کیا آپ نے کبھی ٹول اور سسٹم کے درمیان فرق پر غور کیا ہے؟
ٹول وہ چیزیں ہیں جو ہم کاموں کو انجام دینے کے لیے استعمال کرتے ہیں۔ سسٹم بھی اسی طرح کاموں کو آسان بناتے ہیں۔
کچھ لوگ ایک سسٹم کو محض ایک زیادہ پیچیدہ ٹول تصور کر سکتے ہیں۔
تاہم، جب کاموں کو دو اقسام میں تقسیم کیا جاتا ہے – تکراری کام اور بہاؤ کا کام – تو ٹولز اور سسٹمز کے درمیان فرق واضح ہو جاتا ہے۔
تکرار اور بہاؤ
تکراری کام لچکدار آزمائش اور غلطی کے ذریعے بتدریج قابلِ حصول چیزیں بنانے کا عمل ہے۔
تکراری کام میں، ایک ٹول کٹ جو مخصوص کاموں کے لیے باہم تبدیل ہو کر استعمال کیا جا سکتا ہے، مفید ہوتا ہے۔
اس کے برعکس، بہاؤ کا کام ایک ایسا عمل ہے جو بتدریج آگے بڑھتا ہے، اور آخری مرحلے میں ایک قابلِ حصول چیز تیار کرتا ہے۔
بہاؤ کے کام میں، کام کے بہاؤ کی رہنمائی کے لیے ایک نظام کا ہونا پیداواری صلاحیت اور معیار کو نمایاں طور پر بہتر بناتا ہے۔
بہاؤ کے کام میں تبدیلی اور نظام سازی
انسانوں کے ذریعے انجام دیے جانے والے بہت سے کام یا تو تکراری کام ہوتے ہیں یا پھر منظم بہاؤ کے کام کا حصہ ہوتے ہیں۔
تکراری کام کو بہاؤ کے کام میں تبدیل کرکے اور پھر اسے منظم کرکے، پیداواری صلاحیت اور معیار کو نمایاں طور پر بہتر بنایا جا سکتا ہے۔
صنعتی انقلاب اور آئی ٹی انقلاب
صنعتی انقلاب اور آئی ٹی انقلاب اس بات کی بہترین مثالیں ہیں کہ کس طرح تکراری کام کو بہاؤ کے کام میں تبدیل کرنے اور پھر اسے منظم کرنے سے پیداواری صلاحیت اور معیار میں ڈرامائی طور پر بہتری آئی۔
صنعتی انقلاب سے پہلے، مینوفیکچرنگ کا کام تکراری کام کے طور پر انجام دیا جاتا تھا، جس میں انسان ہنر مندی سے اوزار استعمال کرتے تھے اور ہر بار انتظامات اور طریقہ کار کو آزادانہ طور پر تبدیل کرتے تھے۔
اسی طرح، آئی ٹی انقلاب سے پہلے، معلومات کی پروسیسنگ میں انسان اوزار استعمال کرتے تھے جو کہ غیر منظم، تکراری انداز میں ہوتا تھا۔
ان عملوں کو منظم کرنے سے، بالکل فیکٹری کی پیداواری لائنوں یا کاروباری آئی ٹی سسٹمز کی طرح، پیداواری صلاحیت اور معیار میں نمایاں اضافہ ہوا۔
تاہم، نہ صرف نظام سازی بلکہ تکراری کاموں کو بہاؤ کے کام میں تبدیل کرنا بھی انتہائی اہم ہے۔ بہاؤ کے کام میں تبدیل کرنے کی صلاحیت ہی نے نظام سازی کو ممکن بنایا۔
تخلیقی AI انقلاب
جب کاروباری کارروائیوں میں تخلیقی AI کا استعمال کرکے پیداواری صلاحیت اور معیار کو بہتر بنانے کا ہدف بنایا جائے، تو محض AI کو ایک ٹول کے طور پر استعمال کرنا اس کی حقیقی قدر کو ظاہر نہیں کرے گا۔
بنیادی مقصد تکراری کام کو بہاؤ کے کام میں تبدیل کرنا ہے، جس کے بعد اس بہاؤ کے کام کی نظام سازی کی جاتی ہے۔
تخلیقی AI اپنی موافقت کی وجہ سے تکراری کام کو سنبھال سکتا ہے۔ تاہم، چاہے انسانوں کے ذریعے انجام دیا جائے یا تخلیقی AI کے ذریعے، تکراری کام کی پیداواری صلاحیت اور معیار کی حدود ہوتی ہیں۔
اس لیے، بہاؤ کے کام میں تبدیلی اور نظام سازی کا ہدف رکھنا انتہائی اہم ہے۔
کوئی یہ دلیل دے سکتا ہے کہ اگر بہاؤ کے کام میں تبدیلی انسانی کارکنوں کے لیے پیداواری صلاحیت اور معیار کو بہتر بنا سکتی تھی، تو ایسے اقدامات تخلیقی AI کے آنے سے پہلے بھی کیے جا سکتے تھے۔
تاہم، بہاؤ کے کام میں تبدیلی، جب انسانی کارکنوں پر مبنی ہو، دراصل ایک بہت مشکل مسئلہ ہے۔ انسانی کارکن کام کی ذمہ داریوں یا مواد میں تبدیلیوں کے مطابق فوری طور پر خود کو ڈھال نہیں سکتے۔
اس کے برعکس، جب کارکن ایک تخلیقی AI ہو، تو کرداروں اور کام کے مواد کو تکراری طور پر دوبارہ ترتیب دینا آسان ہوتا ہے۔
انسانوں کے برعکس، تخلیقی AI پچھلے مراحل کو بھول سکتا ہے، نئے طریقہ کار کو فوری طور پر پڑھ اور سمجھ سکتا ہے، اور ان کی بنیاد پر کام انجام دے سکتا ہے۔
اسی وجہ سے، کاروبار میں تخلیقی AI کا فائدہ اٹھانے کا مرکزی نقطہ نظر تکراری کام کو بہاؤ کے کام میں تبدیل کرنا اور اس کی بعد کی نظام سازی ہوگا۔
تخلیقی AI کا استعمال کرتے ہوئے کاروباری کارکردگی
آئیے تخلیقی AI کے ذریعے حاصل ہونے والی کاروباری کارکردگی کی ایک مثال پر غور کریں۔
مثال کے طور پر، ملازمین کی جانب سے اندرونی کمپنی کے قواعد کے بارے میں پوچھ گچھ کا جواب دینے کے کام پر غور کریں۔
تخلیقی AI کا استعمال اندرونی قواعد کو تلاش کرنے اور جوابات کا مسودہ تیار کرنے کے لیے کیا جا سکتا ہے۔
تاہم، اس بات کا امکان ہے کہ تخلیقی AI پرانے قواعد کا حوالہ دے سکتا ہے یا غلطی سے قواعد میں موجود نہ ہونے والی تصوراتی معلومات کی بنیاد پر جوابات تیار کر سکتا ہے۔
مزید برآں، پوچھ گچھ مختلف ذرائع سے آ سکتی ہے، جیسے ای میل، میسنجر ٹولز، فون، یا ذاتی طور پر۔
لہٰذا، پوچھ گچھ کو سنبھالنے والے ملازم کو انہیں پہلے کی طرح موصول کرنے کی اب بھی ضرورت ہے۔
یہ سمجھا جا سکتا ہے کہ اگر ممکن ہو تو ملازمین پوچھ گچھ کا موقع پر ہی جواب دیں، اور جن پوچھ گچھ کے لیے قواعد کی تصدیق کی ضرورت ہو، ان کے لیے پوچھ گچھ کا مواد تخلیقی AI میں درج کر کے مسودہ جوابات تیار کروا کر کارکردگی کو بہتر بنایا جا سکتا ہے۔
اس کے علاوہ، اکثر پوچھے جانے والے سوالات کے لیے، انہیں کمپنی کی اندرونی ویب سائٹ پر FAQs کے طور پر پوسٹ کرنا ضروری ہے۔
تخلیقی AI کا استعمال نمائندہ سوالات اور جوابات درج کرنے اور ویب سائٹ پر اشاعت کے لیے بلٹڈ مسودے تیار کرنے کے لیے بھی کیا جا سکتا ہے۔
مزید برآں، قواعد میں ترمیم کی ضرورت پڑنے پر مسودہ الفاظ کا جائزہ لینے کے لیے بھی تخلیقی AI کا فائدہ اٹھایا جا سکتا ہے۔
ایسے استعمالات پوچھ گچھ کو سنبھالنے کے کاموں کے ایک خاص فیصد کو آسان بنا سکتے ہیں۔
تاہم، یہ محض پوچھ گچھ کو سنبھالنے کو تکراری کام کے طور پر لیتا ہے اور تخلیقی AI کو ایک ٹول کے طور پر استعمال کرتا ہے۔
نتیجتاً، اس نقطہ نظر سے کارکردگی میں حاصل ہونے والے فوائد بہت محدود ہیں۔
بہاؤ کے کام میں تبدیلی
مثال کے طور پر ذکر کیے گئے پوچھ گچھ کے جواب کے کام کی کارکردگی کو زیادہ سے زیادہ بڑھانے کے لیے، اس کام کو بہاؤ کے کام میں تبدیل کیا جانا چاہیے۔
اس کے لیے پوچھ گچھ کو سنبھالتے وقت انچارج شخص کے ذریعے اٹھائے گئے اقدامات کی تفصیل اور دستاویزی کرنا ضروری ہے:
- مختلف ذرائع سے پوچھ گچھ وصول کریں۔
- اگر پوچھ گچھ پہلے سے جواب دی گئی پوچھ گچھ جیسی ہے اور متعلقہ قواعد میں کوئی تبدیلی نہیں ہے، تو پہلے کی طرح وہی جواب فراہم کریں۔
- نئی پوچھ گچھ، یا قواعد میں تبدیلی سے متعلقہ پوچھ گچھ کے لیے، قواعد کا جائزہ لیں اور ایک مسودہ جواب تیار کریں۔
- چیک کریں کہ آیا مسودہ جواب پرانے قواعد کا حوالہ دیتا ہے یا قواعد میں بیان نہ کی گئی معلومات شامل ہے۔
- چیک کریں کہ کیا جواب دینے سے پہلے منظوری درکار ہے، اور اگر ضروری ہو تو منظوری حاصل کریں۔
- جس ذریعے سے پوچھ گچھ موصول ہوئی تھی، اس کے ذریعے جواب دیں۔
- پوچھ گچھ کا مواد، منظوری کا نتیجہ، اور جواب کا نتیجہ پوچھ گچھ کی ہسٹری ڈیٹا میں درج کریں۔
- اکثر پوچھے جانے والے سوالات اور جوابات کے لیے تجویز کردہ اپ ڈیٹس بنانے کے لیے وقتاً فوقتاً پوچھ گچھ کی ہسٹری ڈیٹا چیک کریں۔
- منظوری حاصل کرنے کے بعد اندرونی کمپنی کی ویب سائٹ کو اپ ڈیٹ کریں۔
- جب قواعد کو اپ ڈیٹ کیا جائے تو، حوالہ کردہ قواعد کے ڈیٹا کو اپ ڈیٹ کریں۔
- ہم وقت، ماضی کی پوچھ گچھ کی ہسٹری ڈیٹا میں ریکارڈ کریں کہ متعلقہ جوابات اور قواعد کی اپ ڈیٹس ہوئی ہیں۔
- تصدیق کریں کہ کیا قواعد میں تبدیلیوں کی وجہ سے اکثر پوچھے جانے والے سوالات اور جوابات میں نظر ثانی کی ضرورت ہے، اور اگر ضروری ہو تو اپ ڈیٹ کریں۔
ان کاموں کی تفصیلات کو واضح کرکے، اور انہیں جوڑ کر، لچکدار تکراری کام کو ایک واضح بہاؤ کے کام میں تبدیل کیا جا سکتا ہے۔
نظام سازی کی مثال
کاموں کو بہاؤ کے کام میں تبدیل کرنے سے، نظام سازی کا راستہ واضح ہو جاتا ہے۔
نظام سازی کرتے وقت، اگر ملازمین کی سہولت میں کچھ قربانی قابل قبول ہو، تو ایک آپشن یہ ہے کہ پوچھ گچھ کے چینلز کو یکجا کر دیا جائے۔
اس کے برعکس، اگر ملازمین کی سہولت اولین ترجیح ہو، تو پوچھ گچھ کے تمام چینلز کھلے رہنے چاہییں۔
بنیادی طور پر، نظام کو براہ راست پوچھ گچھ وصول کرنی چاہیے۔ صرف زبانی پوچھ گچھ کی صورت میں ہی کوئی انسان نظام میں تفصیلات درج کرے گا۔
پوچھ گچھ موصول ہونے کے بعد، آئی ٹی سسٹم اور تخلیقی AI بہاؤ کے مطابق زیادہ سے زیادہ بعد کے کام انجام دیں گے۔ ابتدائی طور پر، انسانی جانچ پڑتال اور منظوریوں کو پورے نظام میں شامل کیا جانا چاہیے، اور انسانی آپریٹرز کو اصلاحات کرنے کے قابل ہونا چاہیے۔
پھر، جیسے جیسے نظام پوچھ گچھ کو سنبھالنے کے لیے استعمال ہوتا ہے، اگر تخلیقی AI کوئی غلطی کرتا ہے، تو AI کے لیے ہدایات کو احتیاطی نکات، جانچنے والی چیزوں، غلطیوں کی مثالوں، اور درست مثالوں کے ساتھ اپ ڈیٹ کیا جانا چاہیے تاکہ غلطی دوبارہ نہ ہو۔
یہ عمل تخلیقی AI کی غلطیوں کو کم کر سکتا ہے۔ ان AI ہدایات کو اپ ڈیٹ کرنے کا عمل خود ہی تکراری کام سے بہاؤ کے کام میں تبدیل کر کے مزید موثر بنایا جا سکتا ہے۔
اس طرح، بہاؤ میں تبدیل شدہ کاموں کو منظم کرکے، حتیٰ کہ وہ آپریشنز بھی جو ابتدائی طور پر انسانی مداخلت کے متقاضی لگ سکتے ہیں، انہیں ایک تخلیقی AI مرکوز نظام سے تبدیل کیا جا سکتا ہے۔
عام غلط فہمیاں
بہت سے لوگ یہ مانتے ہیں کہ تخلیقی AI کے کاروباری اطلاقات فی الحال بہت کم مؤثر ہیں، یا یہ کہ یہ وقت سے پہلے ہے۔
تاہم، ان افراد میں سے زیادہ تر اکثر دو قسم کی غلط فہمیوں کا شکار ہوتے ہیں۔
پہلی غلط فہمی تخلیقی AI کو محض ایک ٹول کے طور پر استعمال کرنے پر توجہ مرکوز کرنے سے پیدا ہوتی ہے۔
جیسا کہ یہاں دکھایا گیا ہے، تکراری کام کے لیے تخلیقی AI کو بطور ٹول استعمال کرنے سے کاروباری کارکردگی میں نمایاں اضافہ نہیں ہوتا۔ یہ غلط فہمی ایسے محدود نتائج کا تجربہ کرنے یا مشاہدہ کرنے سے پیدا ہوتی ہے۔
دوسری غلط فہمی تخلیقی AI سے تکراری کام کروانے پر توجہ مرکوز کرنے سے آتی ہے۔
درحقیقت، موجودہ تخلیقی AI سے تکراری کام کروانے کی کوشش اکثر ناکام رہتی ہے۔ نتیجتاً، لوگ غلطی سے یہ نتیجہ اخذ کر لیتے ہیں کہ تخلیقی AI انسانوں کے ذریعے انجام دیے جانے والے کاموں کو نہیں سنبھال سکتا، صرف اس مشاہدے کی بنیاد پر۔
نتیجہ
جیسا کہ بحث کی گئی، تکراری کام کو بہاؤ کے کام میں تبدیل کرکے اور اسے منظم کرکے، صرف ٹولز کے مقابلے میں زیادہ کارکردگی کی توقع کی جا سکتی ہے۔
مزید برآں، اگرچہ تخلیقی AI تکراری کام انجام نہیں دے سکتا، لیکن یہ بہاؤ کے کام کے عمل کے اندر بہت سے انفرادی کاموں کو سنبھال سکتا ہے۔ یہاں تک کہ اگر ابتدائی طور پر بہت سی غلطیاں ہوں، تو ہدایات کو اپ ڈیٹ کرکے مسلسل بہتری حاصل کی جا سکتی ہے۔
متبادل کے طور پر، اگر ضروری ہو تو، کاموں کو تقسیم کیا جا سکتا ہے، مسودہ سازی کو جانچ پڑتال سے الگ کیا جا سکتا ہے، یا کثیر مرحلہ جانچ پڑتال کو لاگو کیا جا سکتا ہے۔
اگر اس طرح سے نظام سازی حاصل کی جا سکتی ہے، تو ہر کام کے ساتھ بہتری آگے بڑھے گی، اور وقت کے ساتھ ساتھ کارروائیاں زیادہ موثر ہو جائیں گی۔
یہ کام کرنے کا ایک ایسا طریقہ ہے جو خود میکانزم کی مسلسل بہتری کی اجازت دیتا ہے، جیسا کہ فیکٹری کی پیداوار اور آئی ٹی سسٹم سازی میں ہوتا ہے۔
تخلیقی AI کو مؤثر طریقے سے استعمال کرنے کے لیے، ذہنیت میں تبدیلی کی ضرورت ہے: اپنے تکراری کام کو بہتر بنانے کی کوشش کرنے کے بجائے، کسی کو اپنے کاموں کو معروضی طور پر بہاؤ کے کام میں تبدیل کرنا اور انہیں منظم کرنا چاہیے۔