AI وقت بچانے کے بجائے سال کے 20 دن کھا رہا ہے، اصل خرچ correction ہے
BambooHR نے یکم ستمبر 2026 کو امریکی desk workers میں AI کے استعمال پر نئی تحقیق جاری کی۔ BambooHR کی اصل تحقیقی ریلیز کے مطابق 1,608 کل وقتی تنخواہ دار کارکنوں نے اوسطاً روزانہ 87 منٹ AI استعمال کرنے کی اطلاع دی؛ اس وقت کا 42 فیصد غلطیاں درست کرنے اور prompts دہرانے، جبکہ 35 فیصد کام آگے بڑھانے پر صرف ہوا۔
اسی یکم ستمبر کی تحقیق سے سالانہ تقریباً 20 آٹھ گھنٹے کے correction days کا دعویٰ نکالا گیا۔ HR Dive کی 2 ستمبر کی رپورٹ نے 47 دن کے مجموعی AI استعمال اور ان میں تقریباً 20 دن troubleshooting پر صرف ہونے والے تخمینے کو نقل کیا، مگر یہ تجرباتی productivity test نہیں: وقت کارکنوں کے survey responses سے آیا، نہ کہ application logs، timesheets یا AI کے ساتھ اور اس کے بغیر مکمل کیے گئے یکساں کاموں کے تقابل سے۔
20 دن کا حساب 42 فیصد سے بنتا ہے
تحقیق نے 87 منٹ یومیہ کو سالانہ 22,526 منٹ، یا تقریباً 47 آٹھ گھنٹے کے کام کے دن قرار دیا۔ اس مجموعے کا 42 فیصد 9,461 منٹ بنتا ہے؛ اسے 480 منٹ کے دن سے تقسیم کرنے پر 19.7 دن حاصل ہوتے ہیں، جنہیں سرخی میں 20 دن کہا گیا۔
35 فیصد productive share تقریباً 7,884 منٹ، یعنی 16.4 دن بنتا ہے۔ باقی 23 فیصد تقریباً 5,181 منٹ یا 10.8 دن ہے، لیکن شائع شدہ خلاصہ اس حصے کی مزید تقسیم نہیں دیتا؛ اسے خودکار طور پر productive یا correction time کہنا درست نہیں۔
یہ وضاحت اس لیے اہم ہے کہ 20 دن troubleshooting کے پورے 42 فیصد حصے کا حساب ہیں، 42 اور 35 فیصد کے فرق کا نہیں۔ ان دونوں شرحوں کا فرق سات percentage points، یا اسی سالانہ بنیاد پر تقریباً 3.3 دن ہے۔ سروے کا قابلِ دفاع نتیجہ یہ ہے کہ جواب دہندگان نے AI وقت میں correction کا حصہ productive کام سے بڑا بتایا؛ یہ نہیں کہ AI نے لازماً ہر کارکن کی سالانہ پیداوار سے 20 دن منہا کر دیے۔
نمونہ امریکی تھا اور پیمائش self-reported
یہ online survey Method Research نے تیار اور RepData نے 26 جون سے 15 جولائی 2026 تک تقسیم کیا۔ شرکا امریکا میں desk jobs کرنے والے 18 سال یا اس سے زیادہ عمر کے کل وقتی تنخواہ دار ملازمین تھے۔ نمونے میں manager یا اس سے بلند عہدہ رکھنے والے 520 HR professionals بھی شامل تھے، جبکہ جنس، عمر، نسلی گروہوں، جغرافیے اور ایک درجن سے زیادہ صنعتوں کی نمائندگی رکھی گئی۔
یہ ساخت امریکی ملازمین کے اپنے اندازوں کو بیان کرتی ہے؛ اسے پاکستانی workforce کا benchmark یا تمام knowledge work کی براہِ راست پیمائش نہیں سمجھا جا سکتا۔ سروے میں non-AI baseline، ایک جیسے tasks کی completion time، output accuracy یا آخری منظوری تک ہونے والا rework نہیں ناپا گیا۔
اسی لیے correction میں گزارا ہوا وقت ایک حقیقی توجہ طلب لاگت تو ہے، مگر بذاتِ خود خالص نقصان نہیں۔ ممکن ہے AI نے ابتدائی draft اتنی جلد تیار کیا ہو کہ correction کے باوجود کل وقت دستی طریقے سے کم رہا ہو؛ یہ بھی ممکن ہے کہ verification اور دوبارہ کام نے ابتدائی بچت ختم کر دی ہو۔ دستی baseline اور قابلِ قبول آخری نتیجے کے بغیر سروے ان امکانات میں فیصلہ نہیں کرتا۔
ٹیم کے لیے قابلِ نقل پیمائش
اپنی ٹیم میں اصل فائدہ ناپنے کے لیے prompts یا AI میں گزارے گئے منٹ کافی نہیں۔ UC Today کا تجزیہ متعین workflow کی completion time، output acceptance، accuracy، correction، rework اور انسانی review کو outcome-based پیمائش میں شامل کرنے کی سفارش کرتا ہے۔
پاکستانی knowledge-work یا HR ٹیم کسی ایک محدود اور بار بار ہونے والے workflow—مثلاً امیدواروں کے نوٹس کا خلاصہ، پالیسی draft یا رپورٹ کی پہلی کاپی—کے لیے یہ worksheet استعمال کر سکتی ہے:
- Baseline time: اسی نوعیت کا قابلِ قبول کام AI کے بغیر مکمل کرنے کا معمول کا وقت۔
- Drafting time: مواد تیار کرنے، context دینے اور ابتدائی prompt لکھنے کے منٹ۔
- Correction time: غلط حقائق، ناقص عبارت، formatting اور repeated prompts درست کرنے کا وقت۔
- Human review: متعلقہ ماہر، manager یا HR reviewer کی تصدیق اور منظوری کا وقت۔
- Accepted output: پہلی پیشکش میں منظور، ترمیم کے بعد منظور یا دوبارہ بنانے کے لیے واپس ہونے والے کام کی تعداد۔
ہر task کے لیے AI total time، drafting، correction اور human review کا مجموعہ ہوگا۔ پہلی یا ترمیم شدہ پیشکش میں قبول ہونے والے outputs کی تعداد کو تمام پیش کیے گئے outputs سے تقسیم کرکے acceptance rate نکلے گا۔ صرف منظور شدہ نتائج کے لیے baseline time میں سے AI total time منہا کیا جائے: مثبت نتیجہ وقت کی بچت اور منفی نتیجہ اضافی لاگت دکھائے گا۔ واپس آنے والا کام نئی پیداوار نہیں؛ اس کا rework اسی task کی مجموعی لاگت میں شامل ہوگا۔
مثال فرضی ہے: ایک منظور شدہ رپورٹ دستی طور پر 120 منٹ لیتی ہے، جبکہ AI draft میں 25، correction میں 45 اور انسانی review میں 30 منٹ لگتے ہیں۔ منظور ہونے کی صورت میں کل وقت 100 منٹ اور خالص بچت 20 منٹ ہے؛ صرف 25 منٹ کے draft کو نتیجہ سمجھنے سے بعد کے 75 منٹ چھپ جائیں گے۔
اصل خرچ correction ہے، حتمی فیصلہ accepted output کا
منتخب سرخی کا مضبوط دعویٰ اسی محدود مفہوم میں درست ہے: سروے کے سالانہ حساب میں تقریباً 20 دن AI کی غلطیاں درست کرنے اور prompts دہرانے میں گئے۔ اسے staffing، budget یا پاکستانی ٹیم کی productivity پر براہِ راست لاگو نہیں کیا جا سکتا، کیونکہ مقامی کام، زبان، tools، نگرانی اور معیار مختلف ہو سکتے ہیں۔
اس وقت دستیاب مواد survey responses اور انہی سے نکلی سالانہ arithmetic تک محدود ہے۔ 20 دن کو عالمگیر خالص productivity loss ثابت کرنے کے لیے task-level تجربہ، non-AI baseline اور audited accepted output درکار ہیں؛ تب تک زیادہ مضبوط پیمانہ usage minutes نہیں بلکہ correction، انسانی review، rework اور قابلِ قبول آخری کام کی مشترکہ لاگت ہے۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔