مالیاتی خدمات آپ کے خیال سے زیادہ تیزی سے جنریٹو AI کو اپنائیں گی۔

مصنوعی ذہانت اور مشین لرننگ کو مالیاتی خدمات کی صنعت میں ایک دہائی سے زیادہ عرصے سے استعمال کیا جا رہا ہے، جو بہتر انڈر رائٹنگ سے لے کر ان اضافہ کو قابل بناتا ہے۔ بہتر بنیادی فراڈ سکور پیداواری AI۔ بڑے لینگویج ماڈلز کے ذریعے (LLMs) ایک یادگار چھلانگ کی نمائندگی کرتا ہے اور بدل رہا ہے۔ تعلیم, کھیل, تجارت، اور مزید. جبکہ روایتی AI/ML موجودہ ڈیٹا کی بنیاد پر پیشین گوئیاں یا درجہ بندی کرنے پر مرکوز ہے، پیدا کرنے والا AI پیدا خالص نیا مواد۔   

بنیادی طور پر لامحدود کمپیوٹیشنل طاقت کے ساتھ مل کر غیر ساختہ ڈیٹا کی وسیع مقدار پر LLMs کو تربیت دینے کی یہ صلاحیت حاصل کر سکتی ہے۔ مالیاتی خدمات کی مارکیٹ میں دہائیوں میں دیکھنے میں آنے والی سب سے بڑی تبدیلی. پلیٹ فارم کی دیگر تبدیلیوں کے برعکس—انٹرنیٹ، موبائل، کلاؤڈ—جہاں مالیاتی خدمات کی صنعت اپنانے میں پیچھے رہ گئی ہے، یہاں ہم امید کرتے ہیں کہ بہترین نئی کمپنیاں اور آنے والے افراد جنریٹو AI کو اپناتے ہوئے دیکھیں گے۔   

مالیاتی خدمات کی کمپنیوں کے پاس تاریخی مالیاتی ڈیٹا کا وسیع ذخیرہ ہے۔ اگر وہ اس ڈیٹا کو ایل ایل ایم کو ٹھیک کرنے کے لیے استعمال کرتے ہیں (یا انہیں شروع سے تربیت دیتے ہیں، جیسے بلومبرگ جی پی ٹی)، وہ تقریباً کسی بھی مالی سوال کے جوابات فوری طور پر تیار کرنے کے قابل ہو جائیں گے۔ مثال کے طور پر، کمپنی کی کسٹمر چیٹس اور کچھ اضافی پروڈکٹ تفصیلات کے ڈیٹا پر تربیت یافتہ ایل ایل ایم کو کمپنی کی مصنوعات کے بارے میں تمام سوالات کا فوری جواب دینے کے قابل ہونا چاہیے، جب کہ کمپنی کی مشکوک سرگرمی کی رپورٹس (SARs) کے 10 سال پر تربیت یافتہ LLM کو اس قابل ہونا چاہیے۔ لین دین کے ایک سیٹ کی نشاندہی کرنا جو منی لانڈرنگ اسکیم کی نشاندہی کرتا ہے۔ ہمیں یقین ہے کہ مالیاتی خدمات کا شعبہ اس کے لیے جنریٹو AI استعمال کرنے کے لیے تیار ہے۔ پانچ مقاصد: ذاتی نوعیت کے صارفین کے تجربات، لاگت سے موثر آپریشنز، بہتر تعمیل، بہتر رسک مینجمنٹ، اور متحرک پیشن گوئی اور رپورٹنگ. 

Iن آنے والوں اور اسٹارٹ اپ کے درمیان جنگ، مالکانہ مالیاتی ڈیٹا تک ان کی رسائی کے پیش نظر، نئی مصنوعات کو لانچ کرنے اور آپریشنز کو بہتر بنانے کے لیے AI کا استعمال کرتے وقت عہدہ داروں کو ابتدائی فائدہ ہوگا، لیکن بالآخر درستگی اور رازداری کے لیے ان کی اعلیٰ حدوں کی وجہ سے ان میں رکاوٹ پیدا ہوگی۔ دوسری طرف، نئے داخل ہونے والوں کو ابتدائی طور پر اپنے ماڈلز کو تربیت دینے کے لیے عوامی مالیاتی ڈیٹا استعمال کرنا پڑ سکتا ہے، لیکن وہ تیزی سے اپنا ڈیٹا تیار کرنا شروع کر دیں گے اور نئی مصنوعات کی تقسیم کے لیے AI کو ایک پچر کے طور پر استعمال کرنا شروع کر دیں گے۔ 

آئیے پانچ اہداف میں غوطہ لگاتے ہیں یہ دیکھنے کے لیے کہ عہدہ دار اور اسٹارٹ اپ کس طرح تخلیقی AI کا فائدہ اٹھا سکتے ہیں۔

جبکہ صارف ایفintech کمپنیوں نے پچھلے 10 سالوں میں بہت زیادہ کامیابیاں حاصل کی ہیں، انہوں نے ابھی تک اپنا سب سے زیادہ مہتواکانکشی وعدہ پورا نہیں کیا ہے: صارف کی بیلنس شیٹ اور آمدنی کے بیان کو بہتر بنانے کے لیے، بغیر کسی انسان کے۔ یہ وعدہ وفا ہی نہیں رہا۔بھرا ہوا ہے کیونکہ یوزر انٹرفیس انسانی سیاق و سباق کو مکمل طور پر حاصل کرنے سے قاصر ہیں جو مالیاتی فیصلوں پر اثرانداز ہوتا ہے یا مشورہ اور کراس سیلنگ اس طرح فراہم کرتا ہے جس سے انسانوں کو مناسب تجارت کرنے میں مدد ملتی ہے۔

جہاں غیر واضح انسانی سیاق و سباق کی اہمیت ہے اس کی ایک عمدہ مثال یہ ہے کہ صارفین کیسے مشکل کے وقت بلوں کی ادائیگی کو ترجیح دیں۔. صارفین اس طرح کے فیصلے کرتے وقت افادیت اور برانڈ دونوں پر غور کرتے ہیں، اور ان دو عوامل کا باہمی تعامل ایک ایسا تجربہ بنانا پیچیدہ بنا دیتا ہے جو اس فیصلے کو بہتر بنانے کے طریقے کو پوری طرح سے گرفت میں لے سکے۔ اس سے بہترین درجے کی کریڈٹ کوچنگ فراہم کرنا مشکل ہو جاتا ہے، مثال کے طور پر، انسانی ملازم کی شمولیت کے بغیر۔ جبکہ کریڈٹ کرما جیسے تجربات 80% سفر میں صارفین کو اپنے ساتھ لا سکتے ہیں، بقیہ 20% ایک غیر معمولی وادی بن جاتی ہے جہاں سیاق و سباق کو حاصل کرنے کی مزید کوششیں حد سے زیادہ تنگ ہوتی ہیں یا غلط درستگی کا استعمال کرتی ہیں، جس سے صارفین کا اعتماد ٹوٹ جاتا ہے۔

اسی طرح کی خامیاں جدید دولت کے انتظام اور ٹیکس کی تیاری میں موجود ہیں۔ دولت کے انتظام میں، انسانی مشیر فنٹیک حلوں کو مات دیتے ہیں، یہاں تک کہ وہ مخصوص اثاثہ جات کی کلاسوں اور حکمت عملیوں پر توجہ مرکوز کرتے ہیں، کیونکہ انسان غیر معمولی امیدوں، خوابوں اور خوف سے بہت زیادہ متاثر ہوتے ہیں۔ یہی وجہ ہے کہ انسانی مشیر تاریخی طور پر اپنے کلائنٹس کے لیے اپنے مشورے کو زیادہ تر فنٹیک سسٹمز سے بہتر بنانے میں کامیاب رہے ہیں۔ ٹیکس کے معاملے میں بھی جدید سافٹ وئیر کی مدد سے امریکی زیادہ خرچ کرتے ہیں۔ 6 بلین گھنٹے ان کے ٹیکس پر، 12 ملین غلطیاں کرتے ہیں، اور اکثر آمدنی کو چھوڑ دیتے ہیں یا کسی ایسے فائدے کو چھوڑ دیتے ہیں جس کے بارے میں وہ نہیں جانتے تھے، جیسے کہ ممکنہ طور پر کام کے سفر کے اخراجات میں کٹوتی کرنا۔ 

LLMs بہتر تفہیم کے ساتھ ان مسائل کا صاف ستھرا حل فراہم کرتے ہیں اور اس طرح صارفین کے مالیاتی فیصلوں پر بہتر نیویگیشن کرتے ہیں۔ یہ سسٹم سوالات کا جواب دے سکتے ہیں ("مونی بانڈز میں میرے پورٹ فولیو کا حصہ کیوں ہے؟")، تجارت کا اندازہ لگا سکتے ہیں ("مجھے مدت کے خطرے بمقابلہ پیداوار کے بارے میں کیسے سوچنا چاہیے؟")، اور بالآخر فیصلہ سازی میں انسانی سیاق و سباق کو شامل کر سکتے ہیں ("کیا آپ تعمیر کر سکتے ہیں؟ ایک ایسا منصوبہ جو مستقبل میں کسی وقت میرے بوڑھے والدین کی مالی مدد کرنے کے لیے کافی لچکدار ہو؟")۔ ان صلاحیتوں کو کنزیومر فنٹیک کو ایک اعلی قدر سے تبدیل کرنا چاہیے، لیکن استعمال کے معاملات کے مختصر طور پر مرکوز سیٹ سے دوسرے میں جہاں ایپس صارفین کو ان کی پوری مالی زندگی کو بہتر بنانے میں مدد کر سکتی ہیں۔

-انیش اچاریہ اور سومیت سنگھ

ایک دنیا میں جہاں جنریٹو AI ٹولز بینک میں پھیل سکتے ہیں، سیلی کو مسلسل انڈر رائٹ کیا جانا چاہیے تاکہ جس لمحے وہ گھر خریدنے کا فیصلہ کرتی ہے، اس کے پاس پہلے سے منظور شدہ رہن ہو۔ 

بدقسمتی سے، یہ دنیا ابھی تک تین اہم وجوہات کی بناء پر موجود نہیں ہے: 

• سب سے پہلے، صارفین کی معلومات متعدد مختلف ڈیٹا بیس میں رہتی ہے۔ یہ کراس سیلنگ اور صارفین کی ضروریات کی پیشن گوئی انتہائی مشکل بناتا ہے۔ 
• دوسرا، مالیاتی خدمات کو اکثر پیچیدہ اور خودکار فیصلہ کرنے والے درختوں کے ساتھ جذباتی خریداریوں کو بہت زیادہ سمجھا جاتا ہے۔ اس کا مطلب ہے کہ بینکوں کو اپنے صارفین کے بہت سے سوالوں کے جواب دینے کے لیے بڑی کسٹمر سروس ٹیمیں لگانی چاہئیں کہ ان کے انفرادی حالات کی بنیاد پر ان کے لیے کون سی مالی مصنوعات بہترین ہیں۔
• تیسرا، مالیاتی خدمات انتہائی منظم ہیں۔ اس کا مطلب ہے کہ انسانی ملازمین جیسے لون آفیسرز اور پروسیسرز کو ہر دستیاب پروڈکٹ (مثلاً، رہن) کے ساتھ پیچیدہ، لیکن غیر ساختہ قوانین کی تعمیل کو یقینی بنانا چاہیے۔

جنریٹو AI متعدد مقامات سے ڈیٹا کھینچنے اور غیر ساختہ ذاتی حالات اور غیر ساختہ تعمیل کے قوانین کو سمجھنے کے محنتی کاموں کو 1000 گنا زیادہ موثر بنائے گا۔ مثال کے طور پر:

• کسٹمر سروس ایجنٹس: ہر بینک میں، ہزاروں کسٹمر سروس ایجنٹوں کو بینک کی مصنوعات اور متعلقہ تعمیل کے تقاضوں کے بارے میں بڑی محنت سے تربیت دی جانی چاہیے تاکہ وہ گاہک کے سوالات کا جواب دے سکیں۔ اب تصور کریں کہ ایک نیا کسٹمر سروس کا نمائندہ شروع ہوتا ہے، اور انہیں LLM تک رسائی حاصل کرنے کا فائدہ ہوتا ہے جسے بینک کے تمام شعبوں میں کسٹمر سروس کالز کے پچھلے 10 سالوں میں تربیت دی گئی ہے۔ نمائندہ کسی بھی سوال کا صحیح جواب تیزی سے پیدا کرنے کے لیے ماڈل کا استعمال کر سکتا ہے اور مصنوعات کی وسیع رینج کے بارے میں زیادہ ذہانت سے بات کرنے میں ان کی مدد کر سکتا ہے اور ساتھ ہی ساتھ ان کی تربیت کے لیے درکار وقت کو بھی کم کر سکتا ہے۔ ایک ذمہ دار اس بات کو یقینی بنانا چاہے گا کہ ان کے ملکیتی ڈیٹا اور کسٹمر کے لیے مخصوص PII کو کسی عام LLM کو بہتر بنانے کے لیے استعمال نہیں کیا گیا جسے دوسری کمپنیاں استعمال کر سکتی ہیں۔ نئے داخل ہونے والوں کو ڈیٹاسیٹ کو بوٹسٹریپ کرنے کے طریقہ پر تخلیقی ہونا پڑے گا۔
• قرضے کے افسران۔: لون آفیسرز اس وقت تقریباً ایک درجن مختلف سسٹمز سے ڈیٹا کھینچتے ہیں تاکہ لون فائل تیار کی جا سکے۔ ان تمام سسٹمز کے ڈیٹا پر ایک جنریٹو اے آئی ماڈل کو تربیت دی جا سکتی ہے، تاکہ ایک لون آفیسر آسانی سے گاہک کا نام فراہم کر سکے اور قرض کی فائل ان کے لیے فوری طور پر تیار ہو جائے۔ ایک لون آفیسر کو اب بھی 100% درستگی کو یقینی بنانے کی ضرورت ہوگی، لیکن ان کا ڈیٹا اکٹھا کرنے کا عمل بہت زیادہ موثر اور درست ہوگا۔
• کوالٹی اشورینس: بینکوں اور فنٹیک کمپنیوں میں زیادہ تر QA میں متعدد ریگولیٹری اداروں کے ساتھ مکمل تعمیل کو یقینی بنانا شامل ہے۔ جنریٹو اے آئی ڈرامائی طور پر اس عمل کو تیز کر سکتا ہے۔ مثال کے طور پر، Vesta رہن کے قرض کے افسر کو فوری طور پر تعمیل کے مسائل سے آگاہ کرنے کے لیے Fannie Mae سیلنگ گائیڈ کے ساتھ تربیت یافتہ AI ماڈل کو شامل کر سکتا ہے۔ جیسا کہ بہت سے ریگولیٹری گائیڈز عوامی طور پر دستیاب ہیں، یہ نئے مارکیٹ میں آنے والوں کے لیے ایک دلچسپ پچر فراہم کر سکتا ہے۔ تاہم، اصل قیمت اب بھی ان کمپنیوں کو حاصل ہوگی جو ورک فلو انجن کی مالک ہیں۔

یہ تمام اقدامات ہیں جو ایک ایسی دنیا کی طرف لے جائیں گے جہاں سیلی کو ممکنہ رہن تک فوری رسائی حاصل ہو سکتی ہے۔

-انجیلا اسٹرینج، ایلکس ریمپیل، اور مارک اینڈروسکو

مستقبل میں تعمیل کرنے والے محکمے جو تخلیقی AI کو اپناتے ہیں ممکنہ طور پر $800 بلین کو روک سکتے ہیں۔ $ 2 ٹریلین جسے ہر سال دنیا بھر میں غیر قانونی طور پر لانڈر کیا جاتا ہے۔ منشیات کی اسمگلنگ، منظم جرائم، اور دیگر غیر قانونی سرگرمیاں سب کو دہائیوں میں سب سے زیادہ ڈرامائی کمی نظر آئے گی۔.

آج اربوں ڈالر اس وقت صرف تعمیل پر خرچ ہوتے ہیں۔ 3٪ موثر مجرمانہ منی لانڈرنگ کو روکنے میں۔ تعمیل سافٹ ویئر زیادہ تر "ہارڈ کوڈڈ" قواعد پر بنایا گیا ہے۔ مثال کے طور پر، اینٹی منی لانڈرنگ سسٹم کمپلائنس افسران کو "$10K سے زیادہ کسی بھی لین دین پر جھنڈا لگائیں" یا دیگر پہلے سے طے شدہ مشکوک سرگرمی کے لیے اسکین جیسے قوانین چلانے کے قابل بناتے ہیں۔ اس طرح کے قوانین کو لاگو کرنا ایک نامکمل سائنس ہو سکتا ہے، جس کی وجہ سے زیادہ تر مالیاتی ادارے غلط مثبتات سے بھر جاتے ہیں جن کی تحقیقات کرنا قانونی طور پر ضروری ہیں۔ تعمیل کرنے والے ملازمین اپنا زیادہ تر وقت مختلف سسٹمز اور محکموں سے کسٹمرز کی معلومات اکٹھا کرنے میں صرف کرتے ہیں تاکہ ہر جھنڈے والے لین دین کی چھان بین کریں۔ کو بھاری جرمانے سے بچیں، وہ ہزاروں کو ملازمت دیتے ہیں، جو اکثر بینک کی افرادی قوت کا 10% سے زیادہ پر مشتمل ہوتے ہیں۔ 

جنریٹیو AI والا مستقبل قابل بنا سکتا ہے:

• موثر اسکریننگ: ایک تخلیقی AI ماڈل کسی بھی فرد پر مختلف نظاموں میں کلیدی معلومات کا خلاصہ فوری طور پر ایک کمپلائنس آفیسر کی انگلی تک پہنچا سکتا ہے — جس سے تعمیل افسران کو زیادہ تیزی سے جواب دینے کی اجازت ملتی ہے کہ آیا کوئی لین دین کوئی مسئلہ تھا۔ 
• لانڈررز کی پیشن گوئی کرنا بہتر ہے۔: اب ایک ماڈل کا تصور کریں جسے گزشتہ 10 سالوں کی مشکوک سرگرمی کی رپورٹس (SARs) پر تربیت دی گئی ہے۔ ماڈل کو خاص طور پر یہ بتانے کی ضرورت کے بغیر کہ لانڈرر کیا ہے، AI کو رپورٹس میں نئے نمونوں کا پتہ لگانے اور منی لانڈرر کی اپنی تعریفیں بنانے کے لیے استعمال کیا جا سکتا ہے۔ 
• تیز تر دستاویزات کا تجزیہ: تعمیل کے محکمے اس بات کو یقینی بنانے کے ذمہ دار ہیں کہ کمپنی کی داخلی پالیسیوں اور طریقہ کار کی پیروی کی جائے، نیز ریگولیٹری تقاضوں کی تعمیل کی جائے۔ جنریٹو AI دستاویزات کی بڑی مقدار کا تجزیہ کر سکتا ہے، جیسے کہ معاہدوں، رپورٹس، اور ای میلز، اور ممکنہ مسائل یا تشویش کے شعبوں کو جھنڈا دے سکتا ہے جن کے لیے مزید تفتیش کی ضرورت ہے۔
• تربیت اور تعلیم: جنریٹو AI کا استعمال تربیتی مواد تیار کرنے اور حقیقی دنیا کے منظرناموں کی تقلید کے لیے کیا جا سکتا ہے تاکہ تعمیل کرنے والے افسران کو بہترین طریقوں سے آگاہ کیا جا سکے اور ممکنہ خطرات اور غیر تعمیل شدہ رویے کی شناخت کیسے کی جائے۔

نئے داخل ہونے والے درجنوں ایجنسیوں سے عوامی طور پر دستیاب تعمیل ڈیٹا کے ساتھ بوٹسٹریپ کر سکتے ہیں، اور تلاش اور ترکیب کو تیز تر اور قابل رسائی بنا سکتے ہیں۔ بڑی کمپنیاں برسوں کے جمع کردہ ڈیٹا سے فائدہ اٹھاتی ہیں، لیکن انہیں رازداری کی مناسب خصوصیات کو ڈیزائن کرنے کی ضرورت ہوگی۔ تعمیل کو طویل عرصے سے ایک بڑھتی ہوئی لاگت کا مرکز سمجھا جاتا رہا ہے جسے قدیم ٹیکنالوجی کے ذریعے تعاون حاصل ہے۔ جنریٹو AI اسے بدل دے گا۔

-انجیلا اسٹرینج اور جو شمٹ

آرکیگوس اور لندن وہیل یونانی افسانوں کی مخلوق کی طرح لگ سکتے ہیں، لیکن دونوں رسک مینجمنٹ کی حقیقی ناکامیوں کی نمائندگی کرتے ہیں جس کی وجہ سے دنیا کے کئی بڑے بینکوں کو اربوں کا نقصان اٹھانا پڑا۔ سلیکن ویلی بینک کی حالیہ مثال کو دیکھیں، اور یہ واضح ہو جاتا ہے کہ رسک مینجمنٹ ہمارے بہت سے سرکردہ مالیاتی اداروں کے لیے ایک چیلنج بنی ہوئی ہے۔ 

اگرچہ AI میں پیشرفت کریڈٹ، مارکیٹس، لیکویڈیٹی، اور آپریشنل خطرات کو مکمل طور پر ختم کرنے سے قاصر ہے، لیکن ہم سمجھتے ہیں کہ یہ ٹیکنالوجی مالیاتی اداروں کو زیادہ تیزی سے شناخت کرنے، منصوبہ بندی کرنے اور ان خطرات کے لامحالہ پیدا ہونے پر جواب دینے میں اہم کردار ادا کر سکتی ہے۔ تدبیر سے، یہاں کچھ ایسے شعبے ہیں جہاں ہمیں یقین ہے کہ AI زیادہ موثر رسک مینجمنٹ کو چلانے میں مدد کر سکتا ہے:

• قدرتی زبان پروسیسنگ: LLM ماڈلز جیسے ChatGPT غیر ساختہ ڈیٹا کی بڑی مقدار پر کارروائی کرنے میں مدد کر سکتے ہیں، جیسے کہ خبروں کے مضامین، مارکیٹ رپورٹس، اور تجزیہ کار تحقیق، جو مارکیٹ اور ہم منصب کے خطرات کا ایک مکمل نظریہ فراہم کرتے ہیں۔
• ریئل ٹائم بصیرتیں: مارکیٹ کے حالات، جغرافیائی سیاسی واقعات، اور دیگر خطرے کے عوامل میں فوری طور پر نظر آنے سے فرموں کو بدلتے ہوئے حالات کے مطابق زیادہ تیزی سے اپنانے کی اجازت مل سکتی ہے۔
• پیشین گوئی کے تجزیات: نمایاں طور پر زیادہ پیچیدہ منظرناموں کو چلانے اور ابتدائی انتباہات فراہم کرنے کی صلاحیت فرموں کو زیادہ فعال طور پر نمائش کا انتظام کرنے میں مدد کر سکتی ہے۔
• انضمام: مختلف نظاموں کو مربوط کرنے اور معلومات کی ترکیب کے لیے AI کا استعمال خطرے کی نمائش کے بارے میں مزید مکمل نظریہ فراہم کرنے اور رسک مینجمنٹ کے عمل کو ہموار کرنے میں مدد کر سکتا ہے۔

-ڈیوڈ ہیبر اور مارک اینڈروسکو

مالی سوالات کے جوابات دینے میں مدد کرنے کے علاوہ، LLMs مالیاتی خدمات کی ٹیموں کو اپنی فنانس ٹیموں کے روزمرہ کے کام کے بہاؤ کو آسان بناتے ہوئے، اپنے اندرونی عمل کو بہتر بنانے میں بھی مدد کر سکتے ہیں۔ فنانس کے عملی طور پر ہر دوسرے پہلو میں ترقی کے باوجود، جدید فنانس ٹیموں کے روزمرہ کے کام کا بہاؤ ایکسل، ای میل، اور کاروباری انٹیلی جنس ٹولز جیسے دستی عمل سے چلتا ہے جس کے لیے انسانی معلومات کی ضرورت ہوتی ہے۔ ڈیٹا سائنس کے وسائل کی کمی کی وجہ سے بنیادی کاموں کو ابھی تک خودکار ہونا باقی ہے، اور CFOs اور ان کی براہ راست رپورٹیں اس کے نتیجے میں وقت گزارنے والے ریکارڈ رکھنے اور رپورٹنگ کے کاموں پر بہت زیادہ وقت صرف کرتی ہیں، جب ان پر توجہ مرکوز کی جانی چاہیے۔ اہرام کے سب سے اوپر اسٹریٹجک فیصلے 

وسیع طور پر، تخلیقی AI ان ٹیموں کو مزید ذرائع سے ڈیٹا حاصل کرنے میں مدد کر سکتا ہے اور رجحانات کو اجاگر کرنے اور پیشین گوئیاں اور رپورٹنگ بنانے کے عمل کو خودکار بنا سکتا ہے۔ چند مثالوں میں شامل ہیں:

• پیشن گوئی: جنریٹو AI ایکسل، SQL، اور BI ٹولز میں فارمولے اور سوالات لکھنے میں مدد کر سکتا ہے جو خودکار تجزیہ کر سکتے ہیں۔ مزید برآں، اس طرح کے ٹولز سطحی نمونوں کی مدد کر سکتے ہیں اور زیادہ پیچیدہ منظرناموں (یعنی میکرو اکنامکس میں عنصر) کے ساتھ ڈیٹا کے وسیع سیٹ سے پیشن گوئی کے لیے ان پٹ تجویز کر سکتے ہیں اور تجویز کرتے ہیں کہ ان ماڈلز کو کس طرح آسانی سے اپنایا جائے، تاکہ کمپنی کے فیصلہ سازی کو مطلع کیا جا سکے۔ 
• رپورٹنگ: خارجی اور اندرونی دونوں رپورٹس (جیسے بورڈ ڈیک، سرمایہ کار کی رپورٹس، ہفتہ وار ڈیش بورڈ) میں دستی طور پر ڈیٹا اور تجزیہ کرنے میں وقت گزارنے کے بجائے، جنریٹو AI ٹیکسٹ، چارٹس، گرافس اور بہت کچھ کی تخلیق کو خودکار بنانے میں مدد کر سکتا ہے، اس طرح کی رپورٹنگ کی بنیاد پر مختلف مثالیں.
• اکاؤنٹنگ اور ٹیکس: اکاؤنٹنگ اور ٹیکس دونوں ٹیمیں قواعد سے مشورہ کرنے اور انہیں لاگو کرنے کے طریقہ کو سمجھنے میں وقت گزارتی ہیں۔ جنریٹو AI ٹیکس کوڈ اور ممکنہ کٹوتیوں کے بارے میں ممکنہ جوابات کی ترکیب، خلاصہ اور تجویز کرنے میں مدد کر سکتا ہے۔
• حصولی اور قابل ادائیگی: جنریٹو AI خود کار طریقے سے پیدا کرنے اور معاہدوں، خریداری کے آرڈرز اور انوائسز اور یاد دہانیوں کو اپنانے میں مدد کر سکتا ہے۔

اس نے کہا، یہاں جنریٹیو AI کے آؤٹ پٹ کی موجودہ حدود کو ذہن میں رکھنا ضروری ہے — خاص طور پر ان علاقوں کے ارد گرد جو فیصلے یا درست جواب کی ضرورت ہوتی ہے، جیسا کہ اکثر فنانس ٹیم کے لیے ضروری ہوتا ہے۔ جنریٹو AI ماڈلز حساب میں بہتری لاتے رہتے ہیں، لیکن مکمل درستگی کے لیے ابھی تک ان پر بھروسہ نہیں کیا جا سکتا، یا کم از کم انسانی جائزے کی ضرورت ہے۔ جیسا کہ ماڈلز تیزی سے بہتر ہوتے ہیں، اضافی تربیتی ڈیٹا کے ساتھ اور ریاضی کے ماڈیولز کو بڑھانے کی صلاحیت کے ساتھ، اس کے استعمال کے لیے نئے امکانات کھل جاتے ہیں۔

-سیما امبلے۔

چیلنجز

ان پانچ رجحانات میں، نئے آنے والوں اور آنے والوں کو اس تخلیقی AI مستقبل کو حقیقت بنانے میں دو بنیادی چیلنجوں کا سامنا ہے۔

1. مالی ڈیٹا کے ساتھ ایل ایل ایم کی تربیت: ایل ایل ایم فی الحال انٹرنیٹ پر تربیت یافتہ ہیں۔ مالیاتی خدمات کے استعمال کے کیسز کے لیے ان ماڈلز کو مخصوص مالیاتی ڈیٹا کے استعمال کے ساتھ ٹھیک کرنے کی ضرورت ہوگی۔ نئے داخل ہونے والے ممکنہ طور پر اپنے ماڈلز کو پبلک کمپنی کے مالیات، ریگولیٹری پیپرز، اور آسانی سے قابل رسائی عوامی مالیاتی ڈیٹا کے دیگر ذرائع سے بہتر کرنا شروع کر دیں گے، اس سے پہلے کہ وہ وقت کے ساتھ ساتھ اپنا ڈیٹا اکٹھا کر لیں۔ موجودہ کھلاڑی، جیسے بینک یا مالیاتی خدمات کے آپریشنز والے بڑے پلیٹ فارمز (مثال کے طور پر، Lyft)، اپنے موجودہ اور ملکیتی ڈیٹا کا فائدہ اٹھا سکتے ہیں، ممکنہ طور پر انہیں ابتدائی فائدہ دے سکتے ہیں۔ موجودہ مالیاتی خدمات کی کمپنیاں، تاہم، جب پلیٹ فارم کی بڑی تبدیلیوں کو اپنانے کی بات آتی ہے تو وہ حد سے زیادہ قدامت پسند ہوتے ہیں۔ یہ، ہمارے خیال میں، بغیر بوجھ کے نئے داخل ہونے والوں کو مسابقتی برتری فراہم کرتا ہے۔
2. ماڈل آؤٹ پٹ کی درستگی: مالیاتی سوال کے جواب کے افراد، کمپنیوں اور معاشرے پر پڑنے والے اثرات کے پیش نظر، ان نئے AI ماڈلز کو ہر ممکن حد تک درست ہونے کی ضرورت ہے۔ وہ کسی کے ٹیکس یا مالیاتی صحت کے بارے میں اہم سوالات کے غلط لیکن پراعتماد جوابات کو فریب نہیں دے سکتے، یا بنا سکتے ہیں، اور انہیں مقبول ثقافت کے سوالات یا عام ہائی اسکول کے مضامین کے تخمینی جوابات سے کہیں زیادہ درست ہونے کی ضرورت ہے۔ شروع کرنے کے لیے، AI سے تیار کردہ جواب کی حتمی تصدیق کے طور پر اکثر ایک انسان نظر آتا ہے۔

جنریٹو AI کی آمد مالیاتی خدمات کی کمپنیوں کے لیے ایک ڈرامائی پلیٹ فارم کی تبدیلی ہے جس کو جنم دینے کی صلاحیت ہے۔ ذاتی نوعیت کے کسٹمر سلوشنز، زیادہ لاگت سے موثر آپریشنز، بہتر تعمیل، اور بہتر رسک مینجمنٹ، اسی طرح زیادہ متحرک پیشن گوئی اور رپورٹنگ۔ عہدہ دار اور اسٹارٹ اپ ان دو اہم چیلنجوں میں مہارت حاصل کرنے کے لیے لڑیں گے جن کا ہم نے اوپر ذکر کیا ہے۔ اگرچہ ہم ابھی تک یہ نہیں جانتے ہیں کہ کون جیت کر ابھرے گا، ہم جانتے ہیں کہ پہلے سے ہی ایک واضح فاتح ہے: مستقبل کی مالیاتی خدمات کے صارفین۔

***

یہاں بیان کردہ خیالات انفرادی AH Capital Management, LLC ("a16z") کے اہلکاروں کے ہیں جن کا حوالہ دیا گیا ہے اور یہ a16z یا اس سے وابستہ افراد کے خیالات نہیں ہیں۔ یہاں پر موجود کچھ معلومات فریق ثالث کے ذرائع سے حاصل کی گئی ہیں، بشمول a16z کے زیر انتظام فنڈز کی پورٹ فولیو کمپنیوں سے۔ جب کہ معتبر مانے جانے والے ذرائع سے لیا گیا ہے، a16z نے آزادانہ طور پر ایسی معلومات کی تصدیق نہیں کی ہے اور معلومات کی پائیدار درستگی یا دی گئی صورت حال کے لیے اس کی مناسبیت کے بارے میں کوئی نمائندگی نہیں کی ہے۔ اس کے علاوہ، اس مواد میں فریق ثالث کے اشتہارات شامل ہو سکتے ہیں۔ a16z نے ایسے اشتہارات کا جائزہ نہیں لیا ہے اور اس میں موجود کسی بھی اشتہاری مواد کی توثیق نہیں کرتا ہے۔

یہ مواد صرف معلوماتی مقاصد کے لیے فراہم کیا گیا ہے، اور قانونی، کاروبار، سرمایہ کاری، یا ٹیکس کے مشورے کے طور پر اس پر انحصار نہیں کیا جانا چاہیے۔ آپ کو ان معاملات کے بارے میں اپنے مشیروں سے مشورہ کرنا چاہئے۔ کسی بھی سیکیورٹیز یا ڈیجیٹل اثاثوں کے حوالے صرف مثالی مقاصد کے لیے ہیں، اور سرمایہ کاری کی سفارش یا پیشکش کی تشکیل نہیں کرتے ہیں کہ سرمایہ کاری کی مشاورتی خدمات فراہم کریں۔ مزید برآں، یہ مواد کسی سرمایہ کار یا ممکنہ سرمایہ کاروں کی طرف سے استعمال کرنے کے لیے نہیں ہے اور نہ ہی اس کا مقصد ہے، اور کسی بھی صورت میں a16z کے زیر انتظام کسی بھی فنڈ میں سرمایہ کاری کرنے کا فیصلہ کرتے وقت اس پر انحصار نہیں کیا جا سکتا ہے۔ (a16z فنڈ میں سرمایہ کاری کرنے کی پیشکش صرف پرائیویٹ پلیسمنٹ میمورنڈم، سبسکرپشن ایگریمنٹ، اور اس طرح کے کسی بھی فنڈ کی دیگر متعلقہ دستاویزات کے ذریعے کی جائے گی اور ان کو مکمل طور پر پڑھا جانا چاہیے۔) کوئی بھی سرمایہ کاری یا پورٹ فولیو کمپنیوں کا ذکر کیا گیا، حوالہ دیا گیا، یا بیان کردہ A16z کے زیر انتظام گاڑیوں میں ہونے والی تمام سرمایہ کاری کے نمائندے نہیں ہیں، اور اس بات کی کوئی یقین دہانی نہیں ہو سکتی کہ سرمایہ کاری منافع بخش ہو گی یا مستقبل میں کی جانے والی دیگر سرمایہ کاری میں بھی ایسی ہی خصوصیات یا نتائج ہوں گے۔ Andreessen Horowitz کے زیر انتظام فنڈز کے ذریعے کی گئی سرمایہ کاری کی فہرست (ان سرمایہ کاری کو چھوڑ کر جن کے لیے جاری کنندہ نے a16z کو عوامی طور پر ظاہر کرنے کے ساتھ ساتھ عوامی طور پر تجارت کیے جانے والے ڈیجیٹل اثاثوں میں غیر اعلانیہ سرمایہ کاری کی اجازت فراہم نہیں کی ہے) https://a16z.com/investments پر دستیاب ہے۔ /.

اندر فراہم کردہ چارٹس اور گراف صرف معلوماتی مقاصد کے لیے ہیں اور سرمایہ کاری کا کوئی فیصلہ کرتے وقت ان پر انحصار نہیں کیا جانا چاہیے۔ ماضی کی کارکردگی مستقبل کے نتائج کا اشارہ نہیں ہے۔ مواد صرف اشارہ کردہ تاریخ کے مطابق بولتا ہے۔ کوئی بھی تخمینہ، تخمینہ، پیشن گوئی، اہداف، امکانات، اور/یا ان مواد میں بیان کیے گئے خیالات بغیر اطلاع کے تبدیل کیے جا سکتے ہیں اور دوسروں کی رائے سے مختلف یا اس کے برعکس ہو سکتے ہیں۔ اضافی اہم معلومات کے لیے براہ کرم https://a16z.com/disclosures دیکھیں۔

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• ایڈریین ایشلے کے ساتھ مستقبل کا نقشہ بنانا۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://a16z.com/2023/04/19/financial-services-will-embrace-generative-ai-faster-than-you-think/