انسانی مداخلت کے بغیر جنریٹو اے آئی پر کیا انحصار کیا جا سکتا ہے؟

ایگزیکٹو خلاصہ

جنریٹیو آرٹیفیشل انٹیلی جنس (AI) – مشینوں کو ٹیکسٹ، تصاویر، کوڈ وغیرہ بنانے کے قابل بنانے والی ٹیکنالوجی – نے حالیہ برسوں میں دھماکہ خیز ترقی کا تجربہ کیا ہے۔ یہ وائٹ پیپر ایک قابل رسائی جائزہ فراہم کرتا ہے کہ تخلیقی AI قابل اعتماد طریقے سے کیا کر سکتا ہے، اور اس سے اگلی دہائی میں کیا کرنے کی توقع ہے۔ ہم تحریری، آرٹ، کوڈنگ، کسٹمر سروس، صحت کی دیکھ بھال، تعلیم، لاجسٹکس اور فنانس میں اس کے استعمال کا سروے کرتے ہیں، اس بات پر روشنی ڈالتے ہیں کہ کہاں AI خود مختار طور پر کام کرتا ہے اور جہاں انسانی نگرانی انتہائی اہم ہے۔ کامیابیوں اور حدود دونوں کو واضح کرنے کے لیے حقیقی دنیا کی مثالیں شامل کی گئی ہیں۔ کلیدی نتائج میں شامل ہیں:

• وسیع پیمانے پر اپنانا: 2024 میں، سروے شدہ 65% کمپنیاں باقاعدگی سے جنریٹو AI استعمال کرنے کی اطلاع دیتی ہیں – پچھلے سال سے تقریباً دوگنا حصہ (2024 کے اوائل میں AI کی حالت | McKinsey)۔ ایپلیکیشنز مارکیٹنگ کے مواد کی تخلیق، کسٹمر سپورٹ چیٹ بوٹس، کوڈ جنریشن، اور بہت کچھ پر محیط ہیں۔

• موجودہ خود مختار صلاحیتیں: آج کی تخلیقی AI قابل اعتماد طریقے سے ساختہ، بار بار کاموں کو کم سے کم نگرانی کے ساتھ ہینڈل کرتی ہے۔ مثالوں میں خودکار طور پر فارمولک خبریں تیار کرنا (مثلاً کارپوریٹ آمدنی کے خلاصے) (فلانا پیٹرسن – ONA کمیونٹی پروفائل)، پروڈکٹ کی تفصیل تیار کرنا اور ای کامرس سائٹس پر جھلکیوں کا جائزہ لینا، اور خود کار طریقے سے مکمل کرنے والا کوڈ شامل ہیں۔ ان ڈومینز میں، AI اکثر معمول کے مواد کی تخلیق کو سنبھال کر انسانی کارکنوں کو بڑھاتا ہے۔

• پیچیدہ کاموں کے لیے ہیومن ان دی لوپ: زیادہ پیچیدہ یا کھلے کاموں کے لیے - جیسے تخلیقی تحریر، تفصیلی تجزیہ، یا طبی مشورہ - حقیقت کی درستگی، اخلاقی فیصلے اور معیار کو یقینی بنانے کے لیے انسانی نگرانی کی ضرورت ہوتی ہے۔ آج بہت سے AI کی تعیناتیاں "ہیومن-ان-دی-لوپ" ماڈل کا استعمال کرتی ہیں جہاں AI مواد کا مسودہ تیار کرتا ہے اور انسان اس کا جائزہ لیتے ہیں۔

• قریب المدت بہتری: اگلے 5-10 سالوں میں، تخلیقی AI کے کہیں زیادہ قابل اعتماد اور خود مختار۔ ماڈل کی درستگی اور گارڈریل میکانزم میں پیشرفت AI کو کم سے کم انسانی ان پٹ کے ساتھ تخلیقی اور فیصلہ سازی کے کاموں کا ایک بڑا حصہ سنبھالنے کی اجازت دے سکتی ہے۔ مثال کے طور پر، 2030 تک ماہرین نے پیش گوئی کی ہے کہ AI کسٹمر سروس کے زیادہ تر تعاملات اور فیصلوں کو حقیقی وقت میں سنبھالے گا (CX میں شفٹ کا دوبارہ تصور کرنے کے لیے، مارکیٹرز کو یہ 2 چیزیں کرنی چاہئیں)، اور 90% AI سے تیار کردہ مواد کے ساتھ ایک بڑی فلم تیار کی جا سکتیہے۔

• 2035 تک: ایک دہائی میں، ہم امید کرتے ہیں کہ خود مختار AI ایجنٹ بہت سے شعبوں میں عام ہو جائیں گے۔ AI ٹیوٹرز پیمانے پر ذاتی تعلیم فراہم کر سکتے ہیں، AI معاونین ماہر سائن آف کے لیے قابل اعتماد طریقے سے قانونی معاہدوں یا طبی رپورٹس کا مسودہ تیار کر سکتے ہیں، اور خود ڈرائیونگ سسٹم (جنریٹو سمولیشن کے ذریعے مدد یافتہ) لاجسٹک آپریشنز کو آخر تک چلا سکتے ہیں۔ تاہم، بعض حساس علاقوں (مثلاً ہائی اسٹیک طبی تشخیص، حتمی قانونی فیصلے) ممکنہ طور پر اب بھی حفاظت اور جوابدہی کے لیے انسانی فیصلے کی ضرورت ہوگی۔

• اخلاقی اور قابل اعتماد خدشات: جیسے جیسے AI خود مختاری بڑھتی ہے، اسی طرح خدشات بھی بڑھتے ہیں۔ آج کے مسائل میں ہیلوسینیشن (AI بنانے والے حقائق)، تیار کردہ مواد میں تعصب، شفافیت کی کمی، اور غلط معلومات کا ممکنہ غلط استعمال شامل ہیں۔ نگرانی کے بغیر کام کرتے وقت AI پر بھروسہ کرنا سب سے اہم ہے۔ پیش رفت ہو رہی ہے – مثال کے طور پر، تنظیمیں خطرے میں کمی (درستگی، سائبرسیکیوریٹی، آئی پی کے مسائل کو حل کرنے) میں زیادہ سرمایہ کاری کر رہی ہیں ( The State of AI: گلوبل سروے | McKinsey ) – لیکن مضبوط گورننس اور اخلاقی فریم ورک کی ضرورت ہے۔

• اس کاغذ کی ساخت: ہم تخلیقی AI کے تعارف اور خود مختار بمقابلہ زیر نگرانی استعمال کے تصور کے ساتھ شروع کرتے ہیں۔ پھر، ہر ایک بڑے ڈومین (تحریر، آرٹ، کوڈنگ، وغیرہ) کے لیے، ہم اس بات پر بحث کرتے ہیں کہ AI آج بھروسہ مند طریقے سے کیا کر سکتا ہے بمقابلہ افق پر کیا ہے۔ ہم کراس کٹنگ چیلنجز، مستقبل کے تخمینوں، اور ذمہ داری کے ساتھ جنریٹو AI کو استعمال کرنے کی سفارشات کے ساتھ اختتام کرتے ہیں۔

مجموعی طور پر، تخلیقی AI پہلے ہی ثابت کر چکا ہے کہ وہ مسلسل انسانی رہنمائی کے بغیر حیرت انگیز کاموں کو سنبھال سکتا ہے۔ اس کی موجودہ حدود اور مستقبل کی صلاحیت کو سمجھ کر، تنظیمیں اور عوام ایک ایسے دور کے لیے بہتر طریقے سے تیاری کر سکتے ہیں جس میں AI صرف ایک ٹول نہیں ہے، بلکہ کام اور تخلیقی صلاحیتوں میں ایک خودمختار ساتھی ہے۔.

تعارف

مصنوعی ذہانت طویل عرصے سے ڈیٹا کا تجزیہ کرنے میں کامیاب رہی ہے ، لیکن حال ہی میں AI سسٹمز نے تخلیق کرنا سیکھا ہے - نثر لکھنا، تصاویر کمپوز کرنا، پروگرامنگ سافٹ ویئر، اور بہت کچھ۔ یہ تخلیقی AI ماڈلز (جیسا کہ متن کے لیے GPT-4 یا تصاویر کے لیے DALL·E) کو اشارے کے جواب میں نیا مواد تیار کرنے کے لیے وسیع ڈیٹا سیٹس پر تربیت دی جاتی ہے۔ اس پیش رفت نے تمام صنعتوں میں جدت طرازی کی لہر دوڑائی ہے۔ تاہم، ایک اہم سوال پیدا ہوتا ہے: ہم اصل میں AI پر کیا بھروسہ کر سکتے ہیں کہ وہ خود ہی کرے، بغیر کسی انسان کے اس کے آؤٹ پٹ کو دوہری جانچے؟

اس کا جواب دینے کے لیے، AI کے زیر نگرانی اور خود مختار استعمال کے درمیان فرق کرنا ضروری ہے :

• انسانی زیر نگرانی AI سے مراد وہ منظرنامے ہیں جہاں حتمی شکل دینے سے پہلے لوگوں کے ذریعے AI آؤٹ پٹ کا جائزہ لیا جاتا ہے یا ان کی کیوریٹ کی جاتی ہے۔ مثال کے طور پر، ایک صحافی مضمون کا مسودہ تیار کرنے کے لیے AI رائٹنگ اسسٹنٹ کا استعمال کر سکتا ہے، لیکن ایک ایڈیٹر اس میں ترمیم اور منظوری دیتا ہے۔

• خود مختار AI (انسانی مداخلت کے بغیر AI) سے مراد ایسے AI نظام ہیں جو کاموں کو انجام دیتے ہیں یا ایسا مواد تیار کرتے ہیں جو بہت کم یا بغیر کسی انسانی ترمیم کے براہ راست استعمال میں آتا ہے۔ ایک مثال ایک خودکار چیٹ بوٹ ہے جو گاہک کے سوال کو انسانی ایجنٹ کے بغیر حل کرتا ہے، یا کوئی نیوز آؤٹ لیٹ خود بخود AI کے ذریعے تیار کردہ اسپورٹس سکور کی بازیافت شائع کرتا ہے۔

جنریٹو AI پہلے ہی دونوں طریقوں میں تعینات کیا جا رہا ہے۔ 2023-2025 میں،تنظیمیں بے تابی سے تجربہ کر رہی ہیں، گود لینے کا عمل آسمان کو چھو رہا ہے۔ 2024 میں ہونے والے ایک عالمی سروے میں پتا چلا کہ 65% کمپنیاں باقاعدگی سے جنریٹو AI استعمال کر رہی ہیں، جو کہ صرف ایک سال پہلے تقریباً ایک تہائی تھی (2024 کے اوائل میں AI کی حالت | McKinsey)۔ افراد نے بھی ChatGPT جیسے ٹولز کو اپنا لیا ہے – ایک اندازے کے مطابق 79% پیشہ ور افراد نے 2023 کے وسط تک کم از کم جنریٹو AI کا کچھ استعمال کیا تھا (2023 میں AI کی حالت: جنریٹو AI کا بریک آؤٹ سال | McKinsey)۔ یہ تیز رفتاری کارکردگی اور تخلیقی فوائد کے وعدے سے کارفرما ہے۔ ابھی تک یہ "ابتدائی دن" باقی ہے اور بہت سی کمپنیاں ابھی بھی AI کو ذمہ داری سے استعمال کرنے کے بارے میں پالیسیاں بنا رہی ہیں (2023 میں AI کی حالت: جنریٹیو AI کا بریک آؤٹ سال | McKinsey)۔

خودمختاری کیوں اہمیت رکھتی ہے: AI کو انسانی نگرانی کے بغیر کام کرنے کی اجازت دینے سے کارکردگی کے بہت بڑے فوائد حاصل ہو سکتے ہیں – مکمل طور پر تھکا دینے والے کاموں کو خودکار کرنا – لیکن اس سے بھروسے کی دوڑیں بھی بڑھ جاتی ہیں۔ ایک خود مختار AI ایجنٹ کو چیزوں کو درست کرنا چاہئے (یا اس کی حدود کو جاننا) کیونکہ غلطیوں کو پکڑنے کے لئے حقیقی وقت میں کوئی انسان نہیں ہوسکتا ہے۔ کچھ کام دوسروں کے مقابلے میں خود کو اس سے زیادہ قرض دیتے ہیں۔ عام طور پر، AI خود مختار طور پر بہترین کارکردگی کا مظاہرہ کرتا ہے جب:

• کام کا ایک واضح ڈھانچہ یا نمونہ (مثال کے طور پر ڈیٹا سے معمول کی رپورٹیں بنانا)۔

• غلطیاں کم خطرہ یا آسانی سے برداشت کی جاتی ہیں (مثال کے طور پر ایک تصویر کی تخلیق جسے غیر تسلی بخش ہونے پر رد کیا جا سکتا ہے، بمقابلہ طبی تشخیص)۔

• منظرناموں کا احاطہ کرنے کے لیے کافی تربیتی ڈیٹا موجود ہے ، اس لیے AI کا آؤٹ پٹ حقیقی مثالوں پر مبنی ہے (اندازوں کو کم کرنا)۔

اس کے برعکس، وہ کام جو کھلے عام، زیادہ داؤ پر ہیں، یا جن کے لیے باریک بینی سے فیصلے کی ضرورت ہے وہ آج صفر کی نگرانی کے لیے کم موزوں ہیں۔

مندرجہ ذیل حصوں میں، ہم مختلف شعبوں کا جائزہ لیتے ہیں تاکہ یہ دیکھیں کہ جنریٹو AI اب کیا کر رہا ہے اور آگے کیا ہے۔ ہم ٹھوس مثالیں دیکھیں گے - AI سے لکھے گئے نیوز آرٹیکلز اور AI سے تیار کردہ آرٹ ورک سے لے کر کوڈ رائٹنگ اسسٹنٹس اور ورچوئل کسٹمر سروس ایجنٹس تک - اس بات پر روشنی ڈالتے ہوئے کہ AI کے ذریعے آخر سے آخر تک کون سے کام کیے جا سکتے ہیں اور جن کے لیے ابھی بھی انسان کی ضرورت ہے۔ ہر ڈومین کے لیے، ہم واضح طور پر موجودہ صلاحیتوں (سرکا 2025) کو حقیقت پسندانہ اندازوں سے الگ کرتے ہیں کہ 2035 تک کیا قابل اعتماد ہو سکتا ہے۔.

ڈومینز میں خود مختار AI کے حال اور مستقبل کی نقشہ سازی کرتے ہوئے، ہمارا مقصد قارئین کو ایک متوازن فہم فراہم کرنا ہے: نہ تو AI کو جادوئی طور پر غلط سمجھنا، اور نہ ہی اس کی حقیقی اور بڑھتی ہوئی صلاحیتوں کو کم کرنا۔ اس فاؤنڈیشن کے ساتھ، ہم پھر اہم ٹیک ویز کے ساتھ اختتام کرنے سے پہلے، بغیر نگرانی کے AI پر بھروسہ کرنے کے لیے درپیش چیلنجوں پر بات کرتے ہیں، بشمول اخلاقی تحفظات اور رسک مینجمنٹ۔.

تحریر اور مواد کی تخلیق میں تخلیقی AI

ان اولین ڈومینز میں سے ایک جہاں جنریٹیو AI نے اسپلش کیا ہے وہ ٹیکسٹ جنریشن تھا۔ زبان کے بڑے ماڈلز نیوز آرٹیکلز اور مارکیٹنگ کاپی سے لے کر سوشل میڈیا پوسٹس اور دستاویزات کے خلاصے تک سب کچھ تیار کر سکتے ہیں۔ لیکن یہ تحریر انسانی ایڈیٹر کے بغیر کتنی ہو سکتی ہے۔

موجودہ صلاحیتیں (2025): AI معمول کے مواد کے آٹو رائٹر کے طور پر

آج، تخلیقی AI قابل اعتماد طریقے سے مختلف قسم کے معمول کے تحریری کاموں کو کم سے کم یا کوئی انسانی مداخلت کے ساتھ ہینڈل کر رہا ہے۔فلانا پیٹرسن – ONA کمیونٹی پروفائل)خودکار آمدنی کی کہانیاں ضرب | دی ایسوسی ایٹڈ پریس)۔

کھیلوں کی صحافت کو بھی اسی طرح بڑھایا گیا ہے: AI سسٹم کھیلوں کے کھیل کے اعدادوشمار لے سکتے ہیں اور کہانیاں دوبارہ تیار کر سکتے ہیں۔ چونکہ یہ ڈومینز ڈیٹا سے چلنے والے اور فارمولک ہیں، اس لیے جب تک ڈیٹا درست ہے غلطیاں کم ہی ہوتی ہیں۔ ان صورتوں میں، ہم حقیقی خودمختاری – AI لکھتا ہے اور مواد فوراً شائع ہو جاتا ہے۔

کاروبار پروڈکٹ کی تفصیل، ای میل نیوز لیٹرز، اور مارکیٹنگ کے دیگر مواد کو تیار کرنے کے لیے جنریٹو AI کا استعمال بھی کر رہے ہیں۔ مثال کے طور پر، ای کامرس کمپنی ایمیزون اب مصنوعات کے لیے صارفین کے جائزوں کا خلاصہ کرنے کے لیے AI کو ملازمت دیتی ہے۔ AI بہت سے انفرادی جائزوں کے متن کو اسکین کرتا ہے اور اس چیز کے بارے میں لوگوں کو کیا پسند یا ناپسند کرتا ہے اس کا ایک مختصر ہائی لائٹ پیراگراف تیار کرتا ہے، جسے پھر پروڈکٹ پیج پر بغیر دستی ترمیم کے دکھایا جاتا ہے (Amazon AI کے ساتھ کسٹمر کے جائزوں کے تجربے کو بہتر بناتا ہے)۔ ذیل میں ایمیزون کی موبائل ایپ پر تعینات اس خصوصیت کی ایک مثال ہے ، جہاں سیکشن "صارفین کہتے ہیں" مکمل طور پر AI کے ذریعے جائزہ ڈیٹا سے تیار کیا گیا ہے:

(ایمیزون AI کے ساتھ کسٹمر کے جائزے کے تجربے کو بہتر بناتا ہے) ای کامرس پروڈکٹ پیج پر AI سے تیار کردہ جائزہ کا خلاصہ۔ ایمیزون کا نظام صارف کے جائزوں (مثلاً استعمال میں آسانی، کارکردگی) کے عام نکات کا خلاصہ ایک مختصر پیراگراف میں کرتا ہے، جو خریداروں کو "کسٹمر کے جائزوں کے متن سے AI سے تیار کردہ" کے طور پر دکھایا جاتا ہے۔

اس طرح کے استعمال کے معاملات یہ ظاہر کرتے ہیں کہ جب مواد ایک قابل پیشن گوئی پیٹرن کی پیروی کرتا ہے یا موجودہ ڈیٹا سے جمع کیا جاتا ہے، تو AI اکثر اسے اکیلے ہینڈل کر سکتا ہے۔ دیگر موجودہ مثالوں میں شامل ہیں:

• موسم اور ٹریفک کی تازہ کارییں: میڈیا آؤٹ لیٹس جو AI کا استعمال کرتے ہوئے روزانہ موسم کی رپورٹس یا ٹریفک بلیٹنز کو سینسر ڈیٹا کی بنیاد پر مرتب کرتے ہیں۔

• مالیاتی رپورٹیں: سیدھی سادی مالی خلاصے (سہ ماہی نتائج، اسٹاک مارکیٹ کی بریفنگ) خود بخود تیار کرنے والی فرمیں۔ 2014 کے بعد سے، بلومبرگ اور دیگر خبر رساں اداروں نے کمپنی کی آمدنی پر خبروں کے بلب لکھنے میں مدد کے لیے AI کا استعمال کیا ہے - ایک ایسا عمل جو ڈیٹا فراہم کرنے کے بعد بڑی حد تک خود بخود چلتا ہے ( AP کے ' روبوٹ صحافی' اب اپنی کہانیاں لکھ رہے ہیں | The Verge )

• ترجمہ اور نقل: ٹرانسکرپشن سروسز اب انسانی ٹائپسٹ کے بغیر میٹنگ ٹرانسکرپٹس یا کیپشن تیار کرنے کے لیے AI کا استعمال کرتی ہیں۔ اگرچہ تخلیقی معنوں میں تخلیقی نہیں ہے، یہ زبان کے کام واضح آڈیو کے لیے اعلیٰ درستگی کے ساتھ خود مختار طور پر چلتے ہیں۔

• ڈرافٹ جنریشن: بہت سے پیشہ ور افراد ای میلز یا دستاویزات کے پہلے ورژن کو ڈرافٹ کرنے کے لیے چیٹ جی پی ٹی جیسے ٹولز کا استعمال کرتے ہیں، اگر مواد کم خطرہ ہو تو کبھی کبھار انہیں بہت کم یا بغیر کسی ترمیم کے بھیجتے ہیں۔

تاہم، زیادہ پیچیدہ نثر کے لیے، انسانی نگرانی 2025 میں معمول بنی ہوئی ہے۔ نیوز آرگنائزیشن شاذ و نادر ہی تحقیقاتی یا تجزیاتی مضامین براہ راست AI سے شائع کرتی ہیں - ایڈیٹرز حقائق کی جانچ پڑتال کریں گے اور AI کے تحریری مسودوں کو بہتر بنائیں گے۔ AI انداز اور ساخت کی اچھی طرح نقل کر سکتا ہے لیکن حقیقت پر مبنی غلطیاں متعارف کروا سکتا ہے (اکثر "ہیلوسینیشن" کہلاتا ہے) یا عجیب و غریب جملے جن کو انسان کو پکڑنے کی ضرورت ہے۔ مثال کے طور پر، جرمن اخبار ایکسپریس نے ابتدائی خبروں کے ٹکڑے لکھنے میں مدد کے لیے کلارا نامی ایک AI "ڈیجیٹل ساتھی" متعارف کرایا۔ Klara مؤثر طریقے سے کھیلوں کی رپورٹس تیار کر سکتی ہے اور سرخیاں بھی لکھ سکتی ہے جو قارئین کو اپنی طرف متوجہ کرتی ہیں، ایکسپریس کے 11% مضامین میں حصہ ڈالتی ہیں - لیکن انسانی ایڈیٹرز اب بھی درستگی اور صحافتی سالمیت کے لیے ہر ٹکڑے کا جائزہ لیتے ہیں، خاص طور پر پیچیدہ کہانیوں پر (12 طریقے صحافی نیوز روم میں AI ٹولز کا استعمال کرتے ہیں - Twipe)۔ یہ انسانی AI شراکت داری آج کل عام ہے: AI متن پیدا کرنے کے بھاری بوجھ کو سنبھالتا ہے، اور انسان ضرورت کے مطابق درست اور درست کرتا ہے۔

آؤٹ لک برائے 2030-2035: قابل اعتماد خود مختار تحریر کی طرف

اگلی دہائی کے دوران، ہم توقع کرتے ہیں کہ جنریٹو AI اعلیٰ معیار، حقیقتاً درست متن پیدا کرنے میں کہیں زیادہ قابلِ اعتبار بن جائے گا، جو تحریری کاموں کی حد کو وسیع کرے گا جسے وہ خود مختار طریقے سے سنبھال سکتا ہے۔ کئی رجحانات اس کی حمایت کرتے ہیں:

• بہتر درستگی: جاری تحقیق AI کے غلط یا غیر متعلقہ معلومات پیدا کرنے کے رجحان کو تیزی سے کم کر رہی ہے۔ 2030 تک، بہتر تربیت کے ساتھ جدید زبان کے ماڈل (بشمول ڈیٹا بیس کے خلاف حقائق کی حقیقی وقت میں تصدیق کرنے کی تکنیک) اندرونی طور پر انسانی سطح کے قریب حقائق کی جانچ حاصل کر سکتے ہیں۔ اس کا مطلب یہ ہے کہ ایک AI خود بخود ماخذ مواد سے نکالے گئے درست اقتباسات اور اعدادوشمار کے ساتھ ایک مکمل خبر کا مسودہ تیار کر سکتا ہے، جس میں تھوڑی ترمیم کی ضرورت ہوتی ہے۔

• ڈومین کے لیے مخصوص AIs: ہم کچھ خاص شعبوں (قانونی، طبی، تکنیکی تحریر) کے لیے مزید خصوصی جنریٹو ماڈلز دیکھیں گے۔ 2030 کا ایک قانونی AI ماڈل قابل اعتماد طریقے سے معیاری معاہدوں کا مسودہ تیار کر سکتا ہے یا کیس کے قانون کا خلاصہ کر سکتا ہے - ایسے کام جو ساخت کے لحاظ سے فارمولک ہیں لیکن فی الحال وکیل کے وقت کا مطالبہ کرتے ہیں۔ اگر AI کو توثیق شدہ قانونی دستاویزات پر تربیت دی گئی ہے، تو اس کے مسودے کافی قابل اعتماد ہوسکتے ہیں کہ ایک وکیل صرف ایک فوری حتمی نظر ڈالتا ہے۔

• قدرتی انداز اور ہم آہنگی: ماڈلز طویل دستاویزات پر سیاق و سباق کو برقرار رکھنے میں بہتر ہو رہے ہیں، جس کی وجہ سے زیادہ مربوط اور آن پوائنٹ لانگ فارم مواد ہے۔ 2035 تک، یہ قابل فہم ہے کہ ایک AI نان فکشن کتاب کا ایک مہذب پہلا مسودہ یا خود ایک تکنیکی کتابچہ لکھ سکتا ہے، جس میں انسان بنیادی طور پر ایک مشاورتی کردار میں ہوں (اہداف مقرر کرنے یا خصوصی علم فراہم کرنے کے لیے)۔

عملی طور پر یہ کیسا نظر آ سکتا ہے؟ معمول کی صحافت کچھ دھڑکنوں کے لیے تقریباً مکمل طور پر خودکار ہو سکتی ہے۔ ہم 2030 میں کسی نیوز ایجنسی کو دیکھ سکتے ہیں کہ ایک AI سسٹم ہر آمدنی کی رپورٹ، کھیلوں کی کہانی، یا انتخابی نتائج کی تازہ کاری کا پہلا ورژن لکھتا ہے، جس میں ایک ایڈیٹر کوالٹی اشورینس کے لیے صرف چند نمونے لیتے ہیں۔ درحقیقت، ماہرین نے پیش گوئی کی ہے کہ آن لائن مواد کا بڑھتا ہوا حصہ مشین سے تیار کیا جائے گا - صنعت کے تجزیہ کاروں کی ایک جرات مندانہ پیشین گوئی نے تجویز کیا کہ 2026 تک آن لائن مواد کا 90% تک AI سے تیار کیا جا سکتا ہے (2026 تک، غیر انسانوں کے ذریعہ تیار کردہ آن لائن مواد بہت زیادہ ہو جائے گا)، حالانکہ OOD کے اعداد و شمار سے زیادہ ہے بحث کی اس سے بھی زیادہ قدامت پسند نتائج کا مطلب 2030 کی دہائی کے وسط تک ہو گا، روٹین ویب آرٹیکلز، پروڈکٹ کاپی، اور ہو سکتا ہے کہ ذاتی نوعیت کی نیوز فیڈز بھی AI کے ذریعے لکھی گئی ہوں۔

مارکیٹنگ اور کارپوریٹ کمیونیکیشنز میں ، ممکنہ طور پر جنریٹو AI کو پوری مہمات خود مختاری سے چلانے کی ذمہ داری سونپی جائے گی۔ یہ ذاتی نوعیت کی مارکیٹنگ ای میلز، سوشل میڈیا پوسٹس، اور اشتھاراتی کاپی کی مختلف حالتوں کو تخلیق اور بھیج سکتا ہے، صارفین کے ردعمل کی بنیاد پر پیغام رسانی کو مسلسل موافقت دیتا ہے - یہ سب کچھ بغیر کسی انسانی کاپی رائٹر کے۔ گارٹنر کے تجزیہ کاروں کا تخمینہ ہے کہ 2025 تک، کم از کم 30% بڑے کاروباری اداروں کے آؤٹ باؤنڈ مارکیٹنگ پیغامات مصنوعی طور پر AI ( جنریٹیو AI استعمال کے کیسز برائے صنعتوں اور کاروباری اداروں ) کے ذریعے تیار کیے جائیں گے، اور یہ فیصد صرف 2030 تک بڑھے گا۔

تاہم، یہ نوٹ کرنا ضروری ہے کہ انسانی تخلیقی صلاحیت اور فیصلہ اب بھی ایک کردار ادا کرے گا، خاص طور پر اعلی درجے کے مواد کے لیے۔ 2035 تک، AI ایک پریس ریلیز یا بلاگ پوسٹ کو خود ہینڈل کر سکتا ہے، لیکن تحقیقاتی صحافت کے لیے جس میں احتساب یا حساس موضوعات شامل ہوں، میڈیا آؤٹ لیٹس اب بھی انسانی نگرانی پر اصرار کر سکتے ہیں۔ مستقبل ممکنہ طور پر ایک درجے کا نقطہ نظر لائے گا: AI خود مختار طور پر روزمرہ کے مواد کا بڑا حصہ تیار کرتا ہے، جب کہ انسان اسٹریٹجک یا حساس ٹکڑوں میں ترمیم اور تیار کرنے پر توجہ مرکوز کرتے ہیں۔ بنیادی طور پر، "روٹین" کے طور پر شمار ہونے والی لائن میں AI کی مہارت کے بڑھنے کے ساتھ ساتھ توسیع ہوتی جائے گی۔

مزید برآں، مواد کی نئی شکلیں جیسے کہ AI سے تیار کردہ انٹرایکٹو بیانیے یا ذاتی نوعیت کی رپورٹیں سامنے آ سکتی ہیں۔ مثال کے طور پر، ایک کمپنی کی سالانہ رپورٹ AI کے ذریعے متعدد طرزوں میں تیار کی جا سکتی ہے – ایگزیکٹوز کے لیے ایک مختصر، ملازمین کے لیے ایک بیانیہ ورژن، تجزیہ کاروں کے لیے ڈیٹا سے بھرپور ورژن – ہر ایک ایک ہی بنیادی ڈیٹا سے خود بخود تخلیق ہوتا ہے۔ تعلیم میں، نصابی کتب کو پڑھنے کی مختلف سطحوں کے مطابق AI کے ذریعے متحرک طور پر لکھا جا سکتا ہے۔ یہ ایپلیکیشنز بڑی حد تک خودمختار ہو سکتی ہیں لیکن تصدیق شدہ معلومات کے ذریعے ان کو زیر کیا جا سکتا ہے۔

تحریری انداز سے پتہ چلتا ہے کہ 2030 کی دہائی کے وسط تک، AI ایک قابل مصنف ہوگا۔ صحیح معنوں میں خود مختار آپریشن کی کلید اس کے نتائج پر اعتماد قائم کرنا ہوگی۔ اگر AI مسلسل حقائق کی درستگی، اسلوبیاتی معیار، اور اخلاقی معیارات کے ساتھ صف بندی کا مظاہرہ کر سکتا ہے، تو لائن بہ لائن انسانی جائزے کی ضرورت کم ہو جائے گی۔ اس وائٹ پیپر کے حصے بذات خود، 2035 تک، کسی ایڈیٹر کی ضرورت کے بغیر ایک AI محقق کے ذریعے بہت اچھی طرح سے تیار کیا جا سکتا ہے – ایک ایسا امکان جس کے بارے میں ہم محتاط طور پر پرامید ہیں، بشرطیکہ مناسب حفاظتی اقدامات موجود ہوں۔

بصری آرٹس اور ڈیزائن میں تخلیقی AI

جنریٹو AI کی تصاویر اور آرٹ ورک بنانے کی صلاحیت نے عوامی تخیل کو اپنی گرفت میں لے لیا ہے، AI سے تیار کردہ پینٹنگز سے لے کر آرٹ کے مقابلے جیتنے والی ڈیپ فیک ویڈیوز تک جو حقیقی فوٹیج سے الگ نہیں ہیں۔ بصری ڈومینز میں، AI ماڈلز جیسے جنریٹو ایڈورسریل نیٹ ورکس (GANs) اور ڈفیوژن ماڈلز (مثلاً اسٹیبل ڈفیوژن، مڈجرنی) ٹیکسٹ پرامپٹس کی بنیاد پر اصل تصاویر تیار کر سکتے ہیں۔ تو، کیا AI اب ایک خود مختار آرٹسٹ یا ڈیزائنر کے طور پر کام کر سکتا ہے؟

موجودہ صلاحیتیں (2025): AI بطور تخلیقی معاون

2025 تک، جنریٹیو ماڈل متاثر کن وفاداری کے ساتھ مانگ کے مطابق تصاویر بنانے میں ماہر ہیں۔ صارفین ایک تصویر AI سے کہہ سکتے ہیں کہ وہ "وان گو کے انداز میں غروب آفتاب کے وقت قرون وسطی کا شہر" کھینچے اور سیکنڈوں میں قابل یقین فنکارانہ تصویر حاصل کرے۔ اس کی وجہ سے گرافک ڈیزائن، مارکیٹنگ، اور تصوراتی آرٹ، پروٹو ٹائپس، اور بعض صورتوں میں حتمی بصری کے لیے تفریح ​​میں AI کا وسیع پیمانے پر استعمال ہوا ہے۔ خاص طور پر:

• گرافک ڈیزائن اور اسٹاک امیجز: کمپنیاں AI کے ذریعے ویب سائٹ کے گرافکس، عکاسی، یا اسٹاک فوٹوز تیار کرتی ہیں، جس سے آرٹسٹ کے ہر ٹکڑے کو کمیشن کرنے کی ضرورت کم ہوتی ہے۔ بہت سی مارکیٹنگ ٹیمیں AI ٹولز کا استعمال اشتہارات یا پروڈکٹ کی تصاویر کی مختلف حالتوں کو تیار کرنے کے لیے کرتی ہیں تاکہ یہ جانچ سکیں کہ صارفین کو کیا اپیل کرتا ہے۔

• آرٹ اور عکاسی: انفرادی فنکار AI کے ساتھ خیالات کو ذہن سازی کرنے یا تفصیلات بھرنے کے لیے تعاون کرتے ہیں۔ مثال کے طور پر، ایک مصور پس منظر کا منظر تیار کرنے کے لیے AI کا استعمال کر سکتا ہے، جسے وہ پھر اپنے انسانوں کے تیار کردہ کرداروں کے ساتھ ضم کر لیتے ہیں۔ کچھ مزاحیہ کتابوں کے تخلیق کاروں نے AI سے تیار کردہ پینلز یا رنگ کاری کے ساتھ تجربہ کیا ہے۔

• میڈیا اور تفریح: AI سے تیار کردہ آرٹ میگزین کے سرورق اور کتاب کے سرورق پر ظاہر ہوا ہے۔ ایک مشہور مثال اگست 2022 کا کاسموپولیٹن سرورق تھا جس میں ایک خلاباز کو نمایاں کیا گیا تھا – مبینہ طور پر پہلی میگزین کور امیج جو ایک آرٹ ڈائریکٹر کی ہدایت کاری کے مطابق ایک AI (OpenAI's DALL·E) کے ذریعے بنائی گئی تھی۔ اگرچہ اس میں انسانی حوصلہ افزائی اور انتخاب شامل تھا، اصل آرٹ ورک مشین سے پیش کیا گیا تھا۔

اہم طور پر، ان میں سے زیادہ تر موجودہ استعمال میں اب بھی انسانی علاج اور تکرار شامل ہے۔ AI درجنوں تصاویر کو تھوک سکتا ہے، اور ایک انسان بہترین کا انتخاب کرتا ہے اور ممکنہ طور پر اسے چھوتا ہے۔ اس لحاظ سے، AI پیدا کرنے ، لیکن انسان تخلیقی سمت کی رہنمائی کر رہے ہیں اور حتمی انتخاب کر رہے ہیں۔ یہ بہت سارے مواد کو تیزی سے تیار کرنے کے لیے قابل اعتماد ہے، لیکن پہلی کوشش میں تمام ضروریات کو پورا کرنے کی ضمانت نہیں ہے۔ غلط تفصیلات جیسے مسائل (مثلاً AI انگلیوں کی غلط تعداد سے ہاتھ کھینچنا، ایک معلوم نرالا) یا غیر ارادی نتائج کا مطلب ہے کہ انسانی آرٹ ڈائریکٹر کو عام طور پر آؤٹ پٹ کوالٹی کی نگرانی کرنے کی ضرورت ہوتی ہے۔

تاہم، ایسے ڈومینز ہیں جہاں AI مکمل خود مختاری کے قریب ہے:

• جنریٹو ڈیزائن: فن تعمیر اور پروڈکٹ ڈیزائن جیسے شعبوں میں، AI ٹولز خود مختاری سے ایسے ڈیزائن پروٹو ٹائپ بنا سکتے ہیں جو مخصوص رکاوٹوں کو پورا کرتے ہیں۔ مثال کے طور پر، فرنیچر کے ایک ٹکڑے کے مطلوبہ جہتوں اور افعال کو دیکھتے ہوئے، ایک تخلیقی الگورتھم ابتدائی چشموں سے ہٹ کر انسانی مداخلت کے بغیر کئی قابل عمل ڈیزائن (کچھ بالکل غیر روایتی) تیار کر سکتا ہے۔ یہ ڈیزائن پھر انسانوں کے ذریعہ براہ راست استعمال یا بہتر کیے جاسکتے ہیں۔ اسی طرح، انجینئرنگ میں، جنریٹو AI وزن اور طاقت کے لیے موزوں حصوں (کہیں، ہوائی جہاز کا ایک جزو) ڈیزائن کر سکتا ہے، جس سے ایسی نئی شکلیں پیدا ہوتی ہیں جن کا شاید انسان نے تصور بھی نہ کیا ہو۔

• ویڈیو گیم کے اثاثے: AI خود بخود ویڈیو گیمز کے لیے بناوٹ، 3D ماڈل، یا یہاں تک کہ پوری سطحیں بنا سکتا ہے۔ ڈویلپرز ان کا استعمال مواد کی تخلیق کو تیز کرنے کے لیے کرتے ہیں۔ کچھ انڈی گیمز نے کم سے کم انسانوں کے تخلیق کردہ اثاثوں کے ساتھ وسیع، متحرک گیم کی دنیا بنانے کے لیے طریقہ کار سے تیار کردہ آرٹ ورک اور یہاں تک کہ مکالمے (زبان کے ماڈلز کے ذریعے) کو شامل کرنا شروع کر دیا ہے۔

• حرکت پذیری اور ویڈیو (ابھرتی ہوئی): جامد تصاویر کے مقابلے میں کم بالغ ہونے کے باوجود، ویڈیو کے لیے تخلیقی AI آگے بڑھ رہا ہے۔ AI پہلے ہی پرامپٹس سے مختصر ویڈیو کلپس یا اینیمیشن تیار کر سکتا ہے، حالانکہ معیار متضاد ہے۔ ڈیپ فیک ٹیکنالوجی - جو کہ تخلیقی ہے - حقیقت پسندانہ چہرے کی تبدیلی یا آواز کے کلون تیار کر سکتی ہے۔ ایک کنٹرول شدہ ترتیب میں، ایک سٹوڈیو خود بخود بیک گراؤنڈ سین یا کراؤڈ اینیمیشن بنانے کے لیے AI کا استعمال کر سکتا ہے۔

خاص طور پر، گارٹنر نے پیش گوئی کی ہے کہ 2030 تک، ہم ایک بڑی بلاک بسٹر فلم دیکھیں گے جس میں AI (اسکرپٹ سے بصری تک) کے ذریعہ تیار کردہ 90٪ مواد ( جنریٹیو AI استعمال کے کیسز برائے صنعت اور کاروباری ادارے ) 2025 تک، ہم ابھی وہاں نہیں ہیں - AI آزادانہ طور پر فیچر لینتھ فلم نہیں بنا سکتا۔ لیکن اس پہیلی کے ٹکڑے تیار ہو رہے ہیں: اسکرپٹ جنریشن (ٹیکسٹ اے آئی)، کریکٹر اور سین جنریشن (امیج/ویڈیو اے آئی)، وائس ایکٹنگ (اے آئی وائس کلون) اور ایڈیٹنگ اسسٹنس (اے آئی پہلے ہی کٹوتیوں اور ٹرانزیشن میں مدد کر سکتی ہے)۔

آؤٹ لک برائے 2030-2035: پیمانے پر AI سے تیار کردہ میڈیا

آگے دیکھتے ہوئے، بصری فنون اور ڈیزائن میں تخلیقی AI کا کردار ڈرامائی طور پر پھیلنے کے لیے تیار ہے۔ 2035 تک، ہم توقع کرتے ہیں کہ AI بہت سے بصری میڈیا میں بنیادی مواد تخلیق کرنے والا ہوگا ، جو اکثر ابتدائی رہنمائی کے علاوہ کم سے کم انسانی ان پٹ کے ساتھ کام کرتا ہے۔ کچھ توقعات:

• مکمل طور پر AI سے تیار کردہ فلمیں اور ویڈیوز: اگلے دس سالوں میں، یہ بہت ممکن ہے کہ ہم پہلی فلمیں یا سیریز دیکھیں گے جو زیادہ تر AI سے تیار کی گئی ہیں۔ انسان اعلیٰ درجے کی سمت فراہم کر سکتے ہیں (مثلاً اسکرپٹ کا خاکہ یا مطلوبہ انداز) اور AI مناظر پیش کرے گا، اداکار کی مشابہت پیدا کرے گا، اور ہر چیز کو متحرک کرے گا۔ مختصر فلموں میں ابتدائی تجربات کا امکان چند سالوں میں ہے، 2030 کی دہائی تک خصوصیت کی لمبائی کی کوششوں کے ساتھ۔ یہ AI فلمیں طاق (تجرباتی اینیمیشن وغیرہ) شروع کر سکتی ہیں لیکن معیار بہتر ہونے پر مرکزی دھارے میں شامل ہو سکتی ہیں۔ گارٹنر کی 2030 تک فلم کی 90% پیشین گوئی (جنریٹو AI استعمال کے کیسز برائے صنعتوں اور کاروباری اداروں)، جب کہ مہتواکانکشی ہے، صنعت کے اس یقین کی نشاندہی کرتی ہے کہ AI مواد کی تخلیق فلم سازی میں زیادہ تر بوجھ کو برداشت کرنے کے لیے کافی نفیس ہوگی۔

• ڈیزائن آٹومیشن: فیشن یا فن تعمیر جیسے شعبوں میں، تخلیقی AI کا استعمال ممکنہ طور پر "لاگت، مواد، سٹائل X" جیسے پیرامیٹرز کی بنیاد پر سینکڑوں ڈیزائن تصورات کو خود مختار طور پر تیار کرنے کے لیے کیا جائے گا، جس سے انسانوں کو حتمی ڈیزائن کا انتخاب کرنا پڑے گا۔ یہ موجودہ متحرک کو پلٹ دیتا ہے: ڈیزائنرز کو شروع سے تخلیق کرنے اور شاید AI کو متاثر کرنے کے لیے استعمال کرنے کے بجائے، مستقبل کے ڈیزائنرز زیادہ سے زیادہ کیوریٹر کے طور پر کام کر سکتے ہیں، بہترین AI سے تیار کردہ ڈیزائن کا انتخاب کر سکتے ہیں اور شاید اس میں ترمیم کر سکتے ہیں۔ 2035 تک، ایک معمار کسی عمارت کی ضروریات کو داخل کر سکتا ہے اور AI سے تجاویز کے طور پر مکمل بلیو پرنٹس حاصل کر سکتا ہے (تمام ساختی طور پر درست، بشکریہ ایمبیڈڈ انجینئرنگ رولز)۔

• ذاتی نوعیت کے مواد کی تخلیق: ہم دیکھ سکتے ہیں کہ AIs انفرادی صارفین کے لیے فلائی پر ویژول بناتے ہیں۔ 2035 میں ایک ویڈیو گیم یا ورچوئل رئیلٹی کے تجربے کا تصور کریں جہاں مناظر اور کردار کھلاڑی کی ترجیحات کے مطابق ہوتے ہیں، جو AI کے ذریعے حقیقی وقت میں تیار کیے گئے ہیں۔ یا صارف کے دن کی بنیاد پر تیار کردہ ذاتی نوعیت کی کامک سٹرپس - ایک خود مختار "ڈیلی ڈائری کامک" AI جو ہر شام آپ کے ٹیکسٹ جرنل کو خود بخود عکاسیوں میں بدل دیتا ہے۔

• ملٹی موڈل کریٹیویٹی: جنریٹیو اے آئی سسٹمز تیزی سے ملٹی موڈل ہو رہے ہیں – یعنی وہ ٹیکسٹ، امیجز، آڈیو وغیرہ کو ایک ساتھ ہینڈل کر سکتے ہیں۔ ان کو ملا کر، ایک AI ایک سادہ پرامپٹ لے سکتا ہے جیسے "مجھ کو پروڈکٹ X کے لیے ایک مارکیٹنگ مہم بنائیں" اور نہ صرف تحریری کاپی، بلکہ مماثل گرافکس، شاید مختصر پروموشنل ویڈیو کلپس بھی تیار کر سکتا ہے، جو تمام انداز میں مطابقت رکھتے ہیں۔ اس قسم کا ایک کلک مواد سوٹ 2030 کی دہائی کے اوائل تک ایک ممکنہ خدمت ہے۔

کیا AI انسانی فنکاروں کی جگہ لے گا؟ یہ سوال اکثر اٹھتا ہے۔ اس بات کا امکان ہے کہ AI بہت سارے پروڈکشن کا کام سنبھال لے گا (خاص طور پر دہرائے جانے والے یا تیزی سے بدلنے والا آرٹ جو کاروبار کے لیے درکار ہے)، لیکن انسانی فنکاری اصلیت اور اختراع کے لیے باقی رہے گی۔ 2035 تک، ایک خود مختار AI قابل اعتماد طریقے سے کسی مشہور فنکار کے انداز میں تصویر کھینچ سکتا ہے – لیکن ایک نیا انداز بنانا یا ثقافتی طور پر گہرا گونج والا فن اب بھی ایک انسانی قوت ہو سکتا ہے (ممکنہ طور پر AI کے ساتھ بطور معاون)۔ ہم ایک ایسے مستقبل کی پیشین گوئی کرتے ہیں جہاں انسانی فنکار خود مختار AI "شریک فنکاروں" کے ساتھ مل کر کام کرتے ہیں۔ کوئی شخص اپنے گھر میں ڈیجیٹل گیلری کے لیے مسلسل آرٹ تخلیق کرنے کے لیے ذاتی AI کو کمیشن دے سکتا ہے، مثال کے طور پر، ہمیشہ بدلتا ہوا تخلیقی ماحول فراہم کرنا۔

اعتبار کے نقطہ نظر سے، بصری پیدا کرنے والا AI کچھ طریقوں سے متن کے مقابلے میں خود مختاری کا آسان راستہ رکھتا ہے: ایک تصویر موضوعی طور پر "کافی اچھی" ہو سکتی ہے چاہے کامل نہ ہو، جب کہ متن میں حقیقت پر مبنی غلطی زیادہ پریشانی کا باعث ہے۔ اس طرح، ہم پہلے ہی نسبتاً کم رسک کو اپناتے ہوئے - اگر AI سے تیار کردہ ڈیزائن بدصورت یا غلط ہے، تو آپ اسے استعمال نہیں کرتے، لیکن یہ خود سے کوئی نقصان نہیں پہنچاتا۔ اس کا مطلب ہے کہ 2030 کی دہائی تک، کمپنیاں AI کو بغیر نگرانی کے ڈیزائن تیار کرنے میں آسانی محسوس کر سکتی ہیں اور صرف اس وقت انسانوں کو شامل کرتی ہیں جب واقعی کسی نئی یا خطرناک چیز کی ضرورت ہو۔

خلاصہ یہ کہ 2035 تک جنریٹو AI سے توقع کی جاتی ہے کہ وہ بصری مواد میں ایک پاور ہاؤس مواد تخلیق کرے گا، جو ممکنہ طور پر ہمارے ارد گرد کی تصاویر اور میڈیا کے ایک اہم حصے کے لیے ذمہ دار ہے۔ یہ قابل اعتماد طریقے سے تفریح، ڈیزائن اور روزمرہ کے مواصلات کے لیے مواد تیار کرے گا۔ خود مختار فنکار افق پر ہے - اگرچہ AI کو تخلیقی یا صرف ایک بہت ہی سمارٹ ٹول ایک بحث ہے جو اس وقت تیار ہو گی جب اس کے نتائج انسانی ساختہ سے الگ نہیں ہو سکتے۔

سافٹ ویئر ڈویلپمنٹ (کوڈنگ) میں جنریٹو AI

سافٹ ویئر ڈویلپمنٹ ایک انتہائی تجزیاتی کام کی طرح لگتا ہے، لیکن اس میں ایک تخلیقی عنصر بھی ہوتا ہے - تحریری کوڈ بنیادی طور پر ایک ساختی زبان میں متن تخلیق کرتا ہے۔ جدید تخلیقی AI، خاص طور پر بڑے زبان کے ماڈل، کوڈنگ میں کافی ماہر ثابت ہوئے ہیں۔ ٹولز جیسے GitHub Copilot، Amazon CodeWhisperer، اور دیگر AI جوڑی پروگرامرز کے طور پر کام کرتے ہیں، کوڈ کے ٹکڑوں یا یہاں تک کہ پورے فنکشنز کو ڈویلپرز کی قسم کے طور پر تجویز کرتے ہیں۔ یہ خود مختار پروگرامنگ کی طرف کہاں تک جا سکتا ہے؟

موجودہ صلاحیتیں (2025): AI بطور کوڈنگ شریک پائلٹ

2025 تک، AI کوڈ جنریٹر بہت سے ڈویلپرز کے ورک فلو میں عام ہو چکے ہیں۔ یہ ٹولز کوڈ کی لائنوں کو خود بخود مکمل کر سکتے ہیں، بوائلر پلیٹ تیار کر سکتے ہیں (جیسے معیاری فنکشنز یا ٹیسٹ)، اور یہاں تک کہ فطری زبان کی تفصیل کے ساتھ سادہ پروگرام بھی لکھ سکتے ہیں۔ تاہم، اہم بات یہ ہے کہ وہ ایک ڈویلپر کی نگرانی میں کام کرتے ہیں - ڈویلپر AI کی تجاویز کا جائزہ لیتا ہے اور ان کو مربوط کرتا ہے۔.

کچھ موجودہ حقائق اور اعداد و شمار:

• نصف سے زیادہ پیشہ ور ڈویلپرز نے 2023 کے آخر تک AI کوڈنگ اسسٹنٹس کو اپنا لیا تھا (Copilot پر کوڈنگ: 2023 ڈیٹا کوڈ کوالٹی پر نیچے کی طرف دباؤ کی تجویز کرتا ہے (بشمول 2024 تخمینے) - GitClear)، تیزی سے بڑھنے کی نشاندہی کرتا ہے۔ GitHub Copilot، جو پہلے وسیع پیمانے پر دستیاب ٹولز میں سے ایک ہے، رپورٹ کیا گیا ہے کہ وہ ان پروجیکٹس میں اوسطاً 30-40% کوڈ تیار کرتا ہے جہاں اسے استعمال کیا جاتا ہے (کوڈنگ اب MOAT نہیں ہے۔ GitHub پر 46% کوڈز پہلے سے موجود ہیں...)۔ اس کا مطلب ہے کہ AI پہلے سے ہی کوڈ کے اہم حصے لکھ رہا ہے، حالانکہ ایک انسان اس کی نگرانی اور تصدیق کر رہا ہے۔

• یہ AI ٹولز دہرائے جانے والے کوڈ (مثلاً ڈیٹا ماڈل کلاسز، گیٹر/سیٹر کے طریقے) لکھنے، ایک پروگرامنگ زبان کو دوسری میں تبدیل کرنے، یا تربیتی مثالوں سے مشابہہ سیدھے الگورتھم تیار کرنے جیسے کاموں میں مہارت رکھتے ہیں۔ مثال کے طور پر، ایک ڈویلپر "صارفین کی فہرست کو نام کے مطابق ترتیب دینے کے لیے// فنکشن" پر تبصرہ کر سکتا ہے اور AI تقریباً فوری طور پر ایک مناسب ترتیب دینے کا فنکشن تیار کرے گا۔.

• وہ بگ فکسنگ اور وضاحت: ڈویلپرز غلطی کا پیغام چسپاں کر سکتے ہیں اور AI درست کرنے کا مشورہ دے سکتا ہے، یا پوچھ سکتا ہے کہ "یہ کوڈ کیا کرتا ہے؟" اور فطری زبان کی وضاحت حاصل کریں۔ یہ ایک لحاظ سے خود مختار ہے (اے آئی اپنے طور پر مسائل کی تشخیص کر سکتا ہے)، لیکن انسان فیصلہ کرتا ہے کہ اس کو لاگو کرنا ہے یا نہیں۔

• اہم بات یہ ہے کہ موجودہ AI کوڈنگ اسسٹنٹس غلط نہیں ہیں۔ وہ غیر محفوظ کوڈ، یا کوڈ تجویز کر سکتے ہیں جو مسئلہ کو تقریباً حل کرتا ہے لیکن اس میں باریک کیڑے ہوتے ہیں۔ اس طرح، آج کا بہترین عمل یہ ہے کہ انسان کو لوپ میں رکھا جائے - ڈویلپر AI تحریری کوڈ کی جانچ اور ڈیبگ اسی طرح کرتا ہے جس طرح وہ انسانی تحریری کوڈ کو کرتے ہیں۔ ریگولیٹڈ انڈسٹریز یا تنقیدی سافٹ ویئر (جیسے میڈیکل یا ایوی ایشن سسٹم) میں، کسی بھی AI شراکت کا سخت جائزہ لیا جاتا ہے۔

آج کوئی بھی مین سٹریم سافٹ ویئر سسٹم ڈیولپر کی نگرانی کے بغیر مکمل طور پر AI کے ذریعے لکھا ہوا نہیں ہے۔ تاہم، کچھ خود مختار یا نیم خود مختار استعمال ابھر رہے ہیں:

• خود کار طریقے سے تیار کردہ یونٹ ٹیسٹ: AI کوڈ کا تجزیہ کر سکتا ہے اور مختلف کیسز کا احاطہ کرنے کے لیے یونٹ ٹیسٹ تیار کر سکتا ہے۔ ایک ٹیسٹنگ فریم ورک خود مختار طور پر کیڑے پکڑنے کے لیے ان AI تحریری ٹیسٹوں کو تیار اور چلا سکتا ہے، جس سے انسانی تحریری ٹیسٹوں کو بڑھایا جا سکتا ہے۔

• AI کے ساتھ کم کوڈ/نو کوڈ پلیٹ فارمز: کچھ پلیٹ فارم غیر پروگرامرز کو یہ بتانے کی اجازت دیتے ہیں کہ وہ کیا چاہتے ہیں (مثال کے طور پر "ایک رابطہ فارم اور ڈیٹا بیس کے ساتھ ایک ویب صفحہ بنائیں تاکہ اندراجات کو محفوظ کیا جا سکے") اور سسٹم کوڈ تیار کرتا ہے۔ ابھی بھی ابتدائی مراحل میں، یہ مستقبل کی طرف اشارہ کرتا ہے جہاں AI معیاری استعمال کے معاملات کے لیے خود مختاری سے سافٹ ویئر بنا سکتا ہے۔

• اسکرپٹنگ اور گلو کوڈ: IT آٹومیشن میں اکثر سسٹمز کو جوڑنے کے لیے اسکرپٹ لکھنا شامل ہوتا ہے۔ AI ٹولز اکثر ان چھوٹے اسکرپٹ کو خود بخود تیار کر سکتے ہیں۔ مثال کے طور پر، لاگ فائل کو پارس کرنے اور ای میل الرٹ بھیجنے کے لیے اسکرپٹ لکھنا - ایک AI کم سے کم یا بغیر کسی ترمیم کے کام کرنے والی اسکرپٹ تیار کر سکتا ہے۔

آؤٹ لک برائے 2030-2035: "خود ترقی پذیر" سافٹ ویئر کی طرف

اگلی دہائی میں، توقع ہے کہ جنریٹو AI کوڈنگ کے بوجھ کا ایک بڑا حصہ لے گا، جو کچھ مخصوص طبقات کے منصوبوں کے لیے مکمل طور پر خودمختار سافٹ ویئر کی ترقی کے قریب پہنچ جائے گا۔ کچھ متوقع پیشرفت:

• مکمل فیچر کا نفاذ: 2030 تک، ہم توقع کرتے ہیں کہ AI ایپلیکیشن کی سادہ خصوصیات کو آخر سے آخر تک لاگو کرنے کے قابل ہو جائے گا۔ ایک پروڈکٹ مینیجر سادہ زبان میں کسی خصوصیت کی وضاحت کر سکتا ہے ("صارفین کو ای میل لنک کے ذریعے اپنا پاس ورڈ دوبارہ ترتیب دینے کے قابل ہونا چاہیے") اور AI ضروری کوڈ (فرنٹ اینڈ فارم، بیک اینڈ لاجک، ڈیٹا بیس اپ ڈیٹ، ای میل ڈسپیچ) تیار کر سکتا ہے اور اسے کوڈ بیس میں ضم کر سکتا ہے۔ AI مؤثر طریقے سے ایک جونیئر ڈویلپر کے طور پر کام کرے گا جو وضاحتوں کی پیروی کر سکتا ہے۔ ایک انسانی انجینئر صرف کوڈ کا جائزہ لے سکتا ہے اور ٹیسٹ چلا سکتا ہے۔ جیسا کہ AI کی وشوسنییتا بہتر ہوتی ہے، کوڈ کا جائزہ ایک فوری سکم بن سکتا ہے۔

• خود مختار کوڈ کی بحالی: سافٹ ویئر انجینئرنگ کا ایک بڑا حصہ صرف نیا کوڈ لکھنا نہیں ہے، بلکہ موجودہ کوڈ کو اپ ڈیٹ کرنا ہے - کیڑے ٹھیک کرنا، کارکردگی کو بہتر بنانا، نئی ضروریات کو اپنانا۔ مستقبل کے AI ڈویلپر ممکنہ طور پر اس پر سبقت لے جائیں گے۔ ایک کوڈبیس اور ایک ہدایت ("ہماری ایپ کریش ہو رہی ہے جب بہت سارے صارفین بیک وقت لاگ ان ہوتے ہیں")، AI اس مسئلے کا پتہ لگا سکتا ہے (جیسے ایک کنکرنسی بگ) اور اسے پیچ کر سکتا ہے۔ 2035 تک، AI سسٹمز راتوں رات معمول کی دیکھ بھال کے ٹکٹ خود بخود سنبھال سکتے ہیں، جو سافٹ ویئر سسٹمز کے لیے انتھک دیکھ بھال کے عملے کے طور پر کام کرتے ہیں۔

• انضمام اور API کا استعمال: چونکہ مزید سافٹ ویئر سسٹمز اور APIs AI پڑھنے کے قابل دستاویزات کے ساتھ آتے ہیں، ایک AI ایجنٹ آزادانہ طور پر یہ جان سکتا ہے کہ Glue Code لکھ ​​کر سسٹم A کو سروس B کے ساتھ کیسے جوڑنا ہے۔ مثال کے طور پر، اگر کوئی کمپنی چاہتی ہے کہ ان کا اندرونی HR سسٹم ایک نئے پے رول API کے ساتھ مطابقت پذیر ہو، تو وہ کسی AI کو "ان کو ایک دوسرے سے بات کرنے" کا کام دے سکتی ہے، اور یہ دونوں سسٹمز کی تفصیلات کو پڑھنے کے بعد انٹیگریشن کوڈ لکھے گی۔

• کوالٹی اور آپٹیمائزیشن: مستقبل کے کوڈ جنریشن ماڈلز ممکنہ طور پر فیڈ بیک لوپس کو شامل کریں گے تاکہ اس بات کی تصدیق کی جا سکے کہ کوڈ کام کرتا ہے (مثلاً، سینڈ باکس میں ٹیسٹ یا نقلی چلائیں)۔ اس کا مطلب ہے کہ ایک AI نہ صرف کوڈ لکھ سکتا ہے بلکہ اسے جانچ کر خود کو درست بھی کر سکتا ہے۔ 2035 تک، ہم ایک ایسے AI کا تصور کر سکتے ہیں جو، ایک ٹاسک دیے جانے تک، اپنے کوڈ پر اعادہ کرتا رہتا ہے جب تک کہ تمام ٹیسٹ پاس نہ ہو جائیں - ایک ایسا عمل جو انسان کو لائن بہ لائن مانیٹر کرنے کی ضرورت نہ ہو۔ اس سے خودمختار طور پر تیار کردہ کوڈ پر اعتماد بہت بڑھ جائے گا۔

کوئی بھی 2035 تک ایک ایسے منظر نامے کا تصور کر سکتا ہے جہاں ایک چھوٹا سا سافٹ ویئر پروجیکٹ - کہتے ہیں کہ کاروبار کے لیے ایک اپنی مرضی کے مطابق موبائل ایپ - کو بڑے پیمانے پر ایک AI ایجنٹ کے ذریعے اعلیٰ سطحی ہدایات دی گئی ہیں۔ اس منظر نامے میں انسانی "ڈیولپر" زیادہ تر پروجیکٹ مینیجر یا توثیق کرنے والا ہوتا ہے، جو ضروریات اور رکاوٹوں کی وضاحت کرتا ہے (سیکیورٹی، طرز کے رہنما خطوط) اور AI کو اصل کوڈنگ کا بھاری بھرکم کام کرنے دیتا ہے۔.

تاہم، پیچیدہ، بڑے پیمانے پر سافٹ ویئر (آپریٹنگ سسٹمز، خود ایڈوانسڈ AI الگورتھم وغیرہ) کے لیے، انسانی ماہرین اب بھی گہرائی سے شامل ہوں گے۔ سافٹ ویئر میں تخلیقی مسئلہ حل کرنے اور تعمیراتی ڈیزائن ممکنہ طور پر تھوڑی دیر کے لئے انسانی قیادت میں رہیں گے۔ AI کوڈنگ کے بہت سے کاموں کو سنبھال سکتا ہے، لیکن یہ فیصلہ کرنا کہ مجموعی ڈھانچہ کیا بنانا ہے اور اسے ڈیزائن کرنا ایک مختلف چیلنج ہے۔ اس نے کہا، جیسا کہ تخلیقی AI تعاون کرنا شروع کرتا ہے - ایک سے زیادہ AI ایجنٹس سسٹم کے مختلف اجزاء کو سنبھالتے ہیں - یہ قابل فہم ہے کہ وہ کسی حد تک آرکیٹیکچرز کو مل کر ڈیزائن کرسکتے ہیں (مثال کے طور پر، ایک AI نظام کے ڈیزائن کی تجویز کرتا ہے، دوسرا اس پر تنقید کرتا ہے، اور وہ اس عمل کی نگرانی کرنے والے انسان کے ساتھ اعادہ کرتے ہیں)۔

کوڈنگ میں AI کا ایک بڑا متوقع فائدہ پیداواری صلاحیت کو بڑھانا۔ گارٹنر نے پیش گوئی کی ہے کہ 2028 تک، مکمل طور پر 90% سافٹ ویئر انجینئرز AI کوڈ اسسٹنٹ استعمال کر رہے ہوں گے (2024 میں 15% سے بھی کم) (GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine)۔ اس سے پتہ چلتا ہے کہ باہر جانے والے - جو AI استعمال نہیں کررہے ہیں - کم ہوں گے۔ ہم کچھ مخصوص شعبوں میں انسانی ڈویلپرز کی کمی کو بھی دیکھ سکتے ہیں جو خلا کو پُر کرنے والے AI کے ذریعے کم کیے گئے ہیں۔ بنیادی طور پر ہر ڈویلپر ایک AI مددگار کے ساتھ بہت کچھ کرسکتا ہے جو خود مختار طور پر کوڈ کا مسودہ تیار کرسکتا ہے۔

اعتماد ایک مرکزی مسئلہ رہے گا۔ یہاں تک کہ 2035 میں، تنظیموں کو یہ یقینی بنانا ہوگا کہ خود مختار طور پر تیار کردہ کوڈ محفوظ ہے (AI کو کمزوریاں متعارف نہیں کرانی چاہئیں) اور قانونی/اخلاقی اصولوں کے ساتھ ہم آہنگ ہوں (مثال کے طور پر، AI میں بغیر کسی لائسنس کے اوپن سورس لائبریری سے سرقہ شدہ کوڈ شامل نہیں ہے)۔ ہم بہتر AI گورننس ٹولز کی توقع کرتے ہیں جو بغیر کسی خطرے کے مزید خود مختار کوڈنگ کو فعال کرنے میں مدد کرنے کے لیے AI تحریری کوڈ کی اصل کی تصدیق اور سراغ لگا سکتے ہیں۔.

خلاصہ یہ کہ، 2030 کی دہائی کے وسط تک، جنریٹو AI معمول کے سافٹ ویئر کے کاموں کے لیے کوڈنگ کا بڑا حصہ سنبھالے گا اور پیچیدہ کاموں میں نمایاں طور پر مدد کرے گا۔ سافٹ ویئر ڈویلپمنٹ لائف سائیکل بہت زیادہ خودکار ہوگا - تقاضوں سے لے کر تعیناتی تک - AI ممکنہ طور پر کوڈ کی تبدیلیوں کو خود بخود تیار اور تعینات کرتا ہے۔ انسانی ڈویلپرز اعلیٰ سطحی منطق، صارف کے تجربے اور نگرانی پر زیادہ توجہ مرکوز کریں گے، جب کہ AI ایجنٹ عمل درآمد کی تفصیلات کو پیستے ہیں۔.

کسٹمر سروس اور سپورٹ میں تخلیقی AI

اگر آپ نے حالیہ دنوں میں آن لائن کسٹمر سپورٹ چیٹ کے ساتھ بات چیت کی ہے، تو اس بات کا ایک اچھا موقع ہے کہ کم از کم اس کے کچھ حصے کے لیے AI دوسرے سرے پر تھا۔ کسٹمر سروس AI آٹومیشن کے لیے ایک تیار شدہ ڈومین ہے: اس میں صارف کے سوالات کا جواب دینا شامل ہے، جو کہ پیدا کرنے والا AI (خاص طور پر بات چیت کے ماڈل) کافی اچھا کر سکتا ہے، اور یہ اکثر اسکرپٹس یا علمی بنیاد کے مضامین کی پیروی کرتا ہے، جسے AI سیکھ سکتا ہے۔ اے آئی کس حد تک خود مختار طریقے سے صارفین کو سنبھال سکتا ہے؟

موجودہ صلاحیتیں (2025): چیٹ بوٹس اور ورچوئل ایجنٹ فرنٹ لائن لے رہے ہیں

آج تک، بہت سی تنظیمیں AI چیٹ بوٹس کو کسٹمر سروس میں رابطے کے پہلے نقطہ کے طور پر تعینات کرتی ہیں۔ یہ سادہ اصول پر مبنی بوٹس ("بلنگ کے لیے 1 دبائیں، سپورٹ کے لیے 2...") سے لے کر جدید تخلیقی AI چیٹ بوٹس تک ہیں جو آزادانہ سوالات کی ترجمانی کر سکتے ہیں اور بات چیت سے جواب دے سکتے ہیں۔ اہم نکات:

• عام سوالات کو ہینڈل کرنا: AI ایجنٹس اکثر پوچھے گئے سوالات کے جوابات دینے، معلومات فراہم کرنے (اسٹور کے اوقات، رقم کی واپسی کی پالیسیاں، معلوم مسائل کے لیے ٹربل شوٹنگ کے اقدامات) اور معیاری طریقہ کار کے ذریعے صارفین کی رہنمائی کرنے میں مہارت رکھتے ہیں۔ مثال کے طور پر، بینک کے لیے ایک AI چیٹ بوٹ خود مختار طور پر صارف کی مدد کر سکتا ہے کہ وہ اپنے اکاؤنٹ کا بیلنس چیک کر سکے، پاس ورڈ دوبارہ ترتیب دے سکے، یا انسانی مدد کے بغیر قرض کے لیے درخواست دینے کا طریقہ بتا سکے۔

• فطری زبان کی تفہیم: جدید تخلیقی ماڈلز زیادہ سیال اور "انسان نما" تعامل کی اجازت دیتے ہیں۔ صارفین اپنے الفاظ میں ایک سوال ٹائپ کر سکتے ہیں اور AI عام طور پر ارادے کو سمجھ سکتا ہے۔ کمپنیاں رپورٹ کرتی ہیں کہ آج کے AI ایجنٹس صارفین کے لیے چند سال پہلے کے پیچیدہ بوٹس کے مقابلے میں کہیں زیادہ مطمئن ہیں - اب تقریباً نصف صارفین کا خیال ہے کہ AI ایجنٹ خدشات کو دور کرتے وقت ہمدرد اور موثر ہو سکتے ہیں (59 AI کسٹمر سروس کے اعدادوشمار برائے 2025)، جو کہ AI سے چلنے والی سروس پر بڑھتے ہوئے اعتماد کو ظاہر کرتا ہے۔

• ملٹی چینل سپورٹ: AI صرف چیٹ پر نہیں ہے۔ وائس اسسٹنٹس (جیسے فون کے IVR سسٹمز جن کے پیچھے AI ہوتا ہے) کالز کو ہینڈل کرنا شروع کر رہے ہیں، اور AI گاہک کے استفسارات پر ای میل کے جوابات کا مسودہ بھی تیار کر سکتا ہے جو درست سمجھے جانے پر خود بخود نکل سکتے ہیں۔

• جب انسان قدم رکھتے ہیں: عام طور پر، اگر AI الجھن میں پڑ جاتا ہے یا سوال بہت پیچیدہ ہے، تو یہ انسانی ایجنٹ کے حوالے کر دیا جائے گا۔ موجودہ نظام بہت سے معاملات میں اپنی حدود کو جاننے میں اچھے ہیں۔ مثال کے طور پر، اگر کوئی گاہک کوئی غیر معمولی چیز پوچھتا ہے یا مایوسی ظاہر کرتا ہے ("یہ تیسری بار ہے جب میں آپ سے رابطہ کر رہا ہوں اور میں بہت پریشان ہوں...")، AI اسے کسی انسان کے سنبھالنے کے لیے جھنڈا لگا سکتا ہے۔ ہینڈ آف کی حد کمپنیوں کے ذریعے صارفین کی اطمینان کے ساتھ کارکردگی کو متوازن کرنے کے لیے مقرر کی گئی ہے۔

بہت سی کمپنیوں نے بات چیت کے اہم حصوں کو اکیلے AI کے ذریعے حل کرنے کی اطلاع دی ہے۔ انڈسٹری کے سروے کے مطابق، تقریباً 70-80% روٹین کسٹمرز کی پوچھ گچھ آج AI چیٹ بوٹس کے ذریعے نمٹائی جا سکتی ہے، اور تقریباً 40% کمپنیوں کے تمام چینلز پر صارفین کے تعاملات پہلے سے ہی خودکار یا AI کی مدد سے ہیں (52 AI کسٹمر سروس کے اعدادوشمار جو آپ کو معلوم ہونے چاہئیں - Plivo)۔ IBM کے گلوبل اے آئی ایڈاپشن انڈیکس (2022) نے اشارہ کیا ہے کہ 80% کمپنیاں یا تو استعمال کرتی ہیں یا 2025 تک کسٹمر سروس کے لیے AI چیٹ بوٹس استعمال کرنے کا ارادہ رکھتی ہیں۔

ایک دلچسپ پیشرفت اے آئی نہ صرف صارفین کو جواب دینا ہے بلکہ حقیقی وقت میں انسانی ایجنٹوں کی فعال طور پر مدد کرنا ہے ۔ مثال کے طور پر، لائیو چیٹ یا کال کے دوران، ایک AI انسانی ایجنٹ کو فوری طور پر تجویز کردہ جوابات یا متعلقہ معلومات سن سکتا ہے اور فراہم کر سکتا ہے۔ یہ خود مختاری کی لکیر کو دھندلا دیتا ہے - AI کو اکیلے گاہک کا سامنا نہیں ہے، لیکن یہ واضح انسانی استفسار کے بغیر فعال طور پر شامل ہے۔ یہ مؤثر طریقے سے ایجنٹ کے خود مختار مشیر کے طور پر کام کرتا ہے۔

آؤٹ لک برائے 2030-2035: بڑے پیمانے پر AI سے چلنے والے صارفین کے تعاملات

2030 تک، کسٹمر سروس کے زیادہ تر تعاملات میں AI شامل ہونے کی توقع ہے، جس میں سے بہت سے شروع سے آخر تک مکمل طور پر AI کے ذریعے ہینڈل کیے جاتے ہیں۔ پیشین گوئیاں اور رجحانات اس کی حمایت کرتے ہیں:

• زیادہ پیچیدہ سوالات حل ہوئے: جیسا کہ AI ماڈلز وسیع علم کو مربوط کرتے ہیں اور استدلال کو بہتر بناتے ہیں، وہ زیادہ پیچیدہ کسٹمر کی درخواستوں کو سنبھالنے کے قابل ہو جائیں گے۔ صرف "میں کسی چیز کو کیسے واپس کروں؟" کا جواب دینے کے بجائے، مستقبل میں AI ملٹی سٹیپ مسائل کو سنبھال سکتا ہے جیسے، "میرا انٹرنیٹ بند ہے، میں نے دوبارہ شروع کرنے کی کوشش کی ہے، کیا آپ مدد کر سکتے ہیں؟" ڈائیلاگ کے ذریعے مسئلے کی تشخیص کرکے، ایڈوانس ٹربل شوٹنگ کے ذریعے گاہک کی رہنمائی، اور صرف اس صورت میں جب ٹیکنیشن کو شیڈول کرنے میں باقی سب ناکام ہوجاتا ہے - ایسے کام جن کے لیے آج ہیومن سپورٹ ٹیک کی ضرورت ہوگی۔ صحت کی دیکھ بھال کی کسٹمر سروس میں، ایک AI مریض کی ملاقات کے شیڈولنگ یا انشورنس کے سوالات کو آخر سے آخر تک سنبھال سکتا ہے۔

• اینڈ ٹو اینڈ سروس ریزولوشن: ہم دیکھ سکتے ہیں کہ AI نہ صرف گاہک کو یہ بتا رہا ہے کہ کیا کرنا ہے، بلکہ اصل میں یہ بیک اینڈ سسٹمز کے اندر گاہک کی جانب سے کر رہا ہے۔ مثال کے طور پر، اگر کوئی گاہک کہتا ہے کہ "میں اگلے پیر کے لیے اپنی فلائٹ تبدیل کرنا چاہتا ہوں اور دوسرا بیگ شامل کرنا چاہتا ہوں،" تو 2030 میں ایک AI ایجنٹ ایئر لائن کے ریزرویشن سسٹم کے ساتھ براہ راست انٹرفیس کر سکتا ہے، تبدیلی کو انجام دے سکتا ہے، بیگ کے لیے ادائیگی پر کارروائی کرتا ہے، اور کسٹمر کو تصدیق کر سکتا ہے – یہ سب کچھ خود مختاری سے۔ AI ایک مکمل سروس ایجنٹ بن جاتا ہے، نہ کہ صرف معلومات کا ذریعہ۔

• ہمہ گیر AI ایجنٹس: کمپنیاں ممکنہ طور پر تمام کسٹمر ٹچ پوائنٹس - فون، چیٹ، ای میل، سوشل میڈیا پر AI کو تعینات کریں گی۔ بہت سے صارفین کو شاید یہ احساس بھی نہ ہو کہ وہ کسی AI سے بات کر رہے ہیں یا انسان سے، خاص طور پر جب AI کی آوازیں زیادہ فطری ہو جاتی ہیں اور چیٹ کے جوابات زیادہ سیاق و سباق سے آگاہ ہوتے ہیں۔ 2035 تک، کسٹمر سروس سے رابطہ کرنے کا مطلب اکثر ایک سمارٹ AI کے ساتھ بات چیت کرنا ہو سکتا ہے جو آپ کے ماضی کے تعاملات کو یاد رکھتا ہے، آپ کی ترجیحات کو سمجھتا ہے، اور آپ کے لہجے کے مطابق ڈھالتا ہے – بنیادی طور پر ہر گاہک کے لیے ایک ذاتی ورچوئل ایجنٹ۔

• تعاملات میں AI فیصلہ سازی: سوالات کے جوابات کے علاوہ، AI ایسے فیصلے کرنا شروع کر دے گا جن کے لیے فی الحال انتظامی منظوری کی ضرورت ہے۔ مثال کے طور پر، آج ایک انسانی ایجنٹ کو ناراض گاہک کو مطمئن کرنے کے لیے رقم کی واپسی یا خصوصی رعایت کی پیشکش کے لیے سپروائزر کی منظوری کی ضرورت ہو سکتی ہے۔ مستقبل میں، ایک AI کو ان فیصلوں کی ذمہ داری سونپی جا سکتی ہے، مقررہ حدود کے اندر، حساب کی گئی کسٹمر لائف ٹائم ویلیو اور جذباتی تجزیہ کی بنیاد پر۔ Futurum/IBM کے ایک مطالعہ نے پیش گوئی کی ہے کہ 2030 تک صارفین کی حقیقی مصروفیات کے دوران کیے گئے تقریباً 69% فیصلے سمارٹ مشینوں کے ذریعے کیے جائیں گے (CX پر شفٹ کا دوبارہ تصور کرنے کے لیے، مارکیٹرز کو یہ 2 چیزیں کرنی چاہئیں) - مؤثر طریقے سے AI کسی بات چیت میں بہترین عمل کا فیصلہ کرتا ہے۔

• 100% AI کی شمولیت: ایک رپورٹ سے پتہ چلتا ہے کہ AI بالآخر ہر صارف کے تعامل میں ایک کردار ادا کرے گا (2025 کے لیے 59 AI کسٹمر سروس کے اعدادوشمار)، چاہے وہ سامنے ہو یا پس منظر میں۔ اس کا مطلب یہ ہو سکتا ہے کہ اگر کوئی انسان کسی گاہک کے ساتھ بات چیت کر رہا ہو، تو ان کی مدد AI (تجاویز فراہم کرنا، معلومات کی بازیافت) سے ہو گی۔ متبادل کے طور پر، تشریح یہ ہے کہ کسی بھی وقت صارف کے سوال کا جواب نہیں دیا جاتا ہے - اگر انسان آف لائن ہیں، تو AI ہمیشہ موجود ہے۔

2035 تک، ہم محسوس کر سکتے ہیں کہ انسانی کسٹمر سروس ایجنٹس صرف انتہائی حساس یا ہائی ٹچ منظرناموں کے لیے مہارت حاصل کر چکے ہیں (مثال کے طور پر، VIP کلائنٹس یا پیچیدہ شکایت کے حل کے لیے جو انسانی ہمدردی کی ضرورت ہے)۔ باقاعدہ سوالات – بینکنگ سے لے کر ریٹیل تک ٹیک سپورٹ تک – ہر بات چیت سے مسلسل سیکھتے ہوئے 24/7 کام کرنے والے AI ایجنٹس کے بیڑے کے ذریعے خدمت کی جا سکتی ہے۔ یہ تبدیلی کسٹمر سروس کو مزید مستقل اور فوری بنا سکتی ہے، کیونکہ AI لوگوں کو انتظار میں نہیں رکھتا اور نظریاتی طور پر لامحدود صارفین کو بیک وقت سنبھالنے کے لیے ملٹی ٹاسک کر سکتا ہے۔.

اس وژن پر قابو پانے کے لیے چیلنجز ہیں: انسانی صارفین کی غیر متوقع صلاحیت کو سنبھالنے کے لیے AI بہت مضبوط ہونا چاہیے۔ اسے بد زبانی، غصہ، الجھن، اور لوگوں کے بات چیت کے لامتناہی مختلف طریقوں سے نمٹنے کے قابل ہونا چاہیے۔ اسے تازہ ترین علم کی بھی ضرورت ہے (اگر AI کی معلومات پرانی ہے تو کوئی فائدہ نہیں)۔ AI اور کمپنی ڈیٹا بیس کے درمیان انضمام میں سرمایہ کاری کرکے (آرڈرز، بندش وغیرہ کے بارے میں حقیقی وقت کی معلومات کے لیے)، ان رکاوٹوں کو دور کیا جا سکتا ہے۔.

اخلاقی طور پر، کمپنیوں کو یہ فیصلہ کرنے کی ضرورت ہوگی کہ "آپ کسی AI سے بات کر رہے ہیں" کو کب ظاہر کریں اور انصاف پسندی کو یقینی بنائیں (متعصبانہ تربیت کی وجہ سے AI بعض صارفین کے ساتھ منفی انداز میں مختلف سلوک نہیں کرتا ہے)۔ فرض کریں کہ ان کا انتظام کیا گیا ہے، کاروباری معاملہ مضبوط ہے: AI کسٹمر سروس ڈرامائی طور پر اخراجات اور انتظار کے اوقات میں کمی کر سکتی ہے۔ کسٹمر سروس میں AI کی مارکیٹ 2030 تک دسیوں بلین ڈالر تک بڑھنے کا تخمینہ ہے (AI کسٹمر سروس مارکیٹ رپورٹ 2025-2030: کیس) (کس طرح جنریٹو AI لاجسٹک کو فروغ دے رہا ہے | رائڈر) کیونکہ تنظیمیں ان صلاحیتوں میں سرمایہ کاری کرتی ہیں۔

خلاصہ یہ کہ ایک ایسے مستقبل کی توقع کریں جہاں خود مختار AI کسٹمر سروس معمول ہو۔ مدد حاصل کرنے کا مطلب اکثر ایک سمارٹ مشین کے ساتھ بات چیت کرنا ہے جو آپ کا مسئلہ جلد حل کر سکتی ہے۔ انسان اب بھی نگرانی اور ایج کیسز کو سنبھالنے کے چکر میں ہوں گے، لیکن AI افرادی قوت کے نگران کے طور پر زیادہ۔ نتیجہ صارفین کے لیے تیز تر، زیادہ ذاتی سروس ہو سکتا ہے - جب تک کہ AI کو ماضی کے "روبوٹ ہاٹ لائن" کے تجربات کی مایوسیوں کو روکنے کے لیے مناسب طریقے سے تربیت اور نگرانی کی جائے۔

صحت کی دیکھ بھال اور طب میں جنریٹو اے آئی

صحت کی دیکھ بھال ایک ایسا شعبہ ہے جہاں داؤ پر لگا ہوا ہے۔ ادویات میں انسانی نگرانی کے بغیر AI کے کام کرنے کا خیال جوش و خروش (کارکردگی اور رسائی کے لیے) اور احتیاط (حفاظت اور ہمدردی کی وجوہات کی بناء پر) دونوں کو متحرک کرتا ہے۔ جنریٹو AI نے طبی امیجنگ تجزیہ، طبی دستاویزات، اور یہاں تک کہ منشیات کی دریافت جیسے شعبوں میں بھی قدم جمانا شروع کر دیا ہے۔ یہ خود ذمہ داری سے کیا کر سکتا ہے؟

موجودہ صلاحیتیں (2025): طبی ماہرین کی مدد کرنا، ان کی جگہ نہیں لینا

فی الحال، صحت کی دیکھ بھال میں تخلیقی AI بنیادی طور پر ایک خود مختار فیصلہ ساز کے بجائے طبی پیشہ ور افراد کے لیے ایک طاقتور معاون کے طور پر کام کرتا ہے۔ مثال کے طور پر:

• طبی دستاویزات: صحت کی دیکھ بھال میں AI کی سب سے کامیاب تعیناتیوں میں سے ایک کاغذی کارروائی میں ڈاکٹروں کی مدد کرنا ہے۔ قدرتی زبان کے ماڈل مریض کے دورے کو نقل کر سکتے ہیں اور کلینیکل نوٹس یا خارج ہونے والے خلاصے تیار کر سکتے ہیں۔ کمپنیوں کے پاس "AI اسکرائب" ہوتے ہیں جو امتحان کے دوران سنتے ہیں (مائیکروفون کے ذریعے) اور خود بخود انکاؤنٹر نوٹس کا مسودہ تیار کرتے ہیں جس کا ڈاکٹر جائزہ لے سکتا ہے۔ اس سے ڈاکٹروں کا ٹائپنگ پر وقت بچ جاتا ہے۔ یہاں تک کہ کچھ سسٹم الیکٹرانک ہیلتھ ریکارڈز کے حصوں کو خود بخود آباد کرتے ہیں۔ یہ کم سے کم مداخلت کے ساتھ کیا جا سکتا ہے – ڈاکٹر صرف مسودے میں کسی بھی چھوٹی غلطی کو درست کرتا ہے، یعنی نوٹ لکھنا بڑی حد تک خود مختار ہے۔

• ریڈیولاجی اور امیجنگ: AI، بشمول جنریٹو ماڈل، ایکس رے، MRIs اور CT اسکینوں کا تجزیہ کر سکتا ہے تاکہ بے ضابطگیوں کا پتہ لگایا جا سکے (جیسے ٹیومر یا فریکچر)۔ 2018 میں، FDA نے ریٹنا امیجز میں ذیابیطس ریٹینوپیتھی (آنکھ کی حالت) کے خود مختار پتہ لگانے کے لیے ایک AI سسٹم کی منظوری دی - خاص طور پر، اسے اس مخصوص اسکریننگ سیاق و سباق میں کسی ماہر کے جائزے کے بغیر کال کرنے کا اختیار دیا گیا تھا۔ یہ نظام تخلیقی AI نہیں تھا، لیکن یہ ظاہر کرتا ہے کہ ریگولیٹرز نے محدود معاملات میں خود مختار AI تشخیص کی اجازت دی ہے۔ جامع رپورٹس بنانے کے لیے جنریٹو ماڈلز کام میں آتے ہیں۔ مثال کے طور پر، ایک AI سینے کے ایکسرے کی جانچ کر سکتا ہے اور ریڈیولوجسٹ کی رپورٹ کا مسودہ تیار کر سکتا ہے جس میں کہا گیا ہے کہ "کوئی شدید نتائج نہیں ہیں۔ پھیپھڑے صاف ہیں۔ دل کا سائز نارمل ہے۔" پھر ریڈیولوجسٹ صرف تصدیق کرتا ہے اور نشانات کرتا ہے۔ کچھ معمول کے معاملات میں، اگر ریڈیولوجسٹ AI پر بھروسہ کرتا ہے اور فوری جانچ پڑتال کرتا ہے تو یہ رپورٹس بغیر کسی ترمیم کے باہر نکل سکتی ہیں۔

• سمپٹم چیکرز اور ورچوئل نرسز: جنریٹیو اے آئی چیٹ بوٹس کو فرنٹ لائن سمپٹم چیکرس کے طور پر استعمال کیا جا رہا ہے۔ مریض اپنی علامات درج کر سکتے ہیں اور مشورہ حاصل کر سکتے ہیں (مثال کے طور پر، "یہ ایک عام زکام ہو سکتا ہے؛ آرام اور مائعات، لیکن اگر X یا Y ہوتا ہے تو ڈاکٹر سے ملیں۔")۔ Babylon Health جیسی ایپس سفارشات دینے کے لیے AI کا استعمال کرتی ہیں۔ فی الحال، یہ عام طور پر معلوماتی، قطعی طبی مشورے کے طور پر بنائے جاتے ہیں، اور یہ سنگین مسائل کے لیے انسانی معالج کے ساتھ فالو اپ کی حوصلہ افزائی کرتے ہیں۔

• ڈرگ ڈسکوری (جنریٹیو کیمسٹری): جنریٹو اے آئی ماڈل دوائیوں کے لیے نئے مالیکیولر ڈھانچے تجویز کر سکتے ہیں۔ یہ مریض کی دیکھ بھال کے مقابلے میں تحقیق کے شعبے میں زیادہ ہے۔ یہ AIs مطلوبہ خصوصیات کے ساتھ ہزاروں امیدوار مرکبات تجویز کرنے کے لیے خود مختار طور پر کام کرتے ہیں، جن کا انسانی کیمیا دان پھر جائزہ لیتے ہیں اور لیب میں جانچتے ہیں۔ Insilico Medicine جیسی کمپنیوں نے نمایاں طور پر کم وقت میں نئے منشیات کے امیدوار پیدا کرنے کے لیے AI کا استعمال کیا ہے۔ اگرچہ یہ مریضوں کے ساتھ براہ راست تعامل نہیں کرتا ہے، یہ AI کی خود مختاری سے حل (مالیکیول ڈیزائن) بنانے کی ایک مثال ہے جسے تلاش کرنے میں انسانوں کو بہت زیادہ وقت لگے گا۔

• ہیلتھ کیئر آپریشنز: AI ہسپتالوں میں شیڈولنگ، سپلائی مینجمنٹ اور دیگر لاجسٹکس کو بہتر بنانے میں مدد کر رہا ہے۔ مثال کے طور پر، ایک تخلیقی ماڈل مریض کے بہاؤ کی نقل کر سکتا ہے اور انتظار کے اوقات کو کم کرنے کے لیے شیڈولنگ ایڈجسٹمنٹ تجویز کر سکتا ہے۔ اگرچہ اتنا نظر نہیں آتا، یہ وہ فیصلے ہیں جو ایک AI کم سے کم دستی تبدیلیوں کے ساتھ کر سکتا ہے۔

یہ بتانا ضروری ہے کہ 2025 تک، کوئی بھی ہسپتال AI کو آزادانہ طور پر بڑے طبی فیصلے یا علاج انسانی دستخط کے بغیر کرنے نہیں دے رہا ہے۔ تشخیص اور علاج کی منصوبہ بندی مضبوطی سے انسانی ہاتھوں میں رہتی ہے، AI ان پٹ فراہم کرتا ہے۔ کسی مریض کو "آپ کو کینسر ہے" یا دوائی تجویز کرنے کے لیے مکمل طور پر خودمختار طور پر یہ بتانے کے لیے کہ AI کے لیے ضروری اعتماد ابھی تک موجود نہیں ہے، اور نہ ہی اسے وسیع پیمانے پر توثیق کے بغیر ہونا چاہیے۔ طبی پیشہ ور AI کو آنکھوں کے دوسرے جوڑے کے طور پر یا وقت بچانے کے آلے کے طور پر فائدہ اٹھاتے ہیں، لیکن وہ اہم نتائج کی تصدیق کرتے ہیں۔

آؤٹ لک برائے 2030-2035: AI بطور ڈاکٹر کے ساتھی (اور شاید ایک نرس یا فارماسسٹ)

آنے والی دہائی میں، ہم توقع کرتے ہیں کہ جنریٹو AI خود مختاری سے زیادہ معمول کے طبی کاموں کو انجام دے گا اور صحت کی دیکھ بھال کی خدمات کی رسائی کو بڑھا دے گا:

• خودکار ابتدائی تشخیص: 2030 تک، AI بہت سے عام حالات کے لیے ابتدائی تجزیہ کو قابل اعتماد طریقے سے سنبھال سکتا ہے۔ ایک کلینک میں ایک AI سسٹم کی تصویر بنائیں جو مریض کی علامات، طبی تاریخ، حتیٰ کہ اس کے لہجے اور چہرے کے اشارے کو کیمرے کے ذریعے پڑھتا ہے، اور ایک تشخیصی تجویز اور تجویز کردہ ٹیسٹ فراہم کرتا ہے – یہ سب کچھ انسانی ڈاکٹر کے مریض کو دیکھنے سے پہلے۔ اس کے بعد ڈاکٹر تشخیص کی تصدیق اور بات چیت پر توجہ دے سکتا ہے۔ ٹیلی میڈیسن میں، ایک مریض پہلے کسی AI کے ساتھ بات چیت کر سکتا ہے جو اس مسئلے کو کم کرتا ہے (مثال کے طور پر، ممکنہ سائنوس انفیکشن بمقابلہ کچھ زیادہ شدید) اور پھر ضرورت پڑنے پر انہیں کسی معالج سے جوڑتا ہے۔ باضابطہ طور پر تشخیص کرنے کی اجازت دے سکتے ہیں - مثال کے طور پر، ایک AI ایک اوٹوسکوپ امیج سے براہ راست کان کے انفیکشن کی تشخیص ممکن ہو سکتا ہے۔

• پرسنل ہیلتھ مانیٹر: پہننے کے قابل سامان (سمارٹ واچز، ہیلتھ سینسرز) کے پھیلاؤ کے ساتھ، AI مریضوں کی مسلسل نگرانی کرے گا اور خود مختار طور پر مسائل سے خبردار کرے گا۔ مثال کے طور پر، 2035 تک آپ کے پہننے کے قابل AI دل کی غیر معمولی تال کا پتہ لگا سکتا ہے اور خود مختار طور پر آپ کو فوری طور پر ورچوئل مشاورت کے لیے شیڈول کر سکتا ہے یا یہاں تک کہ اگر اسے ہارٹ اٹیک یا فالج کی علامات کا پتہ چل جائے تو ایمبولینس کو بھی کال کریں۔ یہ خود مختار فیصلے کے علاقے میں داخل ہوتا ہے - یہ فیصلہ کرنا کہ ایک صورتحال ایک ہنگامی اور عمل ہے - جو AI کا ممکنہ اور زندگی بچانے والا استعمال ہے۔

• علاج کی سفارشات: طبی لٹریچر اور مریض کے ڈیٹا پر تربیت یافتہ جنریٹو AI ذاتی نوعیت کے علاج کے منصوبے تجویز کر سکتا ہے۔ 2030 تک، کینسر جیسی پیچیدہ بیماریوں کے لیے، AI ٹیومر بورڈز مریض کے جینیاتی میک اپ اور طبی تاریخ کا تجزیہ کر سکتے ہیں اور خود مختار طور پر تجویز کردہ علاج کے طریقہ کار (کیمو پلان، منشیات کا انتخاب) تیار کر سکتے ہیں۔ انسانی ڈاکٹر اس کا جائزہ لیں گے، لیکن وقت گزرنے کے ساتھ جیسے جیسے اعتماد بڑھتا ہے، وہ AI سے تیار کردہ منصوبوں کو قبول کرنا شروع کر سکتے ہیں، خاص طور پر معمول کے معاملات کے لیے، صرف ضرورت کے وقت ایڈجسٹ کرنا۔

• ورچوئل نرسز اور ہوم کیئر: ایک AI جو بات چیت کر سکتا ہے اور طبی رہنمائی فراہم کر سکتا ہے بہت زیادہ فالو اپ اور دائمی دیکھ بھال کی نگرانی کو سنبھال سکتا ہے۔ مثال کے طور پر، دائمی بیماریوں والے گھر کے مریض AI نرس اسسٹنٹ کو روزانہ میٹرکس کی اطلاع دے سکتے ہیں جو مشورہ دیتا ہے ("آپ کا بلڈ شوگر تھوڑا زیادہ ہے، اپنے شام کے ناشتے کو ایڈجسٹ کرنے پر غور کریں") اور صرف اس وقت انسانی نرس سے رابطہ کریں جب ریڈنگ حد سے باہر ہو یا مسائل پیدا ہوں۔ یہ AI ڈاکٹر کی ریموٹ نگرانی میں بڑے پیمانے پر خود مختار طور پر کام کر سکتا ہے۔

• میڈیکل امیجنگ اور لیب تجزیہ - مکمل طور پر خودکار پائپ لائنز: 2035 تک، کچھ شعبوں میں میڈیکل اسکین کو پڑھنا بنیادی طور پر AI کے ذریعے کیا جا سکتا ہے۔ ریڈیولوجسٹ اے آئی سسٹمز کی نگرانی کریں گے اور پیچیدہ کیسز کو ہینڈل کریں گے، لیکن زیادہ تر عام اسکینز (جو واقعی نارمل ہیں) کو "پڑھا" جا سکتا ہے اور AI کے ذریعے براہ راست سائن آف کیا جا سکتا ہے۔ اسی طرح، پیتھالوجی سلائیڈز کا تجزیہ کرنا (مثال کے طور پر، بایپسی میں کینسر کے خلیات کا پتہ لگانا) ابتدائی اسکریننگ کے لیے خود مختار طور پر کیا جا سکتا ہے، جس سے لیب کے نتائج کو ڈرامائی طور پر تیز کیا جا سکتا ہے۔

• منشیات کی دریافت اور کلینیکل ٹرائلز: AI ممکنہ طور پر نہ صرف منشیات کے مالیکیولز کو ڈیزائن کرے گا بلکہ آزمائشوں کے لیے مریضوں کا مصنوعی ڈیٹا بھی تیار کرے گا یا بہترین آزمائشی امیدواروں کو تلاش کرے گا۔ حقیقی آزمائشوں سے پہلے اختیارات کو کم کرنے کے لیے یہ خود مختار طور پر ورچوئل ٹرائلز چلا سکتا ہے (مریضوں کے رد عمل کی نقل کرتے ہوئے)۔ یہ کم انسانی تجربات کے ساتھ ادویات کو تیزی سے مارکیٹ میں لا سکتا ہے۔

ایک AI ڈاکٹر کا مکمل طور پر انسانی ڈاکٹر کی جگہ لینے کا وژن ابھی بہت دور ہے اور متنازعہ ہے۔ یہاں تک کہ 2035 تک، توقع یہ ہے کہ AI انسانی رابطے کے متبادل کے بجائے ڈاکٹروں کے ساتھی کے طور پر کام کرے گا۔ پیچیدہ تشخیص میں مریض کے سیاق و سباق کو سمجھنے کے لیے اکثر وجدان، اخلاقیات اور بات چیت کی ضرورت ہوتی ہے - ایسے شعبے جہاں انسانی ڈاکٹروں کی مہارت ہوتی ہے۔ اس نے کہا، ایک AI معمول کے کام کے بوجھ کا 80٪ سنبھال سکتا ہے: کاغذی کارروائی، سیدھے کیسز، نگرانی، وغیرہ، جس سے انسانی معالجین کو مشکل 20٪ اور مریض کے تعلقات پر توجہ مرکوز کرنے کی اجازت ملتی ہے۔

اس میں اہم رکاوٹیں ہیں: صحت کی دیکھ بھال میں خود مختار AI کے لیے ریگولیٹری منظوری سخت ہے (مناسب طور پر)۔ اے آئی سسٹمز کو وسیع طبی توثیق کی ضرورت ہوگی۔ ہم بڑھتے ہوئے قبولیت کو دیکھ سکتے ہیں – مثلاً، AI کو صحت کی دیکھ بھال تک رسائی کو بڑھانے کے طریقے کے طور پر زیرِ خدمت علاقوں میں خود مختار طور پر تشخیص یا علاج کرنے کی اجازت ہے جہاں ڈاکٹر دستیاب نہیں ہیں (2030 تک ایک دور دراز گاؤں میں ایک "AI کلینک" کا تصور کریں جو شہر میں ڈاکٹر کی وقتاً فوقتاً ٹیلی نگرانی کے ساتھ چلتا ہے)۔.

اخلاقی تحفظات بڑے ہیں۔ جوابدہی (اگر کوئی خود مختار AI تشخیص میں غلطی کرتا ہے تو کون ذمہ دار ہے؟)، باخبر رضامندی (مریضوں کو یہ جاننے کی ضرورت ہوتی ہے کہ آیا ان کی دیکھ بھال میں AI شامل ہے)، اور ایکویٹی کو یقینی بنانا (AI تمام آبادیوں کے لیے اچھی طرح سے کام کرتا ہے، تعصب سے گریز) نیویگیٹ کرنے کے لیے چیلنجز ہیں۔ فرض کریں کہ ان پر توجہ دی جائے، 2030 کی دہائی کے وسط تک جنریٹیو اے آئی کو صحت کی دیکھ بھال کی فراہمی کے تانے بانے میں بُنا جا سکتا ہے، بہت سے ایسے کام انجام دے سکتے ہیں جو انسانی فراہم کنندگان کو آزاد کرتے ہیں اور ممکنہ طور پر ایسے مریضوں تک پہنچ سکتے ہیں جن تک فی الحال محدود رسائی ہے۔.

خلاصہ یہ کہ 2035 تک صحت کی دیکھ بھال ممکنہ طور پر AI کو گہرائی سے مربوط دیکھے گی لیکن زیادہ تر ہڈ کے نیچے یا معاون کرداروں میں۔ ہم AI پر خود سے بہت کچھ کرنے - اسکین پڑھیں، وائٹلز دیکھیں، ڈرافٹ پلانز - لیکن اہم فیصلوں کے لیے انسانی نگرانی کے حفاظتی جال کے ساتھ۔ نتیجہ ایک زیادہ موثر، ذمہ دار صحت کی دیکھ بھال کا نظام ہو سکتا ہے، جہاں AI بھاری اٹھانے کو سنبھالتا ہے اور انسان ہمدردی اور حتمی فیصلہ فراہم کرتے ہیں۔

تعلیم میں تخلیقی AI

تعلیم ایک اور شعبہ ہے جہاں تخلیقی AI لہریں بنا رہا ہے، AI سے چلنے والے ٹیوشن بوٹس سے لے کر خودکار درجہ بندی اور مواد کی تخلیق تک۔ تدریس اور سیکھنے میں مواصلات اور تخلیقی صلاحیتیں شامل ہیں، جو کہ تخلیقی ماڈلز کی طاقت ہیں۔ لیکن کیا استاد کی نگرانی کے بغیر تعلیم دینے کے لیے AI پر بھروسہ کیا جا سکتا ہے؟

موجودہ صلاحیتیں (2025): ٹیوٹرز اور کنٹینٹ جنریٹرز آن اے لیش

اس وقت، AI بنیادی طور پر تعلیم میں اسٹینڈ اسٹون ٹیچر کی بجائے ایک اضافی ٹول کے طور پر استعمال ہو رہا ہے ۔ موجودہ استعمال کی مثالیں:

• AI ٹیوٹرنگ اسسٹنٹ: خان اکیڈمی کے "خانمیگو" (جی پی ٹی-4 کے ذریعے چلنے والے) یا مختلف زبان سیکھنے والے ایپس جیسے ٹولز ایک دوسرے کے ٹیوٹر یا بات چیت کے ساتھی کی نقل کرنے کے لیے AI کا استعمال کرتے ہیں۔ طلباء فطری زبان میں سوالات پوچھ سکتے ہیں اور جواب یا وضاحت حاصل کر سکتے ہیں۔ AI ہوم ورک کے مسائل کے لیے اشارے فراہم کر سکتا ہے، مختلف طریقوں سے تصورات کی وضاحت کر سکتا ہے، یا تاریخ کے متعامل سبق کے لیے ایک تاریخی شخصیت کے طور پر کردار ادا کر سکتا ہے۔ تاہم، یہ AI ٹیوٹرز عام طور پر نگرانی کے ساتھ استعمال ہوتے ہیں۔ اساتذہ یا ایپ مینٹینرز اکثر مکالموں کی نگرانی کرتے ہیں یا اس کی حدود طے کرتے ہیں کہ AI کیا بات کر سکتا ہے (غلط معلومات یا نامناسب مواد سے بچنے کے لیے)۔

• اساتذہ کے لیے مواد کی تخلیق: جنریٹو AI کوئز سوالات، پڑھنے کے خلاصے، سبق کی منصوبہ بندی کی خاکہ وغیرہ بنا کر اساتذہ کی مدد کرتا ہے۔ ایک استاد AI سے پوچھ سکتا ہے، "جوابات کے ساتھ چوکور مساوات پر 5 پریکٹس کے مسائل پیدا کریں،" تیاری میں وقت کی بچت۔ یہ خود مختار مواد کی پیداوار ہے، لیکن ایک استاد عام طور پر نصاب کے ساتھ درستگی اور سیدھ میں آنے کے لیے آؤٹ پٹ کا جائزہ لیتا ہے۔ لہذا یہ مکمل طور پر خود مختار ہونے سے زیادہ مزدور بچانے والا آلہ ہے۔

• درجہ بندی اور تاثرات: AI خود بخود متعدد انتخابی امتحانات کی درجہ بندی کر سکتا ہے (وہاں کوئی نئی بات نہیں ہے) اور تیزی سے مختصر جوابات یا مضامین کا جائزہ لے سکتی ہے۔ کچھ اسکولی نظام تحریری جوابات کی درجہ بندی کرنے کے لیے AI کا استعمال کرتے ہیں اور طلبا کو فیڈ بیک فراہم کرتے ہیں (مثلاً، گرائمر کی اصلاح، دلیل کو بڑھانے کے لیے تجاویز)۔ اگرچہ فی الواقع کوئی تخلیقی کام نہیں ہے، نئے AIs طالب علم کے لیے ان کی کارکردگی کی بنیاد پر ایک ذاتی تاثرات کی رپورٹ بھی تیار کر سکتے ہیں، جس میں بہتری کے شعبوں کو نمایاں کیا جا سکتا ہے۔ nuance کے بارے میں خدشات کی وجہ سے اساتذہ اکثر اس مرحلے پر AI درجے والے مضامین کو دو بار چیک کرتے ہیں۔

• اڈاپٹیو لرننگ سسٹم: یہ وہ پلیٹ فارم ہیں جو طالب علم کی کارکردگی کی بنیاد پر مواد کی مشکل یا انداز کو ایڈجسٹ کرتے ہیں۔ جنریٹو AI طالب علم کی ضروریات کے مطابق مکھی پر نئے مسائل یا مثالیں بنا کر اس میں اضافہ کرتا ہے۔ مثال کے طور پر، اگر کوئی طالب علم کسی تصور کے ساتھ جدوجہد کر رہا ہے، تو AI اس تصور پر توجہ مرکوز کرتے ہوئے ایک اور مشابہت یا مشق سوال پیدا کر سکتا ہے۔ یہ کسی حد تک خود مختار ہے، لیکن ماہرین تعلیم کے ڈیزائن کردہ نظام کے اندر۔

• سیکھنے کے لیے طلباء کا استعمال: طلباء خود سیکھنے میں مدد کے لیے ChatGPT جیسے ٹولز کا استعمال کرتے ہیں - وضاحتیں، ترجمے، یا مضمون کے مسودے پر رائے حاصل کرنے کے لیے AI کا استعمال بھی کرتے ہیں ("میرے تعارف کے پیراگراف کو بہتر بنائیں")۔ یہ خود ہدایت ہے اور استاد کے علم کے بغیر ہو سکتا ہے۔ اس منظر نامے میں AI آن ڈیمانڈ ٹیوٹر یا پروف ریڈر کے طور پر کام کرتا ہے۔ چیلنج اس بات کو یقینی بنانا ہے کہ طلباء اسے صرف جوابات (تعلیمی سالمیت) حاصل کرنے کے بجائے سیکھنے کے لیے استعمال کریں۔

یہ واضح ہے کہ 2025 تک، تعلیم میں AI طاقتور ہے لیکن عام طور پر ایک انسانی معلم کے ساتھ کام کرتا ہے جو AI کے تعاون کو درست کرتا ہے۔ قابل فہم احتیاط ہے: ہم غلط معلومات سکھانے یا خلا میں طلباء کے حساس تعاملات کو سنبھالنے کے لیے AI پر بھروسہ نہیں کرنا چاہتے۔ اساتذہ AI ٹیوٹرز کو مددگار معاون کے طور پر دیکھتے ہیں جو طلباء کو زیادہ مشق اور معمول کے سوالات کے فوری جوابات دے سکتے ہیں، اساتذہ کو گہری رہنمائی پر توجہ مرکوز کرنے کے لیے آزاد کر سکتے ہیں۔.

آؤٹ لک برائے 2030-2035: ذاتی نوعیت کے AI ٹیوٹرز اور خودکار تدریسی معاون

اگلی دہائی میں، ہم توقع کرتے ہیں کہ تخلیقی AI مزید ذاتی نوعیت کے اور خود مختار سیکھنے کے تجربات کو، جب کہ اساتذہ کے کردار تیار ہوتے ہیں:

• ہر طالب علم کے لیے AI پرسنل ٹیوٹر: 2030 تک، وژن (خان اکیڈمی کے سال خان جیسے ماہرین نے شیئر کیا) یہ ہے کہ ہر طالب علم کو ایک ایسے AI ٹیوٹر تک رسائی حاصل ہو سکتی ہے جو بہت سے معاملات میں ایک انسانی ٹیوٹر کی طرح موثر ہے (یہ AI ٹیوٹر انسانوں کو 10 گنا زیادہ ہوشیار بنا سکتا ہے، اس کے خالق کا کہنا ہے کہ)۔ یہ AI ٹیوٹرز 24/7 دستیاب ہوں گے، طالب علم کی سیکھنے کی تاریخ کو قریب سے جانیں گے، اور اس کے مطابق اپنے تدریسی انداز کو اپنائیں گے۔ مثال کے طور پر، اگر کوئی طالب علم ایک بصری سیکھنے والا ہے جو الجبرا کے تصور کے ساتھ جدوجہد کر رہا ہے، تو AI متحرک طور پر مدد کے لیے ایک بصری وضاحت یا انٹرایکٹو سمولیشن بنا سکتا ہے۔ چونکہ AI وقت کے ساتھ ساتھ طالب علم کی پیشرفت کو ٹریک کر سکتا ہے، اس لیے یہ خود مختار طور پر فیصلہ کر سکتا ہے کہ اگلا کس موضوع پر نظرثانی کی جائے یا کب کسی نئی مہارت کی طرف پیش قدمی کی جائے – سبق کے منصوبے کو مائیکرو معنوں میں مؤثر طریقے سے منظم کرنا۔

• معمول کے کاموں پر اساتذہ کے کام کا بوجھ کم کرنا: گریڈنگ، ورک شیٹ بنانا، سبق کے مواد کا مسودہ تیار کرنا - یہ کام 2030 تک تقریباً مکمل طور پر AI پر آف لوڈ کیے جا سکتے ہیں۔ ایک AI کلاس کے لیے ایک ہفتے کا حسب ضرورت ہوم ورک تیار کر سکتا ہے، پچھلے ہفتے کی تمام اسائنمنٹس (یہاں تک کہ اوپن اینڈڈ بھی) کو فیڈ بیک کے ساتھ گریڈ کر سکتا ہے، اور استاد کو اس بات پر روشنی ڈال سکتا ہے کہ طالب علموں کو کن موضوعات پر اضافی مدد کی ضرورت ہو سکتی ہے۔ یہ کم سے کم ٹیچر ان پٹ کے ساتھ ہو سکتا ہے، ہو سکتا ہے صرف ایک سرسری نظر یہ یقینی بنانے کے لیے کہ AI کے درجات منصفانہ معلوم ہوں۔

• خود مختار اڈاپٹیو لرننگ پلیٹ فارمز: ہم کچھ مضامین کے لیے مکمل طور پر AI سے چلنے والے کورسز دیکھ سکتے ہیں۔ ایک ایسے آن لائن کورس کا تصور کریں جس میں کوئی انسانی انسٹرکٹر نہ ہو جہاں ایک AI ایجنٹ مواد متعارف کرائے، مثالیں فراہم کرے، سوالات کے جوابات دے، اور طالب علم کی بنیاد پر رفتار کو ایڈجسٹ کرے۔ طالب علم کا تجربہ ان کے لیے منفرد ہو سکتا ہے، جو حقیقی وقت میں پیدا ہوتا ہے۔ کچھ کارپوریٹ ٹریننگ اور بالغوں کی تعلیم اس ماڈل میں جلد منتقل ہو سکتی ہے، جہاں 2035 تک ایک ملازم کہہ سکتا ہے کہ "میں ایڈوانسڈ ایکسل میکرو سیکھنا چاہتا ہوں" اور ایک AI ٹیوٹر انہیں ایک ذاتی نصاب کے ذریعے سکھائے گا، جس میں مشقیں تیار کرنا اور ان کے حل کا جائزہ لینا، بغیر کسی انسانی ٹرینر کے۔

• کلاس روم اے آئی اسسٹنٹ: فزیکل یا ورچوئل کلاس رومز میں، AI کلاس کے مباحثوں کو سن سکتا ہے اور استاد کی پرواز میں مدد کر سکتا ہے (مثال کے طور پر، ایئر پیس کے ذریعے سرگوشی کی تجاویز: "کئی طلباء اس تصور کے بارے میں الجھے ہوئے نظر آتے ہیں، شاید کوئی اور مثال دیں")۔ یہ آن لائن کلاس فورمز کو بھی معتدل کر سکتا ہے، طلباء کے سیدھے سادے سوالات کا جواب دے سکتا ہے ("اسائنمنٹ کب واجب الادا ہے؟" یا یہاں تک کہ لیکچر پوائنٹ کو واضح کرنا) تاکہ استاد ای میلز کا نشانہ نہ بنے۔ 2035 تک، کمرے میں ایک AI شریک استاد کا ہونا، جبکہ انسانی استاد اعلیٰ سطح کی رہنمائی اور تحریکی پہلوؤں پر توجہ مرکوز کرتا ہے، معیاری ہو سکتا ہے۔

• تعلیم تک عالمی رسائی: خود مختار AI ٹیوٹرز اساتذہ کی کمی والے علاقوں میں طلباء کو تعلیم دینے میں مدد کر سکتے ہیں۔ AI ٹیوٹر کے ساتھ ایک ٹیبلٹ ان طلباء کے لیے ایک بنیادی انسٹرکٹر کے طور پر کام کر سکتا ہے جو بصورت دیگر بنیادی خواندگی اور ریاضی کا احاطہ کرتے ہوئے محدود اسکولنگ رکھتے ہیں۔ 2035 تک، یہ سب سے زیادہ اثر انگیز استعمال میں سے ایک ہو سکتا ہے - AI برجنگ گیپس جہاں انسانی اساتذہ دستیاب نہیں ہیں۔ تاہم، مختلف سیاق و سباق میں AI تعلیم کے معیار اور ثقافتی موزونیت کو یقینی بنانا بہت ضروری ہوگا۔

کیا AI اساتذہ کی جگہ لے گا؟ مکمل طور پر امکان نہیں ہے۔ تدریس مواد فراہم کرنے سے زیادہ ہے - یہ رہنمائی، تحریک، سماجی-جذباتی مدد ہے۔ وہ انسانی عناصر AI کے لیے نقل کرنا مشکل ہیں۔ لیکن AI دوسرا استاد یا علم کی منتقلی کے لیے پہلا استاد بھی بن سکتا ہے، جس سے انسانی معلمین اس بات پر توجہ مرکوز کرتے ہیں کہ انسان کیا بہتر کرتے ہیں: ہمدردی، حوصلہ افزائی، اور تنقیدی سوچ کو فروغ دیں۔

انتظام کرنے کے لیے خدشات ہیں: اس بات کو یقینی بنانا کہ AI درست معلومات فراہم کرتا ہے (جھوٹے حقائق کا کوئی تعلیمی فریب نہیں)، تعلیمی مواد میں تعصب سے گریز کرنا، طلبہ کے ڈیٹا کی رازداری کو برقرار رکھنا، اور طلبہ کو مشغول رکھنا (AI کو تحریک دینے کی ضرورت ہے، نہ صرف درست)۔ ہم ممکنہ طور پر AI تعلیمی نظاموں کی منظوری یا سرٹیفیکیشن دیکھیں گے - نصابی کتب کی منظوری کے مترادف - یہ یقینی بنانے کے لیے کہ وہ معیارات پر پورا اترتی ہیں۔.

ایک اور چیلنج حد سے زیادہ انحصار ہے: اگر ایک AI ٹیوٹر بہت آسانی سے جوابات دیتا ہے، تو طلباء ثابت قدمی یا مسئلہ حل کرنا نہیں سیکھ سکتے۔ اس کو کم کرنے کے لیے، مستقبل کے AI ٹیوٹرز کو کبھی کبھی طالب علموں کو جدوجہد کرنے دیں (ایک انسانی ٹیوٹر کے طور پر) یا انہیں حل دینے کے بجائے اشارے کے ساتھ مسائل پر کام کرنے کی ترغیب دینے کے لیے ڈیزائن کیا جا سکتا ہے۔.

2035 تک، کلاس روم تبدیل ہو سکتا ہے: ہر طالب علم کو AI سے منسلک ڈیوائس کے ساتھ ان کی اپنی رفتار سے رہنمائی کرتا ہے، جب کہ استاد گروپ کی سرگرمیوں کو ترتیب دیتا ہے اور انسانی بصیرت فراہم کرتا ہے۔ تعلیم زیادہ موثر اور موزوں ہو سکتی ہے۔ وعدہ یہ ہے کہ ہر طالب علم کو وہ مدد مل رہی ہے جس کی انہیں ضرورت پڑنے پر ضرورت ہوتی ہے – پیمانے پر ایک حقیقی "ذاتی ٹیوٹر" کا تجربہ۔ خطرہ کچھ انسانی رابطے کو کھونا یا AI کا غلط استعمال کرنا (جیسے طلباء AI کے ذریعے دھوکہ دیتے ہیں)۔ لیکن مجموعی طور پر، اگر اچھی طرح سے انتظام کیا جائے تو، تخلیقی AI ایک طالب علم کے تعلیمی سفر میں ہمیشہ دستیاب، علم دوست ساتھی بن کر سیکھنے کو جمہوری بنانے اور بڑھانے کے لیے کھڑا ہے۔.

لاجسٹک اور سپلائی چین میں جنریٹو AI

لاجسٹکس - سامان کو منتقل کرنے اور سپلائی چینز کو منظم کرنے کا فن اور سائنس - شاید "پیداوار" AI کے لیے روایتی ڈومین کی طرح نہ لگے، لیکن اس میدان میں تخلیقی مسائل کا حل اور منصوبہ بندی کلیدی حیثیت رکھتی ہے۔ جنریٹو اے آئی منظرناموں کی نقالی، منصوبوں کو بہتر بنانے، اور یہاں تک کہ روبوٹک نظاموں کو کنٹرول کرکے مدد کرسکتا ہے۔ لاجسٹکس کا مقصد کارکردگی اور لاگت کی بچت ہے، جو ڈیٹا کا تجزیہ کرنے اور حل تجویز کرنے میں AI کی طاقت سے اچھی طرح ہم آہنگ ہے۔ تو سپلائی چین اور لاجسٹک آپریشنز چلانے میں AI کس حد تک خود مختار ہو سکتا ہے؟

موجودہ صلاحیتیں (2025): انسانی نگرانی کے ساتھ اصلاح اور ہموار کرنا

آج، AI (بشمول کچھ تخلیقی نقطہ نظر) بنیادی طور پر ایک فیصلے کی حمایت کے آلے:

• روٹ آپٹیمائزیشن: UPS اور FedEx جیسی کمپنیاں پہلے سے ہی ڈیلیوری روٹس کو بہتر بنانے کے لیے AI الگورتھم استعمال کرتی ہیں - اس بات کو یقینی بنانا کہ ڈرائیور سب سے زیادہ موثر راستہ اختیار کریں۔ روایتی طور پر یہ آپریشنز ریسرچ الگورتھم تھے، لیکن اب تخلیقی نقطہ نظر مختلف حالات (ٹریفک، موسم) کے تحت متبادل روٹنگ کی حکمت عملیوں کو تلاش کرنے میں مدد کر سکتے ہیں۔ جب کہ AI راستے تجویز کرتا ہے، انسانی بھیجنے والے یا مینیجر پیرامیٹرز (مثلاً، ترجیحات) سیٹ کرتے ہیں اور ضرورت پڑنے پر اسے اوور رائڈ کر سکتے ہیں۔

• لوڈ اور اسپیس پلاننگ: ٹرکوں یا شپنگ کنٹینرز کی پیکنگ کے لیے، AI زیادہ سے زیادہ لوڈنگ پلان بنا سکتا ہے (کون سا خانہ جہاں جاتا ہے)۔ ایک تخلیقی AI خلائی استعمال کو زیادہ سے زیادہ کرنے کے لیے متعدد پیکنگ کنفیگریشنز تیار کر سکتا ہے، بنیادی طور پر ایسے حل "تخلیق" کرتا ہے جن سے انسان چن سکتے ہیں۔ اس بات کو ایک مطالعہ کے ذریعے اجاگر کیا گیا ہے جس میں کہا گیا ہے کہ امریکہ میں ٹرک اکثر 30% خالی چلتے ہیں، اور بہتر منصوبہ بندی – AI کی مدد سے – اس فضلے کو کم کر سکتی ہے (لاجسٹکس میں ٹاپ جنریٹو اے آئی کے استعمال کے کیسز)۔ یہ AI سے تیار کردہ لوڈ پلانز کا مقصد ایندھن کے اخراجات اور اخراج کو کم کرنا ہے، اور کچھ گوداموں میں انہیں کم سے کم دستی تبدیلیوں کے ساتھ عمل میں لایا جاتا ہے۔

• ڈیمانڈ فورکاسٹنگ اور انوینٹری مینجمنٹ: AI ماڈلز مصنوعات کی طلب کی پیش گوئی کر سکتے ہیں اور دوبارہ ذخیرہ کرنے کے منصوبے تیار کر سکتے ہیں۔ ایک تخلیقی ماڈل مختلف مانگ کے منظرناموں کی تقلید کر سکتا ہے (کہیں کہ، ایک AI آنے والی تعطیل کی وجہ سے مانگ میں اضافے کا "تصور" کرتا ہے) اور اس کے مطابق انوینٹری کی منصوبہ بندی کرتا ہے۔ اس سے سپلائی چین مینیجرز کو تیاری میں مدد ملتی ہے۔ فی الحال، AI پیشن گوئی اور تجاویز فراہم کرتا ہے، لیکن انسان عام طور پر پیداوار کی سطح یا آرڈر پر حتمی کال کرتے ہیں۔

• خطرے کی تشخیص: عالمی سپلائی چین کو رکاوٹوں کا سامنا ہے (قدرتی آفات، بندرگاہ میں تاخیر، سیاسی مسائل)۔ AI سسٹمز اب خبروں اور ڈیٹا کے ذریعے افق پر خطرات کی نشاندہی کرتے ہیں۔ مثال کے طور پر، ایک لاجسٹکس فرم انٹرنیٹ کو اسکین کرنے کے لیے gen AI کا استعمال کرتی ہے اور خطرناک نقل و حمل کی راہداریوں کو جھنڈا دیتی ہے (ان علاقوںمیں) اس معلومات کے ساتھ، منصوبہ ساز خود مختار طور پر مصیبت کے مقامات کے ارد گرد کھیپوں کا راستہ تبدیل کر سکتے ہیں۔ بعض صورتوں میں، AI خود بخود راستے میں تبدیلی یا نقل و حمل کی تبدیلیوں کی سفارش کر سکتا ہے، جسے انسان پھر منظور کرتے ہیں۔

• گودام آٹومیشن: بہت سے گودام چننے اور پیک کرنے کے لیے روبوٹ کے ساتھ نیم خودکار ہوتے ہیں۔ جنریٹو اے آئی متحرک طور پر روبوٹ اور انسانوں کو زیادہ سے زیادہ بہاؤ کے لیے کام مختص کر سکتا ہے۔ مثال کے طور پر، ایک AI آرڈرز کی بنیاد پر ہر صبح روبوٹک چننے والوں کے لیے نوکری کی قطار پیدا کر سکتا ہے۔ یہ اکثر مکمل طور پر خود مختار ہوتا ہے، مینیجرز صرف KPIs کی نگرانی کرتے ہیں - اگر آرڈرز غیر متوقع طور پر بڑھتے ہیں، تو AI اپنے طور پر کام کو ایڈجسٹ کرتا ہے۔

• فلیٹ مینجمنٹ: AI پیٹرن کا تجزیہ کرکے اور دیکھ بھال کے بہترین نظام الاوقات تیار کرکے گاڑیوں کی دیکھ بھال کے نظام الاوقات میں مدد کرتا ہے جو ڈاؤن ٹائم کو کم سے کم کرتے ہیں۔ یہ ٹرپس کو کم کرنے کے لیے گروپ شپمنٹ بھی کر سکتا ہے۔ یہ فیصلے AI سافٹ ویئر کے ذریعے خود بخود کیے جا سکتے ہیں جب تک کہ یہ سروس کی ضروریات کو پورا کرتا ہے۔

مجموعی طور پر، 2025 تک، انسانوں نے اہداف کا تعین کیا (مثال کے طور پر، "لاگت کو کم کریں لیکن 2 دن کی ترسیل کو یقینی بنائیں") اور AI اسے حاصل کرنے کے لیے حل یا نظام الاوقات تیار کرتا ہے۔ نظام مداخلت کے بغیر روزانہ چل سکتے ہیں جب تک کہ کچھ غیر معمولی نہیں ہوتا ہے۔ بہت ساری لاجسٹک میں دہرائے جانے والے فیصلے شامل ہوتے ہیں (یہ کھیپ کب چھوڑنی چاہیے؟ کس گودام سے اس آرڈر کو پورا کرنا ہے؟)، جسے AI مسلسل کرنا سیکھ سکتا ہے۔ کمپنیاں دھیرے دھیرے ان مائیکرو فیصلوں کو سنبھالنے کے لیے AI پر بھروسہ کر رہی ہیں اور صرف مستثنیات ہونے پر مینیجرز کو الرٹ کر رہی ہیں۔.

آؤٹ لک برائے 2030-2035: سیلف ڈرائیونگ سپلائی چینز

اگلی دہائی میں، ہم AI کے ذریعے کارفرما لاجسٹکس میں بہت زیادہ خود مختار ہم آہنگی کا تصور کر سکتے ہیں:

• خود مختار گاڑیاں اور ڈرونز: خود سے چلنے والے ٹرک اور ڈیلیوری ڈرونز، جبکہ ایک وسیع تر AI/روبوٹکس کا موضوع، لاجسٹکس پر براہ راست اثر ڈالتا ہے۔ 2030 تک، اگر ریگولیٹری اور تکنیکی چیلنجز پر قابو پا لیا جاتا ہے، تو ہمارے پاس ہائی ویز پر معمول کے مطابق AI ڈرائیونگ ٹرک ہو سکتے ہیں یا شہروں میں آخری میل کی ترسیل کو سنبھالنے والے ڈرون ہو سکتے ہیں۔ یہ AIs انسانی ڈرائیوروں کے بغیر حقیقی وقت کے فیصلے (راستے میں تبدیلی، رکاوٹ سے بچنے) کریں گے۔ تخلیقی زاویہ اس بات میں ہے کہ یہ گاڑیاں AI کس طرح وسیع اعداد و شمار اور نقالی سے سیکھتی ہیں، بے شمار منظرناموں پر مؤثر طریقے سے "تربیت" دیتی ہیں۔ ایک مکمل خود مختار بیڑا 24/7 کام کر سکتا ہے، انسان صرف دور سے نگرانی کرتا ہے۔ یہ لاجسٹک آپریشنز سے ایک بہت بڑا انسانی عنصر (ڈرائیور) ہٹاتا ہے، ڈرامائی طور پر خود مختاری میں اضافہ ہوتا ہے۔

• خود شفا یابی کی فراہمی کی زنجیریں: ممکنہ طور پر جنریٹو AI کا استعمال سپلائی چین کے منظرناموں کو مسلسل نقل کرنے اور ہنگامی منصوبے تیار کرنے کے لیے کیا جائے گا۔ 2035 تک، ایک AI خود بخود اس بات کا پتہ لگا سکتا ہے کہ کب ایک سپلائر فیکٹری بند ہو گئی ہے (خبروں یا ڈیٹا فیڈز کے ذریعے) اور فوری طور پر سورسنگ کو متبادل سپلائرز کی طرف منتقل کر دے گا جس کی اس نے پہلے ہی نقلی جانچ کی ہے۔ اس کا مطلب یہ ہے کہ سپلائی چین خود کو AI کی جانب سے پہل کرنے والے رکاوٹوں سے "چنگا" کرتی ہے۔ انسانی مینیجرز کو اس بارے میں مطلع کیا جائے گا کہ AI نے کیا کیا، بجائے اس کے کہ وہ کام شروع کریں۔

• اینڈ ٹو اینڈ انوینٹری آپٹیمائزیشن: AI گوداموں اور اسٹورز کے پورے نیٹ ورک میں انوینٹری کا خود مختاری سے انتظام کر سکتا ہے۔ یہ فیصلہ کرے گا کہ اسٹاک کو کب اور کہاں منتقل کرنا ہے (شاید ایسا کرنے کے لیے روبوٹ یا خودکار گاڑیوں کا استعمال کرتے ہوئے)، ہر مقام پر کافی انوینٹری رکھ کر۔ AI بنیادی طور پر سپلائی چین کنٹرول ٹاور چلاتا ہے: تمام بہاؤ کو دیکھنا اور ریئل ٹائم میں ایڈجسٹمنٹ کرنا۔ 2035 تک، "سیلف ڈرائیونگ" سپلائی چین کے خیال کا مطلب یہ ہو سکتا ہے کہ سسٹم ہر روز بہترین ڈسٹری بیوشن پلان کا پتہ لگاتا ہے، پروڈکٹس کا آرڈر دیتا ہے، فیکٹری چلانے کا شیڈول بناتا ہے، اور ٹرانسپورٹ کا انتظام خود کرتا ہے۔ انسان مجموعی حکمت عملی کی نگرانی کریں گے اور AI کی موجودہ سمجھ سے باہر مستثنیات کو سنبھالیں گے۔

• لاجسٹک میں جنریٹو ڈیزائن: ہم AI کو نئے سپلائی چین نیٹ ورکس کو ڈیزائن کرتے ہوئے دیکھ سکتے ہیں۔ فرض کریں کہ ایک کمپنی ایک نئے علاقے میں پھیلتی ہے۔ ایک AI اس علاقے کے لیے گودام کے بہترین مقامات، نقل و حمل کے لنکس، اور انوینٹری کی پالیسیاں فراہم کر سکتا ہے - جو کچھ آج کنسلٹنٹس اور تجزیہ کار کرتے ہیں۔ 2030 تک، کمپنیاں سپلائی چین کے ڈیزائن کے انتخاب کے لیے AI کی سفارشات پر بھروسہ کر سکتی ہیں، اس پر بھروسہ کرتے ہوئے عوامل کو تیزی سے تولتا ہے اور ہو سکتا ہے کہ تخلیقی حل تلاش کریں (جیسے غیر واضح ڈسٹری بیوشن ہب) جن سے انسان محروم ہیں۔

• مینوفیکچرنگ کے ساتھ انضمام (انڈسٹری 4.0): لاجسٹکس اکیلا کھڑا نہیں ہوتا ہے۔ یہ پیداوار سے منسلک ہے. مستقبل کی فیکٹریوں میں پیداواری AI شیڈولنگ پروڈکشن رن ہو سکتی ہے، خام مال کو وقت پر آرڈر کرنا، اور پھر لاجسٹک نیٹ ورک کو فوری طور پر مصنوعات بھیجنے کی ہدایت کرنا۔ اس مربوط AI کا مطلب مجموعی طور پر کم انسانی منصوبہ بندی ہو سکتی ہے – لاگت، رفتار اور پائیداری کے لیے بہتر بنانے والے الگورتھم کے ذریعے تیاری سے لے کر ترسیل تک ایک ہموار سلسلہ۔ پہلے سے ہی، 2025 تک، اعلی کارکردگی کا مظاہرہ کرنے والی سپلائی چینز ڈیٹا پر مبنی ہیں۔ 2035 تک وہ زیادہ تر AI سے چلنے والے ہو سکتے ہیں۔

• لاجسٹکس میں متحرک کسٹمر سروس: کسٹمر سروس AI پر تعمیر، سپلائی چین AIs براہ راست صارفین یا کلائنٹس کے ساتھ انٹرفیس کر سکتے ہیں۔ مثال کے طور پر، اگر کوئی بڑا کلائنٹ اپنے بلک آرڈر کو آخری منٹ میں تبدیل کرنا چاہتا ہے، تو ایک AI ایجنٹ کسی انسانی مینیجر کا انتظار کیے بغیر قابل عمل متبادل (جیسے "ہم آدھے ابھی ڈیلیور کر سکتے ہیں، آدھے اگلے ہفتے") پر بات کر سکتا ہے۔ اس میں تخلیقی AI کو دونوں اطراف کو سمجھنا شامل ہے (صارفین کی ضرورت بمقابلہ آپریشنل صلاحیت) اور ایسے فیصلے کرنا جو کلائنٹس کو مطمئن کرتے ہوئے آپریشنز کو ہموار رکھتے ہیں۔

متوقع فائدہ ایک زیادہ موثر، لچکدار، اور ذمہ دار لاجسٹکس سسٹم ہے۔ کمپنیاں بہت زیادہ بچت کی پیشین گوئی کرتی ہیں - میک کینسی نے اندازہ لگایا کہ AI سے چلنے والی سپلائی چین کی اصلاح لاگت کو نمایاں طور پر کم کر سکتی ہے اور سروس کی سطح کو بہتر بنا سکتی ہے، جس سے صنعتوں میں ممکنہ طور پر کھربوں کی مالیت کا اضافہ ہو سکتا ہے (2023 میں AI کی حالت: جنریٹو AI کا بریک آؤٹ سال | McKinsey)۔

تاہم، AI کی طرف زیادہ کنٹرول کو تبدیل کرنے سے بھی خطرات لاحق ہوتے ہیں، جیسے کہ اگر AI کی منطق میں خامی ہے تو غلطیاں (مثال کے طور پر، AI سپلائی چین کا بدنام زمانہ منظر نامہ جو ماڈلنگ کی غلطی کی وجہ سے نادانستہ طور پر کمپنی کو اسٹاک سے باہر چلا دیتا ہے)۔ "بڑے فیصلوں کے لیے ہیومن ان دی لوپ" جیسے حفاظتی اقدامات یا کم از کم ڈیش بورڈز جو فوری طور پر انسانی اوور رائڈ کی اجازت دیتے ہیں ممکنہ طور پر 2035 تک برقرار رہیں گے۔ وقت گزرنے کے ساتھ، جیسا کہ AI فیصلے ثابت ہوں گے، انسان پیچھے ہٹنے میں زیادہ آرام دہ ہو جائیں گے۔.

دلچسپ بات یہ ہے کہ کارکردگی کو بہتر بنا کر، AI بعض اوقات ایسے انتخاب کر سکتا ہے جو انسانی ترجیحات یا روایتی طریقوں سے متصادم ہوں۔ مثال کے طور پر، خالصتاً اصلاح کرنا بہت دبلی پتلی انوینٹریوں کا باعث بن سکتا ہے، جو کارآمد ہے لیکن خطرناک محسوس کر سکتی ہے۔ 2030 میں سپلائی چین کے پیشہ ور افراد کو اپنے وجدان کو ایڈجسٹ کرنا پڑ سکتا ہے کیونکہ AI، بڑے پیمانے پر ڈیٹا کو کچل کر یہ ظاہر کر سکتا ہے کہ اس کی غیر معمولی حکمت عملی دراصل بہتر کام کرتی ہے۔.

آخر میں، ہمیں اس بات پر غور کرنا چاہیے کہ جسمانی رکاوٹیں (انفراسٹرکچر، جسمانی عمل کی رفتار) اس بات کو محدود کرتی ہیں کہ لاجسٹکس کتنی تیزی سے تبدیل ہو سکتی ہے، اس لیے یہاں انقلاب ایک بالکل نئی جسمانی حقیقت کے بجائے بہتر منصوبہ بندی اور اثاثوں کے استعمال کے بارے میں ہے۔ لیکن ان حدود کے اندر بھی، تخلیقی AI کے تخلیقی حل اور مسلسل اصلاح ڈرامائی طور پر اس بات کو بہتر بنا سکتی ہے کہ کم سے کم دستی منصوبہ بندی کے ساتھ دنیا بھر میں سامان کیسے منتقل ہوتا ہے۔

خلاصہ طور پر، 2035 تک لاجسٹکس اچھی طرح سے تیل والی خودکار مشین کی طرح کام کر سکتا ہے: سامان کا بہاؤ مؤثر طریقے سے، راستوں کو حقیقی وقت میں رکاوٹوں کے لیے ایڈجسٹ کرنا، گوداموں کا خود کو روبوٹ کے ساتھ منظم کرنا، اور پورا نظام ڈیٹا سے مسلسل سیکھتا اور بہتر کرتا رہتا ہے - یہ سب کچھ تخلیقی AI کے ذریعے ترتیب دیا گیا ہے جو دماغ کے آپریشن کے طور پر کام کرتا ہے۔.

مالیات اور کاروبار میں تخلیقی AI

فنانس انڈسٹری معلومات میں بہت زیادہ ڈیل کرتی ہے - رپورٹس، تجزیہ، کسٹمر کمیونی کیشنز - اسے تخلیقی AI کے لیے زرخیز زمین بناتی ہے۔ بینکنگ سے لے کر سرمایہ کاری کے انتظام اور انشورنس تک، تنظیمیں آٹومیشن اور بصیرت پیدا کرنے کے لیے AI کو تلاش کر رہی ہیں۔ سوال یہ ہے کہ اس ڈومین میں درستگی اور بھروسے کی اہمیت کو دیکھتے ہوئے، AI کون سے مالی کاموں کو انسانی نگرانی کے بغیر قابل اعتماد طریقے سے سنبھال سکتا ہے؟

موجودہ صلاحیتیں (2025): خودکار رپورٹس اور فیصلے کی حمایت

آج تک، جنریٹو AI کئی طریقوں سے مالیات میں حصہ ڈال رہا ہے، اکثر انسان کی نگرانی میں:

• رپورٹ جنریشن: بینک اور مالیاتی فرمیں متعدد رپورٹیں تیار کرتی ہیں - آمدنی کے خلاصے، مارکیٹ کمنٹری، پورٹ فولیو تجزیہ وغیرہ۔ ان کا مسودہ تیار کرنے کے لیے AI پہلے ہی استعمال کیا جاتا ہے۔ مثال کے طور پر، بلومبرگ نے اپنے ٹرمینل صارفین کے لیے خبروں کی درجہ بندی اور سوال و جواب جیسے کاموں میں مدد کرنے کے لیے، مالیاتی ڈیٹا پر تربیت یافتہ ایک بڑا زبان کا ماڈل BloombergGPT تیار کیا ہے ( جنریٹو AI فنانس کے لیے آرہا ہے )۔ اگرچہ اس کا بنیادی استعمال انسانوں کو معلومات تلاش کرنے میں مدد فراہم کر رہا ہے، لیکن یہ AI کے بڑھتے ہوئے کردار کو ظاہر کرتا ہے۔ خودکار بصیرت (کمپنی AP کے ساتھ کام کرتی ہے) نے مالیاتی مضامین بھی بنائے۔ بہت سے سرمایہ کاری کے خبرنامے روزانہ مارکیٹ کی چالوں یا معاشی اشاریوں کو دوبارہ حاصل کرنے کے لیے AI کا استعمال کرتے ہیں۔ عام طور پر، انسان کلائنٹس کو بھیجنے سے پہلے ان کا جائزہ لیتے ہیں، لیکن یہ شروع سے لکھنے کے بجائے فوری ترمیم ہے۔

• کسٹمر کمیونیکیشن: ریٹیل بینکنگ میں، AI چیٹ بوٹس اکاؤنٹ بیلنس، لین دین، یا پروڈکٹ کی معلومات (کسٹمر سروس ڈومین میں ملاوٹ) کے بارے میں کسٹمر کے سوالات کو ہینڈل کرتے ہیں۔ نیز، AI ذاتی نوعیت کے مالی مشورے کے خطوط یا nudges تیار کر سکتا ہے۔ مثال کے طور پر، ایک AI اس بات کی نشاندہی کر سکتا ہے کہ کوئی صارف فیس میں بچت کر سکتا ہے اور خود بخود ایک پیغام کا مسودہ تیار کر سکتا ہے جس میں یہ تجویز کیا جاتا ہے کہ وہ ایک مختلف اکاؤنٹ کی قسم پر سوئچ کریں، جو پھر کم سے کم انسانی مداخلت کے ساتھ ختم ہو جاتا ہے۔ پیمانے پر اس قسم کی ذاتی مواصلات فنانس میں AI کا موجودہ استعمال ہے۔

• فراڈ کا پتہ لگانا اور انتباہات: جنریٹو AI فراڈ سسٹمز کے ذریعے پائے جانے والی بے ضابطگیوں کے لیے بیانیہ یا وضاحتیں بنانے میں مدد کر سکتا ہے۔ مثال کے طور پر، اگر مشتبہ سرگرمی پر جھنڈا لگایا گیا ہے، تو ایک AI گاہک کے لیے وضاحتی پیغام ("ہم نے ایک نئے آلے سے لاگ ان دیکھا...") یا تجزیہ کاروں کے لیے ایک رپورٹ تیار کر سکتا ہے۔ کھوج خودکار ہے (AI/ML بے ضابطگی کا پتہ لگانے کا استعمال کرتے ہوئے)، اور مواصلت تیزی سے خودکار ہوتی جا رہی ہے، حالانکہ حتمی کارروائیوں (اکاؤنٹ کو مسدود کرنا) میں اکثر انسانی جانچ پڑتال ہوتی ہے۔

• فنانشل ایڈوائزنگ (محدود): کچھ روبو ایڈوائزر (خودکار سرمایہ کاری پلیٹ فارم) الگورتھم (ضروری نہیں کہ جنریٹیو AI) استعمال کرتے ہیں تاکہ پورٹ فولیوز کو مینیج کیا جا سکے جس میں کوئی انسانی مشیر نہیں ہے۔ جنریٹو AI داخل ہو رہا ہے، کہیے، اس بات پر تبصرہ تخلیق کر رہا ہے کہ کچھ تجارت کیوں کی گئی یا کلائنٹ کے مطابق پورٹ فولیو کی کارکردگی کا خلاصہ۔ تاہم، خالص مالی مشورہ (جیسے پیچیدہ مالیاتی منصوبہ بندی) اب بھی زیادہ تر انسانی یا اصول پر مبنی الگورتھم ہے۔ بغیر نگرانی کے مفت فارم پیدا کرنے والا مشورہ اگر غلط ہے تو ذمہ داری کی وجہ سے خطرناک ہے۔

• رسک اسسمنٹ اور انڈر رائٹنگ: انشورنس کمپنیاں خود بخود خطرے کی تشخیص کی رپورٹیں یا پالیسی دستاویزات کا مسودہ لکھنے کے لیے AI کی جانچ کر رہی ہیں۔ مثال کے طور پر، کسی پراپرٹی کے بارے میں دیے گئے ڈیٹا، ایک AI ایک ڈرافٹ انشورنس پالیسی یا انڈر رائٹر کی رپورٹ تیار کر سکتا ہے جو خطرے کے عوامل کو بیان کرتا ہے۔ انسان فی الحال ان نتائج کا جائزہ لے رہے ہیں کیونکہ معاہدے میں کوئی بھی غلطی مہنگی ہو سکتی ہے۔

• ڈیٹا کا تجزیہ اور بصیرت: AI مالی بیانات یا خبروں کے ذریعے کنگھی کر سکتا ہے اور خلاصے تیار کر سکتا ہے۔ تجزیہ کار ایسے اوزار استعمال کرتے ہیں جو 100 صفحات پر مشتمل سالانہ رپورٹ کو فوری طور پر کلیدی نکات میں خلاصہ کر سکتے ہیں، یا کمائی کال ٹرانسکرپٹ سے اہم نکات نکال سکتے ہیں۔ یہ خلاصے وقت کی بچت کرتے ہیں اور فیصلہ سازی میں براہ راست استعمال کیے جا سکتے ہیں یا اس کے ساتھ ساتھ گزر سکتے ہیں، لیکن ہوشیار تجزیہ کار اہم تفصیلات کی دو بار جانچ پڑتال کرتے ہیں۔

مختصراً، مالیات میں موجودہ AI ایک انتھک تجزیہ کار/مصنف کے طور پر کام کرتا ہے، ایسا مواد تیار کرتا ہے جسے انسان پالش کرتا ہے۔ مکمل طور پر خود مختار استعمال زیادہ تر اچھی طرح سے طے شدہ علاقوں میں ہوتا ہے جیسے ڈیٹا سے چلنے والی خبریں (کوئی ساپیکش فیصلے کی ضرورت نہیں) یا کسٹمر سروس کے جوابات۔ پیسے کے بارے میں فیصلوں کے ساتھ براہ راست AI پر بھروسہ کرنا (جیسے فنڈز کو منتقل کرنا، پہلے سے طے شدہ الگورتھم سے آگے تجارت کرنا) زیادہ داؤ اور ریگولیٹری جانچ پڑتال کی وجہ سے نایاب ہے۔

آؤٹ لک برائے 2030-2035: AI تجزیہ کار اور خود مختار مالیاتی آپریشنز

آگے دیکھتے ہوئے، 2035 تک جنریٹو AI مالیاتی کاموں میں گہرائی سے سرایت کر سکتا ہے، ممکنہ طور پر بہت سے کاموں کو خود مختار طریقے سے سنبھالنا:

• AI مالیاتی تجزیہ کار: ہم ایسے AI سسٹمز دیکھ سکتے ہیں جو کمپنیوں اور مارکیٹوں کا تجزیہ کر سکتے ہیں اور انسانی ایکویٹی ریسرچ تجزیہ کار کی سطح پر سفارشات یا رپورٹیں پیش کر سکتے ہیں۔ 2030 تک، ایک AI ممکنہ طور پر کمپنی کی تمام مالیاتی فائلنگ کو پڑھ سکتا ہے، صنعت کے اعداد و شمار کے ساتھ موازنہ کر سکتا ہے، اور اپنے طور پر سرمایہ کاری کی سفارش کی رپورٹ ("خرید/فروخت") بنا سکتا ہے۔ کچھ ہیج فنڈز پہلے سے ہی تجارتی سگنل پیدا کرنے کے لیے AI کا استعمال کر رہے ہیں۔ 2030 تک، AI تحقیقی رپورٹس عام ہو سکتی ہیں۔ انسانی پورٹ فولیو مینیجر دوسروں کے درمیان ایک ان پٹ کے طور پر AI سے تیار کردہ تجزیہ پر بھروسہ کرنا شروع کر سکتے ہیں۔ یہاں تک کہ AI کے لیے خودمختار طور پر محکموں کا انتظام کرنے کا بھی امکان ہے: پہلے سے طے شدہ حکمت عملی کے مطابق سرمایہ کاری کی مسلسل نگرانی اور توازن قائم کرنا۔ درحقیقت، الگورتھمک ٹریڈنگ پہلے سے ہی بہت زیادہ خودکار ہے - تخلیقی AI خود نئے تجارتی ماڈلز تیار کرکے اور جانچ کر کے حکمت عملیوں کو مزید موافق بنا سکتا ہے۔

• خودکار مالیاتی منصوبہ بندی: صارفین کا سامنا کرنے والے AI مشیر افراد کے لیے معمول کی مالی منصوبہ بندی کو سنبھال سکتے ہیں۔ 2030 تک، آپ کسی AI کو اپنے اہداف (گھر خریدنا، کالج کے لیے بچت) بتا سکتے ہیں اور یہ آپ کے لیے تیار کردہ ایک مکمل مالیاتی منصوبہ (بجٹ، سرمایہ کاری مختص، انشورنس کی تجاویز) تیار کر سکتا ہے۔ ابتدائی طور پر ایک انسانی مالیاتی منصوبہ ساز اس کا جائزہ لے سکتا ہے، لیکن جیسے جیسے اعتماد بڑھتا ہے، اس طرح کا مشورہ صارفین کو براہ راست دیا جا سکتا ہے، مناسب دستبرداری کے ساتھ۔ کلید یہ یقینی بنائے گی کہ AI کے مشورے ضوابط کی تعمیل کرتے ہیں اور کلائنٹ کے بہترین مفاد میں ہیں۔ اگر حل ہو جائے تو، AI بنیادی مالی مشورے کو کم قیمت پر کہیں زیادہ قابل رسائی بنا سکتا ہے۔

• بیک آفس آٹومیشن: جنریٹیو AI خود مختار طور پر بہت سے بیک آفس دستاویزات کو سنبھال سکتا ہے - قرض کی درخواستیں، تعمیل کی رپورٹیں، آڈٹ سمری۔ مثال کے طور پر، ایک AI تمام لین دین کا ڈیٹا لے سکتا ہے اور کسی بھی خدشات کو جھنڈا لگاتے ہوئے ایک آڈٹ رپورٹ بنا سکتا ہے ۔ 2035 میں آڈیٹرز AI- پرچم والے مستثنیات کا جائزہ لینے میں زیادہ وقت صرف کر سکتے ہیں بجائے اس کے کہ ہر چیز کو خود سے دیکھیں۔ اسی طرح، تعمیل کے لیے، AI ریگولیٹرز کے لیے مشتبہ سرگرمی کی رپورٹس (SARs) بنا سکتا ہے بغیر کسی تجزیہ کار کے انھیں شروع سے لکھے۔ ان معمول کے دستاویزات کی خود مختار نسل، انسانی نگرانی کے ساتھ ایک استثناء کی بنیاد پر، معیاری بن سکتی ہے۔

• بیمہ کے دعوے اور انڈر رائٹنگ: ایک AI انشورنس کلیم (تصویر ثبوت وغیرہ کے ساتھ) پر کارروائی کر سکتا ہے، کوریج کا تعین کر سکتا ہے، اور ادائیگی کے فیصلے کا خط خود بخود تیار کر سکتا ہے۔ ہم اس مقام پر پہنچ سکتے ہیں جہاں سیدھے دعوے (جیسے واضح ڈیٹا کے ساتھ آٹو حادثات) کو جمع کرانے کے چند منٹوں میں AI کے ذریعے مکمل طور پر طے کر لیا جاتا ہے۔ نئی پالیسیوں کو انڈر رائٹنگ کرنا ایک جیسا ہو سکتا ہے: AI خطرے کا اندازہ لگاتا ہے اور پالیسی کی شرائط تیار کرتا ہے۔ 2035 تک، شاید صرف پیچیدہ یا بارڈر لائن کیسز ہیومن انڈر رائٹرز تک پہنچ جائیں گے۔

• فراڈ اور سیکیورٹی: مالیاتی شعبے میں دھوکہ دہی یا سائبر خطرات کا پتہ لگانے اور ان کا جواب دینے میں AI ممکنہ طور پر اور بھی اہم ہوگا۔ خود مختار AI ایجنٹس حقیقی وقت میں لین دین کی نگرانی کر سکتے ہیں اور جب کچھ معیارات پر عمل درآمد کرتے ہیں تو فوری کارروائی (اکاؤنٹس کو بلاک کرنا، ٹرانزیکشنز کو منجمد کرنا) کر سکتے ہیں، پھر کوئی دلیل پیش کریں۔ یہاں رفتار بہت اہم ہے، لہذا کم سے کم انسانی شمولیت مطلوب ہے۔ پیدا کرنے والا حصہ ان کارروائیوں کو گاہکوں یا ریگولیٹرز تک واضح انداز میں پہنچانے میں آ سکتا ہے۔

• ایگزیکٹو سپورٹ: ایک AI "چیف آف اسٹاف" کا تصور کریں جو پرواز پر ایگزیکٹوز کے لیے کاروباری رپورٹس تیار کر سکے۔ پوچھیں، "ہمارے یورپی ڈویژن نے اس سہ ماہی میں کیسی کارکردگی کا مظاہرہ کیا اور پچھلے سال کے مقابلے میں اصل ڈرائیور کیا تھے؟" اور AI ڈیٹا سے نکال کر چارٹس کے ساتھ ایک جامع رپورٹ تیار کرے گا۔ اس قسم کی متحرک، خود مختار رپورٹنگ اور تجزیہ گفتگو کی طرح آسان ہو سکتا ہے۔ 2030 تک، کاروباری ذہانت کے لیے AI سے استفسار کرنا اور درست جوابات دینے کے لیے اس پر بھروسہ کرنا بڑی حد تک جامد رپورٹس اور شاید کچھ تجزیہ کاروں کے کردار کی جگہ لے سکتا ہے۔

ایک دلچسپ پروجیکشن: 2030 کی دہائی تک، مالیاتی مواد کی اکثریت (خبریں، رپورٹس، وغیرہ) AI سے تیار ہو سکتی ہے۔ پہلے سے ہی، ڈاؤ جونز اور رائٹرز جیسے آؤٹ لیٹس بعض خبروں کے بٹس کے لیے آٹومیشن کا استعمال کرتے ہیں۔ اگر یہ رجحان جاری رہتا ہے، اور مالیاتی ڈیٹا کے دھماکے کو دیکھتے ہوئے، AI اس میں سے زیادہ تر کو فلٹر کرنے اور بات چیت کرنے کے لیے ذمہ دار ہو سکتا ہے۔

تاہم، اعتماد اور تصدیق مرکزی ہو گی۔ مالیاتی صنعت کو بہت زیادہ ریگولیٹ کیا جاتا ہے اور کسی بھی AI کو خود مختار طور پر کام کرنے والے کو سخت معیارات پر پورا اترنے کی ضرورت ہوگی:

• اس بات کو یقینی بنانا کہ کوئی فریب نظر نہ آئے (آپ کے پاس AI تجزیہ کار ایسا مالیاتی میٹرک ایجاد نہیں کر سکتا جو حقیقی نہیں ہے – جو مارکیٹوں کو گمراہ کر سکتا ہے)۔.

• تعصب یا غیر قانونی طریقوں سے گریز کرنا (جیسے متعصب تربیتی ڈیٹا کی وجہ سے قرض دینے کے فیصلوں میں نادانستہ طور پر سرخی لگانا)۔.

• آڈٹ ایبلٹی: ریگولیٹرز کو ممکنہ طور پر اس بات کی ضرورت ہوگی کہ AI فیصلے قابل وضاحت ہوں۔ اگر کوئی AI قرض سے انکار کرتا ہے یا تجارتی فیصلہ کرتا ہے، تو اس کے لیے ایک منطق ہونا چاہیے جس کی جانچ کی جا سکے۔ جنریٹو ماڈلز تھوڑا سا بلیک باکس ہوسکتے ہیں، اس لیے ان کے فیصلوں کو شفاف بنانے کے لیے قابل وضاحت AI تکنیکوں کی ترقی کی توقع کریں۔

اگلے 10 سالوں میں ممکنہ طور پر AI اور فنانس پروفیشنلز کے درمیان قریبی تعاون شامل ہو گا، جیسے جیسے اعتماد بڑھتا جائے گا خود مختاری کی لکیر کو بتدریج آگے بڑھایا جائے گا۔ ابتدائی جیتیں کم رسک آٹومیشن میں آئیں گی (جیسے رپورٹ جنریشن)۔ کریڈٹ کے فیصلے یا سرمایہ کاری کے انتخاب جیسے بنیادی فیصلے مشکل ہوں گے، لیکن وہاں بھی، جیسا کہ AI کا ٹریک ریکارڈ بنتا ہے، فرم اسے مزید خود مختاری دے سکتی ہیں۔ مثال کے طور پر، ہوسکتا ہے کہ ایک AI فنڈ ایک انسانی نگران کے ساتھ چلائے جو صرف اس صورت میں مداخلت کرتا ہے جب کارکردگی انحراف کرتی ہے یا اگر AI غیر یقینی صورتحال کو جھنڈا دیتا ہے۔.

اقتصادی طور پر، میک کینسی نے اندازہ لگایا کہ AI (خاص طور پر gen AI) بینکنگ میں سالانہ 200-340 بلین ڈالر کی قیمت کا اضافہ کر سکتا ہے اور انشورنس اور کیپٹل مارکیٹوں میں اسی طرح کے بڑے اثرات (2023 میں AI کی حالت: جنریٹو AI کا بریک آؤٹ سال | McKinsey) (کیا ہے McKins کا مستقبل؟| یہ کارکردگی اور بہتر فیصلے کے نتائج کے ذریعے ہے۔ اس قدر کو حاصل کرنے کے لیے، بہت سارے معمول کے مالیاتی تجزیہ اور مواصلات کو ممکنہ طور پر AI سسٹمز کے حوالے کر دیا جائے گا۔

خلاصہ یہ کہ 2035 تک جنریٹو AI مالیاتی شعبے میں کام کرنے والے جونیئر تجزیہ کاروں، مشیروں اور کلرکوں کی ایک فوج کی طرح ہو سکتا ہے، جو زیادہ تر سخت کام اور کچھ نفیس تجزیے خود مختار طریقے سے کر رہے ہیں۔ انسان اب بھی اہداف طے کریں گے اور اعلیٰ سطحی حکمت عملی، مؤکل کے تعلقات اور نگرانی کو سنبھالیں گے۔ مالیاتی دنیا، محتاط رہتے ہوئے، خود مختاری کو بتدریج بڑھا دے گی - لیکن سمت واضح ہے کہ زیادہ سے زیادہ معلومات کی پروسیسنگ اور یہاں تک کہ فیصلے کی سفارشات AI سے آئیں گی۔ مثالی طور پر، یہ تیز سروس (فوری قرضے، چوبیس گھنٹے مشورہ)، کم لاگت، اور ممکنہ طور پر زیادہ معروضیت (ڈیٹا پیٹرن کی بنیاد پر فیصلے) کی طرف لے جاتا ہے۔ لیکن اعتماد کو برقرار رکھنا بہت ضروری ہوگا۔ فنانس میں ایک ہی ہائی پروفائل AI کی خرابی حد سے زیادہ نقصان کا سبب بن سکتی ہے (تصویر کریں کہ AI سے متحرک فلیش کریش یا ہزاروں لوگوں کو غلط فائدہ سے انکار کیا گیا)۔ لہٰذا، خاص طور پر صارفین کو درپیش کارروائیوں کے لیے گارڈریلز اور انسانی جانچیں برقرار رہتی ہیں، یہاں تک کہ بیک آفس کے عمل انتہائی خودمختار ہو جاتے ہیں۔.

چیلنجز اور اخلاقی تحفظات

ان تمام ڈومینز میں، جیسا کہ تخلیقی AI زیادہ خود مختار ذمہ داریاں سنبھالتا ہے، مشترکہ چیلنجوں اور اخلاقی سوالات کا ایک مجموعہ پیدا ہوتا ہے۔ اس بات کو یقینی بنانا کہ AI ایک قابل اعتماد اور فائدہ مند خود مختار ایجنٹ ہے صرف ایک تکنیکی کام نہیں ہے، بلکہ ایک سماجی کام ہے۔ یہاں ہم اہم خدشات کا خاکہ پیش کرتے ہیں اور ان کو کیسے حل کیا جا رہا ہے (یا ان کو حل کرنے کی ضرورت ہوگی):

وشوسنییتا اور درستگی

ہیلوسینیشن کا مسئلہ: جنریٹو AI ماڈلز غلط یا مکمل طور پر من گھڑت آؤٹ پٹ تیار کر سکتے ہیں جو پراعتماد نظر آتے ہیں۔ یہ خاص طور پر خطرناک ہوتا ہے جب کوئی بھی انسان غلطیوں کو پکڑنے کے چکر میں نہ ہو۔ ایک چیٹ بوٹ کسی صارف کو غلط ہدایات دے سکتا ہے، یا AI کی لکھی ہوئی رپورٹ میں تیار کردہ اعداد و شمار شامل ہو سکتے ہیں۔ 2025 تک، تنظیموں کے ذریعہ غلطیت کو جنریٹو AI کے سب سے بڑے خطرے کے طور پر تسلیم کیا جاتا ہے (2023 میں AI کی حالت: جنریٹو AI کا بریک آؤٹ سال | McKinsey) (The State of AI: گلوبل سروے | McKinsey)۔ آگے بڑھتے ہوئے، ڈیٹا بیس کے خلاف حقائق کی جانچ پڑتال، ماڈل آرکیٹیکچر میں بہتری، اور فیڈ بیک کے ساتھ کمک سیکھنے جیسی تکنیکوں کو فریب کو کم کرنے کے لیے تعینات کیا جا رہا ہے۔ خود مختار AI سسٹمز کو ممکنہ طور پر اہم کاموں کے لیے سخت جانچ اور شاید رسمی تصدیق کی ضرورت ہو گی (جیسے کوڈ جنریشن جو غلط ہونے پر کیڑے/سیکیورٹی کی خامیاں متعارف کروا سکتا ہے)۔

مستقل مزاجی: AI نظاموں کو وقت کے ساتھ اور تمام منظرناموں میں قابل اعتماد کارکردگی کا مظاہرہ کرنے کی ضرورت ہے۔ مثال کے طور پر، ایک AI معیاری سوالات پر اچھا کام کر سکتا ہے لیکن کنارے کے معاملات پر ٹھوکر کھا سکتا ہے۔ مسلسل کارکردگی کو یقینی بنانے کے لیے متنوع حالات کا احاطہ کرنے والے وسیع تربیتی ڈیٹا اور مسلسل نگرانی کی ضرورت ہوگی۔ بہت سی تنظیمیں ہائبرڈ نقطہ نظر رکھنے کا ارادہ رکھتی ہیں - AI کام کرتا ہے، لیکن بے ترتیب نمونوں کا انسانوں کے ذریعہ آڈٹ کیا جاتا ہے - جاری درستگی کی شرح کا اندازہ لگانے کے لیے۔

فیل سیفز: جب AI خود مختار ہے، تو اس کا اپنی غیر یقینی صورتحال کو پہچاننا بہت ضروری ہے۔ سسٹم کو "جانتے وقت" کے لیے ڈیزائن کیا جانا چاہیے۔ مثال کے طور پر، اگر ایک AI ڈاکٹر کو تشخیص کا یقین نہیں ہے، تو اسے بے ترتیب اندازہ لگانے کے بجائے انسانی جائزے کے لیے جھنڈا لگانا چاہیے۔ AI آؤٹ پٹس میں غیر یقینی صورتحال کا تخمینہ لگانا (اور خودکار انسانی ہینڈ آف کے لیے حد ہونا) ترقی کا ایک فعال شعبہ ہے۔

تعصب اور انصاف

جنریٹو AI تاریخی ڈیٹا سے سیکھتا ہے جس میں تعصبات (نسلی، صنفی، وغیرہ) شامل ہو سکتے ہیں۔ ایک خود مختار AI ان تعصبات کو برقرار رکھ سکتا ہے یا اس کو بڑھا سکتا ہے:

• بھرتی یا داخلہ میں، ایک AI فیصلہ ساز غیر منصفانہ طور پر امتیازی سلوک کر سکتا ہے اگر اس کے تربیتی ڈیٹا میں تعصب ہو۔.

• کسٹمر سروس میں، ایک AI بولی یا دیگر عوامل کی بنیاد پر صارفین کو مختلف طریقے سے جواب دے سکتا ہے جب تک کہ احتیاط سے جانچ نہ کی جائے۔.

• تخلیقی شعبوں میں، اگر تربیت کا سیٹ غیر متوازن تھا تو AI کچھ ثقافتوں یا طرزوں کو کم پیش کر سکتا ہے۔.

اس سے نمٹنے کے لیے محتاط ڈیٹا سیٹ کیوریشن، تعصب کی جانچ، اور شاید الگورتھمک ایڈجسٹمنٹ کی ضرورت ہے تاکہ انصاف کو یقینی بنایا جا سکے۔ شفافیت کلیدی ہے: کمپنیوں کو AI فیصلے کے معیار کو ظاہر کرنے کی ضرورت ہوگی، خاص طور پر اگر کوئی خود مختار AI کسی کے مواقع یا حقوق (جیسے قرض یا نوکری حاصل کرنا) کو متاثر کرتا ہے۔ ریگولیٹرز پہلے ہی توجہ دے رہے ہیں۔ مثال کے طور پر، EU کا AI ایکٹ (2020 کی دہائی کے وسط کے کاموں میں) ممکنہ طور پر اعلی خطرے والے AI سسٹمز کے لیے تعصب کے جائزوں کی ضرورت ہوگی۔.

احتساب اور قانونی ذمہ داری

جب خود مختار طور پر کام کرنے والا AI نظام نقصان کا باعث بنتا ہے یا غلطی کرتا ہے، تو کون ذمہ دار ہے؟ قانونی فریم ورک پکڑ رہے ہیں:

• AI کو تعینات کرنے والی کمپنیاں ممکنہ طور پر ذمہ داری کا حامل ہوں گی، جیسا کہ ملازم کے اعمال کے لیے ذمہ دار ہے۔ مثال کے طور پر، اگر کوئی AI برا مالی مشورہ دیتا ہے جس کے نتیجے میں نقصان ہوتا ہے، تو فرم کو کلائنٹ کو معاوضہ دینا پڑ سکتا ہے۔.

• AI "شخصیت" کے بارے میں بحث ہے یا آیا اعلی درجے کی AI جزوی طور پر ذمہ دار ہوسکتی ہے، لیکن یہ اب زیادہ نظریاتی ہے۔ عملی طور پر، الزام ڈیولپرز یا آپریٹرز پر واپس آئے گا۔.

• AI کی ناکامیوں کے لیے انشورنس کی نئی مصنوعات سامنے آ سکتی ہیں۔ اگر خود سے چلنے والا ٹرک حادثے کا سبب بنتا ہے، تو مینوفیکچرر کا انشورنس اس کا احاطہ کر سکتا ہے، پروڈکٹ کی ذمہ داری کے مطابق۔.

• پوسٹ مارٹم کے لیے اے آئی کے فیصلوں کی دستاویز اور لاگنگ اہم ہوگی۔ اگر کچھ غلط ہو جاتا ہے، تو ہمیں اس سے سیکھنے اور ذمہ داری تفویض کرنے کے لیے AI کے فیصلے کی پگڈنڈی کا آڈٹ کرنے کی ضرورت ہے۔ ریگولیٹرز بالکل اسی وجہ سے خود مختار AI کارروائیوں کے لیے لاگنگ کو لازمی قرار دے سکتے ہیں۔.

شفافیت اور وضاحت

خود مختار AI کو مثالی طور پر اس قابل ہونا چاہیے کہ وہ اپنے استدلال کو انسانی سمجھ میں آنے والی اصطلاحات میں بیان کر سکے، خاص طور پر نتیجہ خیز ڈومینز (فنانس، ہیلتھ کیئر، نظام انصاف) میں۔ قابل وضاحت AI ایک فیلڈ ہے جو بلیک باکس کو کھولنے کی کوشش کر رہا ہے:

• AI کی طرف سے قرض سے انکار کے لیے، ضوابط (جیسے امریکہ میں، ECOA) درخواست دہندہ کو وجہ بتانے کی ضرورت پڑ سکتی ہے۔ لہذا AI کو وضاحت کے طور پر عوامل (مثال کے طور پر، "اعلی قرض سے آمدنی کا تناسب") نکالنا چاہیے۔.

• AI کے ساتھ بات چیت کرنے والے صارفین (جیسے AI ٹیوٹر والے طالب علم یا AI ہیلتھ ایپ والے مریض) یہ جاننے کے مستحق ہیں کہ یہ مشورہ کیسے حاصل کرتا ہے۔ AI استدلال کو مزید قابل شناخت بنانے کی کوششیں جاری ہیں، یا تو ماڈلز کو آسان بنا کر یا متوازی وضاحتی ماڈلز کے ذریعے۔.

• شفافیت کا مطلب یہ بھی ہے کہ صارفین کو معلوم ہونا چاہیے کہ وہ AI بمقابلہ انسان کے ساتھ کب ڈیل کر رہے ہیں۔ اگر کوئی گاہک بوٹ سے بات کر رہا ہے تو اخلاقی رہنما خطوط (اور ممکنہ طور پر کچھ قوانین) انکشاف کی ضرورت کی طرف جھکاؤ رکھتے ہیں۔ یہ دھوکہ دہی کو روکتا ہے اور صارف کی رضامندی کی اجازت دیتا ہے۔ کچھ کمپنیاں اب واضح طور پر AI کے تحریری مواد کو ٹیگ کرتی ہیں (جیسے "یہ مضمون AI کے ذریعے تیار کیا گیا تھا") اعتماد کو برقرار رکھنے کے لیے۔

پرائیویسی اور ڈیٹا پروٹیکشن

جنریٹو AI کو اکثر ڈیٹا کی ضرورت ہوتی ہے - بشمول ممکنہ طور پر حساس ذاتی ڈیٹا - کام کرنے یا سیکھنے کے لیے۔ خود مختار آپریشنز کو رازداری کا احترام کرنا چاہیے:

• ایک AI کسٹمر سروس ایجنٹ صارف کی مدد کے لیے اکاؤنٹ کی معلومات تک رسائی حاصل کرے گا۔ اس ڈیٹا کو محفوظ کیا جانا چاہیے اور صرف کام کے لیے استعمال کیا جانا چاہیے۔.

• اگر AI ٹیوٹرز کو طلباء کے پروفائلز تک رسائی حاصل ہے، تو تعلیمی ڈیٹا کی رازداری کو یقینی بنانے کے لیے FERPA (امریکہ میں) جیسے قوانین کے تحت غور کیا جا رہا ہے۔.

• بڑے ماڈل نادانستہ طور پر اپنے تربیتی اعداد و شمار سے تفصیلات یاد رکھ سکتے ہیں (مثال کے طور پر، تربیت کے دوران دیکھے گئے کسی شخص کے پتے کو دوبارہ بنانا)۔ تربیت میں تفریق رازداری اور ڈیٹا کی گمنامی جیسی تکنیکیں جنریٹڈ آؤٹ پٹس میں ذاتی معلومات کے لیکیج کو روکنے کے لیے اہم ہیں۔.

• جی ڈی پی آر جیسے ضوابط افراد کو ان پر اثر انداز ہونے والے خودکار فیصلوں پر حقوق دیتے ہیں۔ لوگ انسانی جائزہ یا فیصلوں کو مکمل طور پر خودکار نہ ہونے کی درخواست کر سکتے ہیں اگر وہ ان پر نمایاں طور پر اثر انداز ہوں۔ 2030 تک، یہ ضوابط تیار ہو سکتے ہیں کیونکہ AI زیادہ عام ہو جاتا ہے، ممکنہ طور پر وضاحت کے حقوق متعارف کرانا یا AI پروسیسنگ سے آپٹ آؤٹ کرنا۔.

سیکیورٹی اور بدسلوکی

خود مختار AI سسٹمز ہیکنگ کا ہدف ہو سکتے ہیں یا نقصان دہ کام کرنے کے لیے ان کا استحصال کیا جا سکتا ہے:

• ایک AI مواد جنریٹر کو بڑے پیمانے پر غلط معلومات (ڈیپ فیک ویڈیوز، جعلی خبروں کے مضامین) پیدا کرنے کے لیے غلط استعمال کیا جا سکتا ہے، جو کہ ایک سماجی خطرہ ہے۔ بہت طاقتور جنریٹو ماڈلز جاری کرنے کی اخلاقیات پر گرما گرم بحث کی جاتی ہے (مثال کے طور پر اوپن اے آئی ابتدائی طور پر GPT-4 کی تصویری صلاحیتوں کے ساتھ محتاط تھا)۔ حل میں جعلی کا پتہ لگانے میں مدد کے لیے AI سے تیار کردہ مواد کو واٹر مارک کرنا، اور AI سے لڑنے کے لیے AI کا استعمال شامل ہے (جیسے ڈیپ فیکس کے لیے پتہ لگانے والے الگورتھم)۔.

• اگر کوئی AI جسمانی عمل (ڈرون، کاریں، صنعتی کنٹرول) کو کنٹرول کرتا ہے، تو اسے سائبر حملوں سے محفوظ رکھنا بہت ضروری ہے۔ ایک ہیک شدہ خود مختار نظام حقیقی دنیا کو نقصان پہنچا سکتا ہے۔ اس کا مطلب ہے مضبوط انکرپشن، فیل سیفز، اور اگر کسی چیز سے سمجھوتہ ہوتا ہے تو انسانی اوور رائڈ یا بند ہونے کی صلاحیت۔.

• AI کے مطلوبہ حدوں سے آگے جانے کی تشویش بھی ہے ("بدمعاش AI" منظرنامہ)۔ اگرچہ موجودہ AIs کے پاس ایجنسی یا ارادہ نہیں ہے، اگر مستقبل کے خود مختار نظام زیادہ مؤثر ہیں، تو اس بات کو یقینی بنانے کے لیے سخت پابندیاں اور نگرانی کی ضرورت ہے کہ وہ غلط بیان کردہ مقصد کی وجہ سے غیر مجاز تجارت کو انجام نہ دیں یا قوانین کی خلاف ورزی نہ کریں۔.

اخلاقی استعمال اور انسانی اثرات

آخر میں، وسیع تر اخلاقی تحفظات:

• ملازمت کی نقل مکانی: اگر AI انسانی مداخلت کے بغیر کام کر سکتا ہے، تو ان ملازمتوں کا کیا ہوتا ہے؟ تاریخی طور پر، ٹیکنالوجی کچھ ملازمتوں کو خود کار بناتی ہے لیکن دوسری تخلیق کرتی ہے۔ منتقلی ان کارکنوں کے لیے تکلیف دہ ہو سکتی ہے جن کی مہارت ان کاموں میں ہوتی ہے جو خودکار ہو جاتے ہیں۔ معاشرے کو دوبارہ ہنر مندی، تعلیم، اور ممکنہ طور پر معاشی مدد پر نظر ثانی کے ذریعے اس کا انتظام کرنے کی ضرورت ہوگی (کچھ تجویز کرتے ہیں کہ اگر بہت زیادہ کام خودکار ہو تو AI عالمگیر بنیادی آمدنی جیسے خیالات کی ضرورت ہو سکتی ہے)۔ پہلے سے ہی، سروے ملے جلے احساسات کو ظاہر کرتے ہیں – ایک تحقیق میں پتا چلا کہ ایک تہائی کارکن AI کو نوکریوں کی جگہ لینے کے بارے میں فکر مند ہیں، جب کہ دوسرے اسے مشقت کو دور کرنے کے طور پر دیکھتے ہیں۔

• انسانی مہارتوں کا کٹاؤ: اگر AI ٹیوٹر سکھائیں اور AI آٹو پائلٹ ڈرائیو کریں اور AI کوڈ لکھیں تو کیا لوگ ان مہارتوں سے محروم ہو جائیں گے؟ AI پر زیادہ انحصار بدترین صورت میں مہارت کو ختم کر سکتا ہے۔ یہ وہ چیز ہے جس کے لیے تعلیم اور تربیتی پروگراموں کو ایڈجسٹ کرنے کی ضرورت ہوگی، اس بات کو یقینی بنانا کہ لوگ بنیادی باتیں سیکھیں چاہے AI مدد کرتا ہو۔

• اخلاقی فیصلہ سازی: AI میں انسانی اخلاقی فیصلے کی کمی ہے۔ صحت کی دیکھ بھال یا قانون میں، مکمل طور پر ڈیٹا پر مبنی فیصلے انفرادی معاملات میں رحم یا انصاف سے متصادم ہو سکتے ہیں۔ ہمیں AI میں اخلاقی فریم ورک کو انکوڈ کرنے کی ضرورت ہو سکتی ہے (AI اخلاقیات کی تحقیق کا ایک شعبہ، جیسے، AI فیصلوں کو انسانی اقدار کے ساتھ ہم آہنگ کرنا)۔ کم از کم، اخلاقی طور پر چارج کیے گئے فیصلوں کے لیے انسانوں کو باخبر رکھنا مناسب ہے۔

• شمولیت: AI فوائد کو وسیع پیمانے پر تقسیم کرنے کو یقینی بنانا ایک اخلاقی مقصد ہے۔ اگر صرف بڑی کمپنیاں اعلی درجے کی AI برداشت کر سکتی ہیں، تو چھوٹے کاروبار یا غریب علاقے پیچھے رہ سکتے ہیں۔ اوپن سورس کی کوششیں اور سستی AI حل رسائی کو جمہوری بنانے میں مدد کر سکتے ہیں۔ نیز، انٹرفیسز کو اس طرح ڈیزائن کیا جانا چاہیے کہ کوئی بھی AI ٹولز (مختلف زبانیں، معذور افراد کے لیے قابل رسائی، وغیرہ) استعمال کر سکے، ایسا نہ ہو کہ ہم "کس کے پاس اے آئی اسسٹنٹ ہے اور کس کے پاس نہیں" کی ایک نئی ڈیجیٹل تقسیم پیدا ہو جائے۔

موجودہ خطرے کی تخفیف: مثبت پہلو پر، جیسے ہی کمپنیاں gen AI متعارف کر رہی ہیں، ان مسائل پر بیداری اور کارروائی بڑھ رہی ہے۔ 2023 کے آخر تک، AI کا استعمال کرنے والی تقریباً نصف کمپنیاں غلطی جیسے خطرات کو کم کرنے کے لیے سرگرم عمل تھیں ( 2023 میں AI کی حالت: جنریٹیو AI کا بریک آؤٹ سال ٹیک فرموں نے AI اخلاقیات کے بورڈز قائم کیے ہیں۔ حکومتیں ضوابط تیار کر رہی ہیں۔ کلید یہ ہے کہ بعد میں رد عمل ظاہر کرنے کے بجائے شروع سے ہی AI کی ترقی میں اخلاقیات کو شامل کیا جائے ("اخلاقیات از ڈیزائن")۔

چیلنجوں کے اختتام پر: AI کو مزید خود مختاری دینا ایک دو دھاری تلوار ہے۔ یہ کارکردگی اور جدت پیدا کر سکتا ہے، لیکن یہ ذمہ داری کے اعلی بار کا مطالبہ کرتا ہے. آنے والے سالوں میں ممکنہ طور پر تکنیکی حل (AI رویے کو بہتر بنانے کے لیے)، پراسیس سلوشنز (پالیسی اور نگرانی کے فریم ورک)، اور شاید نئے معیارات یا سرٹیفیکیشنز (AI سسٹمز کا آڈٹ کیا جا سکتا ہے اور آج کل کے انجن یا الیکٹرانکس کی طرح تصدیق کی جا سکتی ہے) کا مرکب نظر آئے گا۔ ان چیلنجوں کو کامیابی کے ساتھ نیویگیٹ کرنا اس بات کا تعین کرے گا کہ ہم خود مختار AI کو معاشرے میں اس طرح ضم کر سکتے ہیں جس سے انسانی فلاح و بہبود اور اعتماد میں اضافہ ہو۔.

نتیجہ

جنریٹو AI تیزی سے ایک نئے تجربے سے ایک تبدیلی آمیز عام مقصد کی ٹیکنالوجی تک تیار ہوا ہے جو ہماری زندگی کے ہر کونے کو چھوتی ہے۔ اس وائٹ پیپر میں اس بات کی کھوج کی گئی ہے کہ کس طرح، 2025 تک، AI سسٹم پہلے سے ہی مضامین لکھ رہے ہیں، گرافکس ڈیزائن کر رہے ہیں، سافٹ ویئر کوڈنگ کر رہے ہیں، صارفین کے ساتھ چیٹنگ کر رہے ہیں، میڈیکل نوٹس کا خلاصہ کر رہے ہیں، طلباء کو ٹیوشن دے رہے ہیں، سپلائی چین کو بہتر بنا رہے ہیں، اور مالیاتی رپورٹوں کا مسودہ تیار کر رہے ہیں۔ اہم بات یہ ہے کہ ان میں سے بہت سے کاموں میں AI بہت کم یا بغیر کسی انسانی مداخلت کے، خاص طور پر اچھی طرح سے بیان کردہ، دوبارہ قابل ملازمتوں کے لیے۔ کمپنیاں اور افراد AI پر بھروسہ کرنے لگے ہیں کہ وہ ان فرائض کو خود مختار طریقے سے انجام دے سکیں، رفتار اور پیمانے پر فوائد حاصل کر سکیں۔

2035 کو آگے دیکھتے ہوئے، ہم ایک ایسے دور کے دہانے پر کھڑے ہیں جہاں AI ایک اور بھی ہر جگہ تعاون کرنے والا ہو گا - اکثر ایک غیر نظر آنے والی ڈیجیٹل افرادی قوت جو معمولات کو سنبھالتی ہے تاکہ انسان غیر معمولی چیزوں پر توجہ مرکوز کر سکیں۔ ہم اپنی سڑکوں پر کاروں اور ٹرکوں کو قابل اعتماد طریقے سے چلانے، راتوں رات گوداموں میں انوینٹری کا انتظام کرنے، جاننے والے پرسنل اسسٹنٹ کے طور پر ہمارے سوالات کے جواب دینے، دنیا بھر کے طلباء کو یکے بعد دیگرے ہدایات فراہم کرنے، اور یہاں تک کہ ادویات میں نئے علاج دریافت کرنے میں مدد کرنے کے لیے جنریٹو AI کی توقع کرتے ہیں – یہ سب کچھ تیزی سے کم سے کم براہ راست نگرانی کے ساتھ۔ ٹول اور ایجنٹ کے درمیان لائن دھندلی ہو جائے گی کیونکہ AI غیر فعال طور پر ہدایات پر عمل کرنے سے فعال طور پر حل پیدا کرنے کی طرف بڑھتا ہے۔

تاہم، اس خود مختار AI مستقبل کا سفر احتیاط کے ساتھ کرنا چاہیے۔ جیسا کہ ہم نے بیان کیا ہے، ہر ڈومین اپنی حدود اور ذمہ داریوں کا ایک سیٹ لاتا ہے:

• آج کا رئیلٹی چیک: AI درست نہیں ہے۔ یہ پیٹرن کی شناخت اور مواد کی تیاری میں سبقت لے جاتا ہے لیکن انسانی معنوں میں صحیح فہم اور عام فہم کا فقدان ہے۔ اس طرح، فی الحال، انسانی نگرانی ہی حفاظتی جال بنی ہوئی ہے۔ یہ پہچاننا کہ AI کہاں اکیلے اڑنے کے لیے تیار ہے (اور کہاں نہیں ہے) انتہائی اہم ہے۔ آج بہت سی کامیابیاں ہیومن-اے آئی ٹیم ماڈل سے آتی ہیں، اور یہ ہائبرڈ اپروچ قابل قدر رہے گا جہاں مکمل خود مختاری ابھی تک سمجھدار نہیں ہے۔

• کل کا وعدہ: ماڈل فن تعمیر، تربیتی تکنیک، اور نگرانی کے طریقہ کار میں ترقی کے ساتھ، AI کی صلاحیتوں میں توسیع ہوتی رہے گی۔ R&D کی اگلی دہائی بہت سے موجودہ درد کے نکات کو حل کر سکتی ہے (فریب کو کم کرنا، تشریح کو بہتر بنانا، AI کو انسانی اقدار کے ساتھ ہم آہنگ کرنا)۔ اگر ایسا ہے تو، 2035 تک اے آئی سسٹمز اتنے مضبوط ہوسکتے ہیں کہ انہیں کہیں زیادہ خود مختاری سونپ دی جائے۔ اس مقالے میں پیش گوئیاں - AI اساتذہ سے لے کر بڑے پیمانے پر خود سے چلنے والے کاروبار تک - ہماری حقیقت ہوسکتی ہے، یا آج کل تصور کرنا مشکل اختراعات سے بھی آگے نکل سکتا ہے۔

• انسانی کردار اور موافقت: AI کی بجائے مکمل طور پر انسانوں کی جگہ لینے کے، ہم کردار کے ارتقاء کی پیش گوئی کرتے ہیں۔ کے ساتھ – اس کی رہنمائی، اس کی تصدیق، اور کام کے ان پہلوؤں پر توجہ مرکوز کرنا جن کے لیے واضح طور پر انسانی طاقتوں کی ضرورت ہوتی ہے جیسے ہمدردی، اسٹریٹجک سوچ، اور پیچیدہ مسائل کو حل کرنا۔ تعلیم اور افرادی قوت کی تربیت کو ان منفرد انسانی مہارتوں کے ساتھ ساتھ ہر ایک کے لیے AI خواندگی پر زور دینا چاہیے۔ پالیسی سازوں اور کاروباری رہنماؤں کو لیبر مارکیٹ میں تبدیلی کے لیے منصوبہ بندی کرنی چاہیے اور آٹومیشن سے متاثر ہونے والوں کے لیے سپورٹ سسٹم کو یقینی بنانا چاہیے۔

• اخلاقیات اور گورننس: شاید سب سے زیادہ تنقیدی طور پر، اخلاقی AI کے استعمال اور گورننس کا ایک فریم ورک اس تکنیکی ترقی کو فروغ دینا چاہیے۔ ٹرسٹ اپنانے کی کرنسی ہے - لوگ صرف AI کو کار چلانے دیں گے یا سرجری میں مدد کریں گے اگر انہیں یقین ہے کہ یہ محفوظ ہے۔ اس اعتماد کی تعمیر میں سخت جانچ، شفافیت، اسٹیک ہولڈر کی شمولیت (مثلاً، طبی AIs ڈیزائن کرنے میں ڈاکٹروں کی شمولیت، AI تعلیمی آلات میں اساتذہ)، اور مناسب ضابطہ شامل ہے۔ جنگ میں ڈیپ فیکس یا AI جیسے چیلنجوں سے نمٹنے کے لیے بین الاقوامی تعاون ضروری ہو سکتا ہے، ذمہ دارانہ استعمال کے لیے عالمی اصولوں کو یقینی بنانا۔

آخر میں، تخلیقی AI ترقی کے ایک طاقتور انجن کے طور پر کھڑا ہے۔ دانشمندی سے استعمال کیا جائے، یہ انسانوں کو مشقت سے نجات دلا سکتا ہے، تخلیقی صلاحیتوں کو کھول سکتا ہے، خدمات کو ذاتی نوعیت کا بنا سکتا ہے، اور خلاء کو دور کر سکتا ہے (جہاں ماہرین کی کمی ہو وہاں مہارت لاتی ہے)۔ کلید یہ ہے کہ اسے اس طرح سے استعمال کیا جائے جو انسانی صلاحیت کو پسماندہ کرنے کے بجائے اس میں اضافہ کرے۔ فوری طور پر، اس کا مطلب ہے کہ انسانوں کو AI کی رہنمائی کے لیے لوپ میں رکھنا۔ طویل مدتی میں، اس کا مطلب ہے کہ انسانی اقدار کو AI سسٹمز کے بنیادی حصے میں انکوڈ کرنا تاکہ وہ آزادانہ طور پر کام کرتے ہوئے بھی ہمارے اجتماعی بہترین مفاد میں کام کریں۔

ڈومین	قابل اعتماد خود مختاری آج (2025)	2035 تک قابل اعتماد خود مختاری متوقع ہے۔
تحریر اور مواد	- معمول کی خبریں (کھیل، کمائی) خود بخود تیار ہوتی ہیں۔- پروڈکٹ کے جائزوں کا خلاصہ AI کے ذریعے۔- انسانی ترمیم کے لیے مضامین یا ای میلز کے مسودے۔ (فلانا پیٹرسن - ONA کمیونٹی پروفائل) (ایمیزون AI کے ساتھ کسٹمر کے جائزے کے تجربے کو بہتر بناتا ہے)	- زیادہ تر خبریں اور مارکیٹنگ کا مواد حقائق کی درستگی کے ساتھ خود سے لکھا جاتا ہے۔- AI کم سے کم نگرانی کے ساتھ مکمل مضامین اور پریس ریلیز تیار کرتا ہے۔.
بصری فنون اور ڈیزائن	- AI اشارے سے تصاویر تیار کرتا ہے (انسان بہترین انتخاب کرتا ہے)۔ - تصوراتی آرٹ اور ڈیزائن کی مختلف حالتیں خود مختار طور پر تخلیق کی گئیں۔.	- AI مکمل ویڈیو/فلم کے مناظر اور پیچیدہ گرافکس تیار کرتا ہے۔- پروڈکٹس کا تخلیقی ڈیزائن/آرکیٹیکچر میٹنگ کی وضاحتیں۔- ذاتی میڈیا (تصاویر، ویڈیو) طلب پر بنایا گیا۔.
سافٹ ویئر کوڈنگ	- AI خود کار طریقے سے کوڈ کو مکمل کرتا ہے اور آسان فنکشن لکھتا ہے (ڈیو کے ذریعہ جائزہ لیا گیا)۔ خودکار ٹیسٹ جنریشن اور بگ تجاویز۔ (کوپائلٹ پر کوڈنگ: 2023 ڈیٹا کوڈ کے معیار پر نیچے کی طرف دباؤ کی تجویز کرتا ہے (بشمول 2024 پروجیکشنز) - گٹ کلیئر) (GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine)	- AI تمام خصوصیات کو چشموں سے قابل اعتماد طریقے سے لاگو کرتا ہے۔- معلوم پیٹرن کے لیے خود مختار ڈیبگنگ اور کوڈ کی دیکھ بھال۔- بہت کم انسانی ان پٹ کے ساتھ کم کوڈ ایپ کی تخلیق۔.
کسٹمر سروس	- چیٹ بوٹس اکثر پوچھے گئے سوالات کا جواب دیتے ہیں، آسان مسائل کو حل کرتے ہیں (ہینڈ آف پیچیدہ کیسز)۔- AI کچھ چینلز پر معمول کی پوچھ گچھ کا ~ 70% ہینڈل کرتا ہے۔ (2025 کے لیے 59 AI کسٹمر سروس کے اعدادوشمار) (2030 تک، گاہک کی بات چیت کے دوران 69 فیصد فیصلے ہوں گے...)	- AI زیادہ تر صارفین کے تعاملات کو اختتام سے آخر تک ہینڈل کرتا ہے، بشمول پیچیدہ سوالات۔ - سروس مراعات (ریفنڈز، اپ گریڈ) کے لیے حقیقی وقت میں AI فیصلہ سازی۔ - انسانی ایجنٹ صرف اضافہ یا خاص معاملات کے لیے۔.
صحت کی دیکھ بھال	- AI میڈیکل نوٹ تیار کرتا ہے۔ وہ تشخیص تجویز کرتا ہے جن کی ڈاکٹر تصدیق کرتے ہیں۔- AI کچھ اسکینز (ریڈیالوجی) کو نگرانی کے ساتھ پڑھتا ہے۔ سادہ مقدمات کا ٹرائیز. (AI میڈیکل امیجنگ مصنوعات 2035 تک پانچ گنا بڑھ سکتی ہیں)	- AI معتبر طور پر عام بیماریوں کی تشخیص کرتا ہے اور زیادہ تر طبی تصویروں کی ترجمانی کرتا ہے۔- AI مریضوں کی نگرانی کرتا ہے اور دیکھ بھال شروع کرتا ہے (مثال کے طور پر، ادویات کی یاد دہانیاں، ایمرجنسی الرٹس)۔ ڈاکٹروں کی توجہ پیچیدہ دیکھ بھال پر ہے۔.
تعلیم	- AI ٹیوٹر طلباء کے سوالات کے جوابات دیتے ہیں، پریکٹس کے مسائل پیدا کرتے ہیں (ٹیچر مانیٹر)۔ - AI گریڈنگ میں مدد کرتا ہے (استاد کے جائزے کے ساتھ)۔ ([جنریٹو AI برائے K-12 تعلیم	تحقیقی رپورٹ بذریعہ Applify](https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces))
لاجسٹکس	- AI ترسیل کے راستوں اور پیکنگ کو بہتر بناتا ہے (انسانوں نے اہداف مقرر کیے ہیں)۔ - AI جھنڈا سپلائی چین کے خطرات کو ظاہر کرتا ہے اور تخفیف کا مشورہ دیتا ہے۔ (لاجسٹکس میں ٹاپ جنریٹو اے آئی کے استعمال کے کیسز)	- بڑے پیمانے پر خود ڈرائیونگ ڈیلیوری (ٹرک، ڈرون) AI کنٹرولرز کے زیر نگرانی۔- AI خود مختار طور پر رکاوٹوں کے ارد گرد ترسیل کو دوبارہ روٹ کرتا ہے اور انوینٹری کو ایڈجسٹ کرتا ہے۔.
فنانس	- AI مالیاتی رپورٹس/خبروں کے خلاصے تیار کرتا ہے (انسانی جائزہ لیا گیا)۔ - روبو مشیر سادہ پورٹ فولیوز کا انتظام کرتے ہیں۔ AI چیٹ صارفین کے سوالات کو ہینڈل کرتی ہے۔ (جنریٹو اے آئی فنانس کے لیے آرہا ہے)	- AI تجزیہ کار اعلیٰ درستگی کے ساتھ سرمایہ کاری کی سفارشات اور رسک رپورٹس تیار کرتے ہیں۔- خود مختار ٹریڈنگ اور پورٹ فولیو میں توازن قائم کرنا۔ انسان مستثنیات کو ہینڈل کرتے ہیں۔.

حوالہ جات:

1. پیٹرسن، فلانا۔ خودکار آمدنی کی کہانیاں کئی گنا بڑھ جاتی ہیں۔ دی ایسوسی ایٹڈ پریس (2015) - اے پی کی ہزاروں کمائی رپورٹس کی خودکار نسل کو بیان کرتا ہے جس میں کوئی انسانی مصنف نہیں ہوتا ہے (خودکار آمدنی کی کہانیاں ضرب | دی ایسوسی ایٹڈ پریس)۔

2. میک کینسی اینڈ کمپنی۔ 2024 کے اوائل میں AI کی حالت: Gen AI گود لینے میں اضافہ ہوتا ہے اور قدر پیدا ہونا شروع ہوتی ہے۔ (2024) – 65% تنظیمیں جنریٹو AI کا باقاعدگی سے استعمال کرتی ہیں، جو 2023 سے تقریباً دوگنی ہے (2024 کے اوائل میں AI کی حالت | McKinsey)، اور خطرے میں کمی کی کوششوں پر تبادلہ خیال کرتی ہے (The State of AI: گلوبل سروے | McKinsey)۔

3. گارٹنر۔ چیٹ جی پی ٹی سے آگے: انٹرپرائزز کے لیے جنریٹو اے آئی کا مستقبل ۔ (2023) – پیشین گوئی کرتی ہے کہ 2030 تک، بلاک بسٹر فلم کا 90% AI سے تیار کیا جا سکتا ہے ( صنعتوں اور کاروباری اداروں کے لیے جنریٹو AI استعمال کے کیسز ) اور ڈرگ ڈیزائن ( صنعتوں اور انٹرپرائزز کے لیے جنریٹو AI استعمال کے کیسز ) جیسے جنریٹو AI استعمال کے کیسز کو نمایاں کرتا ہے ۔

4. ٹوائپ کریں۔ نیوز روم میں صحافیوں کے AI ٹولز کے استعمال کے 12 طریقے۔ (2024) – ایک نیوز آؤٹ لیٹ پر "کلارا" AI کی مثال جو کہ 11% مضامین لکھتی ہے، جس میں انسانی ایڈیٹرز تمام AI مواد کا جائزہ لیتے ہیں (12 طریقے صحافی نیوز روم میں AI ٹولز کا استعمال کرتے ہیں - Twipe)۔

5. Amazon.com نیوز۔ ایمیزون AI کے ساتھ کسٹمر کے جائزے کے تجربے کو بہتر بناتا ہے۔ (2023) - خریداروں کی مدد کے لیے پروڈکٹ کے صفحات پر AI سے تیار کردہ جائزے کے خلاصوں کا اعلان کرتا ہے (ایمیزون AI کے ساتھ کسٹمر کے جائزے کے تجربے کو بہتر بناتا ہے)۔

6. زینڈیسک۔ 2025 کے لیے 59 AI کسٹمر سروس کے اعدادوشمار۔ (2023) – دو تہائی سے زیادہ CX تنظیموں کے خیال میں جنریٹو AI سروس میں "گرمجوشی" کا اضافہ کرے گا (59 AI کسٹمر سروس کے اعدادوشمار برائے 2025) اور پیش گوئی کرتا ہے کہ 100% صارفین کے تعاملات میں AI کی پیش گوئی کی گئی ہے (59 AI کسٹمر سروس کے اعدادوشمار برائے 2025)۔

7. فیوچرم ریسرچ اینڈ ایس اے ایس۔ تجربہ 2030: کسٹمر کے تجربے کا مستقبل۔ (2019) – سروے سے پتہ چلتا ہے کہ برانڈز کو توقع ہے کہ 2030 تک صارفین کی مصروفیت کے دوران ~ 69% فیصلے سمارٹ مشینوں کے ذریعے کیے جائیں گے (CX میں شفٹ کا دوبارہ تصور کرنے کے لیے، مارکیٹرز کو یہ 2 چیزیں کرنی چاہئیں)۔

8. ڈیٹایکو۔ لاجسٹکس میں ٹاپ جنریٹو اے آئی کے استعمال کے کیسز۔ (2023) – بیان کرتا ہے کہ GenAI کس طرح لوڈنگ کو بہتر بناتا ہے (~ 30% خالی ٹرک کی جگہ کو کم کرتا ہے) (لاجسٹکس میں ٹاپ جنریٹو AI استعمال کے کیسز) اور خبروں کو اسکین کرکے سپلائی چین کے خطرات کو جھنڈا دیتا ہے۔

9. بصری اسٹوڈیو میگزین۔ GitHub Copilot AI کوڈ اسسٹنٹس پر تحقیقی رپورٹ میں سرفہرست ہے۔ (2024) – گارٹنر کے اسٹریٹجک منصوبہ بندی کے مفروضے: 2028 تک، 90% انٹرپرائز ڈویلپرز AI کوڈ اسسٹنٹ استعمال کریں گے (2024 میں 14% سے زیادہ) (GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine)۔

10. بلومبرگ نیوز۔ بلومبرگ جی پی ٹی کا تعارف۔ (2023) – بلومبرگ کے 50B-پیرامیٹر ماڈل کی تفصیلات جس کا مقصد مالیاتی کام ہیں، جو سوال و جواب اور تجزیہ کی معاونت کے لیے ٹرمینل میں بنایا گیا ہے (جنریٹو اے آئی فنانس کے لیے آرہا ہے)۔

اس کے بعد آپ جو مضامین پڑھنا پسند کر سکتے ہیں:

🔗 وہ نوکریاں جو AI تبدیل نہیں کر سکتی – اور کون سی نوکریاں AI بدلیں گی؟
ترقی پذیر ملازمت کے منظر نامے پر ایک عالمی تناظر، یہ جانچنا کہ کون سے کردار AI خلل سے محفوظ ہیں اور کون سے زیادہ خطرہ ہیں۔

🔗 کیا AI اسٹاک مارکیٹ کی پیش گوئی کر سکتا ہے؟
سٹاک مارکیٹ کی پیشن گوئی کے لیے AI کے استعمال کی صلاحیتوں، حدود اور اخلاقی تحفظات میں گہرا غوطہ۔

🔗 جنریٹو AI کو سائبر سیکیورٹی میں کیسے استعمال کیا جا سکتا ہے؟
جانیں کہ کس طرح تخلیقی AI کا اطلاق سائبر خطرات سے دفاع کے لیے کیا جا رہا ہے، بے ضابطگی کا پتہ لگانے سے لے کر خطرے کی ماڈلنگ تک۔