ای گورنمنٹ اور پروسیس آٹومیشن: درخواست سے نتائج تک

فائدہ:

• یہ عوامی درخواست کے عمل کو مرحلہ وار ڈیجیٹائز کرتا ہے اور اس بات کا تعین کرتا ہے کہ فیصلہ کے مقام پر انسان کو کہاں رکھا گیا ہے۔
• ڈیجیٹل تقسیم اور رسائی کی عدم مساوات کا اندازہ لگا کر، یہ ہر عمل کے لیے ایک متبادل چینل چھوڑ دیتا ہے۔
• ڈیزائن استثناء اور غلطی کا انتظام؛ جب ماڈل کو یقین نہیں آتا ہے، تو وہ اسے مسترد کرنے کے بجائے اسے انسان تک پہنچانے کا اصول بناتا ہے۔

عوام کے ساتھ شہریوں کے رابطے کا ایک بڑھتا ہوا حصہ آن لائن ہوتا ہے: ای-گورنمنٹ گیٹ وے کے ذریعے دستاویزات حاصل کرنا، درخواست دینا، تقرری، ادائیگیاں، اسٹیٹس کی پوچھ گچھ۔ ای گورنمنٹ (ڈیجیٹل چینلز کے ذریعے عوامی خدمات کی فراہمی، ایک نقطہ سے اور اکثر انسانی ثالثوں کے بغیر) دونوں ہی شہریوں کے کام کو آسان بناتی ہے اور ادارے کا بوجھ کم کرتی ہے۔ ان ڈیجیٹل سروسز کے پیچھے ورک فلو اور، تیزی سے، پروسیس آٹومیشن (دوہرائے جانے والے اقدامات جیسے ایپلی کیشنز وصول کرنا، روٹنگ کرنا، گمشدہ دستاویزات کی جانچ کرنا، سافٹ ویئر کے ساتھ اطلاعات بھیجنا) کا خودکار عمل ہے۔ AI ان بہاؤ کو ڈیزائن کرنے، فارم اور نوٹیفکیشن ٹیکسٹس تیار کرنے، آنے والی ایپلی کیشنز کا پہلے سے جائزہ لینے اور اس عمل میں رکاوٹوں کو تلاش کرنے میں ایک طاقتور ٹول ہے۔ لیکن ایک انتباہ کے ساتھ: خودکار عمل کے ذریعے کیے جانے والے ہر حقوق کی تخلیق/محدود فیصلے کو قانونی طور پر اس نقطہ سے منسلک کیا جانا چاہیے جس کا ایک انسان جائزہ لے سکے اور اس کا جواز پیش کر سکے۔ مکمل طور پر خودکار رد کرنا بغیر اعتراض اور انسانی جائزے کے ناجائز ہے۔

آٹومیشن میں، "لوگوں کو کہاں رکھا جاتا ہے؟" سوال

عمل آٹومیشن کو ڈیزائن کرتے وقت سب سے اہم فیصلہ یہ ہوتا ہے کہ انسان کس مقام پر شامل ہوگا۔ تین عام ماڈل ہیں:

• مکمل آٹومیشن (کوئی انسان نہیں): صرف غیر حقدار، کم خطرے والے، اصول سے واضح کاموں کے لیے موزوں ہے — مثال کے طور پر، سسٹم سے دستاویز کی خودکار تخلیق اور ترسیل۔ اس کو ترجیح دی جا سکتی ہے اگر قواعد مکمل طور پر واضح ہوں اور غلطی کم قیمت ہو۔
• ہیومن ان دی لوپ: اے آئی/سسٹم ایک تجویز پیش کرتا ہے، انسان اسے منظور یا درست کرتا ہے۔ یہ حقوق تخلیق کرنے/محدود فیصلوں کا معیاری ماڈل ہے۔ مثال کے طور پر، نظام مدد کے لیے درخواست کا پہلے سے جائزہ لیتا ہے اور افسر فیصلہ کرتا ہے۔
• انسانی نگرانی میں (ہیومن آن دی لوپ): سسٹم خود بخود کام کرتا ہے، لیکن انسان مانیٹر، نمونہ، چیک، اور مستثنیات وصول کرتے ہیں۔ یہ اعلی حجم، درمیانے خطرے والی ملازمتوں میں استعمال ہوتا ہے۔

کلیدی اصول: جتنا زیادہ فیصلہ شہری کے حقوق کو متاثر کرتا ہے، اتنا ہی زیادہ شخص مرکز میں ہونا چاہیے۔ ملاقات کے وقت کی خودکار تفویض اور کاروبار کو بند کرنے کا خودکار فیصلہ ایک ہی نظام کے تابع نہیں ہو سکتا۔

اشارہ: ہر خودکار قدم کے لیے، "اگر یہ قدم غلط کام کرتا ہے، تو ایک شہری اعتراض کیسے کر سکتا ہے اور انسان اسے کیسے ٹھیک کر سکتا ہے؟" شروع سے سوال کے جواب کو دوبارہ ڈیزائن کریں۔ بغیر کسی اعتراض کے آٹومیشن قانونی اور اخلاقی طور پر ناقص ہے۔

مرحلہ وار: ڈیجیٹل عمل کو ڈیزائن کرنا

1. عمل کا نقشہ بنائیں۔ اطلاق سے اختتام تک تمام اقدامات، فیصلے اور اداکار۔
2. خطرے کے لحاظ سے درجہ بندی کریں۔ کیا ہر قدم حقوق پیدا کرتا ہے / محدود کرتا ہے؟ انسان کہاں ضروری ہے؟
3. منتخب کریں کہ کیا خودکار کرنا ہے۔ اصول واضح، کم خطرہ، بار بار چلنے والے اقدامات۔
4. فارم اور نوٹیفکیشن ٹیکسٹس بنائیں۔ سادہ، قابل رسائی، ذاتی ڈیٹا - کم سے کم۔
5. اعتراض اور استثنیٰ کے راستے قائم کریں۔ ہر خودکار فیصلے کے ساتھ ایک انسانی چوکی منسلک کریں۔
6. ذاتی ڈیٹا کے بہاؤ کو کنٹرول کریں۔ کون سا ڈیٹا کہاں اور کب تک جاتا ہے؟ (KVKK)
7. پائلٹ، مانیٹر، بہتری. غلطی کی شرح اور شکایات کی پیمائش؛ اسے ٹھیک کرو

تین چھوٹے مقدمات

کیس 1 - نامکمل دستاویز آٹومیشن۔ ایک ادارے میں 38% درخواستیں کاغذات غائب ہونے کی وجہ سے مسترد کر دی گئیں اور شہری دوبارہ آنے لگے۔ جب درخواست کے وقت AI سے تعاون یافتہ گمشدہ دستاویز کا چیک شامل کیا گیا، تو شہری نے فارم جمع کرنے سے پہلے گم شدہ دستاویز کو دیکھا؛ دوسری درخواست کی شرح 38% سے کم ہو کر 11% ہو گئی، اور باکس آفس کا بوجھ کم ہو گیا۔

کیس 2 - مکمل طور پر خودکار رد کرنے کا الٹ۔ سماجی امداد کے پائلٹ نے خود بخود آمدنی کی حد کا حساب لگایا اور حد سے اوپر والوں کو خود بخود مسترد کر دیا۔ لیکن کچھ خاص حالات (معذور نگہداشت کا بوجھ، عارضی آمدنی) کو اصول میں شامل نہیں کیا گیا تھا اور غیر منصفانہ مسترد کیے گئے تھے۔ اس عمل کو "لوپ میں انسان" ماڈل میں تبدیل کر دیا گیا ہے: نظام پہلے سے تشخیص کرتا ہے، افسر مستثنیات کو دیکھتا ہے اور فیصلہ کرتا ہے۔ غیر منصفانہ مسترد ہونے کی شکایات ختم ہوگئیں۔

کیس 3 - بند ہونے کا پتہ لگانا۔ ایک یونٹ جس نے AI کے ساتھ 6 ماہ کے پروسیس لاگ کا تجزیہ کیا اس نے پایا کہ اوسطاً 9 دن کی درخواستیں ایک ہی منظوری کے مرحلے کا انتظار کر رہی تھیں۔ اس قدم پر صرف ایک اتھارٹی تھی۔ جب اختیار دوسرے شخص کو دیا گیا تو اوسط وقت 14 دن سے کم ہو کر 6 دن رہ گیا۔

چار کاپی کرنے کے قابل ٹیمپلیٹس

1) عمل کا نقشہ اور خطرے کی درجہ بندی:

آپ کا کردار: عوامی عمل ڈیزائنر۔ درخواست سے اختتام تک، ذیل میں سروس کے تمام مراحل کو نکالیں۔ ہر قدم کے لیے، وضاحت کریں: (1) کیا کیا جا رہا ہے، (2) کیا یہ حقوق تخلیق کرتا ہے/محدود کرتا ہے، (3) کیا یہ خودکار ہوگا یا انسانی فیصلے کی ضرورت ہوگی، (4) یہاں بنیادی خطرہ ہے۔ اس قانونی نقطہ کو نشان زد کریں جس کے بارے میں آپ کو یقین نہیں ہے کہ "تصدیق ہونی چاہیے"۔ سروس: [بیان کریں]

2) سادہ اطلاع/فارم کا متن:

درج ذیل صورت حال کے لیے شہری کو ایک نوٹیفکیشن متن لکھیں: سادہ، قابل احترام، قدم بہ قدم۔ واضح طور پر بتائیں کہ کیا کرنے کی ضرورت ہے، مدت [تصدیق کی جائے] اور اعتراض کرنے کا طریقہ۔ غیر ضروری ذاتی ڈیٹا کی درخواست نہ کریں۔ jargon.SITUATION استعمال نہ کریں: [جیسے غائب دستاویز / درخواست کا نتیجہ]

3) اعتراض اور استثنیٰ کے راستے کا ڈیزائن:

مندرجہ ذیل خودکار فیصلے کے لیے ایک انسانی کنٹرول اور اعتراض کا طریقہ کار وضع کریں: (1) شہری کس طرح اعتراض کرتا ہے، (2) کون سے کیسز خودکار سے ہٹ کر انسان کے پاس جانے چاہئیں (استثنیات)، (3) فیصلہ کرتے وقت انسان کو کیا دیکھنا چاہیے، (4) وقت اور ریکارڈ۔ مکمل طور پر خودکار مسترد ہونے سے گریز کریں۔ قدم: [خودکار فیصلہ]

4) رکاوٹ کا تجزیہ:

ذیل میں عمل کے لاگز (مرحلہ - دورانیہ) کی جانچ کریں۔ صرف ڈیٹا دیا گیا: (1) انتظار کا سب سے طویل مرحلہ، (2) ممکنہ رکاوٹ کی وجہ (سنگل اتھارٹی، دستی آپریشن، وغیرہ)، (3) 2-3 بہتری کی تجاویز دیں۔ باہر سے نمبر شامل کرنا۔ LOG: [مرحلہ اور وقت کا ڈیٹا]

کمزور فوری / مضبوط اشارہ

کمزور: "اس درخواست کے عمل کو خودکار بنائیں۔"

Güçlü: "عوامی عمل کے کردار کے ڈیزائنر۔ سب سے پہلے درخواست سے اختتام تک کے تمام مراحل کو نکالیں اور ہر قدم کو 'دائیں پیدا کرنے والا/غیر رائٹنگ'، 'خودکار/انسانی ضرورت'، 'بنیادی خطرہ' کے طور پر درجہ بندی کریں۔ آٹومیشن کے لیے صرف قاعدہ کے واضح اور کم خطرے والے اقدامات کی تجویز کریں؛ ہر قدم کے لیے انسانی منظوری اور اعتراض کو درست طریقے سے ڈیزائن کرنے کی سفارش نہیں کی جاتی ہے۔ مسترد کرنا ذاتی ڈیٹا کے بہاؤ کو نشان زد کریں (کون سا ڈیٹا کہاں جاتا ہے) کے طور پر مبہم قانونی نکات کو 'تصدیق کرنا ضروری ہے'۔

فرق: طاقتور پرامپٹ آٹومیشن کو خطرے سے الگ کرتا ہے، انسانی جائزے اور اپیل کو نافذ کرتا ہے، ڈیٹا کے بہاؤ اور قانونی غیر یقینی صورتحال کو ظاہر کرتا ہے۔

آٹومیشن ماڈل کا انتخاب

کاروبار کی قسم

موزوں ماڈل

کیوں

دستاویز کی تیاری (قواعد جال)

مکمل آٹومیشن

کم خطرہ حقوق پیدا نہیں کرتا

امداد/ ترغیب کی تشخیص

لوپ میں انسان

یہ حق پیدا کرتا ہے، اس میں مستثنیات ہیں۔

اعلی حجم چھانٹنا

انسانی نگرانی کے تحت

سیمپلنگ کنٹرول کافی ہے۔

جرمانہ/پابندی کا فیصلہ

لوگ مرکز میں ہیں۔

حقوق کی سخت پابندی، جواز درکار ہے۔

رسائی برابری اور استثنیٰ کا انتظام

جب کہ عوامی عمل کو ڈیجیٹائز کرنے اور خودکار کرنے سے کارکردگی میں اضافہ ہوتا ہے، یہ عدم مساوات کا ایک نیا خطرہ پیدا کرتا ہے: ڈیجیٹل تقسیم (کمپیوٹر، انٹرنیٹ تک رسائی یا ڈیجیٹل خواندگی کے بغیر شہریوں کے لیے خدمات تک رسائی میں ناکامی)۔ بوڑھے، معذور، دیہی یا کم آمدنی والے شہریوں کو مکمل طور پر آن لائن عمل سے خارج کیا جا سکتا ہے۔ ایک اچھی طرح سے ڈیزائن کردہ ڈیجیٹل عمل ہمیشہ ایک متبادل چینل چھوڑتا ہے (آمنے سامنے ایپلی کیشن، ٹیلی فون سپورٹ، پراکسی لین دین)؛ آٹومیشن شہری کو چینل تک محدود نہیں رکھتا، یہ اسے اختیارات فراہم کرتا ہے۔ اسی طرح، اچھی آٹومیشن کو استثنیٰ ہینڈلنگ کے ارد گرد ڈیزائن کیا گیا ہے (جب کوئی دستاویز غائب ہو، سسٹم کی خرابی، استثناء واقع ہو تو کیا ہوتا ہے)، "سب ٹھیک ہو جاتا ہے" کا منظرنامہ نہیں؛ کیونکہ پبلک سیکٹر میں اصل نشانہ ان شہریوں کو ہوتا ہے جو قوانین سے باہر ہوتے ہیں۔

منی کیس - جو آٹومیشن کے ذریعہ خارج کردیئے گئے ہیں۔ جب ایک فلاحی درخواست مکمل طور پر آن لائن منتقل ہوئی، تو پہلے مہینے میں درخواستوں کی تعداد میں 30 فیصد کمی واقع ہوئی - اس لیے نہیں کہ طلب میں کمی آئی تھی، بلکہ اس لیے کہ ضرورت مند گروہ، بزرگ شہری اور انٹرنیٹ کے بغیر شہری، درخواست نہیں دے سکتے تھے۔ جب ادارے نے ہیڈ مین کے دفاتر میں سپورٹڈ ایپلیکیشن پوائنٹس کھولے تو نمبر بحال ہو گیا۔ رسائی کی ایکویٹی کے ساتھ متوازن کارکردگی۔

منی کیس - استثناء میں عمل رک گیا۔ خودکار لائسنسنگ کے عمل میں، دستاویز کو AI کے ذریعے پہلے سے چیک کیا گیا تھا۔ لیکن سسٹم نے خاموشی سے درخواستوں کو مسترد کر دیا، ایک نادر قسم کی دستاویز کو "غلط" سمجھ کر۔ فی ہفتہ تقریباً 15 جائز درخواستیں اس بلائنڈ اسپاٹ میں پڑیں۔ حل: جب ماڈل کو یقین نہ ہو تو اسے مسترد کرنے کے بجائے افسر کے پاس بھیجیں۔

ٹیمپلیٹ جو عمل کے ڈیزائن کو کنٹرول کرتا ہے:

ٹاسک: درج ذیل ڈیجیٹل عمل کے لیے ایک رسک اور رسائی چیک لسٹ تیار کریں۔ عمل: [مرحلہ بہاؤ] سوالات: 1) انٹرنیٹ/ڈیوائس کے بغیر شہری کیسے لاگو ہوتا ہے؟ 2) کیا معذور رسائی فراہم کی جاتی ہے؟ 3) اگر سسٹم میں غلطی ہو جائے تو ایپلیکیشن کا کیا ہوتا ہے؟ 4) استثناء/ اصول کی صورت میں کون فیصلہ کرتا ہے؟ 5) اگر خودکار رد کر دیا جائے تو کیا اعتراض کا طریقہ اور انسانی کنٹرول ہے؟ آؤٹ پٹ: خطرے کی سطح + ہر سوال کے لیے سفارش۔ ایک موزوں حل شامل کرنا۔

ٹپ: آٹومیشن کا اندازہ "اس نے کتنے عمل کو تیز کیا" سے نہیں بلکہ "اسے کس نے چھوڑا؟" سے لگائیں۔ عوامی خدمت میں کامیابی کا اندازہ اس اقلیت سے لگایا جاتا ہے جو کہ اتنی زیادہ نہیں چھوڑی جاتی جتنی اکثریت جو قدم اٹھاتی ہے۔

عام غلطیاں

• صحیح حد بندی کا فیصلہ مکمل طور پر خودکار بنانا۔ یہ اعتراض اور انسانی کنٹرول کے بغیر ناجائز ہے۔
• قاعدے میں مستثنیات کو فٹ کرنے کی کوشش کرنا۔ حقیقی زندگی اصول سے باہر ہے؛ استثناء کے لیے انسانی دروازے کو چھوڑ دو۔
• بعد میں اعتراض کرنے کا طریقہ سوچنا۔ شروع سے ہی ہر خودکار فیصلے کو چیلنج کرنے اور درست کرنے کا طریقہ وضع کریں۔
• ذاتی ڈیٹا کے بہاؤ کو کنٹرول نہیں کرنا۔ آٹومیشن ڈیٹا کی نقل تیار کرتا ہے۔ چیک کریں کہ یہ کہاں جاتا ہے اور اسٹوریج کا وقت۔
• نوٹس کو جرگون میں لکھنا۔ اگر شہری نہیں سمجھتے تو یہ عمل ڈیجیٹل لیکن ناقابل رسائی ہوگا۔
• پائلٹوں کے بغیر توسیع کرنا۔ پہلے چھوٹے پیمانے پر غلطی کی شرح کی پیمائش کریں، پھر پھیلائیں۔

خلاصہ میں

ای گورنمنٹ اور پروسیس آٹومیشن عوامی خدمات کو تیز کرتا ہے اور بوجھ کو کم کرتا ہے۔ AI ان عملوں کی نقشہ سازی، متن پیدا کرنے، پہلے سے تشخیص کرنے اور رکاوٹوں کو تلاش کرنے میں طاقتور ہے۔ لیکن ڈیزائن کا دل ایک سوال ہے: انسان کہاں ہے؟ جتنا زیادہ فیصلہ شہریوں کے حقوق پر اثر انداز ہوتا ہے، اتنے ہی زیادہ لوگ مرکز میں ہوتے۔ ہر خودکار فیصلے کو اعتراض اور انسانی کنٹرول پوائنٹ سے منسلک ہونا چاہیے، اور ذاتی ڈیٹا کے بہاؤ کا KVKK کے مطابق آڈٹ کیا جانا چاہیے۔

درخواست کا کام

اپنے یونٹ کے لیے ایک آن لائن سروس منتخب کریں۔ "عمل کا نقشہ اور خطرے کی درجہ بندی" ٹیمپلیٹ کے ساتھ، مراحل کو نکالیں اور ہر ایک کو خطرے اور خودکار ہونے کے لیے نشان زد کریں۔ "اعتراض اور استثنیٰ پاتھ ڈیزائن" ٹیمپلیٹ کے ساتھ حقوق پیدا کرنے والے قدم کے لیے انسانی کنٹرول کا طریقہ کار ڈیزائن کریں۔ "سادہ نوٹیفکیشن/فارم ٹیکسٹ" ٹیمپلیٹ کے ساتھ ایک نوٹیفکیشن ٹیکسٹ بنائیں اور اس کی رسائی کو چیک کریں۔

چیک لسٹ

• میں نے ہر قدم کو خطرے اور خودکار ہونے کے لحاظ سے درجہ بندی کیا ہے۔
• [ ] میں نے حقوق کو محدود کرنے والے فیصلوں کو مکمل آٹومیشن پر نہیں چھوڑا ہے۔
• میں نے انسانی جائزہ اور ہر خودکار فیصلے کی اپیل کو مربوط کیا ہے۔
• میں نے مستثنیات کے لیے ایک انسانی دروازہ ڈیزائن کیا۔
• میں نے پرسنل ڈیٹا فلو اور اسٹوریج کی مدت (KVKK) کا آڈٹ کیا ہے۔
• [ ] میں نے اطلاعات کو سادہ اور قابل رسائی لکھا ہے؛ میں نے پائلٹ کے ساتھ اس کا تجربہ کیا۔