ডেটা সায়েন্স কি এআই দ্বারা প্রতিস্থাপিত হবে?

ঠিক আছে, টেবিলে কার্ড - এই প্রশ্নটি সর্বত্রই আসে। টেক মিটআপে, কর্মক্ষেত্রে কফি ব্রেক, এবং হ্যাঁ, এমনকি সেই দীর্ঘ-ঘন লিঙ্কডইন থ্রেডগুলিতেও কেউ পড়ার কথা স্বীকার করে না। উদ্বেগটি বেশ স্পষ্ট: যদি AI এত অটোমেশন পরিচালনা করতে পারে, তাহলে কি ডেটা সায়েন্সকে একরকম ... নিষ্পত্তিযোগ্য করে তোলে? দ্রুত উত্তর: না। দীর্ঘ উত্তর? এটি জটিল, অগোছালো এবং স্পষ্ট "হ্যাঁ" বা "না" এর চেয়ে অনেক বেশি আকর্ষণীয়।

এর পরে আপনি যে প্রবন্ধগুলি পড়তে পছন্দ করতে পারেন:

🔗 তথ্য বিজ্ঞান এবং কৃত্রিম বুদ্ধিমত্তা: উদ্ভাবনের ভবিষ্যৎ
আগামীকালের উদ্ভাবনী ভূদৃশ্যকে কীভাবে কৃত্রিম বুদ্ধিমত্তা এবং ডেটা বিজ্ঞান রূপ দেবে তা অন্বেষণ করা।.

🔗 এআই কি ডেটা বিশ্লেষকদের স্থান নেবে: আসল কথা
ডেটা বিশ্লেষকের ভূমিকা এবং শিল্পের চাহিদার উপর AI-এর প্রভাব বোঝা।.

🔗 AI টুলের জন্য ডেটা ম্যানেজমেন্ট যা আপনার দেখা উচিত
এআই টুলের সম্ভাবনা সর্বাধিক করার জন্য মূল ডেটা ম্যানেজমেন্ট অনুশীলন।.

আসলে কী ডেটা সায়েন্সকে মূল্যবান করে তোলে 🎯

ব্যাপারটা হলো - ডেটা সায়েন্স শুধু গণিত আর মডেলের সমষ্টি নয়। পরিসংখ্যানগত নির্ভুলতা, ব্যবসায়িক প্রেক্ষাপট এবং সৃজনশীল সমস্যা সমাধানের এক। এআই চোখের পলকে দশ হাজার সম্ভাব্যতা গণনা করতে পারে, তা ঠিক। কিন্তু এটি কি নির্ধারণ করতে পারে কোন সমস্যাটি গুরুত্বপূর্ণ? অথবা সেই সমস্যাটি কীভাবে কৌশল এবং গ্রাহকের আচরণের সাথে সম্পর্কিত, তা ব্যাখ্যা করতে পারে? এখানেই মানুষের ভূমিকা শুরু হয়।

মূলতঃ, ডেটা সায়েন্স অনেকটা অনুবাদকের মতো। এটি অগোছালো স্প্রেডশিট, লগ, অর্থহীন সমীক্ষার মতো কাঁচা ডেটাকে এমন সিদ্ধান্তে পরিণত করে যার উপর সাধারণ মানুষ বাস্তবে কাজ করতে পারে। এই অনুবাদের স্তরটি সরিয়ে ফেললে, AI প্রায়শই আত্মবিশ্বাসী অর্থহীন কথা বলে। HBR বছরের পর বছর ধরে বলে আসছে: এর গোপন রহস্য নির্ভুলতার মেট্রিক্সে নয়, বরং প্ররোচনা এবং প্রেক্ষাপট [2]।

বাস্তবতা যাচাই: গবেষণা থেকে জানা যায় যে, AI একটি চাকরির মধ্যে প্রচুর কাজ স্বয়ংক্রিয় করতে পারে - কখনও কখনও অর্ধেকেরও বেশি। কিন্তু কাজের পরিধি নির্ধারণ করা, বিচার-বিবেচনা করে সিদ্ধান্ত নেওয়া, এবং "একটি সংস্থা" নামক জটিল বিষয়ের সাথে সামঞ্জস্য বিধান করা? এখনও অনেকটাই মানুষের এলাকা [1]।

দ্রুত তুলনা: ডেটা সায়েন্স বনাম এআই

এই টেবিলটি নিখুঁত নয়, তবে এটি তাদের বিভিন্ন ভূমিকা তুলে ধরে:

"পূর্ণ প্রতিস্থাপন" এর মিথ 🚫

এআই ডেটা সংক্রান্ত সমস্ত কাজ গ্রাস করে নিচ্ছে—এই কল্পনা শুনতে বেশ আকর্ষণীয় মনে হলেও, এটি একটি ভুল ধারণার উপর নির্মিত—যে ডেটা সায়েন্সের সম্পূর্ণ মূল্যই প্রযুক্তিগত। প্রকৃতপক্ষে, এর বেশিরভাগই ব্যাখ্যামূলক, রাজনৈতিক এবং যোগাযোগমূলক।

• কোনও নির্বাহী বলেন না, "দয়া করে আমাকে ৯৪% নির্ভুলতার একটি মডেল দিন।"

• তারা বলে, "আমাদের কি এই নতুন বাজারে সম্প্রসারণ করা উচিত, হ্যাঁ নাকি না?"

AI একটি পূর্বাভাস তৈরি করতে পারে। এটি যা বিবেচনা করবে না: নিয়ন্ত্রক জটিলতা, সাংস্কৃতিক সূক্ষ্মতা, বা সিইও-এর ঝুঁকি গ্রহণের ক্ষমতা। বিশ্লেষণকে কাজে পরিণত করা এখনও একটি মানবিক খেলা, যা আপস এবং প্ররোচনায় পূর্ণ [2]।

যেখানে AI ইতিমধ্যেই সবকিছু নাড়া দিচ্ছে 💥

আসুন সৎ হই - ডেটা সায়েন্সের কিছু অংশ ইতিমধ্যেই AI দ্বারা জীবন্তভাবে গ্রাস করা হচ্ছে:

• ডেটা পরিষ্করণ ও প্রস্তুতি → স্বয়ংক্রিয় যাচাইকরণ মানুষের এক্সেলের ক্লান্তিকর কাজের চেয়ে দ্রুত অনুপস্থিত মান, অসঙ্গতি এবং বিচ্যুতি শনাক্ত করে।

• মডেল নির্বাচন ও টিউনিং → AutoML অ্যালগরিদম পছন্দ সীমিত করে এবং হাইপারপ্যারামিটারগুলি পরিচালনা করে, সপ্তাহের পর সপ্তাহ ধরে খুঁটিনাটি কাজ করার ঝামেলা বাঁচায় [5]।

• ভিজ্যুয়ালাইজেশন ও রিপোর্টিং → টুলগুলো এখন একটিমাত্র প্রম্পট থেকেই ড্যাশবোর্ড বা টেক্সট সামারি তৈরি করতে পারে।

কে এটা সবচেয়ে বেশি অনুভব করে? যাদের কাজ বারবার চার্ট তৈরি বা মৌলিক মডেলিং-এর উপর নির্ভর করে। এর থেকে উত্তরণের উপায় কী? মূল্য শৃঙ্খলে আরও উপরে যান: আরও তীক্ষ্ণ প্রশ্ন জিজ্ঞাসা করুন, স্পষ্ট গল্প বলুন এবং আরও ভাল সুপারিশ তৈরি করুন।

একটি সংক্ষিপ্ত উদাহরণ: একজন খুচরা বিক্রেতা গ্রাহক হারানোর হার (churn) পরিমাপের জন্য অটোএমএল (AutoML) পরীক্ষা করে। এটি একটি শক্তিশালী বেসলাইন মডেল তৈরি করে দেয়। কিন্তু আসল সাফল্য আসে যখন ডেটা সায়েন্টিস্ট কাজটি নতুনভাবে উপস্থাপন করেন: “কারা গ্রাহক হারাবে?”-এর পরিবর্তে প্রশ্নটি হয়ে দাঁড়ায়, “কোন পদক্ষেপগুলো আসলে প্রতিটি সেগমেন্টের জন্য নিট মার্জিন বাড়ায়?” এই পরিবর্তন—এবং সেই সাথে সীমাবদ্ধতা নির্ধারণের জন্য অর্থ বিভাগের সাথে অংশীদারিত্ব—মূল্য তৈরি করে। অটোমেশন কাজকে দ্রুততর করে, কিন্তু উপস্থাপনার ফলাফলকে সম্ভব করে তোলে।

ডেটা বিজ্ঞানীদের ভূমিকা বিকশিত হচ্ছে 🔄

কাজটি ম্লান হওয়ার পরিবর্তে নতুন আকার ধারণ করছে:

1. এআই অনুবাদক - যারা ডলার এবং ব্র্যান্ড ঝুঁকির কথা চিন্তা করেন তাদের জন্য প্রযুক্তিগত ফলাফলগুলি হজমযোগ্য করে তোলা।

2. শাসন ​​ও নৈতিকতা নেতৃত্ব মতো মানদণ্ডের সাথে সামঞ্জস্যপূর্ণ পক্ষপাত পরীক্ষা, পর্যবেক্ষণ এবং নিয়ন্ত্রণ ব্যবস্থা স্থাপন করা NIST-এর AI RMF [3]

3. পণ্য কৌশলবিদ - গ্রাহক অভিজ্ঞতা এবং পণ্য রোডম্যাপে ডেটা এবং এআই বুনন।

পরিহাসের বিষয় হলো, কৃত্রিম বুদ্ধিমত্তা যখন আরও বেশি প্রযুক্তিগত কঠিন কাজগুলো নিজের হাতে তুলে নিচ্ছে, তখন মানবিক দক্ষতাগুলোই এমন অংশে পরিণত হচ্ছে যা সহজে প্রতিস্থাপন করা যায় না।

বিশেষজ্ঞ এবং তথ্য কী বলছেন 🗣️

• অটোমেশন বাস্তব, কিন্তু আংশিক: বর্তমান AI অনেক কাজের মধ্যে অনেক কাজ স্বয়ংক্রিয় করতে পারে, কিন্তু এটি সাধারণত মানুষকে উচ্চ-মূল্যের কাজের দিকে ঝুঁকতে মুক্ত করে [1]।

• সিদ্ধান্ত গ্রহণে মানুষের প্রয়োজন: HBR উল্লেখ করেছে যে সংস্থাগুলি কেবল সংখ্যার কারণে চলে না - তারা গল্প এবং আখ্যানের মাধ্যমে চলে যা নেতাদের কাজ করতে উদ্বুদ্ধ করে [2]।

• চাকরির উপর প্রভাব ≠ গণছাঁটাই: WEF-এর তথ্য অনুযায়ী, কোম্পানিগুলো আশা করছে যে AI ভূমিকার পরিবর্তন ঘটাবে এবং যেসব কাজ স্বয়ংক্রিয়ভাবে করা সম্ভব সেখানে কর্মী ছাঁটাই করবে, কিন্তু তারা পুনঃদক্ষতা অর্জনের উপরও জোর দিচ্ছে [4]। এই ধারাটি প্রতিস্থাপনের চেয়ে পুনর্গঠনের মতোই বেশি দেখাচ্ছে।

কেন ভয় থাকে 😟

গণমাধ্যমের শিরোনামগুলো সর্বনাশের আশঙ্কায় চলে। “এআই চাকরি কেড়ে নিচ্ছে!” —এই খবরটি বেশ জনপ্রিয়। কিন্তু গুরুত্বপূর্ণ গবেষণাগুলো ধারাবাহিকভাবে এর সূক্ষ্ম পার্থক্য তুলে ধরেছে: কাজের স্বয়ংক্রিয়করণ, কর্মপ্রবাহের পুনর্গঠন, এবং নতুন পদের সৃষ্টি জানতে বীজগণিত বোঝা এখনও প্রয়োজন কখন ক্যালকুলেটর ব্যবহার করতে হবে তা

প্রাসঙ্গিক থাকা: একটি ব্যবহারিক খেলার বই 🧰

• সিদ্ধান্ত নিয়ে শুরু করুন। ব্যবসায়িক প্রশ্ন এবং ভুলের মূল্যের উপর আপনার কাজকে নির্ভর করুন।

• এআই খসড়া তৈরি করতে দিন, আপনি পরিমার্জন করুন। এর ফলাফলগুলিকে শুরুর বিন্দু হিসাবে বিবেচনা করুন - আপনি বিচার এবং প্রেক্ষাপট নিয়ে আসবেন।

• আপনার কার্যপ্রবাহে শাসনব্যবস্থা অন্তর্ভুক্ত করুন। NIST-এর [3] মতো কাঠামোর সাথে সংযুক্ত হালকা পক্ষপাত পরীক্ষা, পর্যবেক্ষণ এবং ডকুমেন্টেশন।

• কৌশল ও যোগাযোগের দিকে মনোযোগ দিন। আপনি যত কম বোতাম চাপার কাজে যুক্ত থাকবেন, স্বয়ংক্রিয় ব্যবস্থার মাধ্যমে আপনাকে সরিয়ে দেওয়া তত কঠিন হবে।

• তোমার অটোএমএল সম্পর্কে জান। একজন মেধাবী কিন্তু বেপরোয়া ইন্টার্নের মতো ভাবো: দ্রুত, অক্লান্ত, কখনও কখনও ভীষণ ভুল। তুমিই রেলিং জোগাও [5]।

তাহলে... কি AI ডেটা সায়েন্সের স্থান নেবে? ✅❌

সোজাসাপ্টা উত্তর হলো: না, তবে এটি একে নতুন রূপ দেবেনতুন করে লিখছে কাজের পদ্ধতিকে প্রয়োজনীয়তা মানুষের ব্যাখ্যা, সৃজনশীলতা এবং বিচার-বিবেচনার। বরং, ভালো ডেটা সায়েন্টিস্টরা আরও বেশি ক্রমবর্ধমান জটিল আউটপুটের ব্যাখ্যাকারী হিসেবে

মূল কথা: AI কাজগুলিকে প্রতিস্থাপন করে, পেশাকে নয় [1][2][4]।

তথ্যসূত্র

[1] ম্যাককিনজি অ্যান্ড কোম্পানি - জেনারেটিভ এআই-এর অর্থনৈতিক সম্ভাবনা: উৎপাদনশীলতার পরবর্তী দিগন্ত (জুন ২০২৩)।
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier

[2] হার্ভার্ড বিজনেস রিভিউ - ডেটা সায়েন্স এবং প্ররোচনার শিল্প (স্কট বেরিনাটো, জানুয়ারি-ফেব্রুয়ারি ২০১৯)।
https://hbr.org/2019/01/data-science-and-the-art-of-persuasion

[3] NIST - কৃত্রিম বুদ্ধিমত্তা ঝুঁকি ব্যবস্থাপনা কাঠামো (AI RMF 1.0) (2023)।
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf

[4] বিশ্ব অর্থনৈতিক ফোরাম - এআই কি প্রাথমিক স্তরের চাকরির সুযোগ বন্ধ করে দিচ্ছে? (৩০ এপ্রিল, ২০২৫) - ফিউচার অফ জবস ২০২৫।
https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/

[5] তিনি, এক্স. প্রমুখ - অটোএমএল: অত্যাধুনিক প্রযুক্তির একটি সমীক্ষা (arXiv, 2019)।
https://arxiv.org/abs/1908.00709

অফিসিয়াল এআই অ্যাসিস্ট্যান্ট স্টোরে সর্বশেষ এআই খুঁজুন

আমাদের সম্পর্কে