امریکی نالج ورک (knowledge work) کا منظرنامہ ایک خاموش لیکن گہرا تبدیلی سے گزر رہا ہے کیونکہ AI کا انضمام تجرباتی مرحلے سے نکل کر کام سونپنے (delegation) کے مرحلے تک پہنچ رہا ہے۔ ایک نئے نمائندہ سروے سے پتہ چلتا ہے کہ امریکہ میں ملازمت پیشہ 20 فیصد بالغ افراد پہلے ہی کم از کم ایک ایسا کام AI کے سپرد کر چکے ہیں جو پہلے کسی انسانی ساتھی یا ٹھیکیدار کے ذریعے کیا جاتا تھا۔

سافٹ ویئر ڈویلپمنٹ اور ڈیٹا اینالیسس اس تبدیلی کی قیادت کر رہے ہیں

Epoch AI اور پولنگ فرم Ipsos کی ایک مشترکہ تحقیق، جس میں 1,106 ملازمت پیشہ امریکی بالغوں کا انٹرویو کیا گیا، مختلف پیشہ ورانہ شعبوں میں AI کے استعمال میں ایک واضح درجہ بندی کو اجاگر کرتی ہے۔ سروے میں روزمرہ کے کاموں کے ڈھانچے میں جنریٹیو AI کو شامل کرنے کے طریقے کا جائزہ لینے کے لیے امریکی محکمہ محنت کے ڈیٹا پر مبنی دس عام کاموں کا استعمال کیا گیا۔

سافٹ ویئر ڈویلپمنٹ اور کمپیوٹر سسٹم ڈیزائن AI کے انضمام کے بنیادی محرکات کے طور پر ابھرے ہیں، جس میں اس شعبے کے 57 فیصد کارکن AI ٹولز کا استعمال کر رہے ہیں۔ ڈیٹا اینالیسس (Data analysis) 46 فیصد کے ساتھ قریب سے پیچھے رہا، جبکہ کام کے دستاویزات پڑھنے کے کام میں 39 فیصد اپنائے جانے کی شرح دیکھی گئی۔ اس کے برعکس، روایتی انتظامی کام جیسے ریکارڈ رکھنا پیچھے رہ گئے ہیں، جن میں متاثرہ کارکنوں میں سے صرف 25 فیصد نے AI کے استعمال کی اطلاع دی ہے۔

کام کی جگہ لینا بمقابلہ جزوی مدد

رپورٹ میں ایک اہم فرق "AI-assisted" (AI کی مدد سے کیا جانے والا) کام اور حقیقی "task substitution" (کام کی جگہ لینا) کے درمیان ہے۔ فی الحال، زیادہ تر صارفین AI کو آٹو پائلٹ کے بجائے کو-پائلٹ (co-pilot) کے طور پر دیکھتے ہیں۔ AI کے ذریعے کام کی مکمل یا تقریباً مکمل تکمیل اب بھی ایک نایاب چیز ہے، جو سافٹ ویئر ڈویلپمنٹ میں صرف 10 فیصد ہے اور سروے کیے گئے دیگر تمام زمروں کے لیے 7 فیصد سے کم ہے۔

تاہم، کام کی جگہ لینے کا مظہر—جہاں AI وہ کام سنبھال لیتا ہے جو پہلے انسانوں کے ذریعے کیا جاتا تھا—قابلِ پیمائش بنیاد حاصل کر رہا ہے۔ براہ راست کام کی جگہ لینے کی بلند ترین شرح درج ذیل میں پائی گئی:

  • Data Analysis: 7.1 فیصد جواب دہندگان۔
  • Reading Work Documents: 5.7 فیصد جواب دہندگان۔
  • Record-keeping: 5.3 فیصد جواب دہندگان۔

Epoch AI اس بات پر زور دیتا ہے کہ یہ تبدیلی لازمی طور پر بڑے پیمانے پر ملازمتوں کے خاتمے کا اشارہ نہیں ہے، بلکہ یہ انسانی ذہانت اور مشین پروسیسنگ کے درمیان محنت کی دوبارہ تقسیم ہے۔

پیداواری صلاحیت اور آؤٹ پٹ کے معیار کا تضاد

ڈیٹا AI کے استعمال اور وقت کی کارکردگی کے درمیان ایک پیچیدہ تعلق کو ظاہر کرتا ہے۔ جب AI کسی کام کا زیادہ تر یا تمام حصہ سنبھالتا ہے، تو 53 فیصد کارکن وقت بچانے کی اطلاع دیتے ہیں، جبکہ صرف جزوی مدد کے لیے AI کے استعمال پر یہ شرح 37 فیصد ہے۔ دلچسپ بات یہ ہے کہ "کارکردگی میں اضافہ" عالمگیر نہیں ہے؛ تقریباً چھ میں سے ایک AI کی مدد سے کیے گئے کاموں میں روایتی دستی طریقے کے مقابلے میں زیادہ وقت لگتا ہے۔ اس سے پتہ چلتا ہے کہ AI کو پرامپٹ (prompt) دینے، تصدیق کرنے اور اس کے ساتھ بات چیت کرنے میں درکار وقت کچھ رفتار کے فوائد کو ختم کر سکتا ہے۔

مزید برآں، سروے AI کے آؤٹ پٹ میں "اعتماد کے فرق" (trust gap) پر روشنی ڈالتا ہے۔ حیران کن طور پر 66 فیصد AI سے تیار کردہ مواد بہت کم یا بغیر کسی ترمیم کے استعمال کیا جاتا ہے، جبکہ صرف 5 فیصد آؤٹ پٹ پر بھرپور کام کیا جاتا ہے۔ اگرچہ یہ اعلیٰ سطح کی افادیت کو ظاہر کرتا ہے، لیکن محققین خبردار کرتے ہیں کہ کم ترمیم کا مطلب AI کے آؤٹ پٹ کے اصل معیار کا حتمی پیمانہ نہیں ہے۔

اہم نکات

  • High-Tech Adoption: سافٹ ویئر ڈویلپمنٹ اور ڈیٹا اینالیسس AI کے لیے صف اول کے شعبے ہیں، جن میں اپنائے جانے کی شرح بالترتیب 57% اور 46% ہے۔
  • Delegation Over Replacement: اگرچہ 20% کارکن AI کو کام سونپتے ہیں، لیکن کام کی مکمل خودکاری (automation) اب بھی کم (10% سے کم) ہے، جو یہ ظاہر کرتا ہے کہ AI فی الحال انسانی کرداروں کے متبادل کے بجائے ایک "ہمہ گیر آلہ" (versatile tool) ہے۔
  • The Editing Trend: دو تہائی کارکن AI کے آؤٹ پٹ کو کم سے کم تبدیلیوں کے ساتھ قبول کرتے ہیں، جو LLM سے حاصل ہونے والے نتائج کی فوری افادیت پر بڑھتی ہوئی انحصار کی نشاندہی کرتا ہے۔

خلاصہ

AI اب چند مہم جوؤں کے لیے کوئی معمولی تجربہ نہیں رہا؛ یہ اب ایک ایسا آلہ ہے جس پر پانچ میں سے ایک امریکی کارکن ان کاموں کو سپرد کرنے کے لیے بھروسہ کرتا ہے جو روایتی طور پر ساتھیوں کے ذریعے کیے جاتے ہیں۔ ٹیکنالوجی کی مضبوط ترین گرفت سافٹ ویئر ڈویلپمنٹ اور ڈیٹا اینالیسس میں ہے، جہاں اپنائے جانے کی شرح بالترتیب 57% اور 46% ہے، اور کام کی مکمل جگہ لینا، اگرچہ ابھی بھی معمولی ہے، بڑھ رہا ہے۔ اگرچہ بہت سے لوگوں کے لیے پیداواری فوائد واضح ہیں، لیکن کارکردگی کے ملے جلے نتائج اور ترمیم کی کم سطح یہ بتاتی ہے کہ انسانی نظر ثانی کا عمل اب بھی ضروری ہے۔