کارپوریٹ مارجن کے تحفظ کے لیے، کاروباری رہنماؤں کو اپنے AI انفراسٹرکچر کو محفوظ طریقے سے منظم کرنے کے لیے مضبوط AI گورننس میں سرمایہ کاری کرنی چاہیے۔
انٹرپرائز سافٹ ویئر کو اپنانے کا جائزہ لیتے وقت، بار بار آنے والے پیٹرن اس بات کی نشاندہی کرتے ہیں کہ کس طرح ٹیکنالوجیز پوری صنعتوں میں پختہ ہو رہی ہیں۔ جیسا کہ راب تھامس، SVP اور CCO نے حال ہی میں IBM میں وضاحت کی ہے، سافٹ ویئر عام طور پر اسٹینڈ لون پروڈکٹ سے پلیٹ فارم پر اور پھر پلیٹ فارم سے بنیادی انفراسٹرکچر میں منتقل ہوتا ہے، گورننس کے اصولوں کو مکمل طور پر تبدیل کرتا ہے۔
ابتدائی مصنوعات کے مراحل میں، اکثر سخت کارپوریٹ کنٹرول کو استعمال کرنا بہت فائدہ مند محسوس ہوتا ہے۔ ایک بند ترقیاتی ماحول آپ کو صارف کے آخری تجربے کو تیزی سے اور مضبوطی سے منظم کرنے دیتا ہے۔ وہ ایک ہی انٹرپرائز کے اندر مالیاتی قدر کو حاصل کرتے ہیں اور اس پر توجہ مرکوز کرتے ہیں، ایک ایسا نقطہ نظر جو ابتدائی مصنوعات کی ترقی کے دور میں اچھی طرح سے کام کرتا ہے۔
تاہم، IBM کا تجزیہ اس بات پر روشنی ڈالتا ہے کہ ایک بار جب ٹیکنالوجی بنیادی تہہ میں مضبوط ہو جاتی ہے، توقعات ڈرامائی طور پر بدل جاتی ہیں۔ جیسا کہ دیگر ادارہ جاتی فریم ورک، بیرونی مارکیٹس، اور وسیع تر آپریٹنگ سسٹم سافٹ ویئر پر منحصر ہو جاتے ہیں، عام معیارات نئی حقیقتوں کے مطابق ہو جائیں گے۔ انفراسٹرکچر کے پیمانے پر کھلے پن کو اپنانا اب ایک نظریاتی حیثیت نہیں ہے، بلکہ ایک بہت ہی عملی ضرورت ہے۔
AI فی الحال انٹرپرائز آرکیٹیکچر اسٹیک کے اندر اس حد سے تجاوز کر رہا ہے۔ تنظیمیں اپنے نیٹ ورکس کو محفوظ بنانے، سورس کوڈ لکھنے، خودکار فیصلوں پر عمل درآمد کرنے اور تجارتی قدر پیدا کرنے کے طریقے میں ماڈلز تیزی سے براہ راست سرایت کر رہے ہیں۔ AI تجرباتی افادیت سے زیادہ بنیادی آپریشنل انفراسٹرکچر کے طور پر کام کرتا ہے۔
Anthropic کے Claude Mythos ماڈل کا ایک حالیہ محدود پیش نظارہ اس حقیقت کو خطرے کا انتظام کرنے والے کارپوریٹ ایگزیکٹوز کے لیے واضح توجہ میں لا سکتا ہے۔ انتھروپک کی رپورٹ ہے کہ یہ مخصوص ماڈل انسانی ماہرین کی ایک چھوٹی تعداد کے مقابلے میں سافٹ ویئر کی کمزوریوں کو دریافت اور ان کا استحصال کر سکتا ہے۔
ان قوتوں کے جواب میں، Anthropic نے پروجیکٹ Glasswing کا آغاز کیا ہے، ایک محدود اقدام جو ان جدید صلاحیتوں کو براہ راست نیٹ ورک کے محافظوں تک پہنچانے کے لیے ڈیزائن کیا گیا ہے۔ IBM کے نقطہ نظر سے، یہ پیشرفت ٹیکنالوجی کے اہلکاروں کے لیے فوری ساختی کمزوریوں کا باعث بنتی ہے۔ تھامس بتاتے ہیں کہ اگر خود مختار ماڈلز کارنامے لکھنے اور پورے حفاظتی ماحول کو تشکیل دینے کی صلاحیت رکھتے ہیں، تو چند ٹیکنالوجی فروشوں کے اندر ان سسٹمز کی تفہیم پر توجہ مرکوز کرنے کے نتیجے میں اہم آپریشنل نمائش ہو سکتی ہے۔
جیسا کہ ماڈلز بنیادی ڈھانچے کی حیثیت حاصل کرتے ہیں، IBM کا استدلال ہے کہ کلیدی مسئلہ اب اس تک محدود نہیں رہا کہ یہ مشین لرننگ ایپلی کیشنز کیا چل سکتی ہیں۔ ترجیح یہ ہے کہ ان نظاموں کو کس طرح بنایا جاتا ہے، ان کا نظم کیا جاتا ہے، ان کا معائنہ کیا جاتا ہے اور طویل مدتی میں فعال طور پر بہتر کیا جاتا ہے۔
چونکہ بنیادی فریم ورک زیادہ پیچیدہ اور انٹرپرائز کے لیے زیادہ اہم ہو جاتا ہے، بند ترقیاتی پائپ لائن کو برقرار رکھنا بہت مشکل ہو جاتا ہے۔ کوئی ایک وینڈر کامیابی کے ساتھ تمام آپریشنل ضروریات، مخالف حملہ ویکٹرز، یا سسٹم کی ناکامی کے طریقوں کی پیش گوئی نہیں کر سکتا۔
مبہم AI ڈھانچے کو لاگو کرنا موجودہ نیٹ ورک کے فن تعمیر میں اہم رگڑ پیدا کرتا ہے۔ قائم شدہ انٹرپرائز ویکٹر ڈیٹا بیسز یا انتہائی حساس اندرونی ڈیٹا لیکس کے ساتھ بند، ملکیتی ماڈلز کو جوڑنا اکثر بڑے پیمانے پر خرابیوں کا ازالہ کرنے میں رکاوٹیں پیدا کرتا ہے۔ جب غیر معمولی آؤٹ پٹ ہوتا ہے یا فریب کی شرح میں اضافہ ہوتا ہے، تو ٹیم کے پاس اس بات کی تشخیص کرنے کے لیے درکار اندرونی مرئیت کا فقدان ہوتا ہے کہ آیا خرابی تلاش بڑھانے والی جنریشن پائپ لائن میں ہوئی ہے یا بنیادی ماڈل کے وزن میں۔
انتہائی کنٹرول شدہ کلاؤڈ ماڈلز کے ساتھ وراثت کے آن پریمیسس آرکیٹیکچرز کو مربوط کرنا روزمرہ کے کاموں میں اہم تاخیر کو متعارف کرواتا ہے۔ جب کارپوریٹ ڈیٹا گورننس پروٹوکولز سختی سے حساس کسٹمر کی معلومات کو بیرونی سرورز کو بھیجنے پر پابندی لگاتے ہیں، تو ٹیکنالوجی ٹیمیں پروسیسنگ سے پہلے ڈیٹا سیٹ کو ہٹانے اور گمنام کرنے کی کوشش کریں گی۔ ڈیٹا کا یہ مسلسل حذف ہونا بہت زیادہ آپریشنل تاخیر کا سبب بنتا ہے۔
مزید برآں، لاک ماڈلز کو مسلسل API کالز کے ساتھ منسلک آسمان کو چھوتی کمپیوٹنگ لاگت منافع کے عین مطابق مارجن کو ختم کرتی ہے جس کے بارے میں یہ خود مختار نظاموں کو بہتر سمجھا جاتا ہے۔ دھندلاپن نیٹ ورک انجینئرز کو ہارڈ ویئر کی تعیناتیوں کو درست طریقے سے سائز کرنے سے روکتا ہے اور بنیادی فعالیت کو برقرار رکھنے کے لیے کاروباری اداروں کو مہنگے زیادہ پروویژننگ معاہدوں میں داخل ہونے پر مجبور کرتا ہے۔
آپریشنل لچک کے لیے اوپن سورس AI کیوں ضروری ہے۔
طاقتور ایپلی کیشنز تک رسائی کو محدود کرنا ایک قابل فہم انسانی جبلت ہے، جیسے کہ احتیاط۔ تاہم، جیسا کہ تھامس بتاتا ہے، بڑے بنیادی ڈھانچے کے پیمانے پر، سیکورٹی کو عام طور پر سخت چھپانے کی بجائے سخت بیرونی جانچ پڑتال سے بہتر بنایا جاتا ہے۔
یہ اوپن سورس سافٹ ویئر ڈویلپمنٹ میں ایک مسلسل سبق کی نمائندگی کرتا ہے۔ اوپن سورس کوڈ انٹرپرائز کے خطرے کو ختم نہیں کرتا ہے۔ اس کے بجائے، IBM کا دعویٰ ہے کہ وہ تنظیموں کے اس خطرے کو سنبھالنے کے طریقے کو فعال طور پر تبدیل کر رہا ہے۔ ایک کھلی فاؤنڈیشن محققین، انٹرپرائز ڈویلپرز، اور سیکیورٹی ڈیفنڈرز کی وسیع تر بنیاد کو فن تعمیرات کی جانچ کرنے، بنیادی کمزوریوں کو بے نقاب کرنے، بنیادی مفروضوں کی جانچ کرنے اور حقیقی دنیا کے حالات میں سافٹ ویئر کو سخت کرنے کی اجازت دیتی ہے۔
سائبرسیکیوریٹی آپریشنز کے اندر، وسیع مرئیت شاذ و نادر ہی آپریشنل لچک کا دشمن ہے۔ عملی طور پر، مرئیت اکثر اس لچک کو حاصل کرنے کے لیے ایک سخت شرط ہے۔ وہ ٹیکنالوجیز جنہیں تنقیدی طور پر اہم سمجھا جاتا ہے وہ زیادہ محفوظ رہتی ہیں جب وسیع آبادی انہیں چیلنج کرتی ہے، ان کی منطق کا جائزہ لیتی ہے، اور مسلسل بہتری میں حصہ ڈالتی ہے۔
تھامس اوپن سورس ٹکنالوجی کے بارے میں سب سے قدیم غلط فہمیوں میں سے ایک کو دور کرتا ہے: یہ عقیدہ کہ یہ لازمی طور پر کارپوریٹ جدت کو کموڈیٹائز کرتا ہے۔ حقیقی دنیا کی ایپلی کیشنز میں، کھلا انفراسٹرکچر عام طور پر مارکیٹ کی مسابقت کو ٹیکنالوجی کے اسٹیک سے اوپر لے جاتا ہے۔ کھلے نظام مالی قدر فراہم کرتے ہیں، اسے تباہ نہیں کرتے۔
جیسے جیسے عام ڈیجیٹل فاؤنڈیشن پختہ ہوتی جاتی ہے، تجارتی قدر پیچیدہ نفاذ، نظام کوآرڈینیشن، جاری بھروسے، اعتماد کے طریقہ کار، اور مخصوص ڈومین کی مہارت کی طرف منتقل ہو جاتی ہے۔ IBM کا مؤقف یہ ہے کہ طویل مدتی تجارتی فاتح وہ نہیں ہوں گے جو ٹیکنالوجی کی بنیادی تہوں کے مالک ہوں گے، بلکہ وہ تنظیمیں ہوں گی جو سمجھتی ہیں کہ ان کو کس طرح مؤثر طریقے سے لاگو کرنا ہے۔
ہم نے انٹرپرائز ٹولز، کلاؤڈ انفراسٹرکچر، اور آپریٹنگ سسٹمز کی پچھلی نسلوں میں اسی طرز کو چلتے دیکھا ہے۔ اوپن فاؤنڈیشنز نے تاریخی طور پر ڈویلپر کی شرکت کو بڑھایا ہے، تکراری اصلاحات کو تیز کیا ہے، اور ان بنیادی تہوں کے اوپر مکمل طور پر نئی، بڑی مارکیٹیں بنائی ہیں۔ کاروباری رہنما تیزی سے اوپن سورس کو بنیادی ڈھانچے کی جدید کاری اور نئی AI صلاحیتوں کے لیے اہم سمجھتے ہیں۔ IBM نے پیش گوئی کی ہے کہ AI کے اس عین تاریخی رفتار کی پیروی کرنے کا بہت امکان ہے۔
جیسا کہ وہ وسیع تر وینڈر ماحولیاتی نظام کو دیکھتے ہیں، سرکردہ ہائپر اسکیلرز اس حقیقت کو ایڈجسٹ کرنے کے لیے اپنی کاروباری کرنسی کو ایڈجسٹ کر رہے ہیں۔ سب سے بڑا ملکیتی بلیک باکس بنانے کے لیے خالص ہتھیاروں کی دوڑ میں شامل ہونے کے بجائے، منافع بخش انٹیگریٹرز آرکیسٹریشن ٹولز پر توجہ مرکوز کر رہے ہیں جو کاروباری اداروں کو کام کے بوجھ کی مخصوص ضروریات کی بنیاد پر بنیادی اوپن سورس ماڈلز کو تبدیل کرنے کی اجازت دیتے ہیں۔ میدان میں اپنی مسلسل قیادت کو اجاگر کرتے ہوئے، IBM اس سال کے AI اور Big Data Expo شمالی امریکہ کا ایک بڑا اسپانسر ہے۔ اوپن انٹرپرائز انفراسٹرکچر کے لیے ابھرتی ہوئی حکمت عملی یہاں ایک کلیدی توجہ ہوگی۔
یہ نقطہ نظر مکمل طور پر پابندی والے وینڈر لاک اِن سے گریز کرتا ہے اور کاروباری اداروں کو اجازت دیتا ہے کہ وہ چھوٹے، انتہائی موثر کھلے ماڈلز تک کم مانگنے والے داخلی سوالات کو روٹ کر سکیں، جس سے پیچیدہ کسٹمر کا سامنا کرنے والے خود مختار منطق کے لیے مہنگے کمپیوٹ وسائل محفوظ ہوں۔ ایک مخصوص بنیادی ماڈل سے ایپلیکیشن پرت کو ڈیکپل کرنے سے، ٹیکنالوجی کا عملہ آپریشنل چستی کو برقرار رکھ سکتا ہے اور نیچے کی لکیر کی حفاظت کر سکتا ہے۔
انٹرپرائز AI کے مستقبل کو شفاف حکمرانی کی ضرورت ہے۔
کھلے ماڈل کو اپنانے کی ایک اور عملی وجہ کا تعلق مصنوعات کی ترقی کے مضمرات سے ہے۔ IBM اس بات پر زور دیتا ہے کہ بنیادی کوڈ تک محدود رسائی قدرتی طور پر ایک تنگ آپریشنل نقطہ نظر کی طرف لے جاتی ہے۔ اس کے برعکس، کون سیدھا حصہ لیتا ہے اس بات کا تعین کرتا ہے کہ آخر کون سی ایپلیکیشن بنائی گئی ہے۔
وسیع رسائی فراہم کرنا حکومتوں، مختلف اداروں، سٹارٹ اپس، اور مختلف محققین کو فعال طور پر اثر انداز ہونے کی اجازت دیتا ہے کہ کس طرح ٹیکنالوجیز تیار ہوتی ہیں اور تجارتی طور پر ان کا اطلاق کیا جاتا ہے۔ یہ جامع نقطہ نظر ساختی موافقت اور ضروری عوامی جواز پیدا کرتے ہوئے فعال جدت کو آگے بڑھاتا ہے۔
جیسا کہ تھامس کا استدلال ہے، ایک بار جب خود مختار AI بنیادی انٹرپرائز انفراسٹرکچر کا کردار ادا کر لیتا ہے، تو دھندلاپن پر انحصار سسٹم کی حفاظت کے لیے ایک تنظیمی اصول کے طور پر کام نہیں کر سکتا۔ محفوظ سافٹ ویئر کے لیے سب سے زیادہ قابل اعتماد بلیو پرنٹس ایک کھلی بنیاد کو وسیع بیرونی جانچ پڑتال، فعال کوڈ کی دیکھ بھال، اور سنجیدہ اندرونی نظم و نسق کے ساتھ یکجا کرتے ہیں۔
جیسا کہ AI مستقل طور پر بنیادی ڈھانچے کے مرحلے میں داخل ہوتا ہے، IBM دلیل دیتا ہے کہ وہی منطق تیزی سے خود بنیادی ماڈلز پر لاگو ہوتی ہے۔ کمپنی ٹیکنالوجی پر جتنی زیادہ انحصار کرتی ہے، کھلے پن کا معاملہ اتنا ہی مضبوط ہوتا ہے۔
اگر یہ خودمختار ورک فلو واقعی عالمی تجارت کی بنیاد بن جاتے ہیں، تو شفافیت اب روزمرہ کی بحث کا موضوع نہیں رہے گی۔ IBM کے مطابق، یہ کسی بھی جدید انٹرپرائز فن تعمیر کے لیے ایک مطلق، غیر گفت و شنید ڈیزائن کی ضرورت ہے۔
حوالہ: ایپل جیسی کمپنیاں محدودیت کے ساتھ AI ایجنٹس کیوں بنا رہی ہیں۔
صنعت کے رہنماؤں سے AI اور بڑے ڈیٹا کے بارے میں مزید جاننا چاہتے ہیں؟ ایمسٹرڈیم، کیلیفورنیا اور لندن میں اے آئی اور بگ ڈیٹا ایکسپو 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 ہے۔ دیگر آنے والے انٹرپرائز ٹیکنالوجی ایونٹس اور ویبینرز کو یہاں دریافت کریں۔