کمیشن برائے مواصلات، خلا اور ٹیکنالوجی (CST) نے جولائی 2026 میں ٹیکنالوجی کمپنیوں میں AI اپنانے سے متعلق اپنی آگاہی گائیڈ کا پہلا ایڈیشن جاری کیا۔ یہ گائیڈ مشاورتی ہے اور لازمی نہیں، اور یہ کسی موجودہ قانون یا ضابطے کی جگہ نہیں لیتی۔ البتہ یہ وہ چیز فراہم کرتی ہے جس کی سعودی مارکیٹ میں کمی تھی: ایک سرکاری اور مشترکہ فریم ورک کہ کوئی کمپنی AI کے بکھرے ہوئے تجربات سے آگے بڑھ کر ایسے منظم انداز میں AI کیسے اپنائے جو قابلِ پیمائش قدر پیدا کرے۔ یہ اسٹارٹ اپس سے لے کر بڑے اداروں تک ہر حجم کی ٹیکنالوجی کمپنیوں کے لیے ہے، اور ایسے وقت میں سامنے آئی ہے جب وزراء کی کونسل نے 2026 کو مصنوعی ذہانت کا سال قرار دیا ہے۔

بنیادی خیال: AI اپنانا ایک ادارہ جاتی صلاحیت ہے، اوزاروں کا مجموعہ نہیں

گائیڈ کا پہلا پیغام ہی اس کا سب سے واضح پیغام ہے: AI کو اپنے کاروباری ماڈل کے ادارہ جاتی ڈھانچے کا ایک بنیادی جزو سمجھیں، نہ کہ کناروں پر جوڑے گئے تکنیکی اوزاروں کا ایک مجموعہ۔ یہ فرق محض لفظی نہیں ہے۔ جو کمپنی AI کو ایک اوزار سمجھتی ہے وہ ایک سبسکرپشن خریدتی ہے اور نتائج کا انتظار کرتی ہے۔ جو کمپنی اسے ایک صلاحیت سمجھتی ہے وہ اپنے ڈیٹا، ورک فلو، اختیارات اور مہارتوں کو اس کے گرد ازسرِنو ترتیب دیتی ہے۔

گائیڈ ایک ایسا مشاہدہ بھی درج کرتی ہے جس پر رک کر سوچنا چاہیے: اگرچہ تجربات بڑے پیمانے پر پھیل چکے ہیں، پائیدار اور قابلِ توسیع قدر اب بھی زیادہ تر انہی اداروں تک محدود ہے جو پائلٹ منصوبوں پر رکنے کے بجائے منظم آپریٹنگ ماڈل اپناتے ہیں۔ دوسرے لفظوں میں، آج کا خلا اب ماڈلز تک رسائی کا نہیں ہے۔ اصل خلا انہیں ادارے کے اندر چلانے کی صلاحیت کا ہے۔

تیاری کے پانچ پہلو: اصل میں شروعات کہاں سے کریں

گائیڈ کے مطابق، AI اپنانے کا آغاز پانچ باہم جڑے ہوئے پہلوؤں میں ادارہ جاتی تیاری کے جائزے سے ہوتا ہے:

  • سیاق و سباق کی تیاری: کیا آپ جانتے ہیں کہ آپ کے مخصوص کاروبار میں AI کہاں حقیقی فرق ڈالتا ہے، یا آپ ایسی کمپنیوں کے استعمال کی نقل کر رہے ہیں جو آپ سے بالکل مختلف ہیں؟
  • ڈیٹا کی تیاری: کیا آپ کا ڈیٹا موجود، صاف، منظم اور قابلِ رسائی ہے، یا وہ اسپریڈشیٹس، فائلوں اور لوگوں کے ذہنوں میں بکھرا ہوا ہے؟
  • انفراسٹرکچر کی تیاری: کیا آپ کے پاس ایسا رن ٹائم، انٹیگریشن لیئر اور لاگنگ موجود ہے جو تعیناتی اور نگرانی ممکن بنائے، یا ہر تجربہ صفر سے شروع ہونے والا ایک الگ منصوبہ ہے؟
  • مہارت اور تجربے کی تیاری: کون نتائج کا جائزہ لے کر انہیں درست کرنے کی صلاحیت رکھتا ہے، نہ کہ صرف انہیں چلانے کی؟
  • ادارہ جاتی ثقافت کی تیاری: کیا ٹیم اس اوزار پر بھروسہ کرتی ہے اور روزمرہ کام میں اسے استعمال کرتی ہے، یا اسے خطرہ یا محض سجاوٹ سمجھتی ہے؟

گائیڈ اس بات پر زور دیتی ہے کہ AI کی خواندگی قیادت اور عملی، دونوں سطحوں پر ایک کلیدی معاون عنصر ہے۔ اس جائزے کا عملی فائدہ یہ ہے کہ یہ سوال کو "ہم کون سا ماڈل استعمال کریں؟" سے بدل کر "ہم پہلے کون سا خلا پُر کریں؟" بنا دیتا ہے، جو ایک سستا اور کہیں زیادہ درست سوال ہے۔

AI پہلے کا اصول: اوزاروں سے پہلے حکمتِ عملی

گائیڈ "AI پہلے" پر مبنی ایک آپریٹنگ اصول تجویز کرتی ہے، جس کا لبِ لباب یہ ہے کہ حکمتِ عملی کا تعین تکنیکی اوزاروں کے انتخاب سے پہلے آتا ہے۔ عملی طور پر اس کا مطلب ہے کہ کسی بھی سبسکرپشن پر دستخط کرنے سے پہلے تین باتیں طے کر لیں: AI کہاں قابلِ پیمائش فائدہ دیتا ہے، آپ کا اپنا ڈیٹا کہاں ایسی مسابقتی برتری پیدا کرتا ہے جس کا مقابلہ دوسروں کے لیے مشکل ہو، اور ہر استعمال میں خودمختاری کی کون سی سطح قابلِ قبول ہے۔

ایک نکتہ جسے بہت سے لوگ نظرانداز کر دیتے ہیں: پائیدار برتری شاذ و نادر ہی صرف ماڈلز تک رسائی سے پیدا ہوتی ہے، کیونکہ یہ رسائی سب کے پاس ہے۔ برتری اس مخصوص سیاق و سباق سے پیدا ہوتی ہے جو کمپنی کے پاس ہے، اس کے اندر رچے بسے ورک فلو، گاہکوں کے رویے اور آراء، اور مسلسل فیڈبیک کے چکروں سے۔ ماڈل ایک عام جنس ہے جو سب کو دستیاب ہے۔ آپ کا ڈیٹا اور آپ کے کام نہیں۔

استعمال کے تین شعبے، ہر ایک کی پختگی کا الگ معیار

گائیڈ استعمال کو تین شعبوں میں تقسیم کرتی ہے اور انہیں ایسی ترتیب سے رکھتی ہے جو احترام کی مستحق ہے:

  • اندرونی کام: عام طور پر مطلوبہ قدر تک پہنچنے کا سب سے تیز اور سب سے کم خطرے والا راستہ۔ یہاں کی غلطی آپ کا اندرونی وقت لیتی ہے، ساکھ نہیں۔
  • گاہکوں سے جڑے حل: مارکیٹ میں امتیاز کا زیادہ بڑا موقع، لیکن ان کے لیے زیادہ پختگی درکار ہے کیونکہ یہ گاہک کو نظر آتے ہیں، براہِ راست اعتماد پر اثر ڈالتے ہیں اور ریگولیٹری لحاظ سے حساس ہوتے ہیں۔
  • AI ایجنٹ: عمل درآمد کا ایک جدید ماڈل۔ گائیڈ مشورہ دیتی ہے کہ محدود اختیارات اور انسانی نگرانی کے ساتھ بتدریج آغاز کریں، اور کارکردگی جتنی قابلِ اعتماد اور محفوظ ثابت ہو اسی کے مطابق دائرہ بڑھائیں۔

یہ ترتیب اسی بات سے مطابقت رکھتی ہے جس کا ہم کوئی بھی سسٹم بناتے وقت عملی طور پر مشورہ دیتے ہیں: وہاں سے شروع کریں جہاں غلطیاں سستی ہوں، اور گاہکوں سے جڑی سطح پر تبھی جائیں جب اندرونی طور پر قابلِ اعتماد ہونا ثابت ہو جائے۔

خود بنائیں، شراکت کریں یا خریدیں؟

گائیڈ خود بنانے، شراکت کرنے یا خریدنے کے فیصلے کا ایک فریم ورک پیش کرتی ہے اور اسے ایک گہرے مسئلے سے جوڑتی ہے: چند محدود فراہم کنندگان پر انحصار کا خطرہ۔ اس کی سفارش یہ ہے کہ اس سے ایک ماڈیولر، لچکدار اور الگ الگ حصوں میں تقسیم ہو سکنے والے تکنیکی ڈھانچے کے ذریعے نمٹا جائے، جس کی پشت پر معاہداتی وضاحت ہو، تاکہ آپ پورا اسٹیک توڑے بغیر ایک تہہ بدل سکیں۔ یہ ایک ایسا عنصر بھی شامل کرتی ہے جسے زیادہ تر فزیبلٹی اسٹڈیز نظرانداز کر دیتی ہیں: انفرنس کی معاشیات، یعنی فی آپریشن ماڈل چلانے کی لاگت، جسے حاشیے کی بات نہیں بلکہ آپریٹنگ لاگت کا ایک اہم محرک سمجھا جائے۔

اس کے بعد یہ مرحلہ وار عمل درآمد کی سفارش کرتی ہے: تیاری کی تصدیق، پھر نگرانی میں تجربات، پھر پورے ادارے میں انضمام، اور پھر مسلسل بہتری۔

خطرے پر مبنی آپریٹنگ ماڈل کے طور پر گورننس

جس حصے کے بارے میں ہماری امید ہے کہ اسے توجہ سے پڑھا جائے، وہ گورننس ہے۔ گائیڈ اسے خطرے پر مبنی ایک آپریٹنگ ماڈل قرار دیتی ہے جو استعمال کے انتخاب میں نظم و ضبط سے شروع ہوتا ہے، نہ کہ تعیناتی کے بعد مسلط کیے گئے کنٹرولز سے۔ ناکافی گورننس والے AI سسٹمز قانونی، مالی اور ساکھ سے متعلق خطرات پیدا کر سکتے ہیں۔

سب سے اہم بات یہ ہے کہ گورننس خطرے کی سطح کے متناسب ہونی چاہیے: متوقع اثر، خودمختاری کا درجہ، ڈیٹا کی حساسیت اور گاہکوں پر اثر کی سطح۔ میٹنگز کا خلاصہ بنانے والے اندرونی معاون کو وہ سب درکار نہیں جو قرض کے فیصلے کرنے والے ایجنٹ کو درکار ہوتا ہے۔

سعودی پہلو: ڈیٹا، عربی اور خودمختاری

گائیڈ خبردار کرتی ہے کہ مملکت میں کام کرنے والی کمپنیوں کو منصوبہ بندی کرتے وقت صرف عالمی اشاریوں اور رجحانات پر انحصار نہیں کرنا چاہیے۔ انہیں مقامی ضوابط، ڈیٹا گورننس کے تقاضوں، اور ڈیٹا کی خودمختاری اور سرحد پار منتقلی سے متعلق امور سے ہم آہنگ ہونا ہوگا۔ ساتھ ہی یہ ایک بہت عملی نکتہ بھی شامل کرتی ہے: گاہکوں سے جڑے استعمال میں عربی زبان کی معاونت کی سطح کی تصدیق کریں۔

یہ کوئی نمائشی تفصیل نہیں ہے۔ کسٹمر سروس کی گفتگو میں سعودی لہجہ سمجھنے والے ماڈل اور لفظ بہ لفظ ترجمہ کرنے والے ماڈل کے درمیان فرق، مطمئن گاہک اور ناراض گاہک کے درمیان فرق ہے۔ اسی طرح، جب بھی ڈیٹا ذاتی ہو اور ذاتی ڈیٹا کے تحفظ کے قانون (PDPL) کے تحت آتا ہو، تو "آپ کا ڈیٹا کہاں محفوظ ہے؟" کا سوال "کون سا ماڈل زیادہ ذہین ہے؟" سے پہلے آتا ہے۔

اس ہفتے کہاں سے شروع کریں

اگر ہم گائیڈ کو ایسے اقدامات میں سمیٹیں جن پر آپ واقعی عمل کریں گے: پانچوں پہلوؤں میں اپنی تیاری کا دیانت داری سے جائزہ لیں اور ہر ایک کو نمبر دیں؛ قابلِ پیمائش اثر اور کم خطرے والا ایک ہی اندرونی استعمال منتخب کریں؛ شروع کرنے سے پہلے، نہ کہ بعد میں، اس کے لیے ایک عددی ہدف طے کریں؛ اسے انسانی نگرانی اور نتائج کی مکمل لاگنگ کے ساتھ چلائیں؛ اور جب اعداد و شمار برقرار رہیں تو دائرہ بڑھائیں۔ آج سعودی عرب میں AI سے منافع کمانے والی کمپنیاں وہ نہیں جو سب سے زیادہ خرچ کرتی ہیں، بلکہ وہ ہیں جو یہ چننے میں سب سے زیادہ منظم ہیں کہ کس مسئلے پر کام کرنا ہے۔

ذرائع

  • کمیشن برائے مواصلات، خلا اور ٹیکنالوجی: ٹیکنالوجی کمپنیوں میں AI اپنانے سے متعلق آگاہی گائیڈ، پہلا ایڈیشن، جولائی 2026: cst.gov.sa/ai-adoption-guide-ar
  • کمیشن برائے مواصلات، خلا اور ٹیکنالوجی: cst.gov.sa
  • سعودی ڈیٹا اور مصنوعی ذہانت اتھارٹی (SDAIA): ذاتی ڈیٹا کے تحفظ کا قانون: sdaia.gov.sa