ملازمت کا معیار، ملازمتوں کی گنتی نہیں

یہ صفحہ کیا ہے — اور کیا نہیں

بے گھری کا سوال عام طور پر ایک گنتی کے طور پر پوچھا جاتا ہے: AI کتنی ملازمتیں لیتا ہے؟ یہ اہم ہے، اور مزدوری اور معاشی بے گھری اسے حل کرتا ہے۔ یہ صفحہ ایک مختلف سوال پوچھتا ہے: ان ملازمتوں کا کیا ہوتا ہے جو باقی رہ جاتی ہیں؟ ایک کارکن شیڈول، رفتار، فیصلہ سازی کے معاملات، اور وقار کا کنٹرول کھوتے ہوئے بھی تنخواہ برقرار رکھ سکتا ہے جس نے کام کو کرنے کے قابل بنایا۔

یہاں بیان کردہ طریقہ کار — الگورتھمک انتظام — مشاہدہ شدہ، دستاویزی، اور حقیقی ہے۔ آج کے گِگ اکانومی اور گودام کی تلاشوں کو پوری معیشت پر پیش کرنا ایک دلیل ہے، پیمائش نہیں۔ یہ صفحہ لیبل لگاتا ہے کہ کون سا کون سا ہے۔

طریقہ کار: الگورتھمک انتظام

Kellogg، Valentine، اور Christin کا وسیع پیمانے پر حوالہ دیا جانے والا جائزہ الگورتھمک انتظام کو سافٹ ویئر کے طور پر متعین کرتا ہے جو انتظامی افعال انجام دیتا ہے: کام تفویض کرنا، کارکردگی کی نگرانی کرنا، پیداوار کا جائزہ لینا، اور کارکنوں کو سزا دینا یا انعام دینا (Kellogg، Valentine & Christin، “Algorithms at Work: The New Contested Terrain of Control،” Academy of Management Annals، 2020)۔ وہ اوزار کے مجموعے کو چھ طریقہ کاروں میں منظم کرتے ہیں — سفارش کرنا، ریکارڈ کرنا، درجہ بندی کرنا، بدلنا، انعام دینا، اور سزا دینا — اور نوٹ کرتے ہیں کہ متنازع میدان نیا نہیں ہے۔ آجروں نے ہمیشہ کم تنخواہ کے لیے زیادہ محنت نکالنے کی کوشش کی ہے؛ جو بدلا ہے وہ اسے کرنے والے نظام کی باریکی، رفتار، اور عدم توازن ہے۔

عملی طور پر اس کا مطلب ہے: شیڈول جو پیش گوئی شدہ طلب سے مقرر ہوں نہ کہ کسی مینیجر سے جو جانتا ہے کہ آپ کا بچہ اسکول میں ہے؛ پیداواریت کے اسکور جو کی اسٹروکس، اسکینز، یا فی کام سیکنڈز سے شمار ہوں؛ کسٹمر کی اسٹار ریٹنگز جو کارکردگی کے جائزوں کے طور پر برتی جائیں؛ اور برطرفی جو خودکار طور پر متحرک ہو جب کوئی پیمانہ کسی حد سے نیچے گر جائے، بعض اوقات لوپ میں بالکل بھی کوئی انسان نہ ہو۔ کارکن اسے ایک ایسے باس کے طور پر تجربہ کرتا ہے جو ہمیشہ دیکھ رہا ہے، کبھی قابلِ مذاکرات نہیں، اور جس سے اپیل کرنا ناممکن ہے، کیونکہ وہاں کوئی نہیں ہے۔

سفر کی سمت

جیسے جیسے AI معمول کا ذہنی کام جذب کرتا ہے، انسانوں کے لیے باقی رہ جانے والی ملازمتیں دو زمروں میں تقسیم ہو جاتی ہیں۔ پہلا وہ کام ہے جو مشینیں ابھی تک نہیں کر سکتیں: غیر متوقع جسمانی ماحول میں ہنر مند تجارتیں، پیچیدہ انسانی مذاکرات، حقیقی تخلیقی فیصلہ سازی۔ دوسرا وہ کام ہے جس کے لیے انسانوں کو رکھا جانا چاہیے — کیونکہ کوئی قانون، ذمہ داری کا اصول، یا کسٹمر کی ترجیح زنجیر میں کہیں نہ کہیں ایک شخص کا تقاضا کرتی ہے، چاہے نظام تقریباً باقی سب کچھ کر سکتا ہو۔

یہ دوسرا زمرہ ہے جہاں معیار سب سے تیزی سے خراب ہوتا ہے۔ اگر کوئی شخص صرف کسی ضرورت کو پورا کرنے کے لیے موجود ہے، تو آجر کی ترغیب اس موجودگی کو جتنا ممکن ہو سستا اور کنٹرول شدہ بنانا ہے: اسکرپٹ شدہ صوابدید، نگرانی شدہ تعمیل، کوئی گنجائش نہیں۔ کارکن ایک مشین کی پیداوار پر مہر لگی ہوئی انسانی منظوری کی مہر بن جاتا ہے — نتیجے کا ذمہ دار، اسے تشکیل دینے کے اختیار سے محروم۔ ایک نرس جسے فی مریض بارہ سیکنڈ میں AI ٹرائیج کو “توثیق” کرنے کا تقاضا کیا جاتا ہے وہ بڑھی ہوئی نہیں ہے؛ وہ اسٹیتھوسکوپ کے ساتھ ایک ذمہ داری کا بفر ہے۔

ثبوت کیا ظاہر کرتا ہے — اور کیا نہیں

سب سے مضبوط ثبوت ان ماحول سے آتا ہے جہاں الگورتھمک انتظام پہلے ہی مکمل ہے۔ گِگ پلیٹ فارمز میں، محققین نے دستاویز کیا کہ ریٹنگ کے نظام اور مبہم غیر فعال کرنے کے قواعد کیسے کارکنوں پر خطرہ منتقل کرتے ہیں جبکہ انہیں یہ معلومات دینے سے انکار کرتے ہیں کہ کون فیصلہ کرتا ہے اور کیوں (Rosenblat & Stark، 2016)۔ گوداموں میں، فی کام سیکنڈز تک نگرانی کی باریکی صحافتی اور وکالتی رپورٹنگ میں بلند شدہ چوٹ کی شرح اور کمی کے ساتھ منسلک ہے، اگرچہ ہم مرتبہ جائزہ شدہ سببی تخمینے پتلے رہتے ہیں۔ International Labour Organization کا جنریٹو AI کا عالمی تجزیہ واضح ہے کہ آٹومیشن کی نمائش ملازمت کے نقصان کے مترادف نہیں ہے، اور یہ کہ معیار کی جہتیں — کام کی شدت، خودمختاری، اور مہارت استعمال کرنے کا موقع — سر کی گنتی سے الگ حرکت کرتی ہیں (ILO، 2023)۔

دیانتداری کو حد بندی درکار ہے: یہ مطالعات مخصوص، بھاری نگرانی والے کام کی جگہوں کو ناپتی ہیں۔ انہیں پوری معیشت پر بڑھانا مشابہت کے ذریعے ایک دلیل ہے، پیمائش نہیں۔ کچھ باقی ملازمتیں بہتر ہو جائیں گی؛ کچھ نگرانی ناکام ہو گی یا الٹا اثر کرے گی؛ کچھ کارکن ایپ کے ذریعے ثالثی شدہ لچک کو متبادل پر ترجیح دیتے ہیں، جو اکثر کچھ بھی نہیں ہوتا۔ قابلِ دفاع دعویٰ تنگ ہے اور پھر بھی سنجیدہ ہے: جہاں کہیں بھی انسانوں کو آجر کی ترجیح کے خلاف لوپ میں رکھا جاتا ہے، پہلے سے طے شدہ معاشی دباؤ کنٹرول کی طرف چلتا ہے، خودمختاری کی طرف نہیں۔

تین اشارے بتاتے ہیں کہ کام کی جگہ کس سمت جا رہی ہے: آیا کارکن انہیں جانچنے کے لیے استعمال ہونے والے ڈیٹا کو دیکھ اور چیلنج کر سکتے ہیں، آیا اختیار رکھنے والا کوئی انسان نظام کو منسوخ کر سکتا ہے، اور آیا پیداواریت کے اہداف خودکار طور پر بڑھتے ہیں جیسے جیسے سافٹ ویئر سیکھتا ہے کہ سب سے بہتر کارکردگی والی شفٹ کیسی نظر آتی تھی۔ تیسرا اشارہ فیصلہ کن ہے۔ ایک نظام جو کارکنوں کے ڈھلنے کے ساتھ ساتھ بار بڑھاتا رہتا ہے کام کو منظم کرنے کا آلہ نہیں ہے؛ یہ ایک استحصالی ریچٹ ہے، اور اس کی چھت فزیالوجی کی طرف سے مقرر ہے، فیصلے کی طرف سے نہیں۔

تکمیل کا سوال

آیا AI کسی باقی رہ جانے والے کردار کو بڑھاتا ہے یا اسے تنزلی دیتا ہے یہ ٹیکنالوجی سے طے نہیں ہوتا۔ یہ اس بات سے طے ہوتا ہے کہ ڈیزائن کس نے منتخب کیا۔ وہی ٹرائیج ماڈل جو نرس کو اپنا گھنٹہ ان مریضوں کے ساتھ گزارنے دیتا ہے جنہیں اس کی ضرورت ہے اس کے بجائے اس کا کوٹہ مقرر کرنے کے لیے استعمال کیا جا سکتا ہے۔ وہی کوڈنگ اسسٹنٹ جو معمولی کام سنبھالتا ہے تاکہ ایک جونیئر ڈویلپر آرکیٹیکچر سیکھ سکے اس کے بجائے دو سینئرز کی بھرتی کے بجائے چار جونیئرز کی نگرانی کا جواز پیش کرنے کے لیے استعمال کیا جا سکتا ہے۔

ڈیزائن کا انتخاب	بڑھانے والا نتیجہ	تنزلی دینے والا نتیجہ
رفتار کون مقرر کرتا ہے	کارکن ترتیب کو کنٹرول کرتا ہے	نظام کوٹہ مقرر کرتا ہے، کارکن ساتھ چلتا ہے
ڈیٹا کون دیکھتا ہے	کارکن کو کارکردگی کی رائے ملتی ہے	آجر نگرانی کرتا ہے، کارکن معائنہ نہیں کر سکتا
فیصلے کا مالک کون ہے	AI مشورہ دیتا ہے، انسان وجوہات کے ساتھ فیصلہ کرتا ہے	انسان مہر لگاتا ہے، ذمہ داری انسان کے پاس رہتی ہے
غلطی پر کیا ہوتا ہے	جائزہ اور دوبارہ تربیت	خودکار تنزلی یا برطرفی

تعین کرنے والے عوامل ادارہ جاتی ہیں، تکنیکی نہیں: سودے بازی کی طاقت، قابلِ نفاذ معیارات، آیا کارکن ڈیٹا کا معائنہ اور چیلنج کر سکتا ہے، اور آیا الگورتھم سے اوپر کسی کے پاس اسے منسوخ کرنے کا اختیار اور ترغیب دونوں ہیں۔

ایک عدم توازن پر زور دینے کی ضرورت ہے۔ جب اضافے کا وعدہ کیا جاتا ہے، وعدہ شدہ فائدہ اٹھانے والا کارکن ہوتا ہے؛ جب تنزلی ہوتی ہے، فائدہ اٹھانے والا لاگت کی لائن ہوتی ہے۔ یہ عدم مطابقت کا مطلب ہے کہ ثبوت کا بوجھ تعینات کرنے والی تنظیم پر ہونا چاہیے: اگر کوئی نظام حقیقی طور پر بڑھاتا ہے، تو اس کے ڈیزائنرز محفوظ صوابدید، قابلِ معائنہ ڈیٹا، اور مستحکم اہداف دکھا سکتے ہیں۔ “انسان ہمیشہ لوپ میں ہے” اضافے کا ثبوت نہیں ہے جب انسان کا واحد مجاز عمل جاری رکھنا ہو۔

پالیسی اور سودے بازی کے ردعمل

ملازمت کا معیار ایک مزدوری کے معیار کا سوال ہے، محض منتقلی کی معاونت کا سوال نہیں۔ دوبارہ تربیت کے پروگرام اس کارکن کے لیے کچھ نہیں کرتے جس کی نئی ملازمت الگورتھمک طور پر رفتار میں لائی، درجہ بندی کی، اور ختم کی گئی ہے۔ متعلقہ آلات پرانے اور زیادہ سیدھے ہیں: آپ کو جانچنے کے لیے استعمال ہونے والے ڈیٹا پر شفافیت کے حقوق، منفی کارروائی سے پہلے نوٹس اور انسانی جائزہ، ڈیوٹی سے باہر نگرانی پر حدود، اور شعبہ جاتی سودے بازی جو شیڈولنگ اور رفتار پر فرش مقرر کرتی ہے۔ ILO کے کام کے حالات اور پیشہ ورانہ حفاظت کے کنونشنز قائم شدہ پس منظر فراہم کرتے ہیں — شدت اور نگرانی کو انفرادی طور پر مذاکرات کرنے کی سہولتوں کے بجائے معیار کے مسائل کے طور پر برتنے کا فریم ورک (ILO، کام پر حفاظت اور صحت)۔

ان میں سے کسی کو بھی AI کو منفرد طور پر برا سمجھنے کی ضرورت نہیں ہے۔ اس کے لیے اس تشکیل کو مسترد کرنے کی ضرورت ہے کہ واحد انتخاب ملازمتوں کی گنتی اور کچھ بھی نہ ہونے کے درمیان ہے۔ تنزلی شدہ معیار کا سامنا کرنے والے کارکن تقسیمی معاشیات اور طاقت کا ارتکاز میں بے گھری کا سامنا کرنے والے کارکنوں کی طرح اسی سوال کا سامنا کرتے ہیں: آیا فوائد ان لوگوں کی طرف بہتے ہیں جنہیں نظام دیکھتا ہے، یا صرف ان لوگوں کی طرف جو اس کے مالک ہیں۔ افراد کیریئر اور آمدنی کی تنوع کے ذریعے گھریلو سطح پر بچاؤ کر سکتے ہیں؛ معیارات خود ایک اجتماعی لڑائی ہیں، اور ملازمتوں کے دوسرے زمرے کے معمول بننے سے پہلے لڑنے کے قابل ہیں۔