آپ کی میز پر ‘10-Q’ (سہ ماہی مالیاتی رپورٹ) موجود ہے، کل کلائنٹ کے ساتھ کال ہے، اور آپ کو ایک ایسا مسودہ تیار کرنا ہے جو نہ صرف تیزی سے مکمل ہو بلکہ قابلِ دفاع بھی ہو۔ AI بنیادی دستاویزات سے ایک مربوط ابتدائی مسودہ تیار کرنے میں تو آپ کی مدد کر سکتا ہے، لیکن یہ پیشہ ورانہ جوابدہی کا بوجھ نہیں اٹھا سکتا۔ اگر کوئی ہندسہ غلط ہو، کسی تناسب (ratio) کا حساب غلط بنیادوں پر لگایا گیا ہو، یا کسی دعوے کی تائید فائلنگ سے نہ ہوتی ہو، تو اس کا خمیازہ آپ کو اور آپ کی فرم کو بھگتنا پڑے گا، نہ کہ اس ٹول کو۔
کسی بھی تکنیک کو اپنانے سے پہلے، آپ کو ایک ایسے نظامِ عمل (architecture) کی ضرورت ہے جس کے تحت یہ طے کیا جا سکے کہ AI کا کون سا نتیجہ قابلِ استعمال ہے، کس کی تصدیق لازمی ہے، اور کون سا کام ہرگز کسی اور کے سپرد نہیں کیا جا سکتا۔ یہ سبق اسی نظامِ عمل کو تشکیل دیتا ہے تاکہ ڈیڈ لائن کے دباؤ کے باوجود کام کا باقی عمل قابلِ آڈٹ (auditable) رہے، نہ کہ ایسے شارٹ کٹس کا سلسلہ بن جائے جن کا سراغ لگانا ناممکن ہو۔
کام کے عمل کو ٹھوس بنیاد فراہم کرنے کے لیے، اس بات کی نشاندہی کریں کہ شواہد کہاں شامل ہوتے ہیں اور فیصلہ سازی کا عمل کہاں سے شروع ہوتا ہے۔ اس میں وہ ‘چیک پوائنٹس’ بھی شامل ہونے چاہئیں جن کی ضرورت ‘آڈٹ ٹریل’ (audit trail) کے لیے پیش آئے گی، خاص طور پر جب میمو کو اصل مخاطبین کے دائرے سے باہر آگے بھیجا جائے۔
مصنوعی ذہانت (AI) حسابی نوعیت کے کاموں میں بہت ماہر ہے۔ یہ ‘10-Q’ (سہ ماہی رپورٹ) سے مخصوص اعداد و شمار (line items) نکال سکتی ہے، جدول تیار کر سکتی ہے، مارجن کا حساب لگا سکتی ہے اور انتظامیہ کی جانب سے بتائے گئے کلیدی عوامل کا خلاصہ پیش کر سکتی ہے۔ یہ سب پیداواری نوعیت کے کام ہیں جن میں رفتار کو اہمیت حاصل ہے۔ پیشہ ورانہ سطح پر ناکامی تب ہوتی ہے جب آپ اس رفتار کو ہی ‘تجزیہ’ سمجھ بیٹھتے ہیں اور کسی غیر تصدیق شدہ معلومات کو ایسے نتیجے کی بنیاد بنا لیتے ہیں جس کا دفاع آپ کو بعد میں کرنا پڑے۔
مالیاتی تجزیہ وہیں سے شروع ہوتا ہے جہاں حسابی عمل ختم ہوتا ہے۔ مارجن میں کمی کی تشریح کے لیے کاروباری ماڈل کے پس منظر، موازنے کی صلاحیت اور مفروضوں کے واضح بیان کی ضرورت ہوتی ہے۔ جب تک آپ خود اس کی ‘وجہ اور اثر’ (causal frame) کا ڈھانچہ فراہم نہ کریں، AI یہ چیزیں خود سے پیش نہیں کر سکتی؛ اور اگر آپ اسے اندازہ لگانے دیں، تو اکثر اس کا اندازہ بظاہر معقول اور درست معلوم ہوگا۔ یہی ‘بظاہر معقول’ (plausible) ہونا خطرناک ہے، کیونکہ یہ بات بغیر کسی شک و شبہ کو ابھارے کلائنٹ کے سامنے پیش کیے جانے والے مواد کا حصہ بن جاتی ہے۔
اس بات کو جانچنے کے لیے کہ آیا کوئی وضاحت ٹھوس کاروباری ماڈل پر مبنی ہے یا محض ایک عمومی بیانیہ (جو مارجن میں کمی کا شکار کسی بھی کمپنی پر لاگو ہو سکتا ہے)، درج ذیل موازنے کا استعمال کریں۔
ایک قابلِ دفاع ورک فلو AI کو محض ایک جزو (component) کے طور پر دیکھتا ہے، نہ کہ مصنف کے طور پر۔ عملی طور پر، آپ ایسے مراحل سے گزر رہے ہوتے ہیں جن میں ثبوت کے تقاضے مختلف ہوتے ہیں۔ معلومات کا حصول اور ان کی ترتیب ایک زمرہ ہے۔ ماڈلنگ اور مطابقت پیدا کرنا (reconciling) دوسرا زمرہ ہے۔ استدلال اور اشاعت سب سے زیادہ خطرے والے مراحل ہیں کیونکہ ان کے نتیجے میں ایسے دعوے سامنے آتے ہیں جنہیں دوسرے لوگ دہرائیں گے۔
وہ غلطی جو پیشہ ورانہ خطرات (exposure) کا باعث بنتی ہے، وہ آخری مرحلے کو سب سے پہلے خودکار (automate) بنانا ہے۔ جب AI بیرونی سطح پر پیش کیے جانے والے نتائج کا مسودہ تیار کرتا ہے، تو اس میں غیر یقینی صورتحال کو چھپانے یا ختم کرنے کا رجحان پایا جاتا ہے۔ یہ احتیاطی وضاحتوں (qualifiers) کو ہٹا دیتا ہے، GAAP اور non-GAAP کے درمیان فرق کو دھندلا دیتا ہے، اور جب فائلنگ میں باریک بینی درکار ہو تو مختلف ادوار یا حصوں کو یکجا کر دیتا ہے۔ آپ مسودہ تیار کرنے کے لیے AI کا استعمال کر سکتے ہیں، لیکن آپ کو اس مسودے کو حوالہ شدہ ماخذی متن اور اپنے بیان کردہ مفروضوں سے منسلک رکھنا ہوگا۔
عام کاموں کو مناسب ٹول کے سپرد کریں اور، اس سے بھی اہم بات یہ کہ، اس نظرثانی کے مرحلے کی نشاندہی کریں جہاں ذمہ داری دوبارہ آپ پر عائد ہوتی ہے۔