NC Central、全学対象の人工知能研究所を開設

North Carolina Central Universityは、コンピュータサイエンス専攻の学生だけでなく、「AIはすべての人のためのものだ」とする約束を掲げ、AI研究所を開設した。この話題はGoogle Newsを通じて広まったが、見出しが捉えたのは、より長期的な組織づくりの一段階にすぎない。

Institute for Artificial Intelligence and Emerging Research（IAIER）は、大学による正式承認を受ける前から運営を始めていた。そのプログラムは現在、学問分野を横断し、人材育成、教員研究、地域向けイベントにまで広がっている。この範囲の広さは、同研究所が単なる新しい学内センターではないことを示している。

中心的な課題は、NCCUがAIへの幅広いアクセスを持続可能な組織力へと転換できるかどうかだ。大手テクノロジー企業は、トレーニングプラットフォーム、認定資格、登壇者、初期資金を提供できる。しかし、恒久的な教員ポスト、研究支援、独立したガバナンス、長年にわたる運営資金までは保証できない。

この違いはDurhamの外でも重要だ。全米の大学はAIコース、認定プログラム、提携の導入を急いでいる。NCCUが試みているのはより難しい取り組みである。多くの大規模大学より研究資源の少ない歴史的黒人大学で、学際的なモデルを構築することだ。

Google Newsの見出しが伝えなかったこと

NCCUは単に建物を開設したり、別のテクノロジーラボを発表したりしたわけではない。すでに学生にプログラムを届けながら、段階的に研究所を組み立てていった。

2025年3月の報道は、夏の開設に向け準備を進める研究所を紹介した。その時点で大学はすでに、セミナー、研究機会、教員向けシード助成プログラムを始めていた。

同研究所は、NCCUのSchool of Library and Information Sciencesで准教授を務めるSiobahn Day Gradyが主導した活動から発展した。Gradyは2020年、機械学習、ヒューマン・コンピュータ・インタラクション、および関連分野の研究を行う小規模なラボを設立していた。

そのラボは、学生が研究に参加する道筋を提供した。研究所はその使命を大学全体と周辺地域へと広げた。また、教員1つの研究グループでは管理が難しいパートナーシップのための枠組みも生み出した。

NCCUのBoard of Trusteesは、組織的な審査を経て2025年12月17日にIAIERを正式承認した。大学は同研究所を、応用研究、人材育成、学際的協働のための全学的ハブと説明している。

背景を知らなければ、こうした日付は矛盾して見えるかもしれない。この取り組みは、理事会が正式承認を完了する前に、新たな組織体制の下でプログラムを立ち上げ、運営していた。専用の物理的スペースは、その後に開設される見込みだった。

このような順序は、学術ガバナンスより速く進化する技術に大学が対応する際によく見られる。教員はワークショップや試験的な授業を比較的迅速に組織できる。一方、恒久的な研究所には、審査、責任者の任命、予算、施設、管理上の権限が必要になる。

したがってNCCUのAI研究所は、1度の開所式ではなく組織的な変化を表している。AI関連の活動に、異なる学部、教員プロジェクト、産業界との関係、一般向けプログラムを調整できる拠点を与えるものだ。

初期目標は意図的に幅広く設定された。Google.orgは100万ドルの助成金を提供し、初期計画では2年間で200人の学生に影響を与えることを目指していた。カリキュラム、ワークショップ、セミナー、メンタリング、研究は、いずれもその計画の一部だった。

2026年までに、報告された到達範囲は当初の学生目標を大きく上回った。8月に掲載された研究所の紹介記事によると、IAIERは2,800人以上の学生、教職員、地域住民と関わってきた。

これらの指標は直接比較できるものではない。「関与した」人にはイベント参加者や地域の参加者が含まれ得る一方、当初の目標は計画されたプログラムを通じて影響を受ける学生に焦点を当てていた。それでも、この差は提案の最も限定的な想定を超える需要を示している。

Google Newsの検索結果は、ここで物語を平板化してしまう。「大学が研究所を開設」という表現は単発の出来事に聞こえる。しかしNCCUが実際に試しているのは、小規模なチームが初期段階の参加を恒久的な学術機関へ転換できるかということだ。

AIリテラシー教育はコンピュータサイエンスを超えて広がる

研究所にとって最も重要な選択は、AIリテラシーを専門家向けのコースではなく、一般的な学術要件として扱うことだ。

NCCUは、入門的なAIトレーニングを1年次の学習体験の一部に組み込んでいる。新入生はIBMとの提携で開発されたトレーニングを受け、大学で学ぶための他の準備と並んで基礎的なAIスキルを身につける。

AIリテラシーとは、AIシステムに何ができるのか、どこで出力が誤るのか、人々がその利用をどのように評価すべきかを理解することを意味する。すべての学生が機械学習エンジニアになる必要はない。

この区別がNCCUモデルを形作っている。ビジネスを学ぶ学生は、自動生成された予測を評価する必要があるかもしれない。ジャーナリズムの学生は、生成された主張や合成メディアを検証しなければならない。行政に携わる学生は、サービスや給付に関するアルゴリズムによる判断に直面する可能性がある。

医療研究者は、学習データに含まれるバイアスを認識し、予測に臨床的文脈が欠ける場合を理解する必要がある。教育者は、AIが課題、評価、学生のプライバシーをどう変えるかを検討しなければならない。アーティストは、著作権、同意、創作上のコントロールに関する問題に向き合う。

AIをコンピュータサイエンス学部内に閉じ込めれば、そうした学生の多くが議論の外に置かれる。NCCUにはまだ独立したコンピュータサイエンス学科はないが、専攻とAI副専攻の開設を進めている。

この不在は弱点に見えるかもしれない。しかし同時に、IAIERは既存の工学部の拡張として組織するのではなく、分野横断で設計することを余儀なくされた。

Gradyは、基礎的なAI能力を、かつてのデジタルリテラシーの変化になぞらえている。学生は、技術が自分以外の職業に属するものだと考えることはもうできない。単に使いこなす自信を持つだけでなく、システムに疑問を投げかけられるだけの理解が必要だ。

IBMの要素は実践的な入口を提供する。その基礎資格は、一般的なアプリケーション、生成AI、基本概念を扱う。IBMのより広範な大学戦略も、教員がAIを授業に統合する前に支援を必要とするため、教員研修を重視している。

NCCUでは、企業との提携は1つの入門コースにとどまらない。研究所はGoogle、IBM、OpenAI、Anthropic、AWS、Deloitte、FICOが関わるプログラムを実施してきた。

これらの関係は、学生を最新のツールや専門的なネットワークへとつなげることができる。また、大学が時間のかかるカリキュラム変更を完了する前に、学生が雇用主に示せる資格も提供する。

一例はAmazon Bedrockのワークショップだ。参加者は、豊富なコーディング経験を必要とせず、モデルと接続されたツールを通じてタスクを実行するソフトウェアである基本的なAIエージェントを構築した。

別の例として、医療、教育、半導体製造をテーマにしたIBM支援のハッカソンがある。学生はメンターと協力し、講義でAIを学ぶだけでなく、明確に定義された課題を中心にプロジェクトを構築した。

同研究所は、HBCUでOpenAI Academy summitも開催した。2026年の研究所紹介記事によると、このイベントには40以上の機関から444人が会場で参加した。

イベントは、学位、継続的な教育、研究の徒弟的訓練に代わるものではない。しかし、参加への最初の障壁を下げることはできる。学生は同級生が技術を使う姿を目にし、AIが異なるキャリアにどのように入り込むのかを説明できる専門家と出会う。

このアプローチは、「AIはすべての人のためのもの」というスローガンを検証可能にもする。プログラムが主に技術経験のある学生に届くだけなら、そのスローガンはブランディングにとどまる。看護、法学、ビジネス、教育、図書館情報学、芸術を学ぶ学生が有用な判断力を得るなら、それは学術モデルになる。

AIリテラシー教育には、プロンプト作成だけでなく懐疑的な姿勢も含まれなければならない。学生は情報源を確認し、捏造された参照を見抜き、機密情報を保護し、流暢な出力が真実を証明するわけではないことを理解する必要がある。

こうした習慣は、パーソナルナレッジマネジメントとも重なる。検索可能な第二の脳は、学生が自分の資料を整理する助けになるが、情報の取り出しには依然として情報源への意識と判断力が求められる。

同じ原則は、大学におけるAIトレーニングにも当てはまる。モデルへのアクセスそのものが教育の成果ではない。成果とは、いつ利用すべきか、どのようにその作業を検査するか、そしていつ人間の専門知識が主導権を握るべきかを知る卒業生の存在だ。

本当の敵は資金格差だ

NCCUにとって最大の課題は、学生にAIの重要性を納得させることではない。初期助成金が終わった後に必要となる人材とインフラを維持することだ。

研究所の初期の勢いは、100万ドルのGoogle.org助成金にも支えられている。この資金は、Gradyの研究活動を、授業、ワークショップ、メンタリング、教員支援、外部パートナーシップを備えた全学的な取り組みへと転換する後押しとなった。

初期の慈善的資金は、いくつかのことを迅速に実現できる。プロジェクトスタッフを雇用し、イベントを支援し、学生の機会を創出し、需要を示すことができる。また、新たな取り組みを他の資金提供者の目に留めることもできる。

しかし、2年間の助成金が自動的に恒久的な機関を生み出すわけではない。大学は最終的に、どの運営費を継続予算に組み込むべきか、どのプログラムが引き続き外部支援に依存するのかを判断しなければならない。

Gradyは2026年の紹介記事で、資金を研究所の持続可能性にとって最大の障壁として挙げた。チームが新たな学術プログラムと専用の物理的スペースを計画するなか、需要は組織の能力を上回る速度で増加していた。

その圧力は、より大きな研究資金格差を反映している。歴史的黒人大学は、4年制で学位を授与する米国の教育機関の約3.2％を占める。しかし、2023会計年度における連邦政府の大学研究開発支出に占める割合は0.91％だった。

この算出は、Center for American ProgressとThurgood Marshall College Fundによる2025年の資金分析に基づく。同分析は、連邦政府による約600億ドルの学術研究支出を調査した。

同報告書はまた、2023年に大学向け研究資金を配分した連邦機関43機関のうち17機関が、HBCUに資金を一切提供していなかったことを明らかにした。この傾向は、研究室、大学院教育、教員採用、設備、管理支援、そしてその後の助成金獲得競争力に影響を及ぼす。

AI研究所には、モデルへのアクセス以上のものが必要だ。研究には、安全なコンピューティング環境、データ利用契約、倫理審査、技術スタッフ、教員の時間、学生アシスタント、成果を測定するための仕組みが求められる。

学際的な取り組みは、調整コストも増やす。医療データ、情報科学、公共政策を含むプロジェクトは、複数の学部やコンプライアンス手続きをまたぐ可能性がある。開設イベントが終わった後も、誰かがこうした関係を維持しなければならない。

企業との提携は不足を補う助けになる一方で、独自のトレードオフも生む。企業は当然、自社製品に結び付いたプラットフォームや実践を教える。大学は、学生が転用可能な概念と独立した評価方法も学べるようにしなければならない。

ベンダーがソフトウェアを変更すれば、研修資格はすぐに時代遅れになり得る。批判的思考、統計的推論、データガバナンス、実験計画には、より長期的な価値がある。持続的なカリキュラムには、こうした基盤を一時的なインターフェースから切り分ける必要がある。

大学には、機関データに関する明確なルールも必要だ。一般向けAIサービスは、プロンプトを保存したり、キャンパスのシステム外でファイルを処理したり、学生のプライバシー義務と矛盾する規約を適用したりする可能性がある。

したがって、責任ある導入には調達、サイバーセキュリティ、アクセシビリティ、学術的誠実性に関する取り組みが求められる。こうした機能が華やかな見出しに登場することはほとんどないが、パイロット事業を安全に拡大できるかどうかを左右する。

IAIERは、当初のGoogle支援にとどまらず、資金源の多様化を始めている。NCCUは、将来のAI関連職種、必要なスキル、想定される資格を検討する研究協力において、Howard Universityなどの機関に加わった。

この取り組みは、National Science Foundationの研究調整ネットワーク・プログラムを通じて、約50万ドルの助成を受けた。NCCUの人材育成に関する協力は、カリキュラム設計を、仕事がどのように変化しているかという問いと結び付けている。

それでも、追加の助成が一件あっただけでは構造的な不足は解消されない。研究助成は通常、特定のプロジェクト、人員、期間を支援する。研究所の運営にかかる全コストを常にカバーするわけではない。

NCCUは、大規模な研究大学や定着したテクノロジー雇用主が集まる地域でも競争しなければならない。Durhamは、Duke University、University of North Carolina at Chapel Hill、North Carolina State University、Research Triangle Parkに近接している。

この近接性は、提携の機会を生む。一方で、教員、研究スタッフ、助成金、インターンシップ、民間からの支援をめぐる競争も生む。

同研究所の独自性は、HBCUを通じて幅広いアクセスに重点を置く点にある。その成功は、AI研究に参加する人々の裾野を広げ、応用、バイアス、公共への影響に関する意思決定に影響を及ぼす人々を増やすことになる。

そのリスクもまた独自のものだ。資金がプロジェクト単位にとどまれば、研究所は印象的なイベントを連続して実施できても、長期的な影響力に必要な恒久的なスタッフと研究基盤を得られない可能性がある。

産業界との提携がもたらすアクセスと依存

テクノロジー企業は大学のAIプログラムを加速できるが、大学はカリキュラム、エビデンス、組織としての優先事項に対する主導権を維持しなければならない。

Googleの助成は、決定的な時期にNCCUへ資源をもたらした。IBMは基礎的な研修の整備を支援した。OpenAI、Anthropic、AWS、FICO、その他の組織も、講演者、ワークショップ、資格、イベントを提供してきた。

学生にとって、このネットワークには実践的な利点がある。雇用主が使用するツールに触れ、専門家へ直接質問し、学術的な取り組みと職場の課題を結び付けるプロジェクトを構築できる。

企業にとって、大学との提携は将来の利用者や従業員を育てる手段になる。また、将来の専門人材が特定の製品や技術的アプローチをどのように理解するかに影響を与えることもできる。

どちらの側も、この交換を隠す必要はない。重要なのは、大学が技術を批判的に評価できるだけの独立性を維持しているかどうかだ。

一社のベンダーを中心に構築された研究所は、明白なリスクに直面する。製品の変更はカリキュラムを弱体化させ得る。資金提供の変更は不可欠なプログラムを失わせ得る。学生は、他の場面へ応用できる概念を学ばないまま、インターフェースだけを学ぶかもしれない。

NCCUの複数企業によるアプローチは、そうした依存の一部を軽減する。学生は、単一の独占的な提供者ではなく、複数の組織のシステムや視点に触れる。

パートナーの多様性が、学術的ガバナンスの必要性をなくすわけではない。学習目標、評価方法、研究課題、許容可能なデータ利用慣行は、教員が決定すべきである。

これは、産業界のタイムラインが大学のタイムラインと衝突するときに、特に重要になる。AI企業は数カ月、あるいは数週間のうちに製品をリリースする。学術プログラムには、承認、アクセシビリティ審査、教員の準備、学習成果に関するエビデンスが必要だ。

大学は製品マーケティングの速度を模倣すべきではない。その役割には、企業が売り込むインセンティブを持つ主張を検証することも含まれる。

同じ慎重さは、AIが生成した成果物にも当てはまる。モデルは誤りを含むにもかかわらず、もっともらしい説明を生成することがある。学生には、洗練された出力だけではなく、検証、比較、独自の推論を評価する課題が必要だ。

教員には、企業が優先しない可能性のある社会的影響を研究する余地も必要である。そうしたテーマには、差別、労働の代替、プライバシー、誤情報、アクセシビリティ、環境コスト、アクセスの不均衡が含まれる。

Gradyの経歴は、IAIERをこうしたより広い探究に向けて位置付けている。彼女の研究は、医療、自律システム、誤情報、バイアスを含む分野における機械学習を扱ってきた。

研究所がHBCU内に置かれていることも、どの問いに注目が集まるかを変える。開発者が不完全なデータや狭い前提を用いる場合、テクノロジーシステムは集団によって異なる性能を示すことが多い。

研究者が課題を選び、成功を定義する段階で参加することが重要だ。システムがすでに設計された後で多様な利用者を集めるだけでは不十分である。

このことは、主としてより多くのソフトウェアエンジニアを育成することに焦点を当てるプログラムに対し、NCCUに優位性をもたらす可能性がある。IAIERは、技術研修を情報科学、公共サービス、医療研究、法学、ビジネス、地域社会のニーズと結び付けられる。

ただし、この主張にはなおエビデンスが必要だ。ワークショップへの参加者数は関心を示すものであり、長期的な学習を示すものではない。証明書は修了を示すが、必ずしも熟達した利用を示すわけではない。プロジェクトのデモは活動を示すが、持続的なキャリア成果を示すものではない。

研究所は最終的に、参加状況を超える指標を公表すべきである。有用な指標には、科目修了、スキル評価、研究成果、インターンシップ配置、大学院進学、教員プロジェクト、継続的な地域社会への関与が含まれる。

誰が参加しているかも報告すべきだ。プログラムが専攻、学年、経験レベルをまたいで学生に届いているかを把握しなければ、キャンパス全体へのアクセスは評価できない。

こうした測定は、他のHBCUがどの要素を再現すべきか判断する助けとなる。また、資金提供者が持続可能なモデルと人気イベントの寄せ集めを区別する助けにもなる。

Google Newsの検索結果は、開設への注目を集めることができる。研究所が高等教育を変えるかどうかは、学習とキャリアに関するエビデンスによって決まる。

「AIはすべての人のために」にはなおガードレールが必要

誰もが利用できることは強い目標だが、ガバナンスを欠くアクセスは、学生と機関を回避可能な害にさらし得る。

AIシステムは、虚偽の記述を生成し、出典を捏造し、バイアスを再生産し、不注意な利用を通じて機微な情報を開示する可能性がある。キャンパス全体のプログラムは、こうした限界を当初から扱わなければならない。

初心者が流暢さを権威と取り違えると、リスクは増大する。生成AIは、すべての主張を権威ある記録と照合するのではなく、もっともらしい語の並びを予測して文章を生成する。

そのため学生には、明示的な検証の実践が必要だ。事実に関する主張を出典までたどり、生成された要約と原資料を区別し、授業のルールで求められる場合にはAIによる支援を開示すべきである。

プライバシーにも同等の注意が必要だ。学生は規約を理解しないまま、個人記録、未発表の研究、インタビュー記録、雇用主の情報をツールに貼り付ける可能性がある。

大学のガイダンスは、承認済みのシステムと禁止されるデータを明示すべきである。また、責任ある利用を技術的な警告の一覧として扱うのではなく、なぜ制限が存在するのかも説明すべきだ。

教員も関連する問題に直面する。授業を管理する権限を失わずに、一貫した支援を受ける必要がある。一律の禁止はAI利用を地下化させ得る一方、無制限の導入は評価を弱体化させ得る。

より良い課題では、学生に出力を比較させ、欠落を特定させ、修正を記録させ、またはエビデンスを用いて選択を擁護させる。こうした課題はモデルの限界を可視化し、人間の判断を維持する。

IAIERは、技術的な専門知識を司書、教育者、プライバシー担当者、アクセシビリティ専門家、各分野の教員と結び付けることで、この取り組みを支援できる。キャンパスAIのガバナンスを単一の部署だけで担うことはできない。

研究所の対外的な使命は、さらに別の層を加える。地域の参加者は、在学生とは異なる水準のデジタルアクセスしか持たず、制度的な保護も少ない可能性がある。

一般向けプログラムでは、データリスク、費用、アカウント要件、無料サービスの限界を説明すべきである。そうでなければ、「AIはすべての人のために」は、保護を伴わない実験へのアクセスになりかねない。

公平性は、受講登録だけにとどまらない。学生には、端末、安定したインターネット接続、メンター、時間、学んだことを活用する機会が必要だ。

1日のワークショップは誰かを鼓舞できる。継続的なプロジェクト支援は、その人がポートフォリオを築き、研究チームに加わり、技術職を目指す助けになる。

研究所のシード助成は、初期段階の教員のアイデアを支援することで、この問題の一部に対処している。教員主導のプロジェクトは、継続的な学生研究ポジションを生み出し、研修を現実の課題と結び付けることができる。

しかし、シード資金が機能するのは、成功したパイロット事業に次の支援へ進む道筋がある場合に限られる。そうでなければ、有望なプロジェクトは学生が経験を積み始めた矢先に止まってしまう。

ガバナンスは、産業界との提携も対象にしなければならない。契約では、データの所有権、出版権、ブランディング、評価、ベンダーが学生の活動を製品開発に利用できるかどうかを明確にすべきだ。

公立大学には、こうした取り決めを説明する追加の義務がある。透明性は、教育と企業による働きかけがどこで重なるのかを学生が理解する助けとなる。

こうした懸念のどれも、IAIERを設立する意義を弱めるものではない。それらは、研究所が中心的な約束を果たすために必要な取り組みを定義するものだ。

AIから排除されることにも、固有のリスクがある。この技術をまったく学ばない学生は、同僚がすでに分析、コミュニケーション、コーディング、研究にAIを利用している職場に入る可能性がある。

正しい比較は、リスクとリスクなしではない。ガバナンスのあるアクセスと、不平等で非公式な導入との比較である。

NCCUには、ガバナンスのある形を構築する機会がある。同大学の研究所は、実践的な接触と精査を組み合わせ、批判的評価をAIリテラシー教育の一部にできる。

成功とは、学生が盲目的な熱狂にも反射的な恐怖にも陥らずに巣立つことを意味する。AIの使い方を理解すると同時に、その出力にエビデンス、文脈、あるいは却下が必要となる場合を認識できるようになるだろう。

Google Newsで注目を集めた後に見るべきこと

NCCUが持続する研究所を築いたかどうかは、継続的な資金、恒久的な学術プログラム、測定可能な学生成果という3つのシグナルで示される。

最初のシグナルは、当初の助成期間後の資金だ。新たな複数年の助成、大学からの継続的な配分、または基金による支援があれば、IAIERがスタッフを維持し、個別プロジェクトを超えて計画できるという見方が強まる。

その資金の構成も重要である。複数の独立した資金源は、単一企業への依存よりも高い安定性をもたらす。継続的な機関支援は、NCCUが研究所を中核的な学術戦略の一部と見なしていることを示すだろう。

継続的な資源を確保できなかったとしても、研究所の初期の取り組みが無意味になるわけではない。しかし、プログラムの規模を制限し、長期的なコミットメントを維持することを難しくする。

第2のシグナルは、イベントから恒久的な学術構造への移行である。NCCUは、コンピューターサイエンス専攻、AI副専攻、キャンパス統合の深化、研究所専用スペースを計画している。

これらのプログラムが承認を得て、学生を受け入れ、十分な教員体制を確保できるかを注視すべきだ。物理的な拠点についても、単なる対外的な象徴ではなく、研究、メンタリング、協働を支えるものであるなら重要になる。

3つ目のシグナルは、学生と地域社会にどのような成果がもたらされたかを示す証拠だ。IAIERは2,800件を超える参加・関与を報告しており、当初掲げていた200人の学生に到達するという目標を大きく上回っている。

次の段階では、それらの参加・関与が何を生み出したのかを明確にする必要がある。修了データ、第三者によるスキル評価、研究参加、インターンシップ、大学院進学、就職実績、公開プロジェクトは、より確かな全体像を示すことになる。

NCCUは、参加が学際的な性格を保てているかも追跡すべきだ。継続的な機会の大半が最終的に技術的な経験を持つ学生へ集中するなら、このモデルはその決定的な特徴を失う。

これらの指標は、ノースカロライナ州以外の教育機関にも影響を与える。IAIERのリーダーたちは、研究インフラが限られたHBCUを含め、他大学が応用できるフレームワークを構築したいと考えている。

有用なフレームワークには、提携先の一覧以上のものが必要だ。人員体制、ガバナンス、カリキュラム設計、資金、学生支援、評価、データ保護を文書化する必要がある。

また、どの要素に地域ごとの適応が必要かも特定すべきだ。地方の大学、都市部の公立大学、研究集約型の教育機関では、雇用主ネットワークも学生のニーズも同じではない。

高等教育をめぐるより広範な競争は、すでに始まっている。一部の大学はAIに特化した学位課程を設けている。別の大学は、一般教育の必修要件、教員向けガイダンス、研究センター、あるいはベンダー認定資格を追加している。

NCCUが賭けているのは、まず学際的なアクセスを確保すべきだという考え方だ。同大学の研究所は、すべての学生がコンピューティング分野のプログラムに入学するのを待たず、実践的かつ批判的なAI教育を提供している。

このモデルは、AIを任意の専門分野として扱う大学に圧力をかける。また、教育やガバナンスを整備しないまま商用ツールへのアクセスだけを提供する学校にも課題を突きつける。

Google Newsの見出しは、目に見える節目を特定する助けとなった。より重要なのは、注目が薄れ、継続的なコストが残ったときに何が起こるかという点だ。

読者は次の学年度に、3つの直接的な問いを投げかけるべきだ。研究所は安定した資金を確保できるのか。計画中のプログラムは大学の永続的な一部となるのか。NCCUは、参加が意味のある学業面・キャリア面の成果につながることを示せるのか。

答えがすべて「はい」であれば、IAIERは魅力的なHBCUのテクノロジーに関する事例以上のものを提示することになる。AIリテラシーを幅広く、批判的で、説明責任を伴うものにしようとする大学にとって、実践的なモデルとなるだろう。

答えがなお不明確なままであれば、この研究所は、立ち上げ主導のテクノロジー政策の限界を示すことにもなる。アクセスを開くことは最初の一歩にすぎない。人材、研究、ガバナンス、そして機会を持続させることこそが、本当の試練だ。