AI کا ROI آپ اسی طرح ناپتے ہیں جیسے بجٹ کی کسی بھی دوسری مد کو: موازنے کے لیے ایک بنیادی سال، نام دیا گیا لاگت کا ایک زمرہ، درمیانی سنگِ میل کے ساتھ ایک ڈیڈ لائن، اسے حاصل کرنے کے لیے ادا کی گئی رقم کے ساتھ دکھائی گئی مجموعی بچت، اور لاگت کے پیمانے کے ساتھ معیار کا ایک پیمانہ۔ اس کی سب سے واضح عوامی مثال 5 اکتوبر 2026 کو سامنے آئی، جب جرمن ٹیلی کام گروپ Deutsche Telekom نے بون میں سرمایہ کاروں کو بتایا کہ اسے توقع ہے کہ AI اور آٹومیشن 2023 کے مقابلے میں 2030 تک اس کی بالواسطہ لاگت میں تقریباً 2.5 ارب یورو کی کمی لائیں گے۔

بہت سی کمپنیاں اب بھی AI کو اپنے پائلٹ منصوبوں اور سبسکرپشنز کی تعداد سے ناپتی ہیں۔ سعودی عرب نے 2026 کو مصنوعی ذہانت کا سال قرار دیا ہے، اس لیے آپ اس پر ہونے والے خرچ کو کیسے ناپتے ہیں، یہ اس سال کا سوال بن گیا ہے۔ پیمائش کے ٹولز کے لیے دیکھیں AI کا حقیقی ROI کیسے ناپیں۔

Deutsche Telekom نے کیا اعلان کیا، اعداد و شمار میں

  • 2027 کا ہدف: 2023 کے مقابلے میں امریکہ سے باہر AI اور آٹومیشن سے تقریباً 1.1 ارب یورو کی مجموعی بچت۔ 2024 کے Capital Markets Day میں مقرر کیا گیا ہدف تقریباً 800 ملین یورو تھا، یعنی کمپنی نے اسے بڑھا دیا۔
  • 2030 کا ہدف: 2023 کے مقابلے میں بالواسطہ لاگت میں تقریباً 2.5 ارب یورو کی کمی۔
  • آمدنی: 2026 میں امریکہ سے باہر کی کمپنیوں کے ساتھ کاروبار سے AI سے متعلق تقریباً 250 ملین یورو آمدنی متوقع ہے، جو 2030 میں بڑھ کر تقریباً 800 ملین یورو ہو جائے گی۔
  • کسٹمر سروس: Frag Magenta چیٹ بوٹ نے 2026 کی پہلی ششماہی میں تقریباً 2.6 ملین کسٹمر سروس کالز سنبھالیں۔ امریکی آپریشنز میں کسٹمر سروس کالز 55% کم ہوئیں، اور اب AI ایجنٹ گاہکوں کے 40% رابطے سنبھالتے ہیں۔
  • نیٹ ورک: RAN Guardian نامی ایک ایجنٹ نے موبائل نیٹ ورک پر دباؤ کے واقعات پر ردِعمل کا وقت کئی گھنٹوں سے کم کر کے تقریباً ایک منٹ کر دیا۔
  • معیار: جب AI کنکشن قائم ہونے کے مسائل کو جلد پہچان لیتا ہے تو شکایات 30% کم ہو گئیں۔
  • افراد: AI for All اقدام کے تحت 1,00,000 سے زیادہ ملازمین کو AI ٹولز کی تربیت دی گئی ہے۔

یہ وہ اعداد و شمار ہیں جو کوئی کمپنی سرمایہ کاروں کی تقریب میں اپنے بارے میں شائع کرتی ہے، اور 2027 اور 2030 کے اہداف پیش گوئیاں ہیں، نتائج نہیں۔ لیکن جس طرح انہیں لکھا گیا ہے، وہ اپنانے کے قابل ہے۔

چار عناصر جو کسی ہدف کو قابلِ احتساب بناتے ہیں

  • ایک بنیادی سال: ہر عدد کا موازنہ 2023 سے کیا گیا ہے۔ اگر آپ نہیں جانتے کہ آپ نے کہاں سے آغاز کیا تو بچت کا کوئی مطلب نہیں، اور جو کاروبار آج اپنی لاگت درج نہیں کرتا، وہ کل کوئی بچت ثابت نہیں کر سکتا۔
  • نام دیا گیا لاگت کا زمرہ: 2030 کا ہدف بالواسطہ لاگت پر ہے، کل لاگت پر نہیں۔ کمپنی نے یہ تفصیل نہیں دی کہ اس زمرے میں کیا شامل ہے، لیکن صرف اس کا نام لینا ہی AI کی بچت کو لاگت میں ہر دوسری کمی کے ساتھ گڈمڈ ہونے سے روکتا ہے۔
  • ڈیڈ لائن اور درمیانی سنگِ میل: پہلے 2027، پھر 2030۔ درمیانی سنگِ میل ہی کی بدولت کمپنی اپنی کامیابی ناپنے کے بعد اپنا ہدف بڑھا سکی۔
  • مجموعی، خالص نہیں: 2027 کے ہدف کو مجموعی بچت کہا گیا ہے، یعنی ٹولز اور ڈیولپمنٹ پر خرچ سے پہلے۔ اپنے کاروبار میں آپ کو دونوں اعداد ساتھ ساتھ چاہییں: آپ نے کتنا بچایا، اور اسے بچانے کے لیے کتنا ادا کیا۔

ایک پانچواں عنصر بھی ہے جو آسانی سے نظر انداز ہو جاتا ہے: لاگت کے پیمانے کے ساتھ معیار کا ایک پیمانہ۔ شکایات میں 30% کمی بتاتی ہے کہ بچت گاہک کی قیمت پر نہیں ہوئی۔ جو بچت شکایات بڑھائے، وہ بچت نہیں ہے۔ وہ مؤخر کی گئی لاگت ہے۔

بچت کہاں سے آتی ہے: بار بار ہونے والا کام، نمائشی منصوبے نہیں

کمپنی نے جو مثالیں دکھائیں وہ کوئی انوکھے منصوبے نہیں ہیں۔ یہ روزمرہ کے کام ہیں جو ہزاروں بار دہرائے جاتے ہیں:

  • گاہکوں کے بار بار آنے والے سوالات: آرڈر کی صورتحال، بل، کوئی معلوم خرابی۔ Frag Magenta یہی سنبھالتا ہے، اور یہ اسی قسم کے سوالات ہیں جو WhatsApp اور فون پر آپ کی کسٹمر سروس تک پہنچتے ہیں۔
  • گاہک کے بتانے سے پہلے مسئلہ پکڑنا: RAN Guardian گاہکوں کو جواب نہیں دیتا۔ وہ نیٹ ورک پر نظر رکھتا ہے اور ایک منٹ کے اندر کارروائی کرتا ہے۔ آپ کے کاروبار میں اس کے مساوی ختم ہونے والے اسٹاک، واجب الادا تاریخ گزر جانے والی انوائس یا تاخیر کا شکار آرڈر پر الرٹ ہے۔
  • ملازمین کے روزمرہ کے ٹولز: کمپنی کہتی ہے کہ وہ ChatGPT Enterprise، Microsoft Copilot اور اپنا اندرونی اسسٹنٹ AskT استعمال کرتی ہے۔ وسیع تربیت ہی کسی ادا شدہ سبسکرپشن کو حقیقی استعمال میں بدلتی ہے۔

اپنے پیمانے پر ایسا ہدف کیسے لکھیں

30 افراد کا کاروبار اربوں کی بات نہیں کرے گا، لیکن یہی ڈھانچہ کسی بھی سائز پر کام کرتا ہے۔ ایک صفحے سے آغاز کریں:

  • تین بار بار ہونے والے عمل منتخب کریں، اس سے زیادہ نہیں: مثال کے طور پر گاہکوں کی پوچھ گچھ کا جواب دینا، سپلائرز کی انوائسز درج کرنا، ہفتہ وار سیلز رپورٹ تیار کرنا۔ جو عمل روزانہ دہرایا جاتا ہے، وہیں بچت نظر آتی ہے۔
  • کسی بھی ٹول سے پہلے، اسی مہینے بنیادی سطح درج کریں: عمل کتنی بار چلتا ہے، کتنا وقت لیتا ہے، اسے کون کرتا ہے، اور اس سے کتنی غلطیاں یا شکایات پیدا ہوتی ہیں۔ اس عدد کے بغیر بعد کی ہر بچت ایک عدد نہیں بلکہ ایک رائے ہوگی۔
  • ہر عمل کو لاگت کا ایک پیمانہ اور معیار کا ایک پیمانہ دیں: فی لین دین وقت کے ساتھ غلطیوں کی شرح، یا عملے کے بغیر مکمل ہونے والی گفتگو کے ساتھ شکایات کی تعداد۔
  • 90 دن پر ایک جانچ کا مرحلہ اور ایک سال پر ہدف مقرر کریں: قریبی جانچ کا مرحلہ آپ کو بتاتا ہے کہ ہدف میں ردوبدل کرنا ہے یا ٹول بدلنا ہے۔
  • خالص بچت کا حساب لگائیں: بچت میں سے سبسکرپشن کی لاگت، انسانی جائزے کا وقت اور تربیت کا وقت منہا کریں۔
  • پہلے سے طے کریں کہ بچت کہاں جائے گی: Deutsche Telekom نے کہا کہ وہ 2027 کی اضافی بچت کو اپنی ڈیجیٹل تبدیلی کو تیز کرنے اور جرمنی میں فائبر کو وسعت دینے میں دوبارہ لگائے گی۔ آپ کے کاروبار میں اس کا مطلب عملے کے گھنٹوں کو ڈیٹا انٹری سے ہٹا کر گاہکوں کی پیروی پر لگانا ہو سکتا ہے۔

کسی منصوبے سے پہلے اور بعد میں منافع کیسے ناپیں، یہ ہم نے AI کے حقیقی منافع کی پیمائش پر اپنے مضمون میں بیان کیا ہے، اور کسٹمر سروس اسسٹنٹ کے منافع کا مرحلہ وار حساب AI اسسٹنٹ کے ROI پر اپنے مضمون میں لگایا ہے۔

کیا آپ کے کاروبار پر لاگو نہیں ہوتا

  • پیمانہ: اتنے بڑے سائز کی کمپنی ٹولز اور ٹیموں کی لاگت کو لاکھوں گاہکوں پر تقسیم کر دیتی ہے۔ چھوٹے کاروبار کو ضرورت ہے کہ ایک ہی عمل میں ہونے والی بچت ٹول کی لاگت سالوں میں نہیں بلکہ مہینوں میں پوری کر دے۔
  • ڈیٹا: ایک منٹ کے اندر کارروائی کرنے والے ایجنٹ کو ایسا ڈیٹا چاہیے جو واقعات ہوتے ہی اس تک پہنچے۔ آپ کے کاروبار میں ابتدائی الرٹس کے لیے پہلے ضروری ہے کہ آرڈرز، اسٹاک اور انوائسز بکھری فائلوں میں نہیں بلکہ ایک ہی سسٹم میں ہوں۔
  • اعلان شدہ عدد نتیجہ نہیں ہے: 2.5 ارب یورو 2030 کا ہدف ہے۔ کسی وینڈر کے وعدوں کو اس سے نہ ناپیں۔ وینڈر سے بنیادی سطح اور وہ پیمانہ طلب کریں جس پر اس کا احتساب ہوگا۔

Origami کا نقطۂ نظر

ہم Deutsche Telekom کے اعلان کو اس سوال سے کہ AI استعمال کریں یا نہیں، اس سوال کی طرف تبدیلی کے طور پر دیکھتے ہیں کہ یہ کتنی اور کہاں بچت کرتا ہے۔ یہی وہ سوال ہے جو مملکت کے ہر منیجر کو کسی نئی سبسکرپشن پر دستخط کرنے سے پہلے پوچھنا چاہیے، خاص طور پر پیشکشوں سے بھرے اس سال میں۔

ہم جو منصوبے بناتے ہیں، ان میں ہم اسی ترتیب سے آغاز کرتے ہیں: عمل کو اسی طرح ناپنا جیسے وہ آج چلتا ہے، ٹول کو اس سسٹم سے جوڑنا جہاں عمل حقیقت میں ہوتا ہے، اور پھر نفاذ کے بعد لاگت اور معیار کو ساتھ ساتھ ناپنا۔ جو AI آپ کے آرڈرز اور انوائسز کا ڈیٹا نہیں دیکھ سکتا، وہ لکھنے کا ایک معاون ہی رہتا ہے، لاگت کم کرنے والا ٹول نہیں۔

خلاصہ

  • Deutsche Telekom کا ہدف 2027 میں امریکہ سے باہر تقریباً 1.1 ارب یورو کی مجموعی بچت اور 2030 میں بالواسطہ لاگت میں تقریباً 2.5 ارب یورو کی کمی ہے، دونوں 2023 کے مقابلے میں۔
  • اعلان کی قدر اس کے ڈھانچے میں ہے: ایک بنیادی سال، لاگت کا ایک زمرہ، درمیانی سنگِ میل کے ساتھ ایک ڈیڈ لائن، اور لاگت کے ساتھ معیار کا ایک پیمانہ۔
  • دکھائی گئی بچت بار بار ہونے والے کام سے آئی: گاہکوں کے سوالات، مسائل کی جلد نشاندہی، اور وسیع تربیت کے بعد ملازمین کے روزمرہ کے ٹولز۔
  • تین عمل سے آغاز کریں، اسی مہینے بنیادی سطح درج کریں، بچت کا خالص حساب لگائیں، اور پہلے سے طے کریں کہ وہ کہاں جائے گی۔

ذرائع