کیا AI میرا کام لے گا؟ اس کے بارے میں سوچنے کا ایک عملی طریقہ

لوگ اسے ہاں یا ناں میں پوچھتے ہیں۔ یہ ایک نہیں ہے۔ اس لیے نہیں کہ کوئی بھی جواب نہیں جانتا، بلکہ اس لیے کہ "نوکری" کے بارے میں پوچھنا غلط یونٹ ہے۔

تقریباً کوئی بھی کام پر ایک کام نہیں کرتا ہے۔ آپ کاموں کا ایک بنڈل کرتے ہیں، اور AI ہر ایک کو مختلف طریقے سے مارتا ہے۔ کچھ پہلے ہی زیادہ تر خودکار ہیں۔ کچھ دہائیاں گزر چکے ہیں۔ کچھ اصل میں اس طریقے سے آسان ہو جائیں گے جو آپ کو زیادہ قیمتی بنائے، کم نہیں۔ ان سب کا اوسط اپنے جاب ٹائٹل کے بارے میں فیصلے میں لگائیں اور آپ اپنی اصل میں درکار معلومات کو پھینک دیتے ہیں۔

تو یہاں مفید ورژن ہے۔ ٹاسک کے لحاظ سے اپنے ایکسپوزر ٹاسک کو کیسے انجام دیں۔ کیا حقیقی طور پر ایک کردار کی حفاظت کرتا ہے. اصل میں اس کے بارے میں کیا کرنا ہے.

اصل طریقہ کار: کام، نوکریاں نہیں۔

آٹومیشن کا مطالعہ کرنے والے ماہرین اقتصادیات نے سالوں سے ٹاسک بیسڈ فریم کا استعمال کیا ہے۔ یہ پورے پیشوں کے بارے میں سرخی کی پیشین گوئیوں سے کہیں بہتر ہے۔

ایک مارکیٹنگ مینیجر لیں۔ ایک ہفتے میں وہ شخص کاپی لکھ سکتا ہے، مہم کی کارکردگی کا تجزیہ کر سکتا ہے، کلائنٹ کال پر بیٹھ سکتا ہے، فیصلہ کر سکتا ہے کہ اگلی سہ ماہی کا بجٹ کون سا چینل حاصل کرے گا، ڈیزائنر کو بریف کر سکے گا، دو ٹیموں کے درمیان لڑائی کو حل کرے گا، اور رپورٹ بنا سکتا ہے۔

اب ایک وقت میں ان کو گریڈ کریں۔

| ٹاسک | نمائش | |---|---| | پہلے مسودے کی کاپی لکھنا | ہائی، پہلے سے ہی بڑی حد تک خودکار | | ایک معمول کی رپورٹ بنانا | اعلی | | کارکردگی کے اعداد و شمار کا تجزیہ کرنا | اعتدال پسند، مدد کی جگہ نہیں لی گئی | | ایک ڈیزائنر کو بریفنگ | اعتدال پسند | | ایک کلائنٹ کال | کم | | بجٹ مختص کرنے کا فیصلہ کرنا | کم، اس میں احتساب ہوتا ہے | | ٹیم کے اختلاف کو حل کرنا | بہت کم |

کام خودکار نہیں ہے۔ ہفتے کا تقریباً ایک تہائی حصہ ہے۔ اس کے بعد جو ہوتا ہے وہ فالتو پن نہیں ہے۔ کردار ان حصوں کی طرف تبدیل ہوتا ہے جو حرکت نہیں کرتے تھے، اور جو شخص اپناتا ہے وہ زیادہ سے زیادہ کام کرتا ہے جو ہمیشہ قیمتی تھا۔

یہ وہ نمونہ ہے جس کی زیادہ تر علمی کاموں میں توقع کی جاتی ہے۔ اور یہ "آپ کی نوکری غائب" سے حقیقی طور پر مختلف ہے۔

اپنی اپنی نمائش اسکور کریں۔

یہ ٹھیک سے کریں۔ آپ کسی بھی صنعت کی رپورٹ سے ایک گھنٹے میں زیادہ سیکھیں گے۔

مرحلہ 1. تقریباً ایک گھنٹے کے بلاکس میں لکھیں کہ آپ نے گزشتہ ہفتے دراصل کیا کیا تھا۔ آپ کی ملازمت کی تفصیل نہیں۔ جو تم نے کیا۔

مرحلہ 2. ہر بلاک کو چار سوالات کے مقابلے میں اسکور کریں۔

1. کیا ان پٹ زیادہ تر ٹیکسٹ یا ڈیٹا ہے؟ ٹیکسٹ اور سٹرکچرڈ ڈیٹا وہ ہیں جہاں یہ سسٹم مضبوط ہیں۔ جسمانی کام، یا کام جو کہ کمرے کو پڑھنے پر منحصر ہے، نہیں ہے۔ 2. کیا کوئی واضح طور پر درست آؤٹ پٹ ہے؟ قابل تصدیق درست جواب والے کام ججمنٹ کالز سے زیادہ تیزی سے خودکار ہوجاتے ہیں۔ 3. کیا غلطی سستی ہوگی؟ سستی غلطیاں جلد از جلد خودکار ہوجاتی ہیں۔ ٹکنالوجی کے قابل ہونے کے بعد مہنگے لوگ انسان کو بہت دیر تک گھیرے میں رکھتے ہیں۔ 4. کیا اسے احتساب کی ضرورت ہے؟ فیصلہ کسی کو خود کرنا ہوگا۔ ایک ماڈل جوابدہ نہیں ہو سکتا۔ تکنیکی حد کے طور پر نہیں۔ ساختی طور پر۔

ہاں 1 اور 2 تک، نیز سستی غلطیاں اور کوئی جوابدہی نہیں، مطلب زیادہ نمائش۔ زیادہ نوز کا مطلب ہے کم۔

مرحلہ 3. گھنٹے شامل کریں۔ یہ فیصد آپ کا حقیقی جواب ہے۔ "کیا مارکیٹنگ خودکار ہو جائے گی؟" سے کہیں زیادہ مفید ہے؟

زیادہ تر لوگوں کو لگتا ہے کہ وہ 20% اور 50% کے درمیان ہیں۔ اور بے نقاب نصف وہ آدھا ہوتا ہے جس سے وہ کم سے کم لطف اندوز ہوتے ہیں۔

اصل میں کیا کردار کی حفاظت کرتا ہے۔

سنیارٹی نہیں۔ ٹیکنیکل نہیں ہونا۔ چار چیزیں۔

1۔ احتساب۔ فیصلہ غلط ہونے پر کسی کو جوابدہ ہونا پڑتا ہے۔ یہ ایک قانونی اور تنظیمی تقاضہ ہے، صلاحیت کا فرق نہیں۔ یہ خودکار نہیں ہوگا چاہے ماڈل کتنے ہی اچھے کیوں نہ ہوں۔

2۔ جسمانی موجودگی اور مہارت۔ روبوٹکس زبان کے ماڈلز کے مقابلے میں بہت آہستہ چل رہا ہے۔ ہنر مند تجارت، دیکھ بھال کا کام، کچھ بھی غیر متوقع اور جسمانی، زیادہ تر دفتری کاموں سے کہیں کم بے نقاب ہوتے ہیں۔ جو دس سال پہلے لوگوں کے بہت سے مفروضوں کو الٹ دیتا ہے۔

3۔ رشتے اور اعتماد۔ کلائنٹ ان لوگوں سے خریدتے ہیں جن پر وہ بھروسہ کرتے ہیں۔ مذاکرات۔ مشکل گفتگو۔ کسی کے کہنے کے بجائے اس کا کیا مطلب پڑھنا۔ کمزوری سے بے نقاب، یہ سب۔

4۔ ابہام کے تحت فیصلہ۔ نہیں کہ "کلین ڈیٹا کے پیش نظر کون سا آپشن بہترین ہے"۔ یہ خودکار ہے۔ اصل ابہام یہ ہے کہ "ہمارے پاس نامکمل معلومات، مسابقتی ترجیحات اور ایک آخری تاریخ ہے، ہم کیا کریں؟" یہ سیاق و سباق، ملکیت اور اعصاب لیتا ہے.

نوٹ کریں کہ یہ زیادہ تر تکنیکی مہارت نہیں ہیں۔ AI تحفظ کے طور پر "کوڈ سیکھنے" کا عام مشورہ پیچھے کی طرف ہے۔ کوڈنگ متن پر مبنی ہے جس میں قابل تصدیق آؤٹ پٹس ہیں۔ یہ علم کے زیادہ بے نقاب کاموں میں سے ہے۔

حقیقی طور پر کیا خطرہ ہے۔

یقین دلانے کے بجائے ایماندار ہونا، کیونکہ جھوٹی تسلی صاف نظر سے بدتر ہے۔

انٹری لیول ٹیکسٹ ورک سب سے پہلے مارا جا رہا ہے۔ بنیادی کاپی رائٹنگ۔ معمول کے مواد کی پیداوار۔ فرسٹ پاس ریسرچ کے خلاصے سادہ ڈیٹا انٹری اور فارمیٹنگ۔ اس لیے نہیں کہ AI انہیں بہتر کرتا ہے۔ کیونکہ یہ انہیں لاگت کے ایک حصے پر قابل قبول کرتا ہے۔

یہ ایک حقیقی ساختی مسئلہ پیدا کرتا ہے۔ جونیئر کردار یہ تھے کہ لوگوں نے فیصلہ کیسے سیکھا۔ اگر یہ کردار کم ہو جاتے ہیں، تو بزرگ بننے کا راستہ تنگ ہو جاتا ہے۔ یہ پیشہ کے لئے ایک حقیقی مسئلہ ہے، اور کسی نے اسے حل نہیں کیا ہے۔

معمول کا تجزیہ کمپریسنگ ہے۔ ختم نہیں کیا گیا۔ لیکن اچھی ٹولنگ کے ساتھ ایک تجزیہ کار اب وہی کرتا ہے جو تین پہلے کرتے تھے۔

جو کچھ بھی "کافی اچھا" جواب مطمئن کرتا ہے اسے سامنے لایا جاتا ہے۔ جہاں معیار کی چھت کی بجائے منزل ہوتی ہے۔ معمول کا ترجمہ۔ بنیادی حمایت. معیاری دستاویزات۔ لاگت جیت جاتی ہے۔

حقیقت پسندانہ قریب المدتی تصویر

بیک وقت دو باتیں درست ہیں۔ زیادہ تر تبصرہ ایک کو چنتا ہے اور دوسرے کو نظر انداز کرتا ہے۔

AI ابھی پیمانے پر پورے کردار کی جگہ نہیں لے رہا ہے۔ تعیناتی صلاحیت سے سست ہے۔ تنظیمیں عمل کی تبدیلی میں بری ہیں۔ انضمام مشکل ہے۔ احتساب کے سوالات حل طلب ہیں۔ زیادہ تر کمپنیاں اسے بطور اسسٹنٹ استعمال کر رہی ہیں، متبادل نہیں۔

لیکن کرداروں کی تشکیل تیزی سے بدل رہی ہے۔ اور سب سے پہلے متاثر وہ لوگ ہیں جن کا کام زیادہ تر بے نقاب کالم میں تھا۔ تبدیلی عام طور پر اس طرح ظاہر ہوتی ہے کہ "ہم اس شخص کی جگہ نہیں لے رہے ہیں جو چھوڑ گیا ہے"، فالتو پن کے طور پر نہیں۔

لہذا زیادہ تر لوگوں کے لئے خطرہ برطرف نہیں کیا جا رہا ہے۔ میکینیکل حصوں کو ہٹانے کے ساتھ ایک ہی کردار ادا کرنے والے کسی کے ذریعہ آہستہ آہستہ اسے آگے بڑھایا جا رہا ہے۔ اسی تنخواہ کے لیے زیادہ، تیزی سے پیداوار۔ یہ ایک مسابقتی خطرہ ہے۔ اور یہ قابل توجہ ہے۔

پچھلی آٹومیشن لہروں نے اصل میں کیا کیا۔

جاننے کے قابل، کیونکہ پیٹرن دہرایا جاتا ہے اور اس کا مقبول ورژن دونوں سمتوں میں غلط ہے۔

اے ٹی ایم نے بینک بتانے والوں کو ختم نہیں کیا۔ معمول کے مطابق کہتے ہیں کہ انہوں نے ایسا کیا۔ اصل میں کیا ہوا، جیسا کہ جیمز بیسن نے اپنے study of ATMs and teller employment میں بیان کیا، یہ ہے کہ اے ٹی ایم نے برانچوں کو چلانے کے لیے سستا بنا دیا۔ چنانچہ بینکوں نے ان میں سے زیادہ کھولے۔ ٹیلر نمبر برسوں سے روکے گئے، جب کہ نوکری نقد گننے سے لے کر مصنوعات بیچنے اور مستثنیات کو سنبھالنے میں بدل گئی۔ کام خودکار ہو گیا۔ جو رہ گیا تھا اس کے ارد گرد کردار کو دوبارہ منظم کیا۔

اسپریڈ شیٹس نے بک کیپرز کو ختم نہیں کیا۔ انہوں نے دستی ریاضی کو ختم کردیا، جو کہ زیادہ تر کام تھا۔ بک کیپنگ کا روزگار وقت کے ساتھ ساتھ گر گیا۔ اکاؤنٹنگ اور مالیاتی تجزیہ میں اضافہ ہوا. وہی مہارتیں، جو رقم کی بجائے سوالات پر ویلیو چین کو مزید اوپر لاگو کرتی ہیں۔

صنعتی روبوٹس نے مینوفیکچرنگ کے مخصوص کرداروں کو تبدیل کر دیا ہے۔ یہ ایماندارانہ کاؤنٹر ویٹ ہے۔ کچھ خطوں میں نقل مکانی مرتکز، مستقل، اور نئے کام کے ذریعے مقامی طور پر نہیں کی گئی۔ اگر نقصان آپ کے شہر میں ہے اور فائدہ کہیں اور ہے تو مجموعی رجائیت بہت کم سکون ہے۔ یہ وہ لہر بھی ہے جس کے بارے میں سب سے زیادہ تفصیل دستیاب ہے کہ کون سے کردار گئے اور کون سے بڑھے۔ What dark factories actually tell us ان حالات کے ذریعے کام کرتا ہے جو کسی عمل کو بغیر نگرانی کے چلنے سے پہلے روکنا پڑتا ہے۔ وہ حالات نمائش کا کافی حد تک درست پیش گو ثابت ہوتے ہیں۔

تو پیٹرن نہ تو "کچھ نہیں ہوتا" ہے اور نہ ہی "سب کچھ جاتا ہے":

• ٹاسک قابل اعتماد طریقے سے خودکار ہو جاتا ہے۔ - کردار عام طور پر زندہ رہتا ہے، اس کے ارد گرد دوبارہ منظم کیا جاتا ہے جو خود کار نہیں ہوتا ہے۔ - مجموعی ملازمت برقرار رکھنے یا بڑھنے کا رجحان ہے۔ لیکن یکساں طور پر نہیں، اور سب کے لیے نہیں۔ - جو لوگ برا کرتے ہیں وہ وہ ہیں جن کا کام تقریباً مکمل طور پر خودکار کام تھا، جس میں آگے بڑھنے کے لیے کچھ بھی نہیں تھا۔

اس بار ایک چیز سنجیدگی سے لینے کے قابل ہے۔ پچھلی لہریں زیادہ تر خودکار جسمانی یا ریاضی کے کام کرتی تھیں، اور فرار کا راستہ علمی کام میں آگے بڑھنا تھا۔ یہ لہر سیدھے علمی کام کی طرف اشارہ کرتی ہے۔ فرار کا راستہ اس کے بجائے فیصلے، احتساب اور جسمانی مہارت کی طرف چلتا ہے۔ یہ ایک کم مانوس سمت ہے۔ اور یہی وجہ ہے کہ "علمی کام" میں دوبارہ مہارت حاصل کرنے کے بارے میں معمول کا مشورہ اس سے کم مفید ہے۔

اصل میں کیا کرنا ہے، اگلے 90 دن

کنکریٹ۔ ترتیب میں۔

1۔ اوپر کی نمائش کا آڈٹ کریں۔ ایک گھنٹہ۔ آپ ایسے نمبر کے خلاف منصوبہ بندی نہیں کر سکتے جو آپ کے پاس نہیں ہے۔

2۔ ٹولز کے ساتھ حقیقی طور پر روانی حاصل کریں۔ دبنگ نہیں۔ ایک بار بار چلنے والا کام چنیں اور اس پر ایک مہینے تک AI استعمال کریں، جب تک آپ کو معلوم نہ ہو کہ یہ کہاں مضبوط ہے اور کہاں ناکام ہو جاتا ہے۔ ناکامی کے طریقوں کے بارے میں پریکٹیشنر کی سطح کا علم بذات خود ایک نایاب مہارت ہے۔ یہ کسی ایسے شخص کے درمیان فرق ہے جو کہتا ہے کہ "میں ChatGPT استعمال کرتا ہوں" اور کسی ایسے شخص کے درمیان جس نے حقیقت میں اپنے کام کرنے کے طریقے کو تبدیل کر دیا ہے۔ The practical guide is here .

3۔ جان بوجھ کر محفوظ شدہ کالم کی طرف بڑھیں۔ اگر آپ کا ہفتہ 60% بے نقاب کام ہے، تو فیصلے، کلائنٹ کے رابطے اور ملکیت کے ساتھ کام کے لیے رضاکار بنیں۔ یہ عام طور پر دستیاب ہے۔ وہ کام مشکل ہے اور لوگ اس سے گریز کرتے ہیں۔

4۔ خودکار کرنا سیکھیں، نہ کہ صرف اشارہ کرنا۔ ٹولز کو ورک فلو میں اکٹھا کرنا اچھی طرح سے اشارہ کرنے سے مادی طور پر زیادہ قیمتی ہے۔ اور بہت کم لوگ یہ کر سکتے ہیں۔ Start here .

5۔ کوئی ایسی چیز بنائیں جو آپ کی ہو۔ شہرت۔ ایک سامعین۔ ایک پورٹ فولیو۔ ایک نیٹ ورک۔ یہ کام کی تفصیل کے اندر نہیں بیٹھتے ہیں اور انہیں دوبارہ منظم نہیں کیا جا سکتا ہے۔

6۔ حجم پر مقابلہ کرنا بند کر دیں۔ اگر آپ کی قدر زیادہ الفاظ، زیادہ ڈیک، مزید رپورٹس تیار کر رہی ہے، تو یہ لڑائی اب ناقابل شکست ہے۔ اس کے بجائے فیصلہ، ذائقہ اور احتساب پر مقابلہ کریں۔

ایماندارانہ خلاصہ

کیا AI آپ کا کام لے گا؟ شاید ایک واقعہ کے طور پر نہیں۔ زیادہ امکان ہے کہ یہ آپ کے کاموں کا ایک حصہ لے گا۔ اس کے بعد جو ہوتا ہے اس کا انحصار اس بات پر ہے کہ آیا آپ ان حصوں کی طرف بڑھتے ہیں جو وہ نہیں کر سکتا، یا دھکیلنے کا انتظار کریں۔

جو لوگ جدوجہد کرتے ہیں وہ وہ نہیں ہوں گے جن کی ملازمتیں خودکار ہوگئیں۔ وہ وہی ہوں گے جنہوں نے بے نقاب 40% ہاتھ سے کرتے رہے، جب کہ ایک ساتھی نے اسے خودکار بنایا اور باقی 60% پر دوبارہ دعوی کیا گیا وقت صرف کیا۔

یہ ہیڈ لائن ورژن سے کہیں زیادہ قابل انتظام مسئلہ ہے۔ اور یہ ایک ہے جسے آپ اس ہفتے سے شروع کر سکتے ہیں۔

اکثر پوچھے گئے سوالات

کیا AI میری نوکری کو مکمل طور پر بدل دے گا؟

زیادہ تر علمی کرداروں کے لیے، نہیں۔ ایک واقعہ کے طور پر نہیں۔ یہ کسی کام کے اندر مخصوص کاموں کو خودکار کرتا ہے۔ حقیقت پسندانہ نتیجہ یہ ہے کہ مکینیکل حصہ سکڑنے کے ساتھ فیصلہ، تعلقات اور جوابدہی کی طرف آپ کے کردار کی تشکیل نو ہوتی ہے۔ مکمل کردار کی تبدیلی کا امکان سب سے زیادہ ہے جہاں تقریباً ہر کام متن پر مبنی ہوتا ہے جس میں قابل تصدیق نتائج اور کم غلطی لاگت ہوتی ہے۔

کون سی ملازمتیں AI سے سب سے زیادہ خطرے میں ہیں؟

متن اور ڈیٹا میں مرتکز کردار واضح درست جوابات اور سستی غلطیوں کے ساتھ کام کرتے ہیں۔ انٹری لیول کاپی رائٹنگ۔ معمول کے مواد کی پیداوار۔ بنیادی تحقیق کا خلاصہ۔ سادہ ڈیٹا پروسیسنگ۔ پہلی لائن کی حمایت. کم سے کم بے نقاب: ہنر مند جسمانی تجارت، نگہداشت کا کام، اور کوئی بھی چیز جو احتساب، گفت و شنید یا ابہام کے تحت فیصلے پر مرکوز ہو۔

کیا مجھے اپنے کیریئر کی حفاظت کے لیے کوڈ سیکھنا چاہیے؟

خاص طور پر AI تحفظ کے طور پر نہیں۔ کوڈنگ متن پر مبنی ہے جس میں قابل تصدیق آؤٹ پٹ ہیں، جو اسے نسبتاً بے نقاب کرتا ہے۔ آٹومیشن بنانا سیکھنا ہاتھ سے کوڈ لکھنا سیکھنے سے زیادہ مفید ہے۔ حقیقی طور پر حفاظتی مہارتیں زیادہ تر غیر تکنیکی ہیں: فیصلہ، ملکیت، کلائنٹ کے تعلقات۔

یہ کتنی جلدی ہو گا؟

قابلیت تعیناتی سے زیادہ تیزی سے آگے بڑھ رہی ہے۔ تنظیمیں عمل کو آہستہ آہستہ تبدیل کرتی ہیں۔ احتساب کے سوالات حل طلب ہیں۔ سالوں میں بتدریج ساخت میں تبدیلی کی توقع کریں۔ یہ اچانک بڑے پیمانے پر تبدیلی کے مقابلے میں زیادہ کثرت سے کرداروں کے بیک فل نہ ہونے کے طور پر ظاہر ہوگا۔

کون سی مہارتیں اب بھی قیمتی ہوں گی؟

فیصلوں کا احتساب۔ نامکمل معلومات کے ساتھ فیصلہ۔ رشتے اور اعتماد۔ جسمانی اور حالات کی مہارت۔ پریکٹیشنر کی سطح کا علم جہاں AI ٹولز ناکام ہو جاتے ہیں۔ خاص طور پر، ان میں سے زیادہ تر تکنیکی نہیں ہیں۔

کیا ڈھلنے میں دیر ہے؟

نہیں۔ جو شخص اگلے چھ مہینوں میں حقیقی طور پر روانی اختیار کر لیتا ہے وہ جلدی ہے، دیر سے نہیں۔

اہم نکات

• اسکور ٹاسک، نوکری کے عنوان نہیں۔ آپ کا کام بے حد مختلف نمائش کے ساتھ ایک بنڈل ہے۔ - چار ٹیسٹ: ٹیکسٹ یا ڈیٹا ان پٹ، قابل تصدیق آؤٹ پٹ، سستی غلطیاں، احتساب کی ضرورت نہیں۔ - جو چیز کسی کردار کی حفاظت کرتی ہے وہ زیادہ تر غیر تکنیکی ہوتی ہے: احتساب، تعلقات، جسمانی مہارت، فیصلہ۔ - انٹری لیول ٹیکسٹ ورک سب سے پہلے مارا جا رہا ہے، جو خاموشی سے سینئر بننے کا راستہ توڑ دیتا ہے۔ - حقیقت پسندانہ خطرہ کسی کے ذریعہ ٹولز کا استعمال کرتے ہوئے بڑھ رہا ہے، ان کے ذریعہ تبدیل نہیں کیا جارہا ہے۔ - دھکیلنے کا انتظار کرنے کے بجائے جان بوجھ کر محفوظ کالم کی طرف بڑھیں۔

متعلقہ پڑھنا: the skills that actually matter in the age of AI، how to automate your work with AI، اور why ChatGPT gives wrong answers۔