مصنوعی AI آلات کی بڑھتی ہوئی خاص طور پر جو ChatGPT، Bing Copilot، Claude، اور Gemini جیسے ہیں، نے بورڈز، پالیسیوں کے چرچوں، اور کافی کی دکانوں میں ایک ہی طرح کے طور پر شدید بحث کا سامنا کیا ہے. یہ ایک ڈیٹا ڈرائیور، زمین پر نظر ڈالتا ہے کہ لوگ واقعی ان آلات کو کس طرح استعمال کر رہے ہیں اور یہ کام کے مستقبل کے لئے کیا مطلب ہے. AI کے ساتھ کام کرنا: Generative AI کے کاروبار کے اثرات کا اندازہ کرنا، مائیکروسافٹ بینگ Copilot کے ساتھ 200،000 سے زائد نامعلوم بات چیتوں سے نکالنے کے لئے، مصنفین نے ہائپ کو کاٹنے کی کوشش کی اور ایک اہم سوال کا جواب دیا: جنریٹنگ AI کے ساتھ لوگ کیا کر رہے ہیں اور یہ کام کرنے کے لئے کس طرح کام کرتا ہے؟ پیشن گوئی سے بڑھ کر AI اور ملازمتوں کے بارے میں زیادہ تر عنوانات یا utopian یا dystopian ہیں.They often lean on intuition or high-level projections about which jobs are “at risk” without real behavioral evidence. اس مضمون کو تبدیل کرنے کے بجائے یہ پوچھنے کے بجائے کہ AI کیا کر سکتا ہے، یہ جانتا ہے کہ لوگ پہلے سے ہی پیدا شدہ AI سسٹموں کے ساتھ کیا کر رہے ہیں. محققین کو یہ سمجھنے کے لئے حقیقی صارف کے تعاملات کا تجزیہ کیا ہے کہ کاروباری کارکنوں نے AI کو کیا کام delegate کیا ہے، ان کاموں کو انجام دینے میں AI کتنا مؤثر ہے، اور یہ مختلف ملازمتوں کے لئے کیا مطلب ہے. نتیجے کے طور پر، یہ ایک تیزی سے ترقی یافتہ انسانی AI شراکت داری میں پہلی empirical windows میں سے ایک ہے. ایک نظر میں اہم نتائج AI معلومات جمع اور لکھنے کے ساتھ کاموں کے لئے بہت زیادہ استعمال کیا جاتا ہے. AI سب سے بہتر زبان کی شدت پسند، نصف ساختہ کاموں پر کام کرتا ہے. ان کاموں کے اقسام کے درمیان ایک مضبوط تعلق ہے جن میں AI اچھی طرح سے کام کرتا ہے اور جو اعلی ادائیگی کے علم کے کام کے لئے مرکزی ہیں. ملازمین صرف کاموں کو تبدیل نہیں کر رہے ہیں - وہ تجربات کرتے ہیں، اضافہ کرتے ہیں، اور ان کے کام کے طریقوں کو دوبارہ ترتیب دیتے ہیں. وہ کام جو لوگ واقعی AI کے ساتھ کرتے ہیں رپورٹ میں یہ پتہ چلتا ہے کہ AI استعمال کے معاملے میں اکثریت دو وسیع اقسام میں داخل ہوتی ہے. معلومات جمع کرنا - مثال کے طور پر، تحقیق، خلاصہ، موازنہ مواد کی پیداوار - مثال کے طور پر، ای میل لکھنے، دستاویزات کی تخلیق، خیالات یہ حیرت انگیز نہیں ہے، لیکن یہ اہم ہے. ان اقسام کو کنٹرولرز، مارکیٹرز، تجزیہ کاروں، قانونی پیشہ وروں اور محققین سمیت بہت سے علم اقتصادی کرداروں کی بنیادی سرگرمیوں کے ساتھ ملتا ہے. دلچسپ بات یہ ہے کہ صارفین کو عملدرآمد کے مقابلے میں AI کا استعمال کرنے کے لئے زیادہ امکان تھا. وہ کتنا اچھا کام کرتا ہے؟ مصنفین استعمال کی فریکوئنسی سے زیادہ ہیں اور ایک نئی میٹرک پیش کرتے ہیں: "کارکردگی کی پوشیدہ". یہ نہ صرف ایک کام کو AI کے ساتھ کتنی بار کیا جاتا ہے، بلکہ سسٹم صارف سرگرمی کی میٹرک اور رضامندی پروکس کی بنیاد پر اس کام کو کتنا اچھی طرح کرتا ہے. نتائج کیا ہیں؟ AI ساختہ یا نصف ساختہ زبان کے کاموں پر سب سے بہتر کام کرتا ہے. ای میل کی منصوبہ بندی، دستاویزات کا خلاصہ، یا سب سے پہلے پاس کی تجویز پیدا کرنے کے بارے میں سوچو. کاموں کو عام ذہن کی وضاحت کی ضرورت ہے، ڈومین کی مخصوص مہارت، یا درست مقدار کا فیصلہ بدتر ہو جاتا ہے. AI ساختہ یا نصف ساختہ زبان کے کاموں پر سب سے بہتر کام کرتا ہے. ای میل کی منصوبہ بندی، دستاویزات کا خلاصہ، یا سب سے پہلے پاس کی تجویز پیدا کرنے کے بارے میں سوچو. کاموں کو عام ذہن کی وضاحت کی ضرورت ہے، ڈومین کی مخصوص مہارت، یا درست مقدار کا فیصلہ بدتر ہو جاتا ہے. یہ پتہ چلتا ہے کہ AI صرف انسانوں کو تبدیل کرنے کے بارے میں نہیں ہے (لیکن). اس کے بجائے، یہ مخصوص ثانوی کاموں میں، کبھی کبھی ایک ہی کام کے اندر اندر، اور ایک وقت میں کام کی رفتار کو تبدیل کرنے کے بارے میں ہے. کاروباری لنکس: کون متاثر ہوتا ہے؟ اس کام کی سطح کے اعداد و شمار کو کام کے مارکیٹ کے اثرات میں ترجمہ کرنے کے لئے، محققین اسے O*NET aka امریکی حکومت کی تفصیلی کاروباری ڈیٹا بیس کے ساتھ cross-referenced کرتے ہیں. کتاب کا سب سے اہم نقطہ نظر یہ ہے کہ AI is disproportionately suited for high-wage, white-collar occupations. اس طرح کے کردار: مارکیٹنگ ماہرین انتظام کے مشیر مالیاتی تجزیات وکیل اور paralegals HR ماہرین سافٹ ویئر ڈویلپرز (کوڈ جنریشن اور دستاویزات کے لئے) ...یہ سب کاموں کا اشتراک کرتے ہیں جو AI پہلے سے ہی بڑے پیمانے پر اور اعلی مؤثر طریقے سے کر رہا ہے. بدقسمتی سے، جس میں جسمانی کنکشن، ذاتی سروس، یا ہنر کام (نرسوں، الیکٹرک کاروں، سپلائرز) شامل کر رہے ہیں، اب تک زیادہ سے زیادہ متاثر نہیں کیا گیا ہے. ہمارے تازہ ترین podcast میں، ہم نے بحث کی جس میں سٹیفن بارٹلیٹ نے جیوفری ہینٹن سے ایک اہم سوال پوچھا، جس میں AI کے باپ کے طور پر جانا جاتا ہے. The Diary Of A CEO آپ لوگوں کو سپر ذہانت کی دنیا میں ان کی پیشکش کے بارے میں کیا کہنا چاہیں گے؟ آپ لوگوں کو سپر ذہانت کی دنیا میں ان کی پیشکش کے بارے میں کیا کہنا چاہیں گے؟ ہنر کا جواب: ٹرین ایک plumber ہونے کے لئے ٹرین ایک plumber ہونے کے لئے شاید یہ وقت ہے کہ اگلے سب سے اوپر ریاضی، انجینئر، یا ڈاکٹر کو اٹھانے پر توجہ مرکوز کرنے سے روکیں اور سوچنا شروع کریں کہ کس طرح بہترین ڈرائیور یا الیکٹرک کو اٹھائیں. Augmentation vs Automation: ایک جعلی بائنری؟ AI کے ارد گرد مقبول کہانی اکثر بائنری ہے: یہ آپ کے کام کو خود بخود خود بخود کرتا ہے، یا یہ نہیں ہے. اس کے بجائے، ہم اثر کی ایک مسلسل دیکھتے ہیں. بہت سے صارفین ان کے کام کو تبدیل کرنے کے لئے AI نہیں مانگ رہے تھے لیکن اسے تیز کرنے کے لئے. بعد میں ترمیم کرنے کے لئے ایک رپورٹ تیار کریں ایک فیصلہ کے بارے میں دوسری رائے حاصل کرنے کے لئے پیشکش کے عنوانات یا زاویے Brainstorming تکرار شدہ کاموں کے لئے اختیارات یا ماڈل بنانے دوسرے الفاظ میں، AI ایک پائلٹ کے طور پر کام کرتا ہے، نہیں ایک پائلٹ. . For now لیکن یہاں چمکتا ہے: اگر ایک AI کا مشترکہ پائلٹ آج آپ کے کام کے بوجھ کا 30 فیصد کام کرسکتا ہے، تو یہ 70 فیصد کو کیسے کام کرسکتا ہے؟ کاروباری طاقت کے لئے یہ کیا مطلب ہے مصنفین کو حکمت عملی پیش گوئی کرنے سے روکنا۔ اس کے بجائے، وہ واضح طور پر پیش کرتے ہیں: Generative AI پہلے ہی ملازمتوں کے اندر کام کے مرکب کو تبدیل کر رہا ہے. Generative AI is already reshaping the composition of work within jobs. کاموں کو جدا کیا جا رہا ہے. کچھ AI کو delegated کیا جا رہا ہے، دوسروں کو مکمل طور پر دوبارہ تصور کیا جا رہا ہے. کام کے ڈیزائن - کرداروں کے درمیان سرحدوں کو اندھیرا ہو سکتا ہے.ایک کاروباری کاموں کو جج کر سکتا ہے جو سابقہ طور پر کئی شعبوں پر مشتمل ہوتا تھا. مہارت کی ضروریات - مواصلات، اہم سوچ، اور فوری انجینئرنگ قیمت میں اضافہ کر رہے ہیں. عدم مساوات - اعلی ادائیگی کے کارکنوں کو زیادہ کارکردگی (اور دباؤ) میں اضافہ ہوسکتا ہے، جبکہ کم ادائیگی کے کارکنوں کو کم کارکردگی کے اوزار کے مقابلے میں تھوڑا سا تناؤ کا سامنا ہوسکتا ہے. اخلاقی اور سیاسی چیلنج اس طرح کے تیزی سے ترقی کرنے والے اوزار کے ساتھ، پالیسی کی دنیا کورو کے پیچھے ہے. اس دستاویز میں ذکر کیا گیا ہے کہ روایتی خود کارکردگی کے فریم ورک (جس میں سالوں یا دہائیوں کے دوران تیزی سے پھیلنے پر منحصر ہے) یہاں لاگو نہیں ہیں. Cloud پر مبنی مفت دستیاب فوری طور پر مفید ہفتہ وار اپ ڈیٹ یہ ایک پیمائش کے مسئلہ پیدا کرتا ہے: آپ کس طرح کسی چیز کو منظم یا ہدایت کرتے ہیں جو اداروں کے مقابلے میں تیزی سے ترقی کرتی ہے؟ مصنفین پلیٹ فارم سپلائرز سے زیادہ حقیقی وقت، رویے کے اعداد و شمار کا اشتراک کرنے کے لئے مطالبہ کرتے ہیں (منافقہ اور رازداری کی حفاظت). کمپنیوں اور کارکنوں کے لئے اثرات کمپنیوں کے لئے، یہ تحقیق ایک بیداری کال ہے. AI کی تبدیلی اب نظریاتی نہیں ہے، یہ لائیو کام کے چیلنجوں میں ہوتا ہے، اکثر ریڈار کے تحت. Audit workflows: ہائی فریکوئنٹ کاموں کی شناخت کریں جو AI کے موجودہ طاقتوں کے ساتھ ملتے ہیں. اضافہ کے لئے ٹرین: ملازمین کو یہ سکھائیں کہ کس طرح AI کے ساتھ تعاون کرنے کے بجائے اس سے نمٹنے کے لئے. کاموں کو دوبارہ ڈیزائن کریں: کرداروں کو ہٹانے کے بجائے، ان کو AI کے ساتھ مطابقت پذیر اور انسان پر مبنی ذیل کاموں میں تقسیم کریں. Monitor equity: اس بات کو یقینی بنائیں کہ AI-Driven کی پیداوار میں اضافہ سب سے اوپر نہیں ہے. انفرادی کارکنوں کے لئے، لے جانے والا بھی واضح ہے: متغیر کی صلاحیت نئی فہرست ہے. مستقبل ان لوگوں کے لئے ہے جو جانتے ہیں کہ کس طرح AI سے صحیح سوالات پوچھنا ہے، نہ صرف ان لوگوں کے لئے جو اس کی طرف سے تبدیل ہونے سے ڈرتے ہیں. خلاصہ: ایک منتقلی، نہیں ایک Takeover ... ابھی تک مائیکروسافٹ AI مطالعہ آج کام پر کس طرح اثر انداز کر رہا ہے کہ ایک متغیر، ثبوت پر مبنی رپورٹ پیش کرتا ہے؛ نہ نظریہ میں، بلکہ کارروائی میں. اس کے بجائے، یہ کچھ زیادہ مفید پیش کرتا ہے: a map of what’s actually happening and a preview of what’s to come. AI کی طرف سے بڑھتی ہوئی دنیا میں، یہ دستاویز ہمیں یاد دلاتا ہے کہ کام ایک سٹیٹک کاموں کی فہرست نہیں ہے، لیکن انسانی تخلیق اور تکنیکی صلاحیت کے درمیان ایک متحرک مذاکرات ہے. اگر یہ تبدیلی بڑے پیمانے پر قدیم ہونے یا ایک ذہین، زیادہ انصافی کام کی دنیا میں ختم ہو جائے تو ٹیکنالوجی کیا کرسکتی ہے اور زیادہ اس پر منحصر ہے کہ ہم اس کے ساتھ کیا کرنے کا انتخاب کرتے ہیں. مکمل مضمون پڑھیں: یہاں
