Budowanie startupu zajmującego się sztuczną inteligencją w Afryce oznacza konieczność przetrwania ostrej sprzeczności makroekonomicznej. Założyciele muszą wynajmować procesory graficzne (GPU), przestrzeń w chmurze i interfejsy programistyczne aplikacji (API) dla modeli bazowych, wyceniane w dolarach amerykańskich, a następnie sprzedawać powstałe oprogramowanie lokalnym przedsiębiorstwom dysponującym ograniczonymi budżetami. Ta strukturalna presja odwróciła podręcznikową ekonomię jednostkową modelu Software-as-a-Service (SaaS): w przeciwieństwie do tradycyjnego oprogramowania, gdzie koszty krańcowe stabilizują się wraz ze wzrostem liczby użytkowników, każdy nowy aktywny użytkownik platformy AI-native proporcjonalnie zwiększa rachunki za moc obliczeniową w obcej walucie.

Te dwie presje stanowią sedno badania AI Made in Africa: Voices from AI businesses across Africa, opublikowanego w październiku 2026 roku przez Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ), biuro przy Unii Afrykańskiej, we współpracy z firmą Briter Bridges zajmującą się analizą rynku. 70-stronicowe badanie obejmuje 311 komercyjnych firm AI, które w latach 2016–2025 otrzymały łącznie 1,3 mld dolarów publicznie ujawnionego finansowania w ponad 35 sektorach, a także pogłębioną ankietę przeprowadzoną wśród 85 przedsiębiorstw i 16 wywiadów z interesariuszami między kwietniem a lipcem 2026 roku.

Od AI-enabled do AI-native

Dojrzewanie afrykańskiej debaty o AI widać w zmianie profilu kolejnych grup założycieli od czasu publicznego udostępnienia modeli bazowych, takich jak GPT, Llama i Mistral, w 2022 roku. W szerszym zbiorze obejmującym 311 firm 56 procent przedsiębiorstw to firmy „AI-enabled”, czyli wykorzystujące uczenie maszynowe w istniejącej usłudze fintech, medycznej lub agrotechnologicznej, która mogłaby funkcjonować także bez AI. Wśród 85 badanych przedsiębiorstw, w których dominują firmy założone po 2022 roku, 75 procent to firmy „AI-native”.

Efektem jest pragmatyczna ewolucja sposobu projektowania stosów technologicznych przez afrykańskich inżynierów. Na etapie pre-seed i finansowania z własnych środków startupy dzielą się po równo między komercyjne API firm trzecich, wybierane ze względu na szybkość, modele open source, stosowane w celu uniknięcia opłat za każde zapytanie, oraz rozwiązania budowane wewnętrznie. Gdy przedsiębiorstwa zwiększają skalę i wchodzą w przedział finansowania od 1 mln do 10 mln dolarów, zależność od zewnętrznych API staje się jednak finansowo niebezpieczna: obsługa tysięcy codziennych użytkowników może z łatwością generować miesięczne rachunki za tokeny w wysokości od 20 000 do 50 000 dolarów. Startupy na etapie wzrostu przechodzą więc na architektury hybrydowe, dostrajając modele open source za pomocą własnych lokalnych zbiorów danych.

W sektorach takich jak ochrona zdrowia i rolnictwo budowa modeli wewnętrznych lub hybrydowych jest koniecznością, a nie wyborem: gotowe modele zachodnie regularnie generują halucynacje w przypadku afrykańskiej dokumentacji medycznej i błędnie rozpoznają lokalne choroby upraw. Wymóg ten odwraca dominujący globalny model szybkiego wdrażania rozwiązań opartych na komercyjnych API: dla afrykańskich twórców warstwa modelu jest jednocześnie miejscem, w którym zdobywa się przewagę konkurencyjną, i obszarem, który odpowiada za największą pojedynczą część wydatków R&D większości startupów.

Pułap 208 dolarów miesięcznie

Matematyka szybko staje się niekorzystna, gdy koszty rozwoju zderzają się z lokalną siłą nabywczą. Aż 65 procent badanych startupów wskazuje przetwarzanie w chmurze, GPU i infrastrukturę jako największy pojedynczy koszt badań i rozwoju (R&D), wyprzedzający pozyskiwanie i oczyszczanie danych. Jednocześnie ponad połowa badanych firm wycenia swoje produkty na mniej niż 2 500 dolarów rocznie za klienta, czyli około 208 dolarów miesięcznie. Dla małych afrykańskich przedsiębiorstw o rocznych obrotach poniżej 10 000 dolarów miesięczna subskrypcja oprogramowania za 208 dolarów konkuruje bezpośrednio z wynagrodzeniami pracowników i kosztami zasilania awaryjnego.

Presję na marże pogłębiają poważne braki infrastrukturalne. Afryka zamieszkuje 18 procent światowej populacji, ale odpowiada za mniej niż 1 procent globalnej pojemności centrów danych, kierując około 80 procent swojego ruchu internetowego przez zagraniczne serwery. Niezależne dane branżowe z 2026 AI Data Centre Index przewidują, że w siedmiu afrykańskich krajach powstanie 19 obiektów gotowych do obsługi AI o łącznej mocy 1,3 GW, ale sieci energetyczne pozostają głównym ograniczeniem. Raport wskazuje, że średnia dostępna moc nigeryjskiej sieci krajowej wynosiła na początku 2026 roku zaledwie 4 000 MW wobec 13 000 MW mocy zainstalowanej. Planowane w Kenii przez Microsoft i G42 geotermalne centrum danych o wartości 1 mld dolarów zostało natomiast wstrzymane w sierpniu 2025 roku, ponieważ jego zasilanie pozbawiłoby energii połowę kraju.

Szoki walutowe dodatkowo pogarszają sytuację. Dewaluacja nairy w 2023 roku miała według doniesień podnieść lokalne rachunki za chmurę o 224 procent. W rezultacie tylko 5 procent afrykańskich specjalistów AI ma dostęp do potrzebnej mocy obliczeniowej, a iteracje modeli, które w krajach G7 zajmują 30 minut, na kontynencie mogą trwać sześć dni.

Budowanie dla klientów instytucjonalnych

W obliczu niestabilnej siły nabywczej konsumentów afrykańscy założyciele firm AI budują rozwiązania dla klientów instytucjonalnych. 88 procent badanych firm sprzedaje innym przedsiębiorstwom (B2B), a 44 procent rządom (B2G), w dużej mierze polegając na cyklicznych subskrypcjach i jednocześnie obsługując kilka segmentów klientów, aby utrzymać się na rynku.

Sprzedaż instytucjom naraża jednak startupy na największą barierę skalowania w całym ekosystemie: 65 procent założycieli wskazuje zaufanie klientów i niski poziom wiedzy o AI jako główną przeszkodę, przed wysokimi kosztami rozwoju (49 procent), integracją z istniejącymi systemami (34 procent) i długimi cyklami sprzedaży (33 procent). Nigeryjski startup medtech MyItura musiał na przykład stworzyć własne zbiory danych klinicznych i wyposażyć pracowników podstawowej opieki zdrowotnej w tablety finansowane z grantów, zanim lekarze zaufali jego narzędziom AI do transkrypcji i udzielania pożyczek. W Republice Południowej Afryki firma The Awareness Company, dostarczająca rozwiązania AI dla przedsiębiorstw, często musi instalować fizyczne czujniki u klientów z sektora górniczego i nieruchomości, którzy nadal prowadzą działalność w ręcznie obsługiwanych arkuszach kalkulacyjnych, zanim jej oprogramowanie będzie mogło w ogóle pobierać dane.

Niewielkie zespoły i luka kompetencyjna

Zespoły w tych firmach pozostają wyjątkowo małe: tylko 2 procent przedsiębiorstw zatrudnia ponad 250 osób. Ponieważ w Afryce znajduje się zaledwie od 1 do 3 procent światowych talentów AI, lokalne startupy nie są w stanie dorównać zagranicznym wynagrodzeniom oferowanym pracownikom zdalnym. 51 procent założycieli ma trudności z zatrudnieniem starszych badaczy AI, a 33 procent nie może znaleźć inżynierów MLOps. W odpowiedzi 47 procent firm przekształciło się w praktyce w akademie, tworząc formalne wewnętrzne ścieżki szkoleniowe podnoszące kwalifikacje młodszych lokalnych absolwentów. Iworyjski startup regtech Danaya szkoli na przykład młodych lokalnych inżynierów w zakresie widzenia komputerowego, jednocześnie rekrutując kadrę kierowniczą z diaspory we Francji do nadzorowania architektury.

Kapitał i polityka muszą odpowiadać realiom operacyjnym

Główny przekaz dla inwestorów i decydentów jest taki, że kapitał i polityka muszą odpowiadać realiom operacyjnym. Chociaż w ciągu ostatniej dekady do zmapowanych firm trafiło 1,3 mld dolarów, a mediana pojedynczej inwestycji wyniosła 225 000 dolarów, ponad 75 procent tego kapitału przypadło przedsięwzięciom założonym przed 2020 rokiem. W zestawieniu z dominacją firm AI-native założonych po 2022 roku w badanej grupie oznacza to, że najnowsza fala afrykańskich twórców AI otrzymała dotąd tylko mniejszość ujawnionego finansowania z całej dekady. Niemal jedna trzecia badanych startupów nadal w całości finansuje działalność z własnych środków, tylko 15 procent jest rentownych, a 60 procent rentownych firm działa poza Afryką, w tym północnoafrykańskie startupy przenoszące siedziby do Dubaju i Rijadu.

Dwa lata po przyjęciu przez Unię Afrykańską w lipcu 2024 roku Kontynentalnej Strategii AI założyciele nie proszą o ogólną inkubację; mniej niż 5 procent z 470 afrykańskich hubów technologicznych oferuje dostęp do GPU lub specjalistyczny mentoring w dziedzinie AI. Zamiast tego założyciele chcą cierpliwych inwestorów, którzy rozumieją trwające od 12 do 18 miesięcy procedury zakupowe B2G i strukturalne ryzyko walutowe.

Ich postulaty wobec rządów są konkretne: 62 procent chce subsydiów na R&D i moc obliczeniową, 49 procent ujednoliconych transgranicznych zasad dotyczących danych między rynkami takimi jak Nigeria i Kenia, a 26 procent piaskownic regulacyjnych, które umożliwiłyby wykorzystanie wieloletnich, niezdigitalizowanych publicznych rejestrów rolniczych i zdrowotnych.

AI Made in Africa pokazuje, że afrykańscy inżynierowie przeszli już od korzystania z AI do jej tworzenia. Jak jasno wynika z raportu, pozostałe zadanie spoczywa na afrykańskich finansistach, sieciach energetycznych i regulatorach, którzy muszą nadrobić zaległości. Postulaty dotyczące polityki oraz planowana rozbudowa centrów danych stają się jednocześnie wskaźnikami pozwalającymi mierzyć skalę tego nadrabiania zaległości.