ای آئی ٹیکنالوجی کو عوامی نہیں بنائے گی، یہ درست لوگوں کو انعام دیتی ہے

مصنف: نمان بھنسالی

ترمیم: شن چاؤ ٹیک فلو

شین چاؤ کا خلاصہ: نئی تکنیک کے آغازی مراحل میں، لوگ اکثر ایک "تکنیکی مساوات" کا خیال پیدا کر لیتے ہیں: جب فوٹوگرافی، موسیقی کی تخلیق یا سافٹ ویئر ڈویلپمنٹ آسان ہو جائے، تو کیا مقابلہ کی برتری ختم ہو جائے گی؟ وارپ کے بانی نمان بھنسالی اپنے ہندوستان کے ایک چھوٹے شہر سے ایم آئی ٹی تک کے ذاتی سفر اور AI کے ذریعہ پے رول کے شعبے میں اپنے کاروباری تجربات کے ساتھ ایک ایسے غیر متوقع حقیقت کو واضح کرتے ہیں: جتنا زیادہ تکنیک کا دروازہ کم ہوتا ہے (فلور)، اتنا ہی صنعت کا سقف (سیلنگ) زیادہ بلند ہوتا جاتا ہے۔

اس وقوع میں جہاں انجیکشن کی قیمت کم ہو گئی ہے، اور اسے AI کے ذریعہ "وائبرکوڈ" (vibecoded) کیا جا سکتا ہے، مصنف کا خیال ہے کہ اصل دفاعی دیوار اب صرف ٹریفک ڈسٹری بیشن نہیں، بلکہ جعلی نہ بنایا جا سکنے والا "ذائقہ" (Taste)، پیچیدہ نظام کے بنیادی منطق کی گہری سمجھ، اور دس سال کے دوران مستقل سود کے لیے صبر ہے۔ یہ مضمون نہ صرف AI کے لیے ایک سرد سوچ ہے، بلکہ "عام تکنالوجی سے نجی نتائج" کے طاقتور قانون کا مضبوط ثبوت بھی ہے۔

مکمل متن درج ذیل ہے：

جب بھی کوئی نئی ٹیکنالوجی داخلہ کی رکاوٹ کو کم کرتی ہے، وہی پیش گوئیاں دہرائی جاتی ہیں: کیونکہ اب ہر کوئی اسے کر سکتا ہے، اس لیے کسی کا کوئی فائدہ نہیں رہا۔ فون پر فوٹو لینے سے ہر کوئی فوٹوگرافر بن گیا؛ اسپوٹیفائی نے ہر کوئی کو موسیقی دان بنا دیا؛ اور AI نے ہر کوئی کو سافٹ ویئر ڈویلپر بنا دیا۔

یہ پیشگوئی ہمیشہ آدھی درست ہوتی ہے: فلور (The floor) واقعی بلند ہو گیا ہے۔ زیادہ لوگوں نے تخلیق میں شرکت کی، زیادہ لوگوں نے مصنوعات جاری کیں، اور زیادہ لوگوں نے مقابلے میں شمولیت اختیار کی۔ لیکن یہ پیشگوئی ہمیشہ سقف (The ceiling) کو نظرانداز کرتی ہے۔ سقف کی بلندی کا رفتار زیادہ تیز ہے۔ اور فلور اور سقف کے درمیان — یعنی درمیانی سطح اور عالی سطح کے درمیان — فاصلہ نہ تو کم ہوا، بلکہ بڑھ رہا ہے۔

یہ قانون طاقت (Power laws) کی خصوصیت ہے: یہ آپ کے نیات سے کوئی فرق نہیں کرتا۔ مساوات کی ٹیکنالوجی ہمیشہ اشرافیہ کے نتائج پیدا کرتی ہے۔ ہر بار ایسا ہوتا ہے۔

AI بھی استثناء نہیں ہوگا، بلکہ اور زیادہ極端 طور پر پیش آئے گا۔

جب اسپوٹیفائی لانچ ہوا تو اس نے ایک حقیقی طور پر جرأت کا مظاہرہ کیا: اس نے دنیا بھر کے ہر میوزیشن کو وہ ڈسٹری بیوشن چینل فراہم کیا جس تک صرف ریکارڈ کمپنیاں، مارکیٹنگ بجٹ اور بہت بڑی قسمت ہی پہنچ سکتی تھیں۔ نتیجہ میوزیک انڈسٹری کا انفجار ہوا — ملینوں نئے آرٹسٹس ظاہر ہوئے، اربوں نئے گانے جاری ہوئے۔ حقیقت یہ ہے کہ معیار واقعی وعدے کے مطابق بلند ہو گیا۔

لیکن جو چیز ہوئی وہ یہ ہے کہ اب ٹاپ 1% کے فنکاروں کو CD دور کے مقابلے میں زیادہ پلے کا تناسب حاصل ہے۔ کم نہیں، بلکہ زیادہ۔ زیادہ موسیقی، زیادہ مقابلہ، اور بہترین مواد تلاش کرنے کے زیادہ ذرائع کے باوجود، جگہ یا شیلف جگہ کی پابندیوں سے آزاد سننے والے، سب سے بہترین کاموں کی طرف راغب ہو رہے ہیں۔ اسپوٹیفائی نے موسیقی کا مساوات نہیں لایا، بلکہ اس مقابلے کو مزید تیز کر دیا۔

یہی کہانی لکھنے، فوٹوگرافی اور سافٹ ویئر کے شعبوں میں بھی پیش آئی۔ انٹرنیٹ نے تاریخ میں سب سے زیادہ مصنفین کو جنم دیا، لیکن اس نے ایک زیادہ کرُوڑھا توجہ کی معیشت بھی پیدا کی۔ زیادہ شرکاء، زیادہ اوپر کے جوئے، اور وہی بنیادی ساخت: انتہائی کم لوگوں نے زیادہ تر قیمت حاصل کی۔

ہم اس سے حیران ہیں کیونکہ ہم لینیئر سوچ کے ساتھ عادی ہیں — ہم یہ انتظار کرتے ہیں کہ پیداواری میں اضافہ ایک س平 کنٹینر میں پانی ڈالنے کی طرح یکساں طور پر تقسیم ہوگا۔ لیکن زیادہ تر پیچیدہ نظام ایسے کام نہیں کرتے، اور کبھی ایسے نہیں کام کیے۔ طاقت کا قانون مارکیٹ کا عجوبہ یا ٹیکنالوجی کا ناکام ہونا نہیں ہے، یہ قدرت کا ڈیفالٹ سیٹنگ ہے۔ ٹیکنالوجی نے اسے نہیں بنایا، ٹیکنالوجی نے صرف اسے ظاہر کیا۔

کلیبر کے قانون کو سوچیں۔ زمین پر تمام مخلوقات میں — بیکٹیریا سے لے کر نیلے والے والے تک، جو وزن کے 27 درجات کے دائرے میں پھیلی ہوئی ہیں — میٹابولک ریٹ وزن کی 0.75 واں طاقت کے متناسب ہوتا ہے۔ والے کا میٹابولزم والے کے سائز کے متناسب نہیں ہوتا۔ یہ تعلق ایک طاقت کا قانون ہے، اور تقریباً تمام زندہ شکلوں میں اس کی بہت اعلیٰ درجہ کی درستگی برقرار رکھی جاتی ہے۔ اس تقسیم کو کسی نے ڈیزائن نہیں کیا، یہ صرف توانائی کا اظہار ہے جو پیچیدہ نظام میں اپنے اندر کے منطق کی پابندی سے ظاہر ہوتا ہے۔

بازار ایک پیچیدہ نظام ہے، اور توجہ ایک وسائل ہے۔ جب تکھائی ختم ہو جائے — جب جغرافیائی، شیلف کی جگہ اور تقسیم کی لاگت کا بفر کا کردار ختم ہو جائے — بازار اپنی قدرتی شکل کی طرف مائل ہو جاتا ہے۔ یہ شکل نارمل تقسیم کا گھنٹے کی شکل نہیں ہوتی، بلکہ طاقت کا قانون ہوتا ہے۔ مساوات کی کہانی اور اشرافیہ کے نتائج ایک ساتھ موجود ہوتے ہیں، جس کی وجہ سے ہر نئی تکنولوجی ہمیں حیران کر دیتی ہے۔ ہم دیکھتے ہیں کہ بنیادی لائن بڑھ رہی ہے، اور ہم یہ فرض کر لیتے ہیں کہ چھت بھی اسی رفتار سے اُٹھ رہی ہے۔ لیکن اس کا اصل مطلب یہ نہیں ہے، بلکہ چھت تیزی سے دور جا رہی ہے۔

AI کا اس عمل کو آگے بڑھانے کا طریقہ پہلے کسی بھی ٹیکنالوجی کے مقابلے میں زیادہ تیز اور زیادہ شدید ہوگا۔ بنیادی حدود وقت کے ساتھ بلند ہو رہی ہیں — کوئی بھی مصنوعات جاری کر سکتا ہے، انٹرفیس ڈیزائن کر سکتا ہے، اور پروڈکشن ماحول کا کوڈ لکھ سکتا ہے۔ لیکن سقف بھی بلند ہو رہا ہے، اور وہ زیادہ تیزی سے۔ اس کا سوال یہ ہے کہ آپ کا آخری مقام کس چیز سے طے ہوتا ہے؟

1981 میں، اسٹیو جابز نے زور دیا کہ پہلے ماکنٹش کے اندر کا سرکٹ بورڈ خوبصورت ہونا چاہیے۔ باہری شکل نہیں، بلکہ اندر کا حصہ — وہ حصہ جسے صارف کبھی نہیں دیکھے گا۔ اس کے انجینئرز کو لگا کہ وہ پاگل ہو گیا ہے۔ لیکن وہ پاگل نہیں تھا۔ اس نے کچھ ایسا سمجھ لیا جسے عام طور پر مکملیت پرستی کہا جاتا ہے، لیکن جو دراصل کسی ثابت کرنے کے قریب ہے: آپ جس طرح کچھ بھی کرتے ہیں، وہی طریقہ آپ سب کچھ کرنے کا ہوتا ہے۔ جو شخص پوشیدہ حصوں کو خوبصورت بنانے میں مہارت رکھتا ہے، وہ صرف معیار کا مظاہرہ نہیں کر رہا، بلکہ اس کی ذات میں کوئی بھی خراب مصنوعات جاری کرنے کو برداشت نہیں کرتا۔

یہ اہم ہے کیونکہ اعتماد بنانا مشکل ہے، لیکن اسے کچھ ہی دیر میں جعلی بنانا آسان ہے۔ ہم لگاتار ہیورسٹکس چلا رہے ہیں تاکہ پتہ چل سکے کہ کون حقیقی عظمت رکھتا ہے اور کون صرف عظمت کا نمودار ہے۔ اسناد مددگار ہوتے ہیں لیکن انہیں دھوکہ دیا جا سکتا ہے؛ نسبت مددگار ہوتی ہے لیکن اسے وراثت میں مل سکتی ہے۔ حقیقت میں جعلی بنانا مشکل چیز خوبصورتی ہے — یعنی ایک مستقل، قابل مشاہدہ، اور اس بات کا مضبوط اصرار کہ جس معیار کا کوئی مطالبہ نہیں کرتا۔ جابز کو سرکٹ بورڈ کو اتنی خوبصورت بنانے کی ضرورت نہیں تھی۔ لیکن اس نے ایسا کیا، اور یہ بات خود بخود بتاتی ہے کہ آپ جو چیز نہیں دیکھ سکتے، وہاں وہ کیا کرے گا۔

گزشتہ دہے کے زیادہ تر حصے میں، یہ سگنل کسی نہ کسی طرح دب گیا۔ SaaS کے طلائی دور (تقریباً 2012 سے 2022 تک) میں، اجرائیہ اتنی معیاری ہو گئی کہ تقسیم (Distribution) اصل میں نایاب وسائل بن گئی۔ اگر آپ صارفین تک پہنچنے، فروخت کی مشین بنانے اور "40 کا قاعدہ" (Rule of 40) حاصل کرنے میں کارآمد ہو سکتے ہیں، تو پروڈکٹ خود تقریباً اہم نہیں تھا۔ جب تک آپ کا مارکیٹ میں داخل ہونے کا طریقہ (Go-to-market) کافی مضبوط ہو، آپ ایک عام پروڈکٹ کے ساتھ جیت سکتے ہیں۔ خوبصورتی کا سگنل نمو کے اندیسوں کے شور میں دب گیا۔

AI نے اسگنل ٹو نوائز ریشیو کو بالکل بدل دیا ہے۔ جب کوئی بھی ایک دوپہر میں ایک فنکشنل پروڈکٹ، خوبصورت انٹرفیس اور کام کرنے والی کوڈ بیس تخلیق کر سکتا ہے، تو اس بات کا فرق نہیں رہا کہ چیز "اسٹھی ہے" یا نہیں۔ سوال یہ بن گیا ہے: کیا یہ چیز حقیقت میں استثنائی ہے؟ کیا اس شخص کو "اچھا" اور "بہت بڑا" (Insanely great) کے درمیان فرق کا پتہ ہے؟ کیا انہیں اس آخری فرق کو پُر کرنے کے لیے کسی نے مجبور نہیں کیا، لیکن وہ اس کے لیے کافی دلچسپی رکھتے ہیں؟

یہ خاص طور پر بزنس کرٹیکل سافٹ ویئر کے لیے سچ ہے — جو تنخواہیں، مطابقت، اور ملازمین کے ڈیٹا کو سنبھالتے ہیں۔ یہ وہ مصنوعات نہیں جنہیں آپ آزمانا چاہیں اور اگلے ترکیب میں چھوڑ دیں۔ تبدیلی کا اخراج حقیقی ہے، خرابی کے منظر نامے سنگین ہیں، اور نظام کو ڈپلوی کرنے والے نتائج کے لیے ذمہ دار ہوتے ہیں۔ اس کا مطلب ہے کہ وہ معاہدہ کرنے سے پہلے تمام اعتماد کے ہرشسٹکس چلائیں گے۔ ایک خوبصورت مصنوعہ ایک سب سے زیادہ طاقتور سگنل ہے جو یہ بتاتا ہے کہ اسے بنانے والوں نے اس پر توجہ دی ہے۔ وہ آپ کی آنکھوں سے دیکھے جانے والے حصوں کو اہمیت دیتے ہیں، جس سے یہ ظاہر ہوتا ہے کہ وہ آپ کے نظر انداز کردہ حصوں کو بھی اہمیت دیتے ہوں گے۔

جہاں انجام دہی کی قیمت سستی ہے، خوبصورتی کام کا ثبوت ہے۔

یہ منطق ہمیشہ درست رہا، لیکن پچھلے دہائی میں مارکیٹ کے ماحول نے اسے تقریباً نظرانداز کر دیا۔ کبھی ایک وقت تھا جب سافٹ ویئر صنعت کا سب سے اہم مہارت سافٹ ویئر سے بھی زیادہ متعلق نہیں تھا۔

2012 سے 2022 تک، SaaS کی بنیادی ساخت مستحکم ہو چکی ہے۔ کلاؤڈ انفراسٹرکچر سستا اور معیاری ہو گیا ہے، اور ڈویلپمنٹ ٹولز نے بالغت حاصل کر لی ہے۔ ایک فنکشنل پروڈکٹ بنانا مشکل تو ہے، لیکن یہ ایک "حل شدہ مشکل" ہے — آپ اسے ملازمت کے ذریعے حل کر سکتے ہیں، متعینہ ماڈلز کی پیروی کرتے ہوئے، اور صرف وسائل کی کافی موجودگی سے آپ حد تک پہنچ سکتے ہیں۔ واقعی نایاب اور فاتحین اور عام لوگوں کو الگ کرنے والی چیز تقسیم کرنے کی صلاحیت ہے۔ کیا آپ صارفین کو موثر طریقے سے حاصل کر سکتے ہیں؟ کیا آپ قابل دہرائے فروخت کے عمل کو قائم کر سکتے ہیں؟ کیا آپ یونٹ اقتصادیات (Unit economics) کو اتنی اچھی طرح سمجھتے ہیں کہ صحیح وقت پر اپنی ترقی کی آگ میں مزید توانائی شامل کر سکتے ہیں؟

اس ماحول میں کامیاب ہونے والے بانیان زیادہ تر فروخت، مشورہ یا فنانس کے شعبوں سے تعلق رکھتے تھے۔ انہیں وہ اعداد و شمار جنہیں دس سال پہلے ادھورا اور غیر مفہوم سمجھا جاتا تھا، بخوبی معلوم تھے: صاف رقم کی برقراری شرح (NDR)، اوسط معاہدہ قیمت (ACV)، جادو کا انڈیکس (Magic number)، 40 کا اصول۔ وہ اسپریڈشیٹس اور فروخت کی لائن کی جانچ پڑتال میں رہتے تھے، اس سند کے تحت، وہ بالکل درست تھے۔ SaaS کے اپنے عروج کے دوران، SaaS کے عروج کے بانیان پیدا ہوئے۔ یہ ایک منطقی ترقیاتی انتظام تھا۔

لیکن مجھے سانس لینے میں دشواری ہو رہی ہے۔

میں ہندوستان کے ایک 2.5 ارب آبادی والے ریاست کے ایک چھوٹے سے شہر میں بڑا ہوا۔ ہر سال بھارت بھر میں صرف تین طلباء ہی مسچوسٹس انسٹیٹیوٹ آف ٹیکنالوجی (MIT) میں داخلہ حاصل کر پاتے ہیں۔ ان میں سے کوئی بھی، بغیر کسی استثناء کے، دہلی، ممبئی یا بنگلور کے مہنگے پریپریٹری اسکولز سے آتا ہے—جو خاص طور پر اس ہدف کے لیے قائم کیے گئے ادارے ہیں۔ میں اپنی ریاست کے تاریخ میں پہلا ایسا شخص ہوں جس نے MIT میں داخلہ حاصل کیا۔ میں یہ بات اس لیے بتا رہا ہوں تاکہ یہ مضمون کا ایک خلاصہ ہو: جب تک رسائی کے دروازے محدود ہوتے ہیں، تو نسب (Pedigree) نتائج کا پیش گوئی کرتا ہے؛ جب رسائی کے دروازے کھل جاتے ہیں، تو گہرائی والے لوگ (Deep people) ہمیشہ جیت جاتے ہیں۔ ایک ایسے کمرے میں جہاں سب نسب سے مالا مال ہوتے ہیں، میں اپنی گہرائی کے ذریعے جیتنے والا ایک اسٹاک ہوں۔ اور یہی وہ واحد طریقہ ہے جس کا میں جانتا ہوں۔

میں نے فزکس، ریاضی اور کمپیوٹر سائنس کا مطالعہ کیا، اور ان شعبوں میں سب سے گہری نظریہ کا انکشاف عمل کے بہترین طریقوں سے نہیں، بلکہ دوسرے لوگوں نے نہ دیکھے گئے حقائق کو دیکھنے سے ہوا۔ میری ماسٹرز کی تحقیق کا موضوع ڈسٹریبیوٹڈ مشین لرننگ ٹریننگ میں اسٹریگر میٹیگیشن تھا: جب آپ بڑے پیمانے پر سسٹم چلا رہے ہوں تو، اگر کچھ حصے پیچھے رہ جائیں، تو آپ کس طرح مجموعی مکملیت کو متاثر نہ کرتے ہوئے اس پابندی کو بہتر بنائیں۔

جب میں بیس کی دہائی میں کاروباری دنیا کو دیکھ رہا تھا، تو میں نے ایک ایسا منظر دیکھا جہاں یہ گہری بصیرتیں بے معنی لگ رہی تھیں۔ مارکیٹ نے مصنوعات کے بجائے "مارکیٹ میں داخل ہونے" (Go-to-market) کو پریمیم دیا تھا۔ ٹیکنالوجی کے لحاظ سے عالی شان چیزیں بنانا ایک بے وقوفی جیسا لگتا تھا — اسے "حقیقی کھیل" (یعنی صارف حاصل کرنا، انہیں برقرار رکھنا اور فروخت کی رفتار) کے لیے ایک رکاوٹ سمجھا جاتا تھا۔

اس کے بعد، 2022 کے آخر میں، ماحول بدل گیا۔

چیٹ جی پی ٹی نے جو دکھایا — ایک ایسے طریقے سے جو کہ سالوں کی تحقیقی مقالوں سے زیادہ واضح اور زیادہ متاثر کن ہے — وہ یہ ہے کہ منحنی لکیر مڑ چکی ہے۔ ایک نئی ایس-منحنی شروع ہو چکی ہے۔ مرحلہ وار تبدیلیاں (Phase transitions) وہاں ترقی نہیں دیتیں جو پچھلے مرحلے کے لیے سب سے زیادہ موزوں ہوں، بلکہ وہاں ترقی دی جاتی ہے جو دوسروں کو قیمت سمجھنے سے پہلے ہی نئے مرحلے کے بے حد امکانات کو سمجھ لیں۔

تو میں نے اپنا کام چھوڑ دیا اور وارپ کی بنیاد رکھی۔

یہ جو خطرہ ہے، وہ بہت مخصوص ہے۔ امریکا میں 800 سے زیادہ ٹیکس ادارے ہیں — فیڈرل، ریاستی، مقامی — جن میں سے ہر ایک کے اپنے فائلنگ کے مطالبے، اجلاس کی تاریخیں اور مطابقت کے منطق ہیں۔ یہاں کوئی API نہیں ہے، کوئی پروگرامیٹک ایکسیس انٹرفیس نہیں ہے۔ دہائیوں تک، ہر تنخواہ فراہم کنندہ (Payroll provider) نے اس مسئلے کا حل اسی طرح نکالا: لوگوں کو جمع کرنا۔ ہزاروں مطابقت ماہرین ہاتھوں سے ان نظاموں میں گھوم رہے ہیں جو کبھی بھی مقیاس پر چلنے کے لیے ڈیزائن نہیں کیے گئے تھے۔ روایتی بڑے کمپنیاں — ADP، Paylocity، Paychex — اس پیچیدگی کے اردگرد اپنا پورا کاروباری ماڈل تعمیر کر چکی ہیں، وہ پیچیدگی کو حل نہیں کرتے بلکہ اسے اپنے ملازمین کی تعداد میں جمع کر لیتے ہیں اور لاگت کو صارفین پر منتقل کر دیتے ہیں۔

2022 میں، میں AI ایجینٹس کو کمزور دیکھ سکتا تھا۔ لیکن میں ترقی کا منحنی بھی دیکھ سکتا تھا۔ جو شخص بڑے پیمانے پر تقسیم شدہ سسٹمز میں گہرا ہو چکا ہو اور ماڈل کی ترقی کے راستے کو قریب سے دیکھ رہا ہو، وہ ایک درست شرط لگا سکتا ہے: جب یہ تکنیک کمزور تھی، وہ کچھ سالوں میں بے حد طاقتور ہو جائے گی۔ اس لیے ہم نے شرط لگائی: ایک AI نیٹو پلیٹ فارم کو پہلے اصولوں سے تعمیر کیا، اور اس زمرے کے سب سے مشکل ورک فلو سے شروع کیا — وہ ورک فلو جسے ساختی پابندیوں کی وجہ سے روایتی بڑے کھلاڑی کبھی خودکار نہیں بناسکتے تھے۔

اب، یہ جوا بند ہو رہا ہے۔ لیکن زیادہ وسیع بات یہ ہے کہ مثالوں کی پہچان۔ AI کے دور کے ٹیکنیکل فاؤنڈرز کے پاس صرف انجینئرنگ کا فائدہ نہیں، بلکہ احساس کا فائدہ بھی ہے۔ وہ مختلف نقطہ نظر دیکھ سکتے ہیں، مختلف جوے لگا سکتے ہیں۔ وہ ایسے نظام کو جسے سب کچھ "ہمیشہ پیچیدہ" سمجھتے ہیں، دیکھ سکتے ہیں اور پوچھ سکتے ہیں: حقیقی خودکاری کے لیے کیا درکار ہے؟ اور اس کے بعد، اہم بات یہ ہے کہ وہ جواب کو خود تعمیر کر سکتے ہیں۔

سافٹ ویئر کے عروج کے دور میں سب سے بڑا کھیل کھلاڑی محدود شرائط کے تحت منطقی بہترین حل کرنے والا ہے۔ لیکن AI ان محدود شرائط کو ختم کر رہا ہے اور نئی محدود شرائط لگا رہا ہے۔ نئے ماحول میں، نایاب وسائل اب تقسیم نہیں بلکہ ممکنہ صورتحال کو سمجھنے کی صلاحیت ہیں—اور انہیں درست معیار پر فنی اور عقیدتی بنانے کی صلاحیت۔ لیکن ایک ایسا تیسرا متغیر بھی ہے جو سب کچھ طے کرتا ہے، اور یہی وہ جگہ ہے جہاں AI کے دور کے زیادہ تر بانی غلطیاں کر رہے ہیں۔

ابھی کریئر کے دنیا میں ایک میم چل رہا ہے: آپ کے پاس اس v ہمیشہ کے لیے نچلی سطح سے بھاگنے کے لیے دو سال ہیں۔ جلدی بنائیں، جلدی فنڈ کریں، یا تو نکل جائیں یا ختم ہو جائیں۔

میں سمجھتا ہوں کہ یہ سوچ کہاں سے آئی ہے۔ AI کی ترقی کی رفتار کی وجہ سے ایک قسم کی جان بچانے کی فکر پیدا ہو رہی ہے، اور لہر کو پکڑنے کا وقت بہت تنگ لگتا ہے۔ ٹویٹر پر ایک رات میں مشہور ہونے کی کہانیوں کو دیکھ کر نوجوانوں کو یہ لگتا ہے کہ گیم کا اصل مطلب تیزی ہے — جیتنے والے وہ ہوتے ہیں جو سب سے زیادہ تیزی سے دوڑتے ہیں۔

یہ بالکل غلط ابعاد پر صحیح ہے۔

عمل کی رفتار واقعی اہم ہے۔ میں اس پر یقین رکھتا ہوں—یہ تو میری کمپنی کے نام میں بھی ڈال دی گئی ہے (Warp)۔ لیکن عمل کی رفتار اور مختصر نظر کا مترادف نہیں ہے۔ AI کے دور میں سب سے زیادہ قیمتی کمپنیاں بنانے والے بانی، وہ نہیں ہیں جو دو سال تک دوڑ کر نکل جاتے ہیں، بلکہ وہ ہیں جو دس سال تک دوڑتے ہیں اور مرکب سود کا لطف اٹھاتے ہیں۔

مختصر نظریہ کی غلطی یہ ہے کہ سافٹ ویئر میں سب سے قیمتی چیزیں — نجی ڈیٹا، گہرے صارفین کے تعلقات، حقیقی تبدیلی کی لاگت، اور تنظیمی سطح پر ماہرینہ — کو جمع کرنے میں سالوں لگتے ہیں، اور چاہے مقابلہ کتنی بھی پूंجی یا AI کے صلاحیتیں لائے، انہیں جلدی نہیں کپایا جا سکتا۔ جب ہم Warp کے ذریعے متعدد ریاستوں والے کمپنیوں کے لئے تنخواہوں کا انتظام کرتے ہیں، تو ہم ہزاروں جرمانہ علاقوں کے لئے مطابقت کا ڈیٹا جمع کر رہے ہیں۔ ہر حل شدہ ٹیکس نوٹس، ہر منسلک حد کا معاملہ، اور ہر مکمل ریاستی رجسٹریشن، ایک ایسے نظام کو تربیت دے رہا ہے جو وقت کے ساتھ ساتھ انتہائی مشکل ہو جاتا ہے کہ اسے نقل کیا جائے۔ یہ صرف ایک فنکشنل پوائنٹ نہیں، یہ ایک قلعہ ہے، اور اس کا وجود اس لئے ہے کہ ہم نے بہت زیادہ معیار کے ساتھ کافی لمبے وقت تک گہرا کام کیا ہے، جس سے اس میں معیار کا انتہائی تناسب پیدا ہوا ہے۔

یہ مرکب سود پہلے سال نظر نہیں آتا۔ دوسرے سال وہ ادھورا دکھائی دیتا ہے۔ پانچویں سال تک وہ پورا کھیل بن جاتا ہے۔

اسنوفلیک کے سابق سی ای او فرانک اسلوٹمن نے موجودہ دور کے کسی بھی شخص سے زیادہ سافٹ ویئر کمپنیاں قائم اور بڑھائی ہیں، اور وہ اس بات پر مختصر طور پر یہ کہتے ہیں کہ آپ کو "असہج" حالت کے ساتھ آشنا ہونا چاہئے۔ یہ دوڑ کے لیے نہیں، بلکہ اسے ایک مستقل حالت کے طور پر قبول کرنا چاہئے۔ اسٹارٹ اپ کے ابتدائی مراحل کا "جنگ کا دھواں" — وہ رہنمائی کی کمی، ناقص معلومات، اور فیصلے لینے کی ضرورت — دو سال بعد ختم نہیں ہو جائے گا۔ یہ صرف تبدیل ہوتا رہتا ہے، نئی عدم یقینیاں پرانیوں کو مان لیں گی۔ جو مؤثر قائم کنندگان ہوتے ہیں، وہ وہ نہیں جنہوں نے یقینیت تلاش کر لی، بلکہ وہ ہوتے ہیں جنہوں نے دھوئیں میں واضح طور پر حرکت کرنے کا طریقہ سیکھ لیا ہے۔

ایک کمپنی بنانا بہت کرشن ہے، اور اس کرشن کو جس نے کبھی ایسا نہیں کیا، وہ سمجھ نہیں سکتا۔ آپ مستقل ہلکی خوف کی حالت میں رہتے ہیں، جس میں کبھی کبھار زیادہ بڑے خوفوں سے چھلکا پڑتا ہے۔ آپ ادھوری معلومات کے ساتھ ہزاروں فیصلے کرتے ہیں، اور یہ جانتے ہوئے کہ صرف ایک غلط فیصلوں کی لڑی آپ کو ختم کر سکتی ہے۔ آپ جو ٹوئٹر پر "ایک رات میں کامیاب" کے واقعات دیکھتے ہیں، وہ صرف طاقت کے قانون کے باہر کے اقدار نہیں، بلکہ ان اقدار میں سب سے زیادہ بیرونی اقدار ہیں۔ ان مثالوں کو اپنی حکمت عملی کو بہتر بنانے کے لیے استعمال کرنا، اس طرح کا ہے جیسے آپ کسی ایسے شخص کے نتائج کا مطالعہ کر رہے ہو جس نے غلط راستہ اپنایا اور بے ترتیب طور پر 5 کلومیٹر دوڑ لیا، اور آپ اس سے مارا تھن کے لیے تربیت کر رہے ہو۔

تو اس کیوں کریں؟ اس لیے نہیں کہ آرام دہ ہے، نہ ہی اس لیے کہ جیت کا امکان زیادہ ہے۔ بلکہ اس لیے کہ کچھ لوگوں کے لیے ایسا نہ کرنا اصل زندگی گزارنے کا محسوس نہیں ہوتا۔ کیونکہ "کچھ نہیں بنانے" کے خوف سے بھی بدتر چیز صرف "کوشش نہ کرنا" ہے جو ایک خاموش دبات پیدا کرتا ہے۔

اور — اگر آپ درست اندازہ لگاتے ہیں، اگر آپ وہ سچائی دیکھتے ہیں جسے دوسروں نے ابھی تک قیمت نہیں لگائی، اگر آپ کافی لمبے عرصے تک اپنی خوبصورتی اور عقیدہ کے ساتھ عمل کرتے ہیں — تو نتیجہ صرف مالی نہیں ہوگا۔ آپ ایک ایسا چیز تعمیر کرتے ہیں جو لوگوں کے کام کرنے کے طریقے کو حقیقت میں بدل دے۔ آپ ایک ایسا مصنوعہ بناتے ہیں جسے لوگ استعمال کرنے کے لیے پسند کرتے ہیں۔ آپ اپنے خود کے تعمیر کردہ کاروبار میں ان لوگوں کو ملازمت دیتے ہیں اور انہیں کامیاب بناتے ہیں جو یہاں اپنی بہترین صلاحیتیں دکھاتے ہیں۔

یہ ایک دہائی کا منصوبہ ہے۔ AI اسے نہیں بدل سکتا، اس نے کبھی نہیں بدلा۔

AI وہ سقف (Ceiling) تبدیل کر رہا ہے جو ان مؤسسین کے لیے ممکن ہے جو آخر تک جاری رہ کر نتائج دیکھنا چاہتے ہیں۔

تو، اس سب کے دوسری طرف، سافٹ ویئر کیا شکل اختیار کرے گا؟

مثبت سوچ والے کہتے ہیں کہ AI نے وافریت پیدا کی ہے — زیادہ مصنوعات، زیادہ تعمیر کرنے والے، اور زیادہ لوگوں کو زیادہ قیمت۔ وہ سچ کہہ رہے ہیں۔ منفی سوچ والے کہتے ہیں کہ AI نے سافٹ ویئر کے دفاعی دیوار کو تباہ کر دیا ہے — کوئی بھی چیز ایک دوپہر میں نقل کی جا سکتی ہے، دفاعی صلاحیت مرنے والی ہے۔ وہ بھی جزوی طور پر سچ کہہ رہے ہیں۔ لیکن دونوں فرقوں نے صرف نچلے حد (The floor) پر توجہ دی ہے، کسی نے اوپری حد (The ceiling) پر توجہ نہیں دی۔

مستقبل میں لاکھوں ایک نقطہ کے حل (Point solutions) ظاہر ہوں گے — چھوٹے، فنکشنل، AI سے تخلیق کردہ ٹولز جو کچھ تنگ مسائل کو حل کرنے کے لیے کافی ہوں گے۔ ان میں سے بہت سے نہ تو کمپنیوں نے بنائے، بلکہ افراد یا اندر کے ٹیمز نے اپنی اپنی پریشانیوں کو حل کرنے کے لیے تخلیق کیے ہیں۔ کچھ کم رکاوٹ والے، آسان تبدیل کیے جانے والے سافٹ ویئر کی قسموں کے لیے مارکیٹ مکمل طور پر جمہوری ہو جائے گی۔ بنیادی معیار بہت بلند ہے، مقابلہ بہت شدید ہے، اور منافع کا حجم کسی تھنڈی کی طرح پتلا ہے۔

لیکن مالیاتی انتقال، احکام، ملازمین کے ڈیٹا اور قانونی خطرات کو سنبھالنے والے بزنس کرٹیکل سافٹ ویئر کے لیے صورتحال بالکل الگ ہے۔ یہ وہ عمل ہیں جن میں غلطی کا کوئی راستہ نہیں۔ جب تنخواہ دینے کا سسٹم خراب ہو جائے تو ملازمین کو پیسے نہیں ملتے؛ جب ٹیکس فائلنگ میں غلطی ہو جائے تو آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر ایس آئی آئی آر اے سے ملاقات ہوتا ہے؛ جب بینفٹ کا ادائگی کا دورانِ کھلے بھرتی کے دوران وقفہ پڑ جائے تو حقائق کے مطابق لوگوں کو تحفظ کا فقدان ہوتا ہے۔ سافٹ ویر کا انتخاب کرنے والا نتائج کے لحاظ سے ذمہ دار ہونا چاہتا ہے۔ چونکہ ڈھنگ سے "وائب کوڈڈ" AI جو دوپہر میں بنا ديا جاتا ہے، کو چھوڑا نہ جا سکتا۔

ان ورکفلوز کے لیے، کاروباری ادارے فراہم کنندگان پر اعتماد کرتے رہیں گے۔ ان فراہم کنندگان میں، "جیتنے والا سب کچھ حاصل کرے گا" کا ڈائنامکس پچھلی نسلوں کے سافٹ ویئر کے مقابلے میں زیادہ شدید ہوگا۔ اس کا سبب صرف نیٹ ورک افیکٹس کا زیادہ طاقتور ہونا نہیں (ہاں، یہ بھی سچ ہے)، بلکہ اس لیے کہ ایک ایسا AI نیٹو پلیٹ فارم جو بڑے پیمانے پر چل رہا ہو، لاکھوں ٹریڈنگز اور ہزاروں کمپلائنس ایڈج کیسز میں انفرادی ڈیٹا جمع کر رہا ہو، اس کا ریکمپاؤنڈ فائدہ نئے اشخاص کو "جگہ سے شروع کرنے" کے لیے تقریباً ناممکن بناتا ہے۔ حفاظتی دیوار اب صرف ایک فنکشن سیٹ نہیں ہے، بلکہ ایک ایسے شعبے میں لمبے عرصے تک معیاری آپریشنز برقرار رکھنے سے جمع ہونے والی معیار کی تعمیر ہے جہاں غلطیوں کو سزا دی جاتی ہے۔

اس کا مطلب یہ ہے کہ سافٹ ویئر مارکیٹ کا ادغام SaaS کے دور سے زیادہ ہوگا۔ میں 10 سال بعد HR اور تنخواہ دینے کے شعبے میں 20 کمپنیوں کا ہونا نہیں دیکھتا جو ہر ایک کا حصہ صرف ایک ہندسہ ہو۔ میں یہ توقع کرتا ہوں کہ دو یا تین پلیٹ فارمز اکثریت کی قیمت پر قبضہ کر لیں گے، جبکہ ایک لمبی فہرست اکیلے حل کرنے والے حل کے لیے تقریباً کچھ نہیں بچے گا۔ وہی نمونہ ہر اس سافٹ ویئر شعبے میں پایا جائے گا جہاں احکامات کی پیچیدگی، ڈیٹا جمع ہونا اور تبدیلی کا خرچہ مل کر کام کرتے ہیں۔

ان تقسیمات کے سب سے اوپر والی کمپنیاں بہت مشابہ نظر آتی ہیں: حقیقی مصنوعات کی سوچ والے ٹیکنالوجی ماہرین نے قائم کیں؛ پہلے دن سے ہی AI نیٹو ا架构 پر تعمیر کی گئیں؛ اور ان بازاروں میں کام کرتی ہیں جہاں موجودہ بڑے کھلاڑی اپنے موجودہ کاروبار کو ٹوٹے بغیر ساختی جواب نہیں دے سکتے۔ انہوں نے بہت جلد ایک منفرد بصیرت کا اندازہ لگایا — AI کے ذریعے ایک ایسی حقیقت دیکھی جو ابھی تک قیمت نہیں لگائی گئی تھی — اور اسے اتنے طویل عرصے تک برقرار رکھا جب تک کہ مرکب فائدہ واضح نہ ہو گیا۔

میں نے ہمیشہ اس قسم کے بانیوں کا تصور کیا ہے۔ لیکن میں بہت واضح طور پر جانتا ہوں کہ وہ کون ہے، کیونکہ میں اسے بننے کی کوشش کر رہا ہوں۔

میں نے 2022 میں وارپ کی بنیاد اس لیے رکھی کیونکہ میں یہ مانتا ہوں کہ ملازمین کے پورے اسٹیک — جس میں تنخواہیں، ٹیکس کی پابندی، فوائد، نوکری پر تعیناتی، ڈیوائس مینجمنٹ، اور ایچ آر پروسیجرز شامل ہیں — دستی محنت اور پرانے ڈھانچوں پر قائم ہیں، جبکہ AI ان کا مکمل طور پر تبادلہ کر سکتا ہے۔ بہتر بنانے کے بجائے، تبادلہ۔ قدیمی بڑے کمپنیاں اپنے ملازمین کی تعداد میں پیچیدگی کو شامل کرکے اربوں ڈالر کی قیمت کی کمپنیاں بنائیں؛ جبکہ ہم پیچیدگی کو اس کے ذرائع سے ختم کرکے اپنا کاروبار بنائیں گے۔

تین سال کا دورانیہ اس جواز کو ثابت کر چکا ہے۔ لانچ کے بعد سے، ہم نے 500 ملین امریکی ڈالر سے زائد کے ٹریڈز کو پروسیس کیا ہے، جو تیزی سے بڑھ رہا ہے اور دنیا کی سب سے اہم ٹیکنالوجیز کو تعمیر کرنے والی کمپنیوں کو سروس فراہم کر رہا ہے۔ ہر ماہ، ہم جمع کردہ کمپلائنس ڈیٹا، پروسیس کردہ ایڈج کیسز، اور تعمیر کردہ انٹیگریشنز کے ذریعے پلیٹ فارم کو نقل کرنا مشکل بناتے جا رہے ہیں اور صارفین کے لیے زیادہ قیمتی بناتے جا رہے ہیں۔ دفاعی دیوار ابھی ابتدائی مراحل میں ہے، لیکن ابھی سے اس کا اندازہ لگ رہا ہے اور یہ تیز ہو رہا ہے۔

میں آپ کو یہ بتا رہا ہوں کیونکہ وارپ کی کامیابی قسمت سے متعین نہیں تھی — طاقت کے قانون والی دنیا میں کچھ بھی قسمت سے متعین نہیں ہوتا — بلکہ اس لیے کہ وہ منطق جس نے ہمیں یہاں تک پہنچایا، وہی منطق ہے جسے میں نے پورے مضمون میں بیان کیا ہے: سچائی کو دیکھنا۔ کسی بھی شخص سے زیادہ گہرا جانا۔ ایسا معیار قائم کرنا جسے باہری دباؤ کے بغیر برقرار رکھا جا سکے۔ کافی دیر تک استقامت سے ٹھہرنا تاکہ دیکھا جا سکے کہ آپ درست ہیں یا نہیں۔

AI کے دور کی عظیم کمپنیاں وہی بنائی جائیں گی جنہوں نے درج ذیل باتوں کو سمجھ لیا ہے: رسائی کبھی نایاب وسائل نہیں تھی، بجائے اس کے انسائٹ تھا؛ اجراء کبھی محفوظ دیوار نہیں تھا، بجائے اس کے ذائقہ تھا؛ رفتار کبھی فائدہ نہیں تھی، بجائے اس کے ڈیپتھ تھی۔

قانون طاقت کو آپ کے نیات سے کوئی فرق نہیں پڑتا۔ لیکن وہ صحیح نیات کو انعام دیتا ہے۔