پائلٹ نے کام کیا۔ کچھ نہیں بدلا۔

ایک ٹیم نے اپنے بتیس میں سے گیارہ کو ناقابل گفت و شنید کے طور پر نشان زد کیا تھا۔.

اس سال کے شروع میں میں نے ایک سرکردہ عالمی فارماسیوٹیکل کمپنی کے مارکیٹنگ آپریشنز کے باب کے ساتھ فیصلہ سازی کا نظام چلایا۔ کمرے میں کوئی AI نہیں تھا۔ صرف ٹیموں کے حقیقی سہ ماہی بیک لاگز، جو شانہ بشانہ دکھائی دیتے ہیں۔.

میں نے اس میز پر جو سوال رکھا وہ سادہ تھا۔ اگر گیارہ چیزیں غیر گفت و شنید ہیں، تو آپ کو اصل میں کیا اختیار ہے؟

ایک اور بورڈ پر میڈیکل ایریا میں تین اشیاء کو بلاک کر دیا گیا۔ تینوں منظوری کے فیصلوں کا انتظار کر رہے تھے۔ میرے سہولت کار کے نوٹ پڑھتے ہیں: یہ فیصلے کی ناکامیاں ہیں، ترسیل کی ناکامیاں نہیں۔ کون انہیں غیر مسدود کر سکتا ہے، اور کیا وہ اس کمرے میں ہیں؟

یہ وہ سوال ہے جو زیادہ تر AI کاروباری معاملات کبھی نہیں پوچھتے ہیں۔.

اب اس بیک لاگ کے سامنے ایک ماڈل رکھیں۔ یہ کسی بھی پلاننگ میٹنگ کے مقابلے میں کام کو تیز اور زیادہ مستقل طور پر درجہ بندی کرے گا۔ اس کے بعد ہر درجہ بندی والی شے بالکل اسی منظوری کا انتظار کرے گی جس کا اسے پہلے انتظار تھا۔.

زیادہ تر بورڈز اب ایک سوال کا ایک ورژن پوچھ رہے ہیں۔ ایک انٹرپرائز AI کی خواہش اور الگ تھلگ پائلٹوں سے ایک کی طرف کیسے منتقل ہوتا ہے۔ AI آپریٹنگ ماڈل جو پیمانے پر قابل پیمائش اقتصادی قدر فراہم کرتا ہے؟

اس بیک لاگ میں زیادہ تر جواب موجود ہیں۔ ماڈل شاذ و نادر ہی رکاوٹ ہے۔ رکاوٹ اس کے ارد گرد کے فیصلوں میں بیٹھتی ہے: کس کو ماڈل کے کہنے پر عمل کرنے کی اجازت ہے، اور کون بعد میں نمبر کا جواب دیتا ہے۔ اور اس سے پہلے کہ کوئی ماڈل اس بیک لاگ کی درجہ بندی کرے، پوچھیں کہ اس میں سے کتنا ہونا چاہیے۔. AI اس سرپلس کو دنوں میں ظاہر کرتا ہے۔. کون کہہ سکتا ہے "اسے کھائی" ابھی بھی فیصلہ ہے۔.

کیا یہ صرف ایک کمپنی ہے؟

نہیں، پیٹرن ظاہر ہوتا ہے جہاں بھی کسی نے دیکھا ہے۔.

MIT کا پروجیکٹ نندا، میں GenAI تقسیم: کاروبار 2025 میں AI کی حالت, ، یہ پایا انٹرپرائز جنریٹیو AI پائلٹس کے 95% نے کوئی قابل پیمائش P&L اثر نہیں دکھایا. مطالعہ چھوٹا ہے، اور ناقدین بتاتے ہیں کہ ان میں سے بہت سے پائلٹوں نے کبھی یہ نہیں دیکھا کہ انہوں نے کہاں سے آغاز کیا۔ یہ تلاش کو کمزور نہیں کرتا ہے۔ اس کی وضاحت کرتا ہے۔ ایک پائلٹ جس نے کبھی اپنے نقطہ آغاز کی پیمائش نہیں کی وہ واپسی نہیں دکھا سکتا، تاہم یہ اچھی طرح سے کام کرتا ہے۔.

McKinsey's 2025 اسٹیٹ آف اے آئی سروے, 1,993 جواب دہندگان کے ساتھ، یہ زیادہ واضح طور پر رکھتا ہے. 88% تنظیمیں کم از کم ایک فنکشن میں AI استعمال کرتی ہیں۔ 39% انٹرپرائز کی سطح پر کسی بھی EBIT اثر کی اطلاع دیتا ہے۔ تقریباً 6% اعلی اداکاروں کے طور پر اہل ہیں، اور جو چیز انہیں الگ کرتی ہے وہ یہ ہے کہ وہ اپنے پاس موجود ماڈلز کو بولٹ کرنے کے بجائے ورک فلو کو دوبارہ ڈیزائن کرتے ہیں۔.

گود لینا عالمگیر کے قریب ہے۔ قدر نایاب ہے۔.

ایک کامیاب پائلٹ دراصل کیا ثابت کرتا ہے؟

ایک پائلٹ کامیاب ہونے کے لیے ڈیزائن کیا گیا ہے۔ یہ اس کے ساتھ مصیبت ہے.

اسے ہاتھ سے چنی گئی ٹیم، صاف ڈیٹا، اسپانسر کی پوری توجہ اور گورننس سے خاموش چھوٹ ملتی ہے جس کے تحت ہر کوئی رہتا ہے۔ یہ موجودگی کے لیے بنایا گیا ہے: کمرے میں صحیح لوگ، توجہ دیتے ہوئے، کال کرنے کے لیے تیار ہیں۔.

پیمانہ مخالف حالت ہے۔ اسپانسر آگے بڑھ گیا ہے۔ ٹیم کو دوبارہ جذب کیا گیا ہے۔ آؤٹ پٹ کسی ایسے شخص کے ساتھ آتا ہے جو کبھی پائلٹ میں نہیں تھا اور اسے کبھی نہیں بتایا گیا تھا کہ فیصلہ ان کا ہے۔ پیمانہ ہے۔ غیر موجودگی کے لئے ڈیزائن, ، اور ایک پائلٹ کبھی بھی اس کی جانچ نہیں کرتا ہے۔.

لندن کی ایک بورو کونسل میں میں نے اس سال کے ساتھ کام کیا، ہم نے بنائے گئے AI ٹولز میں سے ایک، شکایات کا تجزیہ کرنے والا، ان افسران کے ساتھ پائلٹ میں گیا جو رسمی شکایات کو ہینڈل کرتے ہیں۔ انہوں نے اسے استعمال کیا۔ وہ اس سے زیادہ چاہتے تھے۔ اسے بعد میں لکھنا، سب سے درست لائن جو مجھے مل سکی وہ یہ تھی۔.

اسے اسپانسر ملنے سے پہلے ہی اس کے صارفین مل گئے۔.

اس طرح سب سے اچھے AI ورک اسٹال ہوتے ہیں۔ ٹول کام کرتا ہے۔ کسی کو اختیار نہیں ہے کہ وہ اسے روزمرہ کی نوکری کا حصہ بنائے۔ نتیجہ ہے a پائلٹ شیلف: پائلٹوں کی ایک قطار جنہوں نے کام کیا، کھڑا کیا، کیونکہ AI آپریٹنگ ماڈل میں کچھ بھی ان کو وصول کرنے کے لیے تبدیل نہیں ہوا۔.

اے آئی گورننس اسے اکثر کیوں خراب کرتی ہے؟

اس فارما بیک لاگ پر واپس جائیں۔ جبلت، ایک بار جب کوئی ماڈل آجاتا ہے، اس پر حکومت کرنا ہے: اس کی سفارشات کے لیے ایک نظرثانی کا مرحلہ، کسی بھی تبدیلی سے پہلے دستخط کرنا، لاٹ کی نگرانی کے لیے ایک کمیٹی۔.

یہ ہے گورننس کا جال. تنظیمیں AI سفارشات کے لیے گورننس تیار کرتی ہیں جو اس گورننس کی آئینہ دار ہوتی ہیں جس نے انسانوں کو پہلے ہی سست کر دیا تھا۔ ایجنٹ کا مسئلہ حل ہو جاتا ہے۔ تنظیم کا مسئلہ بالکل وہی ہے جہاں وہ تھا، اب ایک اضافی پرت کے ساتھ۔.

میں نے اس سے پہلے دلیل دی ہے کہ AI فیصلہ کن نظام کو ٹھیک کرنے کے بجائے اسے بے نقاب کرتا ہے۔ AI آپ کی تنظیم کو ٹھیک نہیں کرے گا۔. منظوری کا مرحلہ وہ ہے جہاں وہ نمائش پہلے ظاہر ہوتی ہے۔.

اگر پائلٹ پیمانے نہیں کرتے ہیں تو کیا کریں گے؟

دوبارہ استعمال کریں۔.

جون تک، کونسل کا پہلا سال کا AI پورٹ فولیو اس کے ٹرانسفارمیشن اسٹیئرنگ گروپ کے سامنے تھا: نو استعمال کے کیسز میں سات کاروباری کیس، کل تقریباً £1.6m۔ اس کے اندر پھیلاؤ دلچسپ حصہ تھا۔.

جن کیسز کی تعمیر (انجینئرنگ، ڈیٹا فاؤنڈیشن، کامن ڈیزائن) کی لاگت £176k سے £500k تھی۔ جن کیسز نے ان چیزوں کو دوبارہ استعمال کیا جو انہوں نے بنایا تھا ان کی لاگت £15k سے £25k تھی۔.

ان نمبروں کے پیچھے مشترکہ پلیٹ فارم ماڈل کونسل کا تھا، اور یہ مجھ سے پہلے تھا۔ میری شراکت اس پر پورٹ فولیو کی لاگت کر رہی تھی، جس کی وجہ سے معاشیات لوگوں کو یہ فیصلہ کرنے میں نظر آتی تھی کہ پیسہ کہاں گیا۔.

پہلا استعمال کیس پلیٹ فارم کی ادائیگی کرتا ہے۔ اس کے بعد ہر ایک سستا ہے۔.

پائلٹوں کا ایک پورٹ فولیو دوسری طرف کام کرتا ہے۔ ہر ایک کو اکیلے کھڑے ہونے کی گنجائش ہے، لہذا ہر ایک پوری قیمت ادا کرتا ہے، اور دسویں کی قیمت پہلے کی طرح ہے۔ اسے کہتے ہیں کہ یہ کیا ہے: بڑے بجٹ کے ساتھ تکرار۔.

آپ کیسے جانتے ہیں کہ یہ کام کر رہا ہے؟

AI قدر کی دو قسمیں ہیں، اور زیادہ تر تنظیمیں صرف ایک کو شمار کرتی ہیں۔.

ڈیمو ویلیو پائلٹ وہی دکھاتا ہے: درستگی، رفتار، کنٹرول شدہ ٹیسٹ میں محفوظ کیے گئے گھنٹے، ایک مطمئن صارف۔ یہ حقیقی ہے، اور اس کی اطلاع دینا آسان ہے۔.

لیجر کی قیمت مالیات کے پاس پہلے سے موجود نمبروں میں ظاہر ہوتا ہے: ورکنگ کیپیٹل جاری، فی کیس لاگت، رائٹ آف سے گریز۔ اس کا دعوی کرنا مشکل ہے، کیونکہ کام شروع ہونے سے پہلے اس کے لیے ایک بیس لائن سیٹ کی ضرورت ہوتی ہے اور ایک مالک اس کے دفاع کے لیے تیار ہوتا ہے۔.

کونسل کے اندرون خانہ ٹرانسکرپشن ٹول نے میٹنگ نوٹ کی پیداوار کو دو سے تین گھنٹے سے کم کر کے پندرہ سے تیس منٹ کر دیا۔ کونسل کے اپنے افرادی قوت کے اعداد و شمار کے مطابق، جو کہ مکمل رول آؤٹ پر 400 افسروں میں تقریباً £2.5ma سال کی افسری صلاحیت پر آیا۔.

ہم نے اسے کبھی بچت نہیں کہا۔ ہم نے اسے جاری کردہ صلاحیت کہا۔.

فرق اہمیت رکھتا ہے۔ ایک ماڈل ایک آڈٹ نہیں ہے. صلاحیت صرف اس وقت بچت بنتی ہے جب کوئی فیصلہ کرتا ہے کہ جاری کردہ اوقات کیا ہیں، اور اس فیصلے پر اپنے نام پر دستخط کرتا ہے۔ تب تک، یہ ڈیمو ویلیو ہے جس میں ایک بڑی تعداد منسلک ہے۔.

جس چیز نے اسے لیجر کی طرف بڑھایا وہ پیمائش تھی۔ بچایا ہوا وقت اسٹیئرنگ گروپ کے ڈیش بورڈ پر ایک مستقل اشارے بن گیا، جو کسی کے اندازے کے بجائے ٹول کی اپنی ٹیلی میٹری سے تیار کیا گیا ہے۔ شکایات کے تجزیہ کار کے لیے، قاعدہ ایک ہی تھا: پائلٹ کے شروع ہونے سے پہلے ایک بنیادی نمونہ کا وقت، یا یہ قبول کریں کہ آپ یہ ثابت نہیں کر سکیں گے کہ کیا تبدیلی آئی ہے۔.

ڈیمو ویلیو پیش کی جاتی ہے۔ لیجر کی قیمت کا آڈٹ کیا جاتا ہے۔.

تو AI آپریٹنگ ماڈل کیا ہے؟

زیادہ تر انٹرپرائز AI روڈ میپس استعمال کے معاملے کے لحاظ سے ترتیب دیے جاتے ہیں۔ ان میں سے تیس، قدر اور فزیبلٹی پر بنائے گئے، لہروں میں ترتیب دیے گئے۔ یہ سخت لگتا ہے۔ یہ ڈیزائن کی غلط اکائی ہے۔.

آپ استعمال کے معاملے کی پیمائش نہیں کرتے ہیں۔ آپ فیصلے کو دوبارہ ترتیب دیں۔.

ایک AI آپریٹنگ ماڈل چار سوالات کے جوابات کا مجموعہ ہے، جو ہر اس فیصلے کے بارے میں پوچھا جاتا ہے جو اہم ہے:

• ملکیت۔. یہ فیصلہ کس کا ہے, نام سے, ، دوبارہ منظوری کے بغیر کام کرنے کے اختیار کے ساتھ؟
• Reversibility. ماڈل بغیر نگرانی کے کیا کر سکتا ہے؟ مفید حد یہ ہے کہ آیا کسی عمل کو سستے طریقے سے کالعدم کیا جا سکتا ہے۔ الٹ جانے والی حرکتیں چل سکتی ہیں۔ ناقابل واپسی لوگوں کو ایک انسانی دروازے کی ضرورت ہوتی ہے، جو اس کے بعد کی بجائے عمل سے پہلے رکھا جاتا ہے۔.
• آف سوئچ۔. کون اسے بند کر سکتا ہے، اور کیا اسے ایسا کرنے کے لیے کسی کے معاہدے کی ضرورت ہے؟ کوئی نامزد مالک کا مطلب کوئی کنٹرول نہیں۔.
• نمبر۔. جب یہ فیصلہ بہتر ہوتا ہے تو کون سی لیجر لائن حرکت کرتی ہے، ماڈل کو چلانے کے لیے کیا لاگت آتی ہے، کس بیس لائن کے خلاف، اور کون اس کا جواب دیتا ہے؟

ایک بار جب کوئی ماڈل اس کے سامنے فیصلہ کرنے کے لیے کافی اچھا ہو جاتا ہے، تو کون سا ماڈل اس سے کہیں کم اہمیت رکھتا ہے جو وینڈر آپ کو ماننا چاہے گا۔ اگر وہ چار جوابات واضح نہیں ہیں تو، کوئی ماڈل اسے بچائے گا۔.

ایک اور لندن کونسل، 2023۔ اے آئی سے چلنے والا سٹیزن سروس پلیٹ فارم رک گیا تھا۔ وہاں میرے کام کا ایک حصہ کونسل کی پہلی پروڈکٹ کونسل کا قیام تھا: ایک کھڑی جگہ جہاں پروڈکٹ کے فیصلوں کا ایک مالک اور ایک کیڈنس ہوتا ہے۔.

دوسرا حصہ ان لوگوں کو متحرک کر رہا تھا جو یہ فیصلے کریں گے۔ ہم نے 90 سے زائد عملے کو 1,200 گھنٹے سے زیادہ کی صلاحیت سازی کے ذریعے لیا: اپنی مرضی کے مطابق ورکشاپس جو اپنے کام سے حقیقی حالات کی نقالی کرتی ہیں، چست اور ڈیزائن سوچ سے نمٹتی ہیں۔.

پلیٹ فارم چھ مہینوں میں لائیو تھا۔ میرے جانے کے بعد آپریٹنگ تال چلتا رہا۔.

یہ وہی شکل ہے۔ کیا-کیوں- کیسے- کیا گیا کینوس میں کسی بھی تبدیلی کے لیے استعمال کرتا ہوں۔ کیا فیصلہ؟ یہ پیسے میں کیوں اہمیت رکھتا ہے۔ یہ آج کیسے بنتا ہے، اور کل کیسے بنایا جائے گا۔ ہو گیا، سلائیڈ کے بجائے لیجر پر ناپا گیا۔.

پیر کو کیا تبدیلیاں آتی ہیں؟

چار چالیں۔ ان میں سے کوئی بھی تکنیکی نہیں۔.

پائلٹوں کی گنتی بند کرو۔ ایک پائلٹ شمار سرگرمی کی پیمائش کرتا ہے۔ اس کے بجائے رپورٹ کریں کہ کتنے فیصلوں سے ان کے حقوق تبدیل ہوئے ہیں، اور اس نے ان کے نیچے کی تعداد کے ساتھ کیا کیا ہے۔.

استعمال کے تیس نہیں بلکہ تین فیصلے چنیں۔ وہ انتخاب کریں جہاں تاخیر سے حقیقی رقم خرچ ہوتی ہے اور جہاں آپ آج مالک کا نام لے سکتے ہیں۔ ہر ایک سرے کو آخر تک دوبارہ ڈیزائن کریں، پھر اس میں ماڈل ڈالیں۔.

پلیٹ فارم پر ہر فیصلے کی تعمیر کریں جس کے لیے پہلے ادائیگی کی گئی تھی۔ اگر دوسرے کی قیمت وہی ہے جو پہلے نے کی تھی، تو آپ پائلٹ چلا رہے ہیں، جو بھی پروگرام کہا جاتا ہے۔.

ماڈل منتقل کرنے سے پہلے فیصلے کے حقوق کو منتقل کریں۔ اگر سفارش پر اب بھی تین دستخطوں کی ضرورت ہوگی، تو کاروباری معاملہ افسانہ ہے۔ پہلے اتھارٹی کو ٹھیک کریں۔ ٹیکنالوجی آسان حصہ ہے، اور یہ ہر سہ ماہی میں آسان ہو جاتا ہے۔.

اس میں سے کوئی بھی گلیمرس نہیں ہے۔ عزائم ہے۔ خلا کو عبور کرنے والی تنظیمیں اختیارات کی دوبارہ تقسیم کے لیے تیار ہیں، جو کہ سلائیڈ پر ڈالنا مشکل، سست اور بہت کم مزہ ہے۔.

زیادہ تر کاروباری اداروں کے لیے خطرہ یہ نہیں ہے کہ کوئی بھی AI حکمت عملی نہیں لکھ سکتا۔ یہ ہے کہ بارہ مہینوں میں، کوئی بھی اس فیصلے کی طرف اشارہ نہیں کر سکتا جو اس میں بدل گیا ہے۔.

تو یہاں میرا سوال ہے۔

آپ کی تنظیم میں کس فیصلے کے پاس AI کی سفارش ہے جو اس وقت اس کے ساتھ بیٹھی ہے، کسی ایسے شخص کا انتظار کر رہے ہیں جسے یقین نہیں ہے کہ یہ ان کی کال ہے؟

اگر آپ کے پاس کوئی جواب ہے، یا آپ کا اپنا کوئی پائلٹ شیلف ہے، تو میں ورچوئل چائی پر نوٹوں کا موازنہ کرنا پسند کروں گا۔.

یہ AI اور فیصلے کے نظام پر تیسرا حصہ ہے۔ پہلے: فیصلہ سازی کا نظام جس کو آپ کی مصنوعی ذہانت کی حکمت عملی بے نقاب کرنے والی ہے اور AI آپ کی تنظیم کو ٹھیک نہیں کرے گا۔ یہ آپ کو دکھائے گا کہ کیا ٹوٹا ہے۔. متعلقہ: کون ہاں کہہ سکتا ہے، اور کیا سب لوگ اسے جانتے ہیں؟ اور اس کی پیمائش کرنے سے پہلے اسے کیل لگائیں۔.

پڑھنے کے لیے آپ کا شکریہ۔ اگر آپ یہاں نئے ہیں تو میں کُبیر شیرازی ہوں، میں لوگوں، ٹیموں، تنظیموں اور کمیونٹیز کو جمود سے گزرنے میں مدد کرتا ہوں اور تعاون کرنے اور اثر فراہم کرنے کے بہتر طریقے تلاش کرتا ہوں۔.