تین مختلف سوالات سے شروع کریں
AI اور ملازمتوں پر بحث الجھ جاتی ہے جب تین پیمانوں کو باہم قابلِ تبادلہ کے طور پر برتا جاتا ہے۔ نمائش پوچھتی ہے کہ آیا کوئی ٹیکنالوجی کسی پیشے میں کچھ کام انجام دے سکتی ہے۔ مشاہدہ شدہ اثرات پوچھتے ہیں کہ آیا ملازمت، اوقاتِ کار، اجرتیں، بھرتی، یا کام کا معیار دراصل بدلا ہے۔ پیش گوئیاں صلاحیت، اپنانے، طلب، ضابطہ کاری، اور وسیع تر معیشت کے بارے میں مفروضوں کے تحت اندازہ لگاتی ہیں کہ کیا ہو سکتا ہے۔ ایک ملازمت غائب ہوئے بغیر انتہائی بے نقاب ہو سکتی ہے: مثال کے طور پر، اسپریڈ شیٹس نے اکاؤنٹنگ کو تبدیل کیا، جبکہ کچھ اکاؤنٹنگ کام کی طلب کو بڑھایا۔
2025 میں دستیاب سب سے مضبوط عالمی نمائش کا تخمینہ International Labour Organization اور Poland کے NASK ادارے سے آیا۔ ان کے کام کی سطح کے اشاریے نے عالمی ملازمت کے تقریباً 25% کو کچھ جنریٹو AI نمائش رکھنے کے طور پر درجہ بند کیا، لیکن صرف 3.3% سب سے زیادہ نمائش کے زمرے میں۔ مصنفین نے نتیجہ اخذ کیا کہ مکمل تبدیلی کے بجائے تبدیلی زیادہ ممکن تھی کیونکہ زیادہ تر پیشے خودکار کرنے کے قابل اور ناقابلِ خودکار کاموں کو یکجا کرتے ہیں۔ زیادہ آمدنی والی معیشتوں اور خواتین کے لیے نمائش زیادہ تھی، بڑی حد تک اس لیے کہ دفتری ملازمت غیر مساوی طور پر تقسیم ہے۔ یہ ماڈل شدہ تخمینے ہیں، پہلے سے کھوئی گئی ملازمتوں کی گنتی نہیں (ILO–NASK، مئی 2025)۔
دراصل کیا مشاہدہ کیا گیا ہے
ستمبر 2026 تک، جنریٹو AI کی وجہ سے معیشت گیر بڑے پیمانے پر بے روزگاری کا ثبوت قائم نہیں ہوا۔ اپنانا کافی ہے لیکن غیر مساوی ہے، اور سرکاری ملازمت کے اعداد و شمار ایک صاف “AI کی وجہ سے” زمرے کی شناخت نہیں کرتے۔ کمپنیاں AI کا حوالہ دے سکتی ہیں جبکہ شرح سود، زیادہ بھرتی، آؤٹ سورسنگ، یا معمول کی تنظیم نو کی وجہ سے بھی ملازمتیں کاٹتی ہیں۔ اعلان شدہ برطرفیاں اس لیے ملتے جلتے کارکنوں یا مختلف AI نمائش والی فرموں کا موازنہ کرنے والے مطالعے سے کمزور سببی ثبوت ہیں۔
زیادہ قابلِ اعتماد قلیل مدتی پیٹرن ملازمتوں اور بھرتی پائپ لائنوں کے اندر دوبارہ تخصیص ہے۔ فیلڈ تجربات نے کسٹمر سپورٹ اور تحریر جیسے محدود کاموں میں پیداواریت کے فوائد پائے ہیں، اکثر کم تجربہ کار کارکنوں کے لیے بڑے فوائد کے ساتھ۔ اس کا مطلب یہ نہیں کہ پورے پیشے میں وہی اثر ہو گا: تیز پیداوار سر کی گنتی کم کر سکتی ہے، طلب بڑھا سکتی ہے، معیار بڑھا سکتی ہے، یا محض کام کے حجم میں اضافہ کر سکتی ہے۔ Stanford کا 2026 کا AI Index رپورٹ دیتا ہے کہ لیبر مارکیٹ کے اثرات غیر مساوی ہیں اور کچھ بے نقاب پیشوں اور نوجوان کارکن بھرتی پائپ لائنوں میں مرتکز ہیں، لیکن یہ ثبوت ابھی بھی ترقی پذیر ہے نہ کہ یہ ثبوت کہ ایک پوری نسل بے گھر ہو چکی ہے (Stanford HAI، 2026)۔
دفتری کام سب سے زیادہ بے نقاب رہتے ہیں، جبکہ نمائش پروگرامنگ، تجزیہ، اور مالیات جیسے ڈیجیٹائزڈ پیشہ ورانہ کام میں پھیل چکی ہے۔ جسمانی موجودگی کسی ملازمت کو مستقل طور پر محفوظ نہیں بناتی؛ یہ محض یہ محدود کرتی ہے کہ آج کے متن اور اسکرین کے نظام روبوٹکس کے بغیر کیا کر سکتے ہیں — ایک خلا جسے اس مینوئل کا ہیومنائیڈ روبوٹکس کی حالت صفحہ براہ راست جائزہ لیتا ہے۔ لائسنس یافتہ فیصلہ سازی اور باہمی اعتماد بھی متبادل کو سست کر سکتے ہیں، اگرچہ ادارے پھر بھی ان کرداروں کے ارد گرد تیاری، ٹرائیج، دستاویزات، اور نگرانی کو خودکار بنا سکتے ہیں۔
سرخی کی پیش گوئی کی اصلاح
World Economic Forum کی Future of Jobs Report 2025 نے 2030 تک 170 ملین ملازمتیں پیدا ہونے اور 92 ملین بے گھر ہونے کا تخمینہ لگایا، جو 78 ملین کی خالص ترقی کے لیے ہے۔ یہ اعداد پانچ میکرو رجحانات کو ایک ساتھ کور کرتے ہیں: تکنیکی تبدیلی، جغرافیائی-معاشی بکھراؤ، سبز منتقلی، آبادیاتی تبدیلی، اور معاشی غیریقینی۔ یہ صرف AI کی جانب سے پیدا یا تباہ کی گئی ملازمتوں کا تخمینہ نہیں ہیں۔ رپورٹ کی آجر کی توقعات کے اندر، AI اور معلومات کی پروسیسنگ ٹیکنالوجی 11 ملین پیدا شدہ اور 9 ملین بے گھر شدہ ملازمتوں کے ساتھ منسلک تھی۔ طریقہ کار 1,000 سے زیادہ بڑے آجروں کے سروے کو ILO کے ملازمت کے ڈیٹا کے ساتھ یکجا کرتا ہے، اس لیے یہ عالمی سطح پر پیش کی گئی آجر کی توقعات کی نمائندگی کرتا ہے، ایک ناپا گیا نتیجہ نہیں (WEF، جنوری 2025)۔ WEF ایک آجر کی زیرِ قیادت تنظیم ہے، ایک نقطہ نظر جسے قارئین کو اس کے سروے کی تشریح کرتے وقت ذہن میں رکھنا چاہیے۔
مشاورتی تخمینے اکثر “تکنیکی طور پر خودکار کیے جانے کے قابل گھنٹے” ناپتے ہیں۔ یہ منظرنامے کی منصوبہ بندی کے لیے مفید ہو سکتے ہیں لیکن بے روزگاری کی پیش گوئیاں نہیں ہیں۔ تعیناتی اعتباریت، ورک فلو کے دوبارہ ڈیزائن، قانونی ذمہ داری، انضمام کے اخراجات، لیبر سودے بازی، کسٹمر کی ترجیح، اور آیا آٹومیشن کسی خدمت کو طلب بڑھانے کے لیے کافی سستا بناتی ہے پر منحصر ہے۔ ایک ماڈل جو کسی مظاہرے میں فہرست شدہ کاموں کا 60% انجام دے سکتا ہے نے ضروری نہیں کہ کارکن کے ادا شدہ کردار کا 60% خودکار کیا ہو۔
ایک AGI منتقلی کیا بدل سکتی ہے
اوپر دی گئی ہر چیز موجودہ جنریٹو AI سے متعلق ہے۔ AGI مزدوری کے اثرات پیش گوئیاں ہیں، کیونکہ کسی متفقہ ٹیسٹ نے یہ قائم نہیں کیا کہ AGI موجود ہے۔ ایک نظام جو نئے شعبوں کو قابلِ اعتماد طریقے سے سیکھنے، طویل افق پر منصوبہ بندی کرنے، آلات چلانے، اور ورک فلو کو بہتر بنانے کے قابل ہو ذہنی کام کی ایک بہت وسیع تر رینج کو بے نقاب کر سکتا ہے۔ اگر روبوٹکس بھی سستا اور قابلِ اعتماد ہو جائے، تو جسمانی کام اس کی پیروی کر سکتا ہے۔ اس کے برعکس، ضابطہ کاری، ملکیت کے ڈھانچے، انسانی ترجیح، اور تکمیلی طلب بہت زیادہ مضبوط نظاموں کے ساتھ بھی کام کو محفوظ یا پیدا کر سکتے ہیں۔
کلیدی غیریقینی صرف صلاحیت نہیں بلکہ فوائد کی تقسیم ہے۔ تیز پیداواریت کی ترقی مزدوری کی آمدنی میں کمی کے ساتھ ساتھ موجود رہ سکتی ہے اگر سرمائے کے مالکان زیادہ تر منافع حاصل کریں۔ یہ زیادہ اجرتوں، مختصر کام کے ہفتوں، عوامی خدمات، یا سماجی منافع کو بھی فنانس کر سکتی ہے اگر ادارے فوائد تقسیم کریں۔ “کیا ملازمتیں ہوں گی؟” اس لیے یہ پوچھنے سے کم مکمل ہے کہ نظاموں کا مالک کون ہے، کون سودے بازی کر سکتا ہے، منتقلی کے اخراجات کون برداشت کرتا ہے، اور آیا گھرانے آمدنی اور ایجنسی برقرار رکھتے ہیں۔
غیر مساوی نمائش اور دوسرے درجے کے اثرات
منتقلیاں شاذ و نادر ہی یکساں ہوتی ہیں۔ انتظامی مراکز تعمیر یا نگہداشت کے کام کے زیرِ تسلط خطوں سے پہلے متاثر ہو سکتے ہیں۔ ابتدائی سطح کے کام سکڑ سکتے ہیں چاہے سینئر کردار برقرار رہیں، جو اس راستے کو کمزور کرتا ہے جس کے ذریعے نوآموز ماہر بنتے ہیں۔ معذور کارکن قیمتی معاونت حاصل کر سکتے ہیں جبکہ خودکار اسکریننگ اور نگرانی کا بھی سامنا کر سکتے ہیں۔ کم آمدنی والے ممالک مہارت تک رسائی حاصل کر سکتے ہیں، پھر بھی آؤٹ سورس شدہ سروس کام کھو سکتے ہیں جس پر مقامی معیشتیں انحصار کرتی ہیں۔
پیمائش ملازمت کے معیار کو بھی نظرانداز کرتی ہے۔ AI محنت طلب یکسانیت کو ہٹا سکتا ہے، لیکن یہ نگرانی، الگورتھمک اہداف، اور مسلسل پیداوار کی توقعات کے ذریعے کام کو شدید بنا سکتا ہے۔ ایک مستحکم ملازمت کی گنتی اجرت کی سکڑاؤ، کم اوقاتِ کار، تنزلی شدہ خودمختاری، یا عملے کی ملازمت سے غیریقینی کنٹریکٹنگ کی طرف تبدیلی کو چھپا سکتی ہے۔ اس کے برعکس، یہ نئی رسائی اور کاروباری فوائد کو بھی چھپا سکتی ہے۔ ایک ذمہ دار ڈیش بورڈ کو بھرتی، اجرتیں، اوقاتِ کار، آسامیاں، کام کے مواد، کارکن کے کنٹرول، اور تقسیم کو ٹریک کرنا چاہیے — صرف برطرفیاں نہیں۔
ایک عملی گھریلو مطالعہ
کسی واحد پیش گوئی سے کوئی ناقابلِ واپسی کیریئر کا فیصلہ نہ کریں۔ نمائش کو مستعدی کے لیے ایک اشارے کے طور پر برتیں:
- ان کاموں کی فہرست بنائیں جن کے لیے آپ کو ادائیگی ہوتی ہے، بشمول تعلقات، جوابدہی، اور جسمانی سیاق و سباق کا کام جسے ملازمت کے عنوان چھوڑ دیتے ہیں۔
- موجودہ آلات کو حقیقی کاموں پر جانچیں اور ان کی اعتباریت، نگرانی کا بوجھ، اور ناکامی کے اخراجات ریکارڈ کریں۔
- اپنے آجر کی بھرتی، خریداری، اور ورک فلو میں تبدیلیوں کو دیکھیں — صرف ایگزیکٹو بیانات نہیں۔
- فیصلے، شعبے کے علم، کلائنٹ کے اعتماد، اور AI کی مدد سے پیداواریت کا قابلِ منتقلی ثبوت بنائیں۔
- جہاں ممکن ہو ایک آجر یا تنگ کام کے مجموعے میں گھریلو ارتکاز کو کم کریں۔
ستمبر 2026 میں دیانتدارانہ نتیجہ نہ تو “کچھ نہیں ہو رہا” ہے اور نہ ہی “زیادہ تر ملازمتیں غائب ہونے والی ہیں”۔ موجودہ ثبوت کافی کام کی نمائش، غیر مساوی اپنانا، محدود ماحول میں پیداواریت کے فوائد، اور کچھ بھرتی چینلز میں ابتدائی خلل دکھاتا ہے۔ بڑے خالص-ملازمت کے دعوے پیش گوئیاں ہی رہتے ہیں۔ AGI پیمانے کی بے گھری ایک قابلِ فہم منظرنامہ ہے جس کی شدت تعیناتی اور سیاسی معیشت پر اتنا ہی منحصر ہے جتنا ماڈل کی صلاحیت پر۔