بہترین مضمون سے بازار "سیناریو کی تعمیر" کو "حقیقی پیشگوئی" کے طور پر ادراک کر سکتا ہے۔

22 فروری 2026 کو، "The 2028 Global Intelligence Crisis" کے عنوان سے ایک رپورٹ نے سوشل میڈیا اور فنانشل مارکیٹس کو الٹ دیا، جس کی ویوز 27 ملین سے زائد ہو گئیں۔ رپورٹ جاری ہونے کے دن، IBM میں 13 فیصد کی گراہٹ آئی، جبکہ DoorDash، American Express، KKR سمیت دیگر کمپنیوں کے شیئرز 6 فیصد سے زیادہ گر گئے۔

یہ رپورٹ سٹریٹیجک ریسرچ کے بانی جیمز وین گیلین کی طرف سے تحریر کی گئی ہے۔ یہ 33 سالہ تحقیق کار X پر 180,000 سے زائد فالوورز رکھتے ہیں، اور ان کا سبسٹیک مالیاتی مصنفین میں نمبر ایک ہے، جس کا مرکزی موضوع مالیاتی ملکیت اور عالمی کلیدی تحقیق ہے، جس کا انداز ایسٹ سے ایسٹ تک، اور عرضی تصورات کے ساتھ مشہور ہے، اور ان کا حقیقی سرمایہ کاری پورٹ فولیو 2023 سے زیادہ سے زیادہ 200% کا رجحان دکھاتا ہے۔ رپورٹ میں ایک منصوبہ بند شدہ مستقبل کا خیال پیش کیا گیا ہے جو 2028 میں واقع ہوتا ہے: AI صرف دو سالوں میں سفید کولار مزدورانہ طاقت کو بڑے پیمانے پر متبادل بن جاتا ہے، جس سے استعمال میں کمی، سافٹ ویئر اثاثوں کے غیر ادائیگی، اور قرضہ تنگی پیدا ہوتی ہے، جس کے نتیجے میں معیشت ایک عجیب حالت میں پہنچ جاتی ہے جس میں "ٹکنالوجکل بوم" اور "سماجی رسوخ" اکٹھے موجود ہوتے ہیں۔ وین گیلین نے اپنے مضمون کے آغاز میں لکھا ہے: "اس مضمون میں ایک ممکنہ صورتحال بیان کی گئی ہے، یہ کوئی پروفیسی نہیں ہے۔" لیکن بازار واضح طور پر دونوں کے درمیان فرق کرنے کے لئے صبر نہیں رکھتا۔

تاہم، مختصر مارکیٹ کے خوف سے زیادہ قابل توجہ بات یہ ہے کہ پچھلے کچھ دنوں میں اس مضمون نے وسیع بحث کو جنم دیا ہے۔ اکیڈمیا سے لے کر سرمایہ کاری کے دائرے تک، وال سٹریٹ سے لے کر چینی انٹرنیٹ تک، مختلف نقطہ نظر سے کئی دہائیوں کے جوابی مضامین شائع ہوئے ہیں۔ صرف ایک انتہائی نتیجہ پر یقین کرنے کے بجائے، شاید ہم تمام نقطہ نظر کے «اختلاف اور تقاطع» سے زیادہ واضح مستقبل کا خاکہ تیار کر سکتے ہیں۔

سٹرینی نے کیا کہا

سیٹرینی کے مضمون میں منطقی رابطہ پیچیدہ نہیں ہے: AI کی صلاحیتوں میں تیزی سے اضافہ کے نتیجے میں سفید کولار نوکریوں کا بڑے پیمانے پر تبادلہ ہوتا ہے → بے روزگاری میں اضافہ سے صرفہ خرچ میں کمی آتی ہے → SaaS کو بنیادی جائیداد کے طور پر رکھنے والے ساختی مالیاتی مصنوعات میں غیر ادائیگی کی لہر آتی ہے → اعتماد کی تنگی مزید وسیع مالیاتی نظام تک پھیل جاتی ہے → معاشیات ایک ایسی عجیب حالت میں گھر جاتی ہے جہاں "ٹیکنالوجیکل فلاح" اور "سماجی رسوخ" ایک ساتھ موجود ہوتے ہیں۔

اس سبب و مسبب کے ہر ربط کا کوئی بھی بنیادی سبب نہیں ہے۔ لیکن انہیں ایک دوسرے سے جوڑ کر ایک مسلسل ترقی کے ذریعے بحران تک پہنچنا، کئی کافی جرأت والا فرض لازمی ہے۔

اس سلسلے کو کئی طریقوں سے ٹوٹا جا سکتا ہے۔ آئیے تین مرکزی دلائل — مزدوری کی جگہ لینے کی رفتار اور سائز، مانگ کے افتتاح کے اثرات، اور مالیاتی بحران کی امکانات — کے ساتھ آگے بڑھتے ہیں، اور ہر مرحلے کے ارد گرد مختلف آوازیں کیا بحث کر رہی ہیں، دیکھتے ہیں۔

بے نقاب ہونے کے بغیر نئی چیز کا آغاز نہیں ہو سکتا

سٹریٹیجک کا آغاز AI کی سفید کولار طاقت کے بڑے پیمانے پر تبدیلی سے ہوتا ہے۔ اس کے بیان میں، یہ عمل 2026 سے 2028 کے درمیان تیزی سے تیز ہو گیا، جس میں قانونی، فنانشل تجزیہ، سافٹ ویئر ڈویلپمنٹ، صارفین کی خدمت جیسے شعبوں کے ملازمین سب سے زیادہ متاثر ہوئے۔

صنعتوں کے AI ایکسپوژر لیول کے مطابق، AI ماڈل فراہم کنندگان اور آن لائن لیبر پلیٹ فارمز پر کاروباری خرچ کا تناسب تبدیلی

سیترینی کے خیال کی تائید کرنے والے ثبوت موجود ہیں۔ بک، بلنڈن اور ڈیمنگ کی ایک کاروباری خرچ کے ڈیٹا پر مبنی عملی تحقیق نے ظاہر کیا کہ ChatGPT کے جاری ہونے کے بعد، AI کے استعمال کے لحاظ سے سب سے زیادہ متاثرہ کاروبار (یعنی پہلے آن لائن لیبر مارکیٹ پر سب سے زیادہ خرچ کرنے والے) نے AI ماڈل فراہم کنندگان پر اپنا خرچ نوٹیفائز کر دیا، جبکہ آن لائن لیبر مارکیٹ پر اپنا خرچ تقریباً 15 فیصد تک کم کر دیا۔ قابل ذکر بات یہ ہے کہ یہ تبدیلی "برابر تبادلہ" نہیں ہے — جب کوئی کاروبار لیبر مارکیٹ پر 1 ڈالر کم خرچ کرتا ہے، تو وہ صرف 0.03 سے 0.30 ڈالر تک AI پر زیادہ خرچ کرتا ہے۔ دوسرے الفاظ میں، AI وہی کام انسانی طاقت کے مقابلے میں بہت کم لاگت پر کر رہا ہے۔

لیکن سٹرینی نے تبدیلی کے آنے کی رفتار کو زیادہ تقسیم کر دیا ہے۔ کچھ مخالفین امریکہ کے ریل اسٹیٹ ایجنٹس کے صنعت کو مثال کے طور پر پیش کرتے ہیں، جہاں تکنیک پہلے ہی ایجنٹس کی تعداد میں بڑی کمی لانے کی صلاحیت رکھتی تھی، لیکن اب بھی اس صنعت میں 1.5 ملین سے زائد لوگ ملازم ہیں۔ اداروں کی روایت، نظم و ضابطہ کی رکاوٹیں، اور صنعت کے اندر کے مفادات کے تنازعات نے تکنیک سے بہت زیادہ مضبوط ایک دفاعی لائن تشکیل دی ہے۔ وہ سمجھتا ہے کہ سٹرینی نے 'اداروں کی حرکتی توانائی' کے مزاحمت کو بہت زیادہ کم تقسیم کر دیا ہے۔

اور مخالفین نے کمبل، باسو اور فرنلڈ کے 1998 کے مطالعے کا حوالہ دیتے ہوئے کہا کہ تکنیکی صدمے تاریخی طور پر عام طور پر فراہمی کی جانب سے مثبت رُخ رکھتے ہیں — مختصر مدت میں ممکنہ طور پر ملازمت کی ساخت میں تبدیلی کے ساتھ، لیکن لمبی مدت میں، یہ اپنے ختم کردہ نوکریوں کے مقابلے میں بہت زیادہ پیداواری جگہ پیدا کرتے ہیں۔

واقعیت میں، تاریخی طور پر ہر ایک عام مقصد کی ٹیکنالوجی کے اشاعت کے دوران، لیب سے بڑے پیمانے پر نفوذ تک کا سفر ہمیشہ ٹیکنالوجی کی بالغ ہونے کی رفتار سے کہیں زیادہ آہستہ ہوتا ہے۔ بجلی کو 5 فیصد گھروں تک پہنچنے سے 50 فیصد تک پہنچنے میں 30 سال لگے، فون کو 35 سال، اور اس کے باوجود سب سے تیز اشاعت والے اسمارٹ فونز کو بھی 5 سال لگے۔ AI کی ٹیکنالوجی کی صلاحیت شاید کئی صنعتوں کو الٹ دینے کے لیے کافی ہو چکی ہے، لیکن ٹیکنالوجی کی صلاحیت اور ادارائی جذب کے درمیان کا فرق کبھی بھی صرف صلاحیت سے نہیں بھرایا جا سکتا۔

سیٹرینی نیٹیو کا دوسرا اہم پہلو مانگ کی طرف سے گراؤنڈ سپرل ہے: بے روزگاری → آمدنی میں کمی → استعمال میں کمی → کاروباری منافع میں کمی → مزید بے روزگاری۔

سٹریٹیجک نے اس حصے میں مانگ کی ڈیفلیشن اور پیشہ ورانہ ڈیفلیشن کو الگ الگ نہیں کیا۔ پہلا مطلب ہے کہ صارفین کی خریداری کی طاقت کم ہو رہی ہے، جبکہ دوسرا تکنیکی ترقی کی وجہ سے پیداوار کے اخراجات کم ہو رہے ہیں — AI سے متحرک قیمتوں میں کمی، بنیادی طور پر پچھلے دہائیوں میں الیکٹرانکس اور مواصلات کی خدمات کی قیمتوں کے رجحان کے قریب ہے۔ کچھ تجزیہ کار کا خیال ہے کہ جیونز کا متناقضہ اب بھی لاگو ہوگا: جب AI قانونی مشورہ، طبی تشخیص، اور سافٹ ویئر ترقی جیسی خدمات کے اخراجات کو بڑھا دے گا، تو پہلے قیمت کی وجہ سے بڑی تعداد میں لوگوں کے لیے ناپید ہونے والی مانگ آزاد ہو جائے گی، جس کا مجموعی حجم کم نہیں بلکہ دھماکہ خیز طور پر بڑھے گا۔ اس کے علاوہ، 'موراوک متناقضہ' بھی اپنا اثر دکھائے گا۔ مشینوں کے لیے حقیقت میں مشکل چیزیں اعلیٰ منطقی استدلال یا بڑے پیمانے پر ڈیٹا تلاش نہیں بلکہ انسانوں کے لیے عام سمجھے جانے والے جسمانی حرکات، حسّی شناخت اور جذباتی تبادلہ ہوتے ہیں۔ اس کا مطلب ہے کہ جسمانی محنت اور باریک حسّی خدمات کے شعبے، ہمارے تخمن سے زیادہ لچکدار ثابت ہو سکتے ہیں۔

لیکن جیونز کا متناقضہ بھی لاگو نہیں ہو سکتا۔ شکاگو یونیورسٹی کے اقتصادیات کے پروفیسر ایلیکس ایماس کا کہنا ہے کہ اگر AI نے زیادہ تر مزدوری کو خودکار کر دیا اور مزدوری کی آمدنی کا کل آمدنی میں حصہ تیزی سے کم ہو گیا، تو ان مصنوعات اور خدمات کو خریدنے والا کون ہوگا جو کارآمد طریقے سے پیدا کی جا رہی ہیں؟ یہ تقسیم کے نظام تک پہنچ جاتا ہے۔ جب پیداواری صلاحیت لامحدود کی طرف بڑھ رہی ہو اور موثر مانگ مرکوز ہو رہی ہو، تو شاید ہم ایک ریسیشن کا سامنا نہیں بلکہ ایک ایسے عدم توازن کا سامنا کر رہے ہیں جسے معاشیات کے متن نے اب تک کافی طور پر نہیں بیان کیا ہے — مادی وافریت لیکن حاصل نہ ہونا۔

نالے سے بھیڑ کو دیکھنا

سیٹرینی کے تجزیے میں سب سے بڑا انتقال ملازمت کے صدمے سے مالیاتی بحران تک ہے۔ اس کے بیان کے مطابق، SaaS آمدنی کو بنیادی جائیداد کے طور پر رکھنے والے ساختہ مالیاتی مصنوعات (جو وہ "سافٹ ویئر کے ساتھ گھریلو سکیورٹیز" کہتے ہیں) AI ٹرانسفارمیشن کے لہجے میں وسیع پیمانے پر ناکام ہو گئیں، جس سے 2008 کے مشابہ اعتماد کی شدید کمی پیدا ہوئی۔

تاہم، تنقید کرنے والوں نے نوٹ کیا کہ 2008 کے مقابلے میں امریکی کاروباری شعبے کی لیوریج درجہ بہت صحت مند ہے، اور بینکنگ نظام نے ڈوڈ-فرینک اصلاحات اور کئی سٹریس ٹیسٹس کے بعد اب بہت زیادہ مضبوط ہو گیا ہے۔

2008 کے مالی بحران سے پہلے کے مقابلے میں، امریکی مالی نظام کے تمام تحفظ کے اشاریے میں کافی بہتری آئی ہے: بینکوں کی ایکلی کپٹل ریٹو 8.1% سے بڑھ کر 13.7% ہو گئی، خاندانوں کا قرضہ اور دستیاب آمدنی کا تناسب 130% سے گھٹ کر 97% ہو گیا، اور خراب قرضوں کی شرح 1.4% سے گھٹ کر 0.7% ہو گئی۔

اگرچہ کچھ SaaS کمپنیاں درحقیقت آمدنی میں کمی کا سامنا کر رہی ہیں، لیکن ان کا پیمانہ نظامگت کریڈٹ کے بحران کو پیدا کرنے کے لیے کافی نہیں ہے۔ سابق بلومبیرگ مالیاتی کالم نگار نک اسمتھ کا خیال ہے کہ سٹریچینی نے اس مرحلے پر ایک عام غلطی کی ہے: مائیکرو لیول کے صنعتی صدمے کو میکرو لیول پر نظامگت خطرے کے طور پر لکیری طور پر باہر نکالنا۔ مانگ کے زبردست گرنا کے جواب میں اسمتھ کا موقف فنانشل پالیسی ہے۔ اگر بے روزگاری واقعی میں زبردست طور پر بڑھ جائے، تو حکومت مانگ کو سہارا دینے کے لیے بڑے پیمانے پر فنانشل اسٹیمیولس کے ذریعے مکمل طور پر صلاحیت اور خواہش رکھتی ہے۔

انفرادی نظام کی پاسخ دہی کو بھی کم تخمینہ لگایا گیا ہے، جس کا مثال کے طور پر کووڈ دوران پالیسی کا رد عمل ہے، جس میں 11 مارچ 2020 کو WHO نے وبا کا اعلان کیا اور صرف 16 دن بعد، 2.2 ٹریلین ڈالر کا CARES Act دستخط کر کے لاگو کر دیا گیا۔ اس کے بعد ایک سال میں، امریکہ نے مجموعی طور پر 5.68 ٹریلین ڈالر کی مالیاتی تحریک شروع کی، جو 2020 کے GDP کے تقریباً 25 فیصد کے برابر ہے۔

اگر AI ڈرائیون بے روزگاری سچ مچ Citrini کے بیان کیے گئے رفتار اور سائز پر ظاہر ہوئی، تو پالیسی سطح کی مداخلت نہ ہونا مشکل ہوگا۔

اور کچھ تنقید کرنے والے بنیادی سطح پر سوال اٹھاتے ہیں۔ تکنیکی مہلک خیالات عام طور پر انسانیت پر ایمان کی کمی سے نکلتے ہیں۔ سٹرینی کا استدلال بازار کو ایک بے نگہبان مشین کے طور پر دیکھتا ہے، جہاں "سبب و مسبب" خود کو لے لیتے ہیں اور تباہی تک پہنچ جاتے ہیں۔ لیکن حقیقی معیشت کا نظام اس طرح کام نہیں کرتا۔ قانون، ادارے، سیاست، ثقافت اور ایدیالوجی حقیقی دنیا میں تکنیکی冲击 کو جذب کرنے کے طریقے کو گہرائی سے تعین کرتے ہیں۔

consensus and divergence

ہم کچھ اتفاق اور اختلافات کو نشان زد کرنے کی کوشش کر سکتے ہیں۔

لگتا ہے کہ AI ابھی اور مستقبل میں سفید کولار مزدوری کی مانگ کی ساخت کو تبدیل کر رہا ہے، اور اس بات پر تقریباً کوئی اختلاف نہیں، صرف تبدیلی کی رفتار اور سائز پر اختلاف ہے۔ علاوہ ازیں، انتقالی دور کی تکلیف حقیقی ہے اور اسے طویل مدت کی مثبت توقعات سے نہیں چھپایا جانا چاہئے۔ اور پالیسی کے جواب کی معیار اور رفتار نتائج کے بہتر یا بدتر ہونے کو بڑھے سے طے کرے گی۔

تفاوت عمیق تر منطق میں موجود ہے۔ کچھ لوگوں کا خیال ہے کہ اس بار کا ٹیکنالوجی کا冲击 تیزی اور دائرہ کار کے لحاظ سے تاریخی مثالوں سے زیادہ ہو سکتا ہے، اس لیے تاریخی تشبیہوں کی حدود محدود ہیں؛ جبکہ دوسرے اداروں کی انطباق پذیری اور تاریخ کی دہرائی جانے والی قابلیت پر زیادہ بھروسہ کرتے ہیں۔

سرکاری سرخی

سٹریٹیجی کے مضمون میں کئی مسائل ہیں، منطقی ربط بہت زیادہ تنگ ہے، اداروں کی پاسداری کو نظام کی طرف سے سیستماتک طور پر کم تخمینہ لگایا گیا ہے، اور مائیکرو صنعتی冲击 سے ماکرو سسٹمک خطرے تک کی چھلانگ کے لیے کافی درمیانی دلائل کی کمی ہے۔ لیکن اس کا سب سے بنیادی مسئلہ شاید انسانی معاشرے کے لیے ایک نظرانداز ہے: یہ ایک ساکن ادارائی ماحول کو فرض کرتا ہے جہاں ٹیکنالوجی تقریباً ناگزیر طور پر سب کچھ پر چل پڑتی ہے۔ تاریخ میں ٹیکنالوجی کے خاتمے کے نظریات بہت زیادہ آئے ہیں، جو ٹیکنالوجی کے منطق کے لحاظ سے اکثر بے عیب ہوتے ہیں، لیکن تقریباً ہر ایک میں "انسان" کو متغیر کے طور پر نظرانداز کر دیا جاتا ہے۔ انسانی معاشرے کی پیچیدگی، اس کا تھام، اس کا زائد، اور اس کے وہ نظر آنے والے غیر موثر ادارائی ترتیبات، بالکل ایک طاقتور، تقسیم شدہ شوک سے بچنے کی صلاحیت بن جاتے ہیں۔ ہمارے پاس ان نتائج کو دور کرنے کے لیے کافی وقت ہے، بشرطیکہ ہم خود ان نتائج سے خوفزدہ نہ ہو جائیں۔

وہ مثبت کہانیاں کیسے؟ "جیونز کا متناقضہ" لمبے عرصے کے رجحان کا ایک مشاہدہ ہے۔ "موراویک کا متناقضہ" ہمیں بتاتا ہے کہ جسمانی کام ابھی محفوظ ہیں، لیکن یہ ہمیں نہیں بتاتا کہ جن سفید کول شوہر کو بدل دیا گیا ہے، وہ کہاں جائیں۔ تاریخی تشبیہات مفید ہیں، لیکن تاریخ کبھی بالکل درست طریقے سے دہراتی نہیں، صرف اس کے رِت پر چلتی ہے۔ مثبت کہانیوں کو جانچنے کے لیے وقت درکار ہے، اور ہم اب جانچ کے آغاز پر ہیں۔

آخری دن کی تیاری، تشویش والوں کے لیے ادائیگی۔ اپنی اپنی جانچ کو تیار کریں، جوکھم بھونٹیں، اپنے پوزیشن کو چلائیں، اور ان «ایک نظر میں دیکھ لیا جا سکتا ہے» مضامین میں گھل نہ جائیں۔

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

لیکٹ کے BlockBeats کے آفیشل سوشل گروپ میں شامل ہوں:

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

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

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