SAP کے مطابق، انٹرپرائز AI گورننس شماریاتی اندازے کے کام کو تعییناتی کنٹرول سے بدل کر منافع کو محفوظ کرتا ہے۔
اگر آپ صارف کے درجے کے ماڈل سے کسی دستاویز میں الفاظ کی تعداد گننے کو کہتے ہیں، تو یہ اکثر تقریباً 10% غلط ہوگا۔ Manos Raptopoulos، SAP میں کسٹمر کامیابی یورپ، APAC، مشرق وسطیٰ اور افریقہ کے عالمی صدر نے مشاہدہ کیا کہ کامل اور کامل کے درمیان آپریشنل فرق مطلق ہے۔
Raptopoulos کہتے ہیں، "90% اور 100% درستگی کے درمیان فاصلہ بڑھتا ہوا نہیں ہے۔ ہماری دنیا میں، یہ وجودی ہے۔”
جیسا کہ تنظیمیں بڑے پیمانے پر زبان کے ماڈلز کو پروڈکشن میں ڈالتی ہیں، Raptopoulos اس بات پر زور دیتے ہیں کہ تشخیصی معیار رسمی طور پر درستگی، گورننس، اسکیل ایبلٹی، اور عملی کاروباری اثرات کی طرف منتقل ہو گئے ہیں۔
غیر فعال ٹولز سے فعال ڈیجیٹل اداکاروں کے ارتقاء پر کارپوریٹ بورڈز کے مرکز کو درپیش اہم چیلنجز، ایک ایسی منتقلی جس کی شناخت Raptopoulos ایک اہم گورننس لمحے کے طور پر کرتی ہے اور SAP اس سال کے AI اور Big Data Expo شمالی امریکہ میں ان موضوعات میں سے ایک ہوگا جس پر توجہ مرکوز کی جائے گی۔
Agentic AI سسٹمز میں اب منصوبہ بندی کرنے، استدلال کرنے، دوسرے ایجنٹوں کے ساتھ ہم آہنگی پیدا کرنے اور ورک فلو کو خود مختاری سے انجام دینے کی صلاحیت ہے۔ Raptopoulos کا استدلال ہے کہ چونکہ یہ سسٹمز حساس ڈیٹا کے ساتھ براہ راست تعامل کرتے ہیں اور پیمانے پر فیصلوں پر اثر انداز ہوتے ہیں، اس لیے ان کا انتظام کرنے میں اسی طرح ناکام رہتے ہیں جس طرح آپ اپنے لوگوں کو منظم کرتے ہیں تنظیموں کو اہم آپریشنل خطرے سے دوچار کر دیتے ہیں۔ انہوں نے خبردار کیا کہ ایجنٹوں میں اضافہ پچھلی دہائی کے آئی ٹی بحران کی عکاسی کرے گا، لیکن داؤ اس سے کہیں زیادہ ہے۔
اس کے فریم ورک کے مطابق، ایجنٹ لائف سائیکل مینجمنٹ کا قیام، خود مختاری کی حدود کا تعین، پالیسیوں کو نافذ کرنا، اور کارکردگی کی مسلسل نگرانی کو نافذ کرنا ضروری تقاضے ہیں۔
جدید ویکٹر ڈیٹا بیسز کو مربوط کرنا جو انٹرپرائز لینگویج کے معنوی رشتوں کو میراثی رشتہ دار فن تعمیر کے ساتھ نقشہ بناتا ہے اس کے لیے انجینئرنگ کے اہم سرمائے کی ضرورت ہوتی ہے۔ ٹیموں کو فعال طور پر ایجنٹوں کے استدلال کو محدود کرنا چاہیے تاکہ مالیاتی یا سپلائی چین کے عمل درآمد کے راستوں کو خراب کرنے سے فریب نظروں کو روکا جا سکے۔ ان سخت پیرامیٹرز کو سیٹ کرنا کمپیوٹیشنل لیٹینسی اور ہائپر اسکیلر کمپیوٹیشنل لاگت میں اضافہ کرکے ابتدائی P&L پیشین گوئی کو تبدیل کرتا ہے۔
اگر ایک خود مختار ماڈل کو مسلسل اعلی تعدد ڈیٹا بیس سوالات کی ضرورت ہوتی ہے تاکہ تعییناتی پیداوار کو برقرار رکھا جا سکے، تو اس سے منسلک ٹوکن لاگت تیزی سے بڑھ جاتی ہے۔ حکمرانی تعمیل کی چیک لسٹ کے بجائے ایک مشکل انجینئرنگ کی رکاوٹ بن جاتی ہے۔
Raptopoulos کا استدلال ہے کہ کارپوریٹ بورڈز کو ایجنٹ کے ماڈلز کی تعیناتی سے پہلے تین بنیادی مسائل کو حل کرنے کی ضرورت ہے: یہ شناخت کرنا کہ ایجنٹ کی غلطیوں کے لیے کون ذمہ دار ہے، مشین کے فیصلوں کے لیے ایک آڈٹ ٹریل قائم کرنا، اور انسانی اضافے کے لیے قطعی حد کی وضاحت کرنا۔ جغرافیائی سیاسی تقسیم ان سوالات کا جواب دینا مشکل بنا دیتی ہے۔
نیو یارک، فرینکفرٹ، ریاض اور سنگاپور تک پھیلی کلیدی مارکیٹوں میں خودمختار کلاؤڈ انفراسٹرکچر، AI ماڈلز اور ڈیٹا لوکلائزیشن کی ذمہ داریاں ایک ریگولیٹری حقیقت ہیں۔ کمپنیوں کو لازمی طور پر ممکنہ انٹیلی جنس میں براہ راست عزمی کنٹرول کو سرایت کرنا چاہیے۔ Raptopoulos اس ضرورت کو اعلیٰ انتظامیہ کی ذمہ داری کے طور پر دیکھتا ہے، نہ کہ IT پروجیکٹ۔
کمرشل آپریشنز کے لیے متعلقہ انٹیلی جنس کی تشکیل
AI سسٹم مکمل طور پر ڈیٹا اور عمل کے معیار پر انحصار کرتے ہیں جس پر وہ کام کرتے ہیں، جس کی نمائندگی کرتے ہوئے Raptopoulos ڈیٹا سے چلنے والے لمحے کو کہتے ہیں۔
بکھرے ہوئے ماسٹر ڈیٹا، سائلڈ بزنس سسٹم، اور حد سے زیادہ حسب ضرورت ERP ماحول بدترین ممکنہ لمحات میں خطرناک غیر متوقع صلاحیت پیدا کرتے ہیں۔ Raptopoulos وضاحت کرتا ہے کہ جب خود مختار ایجنٹس سفارشات فراہم کرنے کے لیے بکھری ہوئی بنیاد پر انحصار کرتے ہیں جو نقد بہاؤ، گاہک کے تعلقات، یا تعمیل کی پوزیشنوں کو متاثر کرتے ہیں، تو نتیجے میں ہونے والے آپریشنل نقصان کو فوری طور پر بڑھا دیا جاتا ہے۔
حقیقی انٹرپرائز ویلیو کو نکالنے کے لیے عام بڑے پیمانے پر زبان کے ماڈلز سے آگے بڑھنے کی ضرورت ہوتی ہے جو انٹرنیٹ کے پیمانے پر متن پر تربیت یافتہ ہوتے ہیں۔ حقیقی انٹرپرائز انٹیلی جنس، Raptopoulos وضاحت کرتی ہے، ملکیتی انٹرپرائز ڈیٹا پر مبنی ہونی چاہیے، بشمول آرڈرز، انوائسز، سپلائی چین کے ریکارڈز، اور مالی پوسٹنگز جو براہ راست کاروباری عمل میں شامل ہوں۔ اس کا استدلال ہے کہ سٹرکچرڈ بزنس ڈیٹا کے لیے خاص طور پر بہتر بنائے گئے رشتہ پر مبنی ماڈل پیشین گوئی، بے ضابطگی کا پتہ لگانے، اور آپریشنل آپٹیمائزیشن میں عام ماڈلز کو پیچھے چھوڑتے رہیں گے۔
بہت ساری تعیناتیوں کو ایک بھاری حسب ضرورت ERP ماحول کو بنیادی ماڈل کے لیے قابل فہم بنانے کے آپریشنل رگڑ سے روک دیا جاتا ہے۔ ڈیٹا انجینئرنگ ٹیمیں بکھرے ہوئے ماسٹر ڈیٹا کو حذف کرنے میں ضرورت سے زیادہ چکر لگاتی ہیں تاکہ AI کو جمع کرنے کے لیے ایک بنیادی لائن بنائی جا سکے۔
جب متعلقہ ماڈلز کو خام انوائس ڈیٹا کے ساتھ پیچیدہ اور ملکیتی سپلائی چین کے ریکارڈ کی درست تشریح کرنی چاہیے، تو بنیادی ڈیٹا پائپ لائن کو تاخیر کے بغیر کام کرنا چاہیے۔ اگر ڈیٹا اکٹھا کرنے میں ناکام ہو جاتا ہے تو، ماڈل کی پیشین گوئی کرنے کی صلاحیت فوری طور پر خراب ہو جائے گی، جس سے ایجنٹ کی فعالیت کاروبار کے لیے خطرے میں پڑ جائے گی۔
جدید رشتہ دار AI کے ساتھ میراثی فن تعمیرات کو مربوط کرنے کے لیے گہرائی سے جڑی ہوئی ڈیٹا پائپ لائنوں کی اوور ہالنگ کی ضرورت ہے۔ انجینئرنگ ٹیموں کو کئی دہائیوں کے غلط درجہ بندی شدہ منصوبہ بندی کے اعداد و شمار کو انڈیکس کرنا چاہیے تاکہ یہ یقینی بنایا جا سکے کہ سرایت کرنے والے ماڈل درست ویکٹر کی نمائندگی کرتے ہیں۔ Raptopoulos کی منطق کی پیروی کرتے ہوئے، بورڈز کو اس بات کا اندازہ لگانا چاہیے کہ آیا ان کے موجودہ ڈیٹا اثاثے حقیقت میں تیار ہیں، بجائے اس کے کہ کسی منقطع بنیاد پر ممکنہ معلومات کا ڈھیر لگا دیں۔
ارادے پر مبنی انٹرفیس ڈیزائن
انٹرپرائز ایپلی کیشن کے تعاملات جامد انٹرفیس سے تخلیقی صارف کے تجربات کی طرف منتقل ہو رہے ہیں، جسے Raptopoulos ملازم کے تعامل کے لمحات کے طور پر لیبل کرتا ہے۔
ایک پیچیدہ سافٹ ویئر ماحولیاتی نظام کو دستی طور پر نیویگیٹ کرنے کے بجائے، ملازمین اپنے ارادوں کا اظہار سسٹم سے کرتے ہیں۔ Raptopoulos ایک مثال فراہم کرتا ہے جہاں صارف سافٹ ویئر کو ہدایت دیتا ہے کہ وہ اس ہفتے سب سے زیادہ کمانے والے صارفین کے دوروں پر بریفنگ تیار کرے۔ AI ایجنٹ پھر ضروری ورک فلو کو مربوط کرتا ہے، ارد گرد کے سیاق و سباق کو جمع کرتا ہے، اور تجویز کردہ اقدامات پیش کرتا ہے۔
تاہم، Raptopoulos اس بات پر زور دیتے ہیں کہ افرادی قوت کے درمیان اپنانا اب بھی اعتماد پر مشروط ہے۔ ملازمین صرف اس وقت ان ڈیجیٹل ٹیم کے اراکین کو قبول کریں گے جب انہیں یقین ہو کہ نظام کی پیداوار قائم کردہ حکمرانی کی حدود کا احترام کرتی ہے، حقیقی کاروباری قوانین کی عکاسی کرتی ہے، اور نمایاں پیداواری فوائد فراہم کرتی ہے۔
ان سسٹمز کی انجینئرنگ کے لیے CFO، CHRO، یا سپلائی چین لیڈر جیسے عہدوں کے لیے کردار کے لیے مخصوص AI شخصیات کی ضرورت ہوتی ہے۔ Raptopoulos مشاہدہ کرتا ہے کہ گود لینے کے فرق کو کامیابی سے پر کرنے کے لیے، ان شخصیات کو قابل بھروسہ ڈیٹا پر بنایا جانا چاہیے اور واقف انٹرپرائز ورک فلو کے اندر سرایت کرنا چاہیے۔
انضمام کی اس سطح کو حاصل کرنا اہم نتائج کے ساتھ ڈیزائن کا فیصلہ ہے۔ AI پر مبنی آرکیٹیکچرز میں سرمایہ لگانے کی کوشش کرنے والی تنظیمیں سرمایہ کاری پر تیزی سے واپسی دیکھ رہی ہیں، جب کہ لیگیسی انٹرفیس میں ممکنہ ماڈلز شامل کرنے کی کوشش کرنے والی کمپنیاں قابل اعتماد، قابل استعمال اور پیمانے کے ساتھ اہم چیلنجوں کا سامنا کرتی ہیں۔
جدید AI آرکیسٹریشن کو یک سنگی سوفٹ ویئر ایپلی کیشنز میں لانے کی کوشش کرنے والے ٹیکنالوجی لیڈروں کو اکثر انضمام میں اہم تاخیر کا سامنا کرنا پڑتا ہے۔ پرانے انٹرپرائز مڈل ویئر کے ذریعے امکانی API کالوں کو روٹ کرنا صارف کے انٹرفیس میں وقفہ کا سبب بنتا ہے اور ارادے پر مبنی ورک فلو کو تباہ کر دیتا ہے۔ کردار سے متعلق افراد کو ڈیزائن کرنے کے لیے فوری انجینئرنگ سے زیادہ کی ضرورت ہوتی ہے۔ اس کے لیے ماڈل کی فعال میموری میں پیچیدہ رسائی کنٹرولز، اجازتوں اور کاروباری منطق کی نقشہ سازی کی ضرورت ہے۔
انجینئرنگ مقابلہ دفاع
کسٹمر کی بات چیت کے دوران AI پر مالی منافع سب سے تیز ہوتا ہے۔ Raptopoulos اس بات کی نشاندہی کرتا ہے کہ ملکیتی ریکارڈز، داخلی قوانین اور تاریخی نوشتہ جات پر تربیتی ماڈلز گاہک کے لیے مخصوص ذہانت کی ایک پرت بناتی ہے جسے حریف آسانی سے کاپی نہیں کر سکتے۔ یہ سیٹ اپ کئی مستثنیات کے ساتھ ورک فلو میں بہترین کارکردگی کا مظاہرہ کرتا ہے، جیسے تنازعات کا حل، بلنگ، ریٹرن، اور سروس روٹنگ۔
ایسے خود مختار ایجنٹوں کی تعیناتی جو کیسز کو ٹرائیج کر سکتے ہیں، متعلقہ دستاویزات کو سرفہرست کر سکتے ہیں، اور پالیسی سے منسلک حل تجویز کر سکتے ہیں، اس مہنگے عمل کو تیز مسابقتی تفریق میں بدل سکتے ہیں۔
ان ماڈلز کو ہر تعامل کے نتائج کی بنیاد پر ایڈجسٹ کیا جاتا ہے۔ Raptopoulos بتاتے ہیں کہ کارپوریٹ خریدار تکنیکی چالوں پر قابل اعتماد، متعلقہ اور ذمہ دار سروس کو ترجیح دیتے ہیں۔ بھاری کام کے بوجھ کو سنبھالنے کے لیے AI کو تعینات کرنے والے ادارے حتمی نتائج کی سخت نگرانی کرتے ہیں جبکہ داخلے میں ایسی رکاوٹیں قائم کرتے ہیں جن میں عام ٹولز داخل نہیں ہو سکتے۔
انٹرپرائز انٹیلی جنس کی تعیناتی کے لیے اعلیٰ انتظامیہ کو متوازی طور پر تین مختلف پرتوں کو مربوط کرنے کی ضرورت ہوتی ہے، جسے Raptopoulos ایک اسٹریٹجک لمحے کے طور پر بیان کرتا ہے۔
ابتدائی درجے میں بلٹ ان خصوصیات شامل ہیں جو فوری واپسی کے لیے انفرادی بنیادوں پر پیداواری بہتری کو براہ راست بنیادی ایپلی کیشنز میں ضم کرتی ہیں۔ دوسری پرت کو ایجنٹ آرکیسٹریشن کی ضرورت ہوتی ہے، جو کراس سسٹم ورک فلو میں ملٹی ایجنٹ کوآرڈینیشن کی سہولت فراہم کرتی ہے۔ آخری درجے میں صنعت کی مخصوص ذہانت پر توجہ دی گئی ہے اور خاص شعبوں سے وابستہ اعلیٰ ترین قیمتی چیلنجوں کو حل کرنے کے لیے مشترکہ طور پر تیار کردہ انتہائی خصوصی ایپلی کیشنز کی خصوصیات ہیں۔
ایک جال اس رہنما کا انتظار کر رہا ہے جو غلط ترتیب کا شکار ہوتا ہے۔ صرف ایمبیڈڈ ٹولز پر فوکس کرنا اہم مالیاتی قدر حاصل کرنے میں ناکام رہتا ہے، جب کہ پہلے مناسب گورننس اور ڈیٹا کی پختگی حاصل کیے بغیر گہری صنعتی ایپلی کیشنز میں جارحانہ طور پر کودنا انٹرپرائز کے خطرے کو دوگنا کردیتا ہے۔
Raptopoulos مشورہ دیتے ہیں کہ ان ماڈلز کو اسکیل کرنے کے لیے کمپنی کے عزائم کو اس کی اصل ٹیکنالوجی کی تیاری کے ساتھ ہم آہنگ کرنے کی ضرورت ہے۔ پائلٹ مرحلے سے گزرنے کے لیے لیڈرشپ ٹیموں کو صاف ستھرا بنیادی فن تعمیر، ڈیٹا پائپ لائنوں کو اپ ڈیٹ، اور کراس ڈپارٹمنٹل ملکیت کو نافذ کرنا چاہیے۔ سب سے زیادہ منافع بخش تعیناتیاں AI کو ایک مرکزی آپریٹنگ پرت کے طور پر پیش کرتی ہیں جس کے لیے انسانی ملازمین کی طرح گورننس کی ضرورت ہوتی ہے۔
90% درستگی اور مکمل یقین کے درمیان مالیاتی فرق اس بات کا تعین کرتا ہے کہ کمپنی کی حقیقی قدر کہاں ہے۔ آنے والے مہینوں میں گورننس کے فیصلے اس بات کا تعین کریں گے کہ آیا کوئی مخصوص AI تعیناتی پائیدار فائدہ کا ایک طاقتور ذریعہ بن جائے گی یا ایک مہنگا سبق سیکھا جائے گا۔
حوالہ: AI ایجنٹ گورننس فوکس میں آیا ہے کیونکہ ریگولیٹرز فلیگ کنٹرول گیپس ہیں۔
صنعت کے رہنماؤں سے AI اور بڑے ڈیٹا کے بارے میں مزید جاننا چاہتے ہیں؟ ایمسٹرڈیم، کیلیفورنیا اور لندن میں ہونے والے AI اور بگ ڈیٹا ایکسپو کو دیکھیں۔ جامع ایونٹ TechEx کا حصہ ہے اور اس کا انعقاد سائبرسیکیوریٹی اور کلاؤڈ ایکسپو سمیت دیگر اہم ٹیکنالوجی ایونٹس کے ساتھ کیا جاتا ہے۔ مزید معلومات کے لیے یہاں کلک کریں۔
AI News آپ کے لیے TechForge Media لایا گیا ہے۔ دیگر آنے والے انٹرپرائز ٹیکنالوجی ایونٹس اور ویبینرز کو یہاں دریافت کریں۔