برکتیں اس تک جاری رہیں گی جب تک کہ ہم AI کا استعمال کرنا نہیں سیکھ لیتے
مصنف: ارنو گوپتا، AI انجینئر
باؤ یو، AI تجزیہ کار

ہماری کمپنی کے اعلیٰ انتظامی دفتر میں، کہیں 8000 افراد کی بے روزگاری کی فہرست پڑی ہوئی ہے۔ میرا اس فہرست میں 10 فیصد کا امکان ہے۔ کچھ دن بعد، 20 مئی کو، میں اپنی قسمت جان لوں گا۔

آج کوین بیس کی طرف سے "AI سے ملازمین کو برطرف کیا جانا" کے اعلان کو دیکھ کر، میں نے یہ مضمون لکھنا شروع کر دیا۔ میں نے جان بوجھ کر 20 مئی سے پہلے لکھنا شروع کیا، کیونکہ میں اپنے سب سے سچے خیالات شیئر کرنا چاہتا ہوں، جن میں "میں جاؤں یا رہوں" کا کوئی ذاتی جذبہ نہ ہو۔ یہ خیالات صرف میرے برطرف ہونے یا نہ ہونے سے متعلق نہیں، بلکہ صرف میری کمپنی تک محدود نہیں۔ یہ میرے دوستوں کے حقیقی جذبات ہیں جو بڑی اور درمیانی سائز کی کمپنیوں میں کام کرتے ہیں۔

اب بہت سارے مقالات میں بحث ہو رہی ہے کہ اس نئی بھیڑِ بے روزگاری (جو عام طور پر جیک ڈورسی کے سکوائر کے 40 فیصد ملازمین کو بے روزگار کرنے سے شروع ہوئی) کا سبب AI ہے یا صرف "AI واشنگ" (جس میں کاروبار AI کے نام پر دوسرے تجارتی ناکامیوں یا بے روزگاری کے اصل مقاصد کو چھپاتے ہیں) کر رہے ہیں۔

میں آپ کو تکلیف دینے کے لیے آرٹیکل میں مختلف خبروں اور تحقیقی مقالوں کے لنکس بھرنا نہیں چاہتا، یہ مواد آپ پہلے ہی دیکھ چکے ہو سکتے ہیں، یا صرف گوگل پر سرچ کرکے یا ChatGPT سے پوچھ کر حاصل کیے جا سکتے ہیں۔

بہت سارے لوگوں کے دعووں والی "AI پیداواریت" اور مشکل سے ثابت ہونے والی گواہی

کیا AI واقعی ہمیں زیادہ موثر بنارہا ہے؟ یہ ایک بہت بڑا اور تنازعاتی سوال ہے! اگر ہم اس کا اُلٹا سوچیں اور دعویٰ کریں کہ "AI نے کچھ بھی نہیں بدلیا"، تو مجھے لگتا ہے کہ AI کی قدر کے سب سے زیادہ شک کرنے والے لوگ بھی اس بات سے متفق نہیں ہوں گے۔

خاص طور پر ٹیک کمپنیوں میں، AI کے استعمال میں راکٹ کی طرح تیزی سے اضافہ ایک واضح حقیقت ہے۔ حتیٰ کہ وہ سب سے زیادہ محتاط کمپنیاں جو AI کے لیے بجٹ محدود کرتی ہیں اور ملازمین کو AI ٹولز فراہم نہیں کرتیں، بھی انکار نہیں کر سکتیں کہ کچھ کام حقیقت میں AI نے کیے ہیں — چاہے ملازمین صرف گوگل یا مائیکروسافٹ آفس سوٹ میں جنیمین یا کوپائلٹ کا استعمال کرتے ہوئے دستاویزات کو ایڈٹ کر رہے ہوں۔

جس طرح کی کمپنیاں جو زیادہ بیناہر ہیں اور AI ٹوکن (ٹوکن) کے سمندر میں ڈوب گئی ہیں — جیسے یوبیر یا شاپیفی — ان کا AI استعمال بے حد بڑھ گیا ہے (میں وہ کمپنیاں نہیں شامل کر رہا جو اپنے AI ماڈلز تیار کرتی ہیں جیسے میٹا یا مائیکروسافٹ، اور نہ ہی وہ جو AI انفراسٹرکچر کو فعال طور پر تعمیر کر رہی ہیں جیسے ورسیل یا کلاؤڈفلیر؛ صرف خالص "صارفین" کے بارے میں بات کر رہا ہوں)۔

ہم نے اسے عام بات بنالیا ہے: 90% سے 100% تک کوڈ AI کے ذریعے تیار کیا جاتا ہے، ہفتہ وار جمع کرائے جانے والے کوڈ ریویو (PRs/diffs) کی تعداد 2 سے 5 گنا بڑھ جاتی ہے، اور سالانہ AI بجٹ جو کہ اربوں ڈالر کا ہے، صرف کچھ ماہوں میں ختم ہو جاتا ہے۔

تاہم، ٹیک کمنٹیٹرز اور سرمایہ کار جیسے ایڈ زٹرون، وِل مینیدس، گری مارکس اور مائیکل بیری، آپ سے ایک ایسا سوال ضرور پوچھیں گے جو روح کو چھوتا ہے: اگر یہی بات ہے، تو ان کمپنیوں کی آمدنی کیوں دو سے پانچ گناں نہیں بڑھی؟ ان کے ایپس کیوں تقریباً چھ ماہ پہلے کے جیسے ہی دکھائی دے رہے ہیں؟ اگر AI واقعی اتنی پیداواری ہے، تو انہوں نے AI سے کیا پیدا کیا؟ اگر انہوں نے پانچ گناں زیادہ کوڈ لکھا ہے، لیکن آخری صارفین کو کچھ محسوس نہیں ہوا، تو ان کوڈز کا کیا مطلب ہے؟ یہ انتہائی تیز اور منطقی سوال ہے۔

انپٹ، آؤٹپٹ اور نتیجہ

ہمیں پہلے کچھ بنیادی کاروباری انتظام کی تربیت دینی ہوگی۔ جب ایک تیزی سے ترقی کر رہی، زیادہ فنڈنگ حاصل کر چکی اور پیسہ بکھیر رہی میڈیم سائز کی کمپنی کو فنڈز کا خاتمہ ہونے لگے، تو آپ ایک تجربہ کار سی ای او سے مشورہ لیتے ہیں۔ وہ آپ کو مکینزی کے لوگوں کو حالت دیکھنے کے لیے بلانے کی تجویز دے گا۔ مشورہ کنندہ پریزنٹیشن کے پہلے صفحے پر ایک خالص سفید سلائیڈ رکھ دیں گے، جس پر ڈیفالٹ Arial فونٹ میں تین الفاظ لکھے ہوں گے: "انپٹ، آؤٹپٹ، رزلٹس"۔

وہ تمہیں ایک ایسے کاروباری اصول کی وضاحت کریں گے جو سب جانتے ہیں لیکن ہمیشہ بھول جاتے ہیں:

کوڈ، صرف ایک سرمایہ کاری ہے۔

کارکردگی، ہی پیداوار ہے۔

صارف اپنے مصنوعات کے لیے خوشی سے پیسہ خرچ کرتا ہے، یہی کامیابی ہے۔

AI (یا کم از کم Claude کی کاروباری ورژن جیسے پروڈکٹ) بنیادی طور پر ایک بزنس کے لیے سافٹ ویئر سروس (B2B SaaS) پروڈکٹ ہے۔ آپ پائیں گے کہ SaaS پروڈکٹس کی قیمت گذاری اور مارکیٹنگ کے طریقے مختلف ہوتے ہیں۔ اگر کوئی پروڈکٹ "نتائج" کو ب без تبدیل کر سکتا ہے، تو وہ عام طور پر "نتائج" سے فیصد لیتے ہیں۔ ایسی فروخت کی بات یاد کریں: "ہمارا ٹول آپ کو سلز لیڈس کو 36% زیادہ تیزی سے حاصل کرنے میں مدد دے گا۔ صرف فروخت کے 5% کا معمولی سروس فیس ادا کرکے فوراً تجربہ کریں۔"

یہ بالکل کسٹمر کو شکست دے دے گا۔ دیگر شرائط ایک جیسے رہنے پر، اگر آپ نے پچھلے 100 دنوں میں 100 سودا کیا، تو اب آپ کو صرف 63 دن لگیں گے۔ بچے ہوئے 36 دن (اگر میں درست گنتی کر رہا ہوں) آپ کو مزید 57 سودوں کے لیے دے سکتے ہیں! یعنی آپ کی فروخت میں ممکنہ طور پر 57% کا اضافہ ہو گا۔ کوئی بھی اپنی فروخت کمیشن میں سے 5% دینے کو تیار ہو جائے گا تاکہ 57% زیادہ آمدنی حاصل کر سکے۔ اور اگر آپ اس پروڈکٹ کا استعمال نہیں کرتے، تو آپ کو ایک بھی پیسہ ادا نہیں کرنا پڑتا۔

آپ نے شاید اندازہ لگا لیا ہے کہ میں کیا کہنا چاہ رہا ہوں — کلود کا ٹوکن استعمال کرنے کا ادائیگی کا طریقہ بالکل ایسا نہیں ہے۔ اگر آپ کا سافٹ ویئر انجینئر کلود کے ساتھ پروگرامنگ کرنے میں ایسی مبتلا ہو جائے جیسے کوئی جسمانی دوا استعمال کر رہا ہو (میں نے ابھی تک دریافت کیا ہے کہ دونوں کے انگریزی مخفف 'cc' ہیں)، اور وہ روزانہ 100 ملین ٹوکنز پیدا کرے، تو آپ کو ہر انجینئر کے لیے روزانہ 100 امریکی ڈالر ادا کرنے پڑیں گے۔

اگرچہ ان کے ذریعہ تخلیق کردہ کوڈ کا ایک حصہ جو کام نہیں کرتا تھا، گندے کے ڈبے میں ڈال دیا گیا؛

اگرچہ کچھ کوڈز نے بعد میں سنگین سسٹم خرابی (SEV) (SEV کا مطلب Severity ہے، جو ٹیک کمپنیاں خدمات کے قطع ہونے والے سنگین آن لائن حادثات کے لیے استعمال کرتی ہیں) کا سبب بن گئے اور انہیں فوری طور پر واپس کر دیا گیا؛

حتی اگر کچھ کوڈ باقی ہے، صرف اندر کے ٹولز کو دوبارہ ڈیزائن کرنے کے لیے، تاکہ وائس پریزیڈنٹس ڈیٹا ڈیش بورڈ دیکھتے وقت اسے زیادہ پیارا محسوس کریں؛

سب کچھ ادا کرنا ہوگا۔ کیونکہ کوڈ صرف "انvestment" ہے۔ عام طور پر، اگر راستہ صحیح ہو، تو زیادہ "انvestment" عام طور پر زیادہ "output" اور بہتر "result" کی طرف لے جاتا ہے۔ لیکن جب آپ ایک رات میں اپنی "انvestment" کو پانچ گنا کر دیں، تو یہ قانون ضروری طور پر لاگو نہیں ہوتا۔ آپ جو "انvestment" بڑھاتے ہیں، وہ اچانک بے ہودہ مکھیوں کی طرح بن سکتی ہے اور متوقع "output" یا "result" سے مکمل طور پر الگ ہو سکتی ہے۔

ہمیں کیا روک رہا ہے!

گزشتہ زمانے میں، جب بھی سی ای او یا پروڈکٹ مینیجر (پی ایم) 10 چیزوں کو کرنا چاہتے تھے، تو ڈویلپمنٹ ٹیم ہمیشہ کہتی تھی کہ وہ صرف سب سے اہم دو چیزوں کو ہی کر سکتے ہیں، باقی 8 چیزیں کرنے کا وقت نہیں۔ وجہ کیا تھی؟ کیونکہ کوڈ لکھنا بچوں کا کھیل نہیں ہے، ایک پیچیدہ اور کام کرنے والے سافٹ ویئر کو تیار کرنے میں بہت زیادہ وقت لگتا ہے۔

اچھا... لیکن اب کوڈ تقریباً مفت ہے۔ تو پھر ہم باقی 8 چیزوں کو کیوں نہیں کر رہے؟

دو جوابات ہیں: ایک وہ ہے جو سی ای او اور پروڈکٹ منیجر پسند نہیں کرتے؛ دوسرا وہ ہے جو مڈل مینجمنٹ اور تجربہ کار ملازمین پسند نہیں کرتے۔

سی ای او یا پروڈکٹ مینیجر کے ذہن میں صرف 10 خیالات آنا، اس بات کا مطلب نہیں کہ وہ حقیقی کاروباری نتائج میں تبدیل ہو جائیں گے۔ اگر آپ واقعی 10 نئے فیچرز بنانے میں کامیاب ہو جائیں (پیداوار)، تو یہ ضروری نہیں کہ صارفین انہیں قبول کریں اور اپنے ایپ کا استعمال بڑھائیں (نتیجہ)۔

درحقیقت، کیونکہ پہلے وسائل محدود تھے، اس "خرابی" نے لوگوں کو زیادہ شدید بحثوں پر مجبور کیا، جس سے برے خیالات کے زیادہ سے زیادہ وسائل کھانے سے پہلے ہی انہیں ختم کر دیا جاتا تھا اور بہترین دو خیالات منتخب کر لیے جاتے تھے۔ اب، کوڈ لکھنا تیز اور سستا ہو گیا ہے، اس لیے خیالات کی اچھائی یا برائی پر بحث کرنا لگتا ہے کہ بے معنی ہے۔ اگرچہ آپ ان کا جواب دینے کی کوشش کریں، لیکن کیا آپ سوچتے ہیں کہ آپ CEO یا PM کو روک سکتے ہیں جب وہ خود Claude سے درخواست کرنا شروع کر دیں؟ بس چھوڑ دیں، کوشش بھی مت کریں۔

ہم سب جانتے ہیں کہ یہ کتنا تکلیف دہ ہے۔ پہلے تمام متعلقہ افراد کو اس کی "وجہ" پر اتفاق رائے حاصل کرنا ہوگا؛ پھر الگ اجلاس منعقد کرنا ہوگا تاکہ "کیا" کیا جائے، اس پر بات چیت ہو سکے؛ اور آخر میں، "کیسے" کیا جائے، اس پر بھی تبادلہ خیال کرنا ہوگا۔

جتنے زیادہ ٹیمیں ہوتی ہیں، اتنے ہی زیادہ پروجیکٹس «الائنمنٹ کے جہنم» میں گھس جاتے ہیں۔ پہلے کوڈ لکھنے کا عمل سست تھا، اس لیے یہ مسئلہ چھپا رہتا تھا۔ اب، جب بھی «کچھ کرنا» فیصلہ ہو جاتا ہے، فوراً کوئی نہ کوئی رات بھر کام کر کے ایک مینیمم ویبل پروڈکٹ (MVP) تیار کر دیتا ہے (جو کم سے کم لاگت پر صرف مرکزی خیال کو ظاہر کرنے کے لیے بنایا جاتا ہے، تاکہ جلدی سے ٹرائل اور غلطی کی جا سکے)، اور اگلے دن فوراً اگلی میٹنگ کا انتظام کر دیا جاتا ہے۔

میٹنگ میں، آپ کو حیرانی ہوئی کہ دوسری ٹیم نے بھی ایک MVP چھپا کر تیار کر لیا تھا! اور اس سے بھی بڑھ کر، کیونکہ آپ نے مختلف فرضیات پر کام کیا تھا، دونوں مصنوعات کا عمل کرنے کا طریقہ بالکل الگ تھا۔

بے شک، آپ بیٹھ کر آہستہ آہستہ اس بات پر بحث کر سکتے ہیں کہ کس کی فرضیہ درست ہے۔

لیکن سچ بولوں تو، لاگھو کلاؤڈ ٹوکن کے ساتھ تم اور تمہاری ٹیم اس قسم کا کام نہیں کریں گے۔ دوسری ٹیم بھی نہیں کرے گی۔ تم بے جھجک کلاؤڈ کی طرف مڑ جاؤ گے، اور اسے اس طرح کام کرنے دو گے جیسا کہ تمہارے خیال میں سب سے بہترین ہو — دوسری ٹیم کا کام دوبارہ بنانے کے لیے۔ اور کلاؤڈ صرف مہربانی سے جواب دے گا: "آپ بالکل درست فرماتے ہیں!" اور فوراً کوڈ لکھنا شروع کر دے گا۔

بے روزگاری کس مسئلے کا حل ہو سکتی ہے؟

ٹھیک ہے، میں آپ کے طویل عرصے تک اس واضح باتوں کو سننے کے لیے شکریہ۔ میں جانتا ہوں کہ آپ سب سے اہم حقیقی معلومات دیکھنا چاہتے ہیں۔

بے روزگاری کا حقیقی مقصد کیا ہے؟ میری فرضیہ کے مطابق، اگر AI نے حقیقت میں 30 فیصد ملازمین کو ایک ایک کرکے نہیں بدل دیا (یہ بات تو ہم سب متفق ہوں گے کہ؟ جبکہ کئی کاموں میں یہ جونئر وائٹ کالر سے زیادہ مؤثر ہے، لیکن دوسرے کاموں میں انسانوں سے کم ہے—یہ ایک ایسا جزو نہیں جسے آپ براہ راست نکال کر لگا سکیں، اور بالکل بھی اس طرح نہیں ہو سکتا کہ کسی کمپنی کے 10 فیصد، 20 فیصد یا 30 فیصد لوگوں کو براہ راست بدل دیا جائے)۔

اس لیے، بے روزگاری کا منطق کیا ہے؟ کیونکہ یہ دو سامنے والے مختصر مدتی مسائل کو فوری طور پر حل کر سکتا ہے۔

یہ دراصل سب سے بنیادی نقدی بہاؤ کا حساب ہے۔ واضح ہے کہ اگر آپ کے کلائیڈ پر مبتلا انجینئرز روزانہ 100 ڈالر (یعنی ماہانہ 2500 ڈالر، سالانہ 30,000 ڈالر) خرچ کر رہے ہیں، تو یہ رقم ہندوستان میں ایک سافٹ ویئر ڈویلپمنٹ انجینئر (SDE) کی مکمل تنخواہ کے برابر ہے؛ یورپ میں نصف SDE کے برابر؛ اور امریکہ میں ایک چوتھائی SDE کے برابر۔

اگر آپ ایک سادہ اور بے رحم حساب لگائیں: فرض کریں کہ ایک فلیٹ کمپنی میں تمام ملازمین SDE ہیں۔ موجودہ تنخواہ خرچ (ٹوکن خریداری سمیت) کو برقرار رکھنے کے لیے، آپ کو 50% (ہندوستان)، 33% (یورپ) یا 20% (امریکہ) ملازمین کو برطرف کرنا ہوگا۔

اصل میں، جبکہ AI کے استعمال میں کسی بھی قسم کی رکاوٹ کے بغیر خوفناک طور پر اضافہ ہو رہا ہے اور کمپنی کی آمدنی میں متعلقہ اضافہ نہیں ہو رہا، بے روزگاری ایک ضروری فیصلہ بن جاتی ہے۔ ورنہ، کمپنی کا بیلنس شیٹ مکمل طور پر تباہ ہو جائے گا۔ اگر آپ کے اخراجات 50 فیصد بڑھ جائیں لیکن آخری تجارتی نتائج میں کوئی تبدیلی نہ ہو یا وہی رہیں، تو آپ کے مجموعی سافٹ ویئر ترقی زندگی دائرے کی اکائی معیشت مکمل طور پر تباہ ہو جائے گی۔

اگر ہم نے حقیقت میں AI کا استعمال کرنے کا طریقہ سیکھ لیا ہوتا — یعنی 50 فیصد اضافی لاگت کو 50 فیصد اضافی آمدنی میں تبدیل کرنے کا طریقہ سمجھ لیا ہوتا — تو ہمیں اس قدم کو اٹھانے کی ضرورت نہیں پڑتی۔ لیکن، چونکہ آپ نے ابھی تک یہ نہیں سیکھا، اس لیے آپ میں سے کچھ لوگوں کو اپنا بستر جمع کرکے جانا ہوگا تاکہ Anthropic کو تنخواہ دینے کے لیے پیسہ نکالا جا سکے۔

بے شک، کسی بھی بڑی کمپنی کا سائز اس کے صرف "زندہ رہنے" کے لیے درکار سائز سے بہت زیادہ ہوتا ہے۔ یہی بڑی کمپنیوں کی خصوصیت ہے، بڑے اداروں کو ضرورتاً "تنظیمی چربی" جمع ہونے کا سامنا ہوتا ہے، جو تنظیمی ڈھانچے کے ڈیزائن کا ایک ناگزیر نتیجہ ہے۔

ان کمپنیوں میں، چاہے کوئی ملازم چلا جائے، سسٹم اب بھی کام کرتا رہتا ہے، کیونکہ ہمیشہ کوئی نہ کوئی اس بات کو جانتا ہے کہ وہ کیا کرتا تھا۔ بہت سی بڑی کمپنیوں میں، آپ آرام سے ست ماہ کی ماترینٹی لے سکتے ہیں، اور آپ کا پراجیکٹ اب بھی محفوظ رہتا ہے۔ یہ سب اچھی باتیں ہیں! لیکن یہ ایک سخت ثبوت بھی ہے کہ اگر آپ کچھ لوگوں کو برطرف کر دیں، تو کمپنی فوراً بند نہیں ہو جائے گی۔ بالکل بالکل اس کے برعکس، شروع کے کچھ ہفتہ جنوبی درد کے بعد، اگلے ماہوں میں چلنے کی رفتار اور بھی تیز ہو جائے گی!

کیا آپ پہلے ذکر کیے گئے ان دو ٹیموں کو یاد رکھتے ہیں جو ٹیکنیکل حل پر اپنی رائے پر ڈٹی ہوئی تھیں؟ بہت آسان ہے، صرف ایک ٹیم کو برخاست کر دیں، اور باقی رہنے والی ٹیم کو کچھ راتیں جاگ کر کام مکمل کرنے دیں — اب انہیں کسی سے 'مطابقت' رکھنے کی ضرورت نہیں ہوگی۔

ہم طویل مدت میں کیا ہوگا اس کا تعین نہیں کر سکتے (یا معاشی دان کینز کے الفاظ میں — "طویل مدت میں، ہم سب مر چکے ہوں گے")، لیکن عارضی طور پر، بڑی کمپنیوں میں 10-20% ملازمین کو بے روزگار کرنا صرف کام کے رفتار کو تیز کر دے گا۔

بڑی کمپنیاں وقت کے ساتھ، جیسے ٹیکنالوجی ڈیبٹ جمع ہوتا ہے، ویسے ہی بہت ساری “تنظیمی ڈیبٹ” جمع کر لیتی ہیں۔ یہ بڑی کمپنیوں کا عام مسئلہ ہے۔ آج 10 فیصد لوگوں کو برطرف کرنا بھی دو سال بعد پرانے مسائل کے دوبارہ ظاہر ہونے سے نہیں روک سکتا۔ لیکن جب آپ دیکھتے ہیں کہ سب لوگ اپنے پچھلے مقابلے میں 5 گنا زیادہ کوڈ جمع کرنے کا دعویٰ کر رہے ہیں، لیکن دوسرے ٹیموں کی وجہ سے ان کا پروجیکٹ لا نہیں ہو رہا، تو سب سے براہ راست اور سب سے زبردست علاج واضح ہے: کچھ لوگوں کو برطرف کر دیں، تاکہ کوئی دوسرے کو روک نہ سکے۔

یہ AI کی ملازمتیں کم کرنا ہے، چاہے AI نے براہ راست آپ کی جگہ نہ لی ہو۔

کیا آپ کا ایمپلائی نمبر ایک نئے کلاؤڈ انسٹنس کے ذریعے جو ورچوئل ماشین پر چل رہا ہے، کے ذریعے تبدیل ہو گیا؟ ہم سب جانتے ہیں کہ ایسا نہیں ہے۔

تاہم، کیا آپ کی کمپنی میں بہت سے ایسے عمل جاری ہو چکے ہیں جن میں پہلے آپ کو VS Code، Figma، Canva یا Google Docs میں کیبورڈ ٹائپ کرنا یا ماؤس کلک کرنا پڑتا تھا، لیکن اب وہ کام دوسرے لوگ (جو آپ سے ان نتائج کی درخواست کرتے تھے) براہ راست بڑے زبان ماڈل کو چیخ کر پرومپٹ لکھ کر کر رہے ہیں اور آپ کی مدد کے لیے دوبارہ نہیں آتے؟ یہ بھی ایک حقیقت ہے۔

کیا یہ ملازمین کی برطرفیاں حقیقت میں «AI کی صفائی» ہیں؟ یعنی — کیا کمپنیوں کے پاس AI سے متعلق نہیں، بلکہ بنیادی مسائل (جیسے زیادہ ملازمین، منافع میں کمی، مقابلہ، براہ راست تجارتی فیصلے) پہلے سے موجود تھے، اور اب وہ AI کو برطرفی کا «عذر» بنارہے ہیں؟ ہاں، کچھ حد تک یہ بات منطقی لگتی ہے۔

آپ کو یہ بھی محسوس ہو سکتا ہے کہ اگر آپ اس دوران تمام سی ای او کی "نکال دیے جانے والے ملازمین کے ای میلز" کو اکٹھا کر لیں، تو آپ کو لگے گا کہ شاید انہوں نے ایک چیٹ گروپ بنایا ہوا ہے اور ایک ساتھ مل کر ان ای میلز کو لکھ رہے ہیں۔ "ای آئی نیٹو گروپ"، "کوڈ لکھنے والے مینیجرز"، "مدیریت کا دائرہ بڑھانا"، "فلیٹ آرکیٹیکچر"، "ای آئی اسمنٹس ٹیم کا انتظام"۔۔۔ آپ پائیں گے کہ یہ نئے الفاظ ہر ایک ای میل میں ایک جیسے ظاہر ہو رہے ہیں۔ جیسے کہ انہوں نے GPT کو ایک ہی پرومپٹ دیا ہو۔

لیکن سچائی یہ ہے کہ یہ بے روزگاریاں، چاہے AI نے آپ کو ب без روزگار نہیں کیا ہو، چاہے ان میں "AI سفید کرنا" کا عنصر شامل ہو، ان کی بنیادی وجہ AI ہی ہے۔ اور یہ بے روزگاری کی لہر تب تک جاری رہے گی جب تک کہ ہم AI کو استعمال کرنے کا صحیح طریقہ سیکھ نہ لیں۔

jab tak hum یہ نہ سیکھ لیں کہ AI ٹوکن کے بڑے پیمانے پر تبدیل کرنے کا طریقہ کیا ہے، صرف کوڈ کے اخراجات تک محدود نہ رہے؛ jab tak hum یہ نہ سیکھ لیں کہ تنظیموں کے درمیان "ہم آہنگی" کی رفتار کو نئی نسل کے کوڈنگ کی رفتار کے ساتھ کیسے ملاایا جائے؛ jab tak hum یہ نہ سمجھ لیں کہ اصل میں ان دو اچھے خیالات اور آٹھ برے خیالات کے علاوہ، اس زائد پیداوار کو استعمال کرکے دس اور نئے، ممکنہ خیالات کی تلاش کیسے کی جائے۔

جب تک ہم اس بات کو سمجھ نہیں لیتے کہ AI عالمی GDP کے اضافے میں کیسے مدد کر رہا ہے، 700 ارب امریکی ڈالر (OpenAI اور Anthropic کی کاروباری آمدنی کا مجموعہ) کے سالانہ ٹوکن خرچ کو پورا کرنے کے لیے، کمپنیاں ملازمین کی تنخواہوں میں کٹوتی کرکے "ایک دیوار کو توڑ کر دوسری دیوار تعمیر کر رہی ہیں"۔

اور جب تک ہم ٹیم کے درمیان آپسی رکاوٹوں کو زیادہ موثر طریقے سے دور کرنے کا طریقہ نہیں سیکھ لیتے، مسئلہ حل کرنے کا واحد طریقہ یہی ہے — ہمیں فوری طور پر اپنے تنظیمی ساخت کے نقشے سے مٹا دیں۔

15 دن باقی ہیں، میں اپنی قسمت جان لوں گا۔ لیکن جو بھی نتیجہ ہو، میں سمجھ چکا ہوں کہ اس کی وجہ کیا ہے۔ اگر وہ فیصلہ کرنے والا میں ہوتا، جو وقتاً فوقتاً وسیع سی ای او کے دفتر میں بیٹھا ہوتا، تو میں بھی کیا بہتر کر پاتا؟ شاید میں بھی دوسرے گروپ بنانے والے سی ایوز کی طرح، ایک جیسا فیصلہ کرتا۔

اصل لنک

لیو دونگ BlockBeats کے خالی پوسٹس کے بارے میں مزید جاننے کے لیے کلک کریں

لیکٹ میشن BlockBeats کے آفیشل سوشل گروپ میں شمولیت کریں:

ٹیلیگرام سبسکرائب گروپ：https://t.me/theblockbeats

ٹیلیگرام گروپ：https://t.me/BlockBeats_App

ٹویٹر کا باضابطہ اکاؤنٹ：https://twitter.com/BlockBeatsAsia