AI کی سب سے کریوٹ جگہ یہ نہیں کہ وہ غریبوں کو جواب نہیں دیتی۔

بالکل اس کے برعکس، یہ ہر کسی کو جواب دیتا ہے۔

یہ طلبہ کے مقالات کے لیے فریم ورک، ملازمین کے لیے ای میل ٹیمپلیٹس، کاروباری اداروں کے لیے کاروباری منصوبے، عام لوگوں کے لیے قانونی وضاحتیں، سرمایہ کاری کے مشورے اور پیشہ ورانہ منصوبہ بندی فراہم کرتا ہے۔ جواب پہلی بار اتنے سستے، اتنے زیادہ اور اتنے حقیقی لگ رہے ہیں۔

لیکن یہی مسئلہ ہے: جب جوابات سب کے لیے دستیاب ہو جائیں، تو اصلی طور پر کمیاب چیز جوابات نہیں، بلکہ جوابات کا جائزہ لینے کی صلاحیت ہوتی ہے۔

نئی معلومات کے غریب وہ نہیں جو AI سے باہر ہیں، بلکہ وہ ہیں جن کے پاس جواب موجود ہے، لیکن جواب کا جائزہ لینے کی صلاحیت نہیں اور جواب کو حقیقی مواقع میں شامل کرنے کا موقع بھی نہیں۔

انٹرنیٹ کے دور کے معلوماتی غریب وہ ہیں جنہیں انٹرنیٹ سے باہر رکھ دیا گیا ہے۔ حل واضح لگتا ہے: انٹرنیٹ کا کیبل جوڑیں، ڈیوائسز کو عام کریں، اور لکھنے پڑھنے کی صلاحیت بڑھائیں۔ سرچ انجن کے دور میں یہ تھوڑا زیادہ پیچیدہ ہے، آپ کو کلیدی الفاظ نکالنا، ذرائع کا انتخاب کرنا، اور قابلِ اعتمادی کا جائزہ لینا آتا ہوگا، اور بہتر ہوگا اگر آپ کو انگریزی کا تھوڑا سا علم ہو۔ لیکن رکاوٹیں قابلِ مشاہدہ اور قابلِ تقدیر ہیں۔

ای آئی کے دور میں معلومات کا فرق بالکل مختلف ہے۔

بڑے زبانی ماڈل سرچ انجن نہیں ہوتے، وہ آپ کے لیے براہ راست نتائج پیدا کرتے ہیں۔ آپ کو "جواب" تلاش کرنے کی ضرورت نہیں — جواب بہترین طریقے سے منظم، واضح اقدامات، اور اعتماد کے ساتھ آپ کے سامنے پیش کر دیا جاتا ہے۔ ظاہری طور پر، رکاوٹوں میں بڑی کمی آ گئی ہے۔ لیکن یہاں ایک سرد ساخت چھپی ہوئی ہے: جب جواب سستے ہو جائیں، تو غلطیاں بھی سستی ہو جاتی ہیں؛ اور "کیا یہ جواب قابل اعتماد ہے" کا فیصلہ کرنے کی صلاحیت، اب تک کے کسی بھی وقت کے مقابلے میں زیادہ نایاب اور قیمتی ہو گئی ہے۔

ہر تاریخی لمحے میں جب کوئی عام ٹیکنالوجی پھیلی، تو اس کا ایک ہی منطق تھا: نئی ٹیکنالوجی پہلے ان لوگوں کو انعام دیتی ہے جن کے پاس مکمل سرمایہ ہوتا ہے۔ طباعت کا نظام لکھنے والوں کو پہلے فائدہ پہنچایا؛ کمپیوٹر ان لوگوں کو فائدہ پہنچایا جو آفس سافٹ ویئر اور پروگرامنگ جانتے تھے؛ انٹرنیٹ ان لوگوں کو فائدہ پہنچایا جن کی انگریزی زبان کی صلاحیت اور تلاش کے مہارتوں میں مہارت تھی۔ AI کے لیے مکمل سرمایہ میں تعلیم، ماہرینہ، تنقیدی سوچ، تنظیمی اختیارات، ادائیگی کی صلاحیت، اور سب سے مشکل سے قابلِ قیاس چیز — فیصلہ سازی — شامل ہے۔

نئی ٹیکنالوجی کم از کم اس لوگوں کو انعام دی جاتی ہے جنہیں اس کی سب سے زیادہ ضرورت ہوتی ہے۔ یہ عام طور پر اس لوگوں کو انعام دیتی ہے جو اسے سب سے زیادہ استعمال کر سکتے ہیں۔

بے برابری کی پہلی دراڑ، آپ اپلیکیشن کھولنے سے پہلے ہی بن چکی ہے۔

اپریل 2026 میں، AI تحقیقی ادارہ ایپوک AI اور سروے کمپنی اپسوس نے امریکہ کے تقریباً 5000 بالغ افراد پر مشتمل ایک سروے کا انعقاد کیا۔ تین مراحل میں پوچھا گیا کہ گزشتہ ہفتے آپ نے کون سی AI سروسز استعمال کیں؟ لیکن جوابات نے صرف مصنوعات کی ترجیحات نہیں دکھائیں، بلکہ آمدنی، داخلہ اور تقسیم کے درمیان ایک جال بنا دیا۔

کلود کے ہفتہ وار فعال صارفین میں سے تقریباً 80% ایسے خاندانوں سے تعلق رکھتے ہیں جن کی سالانہ آمدنی 100,000 ڈالر سے زیادہ ہے؛ جبکہ میٹا AI صارفین میں یہ تناسب صرف 37% ہے۔ اس کے برعکس، میٹا AI صارفین میں تقریباً 32% ایسے خاندانوں سے تعلق رکھتے ہیں جن کی سالانہ آمدنی 50,000 ڈالر سے کم ہے، جبکہ کلود صارفین میں یہ تناسب صرف 7% ہے۔

یہ اعداد و شمار اس لیے اہم ہیں کیونکہ وہ ثابت نہیں کرتے کہ "امیر لوگ اعلیٰ AI استعمال کرتے ہیں، غریب لوگ مفت AI استعمال کرتے ہیں"۔ یہ سب سے سطحی ترین تشریح ہے۔ زیادہ اہم سوال یہ ہے کہ مختلف لوگ روزمرہ کی زندگی میں مختلف AI سے کیوں ملتے ہیں؟

ایک شخص نے AI کو فریج میں رکھے گئے باقیات کے لیے ایک شام کا کھانا تجویز کرنے، فوٹو کے بیک گراؤنڈ کو روشن کرنے اور ایک میسج کو زیادہ مناسب بنانے کے لیے استعمال کیا۔ دوسرا شخص نے AI کو صارفین کے انٹرویوز کو منظم کرنے، فراہم کنندگان کی پیشکشوں کا موازنہ کرنے اور رپورٹ میں کمزور فرضیات کو نکالنے کے لیے استعمال کیا۔ دونوں ایک ہی ٹیکنالوجی کا استعمال کر رہے ہیں۔ لیکن ایک صرف آسانی تک محدود ہے، جبکہ دوسرا آمدنی، عہدہ اور مذاکرات کی طاقت کے چکر میں داخل ہو جاتا ہے۔

فرق صرف صارفین میں نہیں، بلکہ داخلہ نقاط میں بھی ہے۔ کلاڈ کے استعمال کا راستہ سرگرم تلاش، مصنوعات کا موازنہ، صلاحیتوں کے فرق کو سمجھنا، ادائیگی کے لیے انتخاب کرنا، اور پھر ٹول کو اپنے کام کے راستے میں شامل کرنا ہے—ہر قدم صارفین کو فلٹر کرتا ہے۔ دوسری طرف، میٹا AI کا راستہ تقریباً اس کے بالکل برعکس ہے: یہ سوشل پلیٹ فارم میں ڈال دیا گیا ہے، مفت اور کم رکاوٹوں والا، اور صارفین اکثر اپنے اسٹوریز کو اسکرول کرتے، پیغامات بھیجتے یا تصاویر دیکھتے وقت غیر فعال طور پر اس سے ملتے ہیں۔

یہ ایک ذائقے کا مارکیٹ نہیں بلکہ ایک تقسیم کا مارکیٹ ہے۔ صارفین لگتے ہیں کہ وہ ٹولز کا انتخاب کر رہے ہیں، لیکن ٹولز کی قیمت اور داخلہ بھی صارفین کا انتخاب کر رہے ہیں۔

ذریعہ: epoch.ai

اگرچہ آپ ایک اچھا AI ٹول تلاش کر لیتے ہیں، تو کمپنی میں دوسری راستہ کا انتظار کر رہا ہے۔

عام دفتری ماحول میں، AI کا آنا کم از کم "نوکری سے نکالنے کی نوٹس" کی شکل میں نہیں ہوتا۔ یہ پہلے میٹنگ کے نوٹس، ای میل کے مسودے، ٹیبلز کی ترتیب، صارفین کی درجہ بندی اور رپورٹس کے ابتدائی مسودوں پر قبضہ کر لیتا ہے۔ انتظامیہ کے لیے، یہ آٹومیشن وقت کو آزاد کرتا ہے تاکہ وہ فیصلے کر سکیں؛ جبکہ نئے اور بنیادی سطح کے ملازمین کے لیے، یہ آٹومیشن ان کے اپنی صلاحیت ثابت کرنے، فیصلہ سازی کا مشق کرنے اور اعلیٰ سطح کے کاموں تک پہنچنے کا دروازہ چھین لیتی ہے۔

اس منظر کے مقابلے میں ڈیٹا زیادہ سرد ہے: فنانشل ٹائمز اور ایک تحقیقی ادارے کی مشترکہ تحقیق (فبروری–مارچ 2026، برطانیہ اور امریکہ میں چار ہزار سے زائد مشاركین پر مشتمل) کے مطابق، سب سے زیادہ تنخواہ والے مزدوروں میں 63% عام کام کے دن AI کا استعمال کرتے ہیں، جبکہ سب سے کم دو درجات میں صرف 17% اور 16% ہیں۔ یہ ایک نرم پہاڑی نہیں، بلکہ ایک چوٹی ہے۔

سب سے اہم دریافت درجہ بندی کے عوامل میں ہے۔ اس کام کی جائزوں کے ریگریشن تجزیہ سے پتہ چلتا ہے کہ دیگر متغیرات کو کنٹرول کرنے کے بعد، تنخواہ کا AI استعمال کی شرح پر تقریباً کوئی اثر نہیں ہوتا — حقیقت میں چار عوامل کام کرتے ہیں: عمر، تجربہ، صنعت، اور تربیت۔ تربیت کا اثر سب سے زیادہ ہے: ایک ایسی کمپنی جو مکمل AI تربیت فراہم کرتی ہے، اس کے ملازمین کا روزانہ AI استعمال کی شرح غیر تربیت یافتہ مماثل کمپنیوں کے مقابلے میں 37 فیصد زیادہ ہوتی ہے۔ حتیٰ کہ غیر رسمی رہنمائی بھی 24 فیصد کا اضافہ لاتی ہے۔

تاہم، حقیقت یہ ہے کہ 2026 کے آغاز تک، صرف 14% ملازمین نے دعویٰ کیا کہ انہیں اپنے مالکان کی طرف سے موجودہ AI ٹریننگ ملی ہے، جبکہ دو تہائی لوگوں نے کبھی کسی بھی قسم کی ٹریننگ نہیں لی۔

AI تربیت ایک ٹیکنیکل مسئلہ نہیں، بلکہ تقسیم کا مسئلہ ہے۔ جسے تربیت دینے کے لیے منتخب کیا جاتا ہے، وہ پیداواری نمو کے راستے پر چلنے کی اجازت پاتا ہے؛ جسے نہیں، اس کے لیے ٹول صرف اسکرین پر ایک ایسا آئیکن ہوتا ہے جسے کھولنے کی اجازت نہیں ہے۔

AI صارفین کی طرف سے ایک ایپلیکیشن ہے، اور کام کی جگہ پر ایک اجازت ہے۔ اور اجازتیں کبھی بھی مساوی طور پر تقسیم نہیں ہوتیں۔

ذریعہ: Focaldata

یہ سب سے چھپی ہوئی اور سب سے بنیادی تقسیم ہے۔

ایک نو متعین گریجویٹ کی کالی کمپنی میں داخلہ ہوتا ہے۔ وہ ایک صنعتی تجزیہ رپورٹ کا ابتدائی نسخہ AI کے ذریعہ تیار کرتا ہے، جس کی ساخت مکمل، ڈیٹا کافی اور لہجہ پختہ ہے۔ اس کا سپروائزر — جو اس صنعت میں دس سال سے زائد ہے — ایک نظر سے دیکھتے ہوئے دو ڈیٹا حوالوں کے اصل ذرائع میں طریقہ کار کے خامیاں اور تیسرے نتیجہ کے سبب و مسبب تعلق کی غلط استدلال کو نشان زد کرتا ہے۔ سپروائزر صرف اس لئے نہیں کہ وہ زیادہ محنت کرتا ہے، بلکہ اس لئے کہ اس کے پاس وہ بنیاد ہے — جانتا ہے کہ کہاں غلطیاں ہونے کا خطرہ ہے، جانتا ہے کہ کون سی بہتائی حقیقی بہتائی ہے اور کون سی مشین کا خالی جگہ بھرنا ہے۔

یہی وہ حقیقی مطلب ہے جو کام کی جانچ کے ڈیٹا میں ایک غیر متوقع دریافت کے طور پر نکلا: کام میں AI کے سب سے زیادہ استعمال کرنے والے، سب سے نوجوان ملازمین نہیں بلکہ اپنی موجودہ نوکری میں 2 سے 10 سال تک کام کر چکے لوگ ہیں۔ عمر کو کنٹرول کرنے کے بعد بھی AI کے استعمال اور تجربے کے درمیان متعلقہ تعلق واضح رہتا ہے۔ یہ اس لیے نہیں کہ نوجوان AI استعمال نہیں کرنا چاہتے، بلکہ اس لیے کہ AI کی قیمت، استعمال کرنے والے کی پہلے سے موجود فیصلہ سازی کی صلاحیت پر بہت زیادہ منحصر ہوتی ہے۔

تجربہ AI کا سب سے اہم مکمل سرمایہ ہے، اور تجربہ سبسکرائب نہیں کیا جا سکتا۔

AI نے "سُن کر سمجھنے" کی لاگت کم کر دی ہے، لیکن "حقیقی طور پر سمجھنے" کی لاگت کو اسی حد تک کم نہیں کیا ہے۔ اس کا ایک اور خطرناک نتیجہ یہ ہے کہ جتنے زیادہ بنیادی علم والے صارفین ہوتے ہیں، وہ AI کے نتائج پر اتنے ہی زیادہ عمل کرتے ہیں؛ اور جتنے زیادہ عمل کرتے ہیں، ان کی جانچ پڑتال کی صلاحیت اتنی ہی کم نمو پاتی ہے۔ جب کوئی ایجنٹ آپ کے لیے فیصلہ کرتا ہے، تو آپ ذہانت کا استعمال کر رہے ہوتے ہیں، اسے جمع نہیں کر رہے۔

نوبیل انعام یافتہ اور ایم آئی ٹی کے پروفیسر ڈارون ایسیموگلو نے اس بات پر کوئی تہذیب نہیں کی: AI ٹولز کا استعمال کرنے کے لیے تعلیم، تجریدی سوچ، مقداری صلاحیتیں اور ٹیکنالوجی کے ساتھ واقفیت کی ضرورت ہوتی ہے۔ "AI کے ذریعے عدم مساوات میں اضافہ ہونا تقریباً یقینی ہے،" وہ کہتے ہیں۔

نئی معلومات کے مطابق غریب وہی ہیں جو AI نہیں رکھتے، بلکہ وہ ہیں جن کے پاس AI، رسائی اور جوابات ہیں، لیکن جوابات کا جائزہ لینے کی تربیت نہیں ہے؛ وسائل اور منظر ہیں، لیکن وسائل کے نتائج کو مواقع میں تبدیل کرنے کا اختیار نہیں؛ ہر روز ذہین چیزوں کا استعمال کرتے ہیں، لیکن کبھی ذہانت جمع نہیں کرتے۔

لیکن AI اور عدم مساوات کے درمیان کا تعلق صرف فرق بڑھانے تک محدود نہیں ہے۔

کئی تجرباتی مطالعات نے پایا کہ کنٹرولڈ حالات میں، AI کم مہارت والوں کے لیے زیادہ فائدہ مند ثابت ہوتا ہے — کال سنٹر ملازمین، ابتدائی مصنفین، اور شروعاتی مشورہ کاروں کے لیے۔ یہ سمجھنا آسان ہے: عالماں کو AI سے محدود اضافی فائدہ ملتا ہے؛ جو شخص کبھی پیشہ ورانہ خدمات کا اخراج نہیں کر سکتا، وہ پہلی بار AI کے ذریعے ایک معاہدے کو سمجھ لیتا ہے، جو خود میں ایک معیاری قدم ہے۔

لیکن یہاں ایک اہم فرق ہے جس کا اشارہ کیا جانا چاہیے: تجرباتی تحقیق "استعمال کے بعد کی بہتری" کو ناپتی ہے، جبکہ حقیقی ڈیٹا "کون واقعی استعمال کر رہا ہے"، "کون کو استعمال کرنے کی اجازت دی گئی ہے"، اور "کون استعمال کے بعد نتائج کو مواقع میں تبدیل کر پاتا ہے" کو ناپتا ہے۔ دونوں ڈیٹا سیٹس جھوٹ نہیں بول رہے، وہ بالکل مختلف چیزوں کو ناپ رہے ہیں۔

ایک ٹیکنالوجی لیب میں فرق کو کم کر سکتی ہے، لیکن اگر استعمال عدم مساوات پر مبنی ہو، اگر منظر نامہ عدم مساوات پر مبنی ہو، اور اگر جج کرنے کی صلاحیت عدم مساوات پر مبنی ہو، تو اسے حقیقی دنیا میں فرق بڑھا سکتی ہے۔

AI کے برابری کے تقنياتی خصوصیات ہیں، لیکن یہ عدم برابری والی سماجی ساختوں پر چل رہا ہے۔ دونوں باتیں ایک ساتھ سچ ہونا ہی مسئلے کی اصل شکل ہے۔

ہر نسل کا خیال ہوتا ہے کہ اپنے دور کی عام ٹیکنالوجی پرانے نظام کو توڑ دے گی۔

طباعت کے ظہور کے بعد، حروف کو جاننے والوں نے کئی صدیوں تک فائدہ اٹھایا۔ کمپیوٹر کے شروعاتی مراحل میں، اس نے صرف ان لوگوں کی صلاحیتیں بڑھائی جو پہلے سے آفس سافٹ ویئر استعمال کر سکتے اور کوڈ لکھ سکتے تھے۔ انٹرنیٹ کے ابتدائی فوائد، انگریزی جاننے والوں، تلاش کرنے کے مہارت رکھنے والوں، اور منافع حاصل کرنے کے لیے وقت اور حوصلہ رکھنے والوں کی طرف گئے۔ ہر ٹیکنالوجی کی لہر میں، "یہ بار بار مختلف ہے" کی آوازیں زوردار ہوتی ہیں، لیکن ساختی تقسیم عام طور پر دہائیوں تک دیر سے نظر آتی ہے۔

AI کی تقسیم کی رفتار زیادہ تیز ہو سکتی ہے، اور تقسیم گہری ہو سکتی ہے۔ کیونکہ یہ صرف ایک قسم کے کاموں کو نہیں، بلکہ تقریباً تمام فیصلہ سازی اور زبان پر مبنی کاموں کو متاثر کرتا ہے۔ اور یہی وہ صلاحیتیں ہیں جن کا معیاری بنانا اور دوبارہ تقسیم کرنا سب سے مشکل ہے۔

کچھ لوگ سمجھتے ہیں کہ یہ فرق آخرکار کم ہو جائے گا۔ اقتصادی تاریخ دان اور آکسفورڈ انٹرنیٹ انسٹیٹیوٹ کے پروفیسر کارل بینڈکٹ فری کا یہ خیال ہے جو وہ تاریخ کے تناظر میں رکھتے ہیں: کمپیوٹر کے عام ہونے سے پیدا ہونے والی عدم مساوات، کچھ دہائیوں کے بعد جب استعمال کی رکاوٹیں کم ہو گئیں، تدریجاً ختم ہو گئی۔ یہ تشبیہ بے معنی نہیں ہے۔

مسئلہ یہ ہے کہ، چاہے آپ اس مثبت تاریخی تشبیہ کو قبول کر لیں، فرے خود بھی ایک اہم شرط کو تسلیم کرتے ہیں: "یہ انحصار کرتا ہے کہ فرق کو بند کرنے میں کتنی دیر لگے۔ اگر یہ دس یا بیس سال لگے، تو یہ زیادہ فکر کا باعث ہے۔"

دس یا بیس سال، ایک ایسا وقت نہیں جس کا انتظار آسان ہو — خاص طور پر اس دوران کام کی تلاش، تنخواہ کے معاہدے، اور تجربہ جمع کرنے والے افراد کے لیے۔

یہ ایک عجیب تاریخی لمحہ ہے: ہم نے پہلی بار ایک ٹیکنالوجی حاصل کر لی ہے جو ہر کسی کو یہ محسوس کرانے کی صلاحیت رکھتی ہے کہ وہ اپنے آپ کو زیادہ ذہین محسوس کر رہا ہے۔

یہ احساس اکثر آخری نقطہ ہوتا ہے۔

مسئلہ یہ ہے کہ ایک ایسے دور میں جہاں فیصلہ سازی ہی فتح یا شکست کا تعین کرتی ہے، احساسات کو مقصد سمجھنا سب سے مہنگی غلطی ہو سکتی ہے۔