AI دفتر کا دوسرا بڑا انسانی خطرہ: پالیسی سے زیادہ تربیت کیوں چاہیے
SANS Institute نے 27 اگست 2026 کو اپنی Security Awareness & Culture Report جاری کی، جس میں 1,700 سے زیادہ عالمی security awareness practitioners کے جوابات کی بنیاد پر AI کو social engineering کے بعد دوسرا سب سے زیادہ حوالہ دیا گیا انسانی خطرہ قرار دیا گیا۔ بیتھیسڈا سے جاری SANS کے سرکاری اعلان کے مطابق نئی رپورٹ غیر مجاز generative AI، software-development پس منظر نہ رکھنے والے ملازمین کی vibe coding اور انسانی جائزے کے بغیر کارروائی کرنے والے AI agents کو الگ خطرات کے طور پر دیکھتی ہے۔
اسی 27 اگست کی رپورٹ پر 28 اگست کو شائع ہونے والی آزاد رپورٹنگ نے بھی AI کی دوسری پوزیشن، عالمی sample اور ان تین خطرات کی تصدیق کی۔ مرکزی مسئلہ صرف یہ طے کرنا نہیں کہ کون سا tool ممنوع یا منظور شدہ ہے؛ ملازم کو محفوظ input، manager کو منظوری اور جواب دہی، جبکہ security team کو code review، محدود permissions اور انسانی نگرانی چلانے کی عملی صلاحیت درکار ہے۔
AI نے انسانی خطرے کی نوعیت کیسے بدلی
روایتی awareness پروگرام میں ملازم عموماً مشکوک link، کمزور password یا غلط data sharing کے تناظر میں دیکھا جاتا ہے۔ AI کے ساتھ ایک ہی انسانی فیصلہ زیادہ وسیع کارروائی شروع کر سکتا ہے: بیرونی model کو اندرونی مواد مل سکتا ہے، قدرتی زبان سے تیار application حقیقی records سے منسلک ہو سکتی ہے یا agent کسی account کی اجازت استعمال کرتے ہوئے اگلا قدم خود اٹھا سکتا ہے۔
غیر مجاز generative AI میں بنیادی خلا visibility اور data handling کا ہے۔ اگر ملازم منظور شدہ نظام سے باہر کوئی دستاویز، spreadsheet، customer record یا داخلی گفتگو داخل کرے تو ادارے کے لیے یہ معلوم کرنا مشکل ہو سکتا ہے کہ کون سا مواد کہاں گیا، اسے کس مقصد سے استعمال کیا گیا اور پیدا شدہ نتیجہ کس workflow میں واپس آیا۔ تحریری ممانعت حد تو مقرر کرتی ہے، مگر محفوظ فیصلے کے لیے data classification، مجاز tool اور قابل قبول input کی پہچان بھی چاہیے۔
Vibe coding software بنانے کی صلاحیت ان ملازمین تک پہنچاتی ہے جو باقاعدہ developer نہیں۔ AI سے تیار application ظاہری طور پر درست کام کر سکتی ہے، مگر authentication، access control، dependencies، secrets یا error handling میں ایسی کمزوری رکھ سکتی ہے جسے غیر ماہر صارف شناخت نہ کرے۔ خطرہ محض code پیدا کرنے میں نہیں بلکہ غیر جانچے code کو حقیقی data یا production workflow سے جوڑنے میں ہے۔
خودکار agents غلط output کو غلط action میں بدل سکتے ہیں۔ اگر agent کو inbox، فائلوں یا کاروباری records تک رسائی ہو تو انسانی review کے بغیر وہ پیغام بھیج، record تبدیل یا اگلا عمل شروع کر سکتا ہے۔ اس صورت میں نگرانی کا مطلب صرف بہتر prompt نہیں بلکہ محدود scope، الگ identity، کم سے کم credentials، قابل جانچ logs، approval points اور فوری طور پر رسائی ختم کرنے کی صلاحیت ہے۔
پالیسی اور عملی تیاری ایک چیز نہیں
عنوان میں تربیت کو پالیسی سے زیادہ اہم قرار دینے کی وجہ یہ نہیں کہ governance غیر ضروری ہے، بلکہ یہ ہے کہ پالیسی صرف حدود بیان کرتی ہے؛ روزمرہ فیصلے کے لیے مہارت اور مشق چاہیے۔ الگ SANS اور GIAC workforce تحقیق کے 947 عالمی جواب دہندگان میں 60 فیصد نے درست مہارتوں کی کمی کو افراد کی کمی سے بڑا مسئلہ کہا؛ 54 فیصد اداروں کے پاس تحریری AI governance policy تھی، لیکن صرف 38 فیصد جامع AI security training دے رہے تھے۔
یہ workforce survey اور 27 اگست کی awareness تحقیق الگ samples اور الگ سوالات پر مبنی ہیں، اس لیے ان کے اعداد کو ایک ہی پیمائش نہیں سمجھنا چاہیے۔ دونوں کا مشترک اشارہ البتہ واضح ہے: AI اپنانے، قواعد لکھنے اور لوگوں کو ان قواعد کے مطابق محفوظ فیصلہ کرنے کے قابل بنانے کی رفتار یکساں نہیں۔
سالانہ compliance module ملازم کو یہ نہیں سکھاتا کہ مبہم data کو AI میں داخل کرنے سے پہلے کس سے منظوری لینی ہے، generated code کا ذمہ دار reviewer کون ہوگا یا agent کی کون سی کارروائی لازماً انسان کے سامنے رکنی چاہیے۔ اسی طرح security team کے لیے tool کو صرف allow یا block کرنا کافی نہیں؛ اسے input سے output اور پھر action تک مکمل workflow دیکھنا ہوگا۔
تین خطرات کے لیے ذمہ داری کا عملی matrix
ذیل کی تقسیم عالمی نتائج کا پاکستانی دفتری ماحول پر ادارتی اطلاق ہے، SANS کا شائع کردہ لازمی معیار نہیں۔ اس کا مقصد یہ واضح کرنا ہے کہ خطرے کا پورا بوجھ ملازم پر ڈالنے کے بجائے ملازم، manager اور security team کی ذمہ داری الگ کیسے کی جا سکتی ہے۔
- غیر مجاز AI: ملازم صرف منظور شدہ tool اور اجازت یافتہ data استعمال کرے اور حساسیت واضح نہ ہو تو کام روک دے۔ Manager use case اور متعلقہ data owner کی منظوری یقینی بنائے۔ Security team مجاز tools، data-handling حدود، access controls اور مشتبہ استعمال رپورٹ کرنے کا واضح راستہ برقرار رکھے۔
- Vibe coding: ملازم AI سے بنے code یا application کو جانچ سے پہلے prototype سمجھے۔ Manager ایک technical owner مقرر کرے، خصوصاً جب tool customer، مالی یا ملازم data استعمال کرے۔ Security team code review، dependency اور secrets scanning، الگ test environment اور production approval کی حد نافذ کرے۔
- خودکار agents: ملازم agent کو کم سے کم ضروری اختیار دے اور اہم action پر انسانی منظوری رکھے۔ Manager واضح کرے کہ غلط کارروائی کی کاروباری جواب دہی کس شخص کے پاس ہوگی۔ Security team الگ identities، محدود credentials، logs، action limits اور فوری disable یا revoke طریقہ مہیا کرے۔
یہ matrix اس لیے اہم ہے کہ awareness training ساختی کمزوری کا متبادل نہیں۔ اگر ادارہ غیر واضح tools، وسیع permissions یا review کے بغیر deployment کی اجازت دیتا ہے تو صرف ملازم کو محتاط رہنے کا کہنا مؤثر control نہیں بنتا۔ دوسری طرف technical guardrails بھی اس وقت ناکافی رہیں گے جب managers جائزے کے لیے وقت نہ دیں یا AI output کو حتمی فیصلہ سمجھا جائے۔
پاکستان کے لیے نتیجے کی حد کہاں ہے
دونوں تحقیقات عالمی ہیں اور دستیاب خلاصوں میں پاکستان کا الگ sample یا مقامی شرح شائع نہیں کی گئی۔ اس لیے دوسری پوزیشن اور 60، 54 یا 38 فیصد کو پاکستانی اداروں کی براہ راست پیمائش نہیں سمجھنا چاہیے۔ یہ اعداد عالمی practitioners اور اداروں کے جوابات بیان کرتے ہیں، پاکستان میں خطرے کی مقامی شدت ثابت نہیں کرتے۔
تاہم زیر بحث workflows پاکستانی دفاتر کے لیے بھی قابل شناخت ہیں: بیرونی AI میں کاروباری مواد داخل کرنا، prompt سے داخلی application بنانا اور agent کو account access دینا۔ موجودہ تصدیق شدہ صورت یہ ہے کہ SANS نے 27 اگست 2026 کو رپورٹ جاری کر دی، survey میں AI دوسرا سب سے زیادہ حوالہ دیا گیا انسانی خطرہ رہا اور تین نئی risk categories کی نشاندہی ہوئی۔ ابھی یہ معلوم نہیں کہ پاکستان میں ان کا پھیلاؤ کتنا ہے؛ مقامی benchmark آنے تک اداروں کو اپنی پالیسی کی موجودگی اور عملے کی عملی قابلیت کو الگ پیمانوں کے طور پر دیکھنا ہوگا۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔