By Nabeera Hussain

We live in a world largely dictated by algorithms. An algorithm predetermines what content we watch on Instagram; it determines which route we take on our daily work commute, and now algorithms decide whether we are eligible for a job or more likely to commit fraud.

A recent joint investigation between WIRED and the media non-profit Lighthouse Reports revealed that a machine learning algorithm deployed by the city of Rotterdam in the Netherlands in 2017 to detect benefit fraud for citizens on state welfare discriminated based on gender and ethnicity.

The algorithm worked by assigning a welfare-baed 'risk score' to people. The score measured the likelihood of the individual committing welfare fraud based not only on factors like age, gender, and fluency in the Dutch language but also on more invasive data such as marital status, love life, hobbies and interests, appearance, financial background as well as emotional and behavioural responses.

By playing around with the input attributes of the risk-score algorithm, one could intuitively see that certain attributes contributed to a higher risk score than others. The investigative report analysed two fictional individuals: Sara, a single mother of two children, and Yusef, an unemployed immigrant with limited Dutch language proficiency. In both cases, being a female, immigrant, having children, having weak Dutch language skills, struggling to find a job, and coming out of a relationship as a single parent would drastically increase your risk score and decrease your chances of getting welfare compared to an average male. According to the report:

"If our typical Rotterdam male were female, she'd move up 4,542 spots closer to a possible investigation. If she had two children, she would move another 2,134 spaces up the list. If she were single but coming out of a long-term relationship, that's another 3,267 spots. Struggling to pay bills? That's another 1,959 places closer to potential investigation.

If he were a migrant who, like Yusef, spoke Arabic and not Dutch, he would move up 3,396 spots on the risk list. If he, too, lives in a majority migrant neighbourhood in an apartment with roommates, he would move 5,245 spots closer to potential investigation. If his caseworker is sceptical, he will find a job in Rotterdam; he’d move up another 3,290 spots.” ⁸

In Austria, an ASM algorithm, regarded as a "prime example for discrimination”¹⁰ by various researchers, was used to predict job seekers' chances to reintegrate into the Austrian job market. The algorithm was shown to attribute negative coefficients to applicants that were labelled as "female," "over the age of 50", or had some form of "health impairment." On the contrary, data points corresponding to the attributes "male, " under 30 years old", or "able-bodied" were assigned neutral coefficients that couldn't be categorised as positive or negative.

The coefficients were directly proportional to the "reintegration value," a marker determining the job seeker's likelihood of returning to the job market. The reintegration value was then used to categorize the applicants into different categories. The individuals with a low integration value were classified into group C, a special group that separated them from the job centre system and placed them into a support group for their psychosocial well-being. Individuals with a mediocre reintegration value were assigned to group B, which still made them ineligible to apply for a job directly but did entitle them to the most expensive job support.

The issue with using AI to automate and screen individuals lies mainly in the fact that the data used to train these models is sourced from the real world, where discrimination and bias are inherent. In our context, we can define ”biases" as a “discrepancy between what the epistemic foundation of a data-based algorithmic system is supposed to represent and what it does represent."²

Bias can be voluntary or involuntary and can be introduced at any stage of the machine-learning process. It could be in the form of mislabelled training data or data missing altogether. AI researcher Moritz Hardt argues that "dominant groups tend to be favored by automated decision-making processes because more data is available and therefore receive fairer, more representative, and accurate decisions/ predictions, than minority groups for which data sets are limited.”⁵

An automated hiring system built for a company in the US that is biased towards hiring white males would, with high probability, be predominantly trained on data from white and male individuals. If you use the system to screen individuals from other races and gender identities, the system would automatically reject them. This is because while the algorithm produces results with confidence, it is only doing so in accordance with the nature of the data supplied to it by human agents. It will not and can not question the relevance or morality of the data fed into it. Historical training data can only use people’s knowledge from the past to make decisions about people in the present.

The algorithms also don't factor in intersectionality, i.e., the idea that "differences in risk/merit, while acknowledged, are frequently due to systemic structural disadvantages such as racism, sexism, inter-generational poverty, the school-to-prison pipeline, mass incarceration, and the prison-industrial complex.”³ Algorithms, instead, assume the infra-marginality principle, which legitimises disparities in risk and merit between certain social groups by assuming that society is a level playing field.

To an algorithm like the one employed by Rotterdam or the ASM algorithm in Austria, the entire human experience is reduced to a singular numeric value or boolean variable. These values and variables are then fed to algorithmic "black boxes" riddled with human error and involuntary bias, which outputs what the person's destiny would be. While in the real world, a person who does not conform to predefined societal roles has the chance to challenge and persuade actual humans in the hiring team to look beyond their preconceived biases with an algorithm that is just a collection of binary 1s and 0s that becomes impossible.

To an algorithm trained on data reflecting discriminatory screening practices, the only thing that matters is the attributes used to predict an outcome; thus, the prospects of every individual are predetermined based on factors entirely beyond their control. The ASM algorithm need not look beyond the fact the candidate it is analysing is either a woman, a 50-year-old or has a disability. If any of the labels apply to you by virtue of being human, you are automatically a reject.

Proponents of such AI systems and algorithms argue that decision machines depict reality as it is. They are neutral algorithms that mimic real-world decision-making, and they should be appreciated for the efficiency with which they can do so. It is a well-known fact that human beings trust the decisions made by machines because of the facade of neutrality and objectivity that algorithms uphold. ⁹

However, the arguments made in favour of automated AI systems repeatedly ignore the fact that the pushback by policymakers and AI regulation bodies is not concerned with the algorithm's neutrality, accuracy, or efficiency - these are already established, but rather how, in a world that's already so unequal and divided, the same neutrality, accuracy, and efficiency would only go on to scale these inequalities up times ten and solidify the unequal power structures and social hierarchies in place. These systems, owing to the lack of transparency surrounding their use and inner workings, when used to determine the fates of real people, not only threaten the human experience but disregard several human rights.

One such right violated is the right to "informational self-determination." An individual - unaware that their gender, racial or sexual identity is used to classify them into castes and categories- cannot influence the classification methodology. They are stripped of their autonomy and free will to carve out their own destinies and choose their desired career paths since the algorithms have already decided their fate for them using unknown ways even to the people who made those algorithms.

In 2010, Eli Pariser introduced the term "filter bubble" to describe the phenomenon of tech consumers being stuck in their ideological echo chambers due to personalisation algorithms that only reinforce a person's beliefs rather than present them with alternate viewpoints. Just like recommendation algorithms in advertising "choose" your next product for you based on invasive tracking data that has been collected against your will through cookies and web trackers - data which is then used to compare buying histories of people with similar traits, demographics, and personality types as you - hiring algorithms, if not regulated, will get to "choose" your job for you too.

Researchers have proposed several interventions to make AI algorithms abide by an intersectional framework. The problem with prevailing bias mitigation methods is that they focus on discrimination along a single axis, i.e., gender, race, age, or income level. They treat each attribute as an independent entity rather than acknowledging how each attribute correlates intricately.

One proposed criterion to counter these gaps in bias mitigation is differential fairness, which "measures the fairness cost" of a machine learning algorithm. The cost is determined by the difference in the probabilities of the outcomes, i.e., "…regardless of the combination of protected attributes, the probabilities of the outcomes will be similar, as measured by the ratios versus other possible values of those variables. For example, the probability of being given a loan would be similar regardless of a protected group's intersecting combination of gender, race, and nationality…”. ⁷ There has also been research conducted on using pre-trained classifiers explicitly developed for low representation, minority classes in datasets which demonstrates that such an approach could improve the accuracy of results for both the intersectionality and non-intersectionality classes in a dataset. ⁶

Bodies like the EC have proposed several guidelines in their AI White Paper to make AI systems bias-free by focusing on the biases introduced through training datasets. "Requirements to take reasonable measures aimed at ensuring that such subsequent use of AI systems does not lead to outcomes entailing prohibited discrimination. These requirements could entail obligations to use data sets that are sufficiently representative, especially to ensure that all relevant dimensions of gender [...]are appropriately reflected in those data sets”.⁴

Thus, the first step towards fair and responsible AI screening systems is introducing and implementing proper legislation to mitigate intersectionality bias right at the beginning of the screening stage by correcting the data itself. It must be kept in mind that fairness and transparency must go beyond the algorithms themselves and also apply to the human data handlers and decision-makers because, ultimately, it's the way the data is used as opposed to the way it's produced that produces any tangible impact on civil society. Increasing female representation in AI research and development would help introduce diverse narratives, weaken generalisations, and create more accurate algorithms that produce more equitable outcomes.

Recently, a job applicant screening tool called Workday AI, which several Fortune 500 companies use, was sued in the US by a black applicant over 50 with a history of anxiety and depression. ¹ The applicant claimed that the platform discriminates against black, disabled, and older job seekers. He was always rejected despite applying for "some 80 to 100 jobs" at different companies that he believed used Workday software. The lawsuit states that the Workday screening tools enable customers to make discriminatory and subjective judgments when reviewing and evaluating job applicants. If someone does not pass these screenings, they will not progress in hiring.

Some MNCs that use this platform also have a prominent presence in Pakistan, a country that doesn't even have a dedicated data protection law. One can only imagine the implications of the widespread use of such systems in a country with one of the worst human rights records. A country whose corporate sectors are riddled with allegations of nepotism, bias, workplace abuse, and discrimination, and a country that has a long way to go in achieving gender parity.

Citations

1. AIAAIC - Workday AI Job Screening Tool. www.aiaaic.org/aiaaic-repository/ai-and-algorithmic-incidents-and-controversies/workday-ai-job-screening-tool.

2. Barocas, Solon et al.: Fairness and machine learning. Limitations and Opportunities, fairmlbook.org 2019 (work in progress), introduction

3. Crenshaw, Kimberle. "Demarginalizing the Intersection of Race and Sex: A Black Feminist Critique of Antidiscrimination Doctrine, Feminist Theory, and Antiracist Politics [1989]." Feminist Legal Theory, 2018, pp. 57–80, https://doi.org/10.4324/9780429500480-5.

4. European Commission: White Paper On Artificial Intelligence. COM(2020) 65 final, 2020, p.19.

5. Hardt, Moritz: How big data is unfair. In: Medium 2014, https://medium.com/@mrtz/how-big-data-is-unfair-9aa544d739de (February 6, 2021).

6. Howard, Ayanna M. et al. "Addressing bias in machine learning algorithms: A pilot study on emotion recognition for intelligent systems." 2017 IEEE Workshop on Advanced Robotics and its Social Impacts (ARSO) (2017): 1-7.

7. Islam, Rashidul, et al. "Differential Fairness: An Intersectional Framework for Fair AI." Entropy, vol. 25, no. 4, Apr. 2023, p. 660. Crossref, https://doi.org/10.3390/e25040660.

8. Mehrotra, Dhruv, et al. "Inside the Suspicion Machine." WIRED, 6 Mar. 2023, www.wired.com/story/welfare-state-algorithms.

9. University of Georgia. "People may trust computers more than humans: New research shows that people are more likely to rely on algorithms." ScienceDaily. ScienceDaily, 13 April 2021. www.sciencedaily.com/releases/2021/04/210413114040.htm.

10. Wimmer, Barbara. “Der AMS-Algorithmus Ist Ein „Paradebeispiel Für Diskriminierung“.” Futurezone, 22 Oct. 2018, futurezone.at/netzpolitik/der-ams-algorithmus-ist-ein-paradebeispiel-fuer-diskriminierung/400147421.

By Anmol Irfan

Following the popularity of Lensa AI - the generative AI platform that created portraits for users -  in Pakistan last year, AI and its impact on everyday users suddenly became a common topic. Despite the app being around since 2018, it’s only been with the recent boom of AI-related startups and AI becoming more accessible through platforms like chat GPT that people have begun to explore using these technologies every day - and having fun with them. But while most people pop onto these apps for a little bit of fun - whether that’s getting AI to make them look like their favourite characters or asking Chat GPT funny questions, experts in tech and AI have started to express concerns about the ethics of this growing popularity in AI.

Lensa was one app that started coming under fire - both for its use of artists’ techniques and its racist bias against users of colour. As Mansoor Rahimat Khan, the Founder of Beatoven Ai, points out, these aren’t necessarily concerns for tech companies when they start. “Most of these companies are coming out of the West, and equity is their last priority,” Khan says.

When it comes to our part of the world in particular, these things tend to get more complicated - especially when you add a gendered lens. Tech companies, especially those working with AI, rarely focus on the implications of their tech in the Global South, much less on how vulnerable communities here are impacted by their policies and content. For women in South Asia, privacy issues can be dangerous - and traditions around ‘honour’ and policing of women’s online and offline presence can be a very real threat. So, when there were questions about how the app was storing and using data, women started to worry. But beyond that, what’s equally worrying is the data these apps show us when we use them. As the usage of AI increases, so do the voices of its critics. Women of colour are shown in exoticised and sexualised ways, and even when they aren’t, there’s an obvious element of stereotypical depictions of how South Asian women are perceived in the West. Akanksha Singh, who was drawn to the trend out of curiosity and through some exciting results her friends got, decided not to regenerate her images for this article because of all the privacy issues she learned about between the first time she did this and now. Singh pointed out that race bias was evident in her images.

“What bothered me was that I was being whitewashed in all "contemporary" images. If I included a prompt that suggested I was in an office setting or similar, my skin tone was a few shades lighter. On the other hand, if I included a prompt to wear a sari, I was a deeper shade than my reference images. If I included a background prompt (I recall inputting "in an Indian hill station") -- something I did on Dream Studio, I think -- I got images with a stereotypically crumbly structure in the background. (I was expecting the lush greens of somewhere like Darjeeling rather than a structure.) This is not to say these don't exist -- they do -- but they're not the only representation of what an Indian hill station looks like,” Singh shares. She’s not alone in her experiences. In fact, stereotypical perceptions of South Asian women are being exacerbated quickly as AI images gain a foothold online.

One of the most common pages on X when you search “AI Pakistan” is one dedicated solely to highly sexualised AI-generated pictures of women. One post of Pakistani women shows four images of women dressed in traditional jewellery and clothes, except that their clothing and bodies are portrayed in an overly sexualised way, enhancing their bodies while also bringing attention to their exoticised outfits. Images like this play into Western tropes of South Asian women being exotic sexualised beings. In contrast, the other set of images we see boils South Asian women down to images of rural areas or seemingly “backward” lifestyles.

This post is one example of the way in which South Asian women are perceived. Most obvious is the focus on heavy jewellery and heavy clothes, which are rarely seen in everyday life. The obvious issue is that none of these countries have homogenous populations, so narrowing it down to one woman can also promote stereotypes of how Western audiences see these women.

But looking at a deeper thread of women from different areas in India can also be used as an example of the fact that the previous query itself was limited.

Still, even here, the women all have an unreal feel - maybe because their South Asian appearance seems overdone and doesn’t match realistic standards. The noses look too perfect, and the skin too smooth to be a woman I would meet on the streets.

This is another image that came up when I asked the AI generator to come up with when I put in the prompt Pakistani woman. The first thing that comes to notice is the desert-looking background - playing into tropes of countries like Pakistan being backward, underdeveloped countries where most people don’t have access to technology or any advancements.

This second image is also from the same prompt from a different website - and even here, the emphasis on jewellery and an enhancement of facial features can be seen. What’s also noticeable is the lightening and smoothing of skin tones in most AI-generated pictures.

Journalist Sajeer Shaikh also had a similar experience when generating her own images.

“I didn't like the images. I understand that they're a fantastical depiction of myself, but it seemed like the app zeroed in on insecurities I did not have, taking liberties with "enhancements." She shared. She was expecting otherworldly and warrior-esque images she could have fun with - but she ended up with insecurities she wasn’t expecting.

Of course, it only seems like the AI is making these decisions when all it’s doing is pulling from existing data sets, which means more concern needs to be shown regarding the data available for this tech to use in the first place.

Khan, who works particularly with audio - since his company uses AI to generate music - says these biases aren’t only limited to visuals but also words and audio. “We need to ask ourselves why Chat GPT is in English, why customer support has an American accent,” he says. A UN study also found that having AI assistants have female voices furthers gender biases.

Much of this comes from a lack of other information available. South Asian women are represented so little because they’re only seen within certain realms, making many South Asian women feel lesser when they try to do something outside of that arena.

“When I saw my images, I was overcome by sorrow because I felt a whitewashed extension of myself was depicted. It raised questions about why the software seemed to struggle to depict me as I am, with embellishments that didn't pertain to my skin or eye colour or even weight in some cases. You start questioning things about yourself, wondering, "What if I looked like this," and if that "what if" is a better version of yourself. It's not, of course, but AI protecting these depictions adds to the age-old issue of misrepresentation and perpetuating the idea of one kind of beautiful,” Shaikh says.

Many prominent Pakistani women like RJ Anoushey Ashraf and influencer Karachista also hopped onto the trend. Ashraf’s observations about how she could use the app to enhance her East Asian features - after finding out that her genes have East Asian traces - were both exciting and a bit scary. In a region where women are already objectified, what does it mean when certain features can be changed at will, and how does it impact perceptions South Asian women have of themselves or how others perceive them?

Mahnoor Qureshi, a freelance journalist, turned to AI tools and editors as the next step in editing her pictures. She used Snapchat and its tools frequently, sharing that being a victim of bullying since childhood - whether it was being told she looked bulky or comments on her nose - led her to these editing tools to make her feel better. She’s been using AI Photo Generator for five to six months now, but she noticed that it overdid her pictures and features in about 5-6% of her pictures, making her skin look doll-like and giving her unnaturally perfect teeth. Even though this was only in a small percentage of her pictures, Qureshi notices that “we are moving towards an unreal world, and we won’t accept ourselves and move towards surgeries and botox.”

“I believe the women are mostly insecure due to their skin texture. They want clear and even-toned skin. These images, generated by AI, consist of flawless, clear skin. Also, I have noticed that South Asian women are brown. But they really want to look one or two tones lighter than their original skin tone. The AI-generated images are 2 or 3 tones lighter than the original ones,” Qureshi adds.

In a digital world where the data hardly includes the diversity of South Asians, much less South Asian women - there’s a long way to go in challenging stereotypical data. Khan points out that these issues actually existed long before generative AI became common, and actually, its everyday use has allowed researchers and creators to identify it as a problem.  “If you’re conscious of different regions, the outcome will be more impactful. Currently, there’s no representation of South Asian people or women inside these models - but I’d also like to say this is a very early phase for these technologies, where researchers have also identified these problems - so over a period of time, they do want to make sure these models are as unbiased as possible,” he says.

It’s also equally important to note that even just encompassing the diversity present under the term ‘South Asian women’ in a single article or one person’s approach is almost impossible. So, while the term is used broadly to signal the common problems women face in the region, it can’t begin to justify the experiences of vulnerable women across class, religion and background who have seen a less privileged life. Even when South Asian women are represented, it is often a privileged group - which globally can mean upper caste Hindus, but also depends on the country. In Pakistan, this often means upper-class, elite Muslim women - usually Punjabi.

“ I feel as though "South Asian" encompasses such a diverse group of people of varied races and ethnicities -- it wouldn’t be fair of me to speak on behalf of everyone. However, as someone from a more privileged and more represented (both globally and domestically) South Asian background, if AI image generation is presenting hiccoughs for me, then what is it doing with or to less represented South Asians?” Singh acknowledges this when talking about her thoughts on her AI images and how they made her feel.

She also rightfully points out that these images may be fun for many users, but the implications can be dangerous.

“Limited representation is never ideal. To draw on my point above, I will say that if we're using these same algorithms for things like law enforcement down the line, I worry we're not taking this seriously. This tech isn't all fluff, after all. If you saw that NYT article from a week or so ago -- where a different Black woman (who happened to be pregnant) was falsely accused of a crime due to faulty AI-powered facial recognition -- you know that we're not thinking of the Black Mirror potential this technology has.”

 زنیرہ رفیع

سوشل میڈیا  اور "انفلوئینسرز" نہ صرف ملک میں ڈیجیٹل منظر پر

 غلبہ حاصل کر رہے ہیں بلکہ کمپنیوں اور تنظیموں کے لیے کروڑوں روپے کی آمدنی پیدا کر رہے ہیں، جو اپنی مصنوعات کو فروخت کرنے اور روزمرہ کے صارفین سے منسلک رہنے کے لیے سوشل میڈیا انفلوئنسرز کا سہارا لے رہے ہیں

سوشل میڈیا کا بڑھتا ہوا رجحان نہ صرف روایتی اشتہاری طریقوں جیسے کہ ٹی وی، پرنٹ میڈیا کو پیچھے چھوڑ رہا ہے، بلکہ بہت تیزی سے پوری دنیا سمیت پاکستان میں بھی کاروبار کے مواقعوں کو بڑھا رہا ہے ۔ ڈیجیٹل دنیا کے موجودہ دور نے ہر چیز کو ایک  کلک کے ماتحت کر دیا ہے۔ اور جیسا کہ مستقبل کی قوت خرید نوجوانوں کے پاس ہے، کاروباری افراد اب اس بات سے باخوبی واقف ہیں کہ  انسٹاگرام، فیس بک یا ٹک ٹاک  انفلوئینسرز کے ذریعے ان کے کاروبار کو فروغ ملے گا۔

کرونا وبا کے دوران خواتین انفلوئنسرز نے نہ صرف چھوٹے کاروباروں سے فروخت کے رجحان میں اضافہ کیا ہے بلکہ نئے کاروباری لوگوں کو بھی آن لائن انڈسٹری سے متعارف کروایا ہے-

واضح رہے کہ سوشل میڈیا پاکستانی صارفین پر بہت گہرا اثر ڈال رہا ہے۔ پاکستان کی واحد انفلوئینسر مارکیٹنگ کمپنی ’’ولی‘‘ کی 2021 سے 2022 کی  ریسرچ کے مطابق پاکستان میں ایک ہزار سے زائد مارکیٹنگ مہمات چلائی گئیں جنکا مشترکہ ہدف 500 ملین سے زائد تھا جس سے یہ ثابت ہوتا ہے کہ پاکستان میں سوشل میڈیا کتنا اثرانداز ہورہا ہے-

پاکستان ٹیلی کمیونیکیشن اتھارٹی (پی ٹی اے) کی ایک رپورٹ کے مطابق، پاکستانیوں کے مختلف سوشل میڈیا پلیٹ فارمز پر 217.1 ملین پروفائلز ہیں، جن میں سے 70.1 ملین فعال سوشل میڈیا صارفین ہیں۔

ولی کی رپورٹ کے مطابق پاکستان میں خواتین انفلوئینسرز کی تعداد مردوں کے مقابلے میں زیادہ ہے، کیونکہ سوشل میڈیا پر اثر انداز ہونے والی خواتین برانڈز کے لیے زیادہ پیسہ اورخریدار لاتی ہیں خاص طور پر ان برانڈز کے لیے جو فیشن یا طرزِ زندگی سے متعلق مصنوعات اور خدمات کو  فروخت کرتی ہیں۔  رپورٹ کے مطابق پاکستانی سوشل میڈیا اسٹارز کو بین الاقوامی سطح پر اپنے ہم منصبوں پر برتری حاصل ہے،کیونکہ  وہ نہ صرف کثیر لسانی، متنوع شکل و صورت رکھتے ہیں۔ بلکہ عالمی زبان(انگریزی) میں بات چیت کرنے کے قابل ہیں، جو خاص طور پر پڑوسی مشرق وسطیٰ کے خطے کے حریفوں کے پاس نہیں ہے ۔ اور اگر قومی سطح پر پاکستانی انفلوئینسرز کی حوصلہ افزائی کی جائے، تو پاکستان اپنے سوشل میڈیا انفلوئیسرز کے ذریعے غیر ملکی صارفین کو بھی متوجہ کر سکتا ہے۔ اور پاکستان میں ایک بڑے پیمانے پر زرمبادلہ کے ذخائر لا سکتے ہیں

 ولی کمپنی کی انفلوئینسر پرفارمنس لیڈ قرۃالعین فاطمہ راشد کہتی ہیں کہ ’ پاکستان میں کل کتنے انفلوئینسرز اس وقت موجود ہیں۔ اس کے متعلق صیحیح اعدادوشمار بتانا تھوڑا مشکل ہے۔ مگر کچھ مارکیٹنگ پلیٹ فارمز کے  اشتراک  کے مطابق مختلف اعداد و شمار موجود ہیں اور اس بنیاد پر ہمارا اندازہ ہے کہ اس وقت تقریباً 500,000 سے زیادہ فعال انفلوئینسرز مختلف پلیٹ فارمز پر موجود ہیں۔اور ولی کمپنی سے رجسٹرڈ انفلوئنسرز کی تعداد اس وقت تقریباً 1 لاکھ 58 ہزار ہیں, جہاں تک خواتین انفلوئنسرز کی بات ہے اگر مارکیٹنگ کیمپینز کو دیکھا جائے تو انسٹاگرام اور ٹک ٹاک پر خواتین کی ایک بڑی تعداد نظر ہے. جس سے اس بات کا اندازہ لگایا جا سکتا ہے کہ خواتین کتنا زیادہ مارکیٹنگ میں اپنا کردار ادا کر رہی ہیں، ان کا مزید کہنا تھا کہ کوئ بھی بڑا برانڈ اٹھا کر دیکھ لیں، خواتین ہی نظر آتی ہیں. کیونکہ فیشن انڈسٹری انفلوئنسر مارکیٹنگ پر بہت پیسہ لگا رہی ہے کیونکہ بہت سے انفلوئنسرز کے ملین میں فالورز ہیں اور اس طرح وہ برانڈ 3 گناہ سے بھی زیادہ پیسے کما رہے ہوتے ہیں

ثانیہ سعید فیشن اور لائف اسٹائل بلاگر ہیں جن کے 137 ہزار فالوورز ہیں، انہوں سے خواتین کے اکانومی میں کردار کے حوالے سے بات کرتے ہوئے بتایا کہ خواتین انفلوئنسرز اس وقت ہرچھوٹے اور بڑے برانڈ کے لیے کام کر رہی ہیں اور پچھلے کچھ عرصے میں خواتین انفلوئنسرز کا رجحان کافی زیادہ بڑھ چکا ہے. جو کہ ایک خوش آئند بات ہے، اور اس چیز سے ظاہر ہوتا ہے کہ خواتین انفلوئنسرز اکانومی میں ایک بڑے پیمانے پر اپنا حصہ ڈال رہی ہیں، مرد انفلوئنسرز، خواتین کے مقابلے میں بہت کم ہیں-

ہر انفلوئنسر کسی نہ کسی برانڈ کے ساتھ جڑی ہوئی ہیں. جس کی وجہ سے اس انفلوئنسر کے تمام فالورز تک پراڈکٹ کے بارے میں معلومات جاتی ہے. چھوٹے کاروبار جتنے بھی ہیں زیادہ تر نے سوشل میڈیا انڈسٹری میں خواتین انفلوئنسرز کی بدولت نام کمایا ہے، ایسے بہت سے کاروبار ہیں جنہوں نے زیرو سے شروع کیا تھا اور آج وہ برانڈ بن چکے ہیں اس میں خواتین انفلوئنسرز کا بھی اتنا ہی اہم کردار ہے جتنا ان کی پراڈکٹ کا اچھا معیار ہے-

ایک سوال پر ثانیہ کہتی ہیں لوگ شاید سمجھتے ہوں گےکہ انفلوئنسر ہونا ایک بہت ہی آسان کام ہے جب کہ ایسا نہیں ہے انفلوئنسر کو ہر پراڈکٹ کو مختلف انٹرٹینمںٹ کے ساتھ پیش کرنا پڑتا ہے، انہوں نے اپنی حالیہ سینیٹری پیڈز کی کیمپین کے متعلق بات کرتے ہوئے کہا کہ مجھے ٹک ٹاک پر اس سینیٹیری پیڈ کی آگاہی دینے پر لوگوں نے گالیاں تک دی ہیں، تو انفلوئنسر ہونا اتنا آسان نہیں ہے، کیونکہ یہ سب چیزیں آپ کو دماغی طور پر تنگ کرتی ہیں

ایک اور سوال پر ثانیہ کہتی ہیں آج تک جتنے بھی برانڈز نے خواتین انفلوئنسرز کے سہارے مارکیٹ میں اپنا نام کمایا ہے اور آج انکا کاروبار ایک برانڈ بن چکا ہے تو اکانومی میں ان کا حصہ مانا  جاتا ہے جب کہ اس برانڈ کے ساتھ ساتھ اس کا کریڈٹ اس خاتون انفلوئنسر کو بھی جاتا ہے. اور براہ راست نہ سہی مگر بالواسطہ طور پر اس خاتون کا بھی ہماری معیشت میں اتنا ہی حصہ ہے-

ایمان شاہد عباسی لائف اسٹائل سوشل میڈیا انفلوئنسر ہیں جن کے انسٹاگرام پر 42 ہزار سے زائد فالورز ہیں کہتی ہیں کہ انہوں نے ابھی تک بہت سے چھوٹے کاروبار کی پراڈکٹس کو پروموٹ کیا ہے. کم از کم 35 سے 40 کے درمیان ایسے کاوروبا ہیں جن کے لیے وہ کام کر چکی ہیں جس کے بعد ان کی سیل میں خاطر خواہ اضافہ بھی ہوا. کوشش رہی ہے کہ  چھوٹے اور نئے آنے والے بزنس کمیونٹی کو زیادہ سپورٹ کیا جائے تاکہ وہ ان کا بزنس آگے بڑھ سکے.

'اس سب میں میرے فالورز نے مجھے بہت سپورٹ کیا ہے کیونکہ انہوں نے مجھ پر اعتماد کر کے ان پراڈکٹس کو استعمال کیا اور ہر کاروبار کو آگے بڑھنے میں میری مدد کی ہے'

ایمان کا مزید کہنا تھا کہ کسی بھی انفلوئنسر کے لیے اپنے فالورز کا اعتماد جیتنا اتنا آسان نہیں ہوتا، مگر ایک بار آپ کے فالورز آپ پر یقین کرنا شروع ہوجائیں تو چیزیں آسان ہونے لگتی ہیں، لوگ انفلوئنسرز کی زندگی کو بہت اچھا سمجھتے ہیں کامنٹ باکس میں اتنی گالیاں بھی سننے کو ملتی ہیں مگر بہت سے لوگ آپ کی تعریف بھی کر رہے ہوتے ہیں، اس لیے انفلوئنسر کو ہر طرح کی زبان برداشت کرنی پڑتی ہے اور ہمیشہ لوگوں کو اس پراڈکٹ کی جانب راغب کرنے کے لیے ایک نئی طرح سے مارکیٹ کرنا پرتا ہے، تاکہ لوگ اسے دیکھیں، اور متاثر ہو کر خریدیں.

ایک سوال کے جواب میں ایمان نے بتایا کہ کچھ انفلوئنسرز بھی کہیں جگہ پر صرف پیسے کمانے کے لیے بری پراڈکٹ کو اچھا پیش کرتے ہیں جو کہ ایک نہایت ہی غلط حرکت ہے، 'میں سمجھتی ہوں کہ انفلوئنسر ہونا ایک بہت بڑی زمہ داری ہے جس میں ہر پراڈکٹ کا دیانتداری کے ساتھ ریویو دینا ہر انفلوئنسر کو اپنے پر فرض کر لینا چاہیے اور اس میں کوئ شک نہیں ہے کہ سوشل میڈیا سے شروع ہونے والے بھی بہت کاروبار خواتین انفلوئنسرز کی وجہ سے بہت بڑے پیمانے پرپہنچ چکے ہیں اور تقریباً 70 فی صد کاروبار کو آگے بڑھانے اور ان کی سیل میں اضافہ خواتین انفلوئنسرز کی وجہ سے ہی ہے، خاص طور پر فیشن انڈسٹری سے منسلک جو کاروبار ہیں'

نینا الیاس ایک فوڈ بلاگر ہیں، جن کے تقریباً 38 ہزار سے زائد فالورز ہیں بات کرتے ہوئے نینا نے بتایا کہ انہوں نے بے شمار چھوٹے کاروباروں کی چیزوں کو پروموٹ کیا ہے خاص طور پر ہوم بیسڈ کچن، جو خواتین گھروں سے اپنا کاروبار چلا رہی ہیں کہتی ہیں 2 سال کے بلاگنگ کے سفر  میں انہوں نے جتنے بھی کاروباروں کو پروموٹ کیا ہے ان کی جانب سے نینا کو ہمیشہ مثبت جواب ہی موصول ہوا ہے، آج کل سوشل میڈیا کا دور ہے اور کسی بھی کاروبار کو برانڈ بننے میں سوشل میڈیا کی مدد کی ضرورت ہے، اور سوشل میڈیا پر وہ تب ہی ترقی کر سکتے ہیں جب سوشل میڈیا انفلوئنسرز ان کے پراڈکٹس کو پروموٹ کرتے ہیں یوں ان چھوٹے بزنس کو مزید فروغ ملتا ہے. اس بات میں کوئی شک نہیں ہے کہ دیگر شعبوں کی طرح خواتین انفلوئنسرز ہماری سوشل اکانومی میں بھی مردوں کے شانہ بشانہ کردار ادا کر رہی ہیں

فجز آئس کریم کے مالک وقار احمد کہتے ہیں کہ ان کے کاروبار کو آگے بڑھانے میں کچھ بلاگرز کا بہت اہم کردار ہے- وہ کہتے ہیں کہ جب انہوں نے کاروبار شروع کیا تو ان کے پاس اتنے پیسے نہیں تھے کہ وہ اپنی مشہوری کروا سکیں مگر ایک دوست کے مشورے پر انہوں نے ایک بلاگر کو چند ہزار دے کر اپنی آئس کریم کی مشہورکروائی، جس کے بعد ان کی سیل میں تھوڑا اضافہ ہوا، اور اس کے بعد انہوں نے دو سے تین مختلف خواتین بلاگرز کے ذریعے اپنی سوشل میڈیا تک رسائی کے لیے پروموشن کروائی اور انہوں نے اپنا سوشل میڈیا پر اکاؤنٹ بھی بنوایا جس کی شروعات زیرو سے تھی آج ان کے فالورز میں کافی حد تک اضافہ ہوا ہے-

"سوشل میڈیا انفلوئنسرز کے ذریعے میری آئس کریم کی ویڈیوز تقریباً 82  ہزار لوگوں تک پہنچی ہے، جو کہ مجھ جیسے چھوٹے کاروباری شخص کے لیے ایک بہت بڑی کامیابی ہے. جب لوگ آکر کہتے ہیں کہ ہم نے انسٹاگرام یا فیس بک پر آپ کی آئس کریم دیکھی تھی اور اسی لیے ہم کھانے آئے ہیں تو بہت خوشی ہوتی ہے. ورنہ آج کے دور میں کاروبار کو چلانا کوئی آسان کام نہیں ہے مگر سوشل میڈیا انفلوئنسرز کے باعث ہم چھوٹے کاروبار جن کو کوئی نہیں جانتا، پھر لوگ جاننے لگتے ہیں "

ایک سوال کے جواب میں انہوں نے بتایا کہ ہر چھوٹے سے چھوٹا کاروبار بھی چاہتا ہے کہ خاص طور پر خواتین انفلوئنسرز کے ذریعے اپنی پراڈکت کی پروموشن کروائی جائے تاکہ ان کی سیل میں اضافہ ہو اور ان کا کاروبار ترقی کرے۔

کراچی انسٹیٹیوٹ آف بزنس ایڈمنسٹریشن (آئ بی آے) کے پروفیسر اور اکنامکس ڈیپارٹمنٹ کے چیئرپرسن ڈاکٹر محمد ناصر نے بتایا کہ خواتین انفلوئنسرز کا اکانومی میں کتنا کردار ہے اس کے حوالے سے ابھی تک کوئی ریسرچ اسٹڈی نہیں ہوئی مگر دیکھا جائے تو خواتین انفلوئنسرز مارکیٹنگ میں اہم کردار ادا کر رہی ہیں کسی بھی کمپنی کے لیے اب لازم ہوتا جا رہا ہے کہ وہ اپنی پراڈکٹ کے لیے خواتین انفلوئنسرز کا انتخاب کریں کیونکہ سوشل میڈیا پلیٹ فارمز پر لوگوں کا رجحان بڑھنے لگ گیا ہے. کیونکہ آجکل ہر دوسرا بندہ سوشل میڈیا پر ہے اور یہی وجہ ہے کمپنیوں نے مارکیٹنگ کے روایتی طریقوں کو ترک کرتے ہوئے انفلوئنسرز کے ذریعے پراڈکٹ مارکیٹ کروانا شروع کر دیا ہے اور کمپنیاں انفلوئنسرز کے فالورز کو دیکھ کر ریٹ طے کرتی ہیں جو کہ ٹی وی اور اخبار سے بہت کم ہوتے ہیں. جب انفلوئنسرز پراڈکٹس مارکیٹ کرتے ہیں تو کسی بھی کاروبار کی سیل میں اضافہ ہوتا ہے جس کے بعد ان کی پراڈکٹ کی مینوفیکچرنگ میں بھی اضافہ ہوتا ہے جو روزگار کے نئے مواقع پیدا کرنے کے ساتھ  بھاری بھرکم پیسے بھی کماتے ہیں اور جب ان خواتین انفلوئنسرز کے فالورز مختلف ممالک میں ہوتے ہیں تو پھر کاروبار اپنے دائرے کو بڑھا لیتے ہیں اور یوں ملک میں فارن کرنسی آنا شروع ہوتی ہے، اور نئے آنے والے کاروباری افراد کے لیے یہ ایک اچھی چیز ہے کہ وہ بہت ہی کم پیسوں میں اپنی پراڈکٹ کو مارکیٹ کروانے میں کامیاب ہوتے ہیں-

اور جب انفلوئنسرز کے سوشل میڈیا پلیٹ فارمز مونوٹائز ہوں تو ان کو ڈالر کے حساب سے پیسے مل رہے ہوتے ہیں. جس کی وجہ سے ملک میں زرمبادلہ آتا ہے جو کہ ہماری معیشت کی بہتری  کے لیے بہت ضروری ہے-

"میں یہاں ایک چیز شامل کرنا چاہوں گا کہ ہر آن لائن کاروبار کے لیے ضروری ہے کہ وہ اپنی پراڈکٹ کے معیار کو اچھے سے اچھا بنائے تاکہ اس کا کاروبار آگے بڑھے جس سے اس اور ملک کی معیشت کو فائدہ ہو"

پروفیسر ڈاکٹر محمد ناصر کہتے ہیں کہ پاکستان میں ای کامرس کا رجحان بڑھتا جا رہا ہے۔ 2023 میں 6 بلین ڈالر محصول کی امید کی جا رہی ہے۔ اور اس میں ہر سال 6 فی صد کا اضافہ ہو رہا ہے۔ اور اس محصول میں سوشل میڈیا انفلوئنسرز کی محنت بھی شامل ہے-

سوشل میڈیا صارف عائشہ کہتی ہیں کہ سوشل میڈیا کی وجہ کوئی بھی پراڈکٹ خریدنا نہایت آسان ہو چکا ہے، وہ سوشل میڈیا پر بہت سی خواتین انفلوئنسرز کو فالو کرتی ہیں، کہتی ہیں کہ پہلے کوئی بھی چیز خریدنے سے پہلے بہت مشکل ہوتی تھی کہ پتہ نہیں کیسی ہوگی، مگر اب کوئی بھی پراڈکٹ لینے سے پہلے وہ ہمیشہ کچھ خاص انفلوئنسرز کی ویڈیوز دیکھ لیتی ہیں جن سے اس پراڈکٹ کے متعلق اتنی معلومات مل جاتی ہے کہ اس کو خریدنے یا نہ خریدنے کا فیصلہ کرنا نہایت آسان ہوجاتا ہے. ایک سے دو بار ہی ایسا ہوا ہے کہ کسی انفلوئنسر کے کسی پراڈکٹ کی حمایت پر وہ پراڈکٹ خریدا ہو اور وہ ٹھیک نہیں تھا، مگر اچھی اور بڑی انفلوئنسرز اپنی شہرت پر آنچ نہیں آنے دیتیں اس لیے وہ اپنے فالورز کے لیے ہمیشہ پراڈکٹ کا ایمانداری سے ریویو دیتی ہیں.

سویرا ارشد سوشل میڈیا کی ایک فعال یوزر ہیں جو اپنی اور اپنے بچوں کی 80 فی صد شاپنگ آن لائن کرتی ہیں،کہتی ہیں کہ کرونا وبا کے دوران جب سب بند ہوگیا اور عید الفطر کے دن قریب تھے تو اس وقت روزہ رکھ کر مارکیٹ جانا بہت مشکل تھا اور بچے بھی چھوٹے تھے اس لیے سمجھ نہیں آرہا تھا کہ کیسے عید کی شاپنگ کی جائے، کرونا وبا سے پہلے وہ سوشل میڈیا پلیٹ فارمز کچھ خاص استعمال نہیں کرتی تھیں. مگر وبا کے دوران جب سب بند تھا اور کچھ کرنے کے لیے بھی نہیں ہوتا تھا تو ان کا رجحان سوشل میڈیا کی جانب بڑھا تھا. کہتی ہیں اسی دوران انہوں نے سوچا کہ کیوں نہ عید کی شاپنگ آن لائن کر لی جائے، وہ کہتی ہیں کہ انہوں نے اپنے اور اپنے بچوں کے لیے کچھ آن لائن چیزیں منگوائیں، مگر پارسل کے ملنے کے بعد جب انہوں نے کھول کر دیکھا تو جس آن لائن سٹور سے انہوں نے خود کے لیے کپڑے منگوائے تھے ان کپڑوں کی کوالٹی بالکل بھی اچھی نہیں تھی جب کہ سوٹ کی قیمت اچھی خاصی تھیں۔

"میرا دل بہت خفا ہوگیا اور میں نے سوچ لیا تھا کہ آئندہ کبھی بھی آن لائن کچھ نہیں منگوانا، لیکن کچھ دن کے بعد اچانک ایک انفلوئنسر کی ویڈیو میرے سامنے آئی جس میں وہ اسی آن لائن سٹور کا ریویو دے رہی تھیں جن سے میں نے سوٹ منگوایا تھا اور وہ انفلوئنسر یہ کہہ رہی تھی کہ ان کے کپڑے کی کوالٹی انہیں اچھی نہیں لگی اس لیے اس سٹور سے کپڑے منگوانے سے پہلے کوالٹی کے بارے میں اچھی طرح معلومات لے لی جائے، جسکے بعد میرا اس انفلوئنسر پر یقین قائم ہوا، اسی طرح 4 سے 5 ایسی انفلوئنسرز ہیں جن کے ریویو پر میں آنکھیں بند کر کے یقین کرتی ہوں کیونکہ وہ ہمیشہ ایمانداری کے ساتھ ہر چیز کو بہت تفصیلاً بیان کرتی ہیں، اور اس میں بھی کوئی شک نہیں کچھ انفلوئنسرز صرف پیسے کی خاطر بری چیز کو بھی اتنا اچھا پیش کرتی ہیں کہ دیکھنے والا فوراً لینے پر مجبور ہوجائے جب کہ اس چیز کا معیار اتنا اچھا نہیں ہوتا"

اس تمام معلومات سے اس بات کا واضح طور پر اندازہ لگایا جا سکتا ہے کہ خواتین انفلوئنسرز پاکستان کی ڈیجیٹل اکانومی میں سر فہرست ہیں۔ یہ خود تو مونوٹائزیشن جیسے آپشنز سے پاکستان میں ڈیجیٹل زرمبادلہ لانے میں اہم کردار ادا کر رہی ہیں مگر ساتھ ہی ساتھ ملک کے چھوٹے صنعتی کاروبار کو نہ صرف پاکستان میں بلکہ عالمی سطح پر بھی متعارف کرواتی ہیں۔ جس سے پاکستان میں کاروبار کے مواقع بڑھ رہے ہیں اور ملک میں غیر ملکی زرمبادلہ بھی آرہا ہے۔

مگر یہاں پر ان خواتین کی آن لائن سیفٹی کے لیے کچھ ایسی پالیسیاں بنانے کی بھی ضرورت ہے جو ان کو تحفظ فراہم کر سکیں۔ تاکہ ملک میں دیجیٹل اکانومی کے مواقعوں کو بہتر طریقے سے استعمال کیا جا سکے