کچھ کمپنیوں میں AI ٹوکنز کا سالانہ بل انجینئرنگ پے رول کا مقابلہ کرنے لگا ہے، اور قیادت اس بات سے پریشان ہے کہ اسے جشن منانا چاہیے یا گھبرانا چاہیے۔ اداروں نے گزشتہ چند سال بڑے لینگویج ماڈلز (large language models) میں سرمایہ کاری کرنے میں گزارے ہیں، اس امید کے ساتھ کہ سستی انفرنس خود بخود عملے کی کم تعداد اور تیز تر شپنگ سائیکلز میں تبدیل ہو جائے گی۔ اس کے بجائے، بہت سے انجینئرنگ ادارے خود کو دو بار ادائیگی کرتے ہوئے پا رہے ہیں: ایک بار اس ٹیلنٹ کے لیے جس میں وہ اضافہ کرنا چاہتے تھے، اور دوسری بار اس کمپیوٹ کے لیے جو انہیں تبدیل کرنے کے لیے تھا۔ سوال اب یہ نہیں ہے کہ کیا AI کوڈ لکھ سکتا ہے۔ سوال یہ ہے کہ کیا اس کے ذریعے لکھا گیا کوڈ اس بھاری رقم کا جواز پیش کرتا ہے جو اسے تیار کرنے میں خرچ کی جا رہی ہے۔

The Half-Salary Benchmark

جینسن ہوانگ نے GTC 2026 کے اختتام پر All-In Podcast میں بات کرتے ہوئے اس حساب کتاب کو صاف طور پر بیان کیا۔ Nvidia کے CEO نے ایک انجینئر کی کارکردگی کو ان کی تنخواہ کا براہ راست ان کے AI ٹوکن کے استعمال سے موازنہ کر کے ماپنے کی تجویز دی۔ ان کی حد بہت واضح تھی۔ فرض کریں ایک سافٹ ویئر انجینئر سالانہ $500,000 کما رہا ہے۔ اگر وہ انجینئر سالانہ $250,000 سے کم کے ٹوکنز استعمال کرتا ہے، جو کہ تقریباً ان کی آدھی تنخواہ ہے، تو ہوانگ اسے ایک انتباہی علامت سمجھتے ہیں۔ ان کے الفاظ میں، قیادت کو "شدید تشویش" ہونی چاہیے، اس لیے نہیں کہ کمپنی لوگوں پر ضرورت سے زیادہ خرچ کر رہی ہے، بلکہ اس لیے کہ وہ غالباً ان کا صحیح استعمال نہیں کر رہی ہے۔

یہ منطق روایتی لاگت کنٹرول کے طرزِ عمل کو الٹ دیتی ہے۔ برسوں سے، فنانس ٹیمیں کمپیوٹ کو ایک متغیر اخراجات (variable expense) کے طور پر دیکھتی تھیں جسے کم سے کم کیا جانا چاہیے۔ ہوانگ اس کے برعکس دلیل دیتے ہیں۔ ایک مہنگا انجینئر جو بمشکل کسی ماڈل کو چھوتا ہے، وہ ایک ایسا مہنگا انجینئر ہے جو کسی فورس ملٹی پلائر (force multiplier) کے بغیر کام کر رہا ہے۔ توقع یہ ہے کہ اعلیٰ درجے کا ٹیلنٹ ایک فنل کے طور پر کام کرے، AI سسٹمز کے ذریعے کام کا بہت بڑا حجم آگے بڑھائے، آؤٹ پٹ کا جائزہ لے، اور نتائج کو منظم کرے۔ کم ٹوکن خرچ کرنا کفایت شعاری کی علامت نہیں ہے۔ یہ اس بات کا اشارہ ہے کہ انسان اب بھی وہی مشینی کام کر رہا ہے جو ایک ماڈل سنبھال سکتا تھا۔

What That Spend Looks Like in Practice

یہ سمجھنے کے لیے کہ یہ معیار کیوں اہم ہے، اس بات پر غور کریں کہ $250,000 کے ٹوکنز اصل میں کیا ظاہر کرتے ہیں۔ موجودہ ریٹس پر، یہ محض چند آٹو کمپلیٹ تجاویز نہیں ہیں۔ یہ مختلف کاموں کے لیے ہر ورکنگ ڈے میں پروسیس ہونے والے لاکھوں ٹوکنز ہیں۔ یہ ایک ایسے انجینئر کی نشاندہی کرتا ہے جو محض ایڈیٹر کی تکمیل کو قبول نہیں کر رہا بلکہ وسیع پیمانے پر آرکیٹیکچرل ریزننگ (architectural reasoning)، ذہین ایجنٹس کے ذریعے بلک ریفیکٹرنگ (bulk refactoring)، خودکار ٹیسٹنگ پائپ لائنز، سنتھیٹک ڈیٹا جنریشن، اور تکراری ڈیزائن کی تلاش (iterative design exploration) کر رہا ہے۔

اس طرح کام کرنے والا ایک سینئر انجینئر کسی ایک فیچر کے لیے متعدد ماڈل کالز کو ایک ساتھ جوڑ سکتا ہے: اسکیفولڈنگ (scaffolding) تیار کرنا، تبدیلیوں کے لیے ڈیپینڈنسیز کا تجزیہ کرنا، ایج کیس (edge-case) رویے کی سیمولیشن کرنا، اور متوازی طور پر دستاویزات تیار کرنا۔ اس کی پیداواری صلاحیت (throughput) بہت زیادہ ہے کیونکہ انسان اب ہر لائن ٹائپ نہیں کر رہا۔ وہ صرف سمت دے رہا ہے۔ ہوانگ کے لیے، تنخواہ کا جواز صرف اسی وقت پورا ہوتا ہے جب انسان اس پیمانے پر کام کرے، اور مسلسل ماڈل کے ساتھ تعامل کے ذریعے اپنی پیداوار کو کئی گنا بڑھا دے۔

Where the Returns Go Missing

اس وژن کے باوجود، صنعت انفراسٹرکچر کے اخراجات اور حاصل شدہ نتائج کے درمیان بڑھتے ہوئے فرق کا سامنا کر رہی ہے۔ کمپنیوں نے ٹوکن پر مبنی حکمت عملیوں میں تیزی سے قدم رکھا ہے، AI فراہم کرنے والوں کے ساتھ انٹرپرائز معاہدے کیے ہیں اور اپنے ڈویلپمنٹ پائپ لائنز کو جنریٹو ٹولز کے مطابق ڈھال لیا ہے۔ سرمایہ کاری (capital expenditure) حیران کن رہی ہے۔ بہت سے لوگوں کے لیے، پیداواری منافع مایوس کن رہا ہے۔

ڈویلپرز واقعی بورنگ کاموں میں تیز ہو گئے ہیں۔ بوائلر پلیٹ کوڈ (Boilerplate code)، یونٹ ٹیسٹ اسکیلیٹن، اور بار بار ہونے والے CRUD آپریشنز اس وقت تیزی سے مکمل ہو جاتے ہیں جب ماڈل پہلا ڈرافٹ تیار کر دیتا ہے۔ لیکن سافٹ ویئر انجینئرنگ کبھی بھی ٹائپنگ کی رفتار کے بارے میں نہیں تھی۔ اصل مشکل اور مہنگا کام پھیلے ہوئے سسٹمز کو برقرار رکھنا، تقسیم شدہ ناکامیوں (distributed failure modes) کے ذریعے منطق تلاش کرنا، تہوں میں موجود ڈیپینڈنسیز کے ذریعے سیکیورٹی کو یقینی بنانا، اور اس ٹیکنیکل ڈیٹ (technical debt) کو سنبھالنا ہے جو ہر شارٹ کٹ کے ساتھ بڑھتی جاتی ہے۔ یہ