰的界限，可能會帶來風險。「我擔心這可能導致一種分化，」他說。「我們需要提供一個豐富多樣的選擇菜單，確保大家都能獲得使用機會，然後再去觀察哪種方式真正行得通。」
