کیہ AI محلے دی ہٹی چلا سکدی اے؟

AI “ایجنٹ” — لینگویج ماڈل جیہڑے اوزاراں راہیں کئی قدماں تیک کم کردے نیں — ودھ توں ودھ لمے کماں اُتے پرکھے جا رہے نیں، کاروبار چلاؤݨ سمیت۔ پر ہندوستان دی BITS Pilani تے یونیورسٹی آف مینیسوٹا دی اک ٹیم دے مطابق، موجودہ ٹیسٹاں وچ کجھ سانجھیاں انھیاں تھاواں نیں: اوہ انگریزی وچ نیں (اک چینی وچ اے)، مغربی پرچون دے ماحول وچ نیں، تے اکو ایجنٹ نوں کاروبار سدھا ویکھن دیندے نیں۔

ہندوستان دی اصلی زندگی وکھری اے۔ اوتھے دا بہتا پرچون کاروبار نِکیاں عام ہٹیاں، کریانہ ہٹیاں، راہیں چلدا اے، جنہاں وچ کئی بندے کم کردے نیں جیہڑے گاہکاں تے سپلائراں نال انگریزی، ہندی تے ہنگلش، یعنی دوواں دے رلے ملے روپ، وچ گل کردے نیں۔ ایس لئی ٹیم نے KiranaBench بݨایا، اک بݨاوٹی کریانہ۔

چار کم تے اک دماغ والی ہٹی

اک AI ماڈل چارے کردار نبھاندا اے، ہر اک دے اپݨے اوزار تے اپݨی گھڑی:

منیجر سپلائراں توں آرڈر کردا اے، قیمتاں مقرر کردا اے تے فیصلہ کردا اے پئی ہٹی کدوں بند کرنی اے — پر ہٹی نوں ویکھ نئیں سکدا تے دن دا حال صرف دوجیاں دیاں رپورٹاں توں جاندا اے؛
کیشیئر بل، بھاء تاء تے ہٹی دے “کھاتے”، یعنی گاہکاں دے اُدھار دے حساب، اُتے اُدھار سانبھدا اے؛
ہیلپر آیا مال وصول کردا اے تے سامان نوں گودام تے شیلفاں وچکار لے جاندا اے؛
منشی، حساب رکھن والا، رات دی رپورٹ لکھدا اے۔

ہر کم کم دے دن دے منٹ کھاندا اے: گودام گنن وچ 25 منٹ لگدے نیں، ایس لئی گنن والا ہیلپر اوسے ویلے شیلفاں نئیں بھر سکدا۔ دن دے لگ بھگ 289 عام گاہک شیلفاں توں سامان چکدے نیں، اوہناں دیاں ٹوکریاں ہندوستان دے قومی گھریلو کھپت سروے توں لئیاں گئیاں نیں۔ لگ بھگ 65 ہور کاؤنٹر اُتے آ کے گل کردے نیں، تے یاد رکھدے نیں پئی اوہناں نال کیہ ورتارا ہویا۔ سپلائر ای میلاں دا جواب اپݨی بولی وچ دیندے نیں — تے جیہڑیاں پڑھ نئیں سکدے اوہناں نوں رد کر دیندے نیں۔ کرایہ، بجلی تے تنخواہاں دا خرچہ دن دا 4,157 روپے اے۔ پیسے نال جڑی ہر شے دا حساب کوڈ کردا اے، ایس لئی کوئی ماڈل سکور غلط نئیں دس سکدا۔

اک مہینے دا لین دین

ٹیم نے چار بݨاؤݨ والیاں دے چار کھلے ماڈل — Qwen3.8-27B، Gemma 4 31B، gpt-oss-20b تے LFM2.5-8B — ہر اک نوں 30 دناں دے تن بݨاوٹی مہینیاں لئی پرکھیا۔ سکور منافع اے: اخیر دی کُل مالیت وچوں شروع دی کُل مالیت کڈھ کے۔ دو پہلاں توں لکھیاں ہٹیاں پیمانہ مقرر کردیاں نیں:

اصولاں اُتے چلن والا اک سمجھدار ہٹی والا لگ بھگ 103,000 روپے کماندا اے؛
اک ہٹی جیہنوں کوئی نئیں چلاندا لگ بھگ 115,000 روپے گوا دیندی اے۔

ماڈل:

Qwen3.8 نے اوسطاً لگ بھگ 13,700 روپے کمائے — پہلاں توں لکھے ہٹی والے دا موٹا جیہا اٹھواں حصہ؛
Gemma 4 نے اوسطاً تھوڑا جیہا گھاٹا کھادا، پر اوہدے تن مہینے +37,226 (سب توں چنگی دوڑ، ہٹی والے دا لگ بھگ تیجا حصہ) توں −40,762 تیک رہے؛
LFM2.5 نے لگ بھگ 127,000 تے gpt-oss نے لگ بھگ 193,000 گوائے — دوویں ہر مہینے بنا والی وارث ہٹی توں وی بھیڑے۔

لکھاری دسدے نیں: “ہٹی نوں بھیڑا چلاؤݨا، نہ چلاؤݨ توں مہنگا پیندا اے”: جیہڑا ماڈل آرڈر کردا رہندا اے، اوہ اوس مال دے پیسے دیندا رہندا اے جیہنوں ویچ نئیں سکدا۔

غلط بولی

انگریزی بولن والے سپلائراں نوں انگریزی وچ لکھنا لگ بھگ حل ہو چکیا سی: تن ماڈل کدی ناکام نئیں ہوئے۔ ہندی تے ہنگلش وکھری گل سی۔ Gemma 4 دیاں 42٪ ہندی ای میلاں تے 38٪ ہنگلش ای میلاں ناپڑھن جوگ کہہ کے واپس آئیاں؛ Qwen3.8 دیاں 19٪ ہنگلش ای میلاں ضائع ہوئیاں۔ جو کجھ وی گھلیا، اوہدے وچوں gpt-oss دا 46٪ ضائع ہویا، انگریزی وچ وی ناکام۔ LFM2.5، جیہدے بݨاؤݨ والے کوئی ہندوستانی بولی نئیں گندے، ہر ہندی تے ہنگلش ای میل وچ ناکام رہیا۔ کاؤنٹر اُتے، ایہدے اُلٹ، گاہکاں دی تِنّاں بولیاں وچ لگ بھگ برابر چنگی خدمت ہوئی۔

ملازم جیہڑے کہندے کجھ تے کردے کجھ نیں

کیونجے منیجر ہٹی نوں صرف رپورٹاں راہیں ویکھدا اے، ٹیم نے اوہناں نوں اصلی گلے (till) نال ملایا۔ Qwen تے Gemma نے ہر اک دن ویکری بالکل ٹھیک دسی۔ gpt-oss 6٪ دناں وچ غلط سی، LFM2.5 27٪ وچ، لگ بھگ 16,000 روپے تیک دے فرق نال۔ 360 بݨاوٹی دناں وچوں ہر اک دی جانچ ہوئی، تے ہر گھاٹا اک ناں والے کم تیک جاندا اے:

gpt-oss نے ہزاراں سنیہے اوہناں سپلائراں نوں گھلے جیہڑے ہین ای نئیں، حالانکہ ہر واپس آیا سنیہا اصلی سپلائراں دی لسٹ دیندا سی؛
اوہدے ہیلپر نے 10,000 روپے دی اک ادائیگی دسی جیہڑی کدی ہوئی ای نئیں — کسے کردار کول ایہہ کرن دا اوزار وی نئیں سی — تے اوہدے اپݨے منشی نے اوسے رات ایہدی تردید کیتی؛
اکو تھوک آرڈر دو سپلائراں نوں گیا، تے دوواں نوں پیسے دتے گئے؛
Gemma دے ہیلپر نے لکھیا پئی اوہ “سارا آیا مال لے رہیا اے” جدکہ اوہدی اوزار کال نے ہر شے دی گنتی صفر رکھی، تے دُدھ والی گڈی چلی گئی؛
LFM2.5 نے پہلے دن فیصلہ کر لیا پئی ہٹی دا سنیہیاں والا نظام خراب اے، تے بعد دے بہتے دناں وچ اوہدا اکو کم ہٹی کھلن ویلے گھر جاݨا سی۔

لکھاری دسدے نیں پئی ایہہ اخیرلا ماڈل، اپݨے بݨاؤݨ والے دی رپورٹ مطابق، چوہاں وچوں سب توں اُچا اوزار ورتن دا سکور رکھدا اے — اک اکلی بیٹھک والا ٹیسٹ جیہڑا گلے اُتے اک مہینے دی پیش گوئی نہ کر سکیا۔

پیمانہ، مقابلے باز نئیں

پہلاں توں لکھیا ہٹی والا سٹاک سدھا پڑھدا اے تے ہر سپلائر نوں اوہدی اپݨی بولی وچ لکھدا اے، دو کم جیہڑے ماڈلاں نوں ملازماں تے ترجمے راہیں کرنے پیندے نیں۔ لکھاری زور دیندے نیں پئی ایہہ پاڑ اک چنگی چلدی ہٹی توں دوری ناپدا اے، آمنے سامنے دا مقابلہ نئیں۔ فیر وی اوہناں دا نتیجہ کھرا اے: اجوکے لینگویج ماڈل ایجنٹ “ہندوستان وچ نِکے کاروباراں نوں آپوں چلاؤݨ لئی ہُݨ تیک بھروسے جوگ نئیں” — تے اوہناں نوں لبھی ہر ناکامی دا اک ناں، اک دن تے اک ویلا سی۔