اے آئی کا ثبوتِ تصور: آر او آئی پر توجہ کی ضرورت

مصنوعی ذہانت کے ثبوتِ تصور کا جمود: آر او آئی پر توجہ مرکوز کرنے کی ضرورت

مصنوعی ذہانت کی تیز رفتار ترقی نے مختلف صنعتوں میں تجربات کی ایک لہر کو جنم دیا ہے۔ تاہم، بہت سی کمپنیاں "ثبوتِ تصور تھکاوٹ" کا سامنا کر رہی ہیں، جہاں ابتدائی آزمائشیں ٹھوس کاروباری قدر میں تبدیل ہونے میں ناکام رہتی ہیں۔ کوہیئر (Cohere) کے شریک بانی آئیوان ژانگ، جو کہ ایک معروف انٹرپرائز لارج لینگویج ماڈل (LLM) کمپنی ہے، نے ایک حالیہ ویب سمٹ کے دوران اس بڑھتی ہوئی مایوسی کو دور کیا، اور ممکنہ گاہکوں پر زور دیا کہ وہ اے آئی پر اپنا اعتماد برقرار رکھیں جبکہ سرمایہ کاری پر واپسی (ROI) پر توجہ مرکوز کرنے کی اہم ضرورت پر بھی زور دیں۔

ثبوتِ تصور کا گڑھا

ژانگ نے ان کاروباری اداروں میں مایوسی کو اجاگر کیا جنہوں نے اے آئی پائلٹس میں بھاری سرمایہ کاری کی ہے لیکن انہیں اس کے مطابق کوئی فائدہ نظر نہیں آیا۔ انہوں نے تسلیم کیا کہ کوہیئر کے بہت سے صارفین، ابتدائی ایپلی کیشنز بنانے کے باوجود، لاگت اور گورننس سے لے کر ڈیٹا سیکیورٹی اور پرائیویسی تک کے مسائل کی وجہ سے انہیں پروڈکشن میں منتقل کرنے کے لیے جدوجہد کر رہے ہیں۔ یہ جذبات ایک وسیع رجحان کی عکاسی کرتے ہیں جہاں اے آئی کا وعدہ اکثر عمل درآمد کی عملی حقیقتوں سے متصادم ہوتا ہے۔

انہوں نے اخراجات، ریگولیٹری تعمیل، ڈیٹا پروٹیکشن اور پرائیویسی پروٹوکول کے مسائل کی نشاندہی کی، جنہیں کوہیئر اپنی نئی ورک اسپیس پلیٹ فارم کی پیشکش، نارتھ (North) کے ذریعے حل کرنے کی امید رکھتا ہے۔

آر او آئی کی اہمیت

ایک انٹرویو میں ژانگ نے اس بات پر زور دیا کہ اے آئی کو اپنانے کا اگلا مرحلہ قابلِ مظاہرہ آر او آئی کے ذریعے چلایا جانا چاہیے۔ کمپنیوں کو اپنی اے آئی سرمایہ کاری کے لیے ایک واضح مالی جواز دیکھنے کی ضرورت ہے، اس بات کو یقینی بناتے ہوئے کہ فوائد لاگت سے زیادہ ہوں۔ انہوں نے خبردار کیا کہ کچھ اے آئی سسٹمز کو چلانا اتنا مہنگا ہے کہ وہ خودکار کاموں سے ہونے والی کسی بھی ممکنہ بچت کو ختم کر دیتے ہیں۔

انہوں نے کہا، "بعض اوقات وہ جو سسٹمز بناتے ہیں، ماڈل کی لاگت خود ان انسانوں سے زیادہ مہنگی ہوتی ہے جو اصل میں اسے چلا رہے ہوتے ہیں۔"

اے آئی کے نفاذ سے کیا واقعی کوئی بہتری آتی ہے، اس بنیادی سوال کو اے آئی کمپنیوں کے ان منصوبوں کو شروع کرنے سے جلائے گئے پلوں پر قابو پانے کے لیے حل کرنا ہوگا جو کبھی کامیاب نہیں ہوئے۔

اے آئی میں اضافہ بمقابلہ پیداواری صلاحیت

ژانگ نے ان مثالوں کا بھی ذکر کیا جہاں کمپنیوں نے موجودہ افرادی قوت میں اے آئی کے ذریعے اضافہ کرنے کی کوشش کی لیکن پیداواری صلاحیت میں کوئی بہتری نہیں دیکھی۔ بعض صورتوں میں ملازمین نے پیداوار میں اضافہ کیے بغیر محض اپنے کام کا بوجھ کم کر دیا، جس سے اے آئی کے فوائد مؤثر طور پر ختم ہو گئے۔ یہ اس بات کی نشاندہی کرتا ہے کہ اے آئی کو موجودہ ورک فلو میں کس طرح مربوط کیا جاتا ہے اس پر احتیاط سے غور کرنا اور اس بات کو یقینی بنانا کتنا اہم ہے کہ اس سے حقیقی کارکردگی میں اضافہ ہو۔

ابتدائی دھچکوں پر قابو پانا

ژانگ کو توقع ہے کہ اب اے آئی اسٹارٹ اپس کو ان کمپنیوں کو واپس جیتنے کا کام سونپا جائے گا جنہیں ایسے منصوبوں سے "جلایا" گیا جو کامیاب نہیں ہوئے۔ "اس ٹکنالوجی کے لیے گو ٹو مارکیٹ کا اگلا مرحلہ ہے، ‘آر او آئی کہاں ہے؟’" ان کا خیال ہے کہ اے آئی کمپنیوں کو اپنے حل کی ٹھوس قدر کا مظاہرہ کرتے ہوئے اور قابل پیمائش نتائج فراہم کرنے پر توجہ مرکوز کرتے ہوئے اعتماد کو دوبارہ تعمیر کرنے کی ضرورت ہوگی۔

تحقیقی برادری کی بازگشت

ژانگ کے مشاہدات کی تائید نیشنل بیورو آف اکنامک ریسرچ جیسی تنظیموں کی تحقیق سے ہوتی ہے، جس میں اے آئی چیٹ بوٹس استعمال کرنے والے 7,000 کام کرنے کی جگہوں کا سروے کرنے کے بعد "کسی بھی پیشے میں کمائی یا ریکارڈ شدہ اوقات پر کوئی خاص اثر نہیں" پایا گیا۔ اسی طرح بوسٹن کنسلٹنگ گروپ کے ایک مطالعے سے انکشاف ہوا کہ سروے میں شامل صرف ایک چوتھائی ایگزیکٹوز نے اے آئی سے خاطر خواہ قدر دیکھی ہے، جس سے پتہ چلتا ہے کہ کمپنیاں اکثر متعدد پائلٹس میں اپنی سرمایہ کاری کو بہت پتلا پھیلا دیتی ہیں۔

شاندار حل پر کاروباری مسائل کو ترجیح دینا

ایل ایل ایم پر غور کرنے والی کمپنیوں کو ژانگ کی نصیحت یہ ہے کہ وہ واضح استعمال کے معاملات کے بغیر تفصیلی حل بنانے کے بجائے مخصوص کاروباری مسائل کو حل کرنے پر توجہ مرکوز کریں۔ انہوں نے "کچھ بنانے اور کسی مسئلے کی تلاش میں کھو جانے" کے خلاف خبردار کیا، اور اس بات پر زور دیا کہ اے آئی سرمایہ کاری کو اسٹریٹجک کاروباری اہداف کے ساتھ ہم آہنگ کرنا کتنا اہم ہے۔

اے آئی ٹول باکس میں ایک آلے کے طور پر

ژانگ نے استدلال کیا کہ اے آئی کو کاروباری مسائل کو حل کرنے اور صارفین کے لیے قدر پیدا کرنے کے لیے ٹول باکس میں صرف ایک آلے کے طور پر دیکھا جانا چاہیے۔ انہوں نے ٹکنالوجی کی تمام دنیا کے مسائل کو حل کرنے کی صلاحیت کو بڑھا چڑھا کر پیش کرنے کے خلاف خبردار کیا، اور اس بات پر زور دیا کہ یہ سب سے زیادہ مؤثر ہے جب اسے حکمت عملی کے ساتھ اور دوسرے حل کے ساتھ مل کر استعمال کیا جائے۔

ہیلوسینیشن کا چیلنج

اگرچہ اے آئی نے نمایاں پیش رفت کی ہے، لیکن چیلنجز باقی ہیں، خاص طور پر "ہیلوسینیشن" کے شعبے میں، جہاں ایل ایل ایم غلط یا من گھڑت معلومات تیار کرتے ہیں۔ اس شعبے میں پیش رفت کے باوجود ایل ایل ایم کی ہیلوسینیشن کی شرحیں اب بھی ضد میں زیادہ رہی ہیں، یہاں تک کہ معروف کمپنیوں کے تازہ ترین ماڈلز بھی غلطیاں پیدا کر رہے ہیں۔ یہ مسئلہ شفافیت کی اہمیت اور صارفین کو اس بارے میں بصیرت فراہم کرنے کی اہمیت کو واضح کرتا ہے کہ اے آئی ماڈلز اپنے نتائج پر کیسے پہنچتے ہیں۔

شریک بانی نے متعدد پیشہ ور افراد کو تسلیم کیا کہ جنریٹو اے آئی میں ہیلوسینیشن ایک مسئلہ بنی ہوئی ہے۔ انہوں نے کہا کہ کمپنی نے شفاف ہو کر مدد کرنے کی کوشش کی ہے، بشمول صارفین کو ان کے ایل ایل ایم کی "خام سوچ" دکھانا، اور اس کے سسٹمز کون سے ٹولز استعمال کرتے ہیں، اس کے ساتھ ساتھ اخذ کردہ جوابات کے طریقے اور حوالے بھی۔

مسابقتی منظرنامہ

کوہیئر کو اے آئی کی جگہ میں بہتر مالی اعانت یافتہ حریفوں سے سخت مقابلہ کا سامنا ہے۔ تاہم ژانگ کا خیال ہے کہ لاگت سے مؤثر اور توانائی سے موثر اے آئی ماڈلز کی تعمیر کی بات آتی ہے تو بڑا ہونا ہمیشہ بہتر نہیں ہوتا ہے۔ انہوں نے استدلال کیا کہ ایک ماڈل "صرف اتنا ہی اچھا ہے جتنا کہ ڈیٹا اور سسٹمز تک اس کی رسائی ہے،" اور اس بات پر زور دیا کہ ایسے حل بنانا کتنا اہم ہے جو مکمل طور پر صارفین کے ماحول میں چلائے جا سکیں۔ ژانگ نے کوہیئر کی "شدید ترقی" کو سراہا اور کہا کہ جگہ کی "نسبتا نئی" نوعیت کمپنی کے لیے توسیع کے لیے کافی گنجائش چھوڑتی ہے۔

ریونیو میں اضافہ اور چیلنجز

کوہیئر کی ترقی حالیہ دنوں میں ٹیک میڈیا کی توجہ کا مرکز رہی ہے۔ کوہیئر نے اس مہینے 100 ملین ڈالر امریکی (138 ملین کینیڈین ڈالر) کی سالانہ آمدنی تک رسائی حاصل کی ہے جو 2025 کے آغاز سے اپنی فروخت کو دوگنا کرنے کے بعد ہوئی ہے، اور سی ای او ایڈن گومز نے حال ہی میں بلومبرگ کو بتایا کہ کمپنی منافع بخش ہونے سے "دور نہیں" ہے۔ لیکن دی انفارمیشن نے رپورٹ کیا ہے کہ یہ اب بھی 350 ملین ڈالر امریکی کوہیئر سے پیچھے ہے جس نے 2023 میں سرمایہ کاروں کو بتایا تھا کہ اسے اب تک سالانہ کمانے کی توقع ہے۔ آمدنی کے اہداف اور سخت مقابلہ ہی صرف وہ چیلنجز نہیں ہیں جن سے کوہیئر کو نمٹنا ہوگا۔

کاپی رائٹ کی خلاف ورزی کا مقدمہ

اے آئی اسٹارٹ اپ کے پاس بھی ہے جسے ایک ماہر نے ممکنہ طور پر "مثال قائم کرنے والا" کاپی رائٹ کی خلاف ورزی کا مقدمہ قرار دیا ہے۔ میڈیا تنظیموں کے ایک گروپ بشمول ٹورنٹو اسٹار، کونڈے ناسٹ اور ووکس نے الزام لگایا ہے کہ کوہیئر نے میڈیا کے مواد کو بغیر رضامندی کے اسکریپ کیا اور اسے اے آئی ماڈلز کو تربیت دینے کے لیے استعمال کیا، بغیر اجازت کے حقیقی وقت میں مواد تک رسائی حاصل کی اور خلاف ورزی کرنے والی نتائج تیار کیں۔ کوہیئر بہت سے اے آئی اسٹارٹ اپس میں سے صرف ایک ہے جسے اسی طرح کے مقدمات کا سامنا ہے۔ کوہیئر نے ان دعوؤں کی تردید کی ہے اور استدلال کیا ہے کہ مقدمہ کرنے والے پبلشرز نے ایک کیس کو "بنانے" کے لیے اپنا راستہ چھوڑ دیا تھا اور انہوں نے اس تصور پر اختلاف کیا کہ کوئی عملی کاپی رائٹ کی خلاف ورزی ہوئی ہے۔

ژانگ نے اس معاملے پر زیادہ تبصرہ کرنے سے انکار کر دیا، انہوں نے بیٹا کِٹ کو کوہیئر کی سوچ کی تفصیل دینے والی ایک بلاگ پوسٹ کی طرف اشارہ کیا۔ انہوں نے کہا، "ہمیں اس پر اعتماد ہے۔"

اے آئی کے نفاذ کے چیلنجوں میں گہری غوطہ

بہت سے کاروبار ابتدائی طور پر اے آئی اقدامات میں کافی جوش و خروش کے ساتھ غوطہ لگاتے ہیں، یہ مانتے ہوئے کہ اے آئی تیزی سے ان کے کاموں میں انقلاب برپا کر دے گا اور پہلے سے سنی ہوئی کارکردگی پیدا کر دے گا۔ لیکن بہت سے لوگوں کو خود کو ان اہم چیلنجوں کا سامنا کرنا پڑتا ہے جس کی انہیں توقع نہیں تھی۔ یہ مشکلات مختلف شکلیں اختیار کر سکتی ہیں، تکنیکی پیچیدگی سے لے کر تنظیمی مزاحمت تک۔ ان چیلنجوں کو سمجھنا ان کاروباروں کے لیے ضروری ہے جو اے آئی کو کامیابی سے نافذ کرنے اور اپنی سرمایہ کاری پر مثبت واپسی حاصل کرنے کی امید رکھتے ہیں۔

تکنیکی پیچیدگی اور ڈیٹا کی ضروریات

وہ پہلی رکاوٹ جس سے کاروبار اکثر دوچار ہوتے ہیں وہ اے آئی سسٹمز کی تکنیکی پیچیدگی ہے۔ اے آئی ماڈلز، خاص طور پر وہ جو گہری تعلیم پر مبنی ہیں، حساب سے مطالبہ کرنے والے ہیں اور انہیں بنانے، تربیت دینے اور تعینات کرنے کے لیے خصوصی علم کی ضرورت ہوتی ہے۔ ڈیٹا کی بھی ضرورت ہے۔ تربیتی ڈیٹا کے معیار اور مقدار کا اے آئی ماڈلز کی کارکردگی پر کافی اثر پڑتا ہے۔ بہت بڑے ڈیٹا سیٹس کو جمع اور تیار کرنا ایک وقت طلب اور وسائل سے بھرپور عمل ہو سکتا ہے۔ اے آئی کے منصوبے اعلیٰ معیار کے لیبل شدہ ڈیٹا کی کمی سے متاثر ہو سکتے ہیں، جس کے نتیجے میں غلط یا متعصب ماڈلز بنتے ہیں۔

مزید برآں اے آئی سسٹمز کی موجودہ آئی ٹی انفراسٹرکچر کے ساتھ آپس میں مطابقت کی ضمانت دینا مزید پیچیدگی متعارف کراتی ہے۔ مختلف اے آئی پلیٹ فارمز اور فریم ورکس میراثی نظاموں کے ساتھ مطابقت نہیں رکھ سکتے، جس کے لیے موجودہ ورک فلو اور آرکیٹیکچرز میں اہم تبدیلیاں ضروری ہیں۔ پیچیدہ تنظیمی ماحول میں اے آئی کو مربوط کرنے کے لیے اکثر کافی تجربے اور اے آئی ٹکنالوجی اور بنیادی تجارتی آپریشنز دونوں کی مضبوط گرفت کی ضرورت ہوتی ہے۔

تنظیمی اور ثقافتی رکاوٹیں

تکنیکی رکاوٹوں کے علاوہ تنظیموں کو اے آئی کے اپنانے میں اہم تنظیمی اور ثقافتی رکاوٹوں کا سامنا کرنا پڑ سکتا ہے۔ ایک عام مسئلہ کارکنوں کی اے آئی سے چلنے والی تبدیلیوں کو قبول کرنے میں ہچکچاہٹ ہے۔ ملازمین کو ملازمت کے بے گھر ہونے کے ساتھ ساتھ نئی صلاحیتوں کو سیکھنے اور کام کرنے کے نئے طریقوں کے مطابق ڈھالنے کی ضرورت کے بارے میں خدشات ہو سکتے ہیں۔ کارکنوں کی جانب سے مزاحمت اے آئی کے اقدامات کو نقصان پہنچا سکتی ہے اور متوقع فوائد کے احساس کو روک سکتی ہے۔

مزید برآں اے آئی کی تعیناتی کے لیے محکموں اور ٹیموں کے درمیان کافی تعاون کی ضرورت ہے۔ ڈیٹا سائنسدانوں، آئی ٹی پیشہ ور افراد، کاروباری تجزیہ کاروں اور موضوع کے ماہرین کو مسائل کی وضاحت کرنے، اے آئی حل بنانے اور انہیں پیداوار میں تعینات کرنے کے لیے مل کر کام کرنا چاہیے۔ سائلوز اور مواصلات کی کمی تعاون کو روک سکتی ہے اور اے آئی کے تجارتی آپریشنز میں مؤثر انضمام کو روک سکتی ہے۔ ان تنظیمی اور ثقافتی رکاوٹوں پر قابو پانے کے لیے مضبوط قیادت، مؤثر مواصلات اور تبدیلی کے انتظام کے لیے وقف کی ضرورت ہوتی ہے۔

اخلاقی اور گورننس کے خدشات

جیسے جیسے اے آئی زیادہ وسیع ہوتی جاتی ہے اخلاقی اور گورننس کے مسائل تیزی سے اہم ہوتے جاتے ہیں۔ اے آئی سسٹمز میں تعصبات کو برقرار رکھنے، ناجائز فیصلے کرنے اور لوگوں کی پرائیویسی کی خلاف ورزی کرنے کی صلاحیت ہوتی ہے۔ تنظیموں کو AI ڈیزائن، ترقی اور تعیناتی کے لیے مضبوط اخلاقی ہدایات اور گورننس کے طریقہ کار تیار کر کے ان خدشات کو دور کرنا چاہیے۔ شفافیت، جوابدہی اور انصاف ذمہ دار اے آئی کے لیے اہم اصول ہیں۔

ڈیٹا پرائیویسی غور کرنے کے لیے ایک اہم مسئلہ ہے۔ ڈیٹا پرائیویسی کے قواعد پر عمل کیا جانا چاہیے جبکہ اے آئی سسٹمز کی تعمیر کی جائے اس کے ساتھ ساتھ حساس معلومات کو ناپسندیدہ رسائی یا بدسلوکی سے بچانے کے لیے حفاظتی اقدامات بھی کیے جائیں۔ تنظیموں کو ڈیٹا جمع کرنے اور استعمال کرنے کے لیے صارف کی رضامندی حاصل کرنی چاہیے نیز اس بارے میں شفافیت فراہم کرنی چاہیے کہ اے آئی ماڈلز کس طرح انتخاب کر رہے ہیں۔ مزید برآں تنظیموں کے پاس AI سسٹمز کی نگرانی اور آڈٹ کرنے کے لیے میکانزم موجود ہونا چاہیے تاکہ کسی بھی اخلاقی خطرات یا ناخوشگوار نتائج کا اندازہ لگایا جا سکے۔

آر او آئی کی پیمائش اور مظاہرہ

بالآخر کسی بھی اے آئی پروجیکٹ کی کامیابی اس کی سرمایہ کاری پر ایک قابل پیمائش واپسی (ROI) فراہم کرنے کی صلاحیت پر منحصر ہے۔ تاہم، AI منصوبوں کے ROI کا تعین مشکل ہو سکتا ہے خاص طور پر جب فوائد غیر محسوس یا طویل مدتی ہوں۔ تنظیموں کو اپنے AI اقدامات کے لیے واضح اہداف اور اشارے قائم کرنے کے ساتھ ساتھ باقاعدگی سے پیش رفت کو ٹریک کرنے اور نتائج کی پیمائش کرنے کی ضرورت ہے۔ اس کے لیے اس کاروباری قدر کی مکمل گرفت کی ضرورت ہے جو AI سے فراہم کرنے کی توقع کی جاتی ہے نیز اس قدر کو حاصل کرنے کے لیے ضروری وسائل۔

مزید برآں اسٹیک ہولڈرز کو اے آئی کے فوائد سے آگاہ کرنا اے آئی کی سرمایہ کاری میں حمایت حاصل کرنے اور اعتماد قائم کرنے کے لیے بہت اہم ہے۔ اس میں استعمال کے معاملات پیش کرنا، ابتدائی کامیابیوں کی نمائش کرنا اور ضروری کاروباری اشاریوں پر AI کے اثرات کی پیمائش کرنا شامل ہو سکتا ہے۔ اے آئی کے آر او آئی کی کامیابی سے پیمائش اور دکھانے کے لیے کاروباروں کو کارکردگی کی پیمائش کے لیے ایک متعین فریم ورک تیار کرنا چاہیے اور اسٹیک ہولڈرز تک قدر کی تجویز کو واضح طور پر بیان کرنا چاہیے۔

اے آئی کو اپنانے کا مستقبل: ایک متوازن نقطہ نظر

ایوان ژانگ کے بصیرت اے آئی کو اپنانے کے لیے ایک متوازن نقطہ نظر کی اہمیت کو اجاگر کرتے ہیں جو عملی حقائق میں زمین دار رہتے ہوئے ٹکنالوجی کی صلاحیت کو تسلیم کرتا ہے۔ جیسے جیسے اے آئی تیار ہوتی رہتی ہے کمپنیوں کو ایسے حل کی تعمیر پر توجہ مرکوز کرنے کی ضرورت ہوگی جو ٹھوس ROI فراہم کریں، اخلاقی خدشات کو دور کریں اور موجودہ ورک فلو میں بغیر کسی رکاوٹ کے ضم ہوجائیں۔ فلیشی حل پر کاروباری مسائل کو ترجیح دے کر اور اے آئی کو ٹول باکس میں ایک آلے کے طور پر دیکھ کر تنظیمیں اے آئی کی حقیقی صلاحیت کو کھول سکتی ہیں اور بامعنی کاروباری نتائج کو آگے بڑھا سکتی ہیں۔