بھارت میں ہر تیسرا AI user کام نئے سرے سے بنا رہا ہے، مگر sample محدود ہے
Microsoft نے 3 ستمبر 2026 کو بھارت کے Work Trend Index نتائج جاری کیے، جن میں سروے شدہ بھارتی AI users کے 32 فیصد کو Frontier Professionals قرار دیا گیا۔ بھارت سے متعلق Microsoft کی اشاعت کے مطابق یہ دس زیرِ مطالعہ مارکیٹوں میں سب سے بلند شرح اور 16 فیصد عالمی اوسط سے دو گنا ہے۔
3 ستمبر کو شائع ہونے والی Mint کی آزاد رپورٹ بھی 32 فیصد، 16 فیصد عالمی موازنے اور بنیادی تعریف کی تصدیق کرتی ہے: یہ ایسے advanced users ہیں جو AI agents سے کئی مرحلوں والا کام کراتے اور workflows کو ان صلاحیتوں کے گرد دوبارہ ترتیب دیتے ہیں۔ اہم حد یہ ہے کہ 32 فیصد بھارت کی پوری workforce کا تناسب نہیں؛ یہ صرف کام میں generative AI استعمال کرنے والے سروے شرکا کے اندر ایک درجہ بندی ہے۔
32 فیصد کا denominator پوری workforce نہیں
تحقیق کا بنیادی sample 20,000 full-time ملازم یا self-employed knowledge workers پر مشتمل تھا، جو دس مارکیٹوں میں کام کے لیے AI استعمال کرتے تھے۔ ہر مارکیٹ سے 2,000 افراد لیے گئے، اس لیے بھارتی نتیجے کا متعلقہ denominator 2,000 بھارتی شرکا ہیں—ملک کے تمام ملازمین، تمام knowledge workers یا عام آبادی نہیں۔
Work Trend Index کی مکمل methodology کے مطابق Edelman Data x Intelligence نے 20 منٹ کا online survey کیا؛ مرکزی methodology اس کی fieldwork مدت 18 فروری سے 7 اپریل 2026 بتاتی ہے۔ اسی صفحے کے بعض تجزیاتی charts میں آخری تاریخ 20 اپریل درج ہے، اس لیے survey کی عمومی مدت کے لیے مرکزی methodology کی تاریخ زیادہ موزوں ہے، جبکہ chart-specific analysis کو الگ سمجھنا چاہیے۔
اہلیت بھی محدود تھی۔ AI user اس knowledge worker کو کہا گیا جس نے کام میں generative AI کم از کم کبھی کبھار استعمال کرنے کی اطلاع دی—استعمال کی حد مہینے میں ایک بار سے بھی کم سے لے کر روزانہ ایک سے زیادہ بار تک تھی۔ ’’کبھی نہیں‘‘ یا ’’معلوم نہیں‘‘ کہنے والے respondents کو screening میں نکال دیا گیا تھا۔
- درست تعبیر: سروے شدہ بھارتی workplace AI users میں 32 فیصد Frontier معیار پر پورے اترے۔
- غلط تعبیر: بھارت کے تمام کارکنوں میں ہر تیسرا شخص Frontier Professional ہے۔
- عالمی benchmark: 16 فیصد بھی انہی دس مارکیٹوں کے AI-user sample کی مجموعی اوسط ہے، پوری عالمی workforce کی شرح نہیں۔
- ڈیٹا کی نوعیت: درجہ بندی respondents کے اپنے بیان کردہ رویوں پر قائم ہے، مردم شماری یا کام کی براہِ راست نگرانی پر نہیں۔
Frontier Professional ہونے کے تین حصے ہیں
صرف زیادہ prompts لکھنا یا chatbot سے انفرادی کام تیز کرانا اس درجہ بندی کے لیے کافی نہیں۔ Frontier Professional بننے کے لیے respondents نے رویوں کے تین الگ مجموعے رپورٹ کیے: agents کے ذریعے پیچیدہ یا multi-step کام، AI کی مضبوط صلاحیتوں کے مطابق workflows کی باقاعدہ نئی تشکیل، اور ایسے منظم و قابلِ تکرار طریقوں میں شرکت جو ایک فرد سے آگے پوری ٹیم یا ادارے تک پھیل سکیں۔
اسی لیے منتخب عنوان میں ’’کام نئے سرے سے بنا رہا ہے‘‘ سے مراد ملازمت کو مکمل طور پر بدل دینا نہیں بلکہ کام کے مراحل، انسانی مداخلت اور agent execution کی ترتیب بدلنا ہے۔ مثال کے طور پر صرف رپورٹ کا خلاصہ بنوانا عام AI استعمال ہو سکتا ہے؛ تحقیق کو مرحلوں میں تقسیم کرنا، agents کو مختلف حصے دینا، انسانی منظوری کے مقامات مقرر کرنا اور اسی طریقے کو ٹیم میں دہرایا جا سکنا Frontier تعریف کے زیادہ قریب ہے۔ یہ تشریحی مثال ہے، سروے کا الگ ناپا ہوا case نہیں۔
عالمی sample میں 3,233 افراد اس مرکب معیار پر پورے اترے۔ اس سے یہ بھی واضح ہوتا ہے کہ Frontier Professional کوئی job title یا Microsoft certification نہیں، بلکہ survey responses سے اخذ کی گئی analytical category ہے۔
انسانی judgment درجہ بندی کے ساتھ کیوں اہم ہے
بھارتی نتائج میں advanced agent use کے ساتھ انسانی نگرانی بھی نمایاں رہی۔ 63 فیصد بھارتی respondents نے AI output کی quality control کو اہم skill کہا، 59 فیصد نے critical thinking کو اہم قرار دیا، اور 87 فیصد نے کہا کہ سوچ کی ذمہ داری ان کے پاس رہتی ہے اور AI کا جواب آخری نتیجہ نہیں بلکہ نقطۂ آغاز ہے۔
یہ اعداد Frontier تصور کی دوسری حد دکھاتے ہیں: agents execution کے زیادہ مراحل سنبھال سکتے ہیں، لیکن مقصد طے کرنا، معیار بنانا، کمزور reasoning پکڑنا اور حتمی نتیجے کی ذمہ داری لینا انسانی کام رہتا ہے۔ Technology اور services teams کے لیے skill signal محض tool familiarity نہیں، بلکہ task decomposition، review points، shared standards اور exception handling کا مجموعہ ہے۔
تاہم یہ indicators بھی self-reported ہیں۔ وہ یہ بتاتے ہیں کہ respondents کن صلاحیتوں کو اہم سمجھتے اور اپنی ذمہ داری کو کیسے بیان کرتے ہیں؛ یہ کسی بیرونی امتحان سے ان کی critical-thinking یا quality-control performance ثابت نہیں کرتے۔
نتیجہ productivity یا job security ثابت نہیں کرتا
32 فیصد کی شرح سے یہ نتیجہ نہیں نکلتا کہ Frontier Professionals لازماً دوسرے کارکنوں سے زیادہ productive ہیں، بہتر فیصلے کرتے ہیں یا ان کی ملازمتیں زیادہ محفوظ ہیں۔ Survey نے رویوں، perceived outcomes اور workplace conditions کا ایک وقتی snapshot لیا؛ productivity یا employment outcomes پر cause-and-effect ثابت کرنے کے لیے وقت کے ساتھ مشاہدہ، قابلِ موازنہ گروپس یا controlled evidence درکار ہوگا۔
اسی طرح دس ممالک کا sample بین الاقوامی ضرور ہے، مگر اسے پوری دنیا کی نمائندہ workforce نہیں کہا جا سکتا۔ تمام مارکیٹوں کو یکساں 2,000 responses کے ساتھ aggregate کرنے سے global average ایک study benchmark بنتا ہے؛ یہ ہر ملک کی workforce کے حجم کے مطابق weighted عالمی شرح نہیں۔
پاکستان کے لیے یہ قریب کی علامت ہے، مقامی شرح نہیں
پاکستان اس دس مارکیٹوں والے survey میں شامل نہیں تھا۔ اس لیے بھارتی 32 فیصد کو پاکستانی technology یا services teams کی شرح کہنا، یا اس عدد سے دونوں ملکوں کا skills gap نکالنا دستیاب evidence سے ممکن نہیں۔
فی الحال مضبوط نتیجہ اتنا ہے کہ محدود بھارتی AI-user sample میں تقریباً ہر تیسرا respondent agents کے ساتھ multi-step کام، workflow redesign اور repeatable team practices کے مشترکہ معیار پر پورا اترا۔ ابھی یہ معلوم نہیں کہ AI استعمال نہ کرنے والے کارکن شامل ہوں تو قومی تناسب کیا ہوگا، self-reported رویے وقت کے ساتھ کتنے برقرار رہیں گے، یا پاکستان میں اسی methodology سے کیا نتیجہ نکلے گا۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔