OpenAI کے 800,000 سے زائد کام سے متعلق ChatGPT سوالات کے تجزیے سے پتہ چلتا ہے کہ 43.5% ماہرانہ سطح کی درخواستیں ایسے صارفین کے ذریعے ہینڈل کی جا رہی ہیں جو اپنے بنیادی پیشہ ورانہ کردار سے باہر ہیں۔ کمپنی اس رجحان کو "task crossover" کہتی ہے۔ یہ دریافت اس لیے اہم ہے کیونکہ یہ اس بات کا اشارہ ہے کہ کس طرح کاروبار مہارتوں کے لیے عملہ بھرتی کرتے ہیں اور افراد اپنی پیشہ ورانہ صلاحیتوں کی تعریف کرتے ہیں، اس میں تیزی سے تبدیلی آ رہی ہے۔

"task crossover" کے پیچھے موجود ڈیٹا

OpenAI نے امریکی پیشہ ورانہ ڈیٹا بیس O*NET کا استعمال کرتے ہوئے ہر سوال کو ایک معیاری پیشے کے ساتھ منسلک کیا۔ ای میل ڈرافٹ کرنے یا شیڈولنگ جیسی عام سرگرمیوں کو نکالنے کے بعد، اس مطالعے نے ان اعلیٰ سطح کی مہارتوں پر توجہ مرکوز کی جن کے لیے عام طور پر مخصوص شعبے کی تربیت کی ضرورت ہوتی ہے۔ باقی ماندہ سوالات میں سے تقریباً نصف میں ChatGPT سے ایسے فرائض انجام دینے کو کہا گیا جو صارف کے اپنے پیشہ ورانہ زمرے کے بجائے کسی دوسرے زمرے سے تعلق رکھتے تھے۔

یہ تبدیلی کہاں ہو رہی ہے

مارکیٹنگ اور انجینئرنگ میں یہ تبادلہ (crossover) تیزی سے بڑھ رہا ہے۔

  • مارکیٹنگ کے پیشہ ور افراد تکنیکی مسائل کے حل (troubleshooting) اور ڈیٹا کے تجزیے کے لیے ChatGPT کا سہارا لیتے ہیں—یہ وہ کام ہیں جو عام طور پر انجینئرز یا ڈیٹا سائنسدان سنبھالتے ہیں۔
  • انجینئرز ماڈل سے معاہدوں (contracts) کا جائزہ لینے اور ویب سائٹ کے مسائل حل کرنے کے لیے کہتے ہیں، یہ وہ کردار ہیں جو روایتی طور پر قانونی یا فرنٹ اینڈ ٹیموں کے پاس ہوتے ہیں۔

چھوٹے کاروبار اس رجحان کو مزید بڑھا رہے ہیں۔ ماہرین کے لیے محدود بجٹ کی وجہ سے، ایک ہی ملازم ChatGPT کو ایک "force multiplier" کے طور پر استعمال کر سکتا ہے، اور ایسے متعدد کاموں کو سنبھال سکتا ہے جن کے لیے عام طور پر کئی ملازمین کی ضرورت ہوتی۔

کام اور AI کے لیے یہ تبادلہ کیوں اہم ہے

ڈیٹا "specialist" سے "augmented generalist" کی طرف منتقلی کی نشاندہی کرتا ہے۔ جیسے جیسے prompt-crafting بذات خود ایک مہارت بنتی جا رہی ہے، گہرا اور محدود علم (siloed knowledge) اب AI سے لیس ہمہ گیر مہارت کے لیے جگہ چھوڑ سکتا ہے۔ بانیوں اور ڈویلپرز پر اب یہ دباؤ ہے کہ وہ Large Language Models کو محض متن کی تخلیق سے آگے لے جائیں اور قانون، مالیات یا انجینئرنگ میں اعلیٰ معیار کی منطقی استدلال (reasoning) فراہم کریں۔ تکنیکی کاموں کی رکاوٹوں کو کم کرنے سے بھرتی، تربیت اور یہاں تک کہ ملازمت کے عہدوں کی شکل بھی بدل سکتی ہے۔

خطرات اور مخالف دلائل

ہر کوئی اس تبدیلی کو قبول نہیں کر رہا۔ ناقدین خبردار کرتے ہیں کہ ماہرانہ کام AI کو سونپنے سے مہارت میں کمی آ سکتی ہے، پوشیدہ غلطیاں پیدا ہو سکتی ہیں، اور ادارے تعمیل کے خطرات (compliance risks) کا شکار ہو سکتے ہیں۔ یہ مطالعہ اس بات کا جائزہ نہیں لیتا کہ AI کے تیار کردہ نتائج کو کتنی بار درست کیا جاتا ہے، اور نہ ہی یہ معاہدہ سازی کے قانون یا انجینئرنگ ڈیزائن جیسے حساس شعبوں میں غلطیوں کے ممکنہ اخراجات کا تعین کرتا ہے۔ یہ خدشات بتاتے ہیں کہ اگرچہ AI صلاحیتوں میں اضافہ کر سکتا ہے، لیکن یہ مہارت کا ایک غلط احساس بھی پیدا کر سکتا ہے۔

آگے کیا دیکھنا ہے

  • ٹول کی ترقی (Tool development): مستقبل کے LLM اپ گریڈز کو task crossover کی ضروریات کو پورا کرنے کے لیے مخصوص شعبوں کی منطق اور غلطیوں کی جانچ میں بہتری لانی ہوگی۔
  • تنظیمی پالیسیاں: کمپنیاں AI کی مدد سے کیے جانے والے کام کے لیے نئی اندرونی ہدایات تیار کر سکتی ہیں، خاص طور پر ریگولیٹڈ سیکٹرز میں۔
  • لیبر مارکیٹ کے اشارے: بھرتی کرنے والے "AI-augmented generalist" کو ایک مہارت کے طور پر فہرست میں شامل کرنا شروع کر سکتے ہیں، اور تربیتی پروگرام پرامپٹ انجینئرنگ کی مہارتوں کی طرف مڑ سکتے ہیں۔

اہم نکات

  • Task crossover ماہرانہ سوالات کا 43.5% حصہ ہے، جو پیشہ ورانہ فرائض کے بڑے حد تک باہم ملاپ کی نشاندہی کرتا ہے۔
  • مارکیٹنگ اور انجینئرنگ اس تبدیلی کی قیادت کر رہے ہیں، وہ AI کو ان کاموں کے لیے استعمال کر رہے ہیں جو روایتی طور پر دیگر شعبوں سے تعلق رکھتے ہیں۔
  • چھوٹے کاروبار ٹیلنٹ کی کمی کو پورا کرنے کے لیے AI پر بھروسہ کرتے ہیں، جس سے ایک ہی ملازم مؤثر طریقے سے ایک کثیر الشعبہ (multi-disciplinary) آپریٹر بن جاتا ہے۔
  • یہ رجحان مواقع اور خطرات دونوں پیدا کرتا ہے، جس کے نتیجے میں مضبوط AI تصدیق اور کام کی نئی اقدار (norms) کے مطالبات سامنے آ رہے ہیں۔