بڑے اداروں میں AI اپنانے کی رفتار حالیہ تاریخ کی کسی بھی تکنیکی تبدیلی سے زیادہ تیزی سے بڑھ رہی ہے۔ قیادت کے ہر اجلاس میں بالآخر ایک ہی توقع سامنے آتی ہے۔ AI کو پورے ادارے میں قابلِ پیمائش فائدہ پہنچانا چاہیے۔ ChatGPT کے اجرا کے بعد انجینئرنگ ٹیموں نے Copilot اپنایا، تجزیہ کاروں نے Perplexity کو اختیار کیا، اور عملیاتی شعبوں نے خودکاری کے تجربات کیے۔ پیداواری صلاحیت تقریباً فوراً بہتر ہو گئی۔
لیکن صرف چند ماہ بعد ہی AI اپنانے کی رفتار سست پڑ گئی۔ آزمائشی منصوبے رک گئے۔ ROI میں تسلسل نہ رہا۔ یہ سست روی نہ کمزور ماڈلز کی وجہ سے ہے، نہ اعلیٰ قیادت کے عزم کی کمی سے۔ اس کی وجہ AI کی صلاحیتوں اور بڑے اداروں کے ماحول کے درمیان ساختی عدم مطابقت ہے۔
حال ہی میں میری نظر Caleb کے ایک تجزیے پر پڑی، جو اکثر AI اپنانے کے تنظیمی پہلو پر مواد تخلیق کرتے ہیں۔ ان کے زاویۂ نظر نے کوئی نئے تصورات پیش نہیں کیے، لیکن اس نے ایک ایسے تناؤ کو واضح کیا جسے بہت سے بڑے اداروں کے رہنما پہلے ہی محسوس کر چکے ہیں۔ اس تجزیے نے سمجھایا کہ AI الگ تھلگ استعمال میں تو بہترین کارکردگی کیوں دکھاتا ہے، مگر پورے نظام کی سطح پر تبدیلی لانے میں مشکلات کا سامنا کیوں کرتا ہے۔
AI اپنانے کا انحصار ماڈل کی طاقت پر نہیں ہے۔ اس کا انحصار اس بات پر ہے کہ ادارے کی کس سطح پر AI کو متعارف کرایا جاتا ہے۔
ان CIOs، CTOs اور تبدیلی کی قیادت کرنے والوں کے لیے، جو یہ سوچ رہے ہیں کہ AI ڈیموز میں تو متاثر کرتا ہے مگر عملی نفاذ میں کیوں رک جاتا ہے، یہ مضمون پوشیدہ رکاوٹوں اور ان حکمتِ عملی کے راستوں کو واضح کرتا ہے جو پورے ادارے میں AI کو پائیدار انداز میں اپنانے کے لیے ضروری ہیں۔
“کیا ہمیں AI اپنانا چاہیے” سے “AI اپنانے کی رفتار اتنی سست کیوں ہے” تک
دو سال پہلے بڑے ادارے اس بات پر بحث کر رہے تھے کہ آیا انہیں AI کی ضرورت ہے۔ آج سوال یہ ہے کہ اسے پائیدار اور محفوظ انداز میں اپنے کام کا حصہ کیسے بنایا جائے۔ تجزیہ کار پیش گوئی کرتے ہیں کہ جلد ہی اداروں کی پیداوار کا ایک نمایاں حصہ AI کے ذریعے تیار ہو سکتا ہے۔ کاغذ پر یہ ناگزیر دکھائی دیتا ہے۔ عملی طور پر اس کا اثر اب بھی یکساں نہیں ہے۔
انجینئرنگ ٹیمیں تیزی سے کام کرتی ہیں، مگر مختلف شعبوں کے مشترکہ کام کی انجام دہی میں بمشکل بہتری آتی ہے۔ سیلز ٹیمیں ممکنہ گاہکوں سے رابطے کو خودکار بناتی ہیں، لیکن اب بھی دستی رابطہ کاری میں وقت گنواتی ہیں۔ عملیاتی شعبے تیزی سے نتائج اخذ کرتے ہیں، مگر بکھرے ہوئے ڈیٹا کو اب بھی دستی طور پر ملاتے ہیں۔
بڑے ادارے خطی مشینوں کی طرح کام نہیں کرتے۔ وہ نظم و نسق، ترغیبات، ثقافت اور پرانی ٹیکنالوجی سے تشکیل پانے والے پیچیدہ نظاموں کے طور پر کام کرتے ہیں۔ AI اس پیچیدگی کو کم کرنے کے بجائے بڑھاتا ہے۔
اسے سمجھنے کا ایک مفید طریقہ یہ ہے کہ بڑے اداروں میں AI کو پختگی کی تین سطحوں پر دیکھا جائے۔
سطح 1. AI کی مدد سے کیے جانے والے کام
مفید، مگر بنیادی طور پر محدود
زیادہ تر ادارے یہیں سے آغاز کرتے ہیں۔ ملازمین تحقیق، خلاصہ سازی، کوڈنگ کی تجاویز اور مواد کی تخلیق کے لیے تخلیقی AI استعمال کرتے ہیں۔ یہ ٹولز فوری فائدہ پہنچاتے ہیں۔
لیکن کاموں کی رفتار بڑھانا، کام کے بہاؤ کو بدلنا نہیں ہے۔ اس سے جڑے عمل، یعنی منظوری کے مراحل، کام کی حوالگی اور رپورٹنگ کی سطحیں، جوں کے توں رہتے ہیں۔ نتیجتاً، ادارے کی مجموعی رفتار میں نمایاں بہتری نہیں آتی۔
کام کی رفتار اور ادارے کی رفتار ایک ہی چیز نہیں ہیں۔
یہ مرحلہ محفوظ محسوس ہوتا ہے کیونکہ کسی ساختی تبدیلی کی ضرورت نہیں پڑتی۔ لیکن اس کی ساخت ہی طویل مدتی سرمایہ کاری پر منافع کی حد مقرر کر دیتی ہے۔
سطح 2. خودمختار ایجنٹس پر مبنی کام کے بہاؤ
بھرپور امکانات اور شدید مزاحمت
خودمختار ایجنٹس پر مبنی AI کئی مراحل پر مشتمل کام کے بہاؤ خود انجام دیتا ہے۔ ایجنٹس فائلوں میں تبدیلی کرتے ہیں، نتائج کا جائزہ لیتے ہیں، کاموں کا انتظام کرتے ہیں یا سرگرمیوں کو مربوط کرتے ہیں۔ اس کے امکانات بے پناہ ہیں۔
لیکن اس کا استعمال اتنا وسیع نہیں۔
رکاوٹ تکنیکی صلاحیت نہیں بلکہ ادارے کی تیاری ہے۔ خودمختار ایجنٹس پر مبنی نظاموں کے لیے اعتماد، نگرانی، نظم و نسق اور خودکاری کو قبول کرنے کی گنجائش درکار ہوتی ہے۔ یہ قائم شدہ درجہ بندیوں اور ضابطوں کی پابندی کے معمولات میں خلل ڈالتے ہیں۔ یہ عملیاتی خطرات کی ایک غیر مانوس صورت سامنے لاتے ہیں۔
نتیجتاً، خودمختار ایجنٹس پر مبنی بہت سے ٹولز واپس نیم خودمختار معاونین تک محدود ہو جاتے ہیں، جو صرف محفوظ حدود کے اندر کام کرتے ہیں۔
ادارے خودمختاری کو خوف کی وجہ سے رد نہیں کرتے۔ وہ اسے عدم مطابقت کی وجہ سے رد کرتے ہیں۔
سطح 3. ابتدا ہی سے AI پر مبنی نظام
طویل مدتی برتری
ابتدا ہی سے AI پر مبنی نظام پختگی کی بلند ترین سطح کی نمائندگی کرتے ہیں۔ انہیں شروع سے ہی AI کی شمولیت کو مدنظر رکھ کر ڈیزائن کیا جاتا ہے۔ انسانوں کے لیے بہتر بنائے گئے کام کے بہاؤ کو بعد میں ڈھالنے کے بجائے، ادارے نئے عملیاتی ڈھانچے بناتے ہیں جن میں AI ڈیٹا کے بہاؤ، فیصلوں کی ترتیب اور کام کی رفتار و تسلسل کو منظم کرتا ہے۔
اس سے پیش گوئی پر مبنی عملیاتی سرگرمیاں ممکن ہوتی ہیں، کام کی راہ میں رکاوٹیں کم ہوتی ہیں اور مسلسل فیصلے کیے جا سکتے ہیں۔
اس سطح تک پہنچنے کی رکاوٹ بڑی ہے۔ لیکن طویل مدتی برتری چھوٹی چھوٹی بہتریوں سے حاصل ہونے والے فوائد سے کہیں زیادہ ہے۔
تاہم، ابتدا ہی سے AI پر مبنی نظاموں تک کا سفر طویل ہے۔ اصل خطرہ اس درمیانی عرصے میں سامنے آتا ہے۔
Ferrari کا مسئلہ
بغیر انتظام و نگرانی کے AI ایک انتہائی طاقتور خطرہ ہے
Caleb نے ایک ایسی تشبیہ استعمال کی جو اداروں کے تناظر میں اور بھی مؤثر ہو جاتی ہے۔ ملازمین کو ChatGPT یا Copilot جیسے طاقتور AI ٹولز تک رسائی دینا محض انہیں ایک Ferrari دینے کے مترادف نہیں ہے۔
یہ انہیں ایک Ferrari دینے کے مترادف ہے بغیر کسی تربیت، سڑک کے قواعد یا انشورنس کے، اور یہ جانے بغیر کہ گاڑی دراصل کہاں جائے گی۔
انجن غیر معمولی ہے۔ لیکن حساس ڈیٹا، ضابطوں کی پابندی کے تقاضوں اور پرانے نظاموں پر مشتمل ایک پیچیدہ ادارہ جاتی ماحول میں، اس قدر بے قابو طاقت ایک ساختی خطرہ ہے۔
بے ضابطہ AI غیر ارادی طور پر ڈیٹا افشا ہونے، غیر منظور شدہ آئی ٹی کے استعمال، ناقابلِ تصدیق نتائج، ماڈل کو دیے جانے والے بے قابو ان پٹس اور آڈٹ کی صلاحیت کے مکمل خاتمے کا باعث بنتی ہے۔
Ferrari صرف تیز نہیں چلتی۔ یہ ان سمتوں میں بھی بڑھتی ہے جو ادارے کی نظروں سے اوجھل ہیں۔
جب تک کام کے طریقۂ کار، نظم و نگرانی کی حدود، تصدیق کی تہوں اور انضمام کے نظامی ڈھانچے کو ازسرِنو تشکیل نہیں دیا جاتا، غیر منظم AI ایک اثاثہ نہیں بلکہ ذمہ داری کا بوجھ رہتی ہے۔
اداروں کا بڑھتا حجم نظامی رکاوٹیں کیوں پیدا کرتا ہے
جیسے جیسے ادارے بڑھتے ہیں، باہمی رابطہ کاری کی پیچیدگی اس سے بھی زیادہ تیزی سے بڑھتی ہے۔ کسی ٹیم کا حجم دوگنا کرنے سے پیچیدگی دوگنی نہیں ہوتی۔ وہ کئی گنا بڑھ جاتی ہے۔
AI انفرادی کارکردگی بہتر بناتی ہے۔ لیکن ادارے پورے نیٹ ورک کی سطح پر کام کرتے ہیں۔ یہ عدم مطابقت اس کے زیادہ تر اثر کو جذب کر لیتی ہے۔
تحقیق ایک بنیادی حقیقت واضح کرتی ہے۔
AI پہلے سے موجود صورتِ حال کو مزید تقویت دیتی ہے۔ ہم آہنگی تیز تر ہوتی ہے۔ بکھراؤ منہدم ہو جاتا ہے۔
کام کے طریقۂ کار اور نظم و نگرانی کو نئے سرے سے ترتیب دیے بغیر، AI پورے نظام میں تبدیلی کے بجائے الگ تھلگ بہتریاں لاتی ہے۔
اداروں کی حقیقت
سلامتی، اعتماد، ڈیٹا کے خطرات اور اندرونی مزاحمت
ادارے خودمختاری یا AI کو بنیاد بنا کر ترتیب دیے گئے طریقۂ کار کی طرف بڑھنے سے پہلے ایسی پابندیوں کا سامنا کرتے ہیں جن سے بچنا ممکن نہیں۔
سلامتی کے تقاضے ڈیٹا کی حدود یا ضابطوں کی پابندی پر کسی سمجھوتے کی اجازت نہیں دیتے۔
LLM کا ناقابلِ بھروسا ہونا ہچکچاہٹ پیدا کرتا ہے، کیونکہ اس کی گھڑی ہوئی معلومات برداشت نہیں کی جا سکتیں۔
غیر منظور شدہ آئی ٹی کا استعمال اس وقت سامنے آتا ہے جب ادارے کے منظور شدہ ٹولز ملازمین کی ضروریات سے پیچھے رہ جاتے ہیں۔
حکمتِ عملی سے متعلق اور ذاتی ڈیٹا قانونی خطرات اور ساکھ کو نقصان پہنچنے کا خدشہ پیدا کرتا ہے۔
مرکزی نظم و نگرانی کا فقدان تصدیق اور نگرانی کے بارے میں غیر یقینی پیدا کرتا ہے۔
یہ قدامت پسندی کی نشانیاں نہیں ہیں۔
یہ ادارہ جاتی ذمہ داری کی نشانیاں ہیں۔
AI کو اپنانے کی رفتار اسی وقت بڑھتی ہے جب ان بنیادوں کا احترام کیا جائے۔
مارکیٹ میں اصل خلا
کام کے ہر طریقۂ کار کو ازسرِنو تشکیل دینا مطلوب نہیں
AI سے متعلق کچھ بیانیے یہ فرض کرتے ہیں کہ ملازمین خودکاری چاہتے ہیں۔ حقیقت میں، کام کے بہت سے طریقے اس لیے مستحکم رہتے ہیں کہ وہ قابلِ پیش گوئی اور ادارے کی ثقافت کے لحاظ سے محفوظ محسوس ہوتے ہیں۔
اصل موقع کہیں اور ہے۔
ڈیٹا کی دستی منتقلی۔
بار بار دستاویزات تیار کرنا۔
ایک کام کے سیاق سے دوسرے کام کے سیاق میں جانا۔
الگ تھلگ پلیٹ فارمز۔
آپس میں غیر مربوط ورک فلوز۔
یہ رکاوٹیں خاموشی سے پیداواری صلاحیت کو گھٹاتی رہتی ہیں۔
نظر نہ آنے والی رکاوٹیں دور کر دیں تو اپنانے کا عمل فطری ہو جاتا ہے۔
کاروباری اداروں میں پائیدار تبدیلی کے لیے عملی اقدامات
کامیاب کاروباری ادارے کچھ مشترک طریقوں پر عمل کرتے ہیں۔
ورک فلوز کا باریک بینی سے آڈٹ کریں۔
نگرانی کے ساتھ خودمختار ایجنٹوں کا طرزِ عمل بتدریج متعارف کرائیں۔
ٹیکنالوجی کو ازسرِنو ڈیزائن کرنے سے پہلے کرداروں کو ازسرِنو ترتیب دیں۔
ان شعبوں سے آغاز کریں جہاں پرانے نظاموں کی پابندیاں کم ہوں۔
انفرادی کاموں کی رفتار نہیں، ادارے کی مجموعی رفتار ناپیں۔
یہ اقدامات بظاہر سادہ ہیں۔ ان کا اثر تصاعدی ہوتا ہے۔
کاروباری اداروں کے رہنماؤں کے لیے ایک اختتامی نکتہ
کاروباری اداروں میں AI اپنانے کا چیلنج ماڈل سے متعلق نہیں۔ یہ ایک ساختی اور ثقافتی چیلنج ہے۔ زیادہ تر ادارے انفرادی کاموں کی سطح پر حاصل ہونے والے فوائد تک محدود رہتے ہیں، کیونکہ ان کے ورک فلوز خودمختار نظاموں کے لیے ڈیزائن نہیں کیے گئے تھے۔
جو رہنما اس حقیقت کو سمجھ کر سوچے سمجھے انداز میں ازسرِنو ڈیزائن کریں گے، وہ کاروباری اداروں کی پیداواری صلاحیت کے اگلے دور کی تشکیل کریں گے۔
AI ہم آہنگ اداروں کو مضبوط کرتا ہے اور بکھرے ہوئے اداروں کے بکھراؤ کو بڑھاتا ہے۔ پہلے بنیاد مضبوط کریں۔ پھر دائرہ وسیع کریں۔
ایک عملی نکتہ
کاروباری اداروں کے لیے ایک محفوظ اور مربوط تہہ کی ضرورت
CIOs اور تبدیلی لانے والی ٹیموں کے ساتھ گفتگو میں ایک بات بار بار سامنے آتی ہے۔ کاروباری اداروں کو ایک اور الگ تھلگ معاون کی ضرورت نہیں۔ انہیں پیداواری صلاحیت بڑھانے والی ایک محفوظ، قابلِ آڈٹ اور گہرائی سے مربوط تہہ چاہیے، جو ایپلیکیشنز کو جوڑے، ڈیٹا کی حفاظت کرے، نظم و نگرانی کے تقاضوں سے ہم آہنگ ہو اور موجودہ نظاموں کو غیر مستحکم کیے بغیر ورک فلوز میں AI متعارف کرائے۔
گہرے انضمام، رازداری کو اولیت دینے والے نظامی ڈھانچے اور کاروباری اداروں کے معیار کی نگرانی کے ساتھ بنائے گئے پلیٹ فارمز غیر منظم AI کو خطرے سے تزویراتی برتری میں بدل دیتے ہیں۔ وہ انجینئرنگ کے اصولوں پر تیار کردہ سڑکوں کا وہ نظام فراہم کرتے ہیں جو Ferrari کو کبھی میسر نہیں تھا۔
Dvina کے پیچھے یہی فلسفہ ہے۔ اسے کسی انفرادی کام کے آلے یا الگ تھلگ ایجنٹ کے طور پر نہیں، بلکہ ورک فلوز کو سمجھنے والی، پیداواری صلاحیت بڑھانے کی تہہ کے طور پر ڈیزائن کیا گیا ہے۔ یہ ایپلیکیشنز کو یکجا کرتی ہے، حساس ڈیٹا کی حفاظت کرتی ہے اور ٹیموں کو اختیار برقرار رکھتے ہوئے ورک فلو کی سطح پر تبدیلی حاصل کرنے کے قابل بناتی ہے۔
آخری نکتہ
مستقبل ان کاروباری اداروں کا ہے جو درست سڑکیں بناتے ہیں
AI کی جانب منتقلی میں کامیاب وہ کاروباری ادارے نہیں ہوں گے جن کے پاس سب سے زیادہ ماڈلز ہوں گے۔ کامیاب وہ ہوں گے جو AI کے کام کرنے کے لیے سب سے محفوظ، واضح اور بدلتے تقاضوں کے مطابق ڈھلنے والے راستے بنائیں گے۔
جب ورک فلوز، نظم و نگرانی اور ڈیٹا کے بہاؤ میں ہم آہنگی آ جاتی ہے، تو AI ایک تجرباتی انجن کی طرح کام کرنا چھوڑ کر کاروباری ادارے کا حقیقی بنیادی ڈھانچہ بن جاتا ہے۔
مستقبل اُن اداروں کا نہیں جن کے انجن سب سے تیز ہیں۔ یہ اُن کا ہے جن کی سڑکیں سب سے مضبوط ہیں۔