فائدہ:
- ایس ایم ایس اور منصفانہ ثقافت کے اصولوں کو سمجھیں اور ٹرینڈ کے تجزیہ کے لیے مصنوعی ذہانت کا استعمال کریں اور سیکیورٹی اطلاعات میں سسٹم پر مبنی رپورٹ کا مسودہ تیار کریں۔
- مصنوعی ذہانت کے استعمال کے ساتھ گندے درجن کے عوامل، خاص طور پر اطمینان اور آٹومیشن کے تعصب کو جوڑنے اور انہیں ڈھال کے طور پر منظم کرنے کی صلاحیت
- یہ سمجھنا کہ سیکیورٹی ڈیٹا کو گمنام کیا جانا چاہئے اور فیصلہ/تجارت/دستخط انسان کے پاس رہتا ہے۔
ایوی ایشن سیفٹی نہ صرف دائیں بولٹ کو دائیں ٹارک تک سخت کرنے سے حاصل ہوتی ہے۔ یہ ایک ثقافت کے ذریعے حاصل کیا جاتا ہے جو اس بات پر حکمرانی کرتا ہے کہ کام کیسے کیا جاتا ہے۔ اس یونٹ میں، آپ کوالٹی مینجمنٹ، سیفٹی مینجمنٹ سسٹم (SMS) اور انسانی عوامل کے میدان میں مصنوعی ذہانت (AI) کو استعمال کرنے کا طریقہ سیکھیں گے۔ لیکن ہم اس بات پر بحث کریں گے کہ انسانی فیصلے کو ہمیشہ حفاظتی کلچر کے مرکز میں کیوں رہنا چاہیے۔
ایس ایم ایس اور رپورٹنگ کلچر
ایس ایم ایس (سیفٹی منیجمنٹ سسٹم) ایک منظم طریقہ ہے جس کی بنیاد خطرات کا سراغ لگانے اور خطرے کے انتظام پر مبنی ہے۔ اس کے دل میں صرف ثقافت ہے (ایک نقطہ نظر جس میں ایمانداری سے غلطی کی اطلاع دینے والے کو سزا نہیں دی جاتی ہے، اور غفلت / نیت اور غلطی کو الگ کیا جاتا ہے) اور خطرے کی اطلاع دینا۔ حفاظتی نظام صرف اس وقت کام کرتا ہے جب لوگ بغیر کسی خوف کے اس کی اطلاع دیں۔
AI یہاں ایک قیمتی امداد ہے، لیکن اس کے لیے ایک نازک توازن کی ضرورت ہے۔ مفید استعمال:
- درجہ بندی اور رجحان کی اطلاعات: گروپ بار بار چلنے والی تھیمز، اے ٹی اے سیکشنز، سیکڑوں سیکیورٹی/معیار اطلاعات میں حالات۔
- رپورٹ کا مسودہ: کسی واقعے کے حقائق کو ایک منظم رپورٹ میں ترجمہ کرنا (اس زبان کے ساتھ جو عمل کی جانچ کرتی ہے، نہ کہ شخص)۔
- بنیادی وجہ کے تجزیہ کی سہولت: "5 کیوں" یا رکاوٹ کے تجزیہ کے لیے سوالات پیدا کرنا۔
- کوالٹی آڈٹ چیک لسٹ کا مسودہ۔
- سبق سیکھنے کے خلاصے: ماضی کے واقعات سے بار بار آنے والے اسباق کو مرتب کرنا۔
احتیاط: سیکیورٹی اطلاعات اکثر ذاتی اور حساس ڈیٹا ہوتی ہیں۔ AI کے ساتھ تجزیہ کرتے وقت گمنامی اور کارپوریٹ ڈیٹا پالیسی ضروری ہے۔ مزید برآں، AI کو کسی ایونٹ کو "کس کی غلطی" کا لیبل لگانے کی اجازت نہیں ہونی چاہیے۔ ایس ایم ایس کا مقصد مجرموں کو تلاش کرنا نہیں بلکہ سسٹم کو ٹھیک کرنا ہے۔ غلط استعمال شدہ AI صرف ثقافت کو نقصان پہنچا سکتا ہے۔
ڈرٹی درجن: انسانی غلطی کے 12 محرکات
دیکھ بھال کے انسانی عوامل کی کلاسک گورڈن ڈوپونٹ کی گندی درجن کی فہرست ہے - 12 عام انسانی عوامل جو بحالی کی ناکامی کا باعث بنتے ہیں: مواصلات کی کمی، اطمینان، علم کی کمی، خلفشار، ٹیم ورک کی کمی، تھکاوٹ، وسائل کی کمی، دباؤ، ثابت قدمی کی کمی، تناؤ، آگاہی کی کمی، اصول (غلط عادات)۔
یہاں AI کے حوالے سے سب سے اہم ربط خوشنودی (زیادہ اعتماد/مطمئنیت) اور آٹومیشن تعصب (آٹومیشن میں حد سے زیادہ اعتماد - اسے صرف اس وجہ سے درست تسلیم کرنا کہ ایک سسٹم یہ کہتا ہے) کے درمیان تعلق ہے۔ AI کا سیال اور پراعتماد آؤٹ پٹ قطعی طور پر اطمینان پیدا کر سکتا ہے۔ "سسٹم نے یہی کہا، چیک کرنے کی ضرورت نہیں" کا خیال ڈرٹی درجن کا جدید ورژن ہے۔
مشورہ: AI کے استعمال کو ڈرٹی درجن کے خلاف ڈھال کے طور پر مرتب کریں، نہ کہ محرک کے طور پر: تھکی ہوئی شفٹ کے اختتام پر چیک لسٹ یاد دہانی کا ہونا اچھا ہے۔ لیکن یہ کہہ کر جسمانی امتحان کو چھوڑنا کہ "AI پہلے سے ہی نظر آ رہا ہے" خود مطمئن ہے۔ آلے کو آپ کی توجہ میں اضافہ کرنا چاہئے، اسے بے حس نہیں کرنا چاہئے۔
جارحیت اور AI
ڈرٹی درجن میں "جارحیت کی کمی" ایک ٹیکنیشن کی کسی ایسی چیز کو آواز دینے میں ناکامی ہے جسے وہ غلط سمجھتا ہے۔ دلچسپ بات یہ ہے کہ یہاں AI کا دو طرفہ اثر ہے۔ مثبت: ایک ٹیکنیشن اپنی تشویش کی ساخت اور مسودہ تیار کرنے کے لیے AI کا استعمال کر سکتا ہے "میں اسے کیسے بیان کروں؟" منفی: AI کا آمرانہ لہجہ انسان کو اپنے حقیقی وجدان کو دبانے کا باعث بن سکتا ہے۔ صحیح توازن: AI ان پٹ ہے، آپ کی پیشہ ورانہ بصیرت اور مشاہدہ فیصلہ ساز ہے۔ "کچھ غلط ہے" کا آپ کا احساس AI کے "سب کچھ نارمل ہے" کے آؤٹ پٹ سے زیادہ ہونا چاہیے - رکیں اور دیکھیں۔
تین چھوٹے مقدمات
کیس 1 - رجحان کے تجزیہ میں بار بار آنے والی غلطی پائی گئی۔ جب چھ ماہی معیار کی اطلاعات کو YZ (نام ظاہر نہ کیے ہوئے) کے ذریعے گروپ کیا گیا، تو "غلط طریقے سے انسٹال کردہ فاسٹنر" کی بار بار چلنے والی تھیم ایک مخصوص پینل کی قسم کے لیے سامنے آئی۔ کوالٹی ٹیم بنیادی وجہ تک پہنچ گئی: ٹاسک کارڈ میں ایک قدم واضح نہیں تھا۔ کارڈ کی وضاحت کر دی گئی ہے۔ غلطی کا ایک بار بار آنے والا ذریعہ نظامی طور پر بند کر دیا گیا ہے۔
کیس 2 - آٹومیشن تعصب کے جال کا پتہ چلا۔ تھکی ہوئی رات کی شفٹ پر، ایک ٹیکنیشن AI کے خلاصہ "یہ چیک نارمل لگ رہا ہے" کی بنیاد پر بصری معائنہ کو چھوڑنا چاہتا تھا۔ ٹیم لیڈر نے مداخلت کی: AI نے ڈیٹا کا خلاصہ کیا تھا لیکن اس نے ٹکڑا نہیں دیکھا تھا۔ جسمانی معائنہ میں رساو کا ایک چھوٹا سا نشان ملا۔ انسانی مداخلت سے خوش فہمی ٹوٹ گئی۔
کیس 3 - جارحیت کی حمایت۔ ایک نوجوان ٹیکنیشن نے سوچا کہ کوئی منصوبہ غیر حقیقی ہے لیکن وہ نہیں جانتا تھا کہ اسے کیسے کہنا ہے۔ AI کے ساتھ، اس نے اپنی تشویش کو حقیقت پسندانہ، باعزت زبان میں ترتیب دیا: "اس شرط کی وجہ سے وہ کام مقررہ وقت میں محفوظ طریقے سے مکمل نہیں کیا جا سکتا۔" ساختی اعتراض پر غور کیا گیا؛ ایک قدم جو دباؤ میں چھوڑ دیا جاتا تھا محفوظ کیا گیا تھا۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
کردار: سیکیورٹی نوٹیفکیشن ٹرینڈ اینالائزر (گمنام ڈیٹا کے ساتھ)۔ ٹاسک: گروپ بار بار چلنے والے تھیمز، اے ٹی اے سیکشنز، اور درج ذیل گمنام اطلاعات میں شرائط۔ "کس کی غلطی" کا لیبل نہ لگائیں۔ سیسٹیمیٹک پیٹرن پر توجہ مرکوز کریں۔ نوٹیفیکیشن: [گمنام ڈیٹا]
کردار: واقعے کی رپورٹ کا مسودہ اسسٹنٹ (صرف ثقافتی زبان)۔ ٹاسک: مندرجہ ذیل حقائق سے واقعہ کی رپورٹ کا مسودہ تیار کریں، عمل کی جانچ کرتے ہوئے، شخص سے نہیں۔ قواعد: الزامی صفت استعمال نہ کریں۔ "کیا ہوا، کیا حالات، کون سی رکاوٹ غائب تھی" ڈھانچہ استعمال کریں۔ حقائق: [واقعہ کی معلومات]
کردار: بنیادی وجہ (5 Whys) سہولت کار۔ ٹاسک: مندرجہ ذیل ایونٹ کے لیے "5 Whys" سوالات پیدا کریں اور سوال کریں کہ آیا ہر جواب نظامی کمزوری کی نشاندہی کرتا ہے۔ اصول: میں جواب دیتا ہوں؛ آپ صحیح سوالات پیدا کرتے ہیں؛ عمل کا حوالہ دیں، ذاتی الزام نہیں۔ واقعہ: [خلاصہ]
کردار: جارحیت کے اظہار میں مدد۔ کام: ذیل میں حقیقت پر مبنی، باعزت اور واضح زبان میں اپنی تشویش کا اظہار کرنے کے لیے میرے لیے ایک جملے کا ڈھانچہ تجویز کریں۔ قواعد: جذباتی/ الزام تراشی نہ کریں۔ تحفظ کی وجہ پر مرکز۔ تشویش: [تکنیکی تشویش]
کمزور فوری / مضبوط اشارہ
ضعیف: "اس واقعے میں قصور کس کا ہے، رپورٹ لکھیں۔"
مجرم کی تلاش کا فریم ورک صرف ثقافت کو کمزور کرتا ہے اور حقیقی نظامی وجہ کو دھندلا دیتا ہے۔
مضبوط: "مندرجہ ذیل حقائق سے واقعہ کی رپورٹ کا مسودہ لکھیں۔ فرد کو مورد الزام نہ ٹھہرائیں؛ 'کیا ہوا، کیا حالات موجود تھے، کون سی رکاوٹ غائب تھی، کس چیز کو منظم طریقے سے طے کیا جا سکتا ہے' ڈھانچہ استعمال کریں۔ ڈیٹا گمنام، ذاتی معلومات شامل نہ کریں۔"
یہ اشارہ فرد سے نظام کی طرف، سزا سے سیکھنے کی طرف توجہ مرکوز کرتا ہے۔
ٹیبل: ڈرٹی درجن اور اے آئی کا تعامل
عنصر
AI خطرہ
AI کا صحیح استعمال
تسکین
"پہلے ہی نظر آ رہا ہے" مطمئن
چیک لسٹ یاد دہانی
آٹومیشن تعصب
آؤٹ پٹ پر اندھا اعتماد کریں۔
ان پٹ کے طور پر استعمال کریں، تصدیق کریں۔
مواصلات کی کمی
غلط سمری ٹرانسفر
ٹرن اوور کو ترتیب دیں۔
اصرار کا فقدان
آمرانہ لہجہ دباتا ہے۔
اضطراب کا اظہار کرنے میں مدد کریں۔
تھکاوٹ
نازک لمحے میں شارٹ کٹ
قدم یاد نہ دلائیں، دستخط اس شخص پر چھوڑ دیں۔
عام غلطیاں
- AI کو سوال پوچھنا "کس کی غلطی ہے؟" صرف ثقافت کو خراب کرنا۔
- حساس اطلاعات کا نام ظاہر کیے بغیر ان کا تجزیہ کرنا۔ رازداری کی خلاف ورزی۔
- آٹومیشن تعصب میں پڑنا۔ "نظام نے کہا" جسمانی امتحان کی جگہ نہیں لیتا۔
- AI کے لہجے پر اپنی وجدان کو قربان کرنا۔ "کچھ غلط ہے" کے احساس پر توجہ دیں۔
- دباؤ میں شارٹ کٹ کے لیے AI کا استعمال۔ گاڑی تیز ہوتی ہے لیکن ایک قدم بھی نہیں چھوڑتی۔
خلاصہ میں
سلامتی ایک ثقافت ہے اور انسانی فیصلہ اس کے دل میں ہے۔ AI حفاظت/معیار کی اطلاعات سے رجحانات نکالنے، صرف ثقافت میں رپورٹوں کا مسودہ تیار کرنے، اور بنیادی وجہ کے تجزیہ میں ایک قابل قدر مدد ہے۔ لیکن سب سے بڑا خطرہ یہ ہے کہ AI کی روانی اطمینان اور آٹومیشن تعصب کو فیڈ کرتی ہے۔ ڈرٹی درجن کے خلاف AI کو ڈھال کے طور پر بنائیں: اپنی توجہ بڑھائیں، اسے بے حس نہ کریں۔ فیصلہ، وجدان اور دستخط اس شخص پر چھوڑ دیں۔
درخواست کا کام
کچھ گمنام معیار/حفاظتی اطلاعات حاصل کریں (یا ترمیم کریں)۔ پہلے ٹیمپلیٹ کے ساتھ، AI سے رجحان کے تجزیہ کے لیے پوچھیں۔ پھر اپنے آپ سے پوچھیں: اے آئی نے کون سے تھیمز تلاش کیے، کون سے اس سے محروم رہا، کیا یہ کسی بھی "کس کی غلطی" کے مضمرات میں پھسل گیا؟ ایک "نظاماتی بہتری" کی تجویز لکھیں اور چیک کریں کہ یہ ثقافت کے منصفانہ اصول کے مطابق ہے۔
چیک لسٹ
- میں نے سیکیورٹی ڈیٹا کو گمنام کر دیا ہے اور ڈیٹا پالیسی کی تعمیل کی ہے۔
- میں نے AI کو سسٹم فکسنگ فریم ورک میں استعمال کیا، مجرمانہ تلاش کرنے والے فریم ورک میں نہیں۔
- میں نے آٹومیشن تعصب کے خلاف جسمانی امتحان کو نہیں چھوڑا۔
- [ ] میں نے اپنی "کچھ غلط ہے" وجدان کو AI آؤٹ پٹ کے اوپر رکھا۔
- میں نے رپورٹ میں صرف ثقافت کی زبان رکھی۔
- میں نے فیصلہ، تشریح اور دستخط اس شخص پر چھوڑ دیا۔