AI کے بارے میں Big Four سے گفتگو شروع کی تو ہم نے کیا سیکھا

Muhammed Gider
4 منٹ میں پڑھیں • 
جب ہم نے Big Four کے بینکاری کے مختلف کاموں میں AI نافذ کیا تو معلوم ہوا کہ اصل رکاوٹ ٹولز نہیں، ذہنی بوجھ تھا۔ جب ہم نے آٹومیشن کے بجائے بڑے پیمانے پر انسانی فیصلہ سازی کو سہارا دینے والے نظام بنانا شروع کیے تو کیا بدلا؟

جب ہم نے پہلی بار Big Four سے AI کے بارے میں بات کرنا شروع کی تو گفتگو حیرت انگیز تیزی سے آگے بڑھی۔ نہ طویل تعارف کی ضرورت پڑی، نہ یہ سمجھانے کی کہ AI کیوں اہم ہے۔ تقریباً فوراً ہی پارٹنرز اور سینئر کنسلٹنٹس بتانے لگے کہ ان کا وقت دراصل کہاں صرف ہو رہا تھا۔ فیصلہ سازی یا گہری سمجھ حاصل کرنے پر نہیں، بلکہ تیاری پر۔ مختلف سسٹمز سے ڈیٹا نکالنے پر۔ اعداد و شمار کو باہم ملانے پر۔ یہ یقینی بنانے پر کہ تجزیے داخلی معیارات کے مطابق ہوں، اس سے پہلے کہ کوئی یہ سوچنا بھی شروع کر سکے کہ نتائج کا مطلب کیا ہے۔

ہماری توجہ اس بات نے کھینچی کہ ان میں سے کوئی بھی کام غیر اہم نہیں تھا۔ یہ سب ضروری تھا۔ لیکن تھکا دینے والا بھی تھا۔ انتہائی تجربہ کار لوگ اپنے دن کا بڑا حصہ صرف اس مرحلے تک پہنچنے کی کوشش میں گزار رہے تھے جہاں اصل سوچ بچار شروع ہو سکے۔

گفتگو آگے بڑھی تو انہوں نے درجنوں سے بھی زیادہ ایسے کاموں کی نشاندہی کی جن میں AI کردار ادا کر سکتا تھا۔ رپورٹنگ، ضوابط کی پابندی، مالیاتی کنٹرول، ٹیکس کا تجزیہ، داخلی جائزے۔ بظاہر یہ آٹومیشن کا ایک روایتی مسئلہ لگتا تھا۔ لیکن ایسا نہیں تھا۔

ان میں سے زیادہ تر کاموں کے لیے ٹولز، ٹیمپلیٹس اور جزوی آٹومیشن پہلے ہی موجود تھے۔ کام کی رفتار کم کرنے والی رکاوٹیں مراحل کے درمیان تھیں۔ ایک کام کے سیاق سے دوسرے میں منتقل ہونا۔ مختلف نتائج کو باہم ملانا۔ بکھری ہوئی معلومات پر یکساں انداز میں اپنی ماہرانہ رائے کا اطلاق کرنا۔ اصل قیمت صرف وقت کی نہیں تھی، بلکہ ذہنی بوجھ کی تھی۔

یہیں ہمارا زاویۂ نظر بدل گیا۔

یہ پوچھنے کے بجائے کہ AI پورا کام ابتدا سے انتہا تک کیسے کر سکتا ہے، ہم نے پوچھنا شروع کیا کہ وہ کام کرنے والوں کی مدد کیسے کر سکتا ہے۔ کیا ہو اگر AI اختیار چھینے بغیر کام کے وہ حصے سنبھال لے جو توانائی صرف کر دیتے ہیں؟ کیا ہو اگر وہ منظم مسودے تیار کرے، عدم مطابقت کی نشاندہی کرے اور اپنی دلیل واضح کرے، تاکہ ماہرین تیاری کے بجائے فیصلہ سازی پر توجہ دے سکیں؟

جب اس طریقۂ کار پر عمل شروع ہوا تو اس کا اثر واضح طور پر محسوس ہونے لگا۔

مختلف ٹیموں میں بار بار کیے جانے والے تجزیاتی کام کی تکمیل کا دورانیہ 80 سے 90 فیصد کم ہو گیا۔ دستی طور پر کام کرتے ہوئے ہونے والی غلطیاں تیزی سے کم ہوئیں، خاص طور پر ان کاموں میں جن میں حسابات کو باہم ملانے کی ضرورت زیادہ تھی۔ اتنی ہی اہم بات یہ تھی کہ ان ٹیموں کے نتائج میں زیادہ یکسانیت آ گئی جو پہلے ایک ہی کام قدرے مختلف طریقوں سے کرتی تھیں۔ اوسطاً کنسلٹنٹس کو ہر ماہ تقریباً 40 سے 50 گھنٹے واپس ملے، جنہیں اب زیادہ اہم سوچ بچار پر صرف کیا جا سکتا تھا۔

لیکن سب سے دلچسپ تبدیلی اعداد و شمار میں نہیں تھی۔

تبدیلی اس انداز میں تھی جس سے لوگ اپنے کام کے بارے میں بات کرتے تھے۔ جائزے زیادہ پُرسکون ہو گئے۔ گفتگو زیادہ مرکوز ہو گئی۔ سینئر جائزہ کار یہ جانچنے میں کم وقت صرف کرنے لگے کہ سب کچھ درست ہے یا نہیں، اور اس بات پر گفتگو میں زیادہ وقت دینے لگے کہ نتائج کا اصل مطلب کیا ہے۔

وقت کے ساتھ یہ نظام ایسا ٹول محسوس ہونا بند ہو گیا جسے استعمال کرنا لوگوں کے لیے ضروری ہو۔ اس کے بجائے یہ کام کرنے کا ایک مشترکہ طریقہ محسوس ہونے لگا، جو خاموشی سے سیکھ رہا تھا کہ فیصلے کیسے کیے جاتے ہیں اور آئندہ تجزیوں میں اسی کی عکاسی کر رہا تھا۔

اس تجربے نے اس یقین کو بھی تقویت دی جو ہمیں ایک عرصے سے رہا ہے۔ زیادہ عمومی ذہانت کی جانب پیش رفت ان نظاموں سے نہیں ہو گی جو پیچیدہ شعبوں میں ماہرین کی جگہ لینے کی کوشش کرتے ہیں۔ یہ ان نظاموں سے ہو گی جو ماہرین کی سوچ کے راستے میں رکاوٹیں کم کریں اور اسے تقویت دیں۔

ان مشترکہ منصوبوں میں AI نے خودمختار ہونے سے نہیں، بلکہ تعاون کرنے سے قدر پیدا کی۔ اس نے لوگوں کی جگہ فیصلے نہیں کیے۔ اس نے انہیں بہتر فیصلے زیادہ تیزی سے کرنے میں مدد دی۔

اگر اس بات کا کوئی ابتدائی اشارہ ہے کہ AGI جیسے نظام سب سے پہلے کہاں اہم ثابت ہوں گے، تو وہ یہیں ہے۔ مکمل خودکاری میں نہیں، بلکہ بڑے پیمانے پر انسانی فیصلہ سازی کو سہارا دینے میں۔

خودکاری سے صلاحیتوں کو تقویت دینے کی طرف یہی تبدیلی تھی جس نے فرق پیدا کیا۔

Dvina میں شامل ہوں

مفت سائن اپ کریں اور اپنے تمام ٹولز ایک سادہ ورک اسپیس میں یکجا کریں۔

مزید دیکھیں