کاروباری ادارے کا مستقبل

مصنفین کا نوٹ: یہ آنے والی معیشت پر ہمارے سلسلے کا دوسرا مضمون ہے. یہ سلسلہ ایک نئے پلیٹ فارم کا حصہ ہے، جو AGI کے مستقبل کا جائزہ لینے والی آزاد آوازوں کو جگہ دیتا ہے. اس میں ہمارے خیالات پیش کیے گئے ہیں، نہ کہ OpenAI یا ہمارے ساتھیوں کے.

جب ہم دونوں نے یہاں OpenAI میں اپنی اپنی ٹیموں کا انتظام سنبھالا، تو ہماری عمر چوبیس برس تھی. ہماری ٹیموں سے ملنے کے بعد یہ بات اتنی متاثر کن نہیں لگے گی.

قاعدے سے ہمیں معمولی کام کرنے والے کارکن ہونا چاہیے تھا. چوبیس برس کی عمر میں آپ ادارے کی درجہ بندی میں سب سے نیچے ہوتے ہیں. آپ اجلاس کی کارروائی لکھتے ہیں اور چند دفتری یادداشتیں تیار کرتے ہیں. برسوں کی اکتا دینے والی محنت کے بعد، امید ہوتی ہے کہ آپ کو زیادہ وسیع ذمہ داریاں ملیں گی.

ہمارا راستہ، اور آج کے بہت سے نوجوانوں کا راستہ، کچھ مختلف نظر آ رہا ہے. ہم عملی زندگی میں قدم رکھتے ہی اپنے حکم پر کام کرنے والے ”ملازمین“ کے مالک ہوتے ہیں. یہ معاون دن رات، ہفتہ وار تعطیلات اور چھٹیوں میں بھی کام کرتے ہیں. وہ معمول کے محنت طلب کام بخوبی کرتے ہیں. ہمیں مشورہ دینے کے لیے ہمارے عملے میں ریاضی اولمپیاڈ کے طلائی تمغہ یافتہ بھی ہیں. ہمارے یہ نئے ماتحت اب بھی خاصی غلطیاں کرتے ہیں. لیکن وہ بہتر ہو رہے ہیں، ہماری ضرورتیں سمجھ رہے ہیں، اور ہم ان سے کام لینا سیکھ رہے ہیں.

ہم میں سے کسی نے ادارے میں ترقی کی سیڑھی نہیں چڑھی. بلکہ انتظام کی ذمہ داری ہمارے درجے تک اتر آئی ہے. یہ مضمون ہماری اس ترقی اور ان دوسرے طریقوں کے بارے میں ہے جن سے ذہانت کے دور میں داخل ہوتے ہوئے کاروباری ادارے اپنی تنظیم بدل سکتے ہیں.

جب AI کسی ادارے میں داخل ہوتا ہے، تو اسے کہاں جگہ ملتی ہے؟ ہم وضاحت کے لیے تین منظرنامے پیش کرتے ہیں:

ان میں سے کوئی منظرنامہ بعینہٖ ہماری بیان کردہ صورت میں سامنے نہیں آئے گا، لیکن ہمارے خیال میں تینوں کے کچھ پہلو حقیقت بنیں گے. تینوں کی ہلکی جھلکیاں ابھی سے دکھائی دے رہی ہیں.

یہاں ہماری توجہ مکمل خودکاری پر نہیں، بلکہ تبدیلی سے گزرتی معیشت پر ہے. ہم جاننا چاہتے ہیں کہ AI کے بہتر ہونے اور موجودہ اداروں میں رچ بس جانے کے ساتھ انسان اور AI سے مل کر بنے ادارے کیسے ہوں گے.

ہمارے نزدیک ایسے مخلوط ادارے کا تصور اہم ہے، کیونکہ AI کا مؤثر استعمال یکایک شروع نہیں ہو جاتا. جب ماڈل صرف کچھ کام کر سکتے ہوں، تو انہیں اپنانا ان ابتدائی درجے کے ملازمین کے لیے سب سے آسان ہو سکتا ہے جو اس کام سے واقف ہیں. جب ماڈل وسیع ذمہ داریاں ابتدا سے انتہا تک سنبھالنے لگیں، تو اعلیٰ عہدیدار انہیں براہ راست استعمال کر سکتے ہیں. ہماری نظر میں زیادہ قابل AI کو اپنانا زیادہ آسان ہے: اداروں کو ٹیکنالوجی سیکھنی پڑتی ہے، مگر افرادی قوت ادارے کو سمجھ کر خود کو کام کے لیے تیار کر سکتی ہے.

ہم تنظیمی ڈھانچے کی ان تین نئی اقسام کا تفصیلی جائزہ لیں گے، پھر دیکھیں گے کہ دفتری پیچیدگیوں، کارکنوں کے اختیار، اداروں کے حجم اور تنخواہوں کے فرق کے مستقبل پر ان کے کیا اثرات ہوں گے.

ہمارا پہلا منظرنامہ سب سے کم الٹ پھیر والا لگتا ہے. اس میں لوگ انہی عہدوں پر، انہی افسران کے ماتحت رہتے ہیں، اور بظاہر وہی کام کرتے ہیں جو پہلے کرتے تھے. آج اور اس مستقبل کے درمیان انسانی تنظیمی ڈھانچہ بظاہر نہیں بدلتا.

فرق ہمارے نیچے ہے. ہر غیر انتظامی ملازم کے نیچے AI کی ایک نئی افرادی قوت ہوتی ہے، جو ہم میں سے ہر ایک کے ماتحت کام کرتی ہے. ہمارے تنظیمی ڈھانچے میں ایک تہہ خانہ بن جاتا ہے، اور ہم سب منتظم بن جاتے ہیں.

ابتدا میں یہ تہہ خانہ نامکمل ہوتا ہے. ہم میں سے ہر ایک ایک یا دو ایجنٹوں سے آغاز کرتا ہے. وہ تجربہ کار ملازمین سے زیادہ پرجوش زیر تربیت کارکنوں جیسے ہوتے ہیں، جن کی نگرانی اور غلطیوں سے درگزر کرنا ضروری ہوتا ہے. ہماری توقعات کم ہوتی ہیں: یہاں ایک ای میل بھیج دو، وہاں ایک یادداشت لکھ دو، اور Slack پر آنے والے پیغامات کے جواب دے دو. نچلے درجے کے انسانی ملازمین کی طرح، ابتدا میں انہیں بہت کم خودمختاری اور اعتماد ملتا ہے.

لیکن ماڈل بہتر ہونے کے ساتھ ہمارے ایجنٹ کم نگرانی میں زیادہ کام سنبھالنے لگتے ہیں. وہ آپس میں کام کا تال میل کرتے ہیں. ان میں منتظم AI اور معمولی کام کرنے والے AI، حساب دار اور وکیل بھی ہو سکتے ہیں، جو آپ کے حکم پر مل کر کام کرتے ہیں. کسی زیر تربیت کارکن کو قدم قدم پر سکھانے کے بجائے، بالآخر آپ کا کام ایک چھوٹے مگر مکمل ادارے کی صورت اختیار کر لیتا ہے، جس کا اپنا تنظیمی ڈھانچہ ہوتا ہے اور آپ اس کی مجلسِ انتظامیہ ہوتے ہیں.

غور کریں کہ اس منظرنامے سے ملازمین کی چھانٹی لازم نہیں آتی. یہاں ہم اپنی جگہ خودکار نظام لائے بغیر AI اپناتے ہیں. اس کے بجائے ہم اپنے سابقہ کردار خودکار بناتے ہیں، اور درجہ بندی میں اوپر چلے جاتے ہیں. AI ہمارے پہلے کے زیادہ سے زیادہ کام سنبھالتا جاتا ہے. ہمارے روزگار برقرار رہتے ہیں، کیونکہ انتظام کرنے کو زیادہ کام ہوتا ہے، اور ہم زیادہ مجموعی پیداوار کے ذمہ دار بن جاتے ہیں.

ملازمتوں کی نوعیت مستقل نہیں رہتی⁠(نئی ونڈو میں کھلتا ہے). فرض کریں کہ AI آپ کے پہلے کے کام کا نوّے فیصد کر سکتا ہے. آپ یہ نتیجہ نکال سکتے ہیں کہ آپ کے لیے صرف دس فیصد کام بچا ہے. دوسرا امکان یہ ہے کہ آپ اب بھی مکمل کام کر رہے ہوں، مگر ایک مختلف کام—جس کا ہدف اب دس گنا بڑا ہو. ٹیکنالوجی کا روایتی تحفہ یہی ہے: پیداواری صلاحیت بڑھتی ہے، امنگیں اس کے برابر پہنچنے کے لیے بڑھتی ہیں، اور ان کے ساتھ اجرتیں بھی بڑھ سکتی ہیں⁠(نئی ونڈو میں کھلتا ہے).

یہ سب اس پر منحصر ہے کہ کیا ہم اب بھی پیداوار میں قدر کا اضافہ⁠(نئی ونڈو میں کھلتا ہے) کرتے ہیں. یہ مضمون آنے والے ان برسوں پر مرکوز ہے جب خودکاری نہ ہر کام کے قابل ہوگی، نہ ہر جگہ اپنائی گئی ہوگی. اگر AI سب کچھ کر بھی سکے، تب بھی ممکن ہے ہم کسی چیز کو انسان کی بنائی ہوئی ہونے کی وجہ سے زیادہ قدر دیں، یا اصرار کریں کہ آخری فیصلہ انسان کا ہو.

یہ ہماری طلب پر بھی منحصر ہے. اگر صارف کی حیثیت سے ہمیں دس گنا زیادہ پیداوار میں دلچسپی نہ ہو، تو توازن کم کارکنوں یا کام کے کم گھنٹوں کی طرف منتقل ہوگا. تاریخ میں پیداوار کے اضافے نے ہماری خواہشات کو سیر نہیں کیا. ہمارے پاس بہت زیادہ⁠(نئی ونڈو میں کھلتا ہے) ہے، مگر ہم صرف تھوڑا کم⁠(نئی ونڈو میں کھلتا ہے) کام کرتے ہیں. اگر پیداوار کئی گنا ہونے کے ساتھ ہماری طلب بھی بڑھتی رہے، اور ہم پیداوار میں اضافہ کرتے رہیں، تو ہم زیادہ استعمال کے بدلے اپنی محنت دینے کا انتخاب جاری رکھیں گے. اگر اس کے بجائے پیداوار اتنی وافر ہو جائے کہ ہماری طلب پوری ہو جائے، تو ممکن ہے ہم رضاکارانہ طور پر کم افرادی قوت کا انتخاب کریں.

مزید اعتراضات پر ہم آگے بات کرتے ہیں، مثلاً یہ کہ کیا چھوٹے اداروں کی تعداد زیادہ ہوگی. پھر بھی ہمارے نزدیک یہ منظرنامہ اہم ہے، کیونکہ اپنانے کا آغاز کہیں نہ کہیں سے ہونا ہے. اداروں کو اپنے موجودہ تنظیمی ڈھانچوں سے مستحکم انداز میں آگے بڑھنے کا راستہ چاہیے. مکمل تنظیمِ نو کے مقابلے میں موجودہ ملازمین کے کام کو تقویت دینا زیادہ آسان پہلا قدم ہو سکتا ہے. آج ہم یہی ہوتا دیکھ رہے ہیں: ایک کے بعد دوسرا کارکن AI کو کام سونپ رہا ہے، جبکہ ابھی کوئی تنظیمی انقلاب نہیں آیا.

یہ منظرنامہ اس پر قائم ہے کہ سب سے پہلے نچلی سطح کے کارکن معاون بھرتی کریں. AI اپنانے میں ابتدائی درجے کے کارکن پیش قدمی کرتے ہیں، نہ کہ منتظمین اور اعلیٰ عہدیدار. یہ اس وقت تک ممکن لگتا ہے جب تک AI سے بہترین کام وہی شخص لے سکتا ہو جو پہلے خود وہ کام کرتا تھا.

ماڈل ابھی سے علمِ ڈیٹا کے بہت سے کام خودکار بنا سکتے ہیں، مگر طریقوں اور باریکیوں سے ناواقف شعبے کے سربراہ کو ان آلات سے فائدہ اٹھانے میں مشکل ہوگی. جب تک AI اتنا فعال نہ ہو جائے کہ خود آپ کو وہ باتیں بتائے جو آپ نہیں جانتے، شاید وہ انہی کے لیے بہتر کام کرے گا جو کام کے طریقے سے پہلے ہی واقف ہیں. ہمارا اگلا منظرنامہ دیکھیے.

اس منظرنامے میں سب سے بڑی تبدیلی نئے ملازمین کے لیے ہے. اب کوئی سب سے نچلا درجہ نہیں ہوگا، کم از کم انسانوں کے لیے. جب ہم نوجوانوں کو بھرتی کریں گے، تو انہیں ادارے کی سب سے نچلی، مشقت بھری سطح پر رکھنے کے لیے نہیں. ان عہدوں پر ایسی چیز کام کرے گی جسے اس سے کوئی شکایت نہیں ہوگی.

اس کے ساتھ نوجوان کارکنوں کو سکھانے کے کچھ روایتی راستے ختم ہوں گے: شاگردی⁠(نئی ونڈو میں کھلتا ہے)، معمول کی مشقت سے سیکھنا، محنت سے اپنی اہلیت ثابت کرنا. یہ حقیقی نقصانات ہیں، مگر مجموعی طور پر ہم اسے خوش نصیبی سمجھتے ہیں. اچھا خیال رکھنے والے بالکل نئے ملازم کے پاس بھی تجربہ کرنے کے وسائل ہوں گے. دفتر کا سب سے پرانا بہانہ، ہمارے پاس اتنے لوگ ہی نہیں ہیں، دم توڑ رہا ہے. ایک نئی ملازمہ، جس کے ذہن میں زبردست ویڈیو گیم ہو مگر عملہ حاصل کرنے کا کوئی راستہ نہ ہو، اب اسے خود بنا سکتی ہے.

ہماری نظر میں ”سب کی ترقی“ والے اس منظرنامے میں نئے کارکنوں کے لیے اب بھی بہت کچھ سیکھنا ہے: قوتِ فیصلہ، ذوق، انتظامی صلاحیت اور تخلیقی بصیرت. ہمیں یہ صلاحیتیں نکھارنے کی ترغیب ملے گی، کیونکہ وہ ہمارے کام کے نتائج میں نظر آئیں گی. ہم اب بھی کام کرتے ہوئے سیکھیں گے⁠(نئی ونڈو میں کھلتا ہے)، مگر زیادہ وسیع ذمہ داریوں کے ساتھ. ادارے کے تجربہ کار افراد کو ذمہ دار سرپرستوں کی حیثیت سے ہماری مدد کرنے کی ترغیب ملتی رہے گی، کیونکہ ہماری کامیابی میں ان کا مالکانہ حصہ بھی ہوگا. یہاں موقع یہ ہے کہ ہر درجے پر ہر شخص کو زیادہ دلچسپ اور ذہن کو متحرک کرنے والا کردار ملے. ہر کارکن وسیع ذمہ داریوں کے ساتھ اپنی صلاحیتیں دکھا سکتا ہے. یہ ان نئے کارکنوں کے لیے سب سے اہم ہے جن کے پاس پہلے کوئی اختیار ہی نہیں تھا.

ادارے میں AI کے داخلے کا دوسرا راستہ موجودہ تنظیمی ڈھانچے میں جگہ بناتا ہے. یہاں ایجنٹ سب سے نچلے درجے کے کارکن نہیں، بلکہ ساتھی ہیں. ایک روایتی منتظم ٹیم کے کام کا کچھ حصہ ماڈل کو اسی طرح سونپتی ہے جیسے کسی ملازم کو سونپتی. AI انسانوں کے ساتھ جگہ بناتا ہے، صرف ان کے نیچے نہیں.

پہلے منظرنامے سے بنیادی فرق یہ ہے: یہاں کارآمد AI کو موجودہ انسانی منتظمین اپناتے ہیں، صرف موجودہ غیر انتظامی ملازمین نہیں. اس کے لیے اسے اتنا قابل ہونا ہوگا کہ ٹیم کا مکمل رکن بن سکے.

انسان کئی طرح کے کام کر سکتے ہیں. ہتھوڑا ایک کام میں مدد دیتا ہے؛ انسان اس سے کہیں زیادہ کرتا ہے. آلے سے افرادی قوت بننے تک AI کا سفر دائرے کی توسیع ہے: پہلے ایک کام خودکار بنانا، پھر ایک ملازمت، پھر ٹیم اور آخر میں ادارہ. دائرے میں ہر اگلے قدم کے لیے زیادہ وسیع صلاحیت درکار ہے.

ایک ملازمت بہت سے کاموں سے بھرا ہوا سوٹ کیس ہے. پوری ٹیم کی صورت میں وہ سوٹ کیس ہر طرح کے مختلف کاموں سے ٹھسا ہوتا ہے. ذمہ داریوں میں زیادہ کاموں کا مطلب زیادہ ممکنہ رکاوٹیں ہے. اگر ٹیم کے کسی ایک ضروری کام میں بھی جسمانی محنت شامل ہو، تو اضافی آلات کا پورا نیا مجموعہ درکار ہوگا. پوری ٹیم کی جگہ براہ راست لینے کے لیے AI کو اس کی تمام متنوع ذمہ داریاں نبھانے کے قابل ہونا ہوگا.

زیادہ وسیع ذمہ داریاں سنبھالنے والا AI بنانا زیادہ مشکل ہے. لیکن اداروں کے لیے—اور یہی اس پوری تبدیلی کا بنیادی تضاد ہے—زیادہ وسیع صلاحیتوں کو اپنانا زیادہ آسان ہے.

اعلیٰ عہدیدار مکمل طور پر خودکار ٹیم یا وسیع ذمہ داری نبھانے والا نظام براہ راست اپنا سکتا ہے. محدود صلاحیتوں والے آلے کو اوپر سے اتنی آسانی سے نافذ نہیں کیا جا سکتا. زیادہ سادہ آلے کے لیے پوری افرادی قوت کی وسیع رضامندی اور دوبارہ تربیت درکار ہوتی ہے.

روایتی طور پر نئی ٹیکنالوجی چند محدود کاموں کی لاگت کم کرتی ہے. اس کے بعد ذمہ داری خریدار پر آ جاتی ہے. ادارے کو سمجھنا پڑتا ہے کہ نئے آلے سے کیسے فائدہ اٹھائے، اور اس کے مطابق دوبارہ تربیت، تنظیمِ نو اور اپنے طریقۂ کار کی ازسرنو تشکیل⁠(نئی ونڈو میں کھلتا ہے) کرنی پڑتی ہے. اسپریڈشیٹ سافٹ ویئر نے حسابات کے شعبے میں خود اپنی جگہ نہیں بنائی تھی—حسابات کے شعبے نے خود کو اس سافٹ ویئر کے مطابق ڈھالا تھا.

افرادی قوت اس کے برعکس ہے. ایک زیر تربیت کارکن، ایک ملازم اور ایک اچھی ٹیم خود سمجھتے ہیں کہ آپ کے کام کیسے آیا جائے. وہ آپ سے سوال کرتے ہیں، آپ کے حالات سمجھتے ہیں، آپ کی ضرورتیں بھانپتے ہیں. وہ آپ کو ایسی باتیں بتاتے ہیں جن سے اپنی لاعلمی کا بھی آپ کو احساس نہیں تھا. بہترین افرادی قوت خود کو کام کے لیے خود تیار کر لیتی ہے.

AI جتنا پہل اور حالات کے مطابق ڈھلنے کی صلاحیت کے ساتھ اس معنوں میں افرادی قوت جیسا بنتا جائے گا، ادارے کو اتنا ہی کم سیکھنا پڑے گا کہ اسے کیسے استعمال کرے، اور وہ خود اتنا ہی زیادہ سمجھے گا کہ ادارے کے کام کیسے آنا ہے. اعلیٰ عہدیدار شاید نیا آلہ سیکھنے کے لیے ڈیزائن سافٹ ویئر کا ابتدائی درس سننے نہ بیٹھے. لیکن وہ ایسی پیشکش پر خوشی سے غور کرے گا: بس حکم کیجیے، میں آپ کا پورا شعبۂ تشہیر قائم کر دوں گا.

ہم اکثر کسی ایک ملازمت کو خودکار بنا دینے کو AGI کا حتمی ہدف قرار دیتے ہیں. مانا کہ ہم ابھی وہاں تک بھی نہیں پہنچے. ملازمتیں اسی لیے غیر معمولی طور پر پیچیدہ ہیں کہ ہم اتنے حیرت انگیز طور پر قابل ہیں. اس کے باوجود ہماری معیشت کی پیداوار کا بہت تھوڑا حصہ⁠(نئی ونڈو میں کھلتا ہے) اکیلے کام کرنے والوں سے آتا ہے. پیداواری ملازمتیں ٹیموں میں حصہ ڈالتی ہیں، ٹیمیں اداروں میں، اور ادارے ہماری استعمال کی تقریباً ہر چیز بناتے ہیں.

AGI کے لیے ”ملازمت“ کا معیار ہم انسانوں کی صلاحیت کو کم کر کے دیکھتا ہے. محنت صرف کاموں کی انجام دہی یا غیر معمول کے حصے سنبھالنے کا نام نہیں: اس میں زبردست تال میل بھی شامل ہے، یعنی بڑے نتائج میں چھوٹے حصے ادا کرنے کے لیے خود کو ڈھالنے کی ہماری صلاحیت. ہمیں محض کاموں کا مجموعہ سمجھنا ہماری قدر کو کوڑیوں میں تولنا ہے. انسانی قوت فرد سے زیادہ ہماری تنظیموں⁠(نئی ونڈو میں کھلتا ہے) میں ہے. معاشی کام کرنے والے AGI کو لوگوں کے معیار تک پہنچنا ہوگا، نہ کہ ایک شخص کے.

نتیجتاً، ”ساتھ شامل ہونے“ کا منظرنامہ خاصا غیر مؤثر ہو سکتا ہے اگر AI ٹیم یا ادارے کے بجائے اب بھی کسی آلے یا حتیٰ کہ ایک کارکن کی طرح کام کرتا ہو. ہر کارکن کے پہلو میں ماڈل رکھ دینے کا مطلب بے شمار جوڑ اور کام کی حوالگیاں⁠(نئی ونڈو میں کھلتا ہے) ہیں. ٹکڑوں میں بٹا یہ انتظام اپنانے کی رفتار سست کر سکتا ہے.

ہمیں پہلے آنے والے کم قابل نظاموں اور بعد میں آنے والے زیادہ قابل ماڈلوں کے درمیان دوڑ نظر آتی ہے. کون جیتے گا، اس کا انحصار اس پر ہے کہ کیا آئندہ ماڈلوں کو اتنی زیادہ تیزی سے اپنایا جائے گا کہ وہ ان صلاحیتوں تک پہنچنے میں لگنے والے اضافی وقت کی تلافی کر دے.

”ساتھ شامل ہونے“ کا یہ منظرنامہ پہلے ”سب کی ترقی“ والے منظرنامے کے ساتھ موجود ہو سکتا ہے. ممکن ہے کچھ ذمہ داریاں AI کے خودکار بنانے سے اداروں میں انسانی عملہ کم ہو، جبکہ باقی لوگوں کو اپنے ایجنٹ عملے کی مدد سے کہیں زیادہ وسیع ذمہ داریاں ملیں. اہم بات یہ ہے کہ بذاتِ خود اس منظرنامے کا مطلب مجموعی انسانی روزگار میں کمی نہیں ہے. ممکن ہے اداروں کی تعداد بڑھ جائے اور ہر ادارے میں ملازمین کم ہوں.

ہمارا تیسرا منظرنامہ سب سے زیادہ حیران کن ہے. یہاں AI ادارے میں لوگوں کے اوپر داخل ہوتا ہے. ترتیب اب مشینوں کے اوپر انسانوں کی نہیں، بلکہ انسان، AI، انسان کی ہے: انسانوں کے درمیان خودکاری کی تہہ. کچھ لوگ AI کے ”ماتحت“ ہوتے ہیں.

یہ بعید از قیاس لگتا ہے، بالخصوص اداروں میں اسے اپنانے کے نقطۂ آغاز کے طور پر. مگر ہمارے خیال میں کم انقلابی صورتوں میں اس کا آغاز ہو چکا ہے.

جب ہم AI کو ذہنی محنت خودکار بنانے والا نظام سمجھتے ہیں، تب بھی عموماً ہماری توجہ نچلے درجوں پر رہتی ہے. ہم عموماً کہتے ہیں کہ AI اسپریڈشیٹ اور سلائیڈ پیشکشیں خودکار بناتا ہے، انتظام نہیں. ہم فطری طور پر سمجھتے ہیں کہ خودکاری درجہ بہ درجہ اوپر چڑھتی ہے: پہلے معمول کی ذہنی مشقت، آخر میں قوتِ فیصلہ، اور منتظم آخری محفوظ مورچہ ہوتا ہے.

مگر منتظم کا کام زیادہ تر کمپیوٹر اور ذہن میں ہوتا ہے: پڑھنا، اجلاس، پرکھنا، پس منظر ذہن میں رکھنا اور فیصلے کرنا. جسمانی موجودگی، دفتر میں گھومنے اور کارکنوں کے درمیان رہنے کی اپنی اہمیت ہے. پھر بھی ابتدائی درجے کا کام، زیادہ تر ذہنی ہونے کے باوجود، انتظامی کام کی نسبت مادی دنیا اور آلات سے زیادہ واسطہ رکھتا ہے. فوٹوکاپی مشین پر زیر تربیت کارکن کو بھیجا جاتا ہے، اس کے افسر کو نہیں.

ماڈل کو انتظامی فیصلہ سازی سکھانا مشکل ہے، کیونکہ کامیابی کا معیار مبہم ہوتا ہے اور اسے طویل عرصے میں ناپا جاتا ہے. ایسی ہی وجوہات⁠(نئی ونڈو میں کھلتا ہے) سے اچھے انسانی منتظمین کی تربیت بھی مشکل ہے. ہم ابھی نہیں جانتے کہ ماڈل انتظام میں کتنے اچھے ہیں. مخصوص کام انجام دینے والی ذہنی محنت کے لیے ہمارے پاس بے شمار جائزے ہیں، مگر بہت کم جائزے منتظمین اور اعلیٰ عہدیداروں کی سطح پر بڑے پیمانے کے تال میل کو جانچتے ہیں.

پھر بھی اس امکان پر غور کرنا چاہیے کہ آج کے ماڈل صلاحیت میں ابتدائی درجے کے کارکنوں کے مقابلے میں انسانی منتظمین کے زیادہ قریب ہوں. کچھ انتظامی ذمہ داریاں ان کاموں سے پہلے خودکار ہو سکتی ہیں جن کی وہ نگرانی کرتی ہیں.

شاید ”درمیانی تہہ کی تشکیل“ والے اس منظرنامے کی مکمل صورت ایسا AI ہو جو سوچنے کا کام کرے، پھر اپنی صلاحیتوں کی کمی اپنے ماتحت کام کرنے والے انسانی ٹھیکے داروں سے پوری کرے. وہ دنیا ہمیں خاصی اجنبی لگتی ہے. بہت کچھ بدلنا ہوگا.

لیکن اس کی ایک زیادہ فطری صورت بھی ہے، جس کا آغاز ہو چکا ہے: مشورہ دینا. آج ایک اعلیٰ عہدیدار ChatGPT سے کہہ سکتی ہے کہ اس کی پوری کمپنی کے سینکڑوں Slack چینل، دستاویزات، مراسلے اور کوڈ فائلیں پڑھ کر سوالوں کے جواب دے. یہ ٹیم حقیقت میں کرتی کیا ہے؟ وہ کمزوری کہاں سامنے آ رہی ہے؟ ادارے کا ہر حصہ اس کے لیے زیادہ قابلِ فہم ہوتا جا رہا ہے⁠(نئی ونڈو میں کھلتا ہے).

اعلیٰ عہدیدار طویل عرصے سے تنظیمی ڈھانچے میں اجرت پر کام کرنے والے واسطے شامل کرتے آئے ہیں—وہ اسے مشاورت کہتے تھے. انتظامی مشاورتی ادارہ آپ کے اوپر ایک تہہ بٹھاتا ہے، تھوڑی مدت اور بھاری قیمت پر. آگے چل کر AI مشیر نہایت سستے اور ہر وقت موجود ہو سکتے ہیں.

ماڈلوں نے ابھی اداروں کی دستاویزات اور مراسلت کو قابلِ اعتماد طور پر سمجھنا شروع ہی کیا ہے. ان کے ذوق اور خود پہل کرنے کی صلاحیت کو ابھی پختہ ہونا ہے. فی الحال ChatGPT ایک سنجیدہ اعلیٰ عہدیدار کو اپنا ادارہ زیادہ تفصیل سے سمجھنے میں مدد دیتا ہے. ہم اسے بالآخر جامع مشاورتی خدمت بنتے دیکھتے ہیں. وہ نچلے درجے کے ملازمین کا حقیقی ”منتظم“ نہیں ہوگا، بلکہ اعلیٰ عہدیداروں کے لیے ادارے کے اندر کا خبر رساں اور مشیر ہوگا. وہ کاروباری مہارت سے ہر چیز کا جائزہ لے گا، ازخود مسائل سامنے لائے گا اور ان کی ترجیح طے کرنے میں مدد دے گا.

یہ فائدہ مند ہوگا یا نقصان دہ، اس کا انحصار اعلیٰ عہدیدار پر ہوگا. ڈھانچے پر اس کا اثر اختیار کی مرکزیت ہے. ہمیں لگتا ہے کہ اس سے اعلیٰ ترین قیادت اور کمپنی کے باقی حصوں کے درمیان فاصلہ کم ہوگا. اس سے اوپر زیادہ اختیار جمع ہوتا ہے، جبکہ پہلے معلومات کی ترسیل کی رکاوٹیں زیادہ غیر مرکزی فیصلہ سازی کے حق میں تھیں.

یہ منظرنامہ ہمارے لیے صرف اختیار کی منتقلی کی وجہ سے اہم نہیں، بلکہ اس لیے بھی کہ AI کو مشاورتی خدمت کے طور پر کتنی آسانی سے اپنایا جا سکتا ہے. روایتی مشاورت کی طرح، AI مشاورتی خدمت کے لیے اعلیٰ عہدیدار کا تکنیکی ماہر ہونا ضروری نہیں. یہ کمپیوٹر نہیں، جسے نچلے درجے سے ان لوگوں نے اپنایا تھا جو ٹائپ کرنا اور ٹرمینل چلانا جانتے تھے. آپ بس اپنے مشیر سے بات کرتے ہیں، تکنیکی معاملات وہ سنبھالتا ہے. اسے اپنانے کی یہ لہر اعلیٰ ترین افسر کے دفتر سے شروع ہو سکتی ہے. پھر یہ مشاورتی خدمت ادارے کے باقی حصوں میں بھی AI اپنانے کی رفتار بڑھا سکتی ہے.

اداروں کے دور سے کام اور ٹھیکے پر کام پر بے اعتماد ہونے کی ایک بڑی وجہ ہے: شرائط کی پابندی کروا پانا. اداروں کے پاس کبھی ایسا سستا طریقہ نہیں رہا کہ کام کی انجام دہی کو اس کی تمام باریکیوں سمیت دیکھ سکیں. اس لیے وہ کام کے دکھاوے کو ناپتے ہیں⁠(نئی ونڈو میں کھلتا ہے): کلک کی گنتی، ماؤس کی حرکت، آن لائن ہونے کے سبز نشان—ایسے اشارے جن کا اچھا کام ہونے یا نہ ہونے سے بہت کم تعلق ہے.

AI ایسا نگران فراہم کرتا ہے جو سمجھتا ہے. وہ کسی شخص کے تیار کردہ کام کو دیکھ کر بڑے مقاصد کی جانب حقیقی پیش رفت پہچان سکتا ہے. جیسا کہ ہم اگلے حصے میں دیکھیں گے، نگرانی کا کوئی بھی نیا طریقہ بغیر سوچے سمجھے نافذ نہیں کرنا چاہیے⁠(نئی ونڈو میں کھلتا ہے). لیکن مناسب حالات میں یہ اعتماد بڑھا سکتا ہے اور اداروں کو ملازمین کو زیادہ آزادی دینے کی ترغیب دے سکتا ہے.

اگر نگران ان بہت سے مختلف راستوں کو سمجھتا ہو جو اچھے کام تک پہنچا سکتے ہیں، تو ملازمین اپنی پسند کے طریقے سے زیادہ کام کر سکتے ہیں. افسران کے لیے آسانی سے قابلِ نگرانی ایک مقررہ طریقے کے بجائے، اچھے نتائج کی طرف پیش رفت زیادہ اہم ہوگی. ذہین نگران لچک فراہم کرتا ہے اور اس دکھاوے کی کارکردگی کی حوصلہ شکنی کرتا ہے جسے ہم سب ناپسند کرتے ہیں.

یہاں فائدے کی پیشکش ان بیمہ کمپنیوں جیسی ہے جو گاڑی میں نگرانی کا آلہ لگوانے پر آپ کی قسط کم کر دیتی ہیں. اگر آپ نظام کو چکمہ دے رہے تھے، تو یہ آپ کے لیے نقصان دہ ہے؛ اگر آپ بس اپنا کام کر رہے تھے، تو نگران آپ کی کارکردگی کی تصدیق کر سکتا ہے اور انتظامیہ آپ پر زیادہ اعتماد کرتی ہے.

یہ اعتماد نئے امکانات پیدا کرتا ہے. جو ادارے پہلے گھر اور دفتر دونوں سے کام، غیر روایتی سوچ، ٹھیکے داروں یا دور کے ملکوں سے ذہین افراد کی بھرتی سے ہچکچاتے تھے، ان میں ہمیں نئی آمادگی⁠(نئی ونڈو میں کھلتا ہے) دکھائی دے سکتی ہے.

آج ابتدائی درجے کے ملازمین کو تنظیمی ڈھانچے سے بہت سی شکایتیں ہیں. یہ بہت حوصلہ شکن ہے کہ ہم جو مسئلہ خود دیکھ رہے ہوں، اسے اوپر پہنچانے کا کوئی راستہ نہ ہو. نااہل منتظم کے ماتحت پھنس جانا، یا عمدہ کام کے باوجود پذیرائی نہ ملنا، سراسر ناانصافی ہے.

ہماری نظر میں کاروباری کارکردگی کو انتہائی حد تک بڑھانے کی پچھلی لہر محدود اعداد و شمار، سرسری رہنما اصولوں اور بے شعور الگورتھموں پر قائم تھی. اگر آپ صرف مشین کے پرزوں کا حساب سمجھ سکتے ہوں، تو ہر انسان آپ کو ایک پرزہ ہی نظر آئے گا. اداروں کو اپنی افرادی قوت کی کارکردگی ناپنے میں دیرینہ مشکل رہی ہے. ذہین نگران ان قیمتی خدمات اور منفرد طریقوں کو پہچان سکتا ہے جو آج کے ناقص پیمانوں کی گرفت میں نہیں آتے.

ان تین خاکہ نما منظرناموں کی روشنی میں اب ہم ادارے کے مستقبل سے متعلق چند فیصلہ کن سوالوں کا جائزہ لیتے ہیں.

کوئی چیز بنانا عموماً خاصا مہنگا ہوتا ہے. ایپ، فلم، پیشکش، کوئی خصوصیت یا تجزیہ: ان سب کو دوبارہ تیار کرنا مہنگا، وقت طلب اور دشوار ہوتا ہے. جب عملاً ایک ہی موقع ملے، تو آپ نشانہ درست کرنے پر محنت کرتے ہیں. منصوبہ بندی کے ادوار، لائحۂ عمل طے کرنے کی رسمی کارروائیاں اور منظوری دینے والی کمیٹیاں اسی لیے ہوتی ہیں کہ جب ادارہ بالآخر کام شروع کرے، تو وہ کسی قابلِ قدر مقصد کی طرف بڑھے. ہمارے انتظامی ڈھانچوں میں بہت سی جانچیں اسی لیے ہیں کہ کام کو عملی شکل دینا بہت قیمتی تھا.

بہت سے شعبوں میں AI چیزیں بنانے کی لاگت بہت کم کر رہا ہے—مکمل تیاری تک نہ سہی، کم از کم ابتدائی نمونہ بنانے تک. ہمارے خیال میں ادارے کا طریقہ بھی اسی کے ساتھ بدلنا چاہیے: نشانہ باندھنے میں کم وقت، آزمانے میں زیادہ. ادارہ ابتدائی نمونہ بنا سکتا ہے، مشاہدہ کر سکتا ہے، جلد سیکھ سکتا ہے، اپنی سمت بدل سکتا ہے اور اسے دوبارہ بنا سکتا ہے. ابتدائی نمونے آسانی سے بننے⁠(نئی ونڈو میں کھلتا ہے) پر اداروں کو ان انتظامات سے دور ہونا چاہیے جو بہت زیادہ منصوبہ بندی پر مبنی پیداوار کا سہارا ہیں.

اس کی سادہ ترین صورت ایسی ٹیم ہے جو زیادہ تیزی سے آزمائش اور بہتری کے مراحل طے کرتی ہے. زیادہ بنیادی تبدیلی کی صورت میں خود ٹیم کی ضرورت پر سوال اٹھتا ہے. اگر مشترکہ منصوبہ بندی کی اہمیت کم اور آزاد، متنوع خیالات کی اہمیت زیادہ ہو، تو کیا ایک تیزی سے بہتری لانے والی ٹیم بہتر ہے یا بہت سے افراد جو اپنے اپنے قابلِ استعمال نمونے پیش کریں؟ اگر ایک حقیقی نمونہ کسی تصور کو کام کا دائرہ طے کرنے والی ہر دستاویز سے بہتر بیان کرتا ہو، تو کیا ہمارے رابطے کے طریقے بدلیں گے: زیادہ چیزیں، پہلے مرحلے پر بانٹنا، اور یادداشتوں کے بجائے اصل کام پیش کرنا؟

کم لاگت میں چیزیں بننا ادارے کو افراد پر زیادہ انحصار کی طرف لے جا سکتا ہے. اس کا مطلب درمیانی انتظامی درجوں میں کمی اور اجازت مانگنے کی کم ضرورت ہوگا، کیونکہ پہلے پوچھنا کام کرنے سے سستا تھا، اب ایسا نہیں ہے.

اس سب کے باوجود، جیسا کہ ہم آگے بتائیں گے، جو ٹیکنالوجی افراد کو کم خطرے کے ساتھ نمونے بنانے کی قوت دیتی ہے، وہی دفتری پیچیدگیوں کا جال بھی بڑھا سکتی ہے.

اداروں میں اوپر سے نیچے کی جانب انتظام نافذ کرنے کی ایک بڑی وجہ یہ یقین ہے کہ اعلیٰ عہدیدار نچلے درجے کے کارکنوں سے بہتر کاروباری فیصلے⁠(نئی ونڈو میں کھلتا ہے) کرتے ہیں. ادارے اعلیٰ عہدوں پر نہایت قابل، تجربہ کار لوگوں کو زیادہ معاوضہ دیتے ہیں. منتظمین کو اکثر کاروباری حکمتِ عملی کی تربیت ملتی ہے، جبکہ غیر انتظامی ملازمین اپنے مخصوص شعبے کے ماہر ہوتے ہیں. اگر AI تمام کارکنوں کو بہترین مشورہ دے، تو فیصلہ سازی کے معیار کا فرق کم ہو جاتا ہے. منتظمین کے پاس مداخلت کی وجہ کم رہ جائے گی. اس سے کارکنوں کی خودمختاری بڑھے گی اور انتظامی درجے بھی کم ہو سکتے ہیں.

اسی طرح، ”AI مشاورتی خدمت“ یقینی بناتی ہے کہ اعلیٰ عہدیدار کو مطلع کیے بغیر کوئی بہت دور رس معاملہ پیش نہ آئے. اگر کوئی کارکن ایسی بلاگ تحریر شائع کرنے والا ہو جس کے کمپنی پر سنگین اثرات پڑ سکتے ہوں، تو مشاورتی خدمت پہلے ہی اعلیٰ عہدیدار کی توجہ اس طرف دلائے گی. اس سے اعتماد پیدا ہوتا ہے: انتظامیہ کو یہ فکر نہیں رہتی کہ اس کی لاعلمی میں بڑی گڑبڑ ہو جائے گی، اس لیے اسے کارکن کے طریقۂ کار پر اتنی سخت گرفت⁠(نئی ونڈو میں کھلتا ہے) رکھنے کی ضرورت نہیں ہوتی.

لیکن AI مشاورتی خدمت ایک دو دھاری تلوار⁠(نئی ونڈو میں کھلتا ہے) ہے. ایک ذہین نگران کے طور پر وہ کارکنوں پر اعتماد بڑھا سکتی ہے؛ وہ پورے ادارے میں چیف ایگزیکٹو کے پسندیدہ طریقوں کو زیادہ سختی سے نافذ بھی کر سکتی ہے. ادارے ہم آہنگی⁠(نئی ونڈو میں کھلتا ہے) کو اہمیت دیتے ہیں: صرف اچھا فیصلہ نہیں، بلکہ ایسا فیصلہ جو کمپنی کی ثقافت، برانڈ اور بڑے پیمانے پر کام کی کفایت سے مطابقت رکھتا ہو. ریستورانوں کا سلسلہ اپنی تمام فرنچائزوں میں یکساں فہرستِ طعام پسند کر سکتا ہے، تاکہ اجزا تھوک میں منگوائے جا سکیں اور گاہکوں کو یکساں چیز ملنے کی توقع ہو.

اس سے متعلق ایک اور بات یہ ہے کہ ادارے کے سربراہوں اور کارکنوں کے مفادات ہمیشہ ہم آہنگ نہیں ہوتے. کارکن اپنے شعبے کی کامیابی⁠(نئی ونڈو میں کھلتا ہے) کو زیادہ سے زیادہ بڑھانے کی کوشش کرتے ہیں، جبکہ اعلیٰ عہدیدار پورے ادارے کی فکر کرتے ہیں. حصص کے مالکان کی ترجیحات تنخواہ دار کارکنوں سے مختلف ہوتی ہیں، کیونکہ زیادہ محنت کا فائدہ انہیں ملتا ہے⁠(نئی ونڈو میں کھلتا ہے). مشاورتی خدمت اوپر سے مقرر کردہ مخصوص طریقوں کی زیادہ سخت پابندی کرا سکتی ہے.

ہمارے خیال میں مجموعی طور پر کارکنوں کا اختیار بڑھے گا. ہماری امید اس بات پر ہے کہ ادارے اہم استثنائی معاملات کی نشان دہی کے لیے AI استعمال کریں گے اور زیادہ فیصلے کارکنوں پر چھوڑیں گے.

ہمارے خیال میں AI ایک معاون ڈھانچے کا کام کرے گا. اگر اعلیٰ عہدیدار برانڈ میں یکسانیت برقرار رکھنا بھی چاہیں، تو یہ محض ایک حد ہوگی جس کے اندر کام کرنا ہوگا. کارکن متعلقہ کاروباری حدود سے بہتر واقف ہوں گے اور باقی دائرے میں تخلیقی کام کے لیے انہیں زیادہ تحفظ ملے گا. اہم خدشات کا بندوبست ہو جانے پر اعلیٰ عہدیدار ملازمین کو ممکنہ طور پر منافع بخش نئے طریقے آزمانے دے سکتے ہیں. ہمارے ماتحت AI معاونوں کی مدد سے کارکن زیادہ بڑے نتائج کے بھی ذمہ دار ہوں گے. زیادہ پیچیدہ کام کی قیادت میں ہمیں تخلیقی صلاحیت کے زیادہ مواقع نظر آتے ہیں.

کارکنوں کی خودمختاری کے بارے میں یہی منطق اداروں کے حجم پر بھی لاگو ہوتی ہے. رونالڈ کوز⁠(نئی ونڈو میں کھلتا ہے) نے پوچھا تھا کہ ہم معاہدوں کے جال کے بجائے اداروں کے اندر پیداوار کیوں منظم کرتے ہیں. حتیٰ کہ ہوائی جہاز بھی صرف افراد کے باہمی معاہدوں سے بنایا جا سکتا ہے، مگر یہ بہت غیر مؤثر طریقہ ہوگا. ادارے بڑے پیمانے کی کفایت حاصل کرتے ہیں، مفادات میں ہم آہنگی پیدا کرتے ہیں، بڑے منصوبے منظم کرتے ہیں اور مسلسل سودے بازی کی ضرورت ختم کرتے ہیں.

رابطے آسان بنا کر AI بڑے اور چھوٹے، دونوں طرح کے اداروں کا جواز پیدا کر سکتا ہے. روایتی ادارہ معلومات اوپر اور ہدایات نیچے پہنچانے کا ایک ڈھانچہ ہے، جس میں رکاوٹیں بھی بہت ہیں اور بات ایک سے دوسرے تک پہنچتے پہنچتے بدل بھی جاتی ہے. اگر AI تال میل کی ایک تہہ کا کردار ادا کرے، تو زیادہ انسانی ملازمین والے بڑے ادارے کو سنبھالنا آسان ہو جاتا ہے. ”AI مشاورتی خدمت“ کی مدد سے ایک اعلیٰ عہدیدار اپنے ادارے کو اتنا اچھی طرح جان سکتی ہے جتنا ایک بانی بیس افراد کی نوخیز کمپنی کو جانتا ہے. وہ کسی منصوبے کی سہ ماہی روداد کا انتظار کرنے کے بجائے اس پر عمل درآمد کو دیکھ سکتی ہے، اور کچھ بھی پیش آنے پر اسے فوری اطلاع مل سکتی ہے. اس کا تصور ادارے میں زیادہ دور تک سرایت کر سکتا ہے. ہر شخص دوسروں کے کام اور ادارے کی مجموعی ترجیحات سے زیادہ واقف ہوتا ہے.

اس کا اثر الٹا بھی ہو سکتا ہے. اگر رابطے بے رکاوٹ ہوں اور معاہدوں کی پابندی کی نگرانی آسان ہو، تو ادارے کو رسدی سلسلے کا اتنا بڑا حصہ اپنے اندر رکھنے کی ضرورت نہیں ہوگی. ادارہ بیرونی سپلائرز اور ٹھیکے داروں پر زیادہ اعتماد کر سکتا ہے.

پیداوار کے مختلف مراحل کو ایک ہی ادارے میں یکجا کرنے کا ایک اہم مقصد مفادات میں ہم آہنگی پیدا کرنا ہے. نامکمل معاہدوں⁠(نئی ونڈو میں کھلتا ہے) کا ایک تصور ہے: ہوائی و خلائی سازوسامان کی کمپنی جیٹ انجن کی کمپنی سے معاہدہ کر سکتی ہے، لیکن جن چیزوں کا معاہدے میں واضح تقاضا نہ ہو، ان میں جیٹ انجن کی کمپنی اپنے منافع کی خاطر کم خرچ کرنے کی طرف مائل ہوگی. اس سے بچنے کے لیے ہوائی و خلائی سازوسامان کی کمپنی جیٹ انجن کی کمپنی خرید لیتی ہے. بالکل کارکنوں اور ان کے افسران کے تعلق کی طرح: اگر معاہدوں کی نگرانی آسان ہو اور ان سے متعلق فیصلے رسمی خانہ پُری کے بجائے سمجھ داری سے ہوں، تو ادارے دوسرے اداروں پر بھروسہ کرنے میں زیادہ مطمئن ہو سکتے ہیں. ہر کام ادارے کے اندر کرنے کی ضرورت کم ہوگی.

ہمیں بہت سے چھوٹے اداروں کے ساتھ AI کی وسیع ”ملکیتی کمپنیوں“ کی بھی توقع ہے، جن میں ایک ہی ادارے کے تحت بے شمار مختلف منصوبوں پر کام ہوگا. متنوع کاروباروں کا گروپ وہاں کفایتی ہوتا ہے جہاں تمام مختلف منصوبے کسی مشترکہ اثاثے سے فائدہ اٹھاتے ہوں. یہ مشترکہ اثاثہ حسابی وسائل ہو سکتے ہیں، اگرچہ انہیں حسبِ ضرورت تھوڑی تھوڑی مقدار میں بھی آسانی سے حاصل کیا جا سکتا ہے. مشترکہ کارخانہ یا روبوٹوں کا بیڑا اس کی زیادہ مضبوط وجہ ہے.

بڑی ”ملکیتی کمپنی“ کا جواز ہم آہنگ مفادات بھی ہو سکتے ہیں. اگر AI نظاموں اور سرمائے پر مشتمل ایک بڑا ادارہ مکمل طور پر کسی مشترکہ مقصد، مثلاً سرطان کے علاج، کے لیے وقف ہو، تو الگ چھوٹے منصوبوں کی ضرورت کم رہ جاتی ہے. AI کا ادارہ اقتدار کی کشمکش سے بچ سکتا ہے، تمام معلومات بانٹ سکتا ہے، اور ضرورت پڑنے پر اپنے ایجنٹوں میں تخلیقی تنوع پیدا کر سکتا ہے تاکہ مختلف راستے آزمائے جائیں.

موجودہ نظام سے توقع ہے کہ وہ نمایاں کارکردگی والے کارکنوں کو نوازے. وہ ترقی کرتے ہیں اور انہیں بہتر معاوضہ ملتا ہے. لیکن شاندار مشورے دینے والے ماڈلوں کی دنیا میں کارکن خود کو دوسروں سے ممتاز کیسے کریں گے؟

اگر AI سب کو ایک ہی عمدہ خیال دے، تو ہمارے پاس الگ پہچان بنانے کے مواقع کم ہوں گے. تنخواہوں کا فرق کم ہونا چاہیے.

اس فرق کو کم ہونے سے روکنے والی چیزیں قوتِ فیصلہ، ذوق اور ذمہ داریوں کا دائرہ ہیں. اگر ہم میں سے ہر ایک اپنے ماتحت AI اداروں کی قیادت کرے، تو انسان کی باقی رہ جانے والی قدر اس کی فیصلہ سازی میں ہوگی. اگر ہر شخص اپنے ماتحت زیادہ بڑے کام کا ذمہ دار ہو، تو اچھے اور برے فیصلے کا فرق زیادہ نمایاں اثر ڈالے گا⁠(نئی ونڈو میں کھلتا ہے).

ہم طویل عرصے سے تنظیمی ڈھانچے کی چوٹی پر یہی منطق لاگو کرتے آئے ہیں. ہم چیف ایگزیکٹو کی تنخواہ⁠(نئی ونڈو میں کھلتا ہے) کا جواز یہ دیتے ہیں کہ اوپر کیے گئے ذرا سے بہتر فیصلے بھی منافع پر بہت بڑا اثر ڈال سکتے ہیں. اگر کچھ کارکن محدود وسائل کے استعمال کے لیے اپنے ماتحت AI اداروں کا بہتر انتظام کریں، تو تنخواہوں میں عدم مساوات بڑھ سکتی ہے.

جتنا زیادہ داؤ پر ہو، دوسروں پر آپ کی معمولی برتری بھی آپ کی تنخواہ میں اتنی ہی زیادہ جھلکتی ہے. دوسری طرف، AI سب کو اچھا مشورہ دے گا. کارکردگی میں کم فرق تنخواہوں کا فاصلہ کم کرتا ہے.

یہاں بھی اور دوسری جگہوں پر بھی، کون سا رجحان غالب رہے گا، اس کا انحصار شاید اس پر ہوگا کہ ہم زیادہ تر فیصلے کر رہے ہیں یا ان پر عمل کر رہے ہیں.