AI سافٹ ویئر اور ٹریلین ڈالر کی پیداواریت کا سوال

اگر AI سافٹ ویئر لکھنے میں نمایاں طور پر بہتر ہو جائے تو کاروباری قائدین کو آج کیا بدلنا چاہیے؟ میرا جواب: اس بات کی پیمائش کریں کہ یہ مکمل کاروباری عمل کو کیسے بہتر بناتا ہے، بشمول اس کے نتائج کی جانچ اور دیکھ بھال کے لیے درکار کام۔

کیا AI سالانہ عالمی معاشی پیداوار میں US$20 سے US$30 ٹریلین شامل کر سکتا ہے؟ ایلون مسک نے یہ اندازہ پیش کیا ہے، ساتھ یہ پیش گوئیاں بھی کہ AI تقریباً ہر ڈیجیٹل کام سنبھال سکتا ہے اور Stockfish سطح کی کوڈنگ صلاحیت حاصل کر سکتا ہے۔ ان دعووں نے توجہ حاصل کی کیونکہ یہ علم کے کام کی معیشت میں بڑی تبدیلی کا اشارہ دیتی ہیں۔

یہ بلند حوصلہ پیش گوئیاں ہیں، ثابت شدہ نتائج نہیں۔ کاروباری قائدین کو بڑی پیداواری بہتری کی امکان اور اس بات کے ثبوت میں فرق کرنا چاہیے کہ AI ہر ڈیجیٹل کام قابلِ اعتماد انداز میں انجام دے سکتا ہے۔ سرمایہ کاری کے فیصلوں کے لیے ادارے کے اصل کام سے ثبوت درکار ہے۔

Stockfish کا موازنہ ہمیں کیا بتاتا ہے

Stockfish ایک اوپن سورس شطرنج انجن ہے اور دنیا کے مضبوط ترین میں سے ایک۔ یہ موازنہ حقیقی امکان دکھاتا ہے: مشکل فکری کام میں مشینیں انسانوں سے بہتر کارکردگی دکھا سکتی ہیں۔ البتہ یہ مثال تنہا ثابت نہیں کر سکتی کہ AI کب ہر سافٹ ویئر انجینئر سے آگے نکلے گا۔

شطرنج کے مقررہ قواعد، دکھائی دینے والا بورڈ اور واضح مقصد ہیں۔ ادارہ جاتی سافٹ ویئر میں ادھوری ضروریات، بدلتی پالیسیاں، پرانے نظام اور متحارب حصہ داروں کی ترجیحات شامل ہیں۔ ایک پروگرام غلط کاروباری مسئلہ حل کرتے ہوئے بھی اپنے ٹیسٹ پاس کر سکتا ہے۔

کوڈ تیار کرنا انجینئرنگ کا ایک حصہ ہے۔ کیا بنانا ہے یہ فیصلہ کرنا، رسائی کنٹرول کرنا، سیکیورٹی جانچنا، محفوظ طریقے سے تعینات کرنا اور صارفین کی معاونت کرنا نتیجے کا حصہ رہتے ہیں۔ انتہائی قابل AI کو بھی ایسا عمل درکار ہے جو غلطیوں کا پتہ لگا سکے اور ذمہ داری متعین کر سکے۔

معاشی دعوے کو سمجھنا

سالانہ معاشی پیداوار کی سطح میں 20 سے 30 فیصد اضافہ ہر سال 20 سے 30 فیصد اضافے سے مختلف ہے۔ اس پیمانے کے دعوے کے لیے اپنانے، قابلِ اعتمادیت، سرمایہ کاری اور فوائد حاصل کرنے میں لگنے والے وقت کے بارے میں واضح مفروضات درکار ہیں۔ ان فیصدوں کو US$20 سے US$30 ٹریلین سے جوڑنے کا مطلب تقریباً US$100 ٹریلین کی ابتدائی معیشت ہے۔

موازنے کے لیے، Goldman Sachs نے 2023 میں ایک منظرنامہ شائع کیا جس میں جنریٹو AI عالمی GDP کو تقریباً 7 فیصد، یعنی تقریباً US$7 ٹریلین بڑھا سکتی ہے اور دس سالوں میں پیداواری اضافہ 1.5 فیصد پوائنٹس بڑھا سکتی ہے۔ یہ مشروط پیش گوئی تھی، ناپا ہوا نتیجہ یا مستقبل کے فوائد کی حد نہیں۔ یہ مسک کے بڑے اندازے کی آزادانہ تصدیق نہیں کرتی۔

کمپنی کی سطح پر، ایک مفید حساب آسان ہے: خالص قدر = اضافی مفید پیداوار اور حاصل شدہ بچتوں کی قدر، منفی AI اخراجات، انضمام، جائزہ، دوبارہ کام اور غلطیوں کے نقصانات۔ بچایا گیا وقت اسی وقت مالی قدر بنتا ہے جب ادارہ اسے مؤثر طریقے سے استعمال کر سکے۔

فوائد اور اخراجات

رفتار بمقابلہ تصدیق۔ AI مسودہ تیاری، کوڈنگ اور تجزیہ کو مختصر کر سکتی ہے۔ قائدین کو نتیجہ تیار کرنے میں بچایا گیا وقت کے ساتھ ساتھ اس کی جانچ کا وقت بھی ناپنا چاہیے۔

کم پیداواری لاگت بمقابلہ نئی آپریٹنگ لاگت۔ پہلا ورژن بنانا سستا ہو سکتا ہے۔ ماڈل استعمال، انضمام، نگرانی اور اصلاح ابھی بھی پیسہ اور عملے کا وقت خرچ کرتی ہیں۔

وسیع رسائی بمقابلہ انحصار۔ چھوٹی ٹیمیں پہلے اپنے وسائل سے باہر کا کام کر سکتی ہیں۔ ایک ہی فراہم کنندہ پر انحصار قیمتوں، دستیابی اور ماڈل تبدیلیوں کا انتظام مشکل بنا سکتا ہے۔

زیادہ صلاحیت بمقابلہ افرادی قوت کی بے ترتیبی۔ عملہ صارفین کی ضروریات اور مشکل فیصلوں پر زیادہ وقت دے سکتا ہے۔ کاروباروں کو بدلتے کرداروں، دوبارہ تربیت اور جن ملازمین کے معمول کے سیکھنے کے کام خودکار ہو سکتے ہیں ان جونیئر ملازمین کی ترقی کی بھی منصوبہ بندی کرنی ہوگی۔

ایک عملی ادارہ جاتی مثال

آرڈر ٹریکنگ سروس بنانے والے ایک فرضی گودام کاروبار پر غور کریں۔ AI انٹرفیس کا مسودہ بنا سکتی ہے، ڈیٹابیس کوئری تجویز کر سکتی ہے اور ٹیسٹ کیس تیار کر سکتی ہے۔ ٹیم کو ابھی بھی یہ تصدیق کرنی ہوگی کہ کون سے صارفین کون سا آرڈر دیکھ سکتے ہیں، اسٹاک کی بے ترتیبی کیسے سنبھالی جاتی ہے اور سروس موجودہ نظاموں کے ساتھ کام کرتی ہے یا نہیں۔

بامعنی موازنہ منظور شدہ ریلیز کی لاگت اور استعمال میں کارکردگی ہے۔ ترسیل کا وقت، خرابیاں، معاونت کی درخواستیں اور صارفین کے نتائج ناپیں۔ زیادہ پیداواری واقعات پیدا کرنے والا تیز پہلا مسودہ مجموعی قدر کم کر سکتا ہے۔

وہی اصول کسٹمر سروس پر لاگو ہوتا ہے۔ سیدھی درخواستوں کو خودکار کرنا جوابی وقت بہتر بنا سکتا ہے۔ غیر واضح معاملات کے لیے متعلقہ سیاق و سباق محفوظ رکھتے ہوئے کسی شخص تک قابلِ اعتماد راستہ درکار ہے۔

CEOs اور CTOs کو کیا کرنا چاہیے

CEOs کو قابلِ شناخت لاگت اور واضح صارف نتیجے والا ایک عمل منتخب کرنا چاہیے۔ بنیادی لکیر قائم کریں، محدود پائلٹ چلائیں اور پہلے سے طے کریں کہ کون سی بہتری توسیع کو جواز دے گی۔ نفاذ کی لاگتیں اور عملے کی ذمہ داریوں کی تبدیلیاں شامل کریں۔

CTOs کو اپنے نظاموں کے نمائندہ کام پر تجویز کردہ ماڈل کا جائزہ لینا چاہیے۔ درستگی، سیکیورٹی، رازداری، ناکامی سے بحالی اور موجودہ خدمات کے ساتھ مطابقت جانچیں۔ تبدیلی تجویز کرنے کی اجازت کو اسے نافذ کرنے کی اجازت سے الگ کریں۔

اہم اقدامات کے لیے، منظوری کے مالک کی تعریف کریں اور آڈٹ ٹریل رکھیں۔ کارکردگی بگڑنے پر تبدیلیاں واپس لینے، رسائی محدود کرنے اور خودکار کاری معطل کرنے کی صلاحیت برقرار رکھیں۔

سپلائر کے انحصار کا جائزہ لیں اور نتائج کو چیلنج کرنے کے لیے عملے کو تربیت دیں۔ جائزہ اور معاونت کی لاگتوں کے بعد بھی ناپے گئے فوائد مثبت رہیں تو تعیناتی بڑھائیں۔ عالمی معاشی پیش گوئی منظرنامہ سازی کو آگاہ کرے، جبکہ مقامی ثبوت سرمایہ کاری کی رہنمائی کرے۔

قیادت کا فیصلہ

AI ڈیجیٹل کام کی معیشت کو نمایاں طور پر بدل سکتی ہے۔ پیمانہ اور وقت غیر یقینی رہتے ہیں۔ میری صلاحیت: ابھی اسے ذمہ داری سے جانچنے اور اپنانے کی صلاحیت بنائیں، پھر ثبوت مضبوط ہونے پر سرمایہ کاری بڑھائیں۔

آپ کے ادارے میں کون سا عمل پہلے آزمائیں گے، اور کون سا ثبوت آپ کو قائل کرے گا کہ AI نے پائیدار کاروباری قدر پیدا کی ہے؟

ریاضیانہ سوچیں۔ ذہانت سے انجینئر کریں۔ حکمتِ عملی سے قیادت کریں۔ ذمہ داری سے بنائیں۔ عالمی سطح پر پھیلائیں۔ مصنوعی ذہانت کے ذریعے حقیقی کاروباری قدر پیدا کریں۔

#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership

اصل میں کیشون تھیاگاراجا نے LinkedIn پر شائع کیا۔ اصل مضمون LinkedIn پر پڑھیں۔ [1]