آڈیٹنگ میں مصنوعی ذہانت کا تعارف: کردار، حدود، آزادی، توثیق اور رازداری

فائدہ:

• یہ تمیز کرنے کے قابل ہونا کہ جہاں مصنوعی ذہانت آڈٹ کے چکر میں حقیقی وقت کی بچت کرتی ہے (منصوبہ بندی، شواہد جمع کرنا، تجزیہ، دستاویزات، رپورٹنگ) اور جہاں آڈٹ کی رائے اور مادی غلط بیانی کے فیصلے جیسے فیصلے ٹاسک کے خطرے کی سطح پر منحصر ہوتے ہوئے آزاد آڈیٹر پر چھوڑے جاتے ہیں۔
• ایک نظم و ضبط کو لاگو کرنے کی اہلیت جو ہر اے آئی آؤٹ پٹ کو ماخذ سے منسلک کرنے، اس کی دوبارہ گنتی کرنے، اور آڈیٹر کے شکوک و شبہات کے ساتھ جانچنے کے مراحل کے ذریعے توثیق کرتی ہے۔
• رازداری اور آزادی کے اصولوں کے دائرہ کار میں آڈٹ ڈیٹا کو گمنام رکھنا اور محفوظ گاڑیوں کے انتخاب کی عادت ڈالنا

ایک آڈیٹر کا دن "ثبوت جمع کرنے" اور "فیصلہ کرنے" کے درمیان زیادہ تر لوگوں کے احساس سے کہیں زیادہ گزرتا ہے۔ آپ ہزاروں جرنل اندراجات کو اسکین کرتے ہیں، آپ کسی اکاؤنٹ کے بیلنس کو دستاویز کرتے ہیں، آپ تخمینہ کی معقولیت پر سوال اٹھاتے ہیں، آپ پوچھتے ہیں "کیا واقعی ایسا ہے؟" قیمت پر کسٹمر سے بیان قبول کرنے کے بجائے۔ آپ کھودتے ہیں۔ اس میں سے کچھ کام دہرائے جانے والے اور وقت طلب ہیں: ڈیٹا کو منظم کرنا، معیاری شقوں کی تلاش، ورکنگ پیپرز کا مسودہ تیار کرنا، مفاہمت کے تغیرات کی فہرست بنانا۔ دوسرے وہ فیصلے ہیں جو براہ راست آپ کی آڈٹ رائے کا تعین کرتے ہیں—یعنی آپ کی عوامی سطح پر اظہار رائے اس بارے میں کہ آیا مالیاتی بیانات "تمام مادی لحاظ سے درست اور منصفانہ ہیں"—جن میں غلطی کا بہت کم مارجن ہونا چاہیے۔

مصنوعی ذہانت (مختصر کے لیے AI، یا مختصر میں AI - کمپیوٹر سسٹم جو انسانوں کی طرح متن تیار کر سکتے ہیں، نمونوں کو پہچان سکتے ہیں، بڑے ڈیٹا سیٹس میں رشتے تلاش کر سکتے ہیں، اور حساب کتاب کر سکتے ہیں) اس تصویر کے عین بیچ میں بیٹھا ہے۔ صحیح طریقے سے استعمال ہونے پر، یہ تین گھنٹے کے تجزیاتی جائزے کے خلاصے کو چالیس منٹ تک کم کر دیتا ہے۔ سیکنڈوں میں سیکڑوں ہزاروں ریکارڈ اسکین کرتا ہے۔ یہ آپ کو معیاری شے تلاش کرنے میں رہنمائی کرتا ہے۔ غلط طریقے سے استعمال ہونے پر، یہ آپ کے ورکنگ پیپر میں لے جا سکتا ہے — اور بالآخر آپ کی آڈٹ رائے میں — ایک بظاہر محفوظ اور روانی سے لیکن مکمل طور پر بنا ہوا نمبر، ایک غیر موجود معیاری شق، یا غیر مصدقہ نتیجہ۔

اس ماڈیول کی پہلی اکائی سافٹ ویئر کا تعارف نہیں ہے۔ اس کا مقصد یہ واضح کرنا ہے کہ آڈٹ کے کاروبار میں اے آئی کو کہاں رکھنا ہے اور کہاں بالکل نہیں لگانا ہے۔ کیونکہ آڈیٹنگ ایک تعمیل کا اہم پیشہ ہے جو عوامی اعتماد پر انحصار کرتا ہے اور جس کے نتائج سرمایہ کاروں، قرض دہندگان، ٹیکس انتظامیہ اور معاشرے کو متاثر کرتے ہیں۔ آئیے شروع سے بنیادی اصول بیان کرتے ہیں: مصنوعی ذہانت ایک معاون ہے، کنٹرولر نہیں۔ آڈٹ کی رائے، مادی غلط بیانی کے فیصلے اور حتمی رائے سے متعلق تمام فیصلوں کی ذمہ داری اور حتمی منظوری قابل اور خود مختار آڈیٹر کی ہے۔

کنٹرول لوپ اور AI کی جگہ

ایک آزاد آڈٹ کو سمجھنے کے لیے، کام کو ایک چکر کے طور پر سوچنا مفید ہے۔ منصوبہ بندی اور خطرے کی تشخیص کے مرحلے کے دوران، آپ کاروبار کے بارے میں جانتے ہیں اور اس بات کا تعین کرتے ہیں کہ کہاں غلط ہونے کا زیادہ امکان ہے۔ ثبوت جمع کرنے اور جانچ کے مرحلے کے دوران، آپ اکاؤنٹ بیلنس، لین دین کی کلاسز، اور انکشافات کو دستاویزات، تصدیقوں اور تجزیوں سے منسلک کرتے ہیں۔ تشخیص کے مرحلے میں، آپ نتائج کو اہمیت کے لحاظ سے تولتے ہیں اور کسی نتیجے پر پہنچتے ہیں۔ رپورٹنگ کے مرحلے کے دوران، آپ اپنی رائے اور نتائج تحریری طور پر پیش کرتے ہیں۔ پورے چکر کے دوران، دستاویزات (کام کرنے والے کاغذات) آپ کے کام کا سراغ لگانے کے قابل ثبوت بناتے ہیں۔

AI اس سائیکل کے ہر مرحلے کو چھو سکتا ہے، لیکن ہر مرحلے پر ایک مختلف اتھارٹی کے ساتھ۔ منصوبہ بندی میں خطرے کا خیال اور مادیت کا منظر نامہ تیار کرتا ہے۔ ٹیسٹ میں ڈیٹا تیار کرتا ہے، اسے اسکین کرتا ہے، اور بے ضابطگیوں کو نشان زد کرتا ہے۔ تشخیص میں مسودہ تبصرے لکھتا ہے؛ یہ رپورٹنگ میں نتائج اور رپورٹ کی زبان کو تیز کرتا ہے۔ تاہم وہ کسی بھی مرحلے پر کوئی فیصلہ نہیں کرتا۔ فیصلے کے لیے پیشہ ورانہ فیصلے اور شکوک و شبہات کی ضرورت ہوتی ہے۔ یہ قابل منتقلی نہیں ہیں۔

آئیے شروع سے چند بنیادی اصطلاحات کی وضاحت کرتے ہیں۔ آڈٹ ثبوت وہ معلومات (دستاویز، تصدیق، دوبارہ گنتی، تجزیہ) ہے جس پر آڈیٹر اپنی رائے رکھتا ہے۔ مادیت اس بات کی حد ہے کہ آیا کوئی غلطی اتنی بڑی ہے کہ مالی بیانات کے صارفین کے فیصلے کو متاثر کر سکے۔ BDS آزاد آڈیٹنگ معیارات ہیں جو ترکی میں نافذ ہیں۔ یہ بین الاقوامی آڈیٹنگ معیارات (ISA) کی تعمیل کرتا ہے اور اسے POA (Public Osight, Accounting and Auditing Standards Authority) نے شائع کیا ہے۔ ورکنگ پیپر ایک دستاویز ہے جس میں کیے گئے کام اور حاصل کردہ نتائج کو ریکارڈ کیا جاتا ہے۔ ہم مندرجہ ذیل اکائیوں میں ایک ایک کرکے ان تصورات کی وضاحت کریں گے۔ ابھی کے لیے، یہ جانیں: ان تمام تصورات میں، AI آپ کو خاکہ اور تجزیہ دیتا ہے، لیکن کوئی فیصلہ نہیں کرتا۔

درج ذیل جدول مشن کے لحاظ سے AI کے کردار اور خطرے کی سطح کا خلاصہ کرتا ہے:

جستجو

AI کا کردار

خطرے کی سطح

کون منظوری دیتا ہے/فیصلہ کرتا ہے۔

ڈیٹا کی صفائی، فارمیٹنگ

کارکن، ایکسلریٹر

کم

آڈٹ ٹیم ممبر

ورکنگ پیپر/ سمری ڈرافٹ

خاکہ جنریٹر

کم درمیانہ

سینئر آڈیٹر

معیاری/آئٹم کی تلاش

سمت تلاش کرنے والا

درمیانہ

آڈیٹر (سرکاری متن کے ذریعے تصدیق)

تجزیاتی طریقہ کار کی تشریح

مفروضہ جنریٹر

درمیانہ

آڈٹ افسر

جرنل / بے ضابطگی سکیننگ

شماریاتی مارکر

متوسط اعلیٰ

آڈیٹر (ہر استثنا کی جانچ کرتا ہے)

مادیت/خطرے کا فیصلہ

معاون ان پٹ

اعلی

آڈیٹر کا پیشہ ورانہ فیصلہ

آڈٹ رائے / نتیجہ

یہ ان پٹ بھی نہیں ہے، یہ ڈرافٹ لینگوئج ہے۔

بہت اعلی

ذمہ دار آڈیٹر (دستخط)

اس ایک لائن کو ذہن میں رکھیں: جیسے جیسے خطرہ بڑھتا ہے، AI کا کردار چھوٹا ہوتا جاتا ہے اور آڈیٹر کا فیصلہ بڑھتا جاتا ہے۔

کیوں "تصدیق" اس کاروبار کا دل ہے۔

مصنوعی ذہانت کی زبان کے ماڈل اپنے جواب میں پراعتماد نظر آتے ہیں، لیکن ہو سکتا ہے کہ وہ اس بات کا یقین نہ کریں۔ اسے تکنیکی اصطلاح میں ہیلوسینیشن کہا جاتا ہے: یہ اس وقت ہوتا ہے جب ماڈل ایسی معلومات کو گھڑتا ہے جو حقیقت میں موجود نہیں ہے — ایک عدد، ایک معیاری شے، ایک تاریخ — ایک ایسے جملے میں جو بہتی ہے جیسے کہ یہ سچ ہے۔ ایک آڈیٹر کے لیے، یہ ایک جان لیوا جال ہے۔ ماڈل آپ کے لیے ایک نمبر تیار کر سکتا ہے جیسا کہ "گزشتہ سال مجموعی مارجن 34 فیصد تھا"؛ تاہم، اس نے کبھی آپ کا ڈیٹا نہیں دیکھا اور یہ نمبر مکمل طور پر بنا ہوا ہے۔ یا یہ کہہ سکتا ہے کہ "TMS 36 آرٹیکل 22 2021 میں تبدیل ہوا"؛ تاہم ایسی کوئی شق یا تبدیلی نہیں ہو سکتی۔ چونکہ وہ ایک ہی روانی اور ایک ہی اعتماد کے ساتھ کہتا ہے، اس لیے صحیح اور غلط میں فرق کرنے والی واحد چیز آپ کا علم اور آپ کی تصدیق کرنے کی عادت ہے۔

توثیقی ڈسپلن آڈیٹنگ میں تین مراحل پر مشتمل ہے:

1. ماخذ سے لنک: نمبرز، تناسب، بیلنس اور معیاری اشیاء کے لیے، اپنے اپنے آڈٹ ثبوت (ٹرائل بیلنس، ماتحت لیجر، بینک تصدیق، معاہدہ) اور سرکاری ذرائع (BDS اور TFRS متن جو KGK کی طرف سے شائع کیا گیا ہے، متعلقہ ابلاغیات) پر انحصار کریں، AI کی یادداشت پر نہیں۔ اس ڈیٹا پر تبصرہ کرنے کے لیے AI کا استعمال کریں، اسے یاد رکھنے کے لیے نہیں۔
2. دوبارہ گنتی/موازنہ کریں: ہر عددی نتیجہ کو آزادانہ طور پر چیک کریں، AI ریٹرن کی شرح اور رجحان کریں۔ ایک فیصد، کل، توازن کے فرق کی خود تصدیق کریں۔
3. ٹیسٹ آڈیٹر شکوک و شبہات: شک کی نگاہ سے سوال کریں کہ آیا آؤٹ پٹ ثبوت، ضوابط اور عقل سے متصادم ہے۔ ’’اگر یہ سچ ہے تو اور کیا ہونا چاہیے؟‘‘ اور "اگر یہ غلط ہے، تو کیا ثبوت اسے دکھائے گا؟" پوچھنا

احتیاط: AI کی طرف سے تیار کردہ ورکنگ پیپر کو کسی فائنڈنگ یا نمبر کی تصدیق کیے بغیر فائل میں ڈالنا ایسا ہی ہے جیسے بغیر دستخط شدہ ورکنگ پیپر کو بطور ثبوت سمجھا جائے۔ صرف اس لیے کہ آؤٹ پٹ روانی ہے درست نہیں ہے۔ یہ تب ہی سچ ہے جب آپ اسے سچ ثابت کر دیں۔

آزادی اور رازداری: آڈیٹنگ کے دو ناقابل تسخیر اصول

آڈٹ کی قانونی حیثیت دو بنیادی اصولوں پر مبنی ہے۔ سب سے پہلے، آزادی: آڈیٹر کو خود مختار ہونا چاہیے، حقیقت میں اور ظاہری طور پر، اس ادارے سے جس کا وہ آڈٹ کرتا ہے۔ اسے دلچسپی کے رشتوں سے دور رہنا چاہیے جو اس کی رائے کو بگاڑ دیں۔ دوم، رازداری: آڈٹ کے دوران سیکھی گئی معلومات کو غیر مجاز افراد کے ساتھ شیئر نہیں کیا جا سکتا یا ذاتی فائدے کے لیے استعمال نہیں کیا جا سکتا۔

AI کا استعمال ان دونوں اصولوں سے براہ راست تعلق رکھتا ہے۔ آڈٹ شدہ کمپنی کے کرنٹ اکاؤنٹ کو گاہک کے ناموں، ٹیکس شناختی نمبروں، بینک کی معلومات، اور رقم کے ساتھ عوامی AI ٹول میں چسپاں کرنے کا مطلب ہے کہ یہ ڈیٹا کسی بیرونی سرور کو جاتا ہے۔ یہ پیشہ ورانہ اخلاقیات میں رازداری کے اصول اور، اگر ذاتی ڈیٹا شامل ہے، KVKK (ذاتی ڈیٹا کے تحفظ کے قانون) دونوں کی خلاف ورزی کرتا ہے۔ اصول آسان ہے: ڈیٹا کو گمنام رکھیں اور غیر ضروری شیئر نہ کریں۔ "ABC Tekstil A.Ş., TIN 1234567890, 4,850,000 TL کا بیلنس" کے بجائے "ایک درمیانے سائز کی مینوفیکچرنگ کمپنی، سائز X کا ایک قابل وصول بیلنس" لکھیں۔ اگر ممکن ہو تو، کارپوریٹ ٹولز کا انتخاب کریں جن میں ڈیٹا پروسیسنگ کا معاہدہ ہو، ماڈل ٹریننگ میں اپنا ڈیٹا استعمال نہ کریں، اور آڈٹ ٹریل رکھیں۔

آزادی میں ایک اضافی باریکتا ہے: آڈٹ شدہ کمپنی کے اپنے سسٹم میں شامل AI ٹول پر اندھا اعتماد کرنا، جس کے آؤٹ پٹ کو آپ آزادانہ طور پر کنٹرول نہیں کر سکتے، آپ کی آزادی کو نقصان پہنچا سکتا ہے۔ AI ایک ٹول ہے۔ اسے کس نے بنایا، آپ کا ڈیٹا کہاں جاتا ہے، اور کیا آپ اس کے آؤٹ پٹ کی تصدیق کر سکتے ہیں یہ سب آپ کی آزادی کا حصہ ہیں۔

تین چھوٹے مقدمات

کیس 1 - محفوظ استعمال۔ ایک سینئر آڈیٹر نے عام طور پر 22 آئٹم کے تجزیاتی جائزے کا خلاصہ ہاتھ سے لکھنے میں 3 گھنٹے گزارے۔ اس نے وہ نمبر جو اس نے ٹرائل بیلنس سے لیے تھے وہ گمنام طور پر (کوئی کمپنی کا نام نہیں، صرف اکاؤنٹ اور رقم) YZ کو دیا اور تبصرہ کا مسودہ طلب کیا۔ اے آئی نے 12 منٹ میں ایک خاکہ تیار کیا۔ آڈیٹر نے ہر تناسب کا اپنی ورک شیٹ سے موازنہ کیا، دو غلط فیصد درست کیے، اور انحراف کے لیے دو وضاحتوں کا ثبوت دیا۔ دورانیہ: 3 گھنٹے کے بجائے 45 منٹ۔ اے آئی نے مسودہ دیا، ذمہ داری اور رائے آڈیٹر کے پاس رہی۔

کیس 2 - غیر تصدیق شدہ نمبر ٹریپ۔ ایک ٹرینی آڈیٹر نے AI سے پوچھا، "اس صنعت میں اوسط انوینٹری ٹرن اوور کی شرح کیا ہے؟" AI نے "تقریباً 6.4" کا پراعتماد نمبر دیا حالانکہ اسے انڈسٹری کے کسی ڈیٹا تک رسائی نہیں تھی۔ انٹرن نے اسے ورک شیٹ پر توقع کی قیمت کے طور پر لکھا، جس سے کلائنٹ کی شرح 4.1 "معقول" معلوم ہوتی ہے۔ جب آڈیٹر نے پوچھا تو پتہ چلا کہ ماخذ اے آئی کی ایجاد ہے۔ تجزیاتی طریقہ کار کو دوبارہ کیا گیا۔ غلطی: AI سے بینچ مارک ڈیٹا کے لیے پوچھنا جو اس کے پاس نہیں ہے۔

کیس 3 - رازداری کی خلاف ورزی۔ انہوں نے کہا کہ ٹیم کے ایک رکن نے ان صارفین کی مکمل فہرست اپ لوڈ کی جنہیں وہ تصدیقی خط بھیجے گا — عنوان، پتہ، رقم، رابطہ کا نام — ایک عوامی AI ٹول میں اور "تصدیق خط کا مسودہ تیار کیا،" انہوں نے کہا۔ ڈیٹا تنظیم سے باہر چلا گیا؛ آڈٹ کمپنی کے کوالٹی یونٹ میں رازداری کا جائزہ لیا گیا۔ صحیح طریقہ یہ تھا کہ اصل ڈیٹا کو نکال دیا جائے اور صرف "[CUSTOMER NAME]"، "[AMOUNT]" جیسے پلیس ہولڈرز کے ساتھ ٹیمپلیٹ طلب کریں۔

کمزور فوری / مضبوط اشارہ

کمزور اشارہ:

اس کمپنی کے مالی بیانات کی تشریح کریں اور مجھے بتائیں کہ کیا کوئی خطرہ ہے۔

یہ دعویٰ غلط ہے: AI کو کوئی ڈیٹا، سیاق و سباق یا کردار نہیں دیا گیا ہے۔ چونکہ AI کے پاس کوئی ڈیٹا نہیں ہے، اس لیے یہ یا تو عمومی بیانات دیتا ہے یا بنائے گئے نمبروں کے ساتھ "تشریحات" تیار کرتا ہے۔ نہ مدت، نہ اکاؤنٹ، اور نہ ہی آڈٹ کا مقصد واضح ہے۔

طاقتور اشارہ:

آپ کا کردار: آپ ایک آزاد آڈیٹر کی مدد کرنے والے تجزیہ کار ہیں۔ کنٹرول دائرہ اختیار میرا ہے؛ آپ ڈرافٹ اور اکاؤنٹس تیار کریں گے۔ سیاق و سباق: ذیل میں ایک گمنام ٹرائل بیلنس کا خلاصہ ہے (کوئی کمپنی کا نام نہیں)۔ میرا مقصد موجودہ سال اور پچھلے سال کے درمیان اہم تبدیلیوں (افقی تجزیہ) کو دیکھنا اور ان انحرافات کا تعین کرنا ہے جن کی جانچ کی ضرورت ہے۔ ڈیٹا:[اکاؤنٹ کا نام؛ پچھلے سال کی رقم؛ موجودہ سال کی رقم کی لائنیں]ٹاسک:1) ہر اکاؤنٹ کے لیے رقم اور فیصد کی تبدیلی کا حساب لگائیں۔ حساب کا مرحلہ دکھائیں تاکہ میں اس کی تصدیق کر سکوں۔ 2) 20 فیصد سے زیادہ آئٹمز کو نشان زد کریں یا نشانی (مثلاً منافع->نقصان) کو "جائزہ لینے کے لیے" کے طور پر تبدیل کریں۔ نوٹ کریں کہ ان کی تصدیق ثبوت کے ساتھ ہونی چاہیے۔ "ڈیٹا سے نکالا نہیں جا سکتا" لکھیں۔ آؤٹ پٹ کو ٹیبل کے طور پر دیں۔

یہ دعویٰ طاقتور ہے کیونکہ یہ واضح طور پر کردار، حدود (عدالتی آڈیٹر میں)، ڈیٹا، اقدامات، تصدیق کی اہلیت، اور "من گھڑت پر پابندی" کو واضح طور پر قائم کرتا ہے۔

عام غلطیاں

• وسائل کے لیے AI کو غلط سمجھنا۔ نمبر، تناسب، معیاری آئٹم اور تاریخ کے لیے AI کی میموری پر انحصار کرنا۔ AI ایک سمت تلاش کرنے والا ہے۔ ماخذ کنٹرول ثبوت اور سرکاری متن.
• سیاق و سباق کے بغیر لکھنے کا اشارہ۔ کردار، ڈیٹا اور مقصد بتائے بغیر "تشریح" کہنا؛ نتیجہ جعلی نکلے گا۔
• خفیہ ڈیٹا کو پیسٹ کیا جا رہا ہے۔ بغیر گمنامی کے کسٹمر کا نام، TIN، ذاتی ڈیٹا پر مشتمل ٹرانسکرپٹ کا اشتراک کرنا؛ رازداری اور KVKK کی خلاف ورزی۔
• آؤٹ پٹ کو درست کیے بغیر فائل میں ڈالنا۔ روانی متن کو درست سمجھنا اور اسے ورک شیٹ میں منتقل کرنا۔
• فیصلہ سونپنا۔ اس بنیاد پر کسی نتیجے پر پہنچنا کہ "AI نے ایسا کہا"؛ آڈٹ کی رائے قابل منتقلی نہیں ہے۔

ٹپ: آڈیٹر کے ذہن کے ساتھ ہر AI سیشن میں جائیں: "یہ آؤٹ پٹ کہاں غلط ہو سکتا ہے؟" یہ سوال آٹومیشن تعصب کا تریاق ہے اور ہم اسے پورے ماڈیول میں دہرائیں گے۔

خلاصہ میں

مصنوعی ذہانت آڈیٹنگ میں ایک طاقتور معاون ہے: یہ ڈیٹا تیار کرتی ہے، اسکین کرتی ہے، ڈرافٹ کرتی ہے، حساب لگاتی ہے اور گھنٹوں کو منٹوں میں گھٹا دیتی ہے۔ لیکن آڈٹ کی رائے، مادی غلط بیانی کا فیصلہ اور نتیجہ آزاد اور قابل آڈیٹر سے تعلق رکھتا ہے۔ جب تک کہ AI کے آؤٹ پٹ کی تصدیق نہ ہو جائے، یہ ایک غیر دستخط شدہ ورکنگ پیپر کی طرح درست ہے۔ تین ناقابل تسخیر اصول: ماخذ اور دوبارہ گنتی (تصدیق)، آڈیٹر کے شکوک و شبہات کے ساتھ جانچ، ڈیٹا کو گمنام کرنا اور محفوظ ذرائع کا انتخاب کریں (رازداری اور آزادی)۔ جیسے جیسے خطرہ بڑھتا ہے، AI کا کردار چھوٹا ہوتا جاتا ہے اور آپ کا فیصلہ بڑھتا جاتا ہے۔

درخواست کا کام

اپنے آڈٹ پریکٹس (یا فرضی آڈٹ) سے تین بار بار کاموں کا انتخاب کریں: مثال کے طور پر، (1) ٹرائل بیلنس سے افقی تجزیہ کا خلاصہ نکالنا، (2) معیار کی شق کا پتہ لگانا، (3) ورکنگ پیپر کا مسودہ تیار کرنا۔ اوپر "مضبوط پرامپٹ" پیٹرن کا استعمال کرتے ہوئے ہر ایک کے لیے ایک پرامپٹ لکھیں۔ کردار، گمنام ڈیٹا، اقدامات اور "من گھڑت پابندی" شامل کریں۔ پھر تین تصدیقی مراحل (ذریعہ، دوبارہ گنتی، شکوک و شبہات کے ساتھ ٹیسٹ) کے ذریعے آؤٹ پٹ کو چلائیں اور نوٹ کریں کہ آپ کونسی غلطیاں ہیں۔

چیک لسٹ

• [ ] میں نے اپنا نام ظاہر نہیں کیا جو میں نے AI کو دیا تھا۔ میں نے کسٹمر کا نام، TIN، ذاتی ڈیٹا شیئر نہیں کیا۔
• میں نے پرامپٹ میں کردار، سیاق و سباق، مقصد، اور "کوئی من گھڑت نہیں" شامل کیا۔
• میں نے آزاد ماخذ کے ساتھ آؤٹ پٹ میں ہر نمبر اور تناسب کو دوبارہ شمار کیا۔
• میں نے سرکاری متن سے معیاری/مادہ کے حوالہ جات کی تصدیق کی ہے۔
• آؤٹ پٹ کو "کہاں غلط ہو سکتا ہے؟" میں تبدیل کریں۔ میں نے اس سوال کے ساتھ شکوک و شبہات کا تجربہ کیا:
• میں نے حتمی فیصلہ اور رائے خود دی۔ میں نے ایک وجہ کے طور پر AI کا حوالہ نہیں دیا۔
• میں نے ڈیٹا کی رازداری اور آزادی کے لحاظ سے استعمال کیے گئے ٹول کی مناسبیت کا جائزہ لیا۔