آج کل دفتر میں AI کہاں سب سے زیادہ وقت بچاتا ہے

مصنوعی ذہانت (AI) کا ابتدائی جوش و خروش اب ختم ہو چکا ہے۔ ہم اب عجیب و غریب تصاویر اور شاعری والے پرامپٹس کے دور سے نکل کر عملی افادیت کے دور میں داخل ہو چکے ہیں۔ ایک عام دفتری ملازم کے لیے سوال یہ نہیں ہے کہ ٹیکنالوجی نظریاتی طور پر کیا کر سکتی ہے، بلکہ یہ ہے کہ یہ عملی طور پر کام کے ہفتے میں سے کتنے گھنٹے بچاتی ہے۔ وقت کی سب سے بڑی بچت فی الحال بڑے پیمانے پر، کم خطرے والے کاموں کو یکجا کرنے میں ہے۔ اس میں ای میل تھریڈز کا خلاصہ بنانا، پروجیکٹ کے ابتدائی خاکے تیار کرنا، اور میٹنگ کے نوٹس کو ایکشن آئٹمز میں تبدیل کرنا شامل ہے۔ یہ کام پہلے ہر صبح کے دو گھنٹے کھا جاتے تھے۔ اب، یہ سیکنڈوں میں ہو جاتے ہیں۔ تاہم، یہ کارکردگی انسانی نگرانی کی سخت ضرورت کے ساتھ آتی ہے۔ اگر آپ اس کے آؤٹ پٹ کو حتمی پروڈکٹ سمجھیں گے، تو آپ غالباً ایسی غلطیاں کر رہے ہوں گے جنہیں ٹھیک کرنے میں بعد میں زیادہ وقت لگے گا۔ اصل فائدہ ان ٹولز کو حتمی منزل کے بجائے نقطہ آغاز کے طور پر استعمال کرنے میں ہے۔ ورک فلو میں یہ تبدیلی بیسویں صدی کے آخر میں اسپریڈشیٹ کے متعارف ہونے کے بعد سے دفتری زندگی میں سب سے عملی تبدیلی ہے۔

جدید دفتری آٹومیشن کے طریقہ کار

یہ سمجھنے کے لیے کہ وقت کہاں خرچ ہوتا ہے، آپ کو یہ سمجھنا ہوگا کہ یہ ٹولز دراصل کیا ہیں۔ زیادہ تر دفتری ملازمین Large Language Models یا LLMs کے ساتھ بات چیت کر رہے ہیں۔ یہ حقائق کا ڈیٹا بیس نہیں ہیں۔ یہ جدید پیش گوئی کرنے والے انجن ہیں جو وسیع تربیتی ڈیٹا کی بنیاد پر ترتیب میں اگلے ممکنہ لفظ کا اندازہ لگاتے ہیں۔ جب آپ ChatGPT یا Claude جیسے ٹول سے میمو لکھنے کو کہتے ہیں، تو یہ آپ کی کمپنی کی پالیسی کے بارے میں نہیں سوچ رہا ہوتا۔ یہ حساب لگا رہا ہوتا ہے کہ پیشہ ورانہ میمو میں کون سے الفاظ عام طور پر ایک دوسرے کے بعد آتے ہیں۔ یہ فرق بہت اہم ہے کیونکہ یہ بتاتا ہے کہ ٹیکنالوجی فارمیٹنگ میں اتنی اچھی اور حقائق کی غلطیوں کا شکار کیوں ہے۔ یہ ان ساختی کاموں میں بہترین ہے جنہیں انسان اکتا دینے والے سمجھتے ہیں۔ یہ بلٹ پوائنٹ لسٹ کو ایک باضابطہ خط میں تبدیل کر سکتا ہے یا تکنیکی رپورٹ کا ایگزیکٹوز کے لیے خلاصہ تیار کر سکتا ہے۔ اسے جنریٹو ورک کہا جاتا ہے، اور یہیں وقت کی سب سے زیادہ بچت ہوتی ہے۔

حالیہ اپ ڈیٹس نے ان ٹولز کو ایجنٹس کے قریب کر دیا ہے۔ ایک ایجنٹ صرف متن نہیں لکھتا۔ یہ دوسرے سافٹ ویئر کے ساتھ بات چیت کرتا ہے۔ اب آپ کو ایسی انٹیگریشنز مل سکتی ہیں جو AI کو آپ کا کیلنڈر دیکھنے، تنازعہ دیکھنے، اور متعلقہ شخص کو ایک شائستہ ری شیڈولنگ ای میل ڈرافٹ کرنے کی اجازت دیتی ہیں۔ یہ مختلف ایپس کے درمیان سوئچ کرنے کے ذہنی بوجھ کو کم کرتا ہے۔ ٹیکنالوجی طویل دستاویزات کو سنبھالنے میں بھی بہت بہتر ہو گئی ہے۔ ان ماڈلز کے ابتدائی ورژن دستاویز کے آخر تک پہنچتے پہنچتے اس کا آغاز بھول جاتے تھے۔ جدید ورژن اپنی فعال میموری میں سینکڑوں صفحات رکھ سکتے ہیں۔ یہ ایک ہی بار میں پورے قانونی معاہدوں یا تکنیکی کتابچوں کے تجزیے کی اجازت دیتا ہے۔ Gartner کی تحقیق کے مطابق، تنظیمیں مزید پیچیدہ انٹیگریشنز کی طرف بڑھنے سے پہلے ROI ثابت کرنے کے لیے ان محدود استعمال کے معاملات پر توجہ مرکوز کر رہی ہیں۔ توجہ انتظامی بوجھ کی رکاوٹوں کو دور کرنے پر ہے۔

جامد تلاش سے فعال تخلیق کی طرف منتقلی تبدیلی کا مرکز ہے۔ ماضی میں، اگر آپ کو جاننا ہوتا کہ ایکسل میں بجٹ کیسے فارمیٹ کرنا ہے، تو آپ ٹیوٹوریل تلاش کرتے اور اسے دیکھتے۔ اب، آپ اپنے ڈیٹا کی وضاحت کرتے ہیں اور ٹول سے اپنے لیے فارمولا لکھنے کو کہتے ہیں۔ یہ سیکھنے کے مرحلے کو چھوڑ کر سیدھا عمل درآمد کے مرحلے پر جاتا ہے۔ اگرچہ یہ موثر ہے، لیکن یہ مہارت کی نوعیت کو بدل دیتا ہے۔ ملازم اب کرنے والا نہیں بلکہ جائزہ لینے والا ہے۔ اس کے لیے مختلف مہارتوں کی ضرورت ہوتی ہے، بنیادی طور پر پر اعتماد لگنے والے متن کے سمندر میں معمولی غلطیوں کو تلاش کرنے کی صلاحیت۔ بہت سے لوگ جو الجھن لے کر آتے ہیں وہ یہ خیال ہے کہ AI ایک سرچ انجن ہے۔ یہ نہیں ہے۔ یہ ایک تخلیقی اسسٹنٹ ہے جسے ایک واضح بریف اور ایک شکی ایڈیٹر کی ضرورت ہوتی ہے۔ ان دو چیزوں کے بغیر، ڈرافٹنگ میں جو وقت آپ بچاتے ہیں وہ کسی غلط فہمی (hallucinated fact) کو ٹھیک کرنے کے بحران میں ضائع ہو جاتا ہے۔

عالمی سطح پر اپنانا اور پیداواری فرق

ان ٹولز کا اثر پوری دنیا میں یکساں نہیں ہے۔ امریکہ میں، اسے اپنانے کی وجہ انفرادی پیداواری صلاحیت کی خواہش اور ابتدائی ٹیک انٹیگریشن کا کلچر ہے۔ بہت سے ملازمین ان ٹولز کو خفیہ طور پر استعمال کر رہے ہیں، چاہے ان کی کمپنیوں کی ابھی تک کوئی باضابطہ پالیسی نہ ہو۔ یہ ایک شیڈو آئی ٹی ماحول پیدا کر رہا ہے جہاں سرکاری پیداواری اعداد و شمار اصل کام کی عکاسی نہیں کر سکتے۔ اس کے برعکس، یورپی یونین زیادہ ریگولیٹڈ نقطہ نظر اپنا رہی ہے۔ وہاں توجہ ڈیٹا پرائیویسی پر ہے اور اس بات کو یقینی بنانے پر کہ AI بھرتی یا کریڈٹ اسکورنگ جیسے حساس شعبوں میں انسانی فیصلے کی جگہ نہ لے۔ اس ریگولیٹری ماحول کا مطلب ہے کہ یورپ میں کمپنیاں اکثر ان ٹولز کو تعینات کرنے میں سست ہوتی ہیں لیکن زیادہ مضبوط حفاظتی اقدامات کے ساتھ ایسا کرتی ہیں۔ یہ اس بات میں ایک دلچسپ تقسیم پیدا کرتا ہے کہ مختلف خطوں میں کام کیسے ارتقا پذیر ہو رہا ہے۔

ایشیا میں، خاص طور پر سنگاپور اور سیول جیسے ٹیک ہبز میں، انٹیگریشن اکثر اوپر سے نیچے (top-down) ہوتی ہے۔ حکومتیں عمر رسیدہ افرادی قوت اور سکڑتی ہوئی لیبر مارکیٹ سے نمٹنے کے لیے AI خواندگی کو قومی ترجیح کے طور پر آگے بڑھا رہی ہیں۔ وہ آٹومیشن کو معاشی بقا کے لیے ایک ضرورت کے طور پر دیکھتے ہیں۔ اس عالمی تغیر کا مطلب یہ ہے کہ ایک ملٹی نیشنل کمپنی کی تین مختلف AI پالیسیاں ہو سکتی ہیں اس پر منحصر ہے کہ اس کے دفاتر کہاں واقع ہیں۔ مشترکہ دھاگہ یہ ہے کہ ہر کوئی کم وسائل میں زیادہ کرنے کا طریقہ تلاش کر رہا ہے۔ Reuters کی ایک رپورٹ بتاتی ہے کہ ان ٹولز کا معاشی اثر کھربوں کا ہو سکتا ہے، لیکن صرف تب جب عمل درآمد صحیح طریقے سے کیا جائے۔ اگر کمپنیاں صرف AI کا استعمال دنیا کو کم معیار کے مواد سے بھرنے کے لیے کرتی ہیں، تو پیداواری فوائد شور کی وجہ سے ختم ہو جائیں گے۔

مختلف قسم کی لیبر کے درمیان بھی بڑھتی ہوئی تقسیم ہے۔ فنانس، قانون، اور مارکیٹنگ میں نالج ورکرز کو سب سے فوری تبدیلیاں نظر آ رہی ہیں۔ تاہم، یہ تبدیلیاں ہمیشہ مثبت نہیں ہوتی ہیں۔ کچھ معاملات میں، آؤٹ پٹ کی توقع AI کی رفتار سے مطابقت رکھنے کے لیے بڑھ گئی ہے۔ اگر کوئی کام جو پہلے پانچ گھنٹے لیتا تھا اب ایک گھنٹہ لیتا ہے، تو کچھ مینیجرز پانچ گنا کام کی توقع کرتے ہیں۔ یہ برن آؤٹ اور اس احساس کی طرف لے جاتا ہے کہ ٹیکنالوجی ایک ٹول کے بجائے ٹریڈمل ہے۔ عالمی گفتگو آہستہ آہستہ اس طرف منتقل ہو رہی ہے کہ ہم کتنا وقت بچا سکتے ہیں اس کے بجائے کہ ہمیں اپنے پاس بچ جانے والے وقت کو کیسے گزارنا چاہیے۔ یہ کام کی اگلی دہائی کے لیے سب سے اہم سوال ہے۔

جہاں دراصل منٹ بچائے جاتے ہیں

یہ دیکھنے کے لیے کہ یہ عملی طور پر کیسے کام کرتا ہے، آئیے ایک درمیانی سطح کی مارکیٹنگ مینیجر کی زندگی کے ایک دن پر نظر ڈالیں۔ AI سے پہلے، اس کی صبح چالیس ای میلز اور تین سلیک چینلز کو پڑھنے کے ایک گھنٹے کے ساتھ شروع ہوتی تھی تاکہ یہ سمجھ سکے کہ رات بھر کیا ہوا۔ اب، وہ ایک سمری ٹول استعمال کرتی ہے جو اہم ترین اپ ڈیٹس کا پانچ پیراگراف کا بریف فراہم کرتا ہے۔ وہ دو فوری مسائل کی نشاندہی کرتی ہے اور AI سے پچھلے پروجیکٹ نوٹس کی بنیاد پر جوابات ڈرافٹ کرنے کو کہتی ہے۔ صبح 9:30 بجے تک، اس نے وہ کام مکمل کر لیا ہے جس میں پہلے دوپہر تک کا وقت لگتا تھا۔ یہ ایک ٹھوس، روزانہ کی جیت ہے۔ یہاں بچایا گیا وقت نظریاتی نہیں ہے۔ یہ اس کے شیڈول میں واپس آنے والے ڈھائی گھنٹے ہیں۔ پھر وہ اس وقت کو اسٹریٹجک منصوبہ بندی یا اپنی ٹیم کے ساتھ میٹنگ کے لیے استعمال کر سکتی ہے، ایسے کام جن کے لیے انسانی ہمدردی اور پیچیدہ فیصلہ سازی کی ضرورت ہوتی ہے۔

اس کے دن کا درمیانی حصہ ایک نئی مہم کے لیے تجویز تیار کرنے پر مشتمل ہے۔ خالی صفحے کو گھورنے کے بجائے، وہ AI کو اپنے بنیادی اہداف، ہدف کے سامعین، اور بجٹ فراہم کرتی ہے۔ ٹول تین مختلف ساختی آپشنز تیار کرتا ہے۔ وہ ہر ایک کے بہترین حصوں کو منتخب کرتی ہے اور لہجے کو بہتر بنانے اور ڈیٹا کو چیک کرنے میں ایک گھنٹہ صرف کرتی ہے۔ یہیں پر عوامی تاثر اور حقیقت کے درمیان فرق سب سے واضح ہے۔ لوگ سمجھتے ہیں کہ AI تجویز لکھتا ہے۔ حقیقت میں، AI ایک ساختی ڈھانچہ فراہم کرتا ہے جس پر انسان پھر تعمیر کرتا ہے۔ وقت کی بچت