Hanademi

Who does AI help or hurt among Global South entrepreneurs?¿A qué emprendedores del sur global ayuda o perjudica la IA? · V8 Master Engine

44 slides · 12 min · 2026-07-2944 láminas · 12 min · 2026-07-29 language
ENES
theme
LightDark
view
TalkTable
brand
HanademiPlatzi
Who does AI help or hurt amongGlobal South entrepreneurs?Made for Freddy Vega, by Hanademi
  1. User capability changed AI from an advantage into a liability.
  2. Formal small businesses face a $5.2 trillion annual financing gap.
  3. Online-only delivery overlooks how digital access often depends on shared physical infrastructure.
¿A qué emprendedores del surglobal ayuda o perjudica la IA?Made for Freddy Vega, by Hanademi
  1. La capacidad del usuario convirtió la IA de ventaja en riesgo.
  2. Las pequeñas empresas formales enfrentan una brecha anual de 5,2 billones de dólares.
  3. La distribución exclusivamente en línea pasa por alto que el acceso digital suele depender de infraestructura física compartida.
Why did AI help strong firms but hurt weakones?Estimated performance effect from WhatsApp access to a GPT-4 business mentor among 640 Kenyanentrepreneurs.Made for Freddy Vega, by HanademiSources: Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AI on entrepreneurialperformance. Harvard Business School Working Paper.Unitestimated effectHigher baseline performance15%Lower baseline performance-8%
A randomized Kenyan study gave 640 entrepreneurs access to the same AI mentor. Stronger performers improved about 15%, while weaker performers declined about 8%. Access alone is not empowerment when users cannot judge the advice.
¿Por qué la IA ayudó a empresas fuertes yperjudicó a débiles?Efecto estimado del acceso por WhatsApp a un mentor empresarial GPT-4 entre 640 emprendedoreskenianos.Made for Freddy Vega, by HanademiFuentes: Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AI on entrepreneurialperformance. Harvard Business School Working Paper.Unidadefecto estimadoMejor desempeño inicial15 %Menor desempeño inicial-8 %
Un estudio aleatorizado en Kenia dio a 640 emprendedores acceso al mismo mentor de IA. Los participantes más fuertes mejoraron cerca de 15%, mientras los más débiles cayeron cerca de 8%. El acceso por sí solo no empodera cuando los usuarios no pueden evaluar la recomendación.
The terms behind the argumentMade for Freddy Vega, by HanademiGenerative AIAI that creates new text, images, audio or software in response to instructions.Informal employmentWork lacking some legal registration, social protection, benefits or formalcontractual safeguards.CounterfactualThe best estimate of what would have happened without the intervention.Baseline capabilityA participant's skills, knowledge or performance before receiving an intervention.Net profitBusiness revenue remaining after subtracting operating costs and other relevant expenses.
5 technical terms carry much of the argument.
Los términos detrás del argumentoMade for Freddy Vega, by HanademiIA generativaIA que crea texto, imágenes, audio o software nuevos en respuesta a instrucciones.Empleo informalTrabajo que carece de algún registro legal, protección social, prestaciones osalvaguardias contractuales formales.ContrafactualLa mejor estimación de lo que habría ocurrido sin la intervención.Capacidad inicialLas habilidades, conocimientos o desempeño de un participante antes de recibir unaintervención.Utilidad netaIngresos empresariales restantes después de restar costos operativos y otros gastospertinentes.
5 términos técnicos sostienen buena parte del argumento.
Formal small businesses face a $5.2trillion annual financing gap.The estimate excludes most informal enterprises, so it does not measure the entireunmet need.Sources: International Finance Corporation. (2017). MSME finance gap: Assessment of the shortfalls and opportunities in financing micro, small, andmedium enterprises in emerging markets. IFC.
AI support enters a market where capital is already scarce. IFC estimated a $5.2 trillion annual financing gap for formal small businesses in developing economies. Better advice cannot replace missing credit or working capital.
Las pequeñas empresas formales enfrentanuna brecha anual de 5,2 billones de dólares.La estimación excluye a la mayoría de las empresas informales, por lo que no mide todala necesidad insatisfecha.Fuentes: International Finance Corporation. (2017). MSME finance gap: Assessment of the shortfalls and opportunities in financing micro, small, andmedium enterprises in emerging markets. IFC.
El apoyo con IA entra en un mercado donde el capital ya es escaso. La IFC estimó una brecha anual de 5,2 billones de dólares para pequeñas empresas formales de economías en desarrollo. Una mejor recomendación no sustituye crédito ni capital de trabajo.
How many workers did India report in itsunincorporated economy?Unincorporated establishments and workers reported by India's statistics office, January to March 2026,in crore.Made for Freddy Vega, by HanademiSources: mospi.gov.in.UnitcroreEstablishments9Workers151.7x
India reported more than 9 crore unincorporated establishments and 15 crore workers in early 2026. This is an enormous population, but not a uniform market of scalable startups. Program design must begin with small and lightly formalized businesses.
¿Cuántos trabajadores reportó India en sueconomía no incorporada?Establecimientos no incorporados y trabajadores reportados por la oficina estadística de India, enero amarzo de 2026, en crore.Made for Freddy Vega, by HanademiFuentes: mospi.gov.in.UnidadcroreEstablecimientos9Trabajadores151,7x
India reportó más de 9 crore de establecimientos no incorporados y 15 crore de trabajadores a comienzos de 2026. Es una población enorme, pero no un mercado uniforme de startups escalables. El diseño debe comenzar con empresas pequeñas y poco formalizadas.
Nigeria allocated $34 million through arandomized business-plan competition.This is evidence about entrepreneurial capital and evaluation design, not evidence of AIeffectiveness.Sources: pdf.usaid.gov.
Nigeria's randomized business-plan competition allocated $34 million, about $50,000 per winner. Applicants were followed for 5 years. The experiment shows what serious entrepreneurship evaluation can look like, even though it tested capital rather than AI.
Nigeria asignó 34 millones dedólares mediante un concursoempresarial aleatorizado.Esta es evidencia sobre capital empresarial y diseño de evaluación, no sobre la eficaciade la IA.Fuentes: pdf.usaid.gov.
El concurso aleatorizado de planes de negocio de Nigeria asignó 34 millones de dólares, cerca de 50.000 dólares por ganador. Los participantes fueron seguidos durante 5 años. El experimento muestra cómo puede evaluarse seriamente el emprendimiento, aunque probó capital y no IA.
Where did estimated self-employment settlein Latin America and the Caribbean?Self-employed workers as a share of total employment in Latin America and the Caribbean, modeled ILOestimate, 1991 to 2025.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Self-employed, total (% of total employment) (modeled ILO estimate) [SL.EMP.SELF.ZS]. World BankOpen Data.Unit% of employment34%36%38%1991199620012006201120162021The series peaked at 39.6% in1993.Self-employment reached 35.6% in2025.39.3%
Self-employment remained above one-third of total employment across the full series. It declined gradually from the early 1990s and reached 35.6% in 2025. Entrepreneur programs must distinguish livelihood businesses from firms positioned to scale.
¿Dónde se estabilizó el autoempleo estimadoen América Latina y el Caribe?Trabajadores por cuenta propia como proporción del empleo total en América Latina y el Caribe, estimaciónmodelada de la OIT, 1991 a 2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Self-employed, total (% of total employment) (modeled ILO estimate) [SL.EMP.SELF.ZS]. World Bank OpenData.Unidad% del empleo34 %36 %38 %1991199620012006201120162021La serie alcanzó un pico de 39,6%en 1993.El autoempleo llegó a 35,6% en2025.39,3 %
El autoempleo se mantuvo por encima de un tercio del empleo total durante toda la serie. Descendió gradualmente desde comienzos de los años noventa y llegó a 35,6% en 2025. Los programas deben distinguir negocios de subsistencia de empresas listas para crecer.
What share used internet in Sub-SaharanAfrica in 2025?Individuals using the internet in Sub-Saharan Africa, percent of population, 2005 to 2025.Made for Freddy Vega, by HanademiSources: World Bank. (2024). Individuals using the Internet (% of population). World Development Indicators.Unit% of population0%10%20%30%2005200820112014201720202023Internet use reached 35.7% in2025.
Internet use rose from 2% in 2005 to 35.7% in 2025. That growth is substantial, but nearly two-thirds of the population remained outside the measure. An online-only entrepreneur program can select for people who already have better access.
¿Qué porcentaje usaba internet en Áfricasubsahariana en 2025?Personas que usan internet en África subsahariana, porcentaje de la población, 2005 a 2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (2024). Individuals using the Internet (% of population). World Development Indicators.Unidad% de la población0 %10 %20 %30 %2005200820112014201720202023El uso de internet llegó a 35,7%en 2025.
El uso de internet aumentó de 2% en 2005 a 35,7% en 2025. El crecimiento es importante, pero casi dos tercios de la población quedaron fuera de la medida. Un programa empresarial solo en línea puede seleccionar a quienes ya tienen mejor acceso.
What physical infrastructure makesdigital access possible?A cyber cafe advertises printing, scanning, internet surfing and photocopying services.Sources: Gen AI field experiment shows mixed results in helping small businesses .... newsroom.haas.berkeley.edu.
Online-only delivery overlooks how digital access often depends on shared physical infrastructure.
¿Qué infraestructura física haceposible el acceso digital?Un cibercafé anuncia servicios de impresión, escaneo, navegación por internet y fotocopiado.Fuentes: Gen AI field experiment shows mixed results in helping small businesses .... newsroom.haas.berkeley.edu.
La distribución exclusivamente en línea pasa por alto que el acceso digital suele depender de infraestructura física compartida.
When did internet use accelerate in SouthAsia?Individuals using the internet in South Asia, percent of population, 2005 to 2025.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank Open Data.Unit% of population0%20%40%60%2005200820112014201720202023Internet use was 20.9% in 2018.It reached 67.8% in 2025.2.1%
South Asian internet use remained near 21% in 2018. It then climbed rapidly and reached 67.8% in 2025. Programs should use recent local baselines rather than old emerging-market assumptions.
¿Cuándo se aceleró el uso de internet enAsia meridional?Personas que usan internet en Asia meridional, porcentaje de la población, 2005 a 2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank Open Data.Unidad% de la población0 %20 %40 %60 %2005200820112014201720202023El uso de internet fue 20,9% en2018.Llegó a 67,8% en 2025.2,1 %
El uso de internet en Asia meridional se mantuvo cerca de 21% en 2018. Luego aumentó con rapidez y llegó a 67,8% en 2025. Los programas deben usar bases locales recientes en lugar de antiguos supuestos sobre mercados emergentes.
Which region led internet use, Europe orLatin America?Individuals using the internet, percent of population, 2005 to 2025.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank Open Data.Unit% of population0%25%50%75%2005200820112014201720202023Europe andCentral AsiaLatin Americaand CaribbeanEurope and Central Asia reached92.4%.Latin America reached 83.7%.
Both regions expanded internet use substantially. Europe and Central Asia reached 92.4% in 2025, while Latin America and the Caribbean reached 83.7%. Regional delivery choices still matter near the top of the adoption curve.
¿Qué región lideró el uso de internet,Europa o América Latina?Personas que usan internet, porcentaje de la población, 2005 a 2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank Open Data.Unidad% de la población0 %25 %50 %75 %2005200820112014201720202023Europa y AsiacentralAmérica Latinay el CaribeEuropa y Asia central llegó a92,4%.América Latina llegó a 83,7%.
Ambas regiones ampliaron considerablemente el uso de internet. Europa y Asia central llegó a 92,4% en 2025, mientras América Latina y el Caribe alcanzó 83,7%. Las decisiones regionales de entrega siguen importando cerca de la parte alta de la adopción.
How large was South Asia's calculatedinternet lead over Sub-Saharan Africa?South Asia minus Sub-Saharan Africa, internet users as a share of population, 2005 to 2025. Hanademicalculation.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank Open Data.Hanademi analysis: South Asia's figure minus Sub-Saharan Africa's across the 21 years both series cover, from the two citedsources. · Formula: South Asia internet-use share minus Sub-Saharan Africa internet-use share for each aligned year.Unitpercentage-point gap0202005200820112014201720202023The gap reached 32.1 points in2025.
The regions were close through much of the early period. After 2018, South Asia pulled away quickly. By 2025, its internet-use rate exceeded Sub-Saharan Africa's by 32.1 percentage points.
¿Cuánto alcanzó la ventaja calculada de Asiameridional sobre África subsahariana?Asia meridional menos África subsahariana, usuarios de internet como proporción de la población, 2005 a2025. Cálculo de Hanademi.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank OpenData.Análisis de Hanademi: La cifra de South Asia menos la de Sub-Saharan Africa en los 21 años que ambas series cubren, a partir de lasdos fuentes citadas. · Fórmula: proporción de uso de internet en Asia meridional menos la de África subsahariana para cada año…Unidadbrecha en puntos porcentuales0202005200820112014201720202023La brecha llegó a 32,1 puntosen 2025.
Las regiones estuvieron cerca durante buena parte del periodo inicial. Después de 2018, Asia meridional se alejó con rapidez. Para 2025, su tasa de uso de internet superó la de África subsahariana por 32,1 puntos porcentuales.
How far behind global electricity accesswas Sub-Saharan Africa?Population with access to electricity, percent, 2000 to 2024.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Unit% of population0%25%50%75%2000200420082012201620202024Sub-SaharanAfricaWorldSub-Saharan Africa reached 55.1%in 2024.The world reached 91.9%.
Electricity access improved in Sub-Saharan Africa, reaching 55.1% in 2024. The global rate reached 91.9%. Digital programs must plan for power constraints rather than treating them as a rare exception.
¿Cuánto rezago tenía África subsaharianafrente al acceso eléctrico mundial?Población con acceso a electricidad, porcentaje, 2000 a 2024.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Unidad% de la población0 %25 %50 %75 %2000200420082012201620202024ÁfricasubsaharianaMundoÁfrica subsahariana llegó a 55,1%en 2024.El mundo llegó a 91,9%.
El acceso eléctrico mejoró en África subsahariana y llegó a 55,1% en 2024. La tasa mundial alcanzó 91,9%. Los programas digitales deben planificar restricciones eléctricas en lugar de tratarlas como una excepción rara.
When did South Asia catch Latin America inelectricity access?Population with access to electricity, percent, 2000 to 2024.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Unit% of population60%80%100%2000200420082012201620202024South AsiaLatin Americaand Caribbean
South Asia began the period far behind Latin America and the Caribbean. By 2024, it had reached 99.8% electricity access, compared with 98.0% in Latin America. Program baselines must reflect recent infrastructure, not inherited labels.
¿Cuándo alcanzó Asia meridional a AméricaLatina en acceso eléctrico?Población con acceso a electricidad, porcentaje, 2000 a 2024.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Unidad% de la población60 %80 %100 %2000200420082012201620202024AsiameridionalAmérica Latinay el Caribe
Asia meridional comenzó el periodo muy por detrás de América Latina y el Caribe. Para 2024, había llegado a 99,8% de acceso eléctrico, frente a 98,0% en América Latina. Las bases de un programa deben reflejar infraestructura reciente, no etiquetas heredadas.
How did South Asia's calculated electricitygap with the world reverse?South Asia minus world electricity access, percentage points, 2000 to 2024. Hanademi calculation.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Hanademi analysis: South Asia's figure minus World's across the 25 years both series cover, from the two cited sources. · Formula:South Asia electricity-access share minus the world share for each aligned year.Unitpercentage-point gap-20-100102000200420082012201620202024South Asia moved above the worldin 2016.The lead reached 7.9 points in2024.-21.5
In 2000, South Asia stood about 21 points below the global electricity rate. It crossed above the world in 2016. By 2024, the lead was 7.9 percentage points.
¿Cómo invirtió Asia meridional su brechaeléctrica calculada con el mundo?Acceso eléctrico de Asia meridional menos el mundial, puntos porcentuales, 2000 a 2024. Cálculo deHanademi.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Análisis de Hanademi: La cifra de South Asia menos la de World en los 25 años que ambas series cubren, a partir de las dos fuentescitadas. · Fórmula: proporción de acceso eléctrico de Asia meridional menos la proporción mundial para cada año alineado.Unidadbrecha en puntos porcentuales-20-100102000200420082012201620202024Asia meridional superó al mundoen 2016.La ventaja llegó a 7,9 puntos en2024.-21,5
En 2000, Asia meridional estaba cerca de 21 puntos por debajo de la tasa eléctrica mundial. Superó al mundo en 2016. Para 2024, la ventaja era de 7,9 puntos porcentuales.
How much higher was electricity accessthan internet use in Sub-Saharan Africa?Electricity-access share divided by internet-use share in Sub-Saharan Africa, aligned years through 2024.Hanademi calculation.Made for Freddy Vega, by HanademiSources: World Bank. (2024). Access to electricity (% of population). World Development Indicators.; World Bank.(2024). Individuals using the Internet (% of population). World Development Indicators.Hanademi analysis: 2022's figure divided by 2022's across the 20 years both series cover, from the two cited sources. ·Formula: electricity-access percentage divided by internet-use percentage for each aligned year.Unitelectricity-to-internet ratio0510152005200820112014201720202023The ratio narrowed to 1.64x in2024.
Electricity access has consistently exceeded internet use in Sub-Saharan Africa. The ratio narrowed as internet use grew, but remained 1.64x in 2024. Devices, connectivity, affordability and skills still sit between power and participation.
¿Cuánto superó el acceso eléctrico al uso deinternet en África subsahariana?Proporción con acceso eléctrico dividida por la proporción que usa internet en África subsahariana, añosalineados hasta 2024. Cálculo de Hanademi.Made for Freddy Vega, by HanademiFuentes: World Bank. (2024). Access to electricity (% of population). World Development Indicators.; World Bank.(2024). Individuals using the Internet (% of population). World Development Indicators.Análisis de Hanademi: La cifra de 2022 dividida por la de 2022 en los 20 años que ambas series cubren, a partir de las dosfuentes citadas. · Fórmula: porcentaje con acceso eléctrico dividido por porcentaje que usa internet para cada año alineado.Unidadrazón electricidad a internet0510152005200820112014201720202023La razón se redujo a 1,64veces en 2024.
El acceso eléctrico ha superado de forma constante el uso de internet en África subsahariana. La razón se redujo con el crecimiento de internet, pero permaneció en 1,64 veces en 2024. Los dispositivos, la conectividad, el costo y las habilidades todavía separan la energía de la participación.
What share of electricity access did SouthAsian internet use match?For each region, divide 2022 internet use as a population share by 2022 electricity access as a populationshare and multiply by 100.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank OpenData.; World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Unitinternet-use points per 100 electricity-access pointsSub-Saharan Africa60.4Latin America and Caribbean78.2South Asia54.7
Near-universal electricity in South Asia coexists with a lower internet-to-power coverage ratio than in Sub-Saharan Africa or Latin America, showing that electricity alone does not unlock digital delivery.
¿Qué proporción del acceso eléctricoalcanzó internet en Asia meridional?Para cada región, dividir el uso de internet como proporción de la población en 2022 entre el accesoeléctrico como proporción de la población en 2022 y multiplicar por 100.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS]. World Bank OpenData.; World Bank. (n.d.). Access to electricity (% of population) [EG.ELC.ACCS.ZS]. World Bank Open Data.Unidadpuntos de uso de internet por cada 100 puntos de acceso eléctricoÁfrica subsahariana60,4América Latina y el Caribe78,2Asia meridional54,7
La electricidad casi universal en Asia meridional coexiste con una menor proporción entre internet y acceso eléctrico que en África subsahariana o América Latina, lo que muestra que la electricidad por sí sola no habilita la prestación digital.
Women were 15% less likely than men touse mobile internet.The figure is a relative gender gap, not the share of all women who lack internet.Sources: GSMA. (2024). The mobile gender gap report 2024. GSMA.
GSMA estimated a 15% gender gap in mobile-internet use across low and middle-income countries in 2023. That gap changes who enters an AI program and whose outcomes get measured. Recruitment must test for this selection.
Las mujeres tenían 15% menosprobabilidad que los hombres deusar internet móvil.La cifra es una brecha relativa de género, no la proporción de todas las mujeres quecarecen de internet.Fuentes: GSMA. (2024). The mobile gender gap report 2024. GSMA.
GSMA estimó una brecha de género de 15% en el uso de internet móvil en países de ingresos bajos y medios en 2023. Esa brecha cambia quién entra a un programa de IA y de quién se miden los resultados. El reclutamiento debe comprobar esta selección.
How many mobile subscriptions did Ghanareach per 100 people?Mobile cellular subscriptions per 100 people in Ghana, 2000 to 2024. Log scale: every gridline is ×10.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank Open Data.Unitsubscriptions per 100 people0.11101001,0002000200420082012201620202024Subscriptions peaked at 133.6 in2018.The 2024 level was 113.6.0.7
Ghana moved from fewer than 1 subscription per 100 people in 2000 to 113.6 in 2024. The channel is broad enough to support basic-phone delivery. Subscriptions above 100 still do not mean every person has a reliable connection.
¿Cuántas suscripciones móviles alcanzóGhana por cada 100 personas?Suscripciones celulares por cada 100 personas en Ghana, 2000 a 2024. Escala logarítmica: cada línea es×10.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.Unidadsuscripciones por cada 100 personas0,11101001.0002000200420082012201620202024Las suscripciones alcanzaron unpico de 133,6 en 2018.El nivel de 2024 fue 113,6.0,7
Ghana pasó de menos de 1 suscripción por cada 100 personas en 2000 a 113,6 en 2024. El canal es suficientemente amplio para apoyar entrega mediante teléfonos básicos. Las suscripciones superiores a 100 no significan que cada persona tenga una conexión confiable.
How large was Ghana's calculatedmobile-subscription lead over Togo?Ghana minus Togo, mobile subscriptions per 100 people, 2000 to 2024. Hanademi calculation.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank Open Data.Hanademi analysis: Ghana's figure minus Togo's across the 25 years both series cover, from the two cited sources. ·Formula: Ghana subscriptions per 100 people minus Togo subscriptions per 100 people for each aligned year.Unitsubscriptions per 100 people02040602000200420082012201620202024The lead peaked at 60.42 in2016.The 2024 gap was 32.84.
Ghana and Togo began with similar subscription levels. Their paths then separated sharply, with Ghana's lead peaking above 60. The gap reached 32.84 subscriptions per 100 people in 2024.
¿Cuánto alcanzó la ventaja móvil calculadade Ghana sobre Togo?Ghana menos Togo, suscripciones móviles por cada 100 personas, 2000 a 2024. Cálculo de Hanademi.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.Análisis de Hanademi: La cifra de Ghana menos la de Togo en los 25 años que ambas series cubren, a partir de las dosfuentes citadas. · Fórmula: suscripciones por cada 100 personas en Ghana menos las de Togo para cada año alineado.Unidadsuscripciones por cada 100 personas02040602000200420082012201620202024La ventaja alcanzó un pico de60,42 en 2016.La brecha de 2024 fue 32,84.
Ghana y Togo comenzaron con niveles similares de suscripción. Luego sus trayectorias se separaron con fuerza y la ventaja de Ghana superó 60. La brecha llegó a 32,84 suscripciones por cada 100 personas en 2024.
How do Kenya's mobile reach and reportedHustle Academy enrollment compare?Kenyan mobile subscriptions, 2000 to 2024, beside reported enrollment toward a 3,000-business programtarget in 2026.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.; tech-ish.com.Unitmobile access and businessesMobile channel0.4126.520002024Program enrollment6003,000Initially enrolledProgram target
Kenya reached 126.5 mobile subscriptions per 100 people in 2024. Absa Bank Kenya and Google then launched a 12-month program targeting 3,000 businesses, with more than 600 initially enrolled. The channel is credible, but profit and survival remain the real tests.
¿Cómo contrastan el alcance móvil keniano y lainscripción reportada en Hustle Academy?Suscripciones móviles de Kenia, 2000 a 2024, junto con la inscripción reportada hacia una meta de 3.000empresas en 2026.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank Open Data.;tech-ish.com.Unidadacceso móvil y empresasCanal móvil0,4126,520002024Inscripción del programa6003.000Inscritas inicialmenteMeta del programa
Kenia llegó a 126,5 suscripciones móviles por cada 100 personas en 2024. Absa Bank Kenya y Google lanzaron después un programa de 12 meses dirigido a 3.000 empresas, con más de 600 inscritas inicialmente. El canal es creíble, pero la utilidad y la supervivencia siguen siendo las pruebas reales.
What human support does digitalreach still need?Two women use a laptop beside Google Hustle Academy branding.Sources: Google Hustle Academy 2025 Applications Open.
Hustle Academy's learning setting makes the human support behind digital reach visible.
¿Qué apoyo humano sigue necesitando elalcance digital?Dos mujeres usan una computadora portátil junto a la marca de Google Hustle Academy.Fuentes: Google Hustle Academy 2025 Applications Open.
El entorno de aprendizaje de Hustle Academy hace visible el apoyo humano detrás del alcance digital.
How did Malawi's and Nigeria's mobilesubscription paths differ?Mobile cellular subscriptions per 100 people, 2000 to 2024. Log scale: every gridline is ×10.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank Open Data.Unitsubscriptions per 100 people0.010.11101002000200420082012201620202024MalawiNigeriaMalawi reached 69.3 in 2024.Nigeria reached 99.6 in 2022.
Malawi's subscription rate rose steadily to 69.3 in 2024. Nigeria approached 100 in 2022 and 2023, then fell sharply to 70.8 in the supplied 2024 series. Programs need local monitoring rather than a single continental channel assumption.
¿Cómo cambiaron de forma distinta lassuscripciones móviles de Malaui y Nigeria?Suscripciones celulares por cada 100 personas, 2000 a 2024. Escala logarítmica: cada línea es ×10.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.Unidadsuscripciones por cada 100 personas0,010,11101002000200420082012201620202024MalauiNigeriaMalaui llegó a 69,3 en 2024.Nigeria llegó a 99,6 en 2022.
La tasa de suscripciones de Malaui aumentó de forma sostenida hasta 69,3 en 2024. Nigeria se acercó a 100 en 2022 y 2023, y luego cayó con fuerza a 70,8 en la serie suministrada para 2024. Los programas necesitan seguimiento local y no un solo supuesto continental.
How broad is Zambia's mobile channel?Mobile cellular subscriptions per 100 people in Zambia, 2000 to 2024. Log scale: every gridline is ×10.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.; Microsoft. (2024). Viamo and Microsoft bring generative AI to people using basic mobile phones. MicrosoftSource.Unitsubscriptions per 100 people0.11101001,0002000200420082012201620202024Zambia reached 108.7 in 2024.1.0
Zambia's mobile-subscription rate climbed from below 1 in 2000 to 108.7 in 2024. That makes basic-phone delivery a credible access strategy. It still does not prove that the information delivered will raise income.
¿Qué tan amplio es el canal móvil deZambia?Suscripciones celulares por cada 100 personas en Zambia, 2000 a 2024. Escala logarítmica: cada líneaes ×10.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.; Microsoft. (2024). Viamo and Microsoft bring generative AI to people using basic mobile phones. MicrosoftSource.Unidadsuscripciones por cada 100 personas0,11101001.0002000200420082012201620202024Zambia llegó a 108,7 en 2024.1,0
La tasa de suscripciones móviles de Zambia aumentó de menos de 1 en 2000 a 108,7 en 2024. Esto convierte la entrega mediante teléfonos básicos en una estrategia de acceso creíble. Aún no demuestra que la información entregada aumentará ingresos.
Why can a phone be the first interface?A man holds a mobile phone beside bags filled with plastic bottles.Sources: No smartphone or internet? No problem; AI-backed phone has the answers | Reuters. reuters.com.
A phone channel can fit work settings where a computer is not the primary interface.
¿Por qué un teléfono puede ser laprimera interfaz?Un hombre sostiene un teléfono móvil junto a bolsas llenas de botellas de plástico.Fuentes: No smartphone or internet? No problem; AI-backed phone has the answers | Reuters. reuters.com.
Un canal telefónico puede adaptarse a entornos laborales donde una computadora no es la interfaz principal.
What drove Togo's estimated profit gains,mobile reach or human training?Togo mobile subscriptions, 2000 to 2024, beside estimated profit effects from a randomized training study.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.; Campos, F., et al. (2017). Teaching personal initiative beats traditional training in boosting small business inWest Africa. Science.Unitmobile reach and profit effectMobile channel1.080.820002024Profit effect30%11%Personal initiativeConventional training
Togo reached 80.8 mobile subscriptions per 100 people in 2024. In a separate randomized study, personal-initiative training raised profits about 30%, compared with 11% for conventional training. A digital channel is useful, but treatment design still matters more than reach alone.
¿Qué impulsó las utilidades estimadas enTogo, alcance móvil o capacitación humana?Suscripciones móviles de Togo, 2000 a 2024, junto con efectos estimados sobre utilidades de un estudioaleatorizado de capacitación.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank OpenData.; Campos, F., et al. (2017). Teaching personal initiative beats traditional training in boosting small business inWest Africa. Science.Unidadalcance móvil y efecto sobre utilidadesCanal móvil1,080,820002024Efecto sobre utilidades30 %11 %Iniciativa personalCapacitación convencional
Togo llegó a 80,8 suscripciones móviles por cada 100 personas en 2024. En un estudio aleatorizado separado, la capacitación en iniciativa personal elevó utilidades cerca de 30%, frente a 11% con capacitación convencional. Un canal digital es útil, pero el diseño de la intervención importa más que el alcance por sí solo.
How did FarmerChat's evidence progresstoward a registered trial?Dated FarmerChat evidence milestones in Kenya, October 2023 to October 2025.Made for Freddy Vega, by HanademiSources: huggingface.co.; doi.org.Unitcalendar datesOct 1, 2023Apr 30, 2024Oct 26, 2025Oct 1, 2023–Apr 30, 20242,300 interaction recordsOct 26, 2025Randomized trial registration
CGIAR released 2,300 anonymized Kenyan interaction records collected from October 2023 to April 2024. A randomized trial registration followed on October 26, 2025. The evidence is becoming more rigorous, but trial registration is not a completed impact result.
¿Cómo avanzó la evidencia de FarmerChathacia un ensayo registrado?Hitos fechados de evidencia de FarmerChat en Kenia, octubre de 2023 a octubre de 2025.Made for Freddy Vega, by HanademiFuentes: huggingface.co.; doi.org.Unidadfechas calendarioOct 1, 2023Apr 30, 2024Oct 26, 2025Oct 1, 2023–Apr 30, 20242.300 interaccionesOct 26, 2025Registro del ensayoaleatorizado
CGIAR publicó 2.300 interacciones anonimizadas de Kenia recopiladas entre octubre de 2023 y abril de 2024. El 26 de octubre de 2025 se registró después un ensayo aleatorizado. La evidencia se vuelve más rigurosa, pero registrar un ensayo no equivale a terminar una evaluación de impacto.
Digital Green says FarmerChat surpassed1,000,000 users across 5 countries.The user count is organization-reported and measures reach rather than income impact.Sources: digitalgreen.org.
Digital Green says FarmerChat passed 1,000,000 users across India, Kenya, Ethiopia, Nigeria and Brazil. That demonstrates substantial demand for localized agricultural advice. It does not yet establish a causal increase in farm profit.
Digital Green afirma que FarmerChatsuperó 1.000.000 de usuarios en 5 países.La cantidad de usuarios fue reportada por la organización y mide alcance, no impactosobre ingresos.Fuentes: digitalgreen.org.
Digital Green afirma que FarmerChat superó 1.000.000 de usuarios en India, Kenia, Etiopía, Nigeria y Brasil. Esto demuestra una demanda importante por asesoría agrícola localizada. Aún no establece un aumento causal de la utilidad agrícola.
What comes first, reported reach orproof of profit?A woman holds a smartphone among rows of cultivated plants.Sources: Testing AI advisory services – insights from FarmerChat in India and Kenya. rural21.com.
A phone in a cultivated field gives reported scale a human face, but it does not establish income gains.
¿Qué llega primero, el alcance reportado o laprueba de utilidades?Una mujer sostiene un teléfono inteligente entre hileras de plantas cultivadas.Fuentes: Testing AI advisory services – insights from FarmerChat in India and Kenya. rural21.com.
Un teléfono en un campo cultivado da un rostro humano al alcance reportado, pero no demuestra aumentos de ingresos.
Most of 450 surveyed Kenyan FarmerChatusers trusted its AI guidance.The supplied claim does not provide a numerical trust percentage or establish profitimpact.Sources: 60decibels.com.
A 60 Decibels survey covered 450 Kenyan FarmerChat users. Most were new to digital advisory and trusted the AI guidance. Trust shows acceptance, but it also raises the stakes for accuracy and escalation.
La mayoría de 450 usuarioskenianos encuestados confió en larecomendación de IA.La afirmación suministrada no proporciona un porcentaje numérico de confianza niestablece impacto sobre utilidades.Fuentes: 60decibels.com.
Una encuesta de 60 Decibels cubrió a 450 usuarios kenianos de FarmerChat. La mayoría era nueva en la asesoría digital y confió en la recomendación de IA. La confianza muestra aceptación, pero también eleva la importancia de la precisión y el escalamiento.
Across 3 experiments, AI productivitygains ranged from 14% to 40%.The range combines distinct experiments and outcomes. It shows capability on boundedtasks, not proven income gains for informal entrepreneurs.Sources: Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper No. 31161.; Noy, S., & Zhang, W. (2023).Experimental evidence on the productivity effects of generative artificial intelligence. Science.; Dell'Acqua, F., et al. (2023). Navigating the jaggedtechnological frontier. Harvard Business School Working Paper 24-013.
Three experiments reported meaningful productivity improvements from AI. The range ran from about 14% to 40%. The studies measured different tasks and populations, so the figures cannot become one entrepreneur-income estimate.
En 3 experimentos, las ganancias deproductividad con IA variaron de 14% a 40%.El rango reúne experimentos y resultados distintos. Muestra capacidad en tareasdelimitadas, no aumentos probados de ingresos para emprendedores informales.Fuentes: Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper No. 31161.; Noy, S., & Zhang, W. (2023).Experimental evidence on the productivity effects of generative artificial intelligence. Science.; Dell'Acqua, F., et al. (2023). Navigating the jaggedtechnological frontier. Harvard Business School Working Paper 24-013.
Tres experimentos reportaron mejoras importantes de productividad con IA. El rango fue de aproximadamente 14% a 40%. Los estudios midieron tareas y poblaciones distintas, por lo que las cifras no pueden convertirse en una sola estimación de ingresos empresariales.
Anthropic estimated AI cut task time 80%across 100,000 Claude conversations.The estimate comes from Anthropic's own analysis and should not be generalized toevery task or user.Sources: anthropic.com.
Anthropic analyzed 100,000 Claude conversations and estimated an 80% reduction in individual task time. The counterfactual task averaged roughly 90 minutes. This is a modeled estimate from platform use, not a randomized income result.
Anthropic estimó 80% menostiempo por tarea en 100.000conversaciones con Claude.La estimación proviene del análisis de Anthropic y no debe generalizarse a todas lastareas ni usuarios.Fuentes: anthropic.com.
Anthropic analizó 100.000 conversaciones con Claude y estimó una reducción de 80% en el tiempo individual por tarea. La tarea contrafactual promediaba cerca de 90 minutos. Es una estimación modelada de uso de plataforma, no un resultado aleatorizado sobre ingresos.
How much of the task-time ceiling didobserved productivity capture?Convert an 80% task-time reduction into a theoretical output index of 500, compare it with the observedproductivity index of 114, then divide incremental gains: 14 ÷ 400 = 3.5%.Made for Freddy Vega, by HanademiSources: anthropic.com.; Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER WorkingPaper No. 31161.Unitnormalized output index, baseline equals 100Baseline100Observed workplace productivity114Task-time ceiling500
This cross-study benchmark shows that model-level speed can greatly exceed realized workplace output, so workflow integration and verification determine captured value.
¿Cuánto del máximo de tiempo capturó laproductividad observada?Convertir una reducción de 80% en el tiempo por tarea en un índice teórico de producción de 500,compararlo con el índice observado de 114 y dividir las ganancias incrementales: 14 ÷ 400 = 3,5%.Made for Freddy Vega, by HanademiFuentes: anthropic.com.; Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER WorkingPaper No. 31161.Unidadíndice normalizado de producción, base igual a 100Base100Productividad laboral observada114Máximo por ahorro de tiempo500
Esta referencia entre estudios muestra que la velocidad del modelo puede superar ampliamente la producción laboral realizada, por lo que la integración al flujo de trabajo y la verificación determinan el valor capturado.
Across 7,000 workplaces, AIchatbots did not significantly changeearnings or recorded hours.The supplied source is secondary reporting of the study and does not provide aneffect-size series.Sources: fortune.com.
A study covering 7,000 workplaces found no significant chatbot impact on earnings or recorded hours in any occupation. Productivity at a task does not automatically become higher pay. Entrepreneur programs must measure money, not just speed.
En 7.000 lugares de trabajo, los chatbotsno cambiaron significativamente ingresosni horas registradas.La fuente suministrada es una cobertura secundaria del estudio y no proporciona unaserie de tamaños de efecto.Fuentes: fortune.com.
Un estudio de 7.000 lugares de trabajo no encontró un impacto significativo de los chatbots sobre ingresos ni horas registradas en ninguna ocupación. La productividad en una tarea no se convierte automáticamente en mayor remuneración. Los programas empresariales deben medir dinero, no solo velocidad.
Does AI use guarantee higher earnings?A woman works in front of a desktop computer.Sources: fortune.com.
A familiar computer-based workplace keeps the focus on earnings, not tool use alone.
¿Usar IA garantiza mayores ingresos?Una mujer trabaja frente a una computadora de escritorio.Fuentes: fortune.com.
Un entorno laboral frente a una computadora mantiene el foco en los ingresos, no solo en el uso de herramientas.
Correct-answer likelihood fell by-19 percentage points outside AI'sreliable task frontier.The result concerns a specific experimental task outside the tested model's reliablecapability boundary: -19 percentage points.Sources: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.; What is the jaggedAI frontier?.
AI can accelerate familiar, bounded work. It can also make users confidently wrong outside its reliable frontier. In one consultant experiment, correct-answer likelihood fell by -19 percentage points.
La probabilidad de acertar cayó -19puntos porcentuales fuera de lafrontera confiable de la IA.El resultado corresponde a una tarea experimental específica fuera del límite confiabledel modelo evaluado: -19 puntos porcentuales.Fuentes: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.; What is the jaggedAI frontier?.
La IA puede acelerar trabajo familiar y delimitado. También puede hacer que los usuarios se equivoquen con confianza fuera de su frontera confiable. En un experimento con consultores, la probabilidad de acertar cayó -19 puntos porcentuales.
What estimated share of Côte d'Ivoire'sworkers is in agriculture?Agricultural employment as a share of total employment in Côte d'Ivoire, modeled ILO estimate, 1991 to2025.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Employment in agriculture (% of total employment) (modeled ILO estimate) [SL.AGR.EMPL.ZS]. WorldBank Open Data.Unit% of employment45%50%1991199620012006201120162021Agricultural employmentpeaked at 52.9% in 2016.The share was 45.4% in 2025.
Agriculture accounted for 45.4% of employment in Côte d'Ivoire in 2025. The share has remained high across more than 3 decades. Agricultural delivery infrastructure can therefore reach a large working population.
¿Qué proporción estimada de trabajadoresde Côte d'Ivoire está en agricultura?Empleo agrícola como proporción del empleo total en Côte d'Ivoire, estimación modelada de la OIT, 1991 a2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Employment in agriculture (% of total employment) (modeled ILO estimate) [SL.AGR.EMPL.ZS]. World BankOpen Data.Unidad% del empleo45 %50 %1991199620012006201120162021El empleo agrícola alcanzó unpico de 52,9% en 2016.La proporción fue 45,4% en2025.
La agricultura representó 45,4% del empleo en Côte d'Ivoire en 2025. La proporción se mantuvo alta durante más de 3 décadas. La infraestructura de entrega agrícola puede alcanzar a una gran población trabajadora.
How big were Amini's funding and agriculture's shareof Cameroon's economy?Cameroonian agricultural value added, 2000 to 2025, beside Amini's announced pre-seed and seed rounds.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Agriculture, forestry, and fishing, value added (% of GDP) [NV.AGR.TOTL.ZS]. World BankOpen Data.; TechCrunch. (2023). Amini raises $4M seed funding for African climate-data infrastructure. TechCrunch.UnitGDP share and USD millionsAgricultural economy18.1%16.8%20002025Amini financing$2M$4MPre-seedSeed
Agriculture contributed 16.8% of Cameroon's GDP in 2025. Amini announced a $4 million seed round after an earlier $2 million pre-seed round. The financing signals interest in environmental data infrastructure, not proven farmer income.
¿Qué tamaño tenían el financiamiento deAmini y la agricultura camerunesa?Valor agregado agrícola de Camerún, 2000 a 2025, junto con las rondas presemilla y semilla anunciadaspor Amini.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Agriculture, forestry, and fishing, value added (% of GDP) [NV.AGR.TOTL.ZS]. WorldBank Open Data.; TechCrunch. (2023). Amini raises $4M seed funding for African climate-data infrastructure.TechCrunch.Unidadproporción del PIB y millones USDEconomía agrícola18,1 %16,8 %20002025Financiamiento de Amini$2 M$4 MPresemillaSemilla
La agricultura aportó 16,8% del PIB de Camerún en 2025. Amini anunció una ronda semilla de 4 millones de dólares después de una presemilla de 2 millones. El financiamiento señala interés en infraestructura de datos ambientales, no ingresos agrícolas probados.
What female youth gap and target shapeYoung Africa Works in Ghana?Female youth outside education, employment or training in Ghana, 2000 to 2024, beside MastercardFoundation's 2030 target.Made for Freddy Vega, by HanademiSources: World Bank. (n.d.). Share of youth not in education, employment or training, female (% of female youthpopulation) [SL.UEM.NEET.FE.ZS]. World Bank Open Data.; Mastercard Foundation. (2024). Young Africa Worksstrategy. Mastercard Foundation.Unitpercent and millions of peopleFemale youth exclusion33.2%26.3%20002024Young Africa Works target30219Total targetWomen targetOther participants
In Ghana, 26.3% of female youth were outside education, employment or training in 2024. Mastercard Foundation targets dignified work for 30 million young Africans by 2030, including 21 million women. A proposal should connect AI to that outcome frame.
¿Qué brecha femenina y meta definen YoungAfrica Works en Ghana?Mujeres jóvenes fuera de educación, empleo o capacitación en Ghana, 2000 a 2024, junto con la meta 2030de Mastercard Foundation.Made for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Share of youth not in education, employment or training, female (% of female youthpopulation) [SL.UEM.NEET.FE.ZS]. World Bank Open Data.; Mastercard Foundation. (2024). Young Africa Worksstrategy. Mastercard Foundation.Unidadporcentaje y millones de personasExclusión de mujeres jóvenes33,2 %26,3 %20002024Meta de Young Africa Works30219Meta totalMeta de mujeresOtros participantes
En Ghana, 26,3% de las mujeres jóvenes estaban fuera de educación, empleo o capacitación en 2024. Mastercard Foundation busca trabajo digno para 30 millones de jóvenes africanos para 2030, incluidas 21 millones de mujeres. Una propuesta debe conectar la IA con ese marco de resultados.
How much announced funding did inclusivedigital programs attract?Announced initiative funding, USD millions: Mastercard Strive in 2021 and Google.org Africa support in2024.Made for Freddy Vega, by HanademiSources: Mastercard Center for Inclusive Growth. (2021). Mastercard launches Strive to strengthen the financial resilience of small businesses.Mastercard.; Google Africa. (2024). Google invests $5.8 million in AI skilling across Sub-Saharan Africa. Google.Sources use different measurement bases; read the comparison directionally, not as one exact scale.UnitUSDMastercard Strive$25MGoogle.org Africa$5.8M4.3x
Mastercard's Strive initiative launched with $25 million and an ambition to support more than 5 million small businesses. Google.org announced $5.8 million for AI and digital-skills initiatives across Sub-Saharan Africa in 2024. These commitments signal interest, not a promise to fund another program.
¿Cuánto financiamiento anunciado atrajeronlos programas digitales inclusivos?Financiamiento anunciado de iniciativas, millones USD: Mastercard Strive en 2021 y apoyo de Google.org enÁfrica en 2024.Made for Freddy Vega, by HanademiFuentes: Mastercard Center for Inclusive Growth. (2021). Mastercard launches Strive to strengthen the financial resilience of small businesses.Mastercard.; Google Africa. (2024). Google invests $5.8 million in AI skilling across Sub-Saharan Africa. Google.Las fuentes usan bases de medición distintas; lea la comparación como tendencia, no como una escala exacta.UnidadUSDMastercard Strive$25 MGoogle.org África$5,8 M4,3x
La iniciativa Strive de Mastercard se lanzó con 25 millones de dólares y la ambición de apoyar a más de 5 millones de pequeñas empresas. Google.org anunció 5,8 millones para iniciativas de IA y habilidades digitales en África subsahariana en 2024. Estos compromisos señalan interés, no una promesa de financiar otro programa.
Compare AI alone, coached AI and controlfor at least 12 months.Measure net profit, survival, decision quality, harmful advice and outcomes by baselinecapability, gender and connectivity.Sources: Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AI on entrepreneurial performance. Harvard Business School Working Paper.; Dell'Acqua, F., et al. (2023).Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.; Campos, F., et al. (2017). Teaching personal initiative beats traditional training in boosting small business in West Africa…Program-design recommendation: compare 3 groups for at least 12 months while measuring profit and harm.
The Kenyan mentor produced gains and losses for different users. The consultant experiment showed a 19-point accuracy penalty outside AI's reliable frontier, while human training produced meaningful profit gains in Togo. A defensible pilot compares AI alone, coached AI and control for at least 12 months.
Compare IA sola, IA acompañada y controldurante al menos 12 meses.Mida utilidad neta, supervivencia, calidad de decisiones, recomendaciones dañinas yresultados por capacidad inicial, género y conectividad.Fuentes: Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AI on entrepreneurial performance. Harvard Business School Working Paper.; Dell'Acqua, F., et al. (2023).Navigating the jagged technological frontier. Harvard Business School Working Paper 24-013.; Campos, F., et al. (2017). Teaching personal initiative beats traditional training in boosting small business in West Africa…Recomendación de diseño: comparar 3 grupos durante al menos 12 meses mientras se miden utilidad y daño.
El mentor keniano produjo ganancias y pérdidas para distintos usuarios. El experimento con consultores mostró una penalización de 19 puntos fuera de la frontera confiable de la IA, mientras la capacitación humana produjo mejoras importantes de utilidad en Togo. Un piloto defendible compara IA sola, IA acompañada y control durante al menos 12 meses.
In summaryMade for Freddy Vega, by HanademiSources: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank Open Data.; Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generativeAI on entrepreneurial performance. Harvard Business School Working Paper.; doi.org.; TechCrunch. (2023). Amini raises $4M seed funding for African climate-data infrastructure. TechCrunch.; Google Africa. (2024).Google invests $5.8 million in AI skilling across Sub-Saharan Africa. Google.; World Bank. (2024). Access to electricity (% of population). World Development Indicators.Mobile cellular subscriptions: the gap between Ghana and Togo reached 33 per 100 people in 2024.Lower baseline performers offered the same AI mentor experienced an estimated performance decline of approximately 8%.An AEA randomized-trial registration for Farmer.Chat’s impact on Kenyan smallholders was published on October 26, 2025.Amini announced a $4 million seed round in 2023 after an earlier $2 million pre-seed round.Google.org announced $5.8 million in 2024 support for AI and digital-skills initiatives across Sub-Saharan Africa.World Bank data place Sub-Saharan African electricity access near 51%: 2022 ran 1.64x 2022 in 2024.
The value of the research is not only what each source knew, but what became visible when their evidence was combined.
En resumenMade for Freddy Vega, by HanademiFuentes: World Bank. (n.d.). Mobile cellular subscriptions (per 100 people) [IT.CEL.SETS.P2]. World Bank Open Data.; Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AIon entrepreneurial performance. Harvard Business School Working Paper.; doi.org.; TechCrunch. (2023). Amini raises $4M seed funding for African climate-data infrastructure. TechCrunch.; Google Africa. (2024).Google invests $5.8 million in AI skilling across Sub-Saharan Africa. Google.; World Bank. (2024). Access to electricity (% of population). World Development Indicators.Mobile cellular subscriptions: la brecha entre Ghana y Togo alcanzó 33 per 100 people en 2024.Los participantes con menor desempeño inicial que recibieron el mismo mentor de IA experimentaron una caída estimadade aproximadamente 8%.El 26 de octubre de 2025 se publicó en la AEA el registro de un ensayo aleatorizado sobre el impacto de Farmer.Chat enpequeños productores de Kenia.Amini anunció una ronda semilla de 4 millones de dólares en 2023 después de una ronda presemilla anterior de 2 millones.Google.org anunció en 2024 apoyo por 5,8 millones de dólares para iniciativas de IA y habilidades digitales en África subsahariana.World Bank data place Sub-Saharan African electricity access near 51%: 2022 fue 1,64 veces 2022 en 2024.
El valor de la investigación no está solo en cada fuente, sino en lo que apareció al combinar sus evidencias.
How large is Farmer.Chat's surveycompared with its reported user base?Made for Freddy Vega, by HanademiSources: Digital Green. (2024). Farmer.Chat: Generative AI for small-scale farmers. Digital Green.; doi.org.;digitalgreen.org.Unitreported items per 100 users, logarithmic scaleSurvey respondents0.045Dataset records0.23Published interactions7710.010.11101001,000Reported items per 100 users
Engagement volume is large, but publicly inspectable records and evaluative respondents are tiny relative to reported reach; dataset records are interactions, not unique users, and causal profit evidence remains pending.
¿Qué tamaño tiene la encuesta de Farmer.Chat frentea sus usuarios reportados?Made for Freddy Vega, by HanademiFuentes: Digital Green. (2024). Farmer.Chat: Generative AI for small-scale farmers. Digital Green.; doi.org.;digitalgreen.org.Unidadelementos reportados por cada 100 usuarios, escala logarítmicaParticipantes encuestados0,045Registros del conjunto0,23Interacciones publicadas7710.010.11101001,000Elementos reportados por cada 100 usuarios
El volumen de interacción es grande, pero los registros públicamente examinables y los participantes evaluados son mínimos frente al alcance reportado; los registros son interacciones, no usuarios únicos, y la evidencia causal sobre ganancias sigue pendiente.
How far did normalized cohort performanceshift with user fit?Made for Freddy Vega, by HanademiSources: Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AI onentrepreneurial performance. Harvard Business School Working Paper.; ictworks.org.; The Uneven Impact ofGenerative AI on Entrepreneurial Performance.Unitnormalized cohort performance index, control equals 640Lower-performing counterfactual589Control index640Higher-performing counterfactual736
The same AI mentor creates a 147-point counterfactual range, making baseline diagnosis and escalation guardrails central to program design.
¿Cuánto cambió el desempeño normalizadopor la adecuación del usuario?Made for Freddy Vega, by HanademiFuentes: Otis, N., Clarke, R., Delecourt, S., Holtz, D., & Koning, R. (2024). The uneven impact of generative AI onentrepreneurial performance. Harvard Business School Working Paper.; ictworks.org.; The Uneven Impact ofGenerative AI on Entrepreneurial Performance.Unidadíndice normalizado de desempeño de la cohorte, control igual a 640Contrafactual de menor desempeño589Índice de control640Contrafactual de mayor desempeño736
El mismo mentor de IA crea un rango contrafactual de 147 puntos, por lo que el diagnóstico inicial y las salvaguardas de escalamiento son centrales para el diseño del programa.
How fast did the calculatedinternet-to-self-employment coverage index grow?Divide Sub-Saharan Africa's internet-use share by its self-employment share in each selected year andmultiply by 100; the index rises from 2.5 in 2005 to 46.0 in 2025.Made for Freddy Vega, by HanademiSources: World Bank. (2024). Self-employed, total (% of total employment), modeled ILO estimate. WorldDevelopment Indicators.; World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS].World Bank Open Data.Unitinternet-use points per 100 self-employment-prevalence points02040200520102015202020252.546
Digital channel availability scaled far faster than the region's employment structure, yet this planning index still reaches only 46 and does not estimate how many entrepreneurs personally have access.
¿Cuánto creció el índice calculado decobertura entre internet y autoempleo?Dividir la proporción de uso de internet en África subsahariana entre la proporción de autoempleo en cadaaño seleccionado y multiplicar por 100; el índice aumenta de 2,5 en 2005 a 46,0 en 2025.Made for Freddy Vega, by HanademiFuentes: World Bank. (2024). Self-employed, total (% of total employment), modeled ILO estimate. WorldDevelopment Indicators.; World Bank. (n.d.). Individuals using the Internet (% of population) [IT.NET.USER.ZS].World Bank Open Data.Unidadpuntos de uso de internet por cada 100 puntos de prevalencia del autoempleo02040200520102015202020252,546
La disponibilidad de canales digitales creció mucho más rápido que la estructura laboral regional, pero este índice de planificación solo llega a 46 y no estima cuántos emprendedores tienen acceso personalmente.

The research behind this deck

User capability changed AI from an advantage into a liability. 5 technical terms carry much of the argument.

Key findings

The argument

This research is published in English and Spanish. Ver en español

La investigación detrás de esta presentación

La capacidad del usuario convirtió la IA de ventaja en riesgo. 5 términos técnicos sostienen buena parte del argumento.

Hallazgos clave

El argumento

Esta investigación se publica en inglés y español. Read in English

Related researchInvestigación relacionada