OpenAI کا امریکی پیشہ ور افراد کی جانب سے بھیجے گئے 800,000 ChatGPT پیغامات کا تجزیہ ظاہر کرتا ہے کہ تقریباً چھ میں سے ایک کام سے متعلقہ پرامپٹ اب ماڈل سے ایسے کام کرنے کو کہتے ہیں جو روایتی طور پر کسی دوسرے پیشے سے تعلق رکھتے ہیں۔ اگر معمول کی تحریر اور خلاصہ نگاری کو نکال دیا جائے، تو یہ ہندسہ بڑھ کر 43.5% ہو جاتا ہے۔ یہ تبدیلی پہلے ہی اس بات کو نئی شکل دے رہی ہے کہ ملازمین اپنا دن کیسے گزارتے ہیں، اور یہ چھوٹی ترین فرموں کے لیے سب سے زیادہ اہمیت رکھتی ہے، جہاں ہر اضافی مہارت کسی ماہر کے انتظار میں لگنے والے ہفتوں کی بچت کر سکتی ہے۔

یہ اعداد و شمار کیوں اہم ہیں

مطالعہ سے پتہ چلا ہے کہ مختلف شعبوں کے درمیان درخواستیں مخصوص کاموں میں مرکوز ہیں۔ مارکیٹنگ اور انجینئرنگ اس فہرست میں سب سے آگے ہیں، جہاں دیگر کرداروں کے پیغامات میں سے 8.9% میں مارکیٹنگ سے متعلقہ سوالات شامل تھے—جو کہ ڈیٹا سیٹ میں سب سے زیادہ شرح ہے۔ ایک سیلز پرسن ChatGPT سے کسٹمر لائف ٹائم ویلیو (customer-lifetime-value) کے اعداد و شمار نکالنے کا کہہ سکتا ہے جو عام طور پر ایک ڈیٹا اینالسٹ کرتا ہے، جبکہ ایک مارکیٹر انجینئر کو شامل کرنے سے پہلے ہی کسی ٹوٹے ہوئے لنک کی خرابی دور کر سکتا ہے یا آن پیج SEO میں تبدیلی کر سکتا ہے۔

چھوٹے کاروباری مالکان کے لیے اس کا اثر زیادہ واضح ہے۔ مالکان اب قانونی جائزے کے نوٹس تیار کر رہے ہیں، فوری مالیاتی پیشگوئیوں کا انتظام کر رہے ہیں، اور ایسے عارضی تجزیے (ad-hoc analysis) کر رہے ہیں جن کے لیے پہلے وکیل یا CFO کی ضرورت ہوتی ہے۔ دو سے پانچ افراد کی ٹیموں میں، 18.9% AI سے تیار کردہ کام ملازم کے بنیادی کردار سے باہر ہوتے ہیں، جبکہ سو سے زیادہ عملے والی بڑی کمپنیوں میں یہ شرح 16.3% ہے۔ حساب کتاب سادہ ہے: بڑی فرمیں درخواست کو کسی مخصوص ساتھی کو بھیج سکتی ہیں؛ جبکہ چھوٹی تنظیموں کو مسئلہ خود ہی حل کرنا پڑتا ہے۔

فائدہ: رفتار اور بہتر طریقے سے کام کی منتقلی

جب کوئی ملازم ابتدائی تجزیہ یا قانونی خلاصے کا ایک کچا مسودہ تیار کرتا ہے، تو ماہر کو کام سونپنا زیادہ تیز اور زیادہ مرکوز ہو جاتا ہے۔ ماہر کو مسئلے کا زیادہ واضح بیان، بہتر طور پر تیار کردہ ڈیٹا، اور "براہ کرم وضاحت کریں کہ آپ کو کیا چاہیے" والے ای میلز سے نجات ملتی ہے۔ اس سے انتظار کا وقت کم ہوتا ہے، اندرونی رکاوٹیں کم ہوتی ہیں، اور درخواست کے معیار میں اضافہ ہوتا ہے۔

خطرے میں کیا ہے

مطالعہ یہ دعویٰ نہیں کرتا کہ AI ماہرین کو غیر ضروری بنا دے گا۔ یہ ٹیکنالوجی کو ایک فرنٹ لائن ریسپانڈر (front-line responder) کے طور پر پیش کرتا ہے جو مسئلے کو اس کے اصل منبع کے قریب لے آتا ہے۔

کمپنیاں کیسے خود کو ڈھال سکتی ہیں

  • فیصلے کے مقامات کی نشاندہی کریں – اس جگہ کی نشاندہی کریں جہاں عام طور پر کوئی درخواست رک جاتی ہے اور آزمائیں کہ آیا AI ایک قابلِ استعمال پہلا مسودہ تیار کر سکتا ہے۔
  • اختیارات کی حدود متعین کریں – یہ واضح کریں کہ کن نتائج کے لیے کسی اہل پیشہ ور سے منظوری لینا ضروری ہے۔
  • نئی مہارتوں کے لیے تربیت دیں – پرامپٹنگ، AI کی تجاویز کی تشریح کرنے، اور ممکنہ غلطیوں کو پہچاننے کے بارے میں مختصر تربیت (micro-learning) فراہم کریں۔
  • اثرات کی پیمائش کریں – کام کی منتقلی پر بچنے والے وقت کا موازنہ غلطیوں کی شرح یا دوبارہ کام کرنے کی ضرورت میں اضافے سے کریں۔

چھوٹی بمقابلہ بڑی تنظیمیں: مختلف راستے

اگلا مرحلہ

OpenAI کا ڈیٹا ایک ایسی مشق کو ظاہر کرتا ہے جو تیزی سے ارتقاء پذیر ہے۔ جیسے جیسے ماڈلز زیادہ قابلِ اعتماد اور مخصوص شعبوں کے لیے مخصوص ہوتے جائیں گے، مختلف شعبوں کے درمیان کاموں کا حصہ غالباً بڑھتا جائے گا۔ وہ تنظیمیں جو AI کو ورک فلو کی دوبارہ تشکیل کے لیے ایک محرک کے بجائے محض ایک پیداواری ٹول کے طور پر دیکھتی ہیں، ان کے پیچھے رہ جانے کا خطرہ ہے۔ وہ جو ابھی سے عمل کو دوبارہ ترتیب دے رہے ہیں—یہ فیصلہ کرتے ہوئے کہ کون سے فیصلے انسان کریں گے اور کن میں AI کی مدد لی جا سکتی ہے—وہ تیز رفتار سائیکل اور زیادہ چست ٹیموں کے مالک بنیں گے۔

خلاصہ: AI پہلے ہی مسئلے کے حل کا پہلا قدم اس کے اصل منبع کی طرف منتقل کر رہا ہے، خاص طور پر چھوٹے کاروباروں میں جہاں ہر اضافی صلاحیت تاخیر کو کم کرتی ہے۔ اصل فائدہ ملازمتوں کے نام بدلنے سے نہیں، بلکہ اس پر دوبارہ غور کرنے سے آتا ہے کہ کون کیا کرتا ہے، اور کہاں ایک مشین محفوظ طریقے سے مداخلت کر سکتی ہے۔