1 ستمبر 2026 کو Perplexity نے Mac پر Hybrid Compute کے نام سے ایک فیچر متعارف کرایا۔ مختصراً خیال یہ ہے: ایک ہی کام کو دو جگہوں میں تقسیم کیا جاتا ہے۔ بھاری مراحل — ویب سرچ، منصوبہ بندی، طویل مدتی استدلال — کلاؤڈ میں فرنٹیئر ماڈلز پر چلتے ہیں۔ جو مراحل آپ کے حساس ڈیٹا کو چھوتے ہیں، وہ آپ کی اپنی مشین کے اندر چلنے والے ایک چھوٹے ماڈل کے حوالے کر دیے جاتے ہیں، اور وہ ڈیٹا ڈیوائس سے باہر جاتا ہی نہیں۔

بظاہر یہ Mac صارفین کے لیے ایک پروڈکٹ کی خبر ہے۔ لیکن جو چیز کسی کاروباری مالک کی توجہ کی مستحق ہے وہ پروڈکٹ نہیں — بلکہ اس کے پیچھے موجود آرکیٹیکچرل پیٹرن ہے: ڈیٹا پہنچنے کے بعد نہیں، بلکہ بھیجے جانے سے پہلے اس کی درجہ بندی کرنا۔ اور یہ پیٹرن آپ اپنے سسٹمز میں لاگو کر سکتے ہیں، Perplexity سے قطع نظر اور Mac سے بھی قطع نظر۔

اصل میں کیا اعلان کیا گیا

کسی بھی تجزیے سے پہلے، یہ الگ کرنا ضروری ہے کہ کیا اعلان کیا گیا اور کیا تشریح ہے:

  • تاریخ: 1 ستمبر 2026۔
  • یہ کیسے کام کرتا ہے: ہر کام کلاؤڈ میں شروع ہوتا ہے، پھر سیاق و سباق کھوئے بغیر درمیان میں حساس مراحل ایک لوکل ماڈل کے حوالے کر دیتا ہے۔
  • پرائیویسی گیٹ: ڈیوائس پر موجود ایک کلاسیفائر بھیجنے سے پہلے ہر کام کو پڑھتا ہے، ناموں، پتوں اور اکاؤنٹ نمبروں کو متبادل سے بدل دیتا ہے، اور جواب واپس آنے پر انہیں بحال کر دیتا ہے۔
  • تقاضے: Apple silicon والا Mac، macOS 15 یا اس کے بعد کا ورژن، اور کم از کم 24GB یونیفائیڈ میموری، جبکہ 32GB تجویز کی گئی ہے۔
  • سبسکرپشن: Pro اور Max سبسکرائبرز اور انٹرپرائز صارفین کے لیے دستیاب۔
  • لاگت: لوکل ماڈل کے ذریعے کیا گیا کام کوئی کلاؤڈ کریڈٹ استعمال نہیں کرتا۔
  • لوکل ماڈلز: لانچ کے وقت کئی آپشنز، جن میں Google کا Gemma 4 E4B، Alibaba کا Qwen3.6 35B-A3B اور Perplexity کا خود تربیت دیا گیا ایک ماڈل شامل ہے۔

جس چیز کا اعلان نہیں کیا گیا — اور جسے فرض بھی نہیں کرنا چاہیے — وہ سعودی ذاتی ڈیٹا کے تحفظ کے قانون کی تعمیل کا کوئی معاہداتی عہد، یا گیٹ کی کارکردگی کی تصدیق کرنے والا کوئی آزاد آڈٹ ہے۔ جس کا اعلان کیا گیا وہ ایک تکنیکی طریقۂ کار اور کارکردگی کے وہ اعداد و شمار ہیں جو کمپنی نے اپنے بارے میں خود شائع کیے۔

یہ اس "لوکل AI" سے مختلف کیوں ہے جس کے بارے میں آپ نے پہلے سنا ہے

عام سوچ دو میں سے ایک کی تھی: یا تو سب کچھ کلاؤڈ پر بھیجیں اور ایک طاقتور ماڈل حاصل کریں، یا مقامی طور پر ایک چھوٹا ماڈل چلائیں اور پرائیویسی کے بدلے کم معیار قبول کریں۔ عملی طور پر، زیادہ تر اداروں میں پرائیویسی یہ بحث ہار گئی — کیونکہ ٹیموں کو اپنا کام کرنے کے لیے معیاری جوابات درکار ہوتے ہیں۔

یہ آرکیٹیکچر اس دو طرفہ انتخاب کو رد کرتا ہے۔ ایک ہی کام دونوں جگہ چلتا ہے: استدلال کلاؤڈ میں ہوتا ہے، اور ڈیٹا کو چھونے والا مرحلہ ڈیوائس پر۔ اس سے بھی اہم بات یہ ہے کہ فیصلہ نہ تو دستی ہے اور نہ ہی کسی ملازم کی توجہ پر چھوڑا گیا ہے — یہ ایک خودکار کلاسیفائر کرتا ہے جو متن کے باہر جانے سے پہلے اسے پڑھتا ہے۔

اور یہاں ایک تفصیل ہے جس پر رکنا چاہیے: Perplexity نے اس کلاسیفائر کی کارکردگی کے اعداد و شمار غیر معمولی صاف گوئی کے ساتھ شائع کیے، اس کی کمزوریوں سمیت۔ کمپنی نے بتایا کہ جب متن تقریباً دس ہزار حروف سے تجاوز کر جائے تو ریکال (recall) نمایاں طور پر گر جاتا ہے، اور اس نے ماڈل کو دوبارہ تربیت دینے کے بجائے ایک ڈی کوڈنگ تکنیک سے اس کا حل نکالا۔ اس نے کلاسیفائر کو اوپن سورس بھی کر دیا۔

آپ کے کاروبار کے لیے سبق، چاہے آپ کبھی Perplexity استعمال نہ کریں

آج AI استعمال کرنے والے زیادہ تر سعودی ادارے یہ کام بغیر کسی گیٹ کے کرتے ہیں۔ کوئی ملازم کسی گاہک کا پیغام، معاہدے کی کوئی شق یا اکاؤنٹ اسٹیٹمنٹ کاپی کرتا ہے اور خلاصہ یا جواب کا مسودہ مانگنے کے لیے اسے کسی عوامی ٹول میں پیسٹ کر دیتا ہے۔ اسی لمحے ڈیٹا ادارے سے باہر چلا گیا — اس کا کوئی ریکارڈ نہیں، اور کوئی فیصلہ نہیں کیا گیا۔

جب انتظامیہ کو اس کا پتہ چلتا ہے تو ردعمل عموماً دو میں سے ایک ہوتا ہے، اور دونوں ناکام رہتے ہیں۔ ٹولز پر مکمل پابندی لگا دیں، تو ملازمین ذاتی ڈیوائسز کے ذریعے پابندی سے بچ نکلتے ہیں۔ یا کسی واقعے کے ہونے تک آنکھیں بند رکھیں۔ تیسرا راستہ وہ ہے جو یہ اعلان دکھاتا ہے: یہ پوچھنا بند کریں کہ کیا آپ AI استعمال کرتے ہیں، اور یہ پوچھنا شروع کریں کہ آپ کے سسٹمز سے کیا باہر جانے کی اجازت ہے، یہ کون طے کرتا ہے، اور وہ فیصلہ کہاں درج ہوتا ہے۔

یہ گیٹ اپنے سسٹمز میں کیسے بنائیں

عملی طور پر، ہم کلائنٹس کے سسٹمز میں جو نافذ کرتے ہیں وہ چار پرتوں پر مبنی ہے، اور یہ سب فراہم کنندہ سے قطع نظر کام کرتی ہیں:

  • فیچر بنانے سے پہلے فیلڈز کی درجہ بندی کریں۔ اپنے سسٹم سے کوئی بھی ماڈل جوڑنے سے پہلے، اپنے ڈیٹا بیس کے فیلڈز کی درجہ بندی کریں: کیا عوامی ہے، کیا تجارتی طور پر حساس ہے، کیا ذاتی ڈیٹا ہے۔ یہ درجہ بندی ایک انتظامی فیصلہ ہے، تکنیکی نہیں، اور آگے کی ہر چیز اسی پر منحصر ہے۔
  • سسٹم کی سرحد پر ایک گمنامی کی پرت۔ ایک واحد مقام رکھیں جس سے کسی بیرونی فراہم کنندہ کو جانے والی ہر درخواست گزرے، جہاں ذاتی شناخت کنندگان کو متبادل ٹوکنز سے بدلا جائے اور جواب واپس آنے کے بعد بحال کیا جائے۔ سب سے اہم بات یہ ہے کہ یہ ایک ہی مقام ہو، ہر اسکرین پر دہرائی گئی لاجک نہیں۔
  • جو باہر نہیں جا سکتا اس کے لیے مقامی پروسیسنگ۔ ہر کام کو فرنٹیئر ماڈل کی ضرورت نہیں ہوتی۔ کسی پیغام کی درجہ بندی کرنا، کسی انوائس سے کوئی عدد نکالنا، دیکھ بھال کی درخواستوں کو ترجیح کے مطابق ترتیب دینا — آپ کے اپنے سرور پر ایک چھوٹا ماڈل یہ کام مناسب معیار اور تقریباً صفر لاگت پر کر لیتا ہے۔
  • ایک مستقل لاگ۔ کون سی درخواست باہر گئی، کون سے فیلڈز چھپائے گئے، کس نے اور کب مانگا۔ لاگ کے بغیر آپ نہ کسی آڈیٹر کے سوال کا جواب دے سکتے ہیں، نہ کسی گاہک کے۔

غور کریں کہ چاروں میں سے کوئی بھی پرت کسی ایک فراہم کنندہ کا نام نہیں لیتی۔ یہ جان بوجھ کر ہے: ماڈلز ہر چند ہفتوں میں بدل جاتے ہیں، جیسا کہ ہم نے پورے سال دیکھا ہے، اور آج آپ جو گیٹ بناتے ہیں اسے اس وقت بھی کارآمد رہنا چاہیے جب اس کے پیچھے کا ماڈل بدل جائے۔

ذاتی ڈیٹا کے تحفظ کے قانون کے تناظر میں اس کا کیا مطلب ہے

سعودی عرب کا ذاتی ڈیٹا کے تحفظ کا قانون، جس کی نگرانی سعودی ڈیٹا اور مصنوعی ذہانت اتھارٹی کرتی ہے، ان اصولوں پر مبنی ہے جن میں پروسیسنگ کے مقصد کا تعین اور جمع کیے گئے ڈیٹا کو ضرورت کی حد تک محدود رکھنا شامل ہے۔ ادارہ اس ذاتی ڈیٹا کا ذمہ دار رہتا ہے جسے وہ پروسیس کرتا ہے، چاہے وہ اسے پروسیس کرنے کے لیے کسی تیسرے فریق کی خدمات حاصل کرے۔

بیان کردہ جیسا آرکیٹیکچر دونوں اصولوں کو براہ راست پورا کرتا ہے: جب کام کو ضرورت نہ ہو تو ذاتی ڈیٹا تیسرے فریق کو بھیجا ہی نہیں جاتا، اور جو بھیجا جاتا ہے وہ کام مکمل کرنے کے لیے درکار کم از کم ہوتا ہے۔ لیکن صرف ٹیکنالوجی تعمیل نہیں ہے — آپ کو اب بھی پروسیسنگ کے لیے ایک قانونی بنیاد، ایک پرائیویسی پالیسی، اور ڈیٹا کے مالکان کی درخواستوں سے نمٹنے کے طریقۂ کار کی ضرورت ہے۔ ایک تکنیکی گیٹ تعمیل کو آسان بناتا ہے؛ یہ اس کا متبادل نہیں، اور کسی بھی عہد سے پہلے واحد حوالہ قانون اور اس کے نفاذی ضوابط ہیں۔

اس ہفتے شروع کرنے کے لیے تین اقدامات

ان میں سے کسی کو شروع کرنے کے لیے کسی بڑے پروجیکٹ کی ضرورت نہیں:

  • اپنی ٹیم سے ایک سوال پوچھیں: آپ نے آخری بار کسی کام کے سسٹم کا مواد کسی عوامی AI ٹول میں کب پیسٹ کیا تھا؟ جوابات ایک گھنٹے کے اندر آپ کو اصل مسئلے کا حجم بتا دیں گے۔
  • ایک صفحہ لکھیں جو تین زمرے طے کرے: جو کبھی باہر نہیں جا سکتا، جو گمنام بنانے کے بعد باہر جا سکتا ہے، اور جو جوں کا توں باہر جا سکتا ہے۔ ایک صفحہ جس پر واقعی عمل ہو، اس بیس صفحات کی پالیسی سے بہتر ہے جسے کوئی نہیں پڑھتا۔
  • ایک بار بار ہونے والا کام چنیں جو ذاتی ڈیٹا کو چھوتا ہو — مثال کے طور پر گاہکوں کی گفتگو کا خلاصہ — اور پروٹوٹائپ کے طور پر اس پر چاروں پرتیں لاگو کریں۔ ایک کام سے جو سیکھیں گے وہ باقی کاموں پر بھی منتقل ہو جائے گا۔

خلاصہ

Perplexity کا اعلان Mac صارفین کے بارے میں ہے، لیکن اس کے پیچھے کا خیال ہر اس ادارے سے متعلق ہے جو حقیقی ڈیٹا پر AI چلاتا ہے: درست فیصلہ کلاؤڈ اور ڈیوائس کے درمیان نہیں، بلکہ یہ ہے کہ کیا کوئی ایسا گیٹ موجود ہے جو باہر جانے سے پہلے طے کرے کہ کیا باہر جائے گا۔ جو کمپنیاں ابھی وہ گیٹ بناتی ہیں وہ کسی بھی نئے ماڈل کو چند دنوں میں محفوظ طریقے سے اپنا سکتی ہیں۔ جو اسے ملتوی کرتی ہیں انہیں پتہ چلے گا کہ انہیں اس کی ضرورت بدترین وقت پر ہے — واقعے کے بعد، پہلے نہیں۔

ذرائع