মানুষের হস্তক্ষেপ ছাড়া জেনারেটিভ এআই কী কী করতে পারে?

নির্বাহী সারসংক্ষেপ

জেনারেটিভ আর্টিফিশিয়াল ইন্টেলিজেন্স (এআই) – যে প্রযুক্তি যন্ত্রকে টেক্সট, ছবি, কোড এবং আরও অনেক কিছু তৈরি করতে সক্ষম করে – সাম্প্রতিক বছরগুলোতে অভাবনীয় প্রবৃদ্ধি লাভ করেছে। এই শ্বেতপত্রটি একটি সহজবোধ্য সংক্ষিপ্ত বিবরণ প্রদান করে যে, জেনারেটিভ এআই নির্ভরযোগ্যভাবে করতে পারে এবং আগামী দশকে এটি কী করতে পারবে বলে আশা করা হচ্ছে। আমরা লেখালেখি, শিল্পকলা, কোডিং, গ্রাহক পরিষেবা, স্বাস্থ্যসেবা, শিক্ষা, লজিস্টিকস এবং অর্থায়নের মতো বিভিন্ন ক্ষেত্রে এর ব্যবহার পর্যালোচনা করেছি, যেখানে এআই স্বায়ত্তশাসিতভাবে কাজ করে এবং যেখানে মানুষের তত্ত্বাবধান অপরিহার্য। এর সাফল্য এবং সীমাবদ্ধতা উভয়ই তুলে ধরতে বাস্তব-জগতের উদাহরণ অন্তর্ভুক্ত করা হয়েছে। মূল পর্যবেক্ষণগুলোর মধ্যে রয়েছে:

• ব্যাপক ব্যবহার: ২০২৪ সালে, জরিপকৃত সংস্থাগুলোর ৬৫% নিয়মিতভাবে জেনারেটিভ এআই ব্যবহার করার কথা জানিয়েছে – যা আগের বছরের তুলনায় প্রায় দ্বিগুণ ( দ্য স্টেট অফ এআই ইন আর্লি ২০২৪ | ম্যাককিনজি )। এর প্রয়োগক্ষেত্রগুলোর মধ্যে রয়েছে মার্কেটিং কনটেন্ট তৈরি, কাস্টমার সাপোর্ট চ্যাটবট, কোড জেনারেশন এবং আরও অনেক কিছু।

• বর্তমান স্বায়ত্তশাসিত সক্ষমতা: আজকের জেনারেটিভ এআই ন্যূনতম তত্ত্বাবধানে কাঠামোগত, পুনরাবৃত্তিমূলক কাজগুলো ফিলানা প্যাটারসন – ওএনএ কমিউনিটি প্রোফাইল ), ই-কমার্স সাইটে পণ্যের বিবরণ এবং পর্যালোচনার হাইলাইট তৈরি করা, এবং স্বয়ংক্রিয়ভাবে কোড সম্পূর্ণ করা। এই ক্ষেত্রগুলোতে, এআই প্রায়শই গতানুগতিক বিষয়বস্তু তৈরির দায়িত্ব নিয়ে মানব কর্মীদের সহায়তা করে।

• জটিল কাজের জন্য মানুষের সম্পৃক্ততা: আরও জটিল বা উন্মুক্ত কাজের ক্ষেত্রে – যেমন সৃজনশীল লেখা, বিশদ বিশ্লেষণ, বা চিকিৎসা সংক্রান্ত পরামর্শ – তথ্যের নির্ভুলতা, নৈতিক বিচার এবং গুণমান নিশ্চিত করার জন্য সাধারণত মানুষের তত্ত্বাবধানের প্রয়োজন হয়। বর্তমানে অনেক এআই প্রয়োগে একটি “মানুষের সম্পৃক্ততা” মডেল ব্যবহার করা হয়, যেখানে এআই বিষয়বস্তুর খসড়া তৈরি করে এবং মানুষ তা পর্যালোচনা করে।

• নিকট-ভবিষ্যতের উন্নতি: আগামী ৫-১০ বছরের মধ্যে, জেনারেটিভ এআই আরও অনেক বেশি নির্ভরযোগ্য এবং স্বয়ংক্রিয় । মডেলের নির্ভুলতা এবং সুরক্ষা ব্যবস্থার উন্নতির ফলে এআই ন্যূনতম মানবিক হস্তক্ষেপেই সৃজনশীল এবং সিদ্ধান্ত গ্রহণের কাজগুলোর একটি বড় অংশ সামলাতে পারবে। উদাহরণস্বরূপ, বিশেষজ্ঞরা ভবিষ্যদ্বাণী করেছেন যে ২০৩০ সালের মধ্যে এআই রিয়েল-টাইমে গ্রাহক পরিষেবার বেশিরভাগ আলাপচারিতা এবং সিদ্ধান্ত পরিচালনা করবে ( CX-এর দিকে পরিবর্তনকে নতুনভাবে কল্পনা করতে, বিপণনকারীদের অবশ্যই এই দুটি কাজ করতে হবে ), এবং একটি বড় চলচ্চিত্র ৯০% এআই-নির্মিত বিষয়বস্তু দিয়ে তৈরি হতে পারে ( শিল্প এবং উদ্যোগের জন্য জেনারেটিভ এআই-এর ব্যবহারের ক্ষেত্র )।

• ২০৩৫ সালের মধ্যে: আমরা আশা করি, এক দশকের মধ্যে স্বয়ংক্রিয় এআই এজেন্ট সাধারণ বিষয় হয়ে উঠবে। এআই টিউটররা বৃহৎ পরিসরে ব্যক্তিগতকৃত শিক্ষা প্রদান করতে পারবে, এআই সহকারীরা বিশেষজ্ঞের অনুমোদনের জন্য নির্ভরযোগ্যভাবে আইনি চুক্তি বা চিকিৎসা প্রতিবেদন তৈরি করতে পারবে, এবং স্বচালিত সিস্টেম (জেনারেটিভ সিমুলেশনের সাহায্যে) শুরু থেকে শেষ পর্যন্ত লজিস্টিকস কার্যক্রম পরিচালনা করতে পারবে। তবে, কিছু সংবেদনশীল ক্ষেত্রে (যেমন উচ্চ-ঝুঁকিপূর্ণ চিকিৎসাগত রোগ নির্ণয়, চূড়ান্ত আইনি সিদ্ধান্ত) নিরাপত্তা এবং জবাবদিহিতার জন্য সম্ভবত তখনও মানবিক বিচার-বিবেচনার প্রয়োজন হবে।

• নৈতিক ও নির্ভরযোগ্যতা সংক্রান্ত উদ্বেগ: এআই-এর স্বায়ত্তশাসন বাড়ার সাথে সাথে উদ্বেগও বাড়ছে। আজকের সমস্যাগুলোর মধ্যে রয়েছে বিভ্রম (এআই কর্তৃক মনগড়া তথ্য তৈরি করা), উৎপাদিত বিষয়বস্তুতে পক্ষপাতিত্ব, স্বচ্ছতার অভাব এবং অপতথ্য ছড়ানোর জন্য এর সম্ভাব্য অপব্যবহার। তত্ত্বাবধান ছাড়া কাজ করার সময় এআই-কে বিশ্বাসযোগ্য অত্যন্ত গুরুত্বপূর্ণ। এক্ষেত্রে অগ্রগতি হচ্ছে – উদাহরণস্বরূপ, সংস্থাগুলো ঝুঁকি প্রশমনে (যেমন নির্ভুলতা, সাইবার নিরাপত্তা, মেধাস্বত্ব সংক্রান্ত সমস্যা) আরও বেশি বিনিয়োগ করছে ( দ্য স্টেট অফ এআই: গ্লোবাল সার্ভে | ম্যাককিনজি ) – কিন্তু একটি শক্তিশালী শাসনব্যবস্থা এবং নৈতিক কাঠামোর প্রয়োজন রয়েছে।

• এই গবেষণাপত্রের কাঠামো: আমরা জেনারেটিভ এআই-এর একটি ভূমিকা এবং স্বয়ংক্রিয় বনাম তত্ত্বাবধানাধীন ব্যবহারের ধারণা দিয়ে শুরু করব। এরপর, প্রতিটি প্রধান ক্ষেত্রের (লেখালেখি, শিল্পকলা, কোডিং, ইত্যাদি) জন্য আমরা আলোচনা করব যে, এআই বর্তমানে নির্ভরযোগ্যভাবে কী করতে পারে এবং ভবিষ্যতে কী করার সম্ভাবনা রয়েছে। পরিশেষে, আমরা বিভিন্ন ক্ষেত্রের চ্যালেঞ্জ, ভবিষ্যৎ পূর্বাভাস এবং দায়িত্বশীলভাবে জেনারেটিভ এআই ব্যবহারের জন্য কিছু সুপারিশ তুলে ধরেছি।

সার্বিকভাবে, জেনারেটিভ এআই ইতোমধ্যেই মানুষের নিরন্তর নির্দেশনা ছাড়াই বিস্ময়কর রকমের বিভিন্ন কাজ সামলাতে সক্ষম বলে প্রমাণিত হয়েছে। এর বর্তমান সীমাবদ্ধতা ও ভবিষ্যৎ সম্ভাবনা অনুধাবন করার মাধ্যমে প্রতিষ্ঠান ও জনসাধারণ এমন একটি যুগের জন্য আরও ভালোভাবে প্রস্তুত হতে পারে, যেখানে এআই শুধু একটি যন্ত্র নয়, বরং কাজ ও সৃজনশীলতার ক্ষেত্রে এক স্বায়ত্তশাসিত সহযোগী হবে।.

ভূমিকা

বিশ্লেষণ করতে পারলেও , সম্প্রতি এআই সিস্টেমগুলো সৃষ্টি – যেমন গদ্য লেখা, ছবি তৈরি করা, সফটওয়্যার প্রোগ্রামিং এবং আরও অনেক কিছু। এই জেনারেটিভ এআই মডেলগুলোকে (যেমন টেক্সটের জন্য GPT-4 বা ছবির জন্য DALL·E) বিশাল ডেটাসেটের ওপর প্রশিক্ষণ দেওয়া হয়, যাতে তারা নির্দেশনার জবাবে নতুন ধরনের কন্টেন্ট তৈরি করতে পারে। এই যুগান্তকারী আবিষ্কার বিভিন্ন শিল্পে উদ্ভাবনের এক নতুন ঢেউ নিয়ে এসেছে। তবে, একটি গুরুত্বপূর্ণ প্রশ্ন ওঠে: মানুষের যাচাই-বাছাই ছাড়া, এআই নিজে থেকে ঠিক কী করতে পারে, তার ওপর আমরা আসলে কতটা বিশ্বাস রাখতে পারি?

তত্ত্বাবধানাধীন এবং স্বায়ত্তশাসিত ব্যবহারের মধ্যে পার্থক্য করা জরুরি

• মানব-তত্ত্বাবধানে পরিচালিত এআই বলতে এমন পরিস্থিতিকে বোঝায় যেখানে এআই-এর তৈরি করা ফলাফল চূড়ান্ত করার আগে মানুষ দ্বারা পর্যালোচনা বা পরিমার্জন করা হয়। উদাহরণস্বরূপ, একজন সাংবাদিক একটি প্রবন্ধের খসড়া তৈরির জন্য এআই রাইটিং অ্যাসিস্ট্যান্ট ব্যবহার করতে পারেন, কিন্তু একজন সম্পাদক সেটি সম্পাদনা ও অনুমোদন করেন।

• স্বয়ংক্রিয় এআই (মানুষের হস্তক্ষেপ ছাড়া এআই) বলতে এমন এআই সিস্টেমকে বোঝায় যা খুব কম বা কোনো মানবিক সম্পাদনা ছাড়াই কাজ সম্পাদন করে বা বিষয়বস্তু তৈরি করে যা সরাসরি ব্যবহৃত হয়। এর একটি উদাহরণ হলো, কোনো মানুষের সাহায্য ছাড়াই গ্রাহকের প্রশ্নের সমাধানকারী একটি স্বয়ংক্রিয় চ্যাটবট, অথবা কোনো সংবাদ সংস্থা কর্তৃক এআই-নির্মিত খেলার স্কোরের সারসংক্ষেপ স্বয়ংক্রিয়ভাবে প্রকাশ করা।

জেনারেটিভ এআই ইতোমধ্যেই উভয় মোডেই ব্যবহৃত হচ্ছে। ২০২৩-২০২৫ সালে এর ব্যবহার আকাশচুম্বী হয়েছে এবং সংস্থাগুলো আগ্রহের সাথে এটি নিয়ে পরীক্ষা-নিরীক্ষা করছে। ২০২৪ সালের একটি বিশ্বব্যাপী সমীক্ষায় দেখা গেছে, ৬৫% কোম্পানি নিয়মিতভাবে জেনারেটিভ এআই ব্যবহার করছে, যা মাত্র এক বছর আগে ছিল প্রায় এক-তৃতীয়াংশ ( The state of AI in early 2024 | McKinsey )। ব্যক্তিরাও ChatGPT-এর মতো টুল গ্রহণ করেছে – ২০২৩ সালের মাঝামাঝি নাগাদ আনুমানিক ৭৯% পেশাজীবীর জেনারেটিভ এআই-এর সাথে অন্তত কিছুটা পরিচিতি ছিল ( The state of AI in 2023: Generative AI's breakout year | McKinsey )। দক্ষতা এবং সৃজনশীলতা বৃদ্ধির প্রতিশ্রুতিই এই দ্রুত গ্রহণের চালিকাশক্তি। তবুও, এটি এখনও প্রাথমিক পর্যায়, এবং অনেক কোম্পানি এখনও দায়িত্বশীলভাবে এআই ব্যবহারের জন্য নীতি প্রণয়ন করছে ( The state of AI in 2023: Generative AI's breakout year | McKinsey )।

স্বায়ত্তশাসন কেন গুরুত্বপূর্ণ: মানুষের তত্ত্বাবধান ছাড়া এআই-কে কাজ করতে দিলে ব্যাপক কর্মদক্ষতার সুবিধা পাওয়া যায় – যেমন ক্লান্তিকর কাজগুলো পুরোপুরি স্বয়ংক্রিয় করা – কিন্তু এটি নির্ভরযোগ্যতার ঝুঁকিও বাড়িয়ে দেয়। একটি স্বায়ত্তশাসিত এআই এজেন্টকে অবশ্যই সবকিছু সঠিকভাবে করতে হবে (বা তার সীমাবদ্ধতা জানতে হবে) কারণ ভুল ধরার জন্য রিয়েল-টাইমে কোনো মানুষ নাও থাকতে পারে। কিছু কাজ অন্যগুলোর তুলনায় এর জন্য বেশি উপযোগী। সাধারণত, এআই স্বায়ত্তশাসিতভাবে সবচেয়ে ভালো কাজ করে যখন:

• কাজটি একটি সুস্পষ্ট কাঠামো বা বিন্যাস (যেমন ডেটা থেকে নিয়মিত প্রতিবেদন তৈরি করা)।

• ত্রুটিগুলো স্বল্প-ঝুঁকিপূর্ণ বা সহজে সহনীয় (যেমন, একটি ছবি তৈরি করা যা অসন্তোষজনক হলে বাতিল করা যায়, বনাম একটি চিকিৎসাগত রোগ নির্ণয়)।

• প্রশিক্ষণ ডেটা রয়েছে , তাই এআই-এর আউটপুট বাস্তব উদাহরণের উপর ভিত্তি করে তৈরি হয় (ফলে অনুমানের প্রয়োজন কমে যায়)।

এর বিপরীতে, যেসব কাজের কোনো নির্দিষ্ট সীমা নেই , ঝুঁকি বেশি , বা সূক্ষ্ম বিচার-বিবেচনার প্রয়োজন হয়, সেগুলো আজকাল শূন্য তদারকির জন্য কম উপযুক্ত।

পরবর্তী অধ্যায়গুলোতে, জেনারেটিভ এআই এখন কী করছে এবং এর পরবর্তী ধাপ কী, তা দেখতে আমরা বিভিন্ন ক্ষেত্র পর্যালোচনা করব। আমরা কিছু বাস্তব উদাহরণ দেখব – যেমন এআই-লিখিত সংবাদ নিবন্ধ ও এআই-সৃষ্ট শিল্পকর্ম থেকে শুরু করে কোড-লেখার সহকারী এবং ভার্চুয়াল গ্রাহক পরিষেবা এজেন্ট পর্যন্ত – এবং তুলে ধরব কোন কাজগুলো শুরু থেকে শেষ পর্যন্ত এআই দ্বারা করা সম্ভব এবং কোনগুলোর জন্য এখনও মানুষের সম্পৃক্ততা প্রয়োজন। প্রতিটি ক্ষেত্রের জন্য, আমরা বর্তমান সক্ষমতা (আনুমানিক ২০২৫ সাল) এবং ২০৩৫ সাল নাগাদ যা নির্ভরযোগ্য হতে পারে তার বাস্তবসম্মত পূর্বাভাসকে স্পষ্টভাবে আলাদা করে দেখাব।.

বিভিন্ন ক্ষেত্রে স্বয়ংক্রিয় কৃত্রিম বুদ্ধিমত্তার বর্তমান ও ভবিষ্যৎ চিত্র তুলে ধরে আমাদের লক্ষ্য হলো পাঠকদের একটি ভারসাম্যপূর্ণ ধারণা দেওয়া: যেখানে কৃত্রিম বুদ্ধিমত্তাকে জাদুকরীভাবে নির্ভুল হিসেবে অতিরঞ্জিত করা হবে না, আবার এর বাস্তব ও ক্রমবর্ধমান সক্ষমতাকেও অবমূল্যায়ন করা হবে না। এই ভিত্তির ওপর দাঁড়িয়ে, আমরা তত্ত্বাবধান ছাড়া কৃত্রিম বুদ্ধিমত্তার ওপর আস্থা রাখার ক্ষেত্রে বিদ্যমান প্রধান প্রতিবন্ধকতাগুলো নিয়ে আলোচনা করব, যার মধ্যে নৈতিক বিবেচনা এবং ঝুঁকি ব্যবস্থাপনা অন্তর্ভুক্ত। পরিশেষে, আমরা কিছু গুরুত্বপূর্ণ শিক্ষণীয় বিষয় তুলে ধরে আলোচনাটি শেষ করব।.

লেখা ও বিষয়বস্তু তৈরিতে জেনারেটিভ এআই

জেনারেটিভ এআই প্রথম যে ক্ষেত্রগুলোতে আলোড়ন সৃষ্টি করেছিল, তার মধ্যে অন্যতম ছিল টেক্সট জেনারেশন। বৃহৎ ল্যাঙ্গুয়েজ মডেলগুলো সংবাদ নিবন্ধ ও মার্কেটিং কপি থেকে শুরু করে সোশ্যাল মিডিয়া পোস্ট এবং ডকুমেন্টের সারাংশ পর্যন্ত সবকিছু তৈরি করতে পারে। কিন্তু এই লেখার কতটুকু একজন মানব সম্পাদক ছাড়া করা সম্ভব?

বর্তমান সক্ষমতা (২০২৫): গতানুগতিক বিষয়বস্তুর স্বয়ংক্রিয় লেখক হিসেবে এআই

বর্তমানে, জেনারেটিভ এআই ন্যূনতম বা কোনো মানবিক হস্তক্ষেপ ছাড়াই নির্ভরযোগ্যভাবে বিভিন্ন ধরনের নিত্যনৈমিত্তিক লেখার কাজ । এর একটি প্রধান উদাহরণ হলো সাংবাদিকতা: অ্যাসোসিয়েটেড প্রেস বছরের পর বছর ধরে অটোমেশন ব্যবহার করে প্রতি ত্রৈমাসিকে সরাসরি আর্থিক ডেটা ফিড থেকে হাজার হাজার কোম্পানির আয়ের প্রতিবেদন তৈরি করে আসছে ( ফিলানা প্যাটারসন – ওএনএ কমিউনিটি প্রোফাইল )। এই সংক্ষিপ্ত সংবাদ প্রতিবেদনগুলো একটি টেমপ্লেট অনুসরণ করে (যেমন, “কোম্পানি এক্স Y পরিমাণ আয় করেছে, যা Z% বৃদ্ধি পেয়েছে...”) এবং এআই (ন্যাচারাল ল্যাঙ্গুয়েজ জেনারেশন সফটওয়্যার ব্যবহার করে) যেকোনো মানুষের চেয়ে দ্রুত সংখ্যা ও শব্দচয়ন পূরণ করতে পারে। এপি-র সিস্টেম এই প্রতিবেদনগুলো স্বয়ংক্রিয়ভাবে প্রকাশ করে, যার ফলে মানব লেখকের প্রয়োজন ছাড়াই এর পরিধি নাটকীয়ভাবে প্রসারিত হয় (প্রতি ত্রৈমাসিকে ৩,০০০-এর বেশি প্রতিবেদন) ( স্বয়ংক্রিয় আয়ের প্রতিবেদন বহুগুণে বৃদ্ধি পাচ্ছে | দ্য অ্যাসোসিয়েটেড প্রেস )।

ক্রীড়া সাংবাদিকতাও একইভাবে উন্নত হয়েছে: এআই সিস্টেমগুলো খেলার পরিসংখ্যান নিয়ে তার সারসংক্ষেপমূলক প্রতিবেদন তৈরি করতে পারে। যেহেতু এই ক্ষেত্রগুলো তথ্য-নির্ভর এবং সূত্রবদ্ধ, তাই তথ্য সঠিক থাকলে ভুলের সম্ভাবনা খুব কম থাকে। এই ক্ষেত্রে আমরা প্রকৃত স্বায়ত্তশাসন – এআই লেখে এবং সেই লেখা সঙ্গে সঙ্গেই প্রকাশিত হয়ে যায়।

ব্যবসা প্রতিষ্ঠানগুলোও পণ্যের বিবরণ, ইমেল নিউজলেটার এবং অন্যান্য মার্কেটিং কন্টেন্ট তৈরি করতে জেনারেটিভ এআই ব্যবহার করছে। উদাহরণস্বরূপ, ই-কমার্স জায়ান্ট অ্যামাজন এখন পণ্যের গ্রাহক রিভিউগুলো সংক্ষিপ্ত করতে এআই ব্যবহার করে। এআই অনেকগুলো স্বতন্ত্র রিভিউর লেখা স্ক্যান করে এবং পণ্যটি সম্পর্কে মানুষের পছন্দ বা অপছন্দের একটি সংক্ষিপ্ত হাইলাইট প্যারাগ্রাফ তৈরি করে, যা পরবর্তীতে ম্যানুয়াল সম্পাদনা ছাড়াই পণ্যের পেজে প্রদর্শিত হয় ( অ্যামাজন এআই-এর মাধ্যমে গ্রাহক রিভিউয়ের অভিজ্ঞতা উন্নত করে )। নিচে অ্যামাজনের মোবাইল অ্যাপে ব্যবহৃত এই ফিচারটির একটি উদাহরণ দেওয়া হলো, যেখানে “গ্রাহকরা বলেন” অংশটি রিভিউ ডেটা থেকে সম্পূর্ণভাবে এআই দ্বারা তৈরি করা হয়েছে:

( অ্যামাজন এআই-এর সাহায্যে গ্রাহক পর্যালোচনার অভিজ্ঞতা উন্নত করে ) একটি ই-কমার্স পণ্যের পৃষ্ঠায় এআই-দ্বারা তৈরি পর্যালোচনার সারাংশ। অ্যামাজনের সিস্টেম ব্যবহারকারীদের পর্যালোচনার সাধারণ বিষয়গুলোকে (যেমন, ব্যবহারের সহজতা, কার্যকারিতা) একটি সংক্ষিপ্ত অনুচ্ছেদে সারসংক্ষেপ করে, যা ক্রেতাদের কাছে “গ্রাহক পর্যালোচনার লেখা থেকে এআই-দ্বারা তৈরি” হিসেবে প্রদর্শিত হয়।

এই ধরনের ব্যবহারের উদাহরণগুলো দেখায় যে, যখন কোনো বিষয়বস্তু একটি অনুমানযোগ্য ধারা অনুসরণ করে অথবা বিদ্যমান তথ্য থেকে সংগৃহীত হয়, তখন এআই প্রায়শই তা একাই সামলাতে পারে । অন্যান্য সাম্প্রতিক উদাহরণগুলোর মধ্যে রয়েছে:

• আবহাওয়া ও ট্র্যাফিক আপডেট: গণমাধ্যমগুলো সেন্সর ডেটার ওপর ভিত্তি করে দৈনিক আবহাওয়ার প্রতিবেদন বা ট্র্যাফিক বুলেটিন সংকলন করতে এআই ব্যবহার করছে।

• আর্থিক প্রতিবেদন: প্রতিষ্ঠানগুলো স্বয়ংক্রিয়ভাবে সহজবোধ্য আর্থিক সারসংক্ষেপ (ত্রৈমাসিক ফলাফল, শেয়ার বাজারের সংক্ষিপ্ত বিবরণ) তৈরি করছে। ২০১৪ সাল থেকে, ব্লুমবার্গ এবং অন্যান্য সংবাদমাধ্যমগুলো কোম্পানির আয়-সম্পর্কিত সংবাদ সংক্ষিপ্তসার লিখতে সহায়তার জন্য এআই ব্যবহার করে আসছে – এই প্রক্রিয়াটি ডেটা প্রবেশ করানোর পর মূলত স্বয়ংক্রিয়ভাবেই চলে ( এপি-র 'রোবট সাংবাদিকরা' এখন নিজেরাই প্রতিবেদন লিখছে | দ্য ভার্জ ) ( ওয়াইওমিং-এর সাংবাদিক ভুয়া উদ্ধৃতি ও প্রতিবেদন তৈরিতে এআই ব্যবহার করতে গিয়ে ধরা পড়েছেন )।

• অনুবাদ এবং ট্রান্সক্রিপশন: ট্রান্সক্রিপশন পরিষেবাগুলো এখন মানুষের টাইপিস্ট ছাড়াই মিটিংয়ের ট্রান্সক্রিপ্ট বা ক্যাপশন তৈরি করতে এআই ব্যবহার করে। সৃজনশীল অর্থে জেনারেটিভ না হলেও, এই ভাষাগত কাজগুলো স্পষ্ট অডিওর জন্য উচ্চ নির্ভুলতার সাথে স্বয়ংক্রিয়ভাবে চলে।

• খসড়া তৈরি: অনেক পেশাদার ব্যক্তি ইমেল বা নথির প্রাথমিক সংস্করণ তৈরি করার জন্য ChatGPT-এর মতো টুল ব্যবহার করেন এবং বিষয়বস্তু কম ঝুঁকিপূর্ণ হলে মাঝে মাঝে সামান্য বা কোনো সম্পাদনা ছাড়াই সেগুলো পাঠিয়ে দেন।

তবে, আরও জটিল গদ্যের ক্ষেত্রে, ২০২৫ সালেও মানুষের তত্ত্বাবধানই স্বাভাবিক নিয়ম । সংবাদ সংস্থাগুলো খুব কমই সরাসরি এআই থেকে অনুসন্ধানী বা বিশ্লেষণধর্মী প্রতিবেদন প্রকাশ করে – সম্পাদকেরা এআই-লিখিত খসড়ার তথ্য যাচাই ও পরিমার্জন করেন। এআই লেখার ধরণ ও কাঠামো ভালোভাবে অনুকরণ করতে পারলেও, এতে তথ্যগত ভুল (যাকে প্রায়শই “বিভ্রম” বলা হয়) বা বেমানান শব্দচয়ন থাকতে পারে, যা একজন মানুষের ধরা প্রয়োজন। উদাহরণস্বরূপ, জার্মান সংবাদপত্র এক্সপ্রেস প্রাথমিক সংবাদ প্রতিবেদন লিখতে সাহায্য করার জন্য ক্লারা নামের একটি এআই “ডিজিটাল সহকর্মী” চালু করেছে। ক্লারা দক্ষতার সাথে ক্রীড়া প্রতিবেদনের খসড়া তৈরি করতে পারে এবং এমনকি পাঠক আকর্ষণকারী শিরোনামও লিখতে পারে, যা এক্সপ্রেসের ১১% প্রতিবেদনে অবদান রাখে – কিন্তু মানুষেরা এখনও প্রতিটি লেখা নির্ভুলতা এবং সাংবাদিকতার নীতিমালার জন্য পর্যালোচনা করেন, বিশেষ করে জটিল প্রতিবেদনগুলোর ক্ষেত্রে ( সাংবাদিকরা নিউজরুমে যেভাবে এআই টুল ব্যবহার করেন তার ১২টি উপায় - টুইপ )। এই মানব-এআই অংশীদারিত্ব আজ সাধারণ ব্যাপার: এআই লেখা তৈরির কঠিন কাজটি সামলায়, এবং মানুষেরা প্রয়োজন অনুযায়ী তা পরিমার্জন ও সংশোধন করে।

২০৩০-২০৩৫ সালের পূর্বাভাস: বিশ্বাসযোগ্য স্বায়ত্তশাসিত লিখন পদ্ধতির দিকে

আগামী দশকে, আমরা আশা করি যে জেনারেটিভ এআই উচ্চ-মানের ও তথ্যগতভাবে সঠিক লেখা তৈরিতে আরও অনেক বেশি নির্ভরযোগ্য হয়ে উঠবে, যা স্বয়ংক্রিয়ভাবে এটি যে ধরনের লেখার কাজ করতে পারে তার পরিসরকে প্রসারিত করবে। বেশ কিছু প্রবণতা এই বিষয়টিকে সমর্থন করে:

• উন্নত নির্ভুলতা: চলমান গবেষণা কৃত্রিম বুদ্ধিমত্তার ভুল বা অপ্রাসঙ্গিক তথ্য তৈরির প্রবণতা দ্রুত কমিয়ে আনছে। ২০৩০ সালের মধ্যে, উন্নত প্রশিক্ষণপ্রাপ্ত অত্যাধুনিক ল্যাঙ্গুয়েজ মডেল (যার মধ্যে রিয়েল-টাইমে ডেটাবেসের সাথে তথ্য যাচাই করার কৌশলও অন্তর্ভুক্ত) অভ্যন্তরীণভাবে প্রায় মানব-স্তরের তথ্য যাচাইয়ের সক্ষমতা অর্জন করতে পারবে। এর অর্থ হলো, একটি কৃত্রিম বুদ্ধিমত্তা উৎস থেকে সঠিক উদ্ধৃতি ও পরিসংখ্যান নিয়ে স্বয়ংক্রিয়ভাবে একটি সম্পূর্ণ সংবাদ প্রতিবেদন তৈরি করতে পারবে, যার জন্য খুব সামান্য সম্পাদনার প্রয়োজন হবে।

• ক্ষেত্র-নির্দিষ্ট এআই: আমরা নির্দিষ্ট কিছু ক্ষেত্রের (আইন, চিকিৎসা, কারিগরি লিখন) জন্য বিশেষভাবে তৈরি আরও বিশেষায়িত জেনারেটিভ মডেল দেখতে পাব। ২০৩০ সালের একটি আইনি এআই মডেল নির্ভরযোগ্যভাবে প্রমিত চুক্তির খসড়া তৈরি করতে বা মামলার আইন সংক্ষেপ করতে সক্ষম হতে পারে – এই কাজগুলো কাঠামোগতভাবে সূত্রবদ্ধ হলেও বর্তমানে এগুলোর জন্য আইনজীবীর সময়ের প্রয়োজন হয়। যদি এআই-টিকে যাচাইকৃত আইনি নথিপত্রের উপর প্রশিক্ষণ দেওয়া হয়, তবে এর খসড়াগুলো এতটাই বিশ্বাসযোগ্য হতে পারে যে একজন আইনজীবী কেবল চূড়ান্তভাবে একবার চোখ বুলিয়ে নেবেন।

• স্বাভাবিক শৈলী এবং সঙ্গতি: মডেলগুলো দীর্ঘ নথিতে প্রাসঙ্গিকতা বজায় রাখতে আরও পারদর্শী হয়ে উঠছে, যার ফলে দীর্ঘ আকারের বিষয়বস্তু আরও সুসংহত এবং যথাযথ হচ্ছে। ২০৩৫ সালের মধ্যে, এটা ধারণা করা যায় যে একটি এআই নিজে থেকেই একটি নন-ফিকশন বই বা একটি প্রযুক্তিগত ম্যানুয়ালের একটি ভালো মানের প্রাথমিক খসড়া তৈরি করতে পারবে, যেখানে মানুষের প্রধান ভূমিকা থাকবে উপদেষ্টার (লক্ষ্য নির্ধারণ বা বিশেষ জ্ঞান প্রদানের জন্য)।

বাস্তবে এর রূপ কেমন হতে পারে? গতানুগতিক সাংবাদিকতা প্রায় পুরোপুরি স্বয়ংক্রিয় হয়ে যেতে পারে। আমরা হয়তো ২০৩০ সালে দেখতে পাব, কোনো সংবাদ সংস্থা তাদের প্রতিটি আয়-ব্যয়ের প্রতিবেদন, খেলার খবর বা নির্বাচনের ফলাফলের আপডেটের প্রথম সংস্করণটি একটি এআই সিস্টেম দিয়ে লিখিয়ে নিচ্ছে, এবং সম্পাদকরা শুধু মান নিশ্চিত করার জন্য কয়েকটি নমুনা পরীক্ষা করছেন। প্রকৃতপক্ষে, বিশেষজ্ঞরা পূর্বাভাস দিচ্ছেন যে অনলাইন কন্টেন্টের একটি ক্রমবর্ধমান অংশ যন্ত্র দ্বারা তৈরি হবে – শিল্প বিশ্লেষকদের একটি সাহসী পূর্বাভাসে বলা হয়েছে যে ২০২৬ সালের মধ্যে ৯০% পর্যন্ত অনলাইন কন্টেন্ট এআই দ্বারা তৈরি হতে পারে ( By 2026, Online Content Generated by Non-humans Will Vastly Outnumber Human Generated Content — OODAloop ), যদিও এই সংখ্যাটি বিতর্কিত। এমনকি আরও রক্ষণশীল একটি ফলাফলের অর্থ হবে যে ২০৩০-এর দশকের মাঝামাঝি নাগাদ, বেশিরভাগ গতানুগতিক ওয়েব আর্টিকেল, পণ্যের বিবরণ এবং সম্ভবত ব্যক্তিগতকৃত নিউজ ফিডও এআই দ্বারা রচিত হবে।

মার্কেটিং এবং কর্পোরেট যোগাযোগের ক্ষেত্রে , জেনারেটিভ এআই-কে সম্ভবত সম্পূর্ণ ক্যাম্পেইন স্বয়ংক্রিয়ভাবে চালানোর দায়িত্ব দেওয়া হবে। এটি গ্রাহকের প্রতিক্রিয়ার উপর ভিত্তি করে বার্তা ক্রমাগত পরিবর্তন করে ব্যক্তিগতকৃত মার্কেটিং ইমেল, সোশ্যাল মিডিয়া পোস্ট এবং বিজ্ঞাপনের বিভিন্ন সংস্করণ তৈরি ও পাঠাতে পারবে—এই সবকিছুই কোনো মানব কপিরাইটারের হস্তক্ষেপ ছাড়াই সম্ভব হবে। গার্টনারের বিশ্লেষকরা অনুমান করছেন যে ২০২৫ সালের মধ্যে, বড় প্রতিষ্ঠানগুলোর অন্তত ৩০% আউটবাউন্ড মার্কেটিং বার্তা এআই দ্বারা কৃত্রিমভাবে তৈরি হবে ( শিল্প ও প্রতিষ্ঠানগুলোর জন্য জেনারেটিভ এআই-এর ব্যবহারের ক্ষেত্র ), এবং ২০৩০ সাল নাগাদ এই শতাংশ কেবল বাড়তেই থাকবে।

তবে, এটা মনে রাখা গুরুত্বপূর্ণ যে মানুষের সৃজনশীলতা এবং বিচারবুদ্ধির ভূমিকা তখনও থাকবে, বিশেষ করে গুরুত্বপূর্ণ বিষয়বস্তুর ক্ষেত্রে । ২০৩৫ সাল নাগাদ, এআই হয়তো নিজেই একটি প্রেস রিলিজ বা ব্লগ পোস্ট সামলাতে পারবে, কিন্তু জবাবদিহিতা বা সংবেদনশীল বিষয় জড়িত এমন অনুসন্ধানী সাংবাদিকতার জন্য গণমাধ্যমগুলো তখনও মানবিক তত্ত্বাবধানের ওপর জোর দিতে পারে। ভবিষ্যতে সম্ভবত একটি স্তরভিত্তিক পদ্ধতি দেখা যাবে: এআই স্বয়ংক্রিয়ভাবে দৈনন্দিন বিষয়বস্তুর সিংহভাগ তৈরি করবে, আর মানুষ কৌশলগত বা সংবেদনশীল অংশগুলো সম্পাদনা ও তৈরির দিকে মনোযোগ দেবে। মূলত, এআই-এর দক্ষতা বাড়ার সাথে সাথে “রুটিন” হিসেবে গণ্য হওয়ার সীমারেখা প্রসারিত হবে।

এআই-নির্মিত ইন্টারেক্টিভ বিবরণ বা ব্যক্তিগতকৃত প্রতিবেদনের মতো নতুন ধরনের বিষয়বস্তু সামনে আসতে পারে। উদাহরণস্বরূপ, একটি কোম্পানির বার্ষিক প্রতিবেদন এআই দ্বারা একাধিক শৈলীতে তৈরি করা যেতে পারে – নির্বাহীদের জন্য একটি সংক্ষিপ্ত সংস্করণ, কর্মচারীদের জন্য একটি বর্ণনামূলক সংস্করণ, বিশ্লেষকদের জন্য একটি তথ্য-সমৃদ্ধ সংস্করণ – যার প্রতিটি একই মূল ডেটা থেকে স্বয়ংক্রিয়ভাবে তৈরি হবে। শিক্ষাক্ষেত্রে, বিভিন্ন পাঠের স্তর অনুসারে পাঠ্যপুস্তকগুলো এআই দ্বারা গতিশীলভাবে লেখা যেতে পারে। এই অ্যাপ্লিকেশনগুলো মূলত স্বায়ত্তশাসিত হতে পারে, কিন্তু যাচাইকৃত তথ্যের উপর ভিত্তি করে প্রতিষ্ঠিত থাকবে।

লেখার গতিপথ ইঙ্গিত দেয় যে ২০৩০-এর দশকের মাঝামাঝি নাগাদ, এআই একজন দক্ষ লেখক হয়ে উঠবে । সত্যিকারের স্বায়ত্তশাসিত কার্যক্রমের মূল চাবিকাঠি হবে এর সৃষ্টিকর্মের ওপর আস্থা স্থাপন করা। যদি এআই ধারাবাহিকভাবে তথ্যের নির্ভুলতা, শৈলীর গুণমান এবং নৈতিক মানদণ্ডের সাথে সামঞ্জস্য প্রদর্শন করতে পারে, তবে প্রতিটি লাইন ধরে মানুষের পর্যালোচনার প্রয়োজনীয়তা হ্রাস পাবে। ২০৩৫ সাল নাগাদ, এই শ্বেতপত্রটিরই বিভিন্ন অংশ কোনো সম্পাদকের প্রয়োজন ছাড়াই একজন এআই গবেষক দ্বারা খসড়া করা হতে পারে – এই সম্ভাবনাটি নিয়ে আমরা সতর্কভাবে আশাবাদী, যদি যথাযথ সুরক্ষাব্যবস্থা কার্যকর থাকে।

ভিজ্যুয়াল আর্টস এবং ডিজাইনে জেনারেটিভ এআই

জেনারেটিভ এআই-এর ছবি ও শিল্পকর্ম তৈরির ক্ষমতা জনসাধারণের কল্পনাকে আকর্ষণ করেছে; শিল্প প্রতিযোগিতায় বিজয়ী এআই-নির্মিত চিত্রকর্ম থেকে শুরু করে আসল ফুটেজ থেকে আলাদা করা যায় না এমন ডিপফেক ভিডিও পর্যন্ত এর উদাহরণ রয়েছে। ভিজ্যুয়াল ডোমেইনে, জেনারেটিভ অ্যাডভার্সারিয়াল নেটওয়ার্ক (GANs) এবং ডিফিউশন মডেলের (যেমন স্টেবল ডিফিউশন, মিডজার্নি) মতো এআই মডেলগুলো টেক্সট প্রম্পটের উপর ভিত্তি করে মৌলিক ছবি তৈরি করতে পারে। তাহলে, এআই কি এখন একজন স্বায়ত্তশাসিত শিল্পী বা ডিজাইনার হিসেবে কাজ করতে পারে?

বর্তমান সক্ষমতা (২০২৫): সৃজনশীল সহকারী হিসেবে এআই

২০২৫ সাল নাগাদ, জেনারেটিভ মডেলগুলো চাহিদা অনুযায়ী ছবি । ব্যবহারকারীরা একটি ইমেজ এআই-কে “ভ্যান গগের শৈলীতে সূর্যাস্তের সময় একটি মধ্যযুগীয় শহর” আঁকতে বলতে পারেন এবং কয়েক সেকেন্ডের মধ্যে একটি বিশ্বাসযোগ্য শৈল্পিক ছবি পেয়ে যাবেন। এর ফলে গ্রাফিক ডিজাইন, মার্কেটিং এবং বিনোদন জগতে কনসেপ্ট আর্ট, প্রোটোটাইপ এবং কিছু ক্ষেত্রে চূড়ান্ত ভিজ্যুয়ালের জন্য এআই-এর ব্যাপক ব্যবহার শুরু হয়েছে। উল্লেখযোগ্যভাবে:

• গ্রাফিক ডিজাইন ও স্টক ইমেজ: কোম্পানিগুলো এআই-এর মাধ্যমে ওয়েবসাইটের গ্রাফিক্স, ইলাস্ট্রেশন বা স্টক ফটো তৈরি করে, ফলে প্রতিটি কাজের জন্য শিল্পীকে দিয়ে কাজ করানোর প্রয়োজনীয়তা কমে যায়। অনেক মার্কেটিং টিম বিজ্ঞাপন বা পণ্যের ছবির বিভিন্ন সংস্করণ তৈরি করতে এআই টুল ব্যবহার করে, যা দিয়ে পরীক্ষা করা হয় কোনটি ভোক্তাদের কাছে বেশি আকর্ষণীয়।

• শিল্পকলা ও চিত্রাঙ্কন: শিল্পীরা নতুন ধারণা তৈরি করতে বা খুঁটিনাটি বিষয় যোগ করতে এআই-এর সাথে সহযোগিতা করেন। উদাহরণস্বরূপ, একজন চিত্রকর পটভূমির দৃশ্য তৈরি করতে এআই ব্যবহার করতে পারেন, যা তিনি পরে তার হাতে আঁকা চরিত্রগুলোর সাথে একীভূত করেন। কিছু কমিক বইয়ের স্রষ্টা এআই-নির্মিত প্যানেল বা রঙ নিয়ে পরীক্ষা-নিরীক্ষা করেছেন।

• মিডিয়া ও বিনোদন: ম্যাগাজিন ও বইয়ের প্রচ্ছদে এআই-নির্মিত শিল্পকর্ম দেখা গেছে। এর একটি বিখ্যাত উদাহরণ হলো ২০২২ সালের আগস্ট মাসের কসমোপলিটান ম্যাগাজিনের প্রচ্ছদ, যেখানে একজন মহাকাশচারীকে দেখানো হয়েছিল। জানা যায়, এটিই ছিল কোনো আর্ট ডিরেক্টরের নির্দেশনায় একটি এআই (ওপেনএআই-এর ডাল-ই) দ্বারা তৈরি প্রথম ম্যাগাজিনের প্রচ্ছদ। যদিও এতে মানুষের নির্দেশনা ও নির্বাচন জড়িত ছিল, কিন্তু প্রকৃত শিল্পকর্মটি যন্ত্র দ্বারাই রেন্ডার করা হয়েছিল।

গুরুত্বপূর্ণ বিষয় হলো, এর বর্তমান ব্যবহারগুলোর বেশিরভাগেই এখনও মানুষের দ্বারা নির্বাচন এবং পুনরাবৃত্তি জড়িত । এআই কয়েক ডজন ছবি তৈরি করে দিতে পারে, এবং একজন মানুষ সেরাটি বেছে নেয় ও প্রয়োজনে সেটিকে আরও পরিমার্জন করে। সেই অর্থে, এআই তৈরি করার , কিন্তু মানুষই সৃজনশীল দিকনির্দেশনা দেয় এবং চূড়ান্ত পছন্দগুলো করে। দ্রুত প্রচুর কন্টেন্ট তৈরি করার জন্য এটি নির্ভরযোগ্য, কিন্তু প্রথম চেষ্টাতেই সমস্ত প্রয়োজনীয়তা পূরণ করার কোনো নিশ্চয়তা নেই। ভুল বিবরণ (যেমন, এআই-এর হাতে ভুল সংখ্যক আঙুল আঁকা, যা একটি পরিচিত ত্রুটি) বা অপ্রত্যাশিত ফলাফলের মতো সমস্যার কারণে সাধারণত একজন মানব আর্ট ডিরেক্টরকে আউটপুটের মান তদারকি করতে হয়।

তবে, এমন কিছু ক্ষেত্র রয়েছে যেখানে এআই প্রায় পূর্ণ স্বায়ত্তশাসনের কাছাকাছি পৌঁছে যাচ্ছে:

• জেনারেটিভ ডিজাইন: স্থাপত্য এবং পণ্য ডিজাইনের মতো ক্ষেত্রে, এআই টুলগুলো নির্দিষ্ট সীমাবদ্ধতা মেনে স্বয়ংক্রিয়ভাবে ডিজাইন প্রোটোটাইপ তৈরি করতে পারে। উদাহরণস্বরূপ, একটি আসবাবপত্রের কাঙ্ক্ষিত মাত্রা এবং কার্যকারিতা দেওয়া হলে, একটি জেনারেটিভ অ্যালগরিদম প্রাথমিক স্পেসিফিকেশনের বাইরে মানুষের হস্তক্ষেপ ছাড়াই বেশ কয়েকটি কার্যকর ডিজাইন (যার মধ্যে কিছু বেশ অপ্রচলিত) তৈরি করে দিতে পারে। এই ডিজাইনগুলো তখন মানুষ সরাসরি ব্যবহার বা পরিমার্জন করতে পারে। একইভাবে, ইঞ্জিনিয়ারিংয়ে, জেনারেটিভ এআই ওজন এবং শক্তির জন্য অপ্টিমাইজ করা যন্ত্রাংশ (যেমন, একটি বিমানের উপাদান) ডিজাইন করতে পারে, যা এমন সব নতুন আকৃতি তৈরি করে যা একজন মানুষ হয়তো কল্পনাও করতে পারেনি।

• ভিডিও গেম অ্যাসেট: এআই স্বয়ংক্রিয়ভাবে ভিডিও গেমের জন্য টেক্সচার, থ্রিডি মডেল, এমনকি সম্পূর্ণ লেভেলও তৈরি করতে পারে। ডেভেলপাররা কন্টেন্ট তৈরির গতি বাড়াতে এগুলো ব্যবহার করেন। কিছু ইন্ডি গেম ন্যূনতম মানবসৃষ্ট অ্যাসেট ব্যবহার করে বিশাল ও গতিশীল গেম জগৎ তৈরির জন্য প্রসিডিউরালি জেনারেটেড আর্টওয়ার্ক এবং এমনকি ডায়ালগও (ল্যাঙ্গুয়েজ মডেলের মাধ্যমে) অন্তর্ভুক্ত করতে শুরু করেছে।

• অ্যানিমেশন ও ভিডিও (উন্নয়নশীল): স্থির চিত্রের তুলনায় কম পরিপক্ক হলেও, ভিডিওর জন্য জেনারেটিভ এআই-এর অগ্রগতি হচ্ছে। এআই ইতোমধ্যেই বিভিন্ন নির্দেশনার মাধ্যমে ছোট ভিডিও ক্লিপ বা অ্যানিমেশন তৈরি করতে পারে, যদিও এর মান অসঙ্গত। ডিপফেক প্রযুক্তি—যা একটি জেনারেটিভ প্রযুক্তি—বাস্তবসম্মত মুখাবয়ব বদল বা কণ্ঠস্বর নকল করতে পারে। একটি নিয়ন্ত্রিত পরিবেশে, কোনো স্টুডিও স্বয়ংক্রিয়ভাবে একটি পটভূমির দৃশ্য বা ভিড়ের অ্যানিমেশন তৈরি করতে এআই ব্যবহার করতে পারে।

উল্লেখযোগ্যভাবে, গার্টনার ভবিষ্যদ্বাণী করেছে যে ২০৩০ সালের মধ্যে আমরা এমন একটি বড় ব্লকবাস্টার চলচ্চিত্র দেখতে পাব যার ৯০% বিষয়বস্তু (চিত্রনাট্য থেকে শুরু করে দৃশ্য পর্যন্ত) এআই দ্বারা তৈরি হবে ( শিল্প ও উদ্যোগের জন্য জেনারেটিভ এআই-এর ব্যবহারের ক্ষেত্র )। ২০২৫ সাল পর্যন্ত, আমরা এখনও সেই পর্যায়ে পৌঁছাইনি – এআই স্বাধীনভাবে একটি পূর্ণদৈর্ঘ্য চলচ্চিত্র তৈরি করতে পারে না। কিন্তু সেই ধাঁধার বিভিন্ন অংশ বিকশিত হচ্ছে: চিত্রনাট্য তৈরি (টেক্সট এআই), চরিত্র এবং দৃশ্য তৈরি (ইমেজ/ভিডিও এআই), কণ্ঠ অভিনয় (এআই ভয়েস ক্লোন), এবং সম্পাদনায় সহায়তা (এআই ইতিমধ্যেই কাট এবং ট্রানজিশনে সাহায্য করতে পারে)।

২০৩০-২০৩৫ সালের পূর্বাভাস: বৃহৎ পরিসরে এআই-নির্মিত মিডিয়া

ভবিষ্যতে, ভিজ্যুয়াল আর্টস এবং ডিজাইনে জেনারেটিভ এআই-এর ভূমিকা ব্যাপকভাবে প্রসারিত হতে চলেছে। আমরা আশা করি, ২০৩৫ সালের মধ্যে এআই অনেক ভিজ্যুয়াল মিডিয়ার প্রধান কন্টেন্ট নির্মাতা

• সম্পূর্ণরূপে এআই-নির্মিত চলচ্চিত্র এবং ভিডিও: আগামী দশ বছরের মধ্যে, এমনটা হওয়ার যথেষ্ট সম্ভাবনা রয়েছে যে আমরা প্রথম এমন চলচ্চিত্র বা সিরিজ দেখতে পাব যা মূলত এআই দ্বারা নির্মিত। মানুষ হয়তো উচ্চ-স্তরের নির্দেশনা দেবে (যেমন একটি চিত্রনাট্যের রূপরেখা বা কাঙ্ক্ষিত শৈলী) এবং এআই দৃশ্যগুলো রেন্ডার করবে, অভিনেতাদের অবয়ব তৈরি করবে এবং সবকিছু অ্যানিমেট করবে। কয়েক বছরের মধ্যেই স্বল্পদৈর্ঘ্য চলচ্চিত্রের প্রাথমিক পরীক্ষা-নিরীক্ষা শুরু হওয়ার সম্ভাবনা রয়েছে এবং ২০৩০-এর দশকের মধ্যে পূর্ণদৈর্ঘ্য চলচ্চিত্র নির্মাণের প্রচেষ্টা দেখা যাবে। এই এআই চলচ্চিত্রগুলো হয়তো বিশেষ ক্ষেত্রে (পরীক্ষামূলক অ্যানিমেশন ইত্যাদি) শুরু হতে পারে, কিন্তু মান উন্নত হওয়ার সাথে সাথে এগুলো মূলধারায় চলে আসতে পারে। গার্টনারের ২০৩০ সালের মধ্যে ৯০% চলচ্চিত্র নির্মাণের পূর্বাভাস ( শিল্প ও উদ্যোগের জন্য জেনারেটিভ এআই ব্যবহারের ক্ষেত্র ), যদিও উচ্চাভিলাষী, তবুও এটি চলচ্চিত্র শিল্পের এই বিশ্বাসকেই তুলে ধরে যে, এআই দ্বারা বিষয়বস্তু তৈরির প্রযুক্তি চলচ্চিত্র নির্মাণের বেশিরভাগ ভার বহন করার জন্য যথেষ্ট উন্নত হবে।

• ডিজাইন অটোমেশন: ফ্যাশন বা স্থাপত্যের মতো ক্ষেত্রগুলিতে, জেনারেটিভ এআই সম্ভবত "খরচ, উপকরণ, শৈলী X"-এর মতো প্যারামিটারের উপর ভিত্তি করে স্বয়ংক্রিয়ভাবে শত শত ডিজাইন কনসেপ্টের খসড়া তৈরি করতে ব্যবহৃত হবে, এবং চূড়ান্ত ডিজাইনটি বেছে নেওয়ার দায়িত্ব মানুষের উপর ছেড়ে দেওয়া হবে। এটি বর্তমান গতিপ্রকৃতিকে পাল্টে দেবে: ডিজাইনাররা একেবারে গোড়া থেকে ডিজাইন তৈরি করে এবং হয়তো অনুপ্রেরণার জন্য এআই ব্যবহার করার পরিবর্তে, ভবিষ্যতের ডিজাইনাররা কিউরেটরের মতো কাজ করতে পারেন, যারা এআই-এর তৈরি সেরা ডিজাইনটি নির্বাচন করবেন এবং সম্ভবত তাতে কিছু পরিবর্তন আনবেন। ২০৩৫ সালের মধ্যে, একজন স্থপতি একটি ভবনের প্রয়োজনীয়তাগুলো ইনপুট করতে পারেন এবং একটি এআই-এর কাছ থেকে পরামর্শ হিসেবে সম্পূর্ণ ব্লুপ্রিন্ট পেতে পারেন (অন্তর্নিহিত ইঞ্জিনিয়ারিং নিয়মের সৌজন্যে যা সবই হবে কাঠামোগতভাবে মজবুত)।

• ব্যক্তিগতকৃত কনটেন্ট তৈরি: আমরা হয়তো দেখব যে এআই স্বতন্ত্র ব্যবহারকারীদের জন্য তাৎক্ষণিকভাবে ভিজ্যুয়াল তৈরি করছে। ২০৩৫ সালের একটি ভিডিও গেম বা ভার্চুয়াল রিয়ালিটি অভিজ্ঞতার কথা ভাবুন, যেখানে দৃশ্যপট এবং চরিত্রগুলো খেলোয়াড়ের পছন্দ অনুযায়ী মানিয়ে নেয় এবং এআই দ্বারা রিয়েল টাইমে তৈরি হয়। অথবা ব্যবহারকারীর সারাদিনের উপর ভিত্তি করে তৈরি ব্যক্তিগতকৃত কমিক স্ট্রিপ – একটি স্বয়ংক্রিয় “দৈনিক ডায়েরি কমিক” এআই, যা প্রতি সন্ধ্যায় স্বয়ংক্রিয়ভাবে আপনার টেক্সট জার্নালকে ইলাস্ট্রেশনে পরিণত করে।

• বহুমুখী সৃজনশীলতা: জেনারেটিভ এআই সিস্টেমগুলো ক্রমশ বহুমুখী হয়ে উঠছে – অর্থাৎ, এগুলো একসাথে টেক্সট, ছবি, অডিও ইত্যাদি পরিচালনা করতে পারে। এগুলোকে একত্রিত করে, একটি এআই “পণ্য X-এর জন্য একটি মার্কেটিং ক্যাম্পেইন তৈরি করে দাও”-এর মতো একটি সাধারণ নির্দেশ পেয়ে শুধু লিখিত কপিই নয়, বরং মানানসই গ্রাফিক্স, এমনকি ছোট প্রচারমূলক ভিডিও ক্লিপও তৈরি করতে পারে, যার সবকিছুর শৈলী একই রকম হবে। এই ধরনের এক-ক্লিক কন্টেন্ট স্যুট ২০৩০-এর দশকের শুরুতেই একটি সম্ভাব্য পরিষেবা হয়ে উঠবে।

কৃত্রিম বুদ্ধিমত্তা কি মানব শিল্পীদের প্রতিস্থাপন ? এই প্রশ্নটি প্রায়শই ওঠে। সম্ভবত কৃত্রিম বুদ্ধিমত্তা অনেক উৎপাদনমূলক কাজ (বিশেষ করে ব্যবসার জন্য প্রয়োজনীয় পুনরাবৃত্তিমূলক বা দ্রুত সম্পন্ন করার শিল্পকর্ম) দখল করে নেবে, কিন্তু মৌলিকত্ব এবং উদ্ভাবনের জন্য মানব শিল্পকর্ম টিকে থাকবে। ২০৩৫ সালের মধ্যে, একটি স্বয়ংক্রিয় কৃত্রিম বুদ্ধিমত্তা হয়তো কোনো বিখ্যাত শিল্পীর শৈলীতে নির্ভরযোগ্যভাবে ছবি আঁকতে পারবে – কিন্তু নতুন শৈলী তৈরি করা বা গভীরভাবে সাংস্কৃতিক আবেদন সৃষ্টিকারী শিল্পকর্ম তখনও মানুষেরই বিশেষত্ব হয়ে থাকতে পারে (সম্ভবত কৃত্রিম বুদ্ধিমত্তাকে সহযোগী হিসেবে নিয়ে)। আমরা এমন এক ভবিষ্যতের পূর্বাভাস দিচ্ছি যেখানে মানব শিল্পীরা স্বয়ংক্রিয় কৃত্রিম বুদ্ধিমত্তার “সহ-শিল্পীদের” পাশাপাশি কাজ করবে। উদাহরণস্বরূপ, কেউ হয়তো তার বাড়ির ডিজিটাল গ্যালারির জন্য একটি ব্যক্তিগত কৃত্রিম বুদ্ধিমত্তাকে দিয়ে ক্রমাগত শিল্পকর্ম তৈরি করাতে পারে, যা এক সদা পরিবর্তনশীল সৃজনশীল পরিবেশ প্রদান করবে।

নির্ভরযোগ্যতার দৃষ্টিকোণ থেকে, কিছু ক্ষেত্রে টেক্সটের তুলনায় ভিজ্যুয়াল জেনারেটিভ এআই-এর স্বায়ত্তশাসনের পথ সহজতর: একটি ছবি নিখুঁত না হলেও ব্যক্তিনিষ্ঠভাবে “যথেষ্ট ভালো” হতে পারে, যেখানে টেক্সটে একটি তথ্যগত ভুল আরও বেশি সমস্যাজনক। তাই, আমরা ইতিমধ্যেই তুলনামূলকভাবে কম ঝুঁকিতে এর ব্যবহার – যদি এআই-এর তৈরি কোনো ডিজাইন দেখতে খারাপ বা ভুল হয়, তবে আপনি সেটি ব্যবহার করবেন না, কিন্তু এটি নিজে থেকে কোনো ক্ষতি করে না। এর অর্থ হলো, ২০৩০-এর দশকের মধ্যে কোম্পানিগুলো হয়তো এআই-কে তত্ত্বাবধান ছাড়াই ডিজাইন তৈরি করতে দিতে স্বাচ্ছন্দ্যবোধ করবে এবং কেবলমাত্র যখন সত্যিই অভিনব বা ঝুঁকিপূর্ণ কিছুর প্রয়োজন হবে, তখনই মানুষকে যুক্ত করবে।

সংক্ষেপে, ২০৩৫ সালের মধ্যে জেনারেটিভ এআই ভিজ্যুয়াল জগতে এক শক্তিশালী কনটেন্ট নির্মাতা হিসেবে আবির্ভূত হবে বলে আশা করা হচ্ছে, যা সম্ভবত আমাদের চারপাশের ছবি ও মিডিয়ার একটি উল্লেখযোগ্য অংশের জন্য দায়ী থাকবে। এটি বিনোদন, ডিজাইন এবং দৈনন্দিন যোগাযোগের জন্য নির্ভরযোগ্যভাবে কনটেন্ট তৈরি করবে। স্বয়ংক্রিয় শিল্পী দিগন্তে দেখা যাচ্ছে – যদিও এআই-কে সৃজনশীল , নাকি এটি কেবলই একটি অত্যন্ত বুদ্ধিমান যন্ত্র, তা এমন একটি বিতর্ক যা সময়ের সাথে সাথে পরিবর্তিত হবে, যখন এর উৎপাদিত বিষয়বস্তু মানুষের তৈরি কাজ থেকে আলাদা করা কঠিন হয়ে পড়বে।

সফটওয়্যার ডেভেলপমেন্টে (কোডিং) জেনারেটিভ এআই

সফটওয়্যার ডেভেলপমেন্টকে একটি অত্যন্ত বিশ্লেষণাত্মক কাজ বলে মনে হতে পারে, কিন্তু এর একটি সৃজনশীল দিকও রয়েছে – কোড লেখা মূলত একটি কাঠামোগত ভাষায় টেক্সট তৈরি করা। আধুনিক জেনারেটিভ এআই, বিশেষ করে বৃহৎ ল্যাঙ্গুয়েজ মডেলগুলো, কোডিংয়ে বেশ পারদর্শী বলে প্রমাণিত হয়েছে। গিটহাব কোপাইলট, অ্যামাজন কোডহুইস্পারার এবং অন্যান্য টুলগুলো এআই পেয়ার প্রোগ্রামার হিসেবে কাজ করে, ডেভেলপাররা টাইপ করার সময় কোডের অংশবিশেষ বা এমনকি সম্পূর্ণ ফাংশনও সাজেস্ট করে। স্বয়ংক্রিয় প্রোগ্রামিংয়ের দিকে এটি কতদূর যেতে পারে?

বর্তমান সক্ষমতা (২০২৫): কোডিং সহ-পাইলট হিসেবে এআই

২০২৫ সালের মধ্যে, অনেক ডেভেলপারের কর্মপ্রবাহে এআই কোড জেনারেটর একটি সাধারণ অংশ হয়ে উঠবে। এই টুলগুলো কোডের লাইন স্বয়ংক্রিয়ভাবে পূরণ করতে পারে, বয়লারপ্লেট (যেমন স্ট্যান্ডার্ড ফাংশন বা টেস্ট) তৈরি করতে পারে এবং এমনকি স্বাভাবিক ভাষার বর্ণনা পেলে সাধারণ প্রোগ্রামও লিখতে পারে। তবে, সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, এগুলো একজন ডেভেলপারের তত্ত্বাবধানে কাজ করে – ডেভেলপারই এআই-এর পরামর্শগুলো পর্যালোচনা ও সমন্বয় করেন।.

কিছু সাম্প্রতিক তথ্য ও পরিসংখ্যান:

• ২০২৩ সালের শেষের দিকে অর্ধেকেরও বেশি পেশাদার ডেভেলপার এআই কোডিং অ্যাসিস্ট্যান্ট ব্যবহার শুরু করেছিলেন ( Coding on Copilot: 2023 Data Suggests Downward Pressure on Code Quality (incl 2024 projections) - GitClear ), যা এর দ্রুত প্রসারের ইঙ্গিত দেয়। প্রথম ব্যাপকভাবে উপলব্ধ টুলগুলোর মধ্যে অন্যতম গিটহাব কোপাইলট (GitHub Copilot) ব্যবহৃত প্রজেক্টগুলোতে গড়ে ৩০-৪০% কোড তৈরি করে বলে জানা গেছে ( Coding is no more a MOAT. 46% of codes on GitHub is already ... )। এর অর্থ হলো, এআই ইতিমধ্যেই কোডের একটি উল্লেখযোগ্য অংশ লিখছে, যদিও একজন মানুষ সেটিকে পরিচালনা ও যাচাই করছে।

• এই এআই টুলগুলো পুনরাবৃত্তিমূলক কোড লেখা (যেমন, ডেটা মডেল ক্লাস, গেটার/সেটার মেথড), এক প্রোগ্রামিং ভাষা থেকে অন্যটিতে রূপান্তর করা, অথবা প্রশিক্ষণের উদাহরণের মতো সরল অ্যালগরিদম তৈরি করার মতো কাজে পারদর্শী। উদাহরণস্বরূপ, একজন ডেভেলপার “// নাম অনুসারে ব্যবহারকারীদের তালিকা সাজানোর ফাংশন” লিখে কমেন্ট করতে পারেন এবং এআই প্রায় সঙ্গে সঙ্গেই একটি উপযুক্ত সর্টিং ফাংশন তৈরি করে দেবে।.

• এরা বাগ সংশোধন এবং ব্যাখ্যা : ডেভেলপাররা একটি এরর মেসেজ পেস্ট করতে পারেন এবং এআই একটি সমাধানের পরামর্শ দিতে পারে, অথবা “এই কোডটি কী করে?” জিজ্ঞাসা করে স্বাভাবিক ভাষায় একটি ব্যাখ্যা পেতে পারেন। এটি এক অর্থে স্বয়ংক্রিয় (এআই নিজে থেকেই সমস্যা নির্ণয় করতে পারে), কিন্তু সমাধানটি প্রয়োগ করা হবে কিনা, সেই সিদ্ধান্ত একজন মানুষই নেন।

• গুরুত্বপূর্ণ বিষয় হলো, বর্তমান এআই কোডিং অ্যাসিস্ট্যান্টগুলো নির্ভুল নয়। তারা অনিরাপদ কোড, অথবা এমন কোড প্রস্তাব করতে পারে যা সমস্যাটি প্রায় একজন মানুষকে এই প্রক্রিয়ার অন্তর্ভুক্ত রাখা – ডেভেলপার এআই-লিখিত কোড ঠিক সেভাবেই পরীক্ষা ও ডিবাগ করেন, যেভাবে তিনি মানুষের লেখা কোড করেন। নিয়ন্ত্রিত শিল্প বা গুরুত্বপূর্ণ সফটওয়্যারে (যেমন চিকিৎসা বা বিমান চলাচল ব্যবস্থা), এআই-এর যেকোনো অবদান কঠোর পর্যালোচনার মধ্য দিয়ে যায়।

বর্তমানে কোনো মূলধারার সফটওয়্যার সিস্টেমই ডেভেলপারের তত্ত্বাবধান ছাড়া সম্পূর্ণভাবে কৃত্রিম বুদ্ধিমত্তা দ্বারা শুরু থেকে লেখা হয় না। তবে, কিছু স্বয়ংক্রিয় বা আধা-স্বয়ংক্রিয় ব্যবহার সামনে আসছে:

• স্বয়ংক্রিয়ভাবে তৈরি ইউনিট টেস্ট: এআই কোড বিশ্লেষণ করে বিভিন্ন পরিস্থিতি মোকাবেলার জন্য ইউনিট টেস্ট তৈরি করতে পারে। একটি টেস্টিং ফ্রেমওয়ার্ক বাগ ধরার জন্য স্বয়ংক্রিয়ভাবে এই এআই-লিখিত টেস্টগুলো তৈরি ও চালাতে পারে, যা মানুষের লেখা টেস্টের পরিপূরক হিসেবে কাজ করে।

• এআই-সহ লো-কোড/নো-কোড প্ল্যাটফর্ম: কিছু প্ল্যাটফর্ম নন-প্রোগ্রামারদের তাদের চাহিদা বর্ণনা করার সুযোগ দেয় (যেমন, “এন্ট্রি সংরক্ষণের জন্য একটি কন্টাক্ট ফর্ম এবং ডেটাবেসসহ একটি ওয়েবপেজ তৈরি করুন”) এবং সিস্টেমটি কোড তৈরি করে দেয়। যদিও এটি এখনও প্রাথমিক পর্যায়ে রয়েছে, এটি এমন এক ভবিষ্যতের ইঙ্গিত দেয় যেখানে এআই সাধারণ ব্যবহারের জন্য স্বয়ংক্রিয়ভাবে সফটওয়্যার তৈরি করতে পারবে।

• স্ক্রিপ্টিং এবং গ্লু কোড: আইটি অটোমেশনে প্রায়শই সিস্টেমগুলোকে সংযুক্ত করার জন্য স্ক্রিপ্ট লিখতে হয়। এআই টুলগুলো প্রায়শই এই ছোট স্ক্রিপ্টগুলো স্বয়ংক্রিয়ভাবে তৈরি করতে পারে। উদাহরণস্বরূপ, একটি লগ ফাইল পার্স করে ইমেল অ্যালার্ট পাঠানোর জন্য স্ক্রিপ্ট লেখার ক্ষেত্রে, একটি এআই ন্যূনতম বা কোনো সম্পাদনা ছাড়াই একটি কার্যকর স্ক্রিপ্ট তৈরি করে দিতে পারে।

২০৩০-২০৩৫ সালের পূর্বাভাস: “স্বয়ংক্রিয়” সফটওয়্যারের দিকে

আগামী দশকে, জেনারেটিভ এআই কোডিংয়ের একটি বড় অংশ গ্রহণ করবে বলে আশা করা হচ্ছে, যা নির্দিষ্ট শ্রেণীর প্রকল্পের জন্য সম্পূর্ণ স্বায়ত্তশাসিত সফটওয়্যার উন্নয়নের দিকে এগিয়ে যাবে। কিছু প্রত্যাশিত উন্নয়ন হলো:

• সম্পূর্ণ ফিচার বাস্তবায়ন: আমরা আশা করি, ২০৩০ সালের মধ্যে এআই একটি সাধারণ অ্যাপ্লিকেশনের ফিচারগুলো শুরু থেকে শেষ পর্যন্ত বাস্তবায়ন করতে সক্ষম হবে। একজন প্রোডাক্ট ম্যানেজার হয়তো সহজ ভাষায় একটি ফিচারের বর্ণনা দেবেন (“ব্যবহারকারীরা ইমেইল লিঙ্কের মাধ্যমে তাদের পাসওয়ার্ড রিসেট করতে পারবেন”) এবং এআই প্রয়োজনীয় কোড (ফ্রন্ট-এন্ড ফর্ম, ব্যাক-এন্ড লজিক, ডেটাবেস আপডেট, ইমেইল পাঠানো) তৈরি করে সেটিকে কোডবেসে একীভূত করে দেবে। এআই কার্যকরভাবে একজন জুনিয়র ডেভেলপারের মতো কাজ করবে, যে শুধু স্পেসিফিকেশন অনুসরণ করতে পারে। একজন মানব প্রকৌশলী হয়তো শুধু কোড পর্যালোচনা করবেন এবং টেস্ট চালাবেন। এআই-এর নির্ভরযোগ্যতা বাড়ার সাথে সাথে, কোড পর্যালোচনা হয়তো শুধু দ্রুত চোখ বুলিয়ে নেওয়ার মধ্যেই সীমাবদ্ধ থাকবে, বা আদৌ করা হবে না।

• স্বয়ংক্রিয় কোড রক্ষণাবেক্ষণ: সফটওয়্যার ইঞ্জিনিয়ারিংয়ের একটি বড় অংশ শুধু নতুন কোড লেখাই নয়, বরং বিদ্যমান কোড আপডেট করাও বটে – যেমন বাগ ঠিক করা, পারফরম্যান্স উন্নত করা এবং নতুন চাহিদার সাথে খাপ খাইয়ে নেওয়া। ভবিষ্যতের এআই ডেভেলপাররা সম্ভবত এই কাজে পারদর্শী হবে। একটি কোডবেস এবং একটি নির্দেশিকা (“একই সাথে অনেক ব্যবহারকারী লগ ইন করলে আমাদের অ্যাপটি ক্র্যাশ করছে”) পেলে, এআই হয়তো সমস্যাটি (যেমন কনকারেন্সি বাগ) খুঁজে বের করে তা সমাধান করে দেবে। ২০৩৫ সালের মধ্যে, এআই সিস্টেমগুলো হয়তো রাতারাতি স্বয়ংক্রিয়ভাবে রুটিন রক্ষণাবেক্ষণের কাজগুলো সামলে নেবে এবং সফটওয়্যার সিস্টেমের জন্য এক অক্লান্ত রক্ষণাবেক্ষণ কর্মীদল হিসেবে কাজ করবে।

• ইন্টিগ্রেশন এবং এপিআই ব্যবহার: যেহেতু আরও বেশি সফটওয়্যার সিস্টেম এবং এপিআই এআই-পাঠযোগ্য ডকুমেন্টেশন সহ আসছে, একটি এআই এজেন্ট গ্লু কোড লিখে স্বাধীনভাবে সিস্টেম A-কে সার্ভিস B-এর সাথে কীভাবে সংযুক্ত করতে হয় তা বের করতে পারবে। উদাহরণস্বরূপ, যদি কোনো কোম্পানি তাদের অভ্যন্তরীণ এইচআর সিস্টেমকে একটি নতুন পে-রোল এপিআই-এর সাথে সিঙ্ক করতে চায়, তবে তারা একটি এআই-কে "এদেরকে একে অপরের সাথে যোগাযোগ করিয়ে দিতে" দায়িত্ব দিতে পারে, এবং এটি উভয় সিস্টেমের স্পেসিফিকেশন পড়ার পর ইন্টিগ্রেশন কোডটি লিখে দেবে।

• গুণমান এবং অপ্টিমাইজেশন: ভবিষ্যতের কোড-জেনারেটিং মডেলগুলিতে কোডটি ঠিকমতো কাজ করছে কিনা তা যাচাই করার জন্য সম্ভবত ফিডব্যাক লুপ অন্তর্ভুক্ত থাকবে (যেমন, একটি স্যান্ডবক্সে পরীক্ষা বা সিমুলেশন চালানো)। এর মানে হলো, একটি এআই শুধু কোডই লিখতে পারবে না, বরং পরীক্ষা করার মাধ্যমে নিজেই নিজের ভুল সংশোধনও করতে পারবে। ২০৩৫ সালের মধ্যে, আমরা এমন একটি এআই কল্পনা করতে পারি যা কোনো কাজ পেলে, সমস্ত পরীক্ষা পাস না করা পর্যন্ত তার কোডে ক্রমাগত পুনরাবৃত্তি করতে থাকবে – এমন একটি প্রক্রিয়া যা একজন মানুষের হয়তো লাইন-বাই-লাইন পর্যবেক্ষণ করার প্রয়োজন হবে না। এটি স্বয়ংক্রিয়ভাবে তৈরি কোডের উপর আস্থা ব্যাপকভাবে বাড়িয়ে দেবে।

২০৩৫ সালের মধ্যে এমন একটি পরিস্থিতি কল্পনা করা যায়, যেখানে একটি ছোট সফটওয়্যার প্রকল্প—যেমন কোনো ব্যবসার জন্য একটি কাস্টম মোবাইল অ্যাপ—প্রধানত একটি এআই এজেন্ট দ্বারা তৈরি হতে পারে, যাকে উচ্চ-স্তরের নির্দেশাবলী দেওয়া হবে। সেই পরিস্থিতিতে মানব “ডেভেলপার” মূলত একজন প্রজেক্ট ম্যানেজার বা ভ্যালিডেটরের ভূমিকা পালন করবেন, যিনি প্রয়োজনীয়তা ও সীমাবদ্ধতা (যেমন নিরাপত্তা, স্টাইল গাইডলাইন) নির্দিষ্ট করে দেবেন এবং প্রকৃত কোডিংয়ের কঠিন কাজটি এআই-এর ওপর ছেড়ে দেবেন।.

তবে, জটিল ও বৃহৎ পরিসরের সফটওয়্যারের (যেমন অপারেটিং সিস্টেম, উন্নত এআই অ্যালগরিদম ইত্যাদি) ক্ষেত্রে মানব বিশেষজ্ঞরা এখনও গভীরভাবে জড়িত থাকবেন। সফটওয়্যারের সৃজনশীল সমস্যা সমাধান এবং আর্কিটেকচারাল ডিজাইন সম্ভবত আরও কিছুকাল মানব-চালিতই থাকবে। এআই হয়তো কোডিংয়ের অনেক কাজ সামলে নেবে, কিন্তু কী তৈরি করতে হবে সেই সিদ্ধান্ত নেওয়া এবং সামগ্রিক কাঠামো ডিজাইন করা একটি ভিন্ন চ্যালেঞ্জ। তা সত্ত্বেও, যখন জেনারেটিভ এআই একে অপরের সাথে সহযোগিতা করতে শুরু করবে—অর্থাৎ একাধিক এআই এজেন্ট একটি সিস্টেমের বিভিন্ন উপাদান পরিচালনা করবে—তখন এটা ভাবা যায় যে তারা কিছুটা হলেও যৌথভাবে আর্কিটেকচার ডিজাইন করতে পারবে (উদাহরণস্বরূপ, একটি এআই একটি সিস্টেম ডিজাইন প্রস্তাব করবে, অন্যটি তার সমালোচনা করবে এবং তারা পুনরাবৃত্তি করতে থাকবে, আর একজন মানুষ এই প্রক্রিয়াটি তত্ত্বাবধান করবে)।

কোডিংয়ে এআই-এর একটি প্রধান প্রত্যাশিত সুবিধা হলো উৎপাদনশীলতা বৃদ্ধি । গার্টনারের পূর্বাভাস অনুযায়ী, ২০২৮ সালের মধ্যে ৯০% সফটওয়্যার ইঞ্জিনিয়ার এআই কোড অ্যাসিস্ট্যান্ট ব্যবহার করবেন (যা ২০২৪ সালের ১৫%-এরও কম থেকে বৃদ্ধি পাবে) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine )। এর থেকে বোঝা যায় যে, যারা এআই ব্যবহার করছেন না, সেই ব্যতিক্রমী মানুষের সংখ্যা খুবই কম হবে। আমরা হয়তো কিছু নির্দিষ্ট ক্ষেত্রে মানব ডেভেলপারের ঘাটতিও দেখতে পারি, যা এআই দ্বারা পূরণ হবে; মূলত, প্রতিটি ডেভেলপার এমন একটি এআই সহায়কের সাহায্যে আরও অনেক বেশি কাজ করতে পারবেন, যা স্বয়ংক্রিয়ভাবে কোডের খসড়া তৈরি করতে পারে।

বিশ্বাসযোগ্যতা একটি কেন্দ্রীয় বিষয় হয়ে থাকবে। এমনকি ২০৩৫ সালেও, সংস্থাগুলোকে নিশ্চিত করতে হবে যে স্বয়ংক্রিয়ভাবে তৈরি কোড সুরক্ষিত (এআই যেন কোনো দুর্বলতা সৃষ্টি না করে) এবং আইনি ও নৈতিক মানদণ্ডের সাথে সঙ্গতিপূর্ণ (যেমন, এআই যেন যথাযথ লাইসেন্স ছাড়া কোনো ওপেন-সোর্স লাইব্রেরি থেকে নকল করা কোড অন্তর্ভুক্ত না করে)। আমরা আশা করি, উন্নত এআই গভর্নেন্স টুলগুলো এআই-লিখিত কোডের উৎস যাচাই ও শনাক্ত করতে পারবে, যা ঝুঁকি ছাড়াই আরও বেশি স্বয়ংক্রিয় কোডিং সক্ষম করতে সাহায্য করবে।.

সংক্ষেপে, ২০৩০-এর দশকের মাঝামাঝি নাগাদ, জেনারেটিভ এআই সাধারণ সফটওয়্যার কাজের সিংহভাগ কোডিং সামলাবে এবং জটিল কাজগুলোতে উল্লেখযোগ্যভাবে সহায়তা করবে। সফটওয়্যার ডেভেলপমেন্ট লাইফসাইকেল—রিকোয়ারমেন্ট থেকে শুরু করে ডেপ্লয়মেন্ট পর্যন্ত—অনেক বেশি স্বয়ংক্রিয় হয়ে উঠবে, যেখানে এআই সম্ভবত স্বয়ংক্রিয়ভাবে কোডের পরিবর্তন তৈরি ও ডেপ্লয় করবে। মানব ডেভেলপাররা উচ্চ-স্তরের লজিক, ইউজার এক্সপেরিয়েন্স এবং তত্ত্বাবধানের উপর বেশি মনোযোগ দেবে, আর এআই এজেন্টরা বাস্তবায়নের খুঁটিনাটি বিষয়গুলো নিয়ে কাজ করবে।.

গ্রাহক পরিষেবা এবং সমর্থনে জেনারেটিভ এআই

আপনি যদি সম্প্রতি কোনো অনলাইন কাস্টমার সাপোর্ট চ্যাটে অংশগ্রহণ করে থাকেন, তাহলে খুব সম্ভবত এর অন্তত কিছু অংশের জন্য অপর প্রান্তে একটি এআই ছিল। কাস্টমার সার্ভিস হলো এআই অটোমেশনের জন্য একটি উপযুক্ত ক্ষেত্র: এর মধ্যে ব্যবহারকারীর প্রশ্নের উত্তর দেওয়া অন্তর্ভুক্ত, যা জেনারেটিভ এআই (বিশেষ করে কনভারসেশনাল মডেল) বেশ ভালোভাবে করতে পারে, এবং এটি প্রায়শই স্ক্রিপ্ট বা নলেজ বেস আর্টিকেল অনুসরণ করে, যা এআই শিখতে পারে। এআই কতটা স্বায়ত্তশাসিতভাবে গ্রাহকদের সামলাতে পারে?

বর্তমান সক্ষমতা (২০২৫): চ্যাটবট এবং ভার্চুয়াল এজেন্টরা অগ্রভাগে আসছে

বর্তমানে, অনেক প্রতিষ্ঠান যোগাযোগের প্রথম মাধ্যম হিসেবে এআই চ্যাটবট । এগুলোর মধ্যে সাধারণ নিয়ম-ভিত্তিক বট (“বিলিংয়ের জন্য ১ চাপুন, সাপোর্টের জন্য ২ চাপুন…”) থেকে শুরু করে উন্নত জেনারেটিভ এআই চ্যাটবটও রয়েছে, যেগুলো মুক্ত ধরনের প্রশ্ন বুঝতে পারে এবং কথোপকথনের ভঙ্গিতে উত্তর দিতে পারে। মূল বিষয়গুলো:

• সাধারণ প্রশ্নের সমাধান: এআই এজেন্টরা প্রায়শই জিজ্ঞাসিত প্রশ্নের উত্তর দিতে, তথ্য সরবরাহ করতে (যেমন দোকানের সময়সূচী, অর্থ ফেরতের নীতি, পরিচিত সমস্যার সমাধান পদ্ধতি) এবং ব্যবহারকারীদের সাধারণ কার্যপ্রণালীর মাধ্যমে পথ দেখাতে পারদর্শী। উদাহরণস্বরূপ, একটি ব্যাংকের এআই চ্যাটবট মানুষের সাহায্য ছাড়াই স্বয়ংক্রিয়ভাবে একজন ব্যবহারকারীকে তার অ্যাকাউন্টের ব্যালেন্স দেখতে, পাসওয়ার্ড রিসেট করতে বা ঋণের জন্য কীভাবে আবেদন করতে হয় তা ব্যাখ্যা করতে সাহায্য করতে পারে।

• স্বাভাবিক ভাষা বোঝা: আধুনিক জেনারেটিভ মডেলগুলো আরও সাবলীল এবং “মানুষের মতো” মিথস্ক্রিয়ার সুযোগ করে দেয়। গ্রাহকরা নিজেদের ভাষায় প্রশ্ন টাইপ করতে পারেন এবং এআই সাধারণত সেই উদ্দেশ্যটি বুঝতে পারে। কোম্পানিগুলো জানাচ্ছে যে, কয়েক বছর আগের অদক্ষ বটগুলোর তুলনায় আজকের এআই এজেন্টগুলো গ্রাহকদের কাছে অনেক বেশি সন্তোষজনক – প্রায় অর্ধেক গ্রাহক এখন বিশ্বাস করেন যে, গ্রাহকদের উদ্বেগ নিরসনে এআই এজেন্টরা সহানুভূতিশীল এবং কার্যকর হতে পারে ( ২০২৫ সালের জন্য ৫৯টি এআই গ্রাহক পরিষেবা পরিসংখ্যান ), যা এআই-চালিত পরিষেবার প্রতি ক্রমবর্ধমান আস্থারই প্রতিফলন।

• বহু-মাধ্যম সমর্থন: এআই শুধু চ্যাটের মধ্যেই সীমাবদ্ধ নয়। ভয়েস অ্যাসিস্ট্যান্ট (যেমন এআই-চালিত ফোন আইভিআর সিস্টেম) এখন কল সামলানো শুরু করেছে, এবং এআই গ্রাহকদের জিজ্ঞাসার জবাবে ইমেলের উত্তরও তৈরি করতে পারে, যা সঠিক বলে বিবেচিত হলে স্বয়ংক্রিয়ভাবে পাঠানো হতে পারে।

• যখন মানুষ হস্তক্ষেপ করে: সাধারণত, যদি এআই বিভ্রান্ত হয়ে যায় বা প্রশ্নটি খুব জটিল হয়, তবে এটি একজন মানব এজেন্টের কাছে দায়িত্ব হস্তান্তর করে। বর্তমান সিস্টেমগুলো তাদের সীমাবদ্ধতা সম্পর্কে ভালোভাবে অবগত । উদাহরণস্বরূপ, যদি কোনো গ্রাহক অস্বাভাবিক কিছু জিজ্ঞাসা করেন বা হতাশা প্রকাশ করেন (“এই নিয়ে তৃতীয়বার আমি আপনার সাথে যোগাযোগ করছি এবং আমি খুবই বিরক্ত…”), তবে এআই হয়তো একজন মানুষের দায়িত্ব নেওয়ার জন্য বিষয়টি চিহ্নিত করে দেয়। দক্ষতা এবং গ্রাহক সন্তুষ্টির মধ্যে ভারসাম্য বজায় রাখতে কোম্পানিগুলোই দায়িত্ব হস্তান্তরের সীমা নির্ধারণ করে দেয়।

অনেক কোম্পানি জানিয়েছে যে তাদের যোগাযোগের একটি উল্লেখযোগ্য অংশ শুধুমাত্র এআই-এর মাধ্যমেই সমাধান করা হচ্ছে। শিল্প সমীক্ষা অনুসারে, বর্তমানে প্রায় ৭০-৮০% সাধারণ গ্রাহক জিজ্ঞাসা এআই চ্যাটবট দ্বারা সমাধান করা যায় এবং বিভিন্ন চ্যানেলে কোম্পানিগুলোর গ্রাহক যোগাযোগের প্রায় ৪০% ইতোমধ্যেই স্বয়ংক্রিয় বা এআই-এর সহায়তায় পরিচালিত হয় ( ৫২টি এআই গ্রাহক পরিষেবা পরিসংখ্যান যা আপনার জানা উচিত - প্লিভো )। আইবিএম-এর গ্লোবাল এআই অ্যাডপশন ইনডেক্স (২০২২) অনুযায়ী, ২০২৫ সালের মধ্যে ৮০% কোম্পানি গ্রাহক পরিষেবার জন্য এআই চ্যাটবট ব্যবহার করে বা ব্যবহার করার পরিকল্পনা করছে।

একটি আকর্ষণীয় অগ্রগতি হলো, এআই শুধু গ্রাহকদের সাড়াই দিচ্ছে না, বরং সক্রিয়ভাবে রিয়েল টাইমে মানব এজেন্টদের সহায়তা করছে । উদাহরণস্বরূপ, একটি লাইভ চ্যাট বা কলের সময়, একটি এআই শুনতে পারে এবং তাৎক্ষণিকভাবে মানব এজেন্টকে প্রস্তাবিত উত্তর বা প্রাসঙ্গিক তথ্য সরবরাহ করতে পারে। এটি স্বায়ত্তশাসনের সীমারেখাকে অস্পষ্ট করে দেয় – এআই একা গ্রাহকের মুখোমুখি হয় না, বরং এটি মানুষের সুস্পষ্ট জিজ্ঞাসা ছাড়াই সক্রিয়ভাবে জড়িত থাকে। এটি কার্যকরভাবে এজেন্টের জন্য একজন স্বায়ত্তশাসিত উপদেষ্টা হিসেবে কাজ করে।

২০৩০-২০৩৫ সালের পূর্বাভাস: প্রধানত এআই-চালিত গ্রাহক মিথস্ক্রিয়া

২০৩০ সালের মধ্যে, গ্রাহক পরিষেবার অধিকাংশ ক্ষেত্রেই কৃত্রিম বুদ্ধিমত্তার সম্পৃক্ততা থাকবে বলে আশা করা হচ্ছে, যার মধ্যে অনেক কিছুই শুরু থেকে শেষ পর্যন্ত সম্পূর্ণরূপে কৃত্রিম বুদ্ধিমত্তা দ্বারা পরিচালিত হবে। এই ধারণাকে সমর্থনকারী পূর্বাভাস এবং প্রবণতাগুলো হলো:

• উচ্চতর জটিলতার প্রশ্নের সমাধান: এআই মডেলগুলো যখন বিশাল জ্ঞানকে একীভূত করবে এবং তাদের যুক্তিবোধ উন্নত করবে, তখন তারা গ্রাহকদের আরও জটিল অনুরোধ সামলাতে সক্ষম হবে। শুধু “আমি কীভাবে একটি পণ্য ফেরত দেব?”-এর মতো প্রশ্নের উত্তর দেওয়ার পরিবর্তে, ভবিষ্যতের এআই হয়তো একাধিক ধাপের সমস্যা সমাধান করতে পারবে, যেমন, “আমার ইন্টারনেট সংযোগ বিচ্ছিন্ন, আমি রিবুট করার চেষ্টা করেছি, আপনি কি সাহায্য করতে পারেন?”—কথোপকথনের মাধ্যমে সমস্যাটি নির্ণয় করে, গ্রাহককে উন্নত ট্রাবলশুটিং-এর জন্য নির্দেশনা দিয়ে এবং অন্য সব উপায় ব্যর্থ হলেই কেবল একজন টেকনিশিয়ান পাঠানোর ব্যবস্থা করে। এই কাজগুলোর জন্য বর্তমানে সম্ভবত একজন মানব সাপোর্ট টেকনিশিয়ানের প্রয়োজন হতো। স্বাস্থ্যসেবা গ্রাহক পরিষেবার ক্ষেত্রে, একটি এআই হয়তো রোগীর অ্যাপয়েন্টমেন্ট নির্ধারণ থেকে শুরু করে বীমা সংক্রান্ত প্রশ্ন পর্যন্ত সবকিছু সামলাতে পারবে।

• এন্ড-টু-এন্ড পরিষেবা সমাধান: আমরা হয়তো দেখব যে এআই শুধু গ্রাহককে কী করতে হবে তা-ই বলছে না, বরং কাজটি করেও দিচ্ছে । উদাহরণস্বরূপ, যদি কোনো গ্রাহক বলেন, “আমি আমার ফ্লাইটটি আগামী সোমবারের জন্য পরিবর্তন করতে এবং আরেকটি ব্যাগ যোগ করতে চাই,” তাহলে ২০৩০ সালের একটি এআই এজেন্ট সরাসরি এয়ারলাইনের রিজার্ভেশন সিস্টেমের সাথে সংযোগ স্থাপন করতে পারে, পরিবর্তনটি সম্পন্ন করতে পারে, ব্যাগের জন্য অর্থপ্রদান প্রক্রিয়া করতে পারে এবং গ্রাহককে বিষয়টি নিশ্চিত করতে পারে – এই সবকিছুই স্বয়ংক্রিয়ভাবে। এআই তখন শুধু তথ্যের উৎস না হয়ে, একটি পূর্ণাঙ্গ পরিষেবা প্রদানকারী এজেন্টে পরিণত হবে।

• সর্বব্যাপী এআই এজেন্ট: কোম্পানিগুলো সম্ভবত গ্রাহকদের সাথে যোগাযোগের সমস্ত মাধ্যম—ফোন, চ্যাট, ইমেল, সোশ্যাল মিডিয়া—জুড়ে এআই ব্যবহার করবে। অনেক গ্রাহক হয়তো বুঝতেই পারবেন না যে তারা কোনো এআই-এর সাথে কথা বলছেন নাকি কোনো মানুষের সাথে, বিশেষ করে যখন এআই-এর কণ্ঠস্বর আরও স্বাভাবিক হয়ে উঠবে এবং চ্যাটের উত্তরগুলো আরও বেশি প্রাসঙ্গিক হবে। ২০৩৫ সাল নাগাদ, কাস্টমার সার্ভিসে যোগাযোগ করার অর্থ প্রায়শই এমন একটি স্মার্ট এআই-এর সাথে কথা বলা হতে পারে, যা আপনার অতীতের কথোপকথন মনে রাখে, আপনার পছন্দ বোঝে এবং আপনার বাচনভঙ্গির সাথে নিজেকে মানিয়ে নেয়—মূলত প্রতিটি গ্রাহকের জন্য এটি হবে একটি ব্যক্তিগত ভার্চুয়াল এজেন্ট।

• ইন্টারঅ্যাকশনে এআই-এর সিদ্ধান্ত গ্রহণ: শুধু প্রশ্নের উত্তর দেওয়ার বাইরেও, এআই এমন সব সিদ্ধান্ত নিতে শুরু করবে যেগুলোর জন্য বর্তমানে ব্যবস্থাপকীয় অনুমোদনের প্রয়োজন হয়। উদাহরণস্বরূপ, আজ একজন ক্রুদ্ধ গ্রাহককে শান্ত করার জন্য রিফান্ড বা বিশেষ ছাড় দেওয়ার ক্ষেত্রে একজন মানব এজেন্টের একজন সুপারভাইজারের অনুমোদনের প্রয়োজন হতে পারে। ভবিষ্যতে, গ্রাহকের আজীবন মূল্য (customer lifetime value) এবং সেন্টিমেন্ট অ্যানালাইসিসের (sentiment analysis) গণনার উপর ভিত্তি করে, নির্দিষ্ট সীমার মধ্যে, একটি এআই-কে সেই সিদ্ধান্তগুলোর দায়িত্ব অর্পণ করা যেতে পারে। ফিউচারাম/আইবিএম (Futurum/IBM)-এর একটি সমীক্ষায় অনুমান করা হয়েছে যে ২০৩০ সালের মধ্যে রিয়েল-টাইম গ্রাহক যোগাযোগের সময় নেওয়া প্রায় ৬৯% সিদ্ধান্ত স্মার্ট মেশিন দ্বারা নেওয়া হবে ( To Reimagine the Shift to CX, Marketers Must Do These 2 Things ) – অর্থাৎ, কোনো ইন্টারঅ্যাকশনে এআই-ই সর্বোত্তম কর্মপন্থা নির্ধারণ করবে।

• ১০০% এআই সম্পৃক্ততা: প্রতিটি ক্ষেত্রে ভূমিকা পালন করবে ( ২০২৫ সালের জন্য ৫৯টি এআই গ্রাহক পরিষেবা পরিসংখ্যান ), তা সরাসরি হোক বা নেপথ্যে। এর অর্থ হতে পারে যে, এমনকি যখন কোনো মানুষ গ্রাহকের সাথে কথা বলবে, তখনও এআই তাকে সহায়তা করবে (পরামর্শ প্রদান, তথ্য সংগ্রহ করার মাধ্যমে)। এর অন্য ব্যাখ্যাটি হলো, গ্রাহকের কোনো প্রশ্নই কোনো সময়ে উত্তরহীন থাকবে না – মানুষ অফলাইনে থাকলেও এআই সর্বদা উপস্থিত থাকবে।

২০৩৫ সাল নাগাদ আমরা হয়তো দেখব যে, মানব গ্রাহক পরিষেবা এজেন্টরা কেবল সবচেয়ে সংবেদনশীল বা নিবিড় পরিস্থিতিগুলোর (যেমন, ভিআইপি গ্রাহক অথবা জটিল অভিযোগ নিষ্পত্তি, যার জন্য মানবিক সহানুভূতি প্রয়োজন) জন্যই বিশেষায়িত হয়ে উঠেছে। ব্যাংকিং থেকে শুরু করে খুচরা ব্যবসা ও প্রযুক্তিগত সহায়তা পর্যন্ত সাধারণ জিজ্ঞাসাগুলোর সমাধান করতে পারবে একদল এআই এজেন্ট, যারা ২৪/৭ কাজ করবে এবং প্রতিটি আলাপচারিতা থেকে ক্রমাগত শিখবে। এই পরিবর্তন গ্রাহক পরিষেবাকে আরও ধারাবাহিক ও তাৎক্ষণিক করে তুলতে পারে, কারণ এআই মানুষকে হোল্ডে অপেক্ষায় রাখে না এবং তাত্ত্বিকভাবে একই সাথে অগণিত গ্রাহককে সামলানোর জন্য মাল্টিটাস্কিং করতে পারে।.

এই লক্ষ্য অর্জনের জন্য কিছু প্রতিবন্ধকতা অতিক্রম করতে হবে: মানুষের গ্রাহকদের অপ্রত্যাশিত আচরণের মোকাবিলা করার জন্য এআই-কে অত্যন্ত শক্তিশালী হতে হবে। এটিকে স্ল্যাং, রাগ, বিভ্রান্তি এবং মানুষের যোগাযোগের অগণিত বৈচিত্র্যময় পদ্ধতির সাথে মানিয়ে নিতে সক্ষম হতে হবে। এর জন্য হালনাগাদ জ্ঞানও প্রয়োজন (এআই-এর তথ্য পুরোনো হলে তার কোনো অর্থই থাকে না)। এআই এবং কোম্পানির ডেটাবেসের মধ্যে সমন্বয়ের মাধ্যমে (অর্ডার, বিভ্রাট ইত্যাদির রিয়েল-টাইম তথ্যের জন্য) এই বাধাগুলো অতিক্রম করা সম্ভব।.

নৈতিকভাবে, কোম্পানিগুলোকে সিদ্ধান্ত নিতে হবে কখন “আপনি একটি এআই-এর সাথে কথা বলছেন” এই তথ্যটি প্রকাশ করা হবে এবং ন্যায্যতা নিশ্চিত করা হবে (যেমন, পক্ষপাতমূলক প্রশিক্ষণের কারণে এআই যেন নির্দিষ্ট গ্রাহকদের সাথে নেতিবাচকভাবে ভিন্ন আচরণ না করে)। যদি এই বিষয়গুলো সঠিকভাবে পরিচালনা করা যায়, তবে এর ব্যবসায়িক যুক্তি বেশ জোরালো: এআই গ্রাহক পরিষেবা খরচ এবং অপেক্ষার সময় ব্যাপকভাবে কমাতে পারে। সংস্থাগুলো এই সক্ষমতাগুলোতে বিনিয়োগ করার ফলে, ২০৩০ সালের মধ্যে গ্রাহক পরিষেবায় এআই-এর বাজার কয়েক হাজার কোটি ডলারে উন্নীত হবে বলে অনুমান করা হচ্ছে ( এআই ইন কাস্টমার সার্ভিস মার্কেট রিপোর্ট ২০২৫-২০৩০: কেস ) ( হাউ জেনারেটিভ এআই ইজ বুস্টিং লজিস্টিকস | রাইডার )।

সংক্ষেপে, এমন এক ভবিষ্যতের প্রত্যাশা করুন যেখানে স্বয়ংক্রিয় এআই গ্রাহক পরিষেবা একটি সাধারণ বিষয় হয়ে উঠবে । সাহায্য চাওয়ার অর্থ প্রায়শই এমন একটি স্মার্ট মেশিনের সাথে যোগাযোগ করা হবে যা আপনার সমস্যা দ্রুত সমাধান করতে পারে। তত্ত্বাবধান এবং বিশেষ পরিস্থিতি সামলানোর জন্য মানুষের সম্পৃক্ততা থাকবে, তবে তারা মূলত এআই কর্মীদের তত্ত্বাবধায়ক হিসেবেই কাজ করবে। এর ফলে গ্রাহকরা আরও দ্রুত এবং ব্যক্তিগতকৃত পরিষেবা পেতে পারেন – তবে শর্ত হলো, অতীতের ‘রোবট হটলাইন’-এর হতাশাজনক অভিজ্ঞতা এড়ানোর জন্য এআই-কে সঠিকভাবে প্রশিক্ষণ ও পর্যবেক্ষণ করতে হবে।

স্বাস্থ্যসেবা ও চিকিৎসায় জেনারেটিভ এআই

স্বাস্থ্যসেবা এমন একটি ক্ষেত্র যেখানে ঝুঁকি অনেক বেশি। চিকিৎসাক্ষেত্রে মানুষের তত্ত্বাবধান ছাড়াই কৃত্রিম বুদ্ধিমত্তার কাজ করার ধারণাটি একদিকে যেমন উত্তেজনা (দক্ষতা ও বিস্তৃতির জন্য), তেমনই অন্যদিকে সতর্কতা (নিরাপত্তা ও সহানুভূতির কারণে) জাগিয়ে তোলে। জেনারেটিভ এআই মেডিকেল ইমেজিং বিশ্লেষণ, ক্লিনিক্যাল ডকুমেন্টেশন এবং এমনকি ওষুধ আবিষ্কারের মতো ক্ষেত্রগুলিতে প্রবেশ করতে শুরু করেছে। এটি নিজে থেকে দায়িত্বের সাথে কী করতে পারে?

বর্তমান সক্ষমতা (২০২৫): চিকিৎসকদের সহায়তা করা, তাঁদের প্রতিস্থাপন করা নয়

বর্তমানে, স্বাস্থ্যসেবায় জেনারেটিভ এআই মূলত চিকিৎসা পেশাজীবীদের একজন শক্তিশালী সহকারী , কোনো স্বায়ত্তশাসিত সিদ্ধান্ত গ্রহণকারী হিসেবে নয়। উদাহরণস্বরূপ:

• চিকিৎসা সংক্রান্ত নথি: স্বাস্থ্যসেবায় কৃত্রিম বুদ্ধিমত্তার সবচেয়ে সফল প্রয়োগগুলোর মধ্যে একটি হলো ডাক্তারদের কাগজপত্রের কাজে সাহায্য করা। ন্যাচারাল ল্যাঙ্গুয়েজ মডেল রোগীর ভিজিটের বিবরণ লিখে রাখতে এবং ক্লিনিক্যাল নোট বা ডিসচার্জ সামারি তৈরি করতে পারে। বিভিন্ন কোম্পানির এমন “এআই স্ক্রাইব” রয়েছে, যারা পরীক্ষার সময় (মাইক্রোফোনের মাধ্যমে) শোনে এবং ডাক্তারের পর্যালোচনার জন্য স্বয়ংক্রিয়ভাবে এনকাউন্টার নোটের একটি খসড়া তৈরি করে দেয়। এতে চিকিৎসকদের টাইপ করার সময় বাঁচে। কিছু সিস্টেম এমনকি ইলেকট্রনিক হেলথ রেকর্ডের অংশবিশেষ স্বয়ংক্রিয়ভাবে পূরণ করে দেয়। এটি ন্যূনতম হস্তক্ষেপেই করা যায় – ডাক্তার শুধু খসড়াটির ছোটখাটো ভুলগুলো সংশোধন করেন, যার অর্থ হলো নোট লেখার কাজটি মূলত স্বয়ংক্রিয়।

• রেডিওলজি ও ইমেজিং: জেনারেটিভ মডেলসহ এআই, এক্স-রে, এমআরআই এবং সিটি স্ক্যান বিশ্লেষণ করে বিভিন্ন অস্বাভাবিকতা (যেমন টিউমার বা ফ্র্যাকচার) শনাক্ত করতে পারে। ২০১৮ সালে, এফডিএ রেটিনার ছবিতে ডায়াবেটিক রেটিনোপ্যাথি (চোখের একটি রোগ) স্বয়ংক্রিয়ভাবে শনাক্ত করার জন্য একটি এআই সিস্টেমকে অনুমোদন দেয় – উল্লেখযোগ্যভাবে, এই নির্দিষ্ট স্ক্রিনিংয়ের ক্ষেত্রে কোনো বিশেষজ্ঞের পর্যালোচনা ছাড়াই সিদ্ধান্ত নেওয়ার জন্য এটিকে অনুমোদন দেওয়া হয়েছিল। সেই সিস্টেমটি জেনারেটিভ এআই ছিল না, কিন্তু এটি দেখায় যে নিয়ন্ত্রক সংস্থাগুলো সীমিত কিছু ক্ষেত্রে স্বয়ংক্রিয় এআই রোগ নির্ণয়ের অনুমতি দিয়েছে। বিস্তারিত রিপোর্ট তৈরির ক্ষেত্রে জেনারেটিভ মডেলগুলো কাজে আসে। উদাহরণস্বরূপ, একটি এআই বুকের এক্স-রে পরীক্ষা করে একজন রেডিওলজিস্টের জন্য একটি রিপোর্ট তৈরি করতে , যেখানে বলা থাকবে, “কোনো গুরুতর সমস্যা নেই। ফুসফুস পরিষ্কার। হৃৎপিণ্ডের আকার স্বাভাবিক।” এরপর রেডিওলজিস্ট শুধু তা নিশ্চিত করে স্বাক্ষর করেন। কিছু সাধারণ ক্ষেত্রে, যদি রেডিওলজিস্ট এআই-কে বিশ্বাস করেন এবং শুধু দ্রুত একবার যাচাই করে নেন, তবে এই রিপোর্টগুলো কোনো সম্পাদনা ছাড়াই পাঠানো যেতে পারে।

• লক্ষণ পরীক্ষক এবং ভার্চুয়াল নার্স: জেনারেটিভ এআই চ্যাটবটগুলোকে প্রাথমিক লক্ষণ পরীক্ষক হিসেবে ব্যবহার করা হচ্ছে। রোগীরা তাদের লক্ষণগুলো জানাতে পারেন এবং পরামর্শ পেতে পারেন (যেমন, “এটি সাধারণ সর্দি হতে পারে; বিশ্রাম নিন এবং পর্যাপ্ত পানি পান করুন, কিন্তু অমুক বা তমুক কিছু ঘটলে ডাক্তারের সাথে দেখা করুন।”)। ব্যাবিলন হেলথের মতো অ্যাপগুলো সুপারিশ দেওয়ার জন্য এআই ব্যবহার করে। বর্তমানে, এগুলোকে সাধারণত তথ্যমূলক হিসেবেই উপস্থাপন করা হয়, কোনো চূড়ান্ত চিকিৎসা পরামর্শ হিসেবে নয়, এবং এগুলো গুরুতর সমস্যার জন্য একজন মানব চিকিৎসকের সাথে ফলো-আপ করতে উৎসাহিত করে।

• ঔষধ আবিষ্কার (জেনারেটিভ কেমিস্ট্রি): জেনারেটিভ এআই মডেলগুলো ঔষধের জন্য নতুন আণবিক কাঠামো প্রস্তাব করতে পারে। এটি রোগী সেবার চেয়ে গবেষণা ক্ষেত্রের সঙ্গে বেশি সম্পর্কিত। এই এআইগুলো স্বয়ংক্রিয়ভাবে কাজ করে কাঙ্ক্ষিত বৈশিষ্ট্যসম্পন্ন হাজার হাজার সম্ভাব্য যৌগের পরামর্শ দেয়, যা পরবর্তীতে মানব রসায়নবিদরা পরীক্ষাগারে পর্যালোচনা ও পরীক্ষা করেন। ইনসিলিকো মেডিসিনের মতো কোম্পানিগুলো উল্লেখযোগ্যভাবে কম সময়ে নতুন সম্ভাব্য ঔষধ তৈরি করতে এআই ব্যবহার করেছে। যদিও এটি সরাসরি রোগীদের সংস্পর্শে আসে না, এটি এআই দ্বারা স্বয়ংক্রিয়ভাবে এমন সমাধান (অণুর নকশা) তৈরির একটি উদাহরণ, যা খুঁজে বের করতে মানুষের অনেক বেশি সময় লাগত।

• স্বাস্থ্যসেবা কার্যক্রম: এআই হাসপাতালগুলিতে সময়সূচী নির্ধারণ, সরবরাহ ব্যবস্থাপনা এবং অন্যান্য লজিস্টিকস উন্নত করতে সাহায্য করছে। উদাহরণস্বরূপ, একটি জেনারেটিভ মডেল রোগীর চলাচল অনুকরণ করতে পারে এবং অপেক্ষার সময় কমাতে সময়সূচীতে পরিবর্তনের পরামর্শ দিতে পারে। যদিও ততটা দৃশ্যমান নয়, এই সিদ্ধান্তগুলো একটি এআই ন্যূনতম ম্যানুয়াল পরিবর্তনের মাধ্যমেই নিতে পারে।

এটা উল্লেখ করা গুরুত্বপূর্ণ যে , ২০২৫ সাল নাগাদ কোনো হাসপাতালই মানুষের অনুমোদন ছাড়া এআই-কে স্বাধীনভাবে বড় ধরনের চিকিৎসা সংক্রান্ত সিদ্ধান্ত বা চিকিৎসা করতে দিচ্ছে না। রোগ নির্ণয় এবং চিকিৎসার পরিকল্পনা দৃঢ়ভাবে মানুষের হাতেই থাকছে, যেখানে এআই কেবল প্রয়োজনীয় তথ্য সরবরাহ করছে। একটি এআই সম্পূর্ণ স্বয়ংক্রিয়ভাবে একজন রোগীকে “আপনার ক্যান্সার হয়েছে” বলার বা ঔষধ লিখে দেওয়ার জন্য যে আস্থার প্রয়োজন, তা এখনও তৈরি হয়নি, এবং ব্যাপক যাচাই-বাছাই ছাড়া তা তৈরি হওয়া উচিতও নয়। চিকিৎসা পেশাজীবীরা এআই-কে দ্বিতীয় চোখ হিসেবে বা সময় বাঁচানোর একটি উপায় হিসেবে ব্যবহার করেন, কিন্তু তাঁরা এর গুরুত্বপূর্ণ ফলাফলগুলো যাচাই করে নেন।

২০৩০-২০৩৫ সালের পূর্বাভাস: চিকিৎসকের সহকর্মী হিসেবে এআই (এবং সম্ভবত একজন নার্স বা ফার্মাসিস্ট হিসেবেও)

আগামী দশকে আমরা আশা করি, জেনারেটিভ এআই আরও বেশি নিত্যনৈমিত্তিক ক্লিনিক্যাল কাজ স্বয়ংক্রিয়ভাবে গ্রহণ করবে এবং স্বাস্থ্যসেবার পরিধি প্রসারিত করবে।

• স্বয়ংক্রিয় প্রাথমিক রোগ নির্ণয়: ২০৩০ সালের মধ্যে, এআই অনেক সাধারণ রোগের প্রাথমিক বিশ্লেষণ নির্ভরযোগ্যভাবে করতে পারবে। কল্পনা করুন, ক্লিনিকে এমন একটি এআই সিস্টেম রয়েছে যা ক্যামেরার মাধ্যমে রোগীর উপসর্গ, চিকিৎসার ইতিহাস, এমনকি তার কণ্ঠস্বর ও মুখের ভাবভঙ্গিও পড়ে নেয় এবং রোগ নির্ণয়ের পরামর্শ ও প্রয়োজনীয় পরীক্ষার সুপারিশ করে – এই সবকিছুই একজন মানব চিকিৎসক রোগীকে দেখার আগেই সম্পন্ন হয়। এরপর চিকিৎসক রোগ নির্ণয় নিশ্চিত করা এবং তা নিয়ে আলোচনা করার দিকে মনোযোগ দিতে পারেন। টেলিমেডিসিনে, একজন রোগী প্রথমে একটি এআই-এর সাথে চ্যাট করতে পারেন, যা সমস্যাটিকে নির্দিষ্ট করে (যেমন, সম্ভাব্য সাইনাস সংক্রমণ বনাম আরও গুরুতর কিছু) এবং প্রয়োজনে তাকে একজন চিকিৎসকের সাথে সংযুক্ত করে দেয়। নিয়ন্ত্রক সংস্থাগুলো এআই-কে অত্যন্ত নির্ভুল প্রমাণিত হলে, মানুষের তত্ত্বাবধান ছাড়াই কিছু ছোটখাটো রোগ নির্ণয়ের জন্য আনুষ্ঠানিকভাবে – উদাহরণস্বরূপ, একটি অটোস্কোপের ছবি থেকে এআই-এর পক্ষে কানের একটি সাধারণ সংক্রমণ নির্ণয় করা সম্ভব হতে পারে।

• ব্যক্তিগত স্বাস্থ্য মনিটর: পরিধানযোগ্য ডিভাইস (স্মার্টওয়াচ, স্বাস্থ্য সেন্সর)-এর ব্যাপক প্রসারের ফলে, এআই রোগীদের ক্রমাগত পর্যবেক্ষণ করবে এবং কোনো সমস্যা দেখা দিলে স্বয়ংক্রিয়ভাবে সতর্ক করবে। উদাহরণস্বরূপ, ২০৩৫ সালের মধ্যে আপনার পরিধানযোগ্য ডিভাইসের এআই হয়তো হৃদস্পন্দনের অস্বাভাবিক ছন্দ শনাক্ত করে স্বয়ংক্রিয়ভাবে আপনার জন্য একটি জরুরি ভার্চুয়াল পরামর্শের ব্যবস্থা করতে পারে, অথবা হার্ট অ্যাটাক বা স্ট্রোকের লক্ষণ শনাক্ত হলে অ্যাম্বুলেন্সও ডেকে পাঠাতে পারে। এটি স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণের পর্যায়ে চলে আসে – অর্থাৎ, কোনো পরিস্থিতিকে জরুরি হিসেবে চিহ্নিত করে সেই অনুযায়ী পদক্ষেপ নেওয়া – যা এআই-এর একটি সম্ভাব্য এবং জীবন রক্ষাকারী ব্যবহার।

• চিকিৎসার সুপারিশ: চিকিৎসা সংক্রান্ত সাহিত্য এবং রোগীর তথ্যের উপর প্রশিক্ষিত জেনারেটিভ এআই ব্যক্তিগতকৃত চিকিৎসা পরিকল্পনা প্রস্তাব করতে পারে। ২০৩০ সালের মধ্যে, ক্যান্সারের মতো জটিল রোগের জন্য, এআই টিউমার বোর্ডগুলো একজন রোগীর জিনগত গঠন এবং চিকিৎসার ইতিহাস বিশ্লেষণ করে স্বয়ংক্রিয়ভাবে একটি প্রস্তাবিত চিকিৎসা পদ্ধতির (কেমো পরিকল্পনা, ওষুধ নির্বাচন) খসড়া তৈরি করতে পারবে। মানব চিকিৎসকেরা এটি পর্যালোচনা করবেন, কিন্তু সময়ের সাথে সাথে আস্থা বাড়লে, তারা বিশেষ করে সাধারণ ক্ষেত্রে এআই-নির্মিত পরিকল্পনাগুলো গ্রহণ করা শুরু করতে পারেন এবং শুধুমাত্র প্রয়োজনে তাতে পরিবর্তন আনবেন।

• ভার্চুয়াল নার্স ও হোম কেয়ার: একটি এআই যা কথোপকথন করতে এবং চিকিৎসা সংক্রান্ত নির্দেশনা দিতে পারে, তা অনেক ফলো-আপ এবং দীর্ঘস্থায়ী রোগের পর্যবেক্ষণের কাজ সামলাতে পারে। উদাহরণস্বরূপ, বাড়িতে থাকা দীর্ঘস্থায়ী রোগে আক্রান্ত রোগীরা একটি এআই নার্স অ্যাসিস্ট্যান্টকে তাদের দৈনন্দিন শারীরিক অবস্থা জানাতে পারেন, যা পরামর্শ দেয় (“আপনার রক্তে শর্করার মাত্রা কিছুটা বেশি, আপনার সন্ধ্যার নাস্তায় পরিবর্তন আনার কথা ভাবতে পারেন”) এবং শুধুমাত্র যখন রিডিং স্বাভাবিক সীমার বাইরে চলে যায় বা কোনো সমস্যা দেখা দেয়, তখনই একজন মানব নার্সকে যুক্ত করে। এই এআই একজন চিকিৎসকের দূরবর্তী তত্ত্বাবধানে মূলত স্বায়ত্তশাসিতভাবে কাজ করতে পারে।

• মেডিকেল ইমেজিং এবং ল্যাব বিশ্লেষণ – সম্পূর্ণ স্বয়ংক্রিয় প্রক্রিয়া: ২০৩৫ সালের মধ্যে, কিছু ক্ষেত্রে মেডিকেল স্ক্যান পড়ার কাজটি প্রধানত এআই দ্বারা সম্পন্ন হতে পারে। রেডিওলজিস্টরা এআই সিস্টেমগুলোর তত্ত্বাবধান করবেন এবং জটিল কেসগুলো সামলাবেন, কিন্তু বেশিরভাগ সাধারণ স্ক্যান (যা প্রকৃতপক্ষে স্বাভাবিক) সরাসরি একটি এআই দ্বারা ‘পড়া’ এবং অনুমোদন করা যেতে পারে। একইভাবে, প্যাথলজি স্লাইড বিশ্লেষণ (উদাহরণস্বরূপ, বায়োপসিতে ক্যান্সার কোষ শনাক্ত করা) প্রাথমিক স্ক্রিনিংয়ের জন্য স্বয়ংক্রিয়ভাবে করা যেতে পারে, যা ল্যাবের ফলাফল পাওয়ার গতি নাটকীয়ভাবে বাড়িয়ে দেবে।

• ঔষধ আবিষ্কার এবং ক্লিনিক্যাল ট্রায়াল: এআই সম্ভবত শুধু ঔষধের অণুই ডিজাইন করবে না, বরং ট্রায়ালের জন্য কৃত্রিম রোগীর ডেটাও তৈরি করবে অথবা ট্রায়ালের জন্য সর্বোত্তম প্রার্থী খুঁজে বের করবে। এটি আসল ট্রায়ালের আগে বিকল্পগুলো সীমিত করার জন্য স্বয়ংক্রিয়ভাবে ভার্চুয়াল ট্রায়াল (রোগীরা কীভাবে প্রতিক্রিয়া দেখাবে তা অনুকরণ করে) চালাতে পারে। এর ফলে কম মানব-চালিত পরীক্ষার মাধ্যমে ঔষধ দ্রুত বাজারে আনা সম্ভব হবে।

এআই ডাক্তার দ্বারা একজন মানব ডাক্তারকে সম্পূর্ণরূপে প্রতিস্থাপন করার স্বপ্ন এখনও বেশ সুদূরপ্রসারী এবং বিতর্কিত। এমনকি ২০৩৫ সাল নাগাদও প্রত্যাশা করা হচ্ছে যে, এআই মানবিক স্পর্শের বিকল্প না হয়ে বরং ডাক্তারদের একজন সহকর্মী । জটিল রোগ নির্ণয়ের জন্য প্রায়শই স্বজ্ঞা, নৈতিকতা এবং রোগীর পরিস্থিতি বোঝার জন্য কথোপকথনের প্রয়োজন হয় – যে ক্ষেত্রগুলোতে মানব ডাক্তাররা পারদর্শী। তা সত্ত্বেও, একটি এআই হয়তো দৈনন্দিন কাজের প্রায় ৮০ শতাংশ—যেমন কাগজপত্র, সহজ কেস, পর্যবেক্ষণ ইত্যাদি—সামলে নিতে পারে, যা মানব চিকিৎসকদেরকে বাকি ২০ শতাংশ কঠিন কাজ এবং রোগীর সাথে সুসম্পর্কের উপর মনোযোগ দেওয়ার সুযোগ করে দেবে।

এক্ষেত্রে বেশ কিছু গুরুত্বপূর্ণ বাধা রয়েছে: স্বাস্থ্যসেবায় স্বয়ংক্রিয় এআই-এর জন্য নিয়ন্ত্রক সংস্থার অনুমোদন প্রক্রিয়া অত্যন্ত কঠোর (এবং সঙ্গত কারণেই)। এআই সিস্টেমগুলোর ব্যাপক ক্লিনিক্যাল যাচাই-বাছাইয়ের প্রয়োজন হবে। আমরা হয়তো এর ক্রমবর্ধমান গ্রহণযোগ্যতা দেখতে পাব – যেমন, স্বাস্থ্যসেবার পরিধি বাড়ানোর একটি উপায় হিসেবে, যেসব অনুন্নত এলাকায় কোনো ডাক্তার নেই, সেখানে এআই-কে স্বয়ংক্রিয়ভাবে রোগ নির্ণয় বা চিকিৎসা করার অনুমতি দেওয়া হতে পারে (ভাবুন তো, ২০৩০ সালের মধ্যে কোনো প্রত্যন্ত গ্রামে একটি “এআই ক্লিনিক” চালু হবে, যা শহরের একজন ডাক্তারের কাছ থেকে পর্যায়ক্রমিক টেলি-তত্ত্বাবধানে পরিচালিত হবে)।.

নৈতিক বিবেচনার বিষয়টি অত্যন্ত গুরুত্বপূর্ণ। জবাবদিহিতা (যদি একটি স্বয়ংক্রিয় এআই রোগ নির্ণয়ে ভুল করে, তবে কে দায়ী?), অবহিত সম্মতি (রোগীদের জানা প্রয়োজন যে তাদের চিকিৎসায় এআই জড়িত আছে কি না), এবং সমতা নিশ্চিত করা (এআই যেন পক্ষপাত এড়িয়ে সকল জনগোষ্ঠীর জন্য ভালোভাবে কাজ করে)—এগুলো হলো মোকাবিলা করার মতো চ্যালেঞ্জ। যদি এই বিষয়গুলোর সমাধান করা যায়, তবে ২০৩০-এর দশকের মাঝামাঝি নাগাদ জেনারেটিভ এআই স্বাস্থ্যসেবা প্রদানের কাঠামোর সাথে ওতপ্রোতভাবে জড়িয়ে যেতে পারে। এটি এমন অনেক কাজ সম্পাদন করবে যা মানব স্বাস্থ্যকর্মীদের কাজের চাপ কমাবে এবং সম্ভাব্যভাবে সেইসব রোগীদের কাছে পৌঁছাতে পারবে যাদের বর্তমানে পরিষেবা পাওয়ার সুযোগ সীমিত।.

সংক্ষেপে, ২০৩৫ সালের মধ্যে স্বাস্থ্যসেবা ব্যবস্থায় কৃত্রিম বুদ্ধিমত্তা (এআই) গভীরভাবে একীভূত হবে, তবে তা মূলত নেপথ্যে অথবা সহায়ক ভূমিকায় থাকবে। আমরা এআই-এর ওপর অনেক কিছু নিজে থেকেই করার – যেমন স্ক্যান পড়া, গুরুত্বপূর্ণ শারীরিক লক্ষণ পর্যবেক্ষণ করা, পরিকল্পনা তৈরি করা – কিন্তু জরুরি সিদ্ধান্তগুলোর জন্য মানবিক তত্ত্বাবধানের একটি সুরক্ষা বেষ্টনী তখনও থাকবে। এর ফলস্বরূপ একটি আরও দক্ষ ও দ্রুত সাড়াদানকারী স্বাস্থ্যসেবা ব্যবস্থা গড়ে উঠতে পারে, যেখানে এআই কঠিন কাজগুলো সামলাবে এবং মানুষ সহানুভূতি ও চূড়ান্ত সিদ্ধান্ত প্রদান করবে।

শিক্ষায় জেনারেটিভ এআই

শিক্ষা হলো আরেকটি ক্ষেত্র যেখানে জেনারেটিভ এআই আলোড়ন সৃষ্টি করছে; এআই-চালিত টিউটরিং বট থেকে শুরু করে স্বয়ংক্রিয় গ্রেডিং এবং কনটেন্ট তৈরি পর্যন্ত এর বিস্তৃতি। শিক্ষাদান ও শেখার প্রক্রিয়ায় যোগাযোগ এবং সৃজনশীলতা জড়িত, যা জেনারেটিভ মডেলগুলোর অন্যতম শক্তি। কিন্তু শিক্ষকের তত্ত্বাবধান ছাড়া শিক্ষাদানের জন্য এআই-এর ওপর কি আস্থা রাখা যায়?

বর্তমান সক্ষমতা (২০২৫): টিউটর এবং কন্টেন্ট জেনারেটরদের নিয়ন্ত্রণে রাখা

বর্তমানে, শিক্ষাক্ষেত্রে এআই-কে স্বতন্ত্র শিক্ষক হিসেবে নয়, বরং প্রধানত একটি সহায়ক উপকরণ । বর্তমান ব্যবহারের কিছু উদাহরণ:

• এআই টিউটরিং অ্যাসিস্ট্যান্ট: খান একাডেমির “খানমিগো” (জিপিটি-৪ দ্বারা চালিত) বা বিভিন্ন ভাষা শেখার অ্যাপের মতো টুলগুলো একজন ব্যক্তিগত গৃহশিক্ষক বা কথোপকথনের সঙ্গীকে অনুকরণ করতে এআই ব্যবহার করে। শিক্ষার্থীরা স্বাভাবিক ভাষায় প্রশ্ন করতে পারে এবং উত্তর বা ব্যাখ্যা পেতে পারে। এআই বাড়ির কাজের সমস্যার জন্য ইঙ্গিত দিতে পারে, বিভিন্ন উপায়ে ধারণা ব্যাখ্যা করতে পারে, এমনকি একটি ইন্টারেক্টিভ ইতিহাস পাঠের জন্য কোনো ঐতিহাসিক ব্যক্তিত্বের ভূমিকা পালন করতে পারে। তবে, এই এআই গৃহশিক্ষকদের সাধারণত তত্ত্বাবধানে ব্যবহার করা হয়; শিক্ষক বা অ্যাপ রক্ষণাবেক্ষণকারীরা প্রায়শই কথোপকথন পর্যবেক্ষণ করেন অথবা এআই কী আলোচনা করতে পারবে তার উপর সীমা নির্ধারণ করে দেন (যাতে ভুল তথ্য বা অনুপযুক্ত বিষয়বস্তু এড়ানো যায়)।

• শিক্ষকদের জন্য বিষয়বস্তু তৈরি: জেনারেটিভ এআই কুইজের প্রশ্ন, পাঠ্য বিষয়ের সারাংশ, পাঠ পরিকল্পনার রূপরেখা ইত্যাদি তৈরি করে শিক্ষকদের সাহায্য করে। একজন শিক্ষক একটি এআই-কে বলতে পারেন, “উত্তরসহ দ্বিঘাত সমীকরণের উপর ৫টি অনুশীলনী সমস্যা তৈরি করো,” যা প্রস্তুতির সময় বাঁচায়। এটি স্বয়ংক্রিয় বিষয়বস্তু তৈরি, কিন্তু একজন শিক্ষক সাধারণত নির্ভুলতা এবং পাঠ্যক্রমের সাথে সামঞ্জস্যতা যাচাই করার জন্য এর ফলাফল পর্যালোচনা করেন। তাই এটি সম্পূর্ণ স্বাধীন হওয়ার চেয়ে বরং একটি শ্রম-সাশ্রয়ী যন্ত্র।

• মূল্যায়ন ও মতামত প্রদান: এআই স্বয়ংক্রিয়ভাবে বহুনির্বাচনী পরীক্ষার খাতা মূল্যায়ন করতে পারে (এতে নতুন কিছু নেই) এবং ক্রমশ সংক্ষিপ্ত উত্তর বা প্রবন্ধও মূল্যায়ন করতে পারছে। কিছু শিক্ষা ব্যবস্থা লিখিত উত্তরের মূল্যায়ন করতে এবং শিক্ষার্থীদের মতামত জানাতে (যেমন, ব্যাকরণগত সংশোধন, কোনো যুক্তিকে আরও বিস্তৃত করার জন্য পরামর্শ) এআই ব্যবহার করে। যদিও এটি সরাসরি কোনো সৃজনশীল কাজ নয়, নতুন এআইগুলো এমনকি তৈরি , যেখানে উন্নতির ক্ষেত্রগুলো তুলে ধরা হয়। সূক্ষ্মতার উদ্বেগের কারণে শিক্ষকরা প্রায়শই এই পর্যায়ে এআই দ্বারা মূল্যায়িত প্রবন্ধগুলো পুনরায় যাচাই করে নেন।

• অভিযোজিত শিক্ষণ ব্যবস্থা: এগুলো এমন প্ল্যাটফর্ম যা শিক্ষার্থীর পারদর্শিতার ওপর ভিত্তি করে পাঠ্য উপকরণের কাঠিন্য বা ধরন সামঞ্জস্য করে। জেনারেটিভ এআই শিক্ষার্থীর প্রয়োজন অনুসারে তাৎক্ষণিকভাবে নতুন সমস্যা বা উদাহরণ তৈরি করে এই ব্যবস্থাকে আরও উন্নত করে। উদাহরণস্বরূপ, যদি কোনো শিক্ষার্থী কোনো একটি ধারণা বুঝতে সমস্যায় পড়ে, তবে এআই সেই ধারণাটির ওপর ভিত্তি করে আরেকটি উপমা বা অনুশীলন প্রশ্ন তৈরি করতে পারে। এটি কিছুটা স্বয়ংক্রিয়, কিন্তু শিক্ষাবিদদের দ্বারা ডিজাইন করা একটি সিস্টেমের মধ্যেই পরিচালিত হয়।

• শেখার জন্য শিক্ষার্থীদের ব্যবহার: শিক্ষার্থীরা নিজেরাই ChatGPT-এর মতো টুল ব্যবহার করে তাদের শেখার কাজে সাহায্য নেয় – যেমন কোনো বিষয় স্পষ্ট করা, অনুবাদ চাওয়া, বা এমনকি কোনো প্রবন্ধের খসড়ার ওপর মতামত পাওয়ার জন্য এআই-এর সাহায্য নেওয়া (“আমার ভূমিকা অংশটি আরও উন্নত করুন”)। এই কাজটি তারা নিজেরাই করে এবং এটি শিক্ষকের অজান্তেই করা সম্ভব। এই পরিস্থিতিতে এআই একজন অন-ডিমান্ড টিউটর বা প্রুফরিডার হিসেবে কাজ করে। আসল চ্যালেঞ্জ হলো এটা নিশ্চিত করা যে, শিক্ষার্থীরা যেন শুধু উত্তর পাওয়ার জন্য নয়, বরং শেখার জন্যই এটি ব্যবহার করে (একাডেমিক সততা)।

এটা স্পষ্ট যে ২০২৫ সাল নাগাদ শিক্ষাক্ষেত্রে এআই শক্তিশালী হলেও, এটি সাধারণত একজন মানব শিক্ষকের তত্ত্বাবধানেই পরিচালিত হয়, যিনি এআই-এর অবদানগুলো পরিমার্জন করেন। এক্ষেত্রে একটি যৌক্তিক সতর্কতা রয়েছে: আমরা ভুল তথ্য শেখানোর জন্য বা বিচ্ছিন্নভাবে শিক্ষার্থীদের সাথে সংবেদনশীল আলাপচারিতা সামলানোর জন্য কোনো এআই-এর ওপর ভরসা করতে চাই না। শিক্ষকরা এআই টিউটরদের সহায়ক সহকারী হিসেবে দেখেন, যারা শিক্ষার্থীদের আরও অনুশীলন এবং সাধারণ প্রশ্নের তাৎক্ষণিক উত্তর দিতে পারে, ফলে শিক্ষকরা আরও নিবিড়ভাবে পরামর্শ দেওয়ার দিকে মনোযোগ দিতে পারেন।.

২০৩০-২০৩৫ সালের পূর্বাভাস: ব্যক্তিগতকৃত এআই টিউটর এবং স্বয়ংক্রিয় শিক্ষণ সহায়ক

আগামী দশকে, আমরা প্রত্যাশা করি যে জেনারেটিভ এআই আরও ব্যক্তিগতকৃত এবং স্বায়ত্তশাসিত শেখার অভিজ্ঞতা , এবং একই সাথে শিক্ষকদের ভূমিকাও বিকশিত হবে।

• প্রতিটি শিক্ষার্থীর জন্য এআই ব্যক্তিগত শিক্ষক: ২০৩০ সালের মধ্যে, খান একাডেমির সাল খানের মতো বিশেষজ্ঞদেরও লক্ষ্য হলো, প্রত্যেক শিক্ষার্থী এমন একজন এআই শিক্ষকের সহায়তা পাবে যিনি অনেক ক্ষেত্রে একজন মানব শিক্ষকের মতোই কার্যকর হবেন ( এর নির্মাতার মতে, এই এআই শিক্ষক মানুষকে ১০ গুণ বেশি বুদ্ধিমান করে তুলতে পারে )। এই এআই শিক্ষকরা ২৪/৭ উপলব্ধ থাকবে, শিক্ষার্থীর শেখার ইতিহাস সম্পর্কে পুঙ্খানুপুঙ্খভাবে জানবে এবং সেই অনুযায়ী তাদের শিক্ষাদানের পদ্ধতি পরিবর্তন করবে। উদাহরণস্বরূপ, যদি কোনো শিক্ষার্থী দেখে শিখতে পছন্দ করে এবং বীজগণিতের কোনো ধারণা বুঝতে সমস্যায় পড়ে, তবে এআই তাকে সাহায্য করার জন্য তাৎক্ষণিকভাবে একটি দৃশ্যমান ব্যাখ্যা বা ইন্টারেক্টিভ সিমুলেশন তৈরি করতে পারে। যেহেতু এআই সময়ের সাথে সাথে শিক্ষার্থীর অগ্রগতি পর্যবেক্ষণ করতে পারে, তাই এটি স্বয়ংক্রিয়ভাবে সিদ্ধান্ত নিতে পারে যে এরপর কোন বিষয় পর্যালোচনা করতে হবে বা কখন একটি নতুন দক্ষতায় অগ্রসর হতে হবে – যা কার্যকরভাবে পাঠ পরিকল্পনাকে সূক্ষ্মভাবে পরিচালনা করে।

• দৈনন্দিন কাজে শিক্ষকদের কাজের চাপ হ্রাস: খাতা দেখা, ওয়ার্কশিট তৈরি করা, পাঠ্য উপকরণের খসড়া তৈরি করা – ২০৩০-এর দশকের মধ্যে এই কাজগুলো প্রায় পুরোপুরিভাবে এআই-এর ওপর ছেড়ে দেওয়া যেতে পারে। একটি এআই একটি ক্লাসের জন্য এক সপ্তাহের উপযোগী বাড়ির কাজ তৈরি করতে পারে, গত সপ্তাহের সমস্ত অ্যাসাইনমেন্ট (এমনকি মুক্ত-প্রান্তেরগুলোও) মূল্যায়ন করে মতামত জানাতে পারে এবং কোন বিষয়ে কোন শিক্ষার্থীর অতিরিক্ত সাহায্যের প্রয়োজন হতে পারে, তা শিক্ষককে চিহ্নিত করে দিতে পারে। এই পুরো প্রক্রিয়াটি শিক্ষকের ন্যূনতম হস্তক্ষেপেই সম্পন্ন হতে পারে; হয়তো শুধু এআই-এর দেওয়া নম্বরগুলো ন্যায্য মনে হচ্ছে কিনা তা নিশ্চিত করার জন্য একবার চোখ বুলিয়ে নিলেই চলবে।

• স্বয়ংক্রিয় অভিযোজিত শিক্ষণ প্ল্যাটফর্ম: আমরা হয়তো নির্দিষ্ট কিছু বিষয়ের জন্য সম্পূর্ণ এআই-চালিত কোর্স দেখতে পাব। এমন একটি অনলাইন কোর্সের কথা ভাবুন যেখানে কোনো মানব প্রশিক্ষক নেই, এবং যেখানে একজন এআই এজেন্ট বিষয়বস্তু উপস্থাপন করে, উদাহরণ দেয়, প্রশ্নের উত্তর দেয় এবং শিক্ষার্থীর প্রয়োজন অনুযায়ী পাঠের গতি সামঞ্জস্য করে। শিক্ষার্থীর অভিজ্ঞতাটি তার জন্য অনন্য হতে পারে, যা রিয়েল-টাইমে তৈরি হবে। কিছু কর্পোরেট প্রশিক্ষণ এবং প্রাপ্তবয়স্কদের শিক্ষণ ব্যবস্থা হয়তো শীঘ্রই এই মডেলে চলে আসবে, যেখানে ২০৩৫ সালের মধ্যে একজন কর্মচারী বলতে পারবেন “আমি অ্যাডভান্সড এক্সেল ম্যাক্রো শিখতে চাই” এবং একজন এআই টিউটর তাকে একটি ব্যক্তিগতকৃত পাঠ্যক্রমের মাধ্যমে শেখাবে, যার মধ্যে অনুশীলন তৈরি করা এবং তাদের সমাধান মূল্যায়ন করাও অন্তর্ভুক্ত থাকবে, কোনো মানব প্রশিক্ষক ছাড়াই।

• শ্রেণিকক্ষের এআই সহকারী: বাস্তব বা ভার্চুয়াল শ্রেণিকক্ষে, এআই ক্লাসের আলোচনা শুনতে পারে এবং শিক্ষককে তাৎক্ষণিকভাবে সাহায্য করতে পারে (যেমন, ইয়ারপিসের মাধ্যমে ফিসফিস করে পরামর্শ দেওয়া: “বেশ কয়েকজন শিক্ষার্থী ঐ ধারণাটি নিয়ে বিভ্রান্ত বলে মনে হচ্ছে, সম্ভবত অন্য কোনো উদাহরণ দিন”)। এটি অনলাইন ক্লাস ফোরামও পরিচালনা করতে পারে, শিক্ষার্থীদের করা সহজ প্রশ্নের উত্তর দিতে পারে (“অ্যাসাইনমেন্ট কবে জমা দিতে হবে?” বা এমনকি বক্তৃতার কোনো বিষয় স্পষ্ট করে দেওয়া), যাতে শিক্ষককে ইমেলের বন্যায় ভাসতে না হয়। ২০৩৫ সালের মধ্যে, শ্রেণিকক্ষে একজন এআই সহ-শিক্ষকের উপস্থিতি একটি সাধারণ বিষয় হয়ে উঠতে পারে, যেখানে মানব শিক্ষক উচ্চ-স্তরের নির্দেশনা এবং অনুপ্রেরণামূলক দিকগুলিতে মনোযোগ দেবেন।

• বিশ্বব্যাপী শিক্ষার সুযোগ: স্বয়ংক্রিয় এআই টিউটররা শিক্ষক স্বল্পতার এলাকায় শিক্ষার্থীদের শিক্ষাদানে সাহায্য করতে পারে। সীমিত প্রাতিষ্ঠানিক শিক্ষা লাভ করা শিক্ষার্থীদের জন্য এআই টিউটরসহ একটি ট্যাবলেট প্রাথমিক প্রশিক্ষক হিসেবে কাজ করতে পারে, যা তাদের মৌলিক সাক্ষরতা এবং গণিত শেখাবে। ২০৩৫ সালের মধ্যে, এটি সবচেয়ে প্রভাবশালী ব্যবহারগুলোর মধ্যে একটি হতে পারে – যেখানে মানব শিক্ষক নেই, সেখানে এআই সেই শূন্যস্থান পূরণ করবে। তবে, বিভিন্ন প্রেক্ষাপটে এআই শিক্ষার গুণমান এবং সাংস্কৃতিক উপযোগিতা নিশ্চিত করা অত্যন্ত গুরুত্বপূর্ণ হবে।

কৃত্রিম বুদ্ধিমত্তা কি শিক্ষকদের প্রতিস্থাপন করবে? পুরোপুরি হওয়ার সম্ভাবনা কম। শিক্ষাদান শুধু পাঠ্য বিষয়বস্তু সরবরাহ করার মধ্যেই সীমাবদ্ধ নয় – এর মধ্যে রয়েছে পরামর্শ দেওয়া, অনুপ্রেরণা জোগানো এবং সামাজিক-আবেগিক সমর্থন প্রদান। এই মানবিক উপাদানগুলো কৃত্রিম বুদ্ধিমত্তার পক্ষে অনুকরণ করা কঠিন। কিন্তু কৃত্রিম বুদ্ধিমত্তা দ্বিতীয় শিক্ষক , এমনকি জ্ঞান স্থানান্তরের জন্য প্রথম শিক্ষকও হয়ে উঠতে পারে, যা মানব শিক্ষকদের সেই কাজগুলোতে মনোযোগ দেওয়ার সুযোগ করে দেবে যা মানুষ সবচেয়ে ভালোভাবে করতে পারে: সহানুভূতি দেখানো, অনুপ্রাণিত করা এবং সমালোচনামূলক চিন্তাভাবনার বিকাশ ঘটানো।

ব্যবস্থাপনার জন্য কিছু বিষয় রয়েছে: এআই যেন সঠিক তথ্য প্রদান করে তা নিশ্চিত করা (ভুল তথ্যের কারণে যেন কোনো শিক্ষাগত বিভ্রম না ঘটে), শিক্ষামূলক বিষয়বস্তুতে পক্ষপাতিত্ব এড়ানো, শিক্ষার্থীদের তথ্যের গোপনীয়তা রক্ষা করা এবং শিক্ষার্থীদের সম্পৃক্ত রাখা (এআই-কে শুধু সঠিক হলেই চলবে না, অনুপ্রেরণাদায়কও হতে হবে)। এআই শিক্ষাব্যবস্থাগুলো যে মানদণ্ড পূরণ করছে, তা নিশ্চিত করার জন্য আমরা সম্ভবত পাঠ্যপুস্তক অনুমোদনের মতোই এগুলোর স্বীকৃতি বা সনদ প্রদান দেখতে পাব।.

আরেকটি চ্যালেঞ্জ হলো অতিরিক্ত নির্ভরশীলতা: যদি কোনো এআই টিউটর খুব সহজে উত্তর দিয়ে দেয়, তাহলে শিক্ষার্থীরা অধ্যবসায় বা সমস্যা সমাধানের দক্ষতা শিখতে পারে না। এর প্রতিকার হিসেবে, ভবিষ্যতের এআই টিউটরদের এমনভাবে ডিজাইন করা যেতে পারে যাতে তারা মাঝে মাঝে শিক্ষার্থীদেরকে (একজন মানুষের মতো) সমস্যায় পড়তে দেয় অথবা সরাসরি সমাধান না দিয়ে, ইঙ্গিতের মাধ্যমে সমস্যা সমাধানের জন্য উৎসাহিত করে।.

২০৩৫ সালের মধ্যে শ্রেণিকক্ষ রূপান্তরিত হতে পারে: প্রতিটি শিক্ষার্থী একটি এআই-সংযুক্ত ডিভাইসের মাধ্যমে তাদের নিজস্ব গতিতে পথ দেখবে, এবং শিক্ষক দলগত কার্যক্রম পরিচালনা করবেন ও মানবিক অন্তর্দৃষ্টি প্রদান করবেন। শিক্ষা আরও কার্যকর এবং বিশেষভাবে উপযোগী হয়ে উঠতে পারে। এর প্রতিশ্রুতি হলো, প্রত্যেক শিক্ষার্থী যখন প্রয়োজন তখনই প্রয়োজনীয় সাহায্য পাবে – যা হবে বৃহৎ পরিসরে এক সত্যিকারের “ব্যক্তিগত গৃহশিক্ষক”-এর অভিজ্ঞতা। ঝুঁকিটি হলো মানবিক স্পর্শ কিছুটা হারিয়ে যাওয়া বা এআই-এর অপব্যবহার (যেমন এআই ব্যবহার করে শিক্ষার্থীদের নকল করা)। কিন্তু সামগ্রিকভাবে, যদি ভালোভাবে পরিচালনা করা হয়, তবে জেনারেটিভ এআই একজন শিক্ষার্থীর শিক্ষাজীবনে সর্বদা উপলব্ধ ও জ্ঞানী সঙ্গী হয়ে শিক্ষাকে গণতান্ত্রিক ও উন্নত করতে পারে।.

লজিস্টিকস এবং সাপ্লাই চেইনে জেনারেটিভ এআই

লজিস্টিকস—পণ্য পরিবহন এবং সরবরাহ শৃঙ্খল ব্যবস্থাপনার শিল্প ও বিজ্ঞান—কে হয়তো “জেনারেটিভ” এআই-এর জন্য একটি প্রচলিত ক্ষেত্র বলে মনে নাও হতে পারে, কিন্তু এই ক্ষেত্রে সৃজনশীল সমস্যা সমাধান এবং পরিকল্পনা অত্যন্ত গুরুত্বপূর্ণ। জেনারেটিভ এআই বিভিন্ন পরিস্থিতি অনুকরণ, পরিকল্পনাকে সর্বোত্তম করা এবং এমনকি রোবোটিক সিস্টেম নিয়ন্ত্রণের মাধ্যমেও সহায়তা করতে পারে। লজিস্টিকসের লক্ষ্য হলো দক্ষতা বৃদ্ধি এবং খরচ সাশ্রয়, যা ডেটা বিশ্লেষণ এবং সমাধান প্রস্তাব করার ক্ষেত্রে এআই-এর দক্ষতার সাথে ভালোভাবে মিলে যায়। তাহলে, সরবরাহ শৃঙ্খল এবং লজিস্টিকস কার্যক্রম পরিচালনায় এআই কতটা স্বায়ত্তশাসিত হতে পারে?

বর্তমান সক্ষমতা (২০২৫): মানবিক তত্ত্বাবধানে সর্বোত্তমকরণ ও সুবিন্যস্তকরণ

বর্তমানে, লজিস্টিক্সে এআই (কিছু জেনারেটিভ পদ্ধতি সহ) প্রধানত সিদ্ধান্ত সহায়ক সরঞ্জাম ।

• রুট অপটিমাইজেশন: ইউপিএস এবং ফেডেক্সের মতো কোম্পানিগুলো ডেলিভারি রুট অপটিমাইজ করতে ইতোমধ্যেই এআই অ্যালগরিদম ব্যবহার করে – যা ড্রাইভারদের সবচেয়ে কার্যকর পথটি বেছে নিতে সাহায্য করে। ঐতিহ্যগতভাবে এগুলো ছিল অপারেশনস রিসার্চ অ্যালগরিদম, কিন্তু এখন জেনারেটিভ পদ্ধতি বিভিন্ন পরিস্থিতিতে (ট্র্যাফিক, আবহাওয়া) বিকল্প রুটিং কৌশল অন্বেষণে সহায়তা করতে পারে। এআই যখন রুটের পরামর্শ দেয়, তখন মানব ডিসপ্যাচার বা ম্যানেজাররা প্যারামিটার (যেমন, অগ্রাধিকার) নির্ধারণ করেন এবং প্রয়োজনে তা পরিবর্তন করতে পারেন।

• লোড এবং স্পেস প্ল্যানিং: ট্রাক বা শিপিং কন্টেইনার প্যাক করার জন্য, এআই সর্বোত্তম লোডিং প্ল্যান তৈরি করতে পারে (কোন বাক্স কোথায় যাবে)। একটি জেনারেটিভ এআই জায়গার সর্বোচ্চ ব্যবহার নিশ্চিত করতে একাধিক প্যাকিং কনফিগারেশন তৈরি করতে পারে, যা মূলত এমন সমাধান "তৈরি" করে যেখান থেকে মানুষ বেছে নিতে পারে। একটি গবেষণায় এই বিষয়টি তুলে ধরা হয়েছে, যেখানে উল্লেখ করা হয়েছে যে মার্কিন যুক্তরাষ্ট্রে ট্রাকগুলো প্রায়ই ৩০% খালি চলে, এবং এআই-এর সাহায্যে উন্নত পরিকল্পনা এই অপচয় কমাতে পারে ( লজিস্টিক্সে জেনারেটিভ এআই-এর শীর্ষ ব্যবহারসমূহ )। এই এআই-নির্মিত লোড প্ল্যানগুলোর লক্ষ্য হলো জ্বালানি খরচ এবং নির্গমন কমানো, এবং কিছু গুদামে এগুলো ন্যূনতম ম্যানুয়াল পরিবর্তনের মাধ্যমেই কার্যকর করা হয়।

• চাহিদা পূর্বাভাস এবং মজুদ ব্যবস্থাপনা: এআই মডেল পণ্যের চাহিদা অনুমান করতে এবং পুনরায় মজুদের পরিকল্পনা তৈরি করতে পারে। একটি জেনারেটিভ মডেল বিভিন্ন চাহিদার পরিস্থিতি অনুকরণ করতে পারে (যেমন, একটি এআই আসন্ন ছুটির কারণে চাহিদার আকস্মিক বৃদ্ধির "কল্পনা" করে) এবং সেই অনুযায়ী মজুদের পরিকল্পনা করতে পারে। এটি সাপ্লাই চেইন ম্যানেজারদের প্রস্তুতি নিতে সাহায্য করে। বর্তমানে, এআই পূর্বাভাস এবং পরামর্শ প্রদান করে, কিন্তু উৎপাদনের মাত্রা বা অর্ডারের বিষয়ে চূড়ান্ত সিদ্ধান্ত সাধারণত মানুষই নিয়ে থাকে।

• ঝুঁকি মূল্যায়ন: বৈশ্বিক সরবরাহ শৃঙ্খল বিভিন্ন বাধার সম্মুখীন হয় (যেমন প্রাকৃতিক দুর্যোগ, বন্দরে বিলম্ব, রাজনৈতিক সমস্যা)। বর্তমানে এআই সিস্টেমগুলো আসন্ন ঝুঁকি শনাক্ত করার জন্য সংবাদ এবং ডেটা পুঙ্খানুপুঙ্খভাবে বিশ্লেষণ করে। উদাহরণস্বরূপ, একটি লজিস্টিকস ফার্ম ইন্টারনেট স্ক্যান করতে এবং ঝুঁকিপূর্ণ পরিবহন করিডোর (যেমন, আসন্ন হারিকেন বা অস্থিরতার কারণে সমস্যা হওয়ার সম্ভাবনাযুক্ত এলাকা) চিহ্নিত করতে জেনারেটিভ এআই ব্যবহার করে ( লজিস্টিকসে জেনারেটিভ এআই-এর শীর্ষ ব্যবহারসমূহ )। এই তথ্যের সাহায্যে, পরিকল্পনাকারীরা স্বয়ংক্রিয়ভাবে সমস্যাযুক্ত স্থানগুলো এড়িয়ে চালানের পথ পরিবর্তন করতে পারেন। কিছু ক্ষেত্রে, এআই স্বয়ংক্রিয়ভাবে পথের পরিবর্তন বা পরিবহনের মাধ্যম পরিবর্তনের সুপারিশ করতে পারে, যা পরে মানুষেরা অনুমোদন করে।

• ওয়্যারহাউস অটোমেশন: অনেক ওয়্যারহাউসই পণ্য বাছাই এবং প্যাকিংয়ের জন্য রোবট ব্যবহার করে আধা-স্বয়ংক্রিয়ভাবে পরিচালিত হয়। জেনারেটিভ এআই সর্বোত্তম কার্যপ্রবাহের জন্য রোবট এবং মানুষের মধ্যে গতিশীলভাবে কাজ বণ্টন করতে পারে। উদাহরণস্বরূপ, একটি এআই প্রতিদিন সকালে অর্ডারের উপর ভিত্তি করে রোবট পিকারদের জন্য কাজের তালিকা তৈরি করতে পারে। এটি প্রায়শই কার্য সম্পাদনে সম্পূর্ণ স্বায়ত্তশাসিত হয়, যেখানে ম্যানেজাররা কেবল কেপিআই (KPI) পর্যবেক্ষণ করেন – যদি অর্ডারের সংখ্যা অপ্রত্যাশিতভাবে বেড়ে যায়, তবে এআই নিজে থেকেই কার্যক্রম সামঞ্জস্য করে নেয়।

• ফ্লিট ম্যানেজমেন্ট: এআই বিভিন্ন প্যাটার্ন বিশ্লেষণ করে এবং ডাউনটাইম কমিয়ে সর্বোত্তম রক্ষণাবেক্ষণ সময়সূচী তৈরি করার মাধ্যমে যানবাহনের রক্ষণাবেক্ষণের সময় নির্ধারণে সহায়তা করে। এটি ট্রিপ কমানোর জন্য চালানগুলোকে একত্রিতও করতে পারে। যতক্ষণ পর্যন্ত এটি পরিষেবার প্রয়োজনীয়তা পূরণ করে, ততক্ষণ পর্যন্ত এআই সফটওয়্যার এই সিদ্ধান্তগুলো স্বয়ংক্রিয়ভাবে নিতে পারে।

সামগ্রিকভাবে, ২০২৫ সাল নাগাদ, মানুষই লক্ষ্য নির্ধারণ করবে (যেমন, “খরচ সর্বনিম্ন রাখা কিন্তু ২ দিনের মধ্যে ডেলিভারি নিশ্চিত করা”) এবং এআই তা অর্জনের জন্য সমাধান বা সময়সূচী তৈরি করবে। কোনো অস্বাভাবিক ঘটনা না ঘটা পর্যন্ত সিস্টেমগুলো কোনো হস্তক্ষেপ ছাড়াই দৈনন্দিন চলতে পারে। লজিস্টিকসের একটি বড় অংশ জুড়ে থাকে পুনরাবৃত্তিমূলক সিদ্ধান্ত (এই চালানটি কখন পাঠানো উচিত? কোন গুদাম থেকে এই অর্ডারটি পূরণ করা হবে?), যা এআই ধারাবাহিকভাবে নিতে শিখতে পারে। কোম্পানিগুলো এই ক্ষুদ্র সিদ্ধান্তগুলো সামলানোর জন্য এবং শুধুমাত্র ব্যতিক্রম ঘটলে ম্যানেজারদের সতর্ক করার জন্য ক্রমশ এআই-এর উপর আস্থা রাখছে।.

২০৩০-২০৩৫ সালের পূর্বাভাস: স্ব-চালিত সরবরাহ শৃঙ্খল

আগামী দশকে, আমরা কৃত্রিম বুদ্ধিমত্তা দ্বারা চালিত লজিস্টিকসে স্বায়ত্তশাসিত সমন্বয়ের

• স্বচালিত যানবাহন ও ড্রোন: স্বচালিত ট্রাক এবং ডেলিভারি ড্রোন, যদিও এটি কৃত্রিম বুদ্ধিমত্তা/রোবোটিক্সের একটি বৃহত্তর বিষয়, লজিস্টিকসকে সরাসরি প্রভাবিত করে। ২০৩০ সালের মধ্যে, যদি নিয়ন্ত্রক এবং প্রযুক্তিগত বাধাগুলো অতিক্রম করা যায়, তবে আমরা হয়তো মহাসড়কে নিয়মিতভাবে কৃত্রিম বুদ্ধিমত্তার ট্রাক চালাতে দেখব অথবা শহরে শেষ ধাপের ডেলিভারি (লাস্ট-মাইল ডেলিভারি) সামলানোর জন্য ড্রোন দেখতে পাব। এই কৃত্রিম বুদ্ধিমত্তাগুলো মানুষের চালক ছাড়াই রিয়েল-টাইমে সিদ্ধান্ত (যেমন পথ পরিবর্তন, বাধা এড়ানো) নেবে। এর জেনারেটিভ দিকটি হলো, কীভাবে এই যানবাহনের কৃত্রিম বুদ্ধিমত্তাগুলো বিশাল ডেটা এবং সিমুলেশন থেকে শেখে, যা কার্যকরভাবে অগণিত পরিস্থিতিতে "প্রশিক্ষণ" গ্রহণ করে। একটি সম্পূর্ণ স্বচালিত যানবাহনের বহর ২৪/৭ চলতে পারে, যেখানে মানুষ কেবল দূর থেকে পর্যবেক্ষণ করবে। এটি লজিস্টিকস কার্যক্রম থেকে একটি বিশাল মানবিক উপাদান (চালক) সরিয়ে দেয়, যা স্বায়ত্তশাসনকে নাটকীয়ভাবে বাড়িয়ে তোলে।

• স্ব-আরোগ্যকারী সরবরাহ শৃঙ্খল: সরবরাহ শৃঙ্খলের বিভিন্ন পরিস্থিতি ক্রমাগত অনুকরণ করতে এবং আপৎকালীন পরিকল্পনা প্রস্তুত করতে জেনারেটিভ এআই ব্যবহৃত হওয়ার সম্ভাবনা রয়েছে। ২০৩৫ সালের মধ্যে, একটি এআই হয়তো স্বয়ংক্রিয়ভাবে (সংবাদ বা ডেটা ফিডের মাধ্যমে) শনাক্ত করতে পারবে কখন কোনো সরবরাহকারী কারখানা বন্ধ হয়ে গেছে এবং সঙ্গে সঙ্গে সিমুলেশনের মাধ্যমে ইতোমধ্যে যাচাই করা বিকল্প সরবরাহকারীদের কাছে পণ্য সরবরাহ স্থানান্তর করবে। এর অর্থ হলো, এআই-এর উদ্যোগেই সরবরাহ শৃঙ্খলটি যেকোনো বিঘ্ন থেকে নিজেকে "আরোগ্য" করে নেবে। এক্ষেত্রে, বিকল্প ব্যবস্থা গ্রহণের উদ্যোগ নেওয়ার পরিবর্তে, এআই কী করেছে সে সম্পর্কে মানব ব্যবস্থাপকদের জানানো হবে।

• এন্ড-টু-এন্ড ইনভেন্টরি অপটিমাইজেশন: এআই গুদাম এবং দোকানের একটি সম্পূর্ণ নেটওয়ার্ক জুড়ে স্বয়ংক্রিয়ভাবে ইনভেন্টরি পরিচালনা করতে পারে। এটি সিদ্ধান্ত নেবে কখন এবং কোথায় স্টক সরাতে হবে (সম্ভবত এর জন্য রোবট বা স্বয়ংক্রিয় যানবাহন ব্যবহার করে), এবং প্রতিটি স্থানে ঠিক প্রয়োজনীয় পরিমাণ ইনভেন্টরি রাখবে। এআই মূলত সাপ্লাই চেইনের কন্ট্রোল টাওয়ার পরিচালনা করে: সমস্ত প্রবাহ পর্যবেক্ষণ করে এবং রিয়েল-টাইমে সমন্বয় সাধন করে। ২০৩৫ সালের মধ্যে, একটি “স্বয়ংক্রিয়” সাপ্লাই চেইনের ধারণাটির অর্থ হতে পারে যে, সিস্টেমটি প্রতিদিন সেরা বিতরণ পরিকল্পনা বের করবে, পণ্যের অর্ডার দেবে, কারখানার উৎপাদন কার্যক্রমের সময়সূচী নির্ধারণ করবে এবং পরিবহনের ব্যবস্থা করবে—সবকিছুই নিজে থেকে। মানুষ সামগ্রিক কৌশলের তত্ত্বাবধান করবে এবং এআই-এর বর্তমান বোধগম্যতার বাইরের ব্যতিক্রমী পরিস্থিতিগুলো সামলাবে।

• লজিস্টিক্সে জেনারেটিভ ডিজাইন: আমরা হয়তো এআই-কে নতুন সাপ্লাই চেইন নেটওয়ার্ক ডিজাইন করতে দেখতে পারি। ধরা যাক, একটি কোম্পানি কোনো নতুন অঞ্চলে তাদের ব্যবসা সম্প্রসারণ করছে; একটি এআই ডেটার ভিত্তিতে সেই অঞ্চলের জন্য সর্বোত্তম ওয়্যারহাউসের অবস্থান, পরিবহন সংযোগ এবং ইনভেন্টরি নীতি তৈরি করতে পারে – যা বর্তমানে পরামর্শদাতা এবং বিশ্লেষকরা করে থাকেন। ২০৩০ সালের মধ্যে, কোম্পানিগুলো সাপ্লাই চেইন ডিজাইনের সিদ্ধান্ত নেওয়ার ক্ষেত্রে এআই-এর সুপারিশের উপর নির্ভর করতে পারে, এই বিশ্বাসে যে এটি দ্রুত বিভিন্ন বিষয় বিবেচনা করে এমন সৃজনশীল সমাধান (যেমন সহজে চোখে না পড়া ডিস্ট্রিবিউশন হাব) খুঁজে বের করতে পারবে, যা মানুষের চোখ এড়িয়ে যায়।

• উৎপাদনের সাথে একীকরণ (ইন্ডাস্ট্রি ৪.০): লজিস্টিকস বিচ্ছিন্ন কোনো বিষয় নয়; এটি উৎপাদনের সাথে সংযুক্ত। ভবিষ্যতের কারখানাগুলোতে জেনারেটিভ এআই থাকতে পারে যা উৎপাদনের সময়সূচী তৈরি করবে, ঠিক সময়ে কাঁচামালের অর্ডার দেবে এবং তারপর লজিস্টিকস নেটওয়ার্ককে অবিলম্বে পণ্য পাঠানোর নির্দেশ দেবে। এই সমন্বিত এআই-এর অর্থ হতে পারে সামগ্রিকভাবে মানুষের পরিকল্পনার প্রয়োজনীয়তা কমে যাওয়া – উৎপাদন থেকে ডেলিভারি পর্যন্ত একটি নির্বিঘ্ন সরবরাহ শৃঙ্খল, যা খরচ, গতি এবং স্থায়িত্বের জন্য অপ্টিমাইজ করা অ্যালগরিদম দ্বারা চালিত হবে। ইতোমধ্যেই, ২০২৫ সালের মধ্যে, উচ্চ-কার্যক্ষমতাসম্পন্ন সাপ্লাই চেইনগুলো ডেটা-চালিত; ২০৩৫ সালের মধ্যে সেগুলো মূলত এআই-চালিত হতে পারে।

• লজিস্টিক্সে গতিশীল গ্রাহক পরিষেবা: গ্রাহক পরিষেবা এআই-এর উপর ভিত্তি করে, সাপ্লাই চেইন এআই সরাসরি গ্রাহক বা ক্লায়েন্টদের সাথে যোগাযোগ করতে পারে। উদাহরণস্বরূপ, যদি কোনো বড় ক্লায়েন্ট শেষ মুহূর্তে তাদের বাল্ক অর্ডার পরিবর্তন করতে চায়, তাহলে একজন এআই এজেন্ট কোনো মানব ম্যানেজারের জন্য অপেক্ষা না করেই সম্ভাব্য বিকল্প নিয়ে আলোচনা করতে পারে (যেমন, “সীমাবদ্ধতার কারণে আমরা অর্ধেক এখন এবং বাকি অর্ধেক আগামী সপ্তাহে সরবরাহ করতে পারি”)। এর জন্য জেনারেটিভ এআই-কে উভয় পক্ষকেই (গ্রাহকের চাহিদা বনাম পরিচালন ক্ষমতা) বুঝতে হয় এবং এমন সিদ্ধান্ত নিতে হয় যা ক্লায়েন্টদের সন্তুষ্ট করার পাশাপাশি কার্যক্রমকে মসৃণ রাখে।

এর প্রত্যাশিত সুবিধা হলো একটি আরও দক্ষ, স্থিতিস্থাপক এবং প্রতিক্রিয়াশীল লজিস্টিকস সিস্টেম। কোম্পানিগুলো বিপুল পরিমাণ অর্থ সাশ্রয়ের প্রত্যাশা করছে – ম্যাককিনজির অনুমান অনুযায়ী, এআই-চালিত সাপ্লাই চেইন অপটিমাইজেশন উল্লেখযোগ্যভাবে খরচ কমাতে এবং পরিষেবার মান উন্নত করতে পারে, যা বিভিন্ন শিল্পে সম্ভাব্য ট্রিলিয়ন ডলারের মূল্য সংযোজন করবে ( The state of AI in 2023: Generative AI's breakout year | McKinsey )।

তবে, এআই-এর হাতে আরও বেশি নিয়ন্ত্রণ তুলে দেওয়ার কিছু ঝুঁকিও রয়েছে, যেমন এআই-এর যুক্তিতে ত্রুটি থাকলে ধারাবাহিক ভুলের সৃষ্টি হওয়া (উদাহরণস্বরূপ, সেই কুখ্যাত ঘটনাটি যেখানে একটি এআই সাপ্লাই চেইন মডেলিং ত্রুটির কারণে অনিচ্ছাকৃতভাবে একটি কোম্পানির স্টক শেষ করে ফেলে)। “বড় সিদ্ধান্তগুলোর ক্ষেত্রে মানুষের অংশগ্রহণ” বা অন্তত এমন ড্যাশবোর্ডের মতো সুরক্ষামূলক ব্যবস্থা, যা দ্রুত মানুষের সিদ্ধান্ত পরিবর্তনের সুযোগ দেয়, তা সম্ভবত ২০৩৫ সাল পর্যন্ত থাকবে। সময়ের সাথে সাথে, এআই-এর সিদ্ধান্তগুলো যখন কার্যকর বলে প্রমাণিত হবে, তখন মানুষ সরে দাঁড়াতে আরও স্বচ্ছন্দ বোধ করবে।.

মজার ব্যাপার হলো, কার্যকারিতা বাড়ানোর চেষ্টায় এআই মাঝে মাঝে এমন সিদ্ধান্ত নিতে পারে যা মানুষের পছন্দ বা প্রচলিত পদ্ধতির সাথে সাংঘর্ষিক। উদাহরণস্বরূপ, শুধুমাত্র কার্যকারিতা বাড়ানোর ফলে মজুত খুব কমে যেতে পারে, যা কার্যকর হলেও ঝুঁকিপূর্ণ মনে হতে পারে। ২০৩০ সালে সাপ্লাই চেইন পেশাদারদের তাদের সহজাত ধারণা বদলাতে হতে পারে, কারণ এআই বিপুল পরিমাণ ডেটা বিশ্লেষণ করে দেখিয়ে দিতে পারে যে তার এই ব্যতিক্রমী কৌশলটি আসলে আরও ভালোভাবে কাজ করে।.

অবশেষে, আমাদের অবশ্যই বিবেচনা করতে হবে যে ভৌত সীমাবদ্ধতা (অবকাঠামো, ভৌত প্রক্রিয়ার গতি) লজিস্টিকসের পরিবর্তনের গতিকে সীমিত করে, তাই এখানকার বিপ্লবটি সম্পূর্ণ নতুন কোনো ভৌত বাস্তবতার পরিবর্তে সম্পদের আরও বুদ্ধিদীপ্ত পরিকল্পনা এবং ব্যবহারকে কেন্দ্র করে। কিন্তু সেই সীমার মধ্যেও, জেনারেটিভ এআই-এর সৃজনশীল সমাধান এবং নিরলস অপ্টিমাইজেশন ন্যূনতম ম্যানুয়াল পরিকল্পনার মাধ্যমে বিশ্বজুড়ে পণ্য চলাচলের পদ্ধতিকে নাটকীয়ভাবে উন্নত করতে পারে।

সংক্ষেপে, ২০৩৫ সাল নাগাদ লজিস্টিকস একটি সুচারুভাবে পরিচালিত স্বয়ংক্রিয় যন্ত্রের মতো কাজ করতে পারে: পণ্য দক্ষতার সাথে প্রবাহিত হবে, কোনো বিঘ্ন ঘটলে রুটগুলো রিয়েল টাইমে পরিবর্তিত হবে, গুদামগুলো রোবটের সাহায্যে নিজেরাই নিজেদের পরিচালনা করবে, এবং পুরো সিস্টেমটি ডেটা থেকে ক্রমাগত শিখবে ও উন্নত হবে – এই সবকিছুই পরিচালিত হবে জেনারেটিভ এআই দ্বারা, যা এই কার্যক্রমের মস্তিষ্ক হিসেবে কাজ করবে।.

অর্থ ও ব্যবসায় জেনারেটিভ এআই

আর্থিক শিল্পে তথ্য—যেমন প্রতিবেদন, বিশ্লেষণ, গ্রাহক যোগাযোগ—এর ব্যাপক ব্যবহার রয়েছে, যা এটিকে জেনারেটিভ এআই-এর জন্য একটি উর্বর ক্ষেত্র করে তুলেছে। ব্যাংকিং থেকে শুরু করে বিনিয়োগ ব্যবস্থাপনা এবং বীমা পর্যন্ত, বিভিন্ন প্রতিষ্ঠান স্বয়ংক্রিয়করণ এবং অন্তর্দৃষ্টি তৈরির জন্য এআই ব্যবহারের সম্ভাবনা খতিয়ে দেখছে। প্রশ্ন হলো, এই ক্ষেত্রে নির্ভুলতা এবং বিশ্বাসের গুরুত্ব বিবেচনা করে, এআই মানুষের তত্ত্বাবধান ছাড়াই কোন কোন আর্থিক কাজ নির্ভরযোগ্যভাবে সম্পন্ন করতে পারে?

বর্তমান সক্ষমতা (২০২৫): স্বয়ংক্রিয় প্রতিবেদন এবং সিদ্ধান্ত সমর্থন

বর্তমানে, জেনারেটিভ এআই প্রায়শই মানুষের তত্ত্বাবধানে অর্থায়ন ক্ষেত্রে নানাভাবে অবদান রাখছে:

• প্রতিবেদন তৈরি: ব্যাংক এবং আর্থিক প্রতিষ্ঠানগুলো অসংখ্য প্রতিবেদন তৈরি করে – যেমন আয়ের সারসংক্ষেপ, বাজার পর্যালোচনা, পোর্টফোলিও বিশ্লেষণ ইত্যাদি। এগুলোর খসড়া তৈরিতে ইতোমধ্যেই এআই ব্যবহৃত হচ্ছে। উদাহরণস্বরূপ, ব্লুমবার্গ তাদের টার্মিনাল ব্যবহারকারীদের জন্য সংবাদ শ্রেণিবিন্যাস এবং প্রশ্নোত্তরের মতো কাজে সহায়তা করার জন্য ব্লুমবার্গজিপিটি (BloombergGPT) জেনারেটিভ এআই এখন অর্থায়ন জগতে আসছে )। যদিও এর প্রধান কাজ হলো মানুষকে তথ্য খুঁজে পেতে সাহায্য করা, এটি এআই-এর ক্রমবর্ধমান ভূমিকা তুলে ধরে। অটোমেটেড ইনসাইটস (যে কোম্পানির সাথে এপি কাজ করেছে) আর্থিক বিষয়ক প্রবন্ধও তৈরি করেছে। অনেক বিনিয়োগ বিষয়ক নিউজলেটার দৈনিক বাজারের গতিবিধি বা অর্থনৈতিক সূচকগুলোর সারসংক্ষেপ তুলে ধরতে এআই ব্যবহার করে। সাধারণত, গ্রাহকদের কাছে পাঠানোর আগে মানুষ এগুলো পর্যালোচনা করে, কিন্তু এক্ষেত্রে একেবারে গোড়া থেকে লেখার পরিবর্তে দ্রুত সম্পাদনা করা হয়।

• গ্রাহক যোগাযোগ: রিটেইল ব্যাংকিং-এ, এআই চ্যাটবটগুলো গ্রাহকদের অ্যাকাউন্ট ব্যালেন্স, লেনদেন বা পণ্যের তথ্য সংক্রান্ত প্রশ্নের উত্তর দেয় (যা গ্রাহক পরিষেবা ক্ষেত্রের সাথে মিশে যায়)। এছাড়াও, এআই ব্যক্তিগতকৃত আর্থিক পরামর্শমূলক চিঠি বা ছোটো তাগিদ তৈরি করতে পারে। উদাহরণস্বরূপ, একটি এআই হয়তো শনাক্ত করতে পারে যে একজন গ্রাহক ফি বাবদ অর্থ সাশ্রয় করতে পারবেন এবং স্বয়ংক্রিয়ভাবে একটি বার্তা তৈরি করে তাকে অন্য ধরনের অ্যাকাউন্টে স্থানান্তরিত হওয়ার পরামর্শ দিতে পারে, যা ন্যূনতম মানবিক হস্তক্ষেপেই পাঠানো হয়। বৃহৎ পরিসরে এই ধরনের ব্যক্তিগতকৃত যোগাযোগ হলো অর্থায়ন ক্ষেত্রে এআই-এর একটি বর্তমান ব্যবহার।

• জালিয়াতি শনাক্তকরণ এবং সতর্কতা: জেনারেটিভ এআই, জালিয়াতি সিস্টেম দ্বারা শনাক্ত করা অসঙ্গতিগুলোর জন্য বিবরণ বা ব্যাখ্যা তৈরি করতে সাহায্য করতে পারে। উদাহরণস্বরূপ, যদি কোনো সন্দেহজনক কার্যকলাপ চিহ্নিত করা হয়, তবে একটি এআই গ্রাহকের জন্য একটি ব্যাখ্যামূলক বার্তা (“আমরা একটি নতুন ডিভাইস থেকে লগইন লক্ষ্য করেছি…”) অথবা বিশ্লেষকদের জন্য একটি প্রতিবেদন তৈরি করতে পারে। এই শনাক্তকরণ প্রক্রিয়াটি স্বয়ংক্রিয় (এআই/এমএল অ্যানোমালি ডিটেকশন ব্যবহার করে), এবং এর যোগাযোগ ব্যবস্থাও ক্রমশ স্বয়ংক্রিয় হচ্ছে, যদিও চূড়ান্ত পদক্ষেপ (যেমন অ্যাকাউন্ট ব্লক করা) নেওয়ার সময় প্রায়শই কিছুটা মানবিক যাচাই করা হয়।

• আর্থিক পরামর্শদান (সীমিত): কিছু রোবো-অ্যাডভাইজর (স্বয়ংক্রিয় বিনিয়োগ প্ল্যাটফর্ম) কোনো মানব উপদেষ্টা ছাড়াই পোর্টফোলিও পরিচালনা করতে অ্যালগরিদম (যা অগত্যা জেনারেটিভ এআই নয়) ব্যবহার করে। জেনারেটিভ এআই প্রবেশ করছে, যেমন—নির্দিষ্ট কিছু ট্রেড কেন করা হয়েছিল সে সম্পর্কে মন্তব্য তৈরি করে অথবা ক্লায়েন্টের জন্য বিশেষভাবে তৈরি পোর্টফোলিওর পারফরম্যান্সের সারসংক্ষেপ প্রদান করে। তবে, খাঁটি আর্থিক পরামর্শ (যেমন জটিল আর্থিক পরিকল্পনা) এখনও বেশিরভাগ ক্ষেত্রেই মানব-চালিত অথবা নিয়ম-ভিত্তিক অ্যালগরিদমিক; তদারকিবিহীন অবাধ জেনারেটিভ পরামর্শ ঝুঁকিপূর্ণ, কারণ ভুল হলে দায়বদ্ধতা তৈরি হয়।

• ঝুঁকি মূল্যায়ন এবং আন্ডাররাইটিং: বীমা কোম্পানিগুলো স্বয়ংক্রিয়ভাবে ঝুঁকি মূল্যায়ন প্রতিবেদন বা এমনকি পলিসি নথির খসড়া তৈরির জন্য এআই পরীক্ষা করছে। উদাহরণস্বরূপ, কোনো সম্পত্তি সম্পর্কিত তথ্য পেলে একটি এআই ঝুঁকির কারণগুলো বর্ণনা করে একটি বীমা পলিসির খসড়া বা একজন আন্ডাররাইটারের প্রতিবেদন তৈরি করতে পারে। বর্তমানে মানুষ এই আউটপুটগুলো পর্যালোচনা করে, কারণ চুক্তিতে যেকোনো ভুল ব্যয়বহুল হতে পারে।

• ডেটা বিশ্লেষণ ও অন্তর্দৃষ্টি: এআই আর্থিক বিবরণী বা সংবাদ পুঙ্খানুপুঙ্খভাবে বিশ্লেষণ করে সারসংক্ষেপ তৈরি করতে পারে। বিশ্লেষকরা এমন টুল ব্যবহার করেন যা তাৎক্ষণিকভাবে একটি ১০০-পৃষ্ঠার বার্ষিক প্রতিবেদনের মূল বিষয়গুলো সংক্ষিপ্ত করতে পারে, অথবা কোনো আর্নিংস কল ট্রান্সক্রিপ্ট থেকে প্রধান সারসংক্ষেপ বের করে আনতে পারে। এই সারসংক্ষেপগুলো সময় বাঁচায় এবং সরাসরি সিদ্ধান্ত গ্রহণে ব্যবহার করা যায় বা ঊর্ধ্বতন কর্তৃপক্ষের কাছে পাঠানো যায়, কিন্তু বিচক্ষণ বিশ্লেষকরা গুরুত্বপূর্ণ বিবরণগুলো পুনরায় যাচাই করে নেন।

মূলত, অর্থায়ন ক্ষেত্রে বর্তমান এআই একজন অক্লান্ত বিশ্লেষক/লেখকের মতো কাজ করে , যা এমন বিষয়বস্তু তৈরি করে যা মানুষ পরিমার্জন করে। এর সম্পূর্ণ স্বায়ত্তশাসিত ব্যবহার মূলত সুনির্দিষ্ট কিছু ক্ষেত্রে সীমাবদ্ধ, যেমন ডেটা-নির্ভর সংবাদ (যেখানে কোনো ব্যক্তিগত বিচার-বিবেচনার প্রয়োজন হয় না) বা গ্রাহক পরিষেবা সংক্রান্ত প্রতিক্রিয়া। উচ্চ ঝুঁকি এবং নিয়ন্ত্রক সংস্থার কড়া নজরদারির কারণে, অর্থ সংক্রান্ত সিদ্ধান্তের (যেমন তহবিল স্থানান্তর, পূর্বনির্ধারিত অ্যালগরিদমের বাইরে লেনদেন সম্পাদন) জন্য সরাসরি এআই-এর ওপর আস্থা রাখা বিরল।

২০৩০-২০৩৫ সালের পূর্বাভাস: এআই বিশ্লেষক এবং স্বায়ত্তশাসিত আর্থিক কার্যক্রম

ভবিষ্যতের দিকে তাকালে, ২০৩৫ সালের মধ্যে জেনারেটিভ এআই আর্থিক কার্যক্রমে গভীরভাবে অন্তর্ভুক্ত হয়ে যেতে পারে এবং সম্ভবত স্বয়ংক্রিয়ভাবে অনেক কাজ পরিচালনা করতে পারবে:

• এআই ফিনান্সিয়াল অ্যানালিস্ট: আমরা এমন এআই সিস্টেম দেখতে পারি যা কোম্পানি ও বাজার বিশ্লেষণ করে একজন মানব ইক্যুইটি রিসার্চ অ্যানালিস্টের সমপর্যায়ে সুপারিশ বা প্রতিবেদন তৈরি করতে পারে। ২০৩০ সালের মধ্যে, একটি এআই সম্ভবত কোনো কোম্পানির সমস্ত আর্থিক নথিপত্র পড়তে, ইন্ডাস্ট্রির ডেটার সাথে তুলনা করতে এবং নিজে থেকেই একটি বিনিয়োগ সুপারিশ প্রতিবেদন (যুক্তিসহ “কেনা/বেচা”) তৈরি করতে পারবে। কিছু হেজ ফান্ড ইতোমধ্যেই ট্রেডিং সিগন্যাল তৈরি করতে এআই ব্যবহার করছে; ২০৩০-এর দশকের মধ্যে এআই-ভিত্তিক গবেষণা প্রতিবেদন সাধারণ হয়ে উঠতে পারে। মানব পোর্টফোলিও ম্যানেজাররা অন্যান্য ইনপুটের মধ্যে একটি হিসেবে এআই-নির্মিত বিশ্লেষণের উপর আস্থা রাখতে শুরু করতে পারেন। এমনকি এআই-এর পক্ষে স্বয়ংক্রিয়ভাবে পোর্টফোলিও পরিচালনা করারও সম্ভাবনা রয়েছে: একটি পূর্বনির্ধারিত কৌশল অনুযায়ী ক্রমাগত বিনিয়োগ পর্যবেক্ষণ এবং পুনর্বিন্যাস করা। প্রকৃতপক্ষে, অ্যালগরিদমিক ট্রেডিং ইতোমধ্যেই ব্যাপকভাবে স্বয়ংক্রিয় – জেনারেটিভ এআই নিজেই নতুন ট্রেডিং মডেল তৈরি ও পরীক্ষা করার মাধ্যমে কৌশলগুলোকে আরও অভিযোজনযোগ্য করে তুলতে পারে।

• স্বয়ংক্রিয় আর্থিক পরিকল্পনা: গ্রাহকদের জন্য সরাসরি কাজ করা এআই উপদেষ্টারা ব্যক্তিদের দৈনন্দিন আর্থিক পরিকল্পনার দায়িত্ব নিতে পারে। ২০৩০ সালের মধ্যে, আপনি একটি এআই-কে আপনার লক্ষ্যগুলো (যেমন বাড়ি কেনা, কলেজের জন্য সঞ্চয়) জানাতে পারেন এবং এটি আপনার জন্য বিশেষভাবে তৈরি একটি সম্পূর্ণ আর্থিক পরিকল্পনা (বাজেট, বিনিয়োগের বরাদ্দ, বীমার পরামর্শ) তৈরি করে দিতে পারে। প্রাথমিকভাবে একজন মানব আর্থিক পরিকল্পনাকারী এটি পর্যালোচনা করতে পারেন, কিন্তু আস্থা বাড়ার সাথে সাথে, যথাযথ দাবিত্যাগসহ এই ধরনের পরামর্শ সরাসরি গ্রাহকদের দেওয়া হতে পারে। মূল বিষয় হবে এটি নিশ্চিত করা যে, এআই-এর পরামর্শ নিয়মকানুন মেনে চলে এবং গ্রাহকের সর্বোত্তম স্বার্থে কাজ করে। এই সমস্যার সমাধান হলে, এআই স্বল্প খরচে সাধারণ আর্থিক পরামর্শকে আরও সহজলভ্য করে তুলতে পারে।

• ব্যাক-অফিস অটোমেশন: জেনারেটিভ এআই স্বয়ংক্রিয়ভাবে অনেক ব্যাক-অফিস নথি—যেমন ঋণের আবেদনপত্র, কমপ্লায়েন্স রিপোর্ট, অডিট সারাংশ—পরিচালনা করতে পারে। উদাহরণস্বরূপ, একটি এআই সমস্ত লেনদেনের ডেটা গ্রহণ করে একটি অডিট রিপোর্ট তৈরি করতে । ২০৩৫ সালে অডিটররা হয়তো নিজেরা সবকিছু খুঁটিয়ে দেখার পরিবর্তে এআই-এর চিহ্নিত করা ব্যতিক্রমগুলো পর্যালোচনা করতে বেশি সময় ব্যয় করবেন। একইভাবে, কমপ্লায়েন্সের জন্য, কোনো বিশ্লেষকের শুরু থেকে লেখার প্রয়োজন ছাড়াই এআই নিয়ন্ত্রকদের জন্য সন্দেহজনক কার্যকলাপের রিপোর্ট (SARs) তৈরি করতে পারে। এই ধরনের সাধারণ নথিগুলোর স্বয়ংক্রিয় উৎপাদন একটি সাধারণ রীতিতে পরিণত হতে পারে, যেখানে মানুষের তত্ত্বাবধান কেবল ব্যতিক্রমী ক্ষেত্রে সীমাবদ্ধ থাকবে।

• বীমা দাবি এবং আন্ডাররাইটিং: একটি এআই (AI) স্বয়ংক্রিয়ভাবে একটি বীমা দাবি (ছবির প্রমাণ ইত্যাদি সহ) প্রক্রিয়া করতে, কভারেজ নির্ধারণ করতে এবং অর্থ প্রদানের সিদ্ধান্তের চিঠি তৈরি করতে পারে। আমরা এমন একটি পর্যায়ে পৌঁছাতে পারি যেখানে সহজ সরল দাবিগুলো (যেমন স্পষ্ট তথ্যসহ গাড়ি দুর্ঘটনা) জমা দেওয়ার কয়েক মিনিটের মধ্যেই সম্পূর্ণরূপে এআই দ্বারা নিষ্পত্তি হয়ে যাবে। নতুন পলিসি আন্ডাররাইটিংও একই রকম হতে পারে: এআই ঝুঁকি মূল্যায়ন করবে এবং পলিসির শর্তাবলী তৈরি করবে। ২০৩৫ সাল নাগাদ, সম্ভবত কেবল জটিল বা ঝুঁকিপূর্ণ মামলাগুলোই মানব আন্ডাররাইটারদের কাছে পাঠানো হবে।

• জালিয়াতি ও নিরাপত্তা: আর্থিক খাতে জালিয়াতি বা সাইবার হুমকি শনাক্তকরণ এবং তার মোকাবিলায় কৃত্রিম বুদ্ধিমত্তা (AI) সম্ভবত আরও বেশি গুরুত্বপূর্ণ ভূমিকা পালন করবে। স্বয়ংক্রিয় AI এজেন্টরা রিয়েল-টাইমে লেনদেন পর্যবেক্ষণ করতে পারে এবং নির্দিষ্ট কিছু শর্ত পূরণ হলে তাৎক্ষণিক ব্যবস্থা (অ্যাকাউন্ট ব্লক করা, লেনদেন স্থগিত করা) নিয়ে তার কারণ ব্যাখ্যা করতে পারে। এক্ষেত্রে গতি অত্যন্ত গুরুত্বপূর্ণ, তাই মানুষের সম্পৃক্ততা ন্যূনতম রাখা বাঞ্ছনীয়। এই পদক্ষেপগুলো গ্রাহক বা নিয়ন্ত্রকদের কাছে সুস্পষ্টভাবে তুলে ধরার কাজটি এক্ষেত্রে সহায়ক হতে পারে।

• নির্বাহী সহায়তা: এমন একটি এআই “চিফ অফ স্টাফ”-এর কথা ভাবুন, যা নির্বাহীদের জন্য তাৎক্ষণিকভাবে ব্যবসায়িক প্রতিবেদন তৈরি করতে পারে। জিজ্ঞাসা করুন, “এই ত্রৈমাসিকে আমাদের ইউরোপীয় বিভাগ কেমন কাজ করেছে এবং গত বছরের তুলনায় এর প্রধান চালিকাশক্তিগুলো কী ছিল?” এবং এআই ডেটা থেকে তথ্য নিয়ে চার্টসহ একটি সংক্ষিপ্ত ও নির্ভুল প্রতিবেদন তৈরি করে দেবে। এই ধরনের গতিশীল, স্বয়ংক্রিয় রিপোর্টিং এবং বিশ্লেষণ একটি সাধারণ কথোপকথনের মতোই সহজ হয়ে উঠতে পারে। ২০৩০ সালের মধ্যে, ব্যবসায়িক তথ্যের জন্য এআই-কে প্রশ্ন করা এবং সঠিক উত্তরের জন্য এর ওপর আস্থা রাখা মূলত গতানুগতিক প্রতিবেদন এবং এমনকি কিছু বিশ্লেষকের ভূমিকাও প্রতিস্থাপন করতে পারে।

একটি আকর্ষণীয় পূর্বাভাস হলো: ২০৩০-এর দশকের মধ্যে, অধিকাংশ আর্থিক বিষয়বস্তু (সংবাদ, প্রতিবেদন ইত্যাদি) কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি হতে পারে । ইতোমধ্যেই, ডাও জোন্স এবং রয়টার্সের মতো সংস্থাগুলো নির্দিষ্ট কিছু সংবাদের জন্য স্বয়ংক্রিয় ব্যবস্থা ব্যবহার করে। যদি এই ধারা অব্যাহত থাকে এবং আর্থিক তথ্যের বিপুল পরিমাণ বৃদ্ধির পরিপ্রেক্ষিতে, এর বেশিরভাগই বাছাই ও প্রচারের দায়িত্ব কৃত্রিম বুদ্ধিমত্তার ওপর বর্তাতে পারে।

তবে, বিশ্বাস ও যাচাইকরণই হবে মূল বিষয়। আর্থিক খাত কঠোরভাবে নিয়ন্ত্রিত এবং স্বয়ংক্রিয়ভাবে পরিচালিত যেকোনো এআই-কে কঠোর মানদণ্ড পূরণ করতে হবে:

• কোনো বিভ্রম না থাকা নিশ্চিত করা (কোনো এআই বিশ্লেষককে দিয়ে এমন কোনো আর্থিক পরিমাপক উদ্ভাবন করানো যায় না যা বাস্তব নয় – এটি বাজারকে বিভ্রান্ত করতে পারে)।.

• পক্ষপাত বা অবৈধ কার্যকলাপ পরিহার করা (যেমন পক্ষপাতদুষ্ট প্রশিক্ষণ তথ্যের কারণে অনিচ্ছাকৃতভাবে ঋণ প্রদানের সিদ্ধান্তে সীমা নির্ধারণ করা)।.

• নিরীক্ষাযোগ্যতা: নিয়ন্ত্রক সংস্থাগুলো সম্ভবত চাইবে যে এআই-এর সিদ্ধান্তগুলো ব্যাখ্যাযোগ্য হোক। যদি কোনো এআই ঋণ প্রত্যাখ্যান করে বা কোনো লেনদেনের সিদ্ধান্ত নেয়, তবে তার পেছনে এমন একটি যুক্তি থাকতে হবে যা যাচাই করা যায়। জেনারেটিভ মডেলগুলো কিছুটা রহস্যময় হতে পারে, তাই তাদের সিদ্ধান্তগুলোকে স্বচ্ছ করার জন্য ব্যাখ্যাযোগ্য এআই

আগামী ১০ বছরে সম্ভবত এআই এবং অর্থায়ন পেশাদারদের মধ্যে ঘনিষ্ঠ সহযোগিতা দেখা যাবে, এবং আস্থা বাড়ার সাথে সাথে স্বায়ত্তশাসনের সীমাও ধীরে ধীরে প্রসারিত হবে। প্রাথমিক সাফল্য আসবে কম-ঝুঁকিপূর্ণ অটোমেশনে (যেমন প্রতিবেদন তৈরি)। ঋণ সংক্রান্ত সিদ্ধান্ত বা বিনিয়োগ বাছাইয়ের মতো মৌলিক বিচার-বিবেচনাগুলো আরও কঠিন হবে, কিন্তু সেখানেও, এআই-এর ট্র্যাক রেকর্ড তৈরি হওয়ার সাথে সাথে প্রতিষ্ঠানগুলো এটিকে আরও বেশি স্বায়ত্তশাসন দিতে পারে। উদাহরণস্বরূপ, হয়তো একটি এআই ফান্ড একজন মানব তত্ত্বাবধায়কের অধীনে পরিচালিত হবে, যিনি কেবল তখনই হস্তক্ষেপ করবেন যখন কার্যকারিতায় বিচ্যুতি ঘটবে বা এআই কোনো অনিশ্চয়তার সংকেত দেবে।.

অর্থনৈতিকভাবে, ম্যাককিনজির অনুমান অনুযায়ী, এআই (বিশেষ করে জেনারেটিভ এআই) ব্যাংকিং খাতে বার্ষিক প্রায় ২০০-৩৪০ বিলিয়ন ডলারের মূল্য সংযোজন করতে পারে এবং বীমা ও পুঁজিবাজারেও অনুরূপ বড় প্রভাব ফেলতে পারে ( ২০২৩ সালে এআই-এর অবস্থা: জেনারেটিভ এআই-এর যুগান্তকারী বছর | ম্যাককিনজি ) ( জেনারেটিভ এআই-এর ভবিষ্যৎ কী? | ম্যাককিনজি )। এটি সম্ভব হবে কার্যকারিতা বৃদ্ধি এবং উন্নততর সিদ্ধান্ত গ্রহণের মাধ্যমে। এই মূল্যকে কাজে লাগানোর জন্য, অনেক গতানুগতিক আর্থিক বিশ্লেষণ এবং যোগাযোগের কাজ সম্ভবত এআই সিস্টেমের হাতে তুলে দেওয়া হবে।

সংক্ষেপে, ২০৩৫ সালের মধ্যে জেনারেটিভ এআই আর্থিক খাত জুড়ে কর্মরত জুনিয়র বিশ্লেষক, উপদেষ্টা এবং কেরানিদের একটি সেনাবাহিনীর মতো হতে পারে, যারা বেশিরভাগ গতানুগতিক কাজ এবং কিছু জটিল বিশ্লেষণ স্বয়ংক্রিয়ভাবে করবে। লক্ষ্য নির্ধারণ এবং উচ্চ-পর্যায়ের কৌশল, গ্রাহক সম্পর্ক ও তদারকির দায়িত্ব তখনও মানুষের হাতেই থাকবে। আর্থিক জগৎ সতর্কতার সাথে ধীরে ধীরে স্বায়ত্তশাসন প্রসারিত করবে – কিন্তু দিকনির্দেশনা স্পষ্ট যে, তথ্য প্রক্রিয়াকরণ এবং এমনকি সিদ্ধান্তের সুপারিশের মতো কাজগুলোও ক্রমশ এআই থেকেই আসবে। আদর্শগতভাবে, এর ফলে দ্রুততর পরিষেবা (তাৎক্ষণিক ঋণ, চব্বিশ ঘণ্টা পরামর্শ), কম খরচ এবং সম্ভাব্য আরও বেশি বস্তুনিষ্ঠতা (ডেটা প্যাটার্নের উপর ভিত্তি করে সিদ্ধান্ত) আসবে। কিন্তু আস্থা বজায় রাখা অত্যন্ত গুরুত্বপূর্ণ হবে; আর্থিক খাতে একটি বড় ধরনের এআই ত্রুটি ব্যাপক ক্ষতি করতে পারে (কল্পনা করুন, এআই-এর কারণে সৃষ্ট একটি আকস্মিক ধস বা হাজার হাজার মানুষের সুবিধা ভুলভাবে প্রত্যাখ্যান করা)। তাই, বিশেষ করে গ্রাহক-কেন্দ্রিক কাজগুলোর জন্য সুরক্ষা ব্যবস্থা এবং মানবিক যাচাই-বাছাই সম্ভবত বজায় থাকবে, যদিও ব্যাক-অফিস প্রক্রিয়াগুলো অত্যন্ত স্বায়ত্তশাসিত হয়ে উঠবে।.

চ্যালেঞ্জ এবং নৈতিক বিবেচনা

এই সমস্ত ক্ষেত্রে, জেনারেটিভ এআই যত বেশি স্বায়ত্তশাসিত দায়িত্ব গ্রহণ করছে, ততই কিছু সাধারণ চ্যালেঞ্জ এবং নৈতিক প্রশ্ন সামনে আসছে। এআই-কে একটি নির্ভরযোগ্য ও উপকারী স্বায়ত্তশাসিত সত্তা হিসেবে নিশ্চিত করা কেবল একটি প্রযুক্তিগত কাজ নয়, বরং এটি একটি সামাজিক কাজও বটে। এখানে আমরা মূল উদ্বেগগুলো এবং কীভাবে সেগুলোর সমাধান করা হচ্ছে (বা করার প্রয়োজন হবে) তা তুলে ধরছি:

নির্ভরযোগ্যতা এবং নির্ভুলতা

বিভ্রমের সমস্যা: জেনারেটিভ এআই মডেলগুলো ভুল বা সম্পূর্ণ মনগড়া আউটপুট তৈরি করতে পারে, যা দেখতে আত্মবিশ্বাসী মনে হয়। এটি বিশেষভাবে বিপজ্জনক হয়ে ওঠে যখন ভুল ধরার জন্য কোনো মানুষ এর সাথে জড়িত থাকে না। একটি চ্যাটবট গ্রাহককে ভুল নির্দেশনা দিতে পারে, অথবা এআই দ্বারা লিখিত কোনো প্রতিবেদনে মনগড়া পরিসংখ্যান থাকতে পারে। ২০২৫ সাল নাগাদ, সংস্থাগুলো জেনারেটিভ এআই-এর শীর্ষ ঝুঁকি হিসেবে ভুল তথ্যকে চিহ্নিত করেছে ( The state of AI in 2023: Generative AI's breakout year | McKinsey ) ( The State of AI: Global survey | McKinsey )। ভবিষ্যতে, এই বিভ্রমগুলো কমানোর জন্য ডেটাবেসের সাথে তথ্য যাচাই, মডেল আর্কিটেকচারের উন্নতি এবং ফিডব্যাকসহ রিইনফোর্সমেন্ট লার্নিং-এর মতো কৌশল প্রয়োগ করা হচ্ছে। স্বয়ংক্রিয় এআই সিস্টেমগুলোর জন্য সম্ভবত কঠোর পরীক্ষা এবং গুরুত্বপূর্ণ কাজগুলোর (যেমন কোড তৈরি, যা ভুল হলে বাগ/নিরাপত্তা ত্রুটি তৈরি করতে পারে) জন্য আনুষ্ঠানিক যাচাইকরণের প্রয়োজন হবে।

সামঞ্জস্যতা: এআই সিস্টেমগুলোকে সময়ের সাথে সাথে এবং বিভিন্ন পরিস্থিতিতে নির্ভরযোগ্যভাবে কাজ করতে হয়। উদাহরণস্বরূপ, একটি এআই সাধারণ প্রশ্নে ভালো করলেও ব্যতিক্রমী পরিস্থিতিতে হোঁচট খেতে পারে। সামঞ্জস্যপূর্ণ কর্মক্ষমতা নিশ্চিত করার জন্য বিভিন্ন পরিস্থিতিকে অন্তর্ভুক্ত করে ব্যাপক প্রশিক্ষণ ডেটা এবং ক্রমাগত পর্যবেক্ষণের প্রয়োজন হবে। অনেক সংস্থা চলমান নির্ভুলতার হার পরিমাপ করার জন্য হাইব্রিড পদ্ধতি গ্রহণের পরিকল্পনা করছে – যেখানে এআই কাজ করে, কিন্তু এলোমেলো নমুনাগুলো মানুষ দ্বারা নিরীক্ষিত হয়।

ব্যর্থতা-প্রতিরোধ ব্যবস্থা: যখন এআই স্বয়ংক্রিয় হয়, তখন এর নিজের অনিশ্চয়তা শনাক্ত করার ক্ষমতা থাকাটা অত্যন্ত গুরুত্বপূর্ণ। সিস্টেমটিকে এমনভাবে ডিজাইন করা উচিত যাতে এটি ‘কখন জানে না’ তা বুঝতে পারে। উদাহরণস্বরূপ, যদি একজন এআই ডাক্তার কোনো রোগ নির্ণয় সম্পর্কে নিশ্চিত না থাকে, তবে তার উচিত আন্দাজে কিছু না বলে মানুষের পর্যালোচনার জন্য বিষয়টি চিহ্নিত করা। এআই-এর আউটপুটে অনিশ্চয়তা অনুমানের ব্যবস্থা অন্তর্ভুক্ত করা (এবং স্বয়ংক্রিয়ভাবে মানুষের কাছে দায়িত্ব হস্তান্তরের জন্য একটি নির্দিষ্ট সীমা নির্ধারণ করা) একটি সক্রিয় উন্নয়ন ক্ষেত্র।

পক্ষপাত এবং ন্যায্যতা

জেনারেটিভ এআই ঐতিহাসিক ডেটা থেকে শেখে, যেটিতে পক্ষপাত (জাতিগত, লিঙ্গগত, ইত্যাদি) থাকতে পারে। একটি স্বয়ংক্রিয় এআই সেই পক্ষপাতগুলোকে স্থায়ী করতে বা এমনকি আরও বাড়িয়ে তুলতে পারে:

• নিয়োগ বা ভর্তির ক্ষেত্রে, কোনো এআই সিদ্ধান্ত গ্রহণকারী অন্যায়ভাবে বৈষম্য করতে পারে, যদি তার প্রশিক্ষণ ডেটাতে পক্ষপাত থাকে।.

• গ্রাহক পরিষেবার ক্ষেত্রে, সতর্কতার সাথে যাচাই না করা হলে একটি এআই উপভাষা বা অন্যান্য কারণের উপর ভিত্তি করে ব্যবহারকারীদের প্রতি ভিন্নভাবে প্রতিক্রিয়া জানাতে পারে।.

• সৃজনশীল ক্ষেত্রগুলিতে, প্রশিক্ষণ সেটটি ভারসাম্যহীন হলে এআই নির্দিষ্ট কিছু সংস্কৃতি বা শৈলীকে কম উপস্থাপন করতে পারে।.

এর সমাধানের জন্য প্রয়োজন সতর্ক ডেটাসেট কিউরেশন, বায়াস টেস্টিং এবং সম্ভবত ন্যায্যতা নিশ্চিত করতে অ্যালগরিদমিক সমন্বয়। স্বচ্ছতাই মূল চাবিকাঠি: কোম্পানিগুলোকে এআই সিদ্ধান্তের মানদণ্ড প্রকাশ করতে হবে, বিশেষ করে যদি কোনো স্বয়ংক্রিয় এআই কারও সুযোগ বা অধিকারকে (যেমন ঋণ বা চাকরি পাওয়া) প্রভাবিত করে। নিয়ন্ত্রক সংস্থাগুলো ইতিমধ্যেই এ বিষয়ে মনোযোগ দিচ্ছে; উদাহরণস্বরূপ, ইইউ-এর এআই আইন (যা ২০২৫ সালের মাঝামাঝি থেকে প্রণয়নের অপেক্ষায় রয়েছে) সম্ভবত উচ্চ-ঝুঁকিপূর্ণ এআই সিস্টেমগুলোর জন্য বায়াস অ্যাসেসমেন্ট বাধ্যতামূলক করবে।.

জবাবদিহিতা এবং আইনি দায়বদ্ধতা

যখন স্বয়ংক্রিয়ভাবে পরিচালিত কোনো এআই সিস্টেম ক্ষতি করে বা ভুল করে, তখন দায়ী কে? আইনি কাঠামোগুলোও এর সাথে তাল মেলাচ্ছে:

• কৃত্রিম বুদ্ধিমত্তা ব্যবহারকারী সংস্থাগুলো সম্ভবত একজন কর্মচারীর কাজের জন্য দায়বদ্ধ থাকবে। উদাহরণস্বরূপ, যদি কোনো কৃত্রিম বুদ্ধিমত্তা ভুল আর্থিক পরামর্শ দেয় যার ফলে ক্ষতি হয়, তাহলে প্রতিষ্ঠানটিকে গ্রাহককে ক্ষতিপূরণ দিতে হতে পারে।.

• কৃত্রিম বুদ্ধিমত্তার ‘ব্যক্তিসত্তা’ বা উন্নত কৃত্রিম বুদ্ধিমত্তা আংশিকভাবে দায়ী হতে পারে কিনা, তা নিয়ে বিতর্ক রয়েছে, কিন্তু তা এখন মূলত তাত্ত্বিক। বাস্তবে, দোষটা ডেভেলপার বা অপারেটরদের ওপরই বর্তাবে।.

• কৃত্রিম বুদ্ধিমত্তার ব্যর্থতার জন্য নতুন বীমা পণ্য চালু হতে পারে। যদি একটি স্বচালিত ট্রাক দুর্ঘটনার কারণ হয়, তবে প্রস্তুতকারকের বীমা সেই ক্ষতিপূরণ দিতে পারে, যা পণ্য দায়বদ্ধতার অনুরূপ।.

• ঘটনার পরবর্তী পর্যালোচনার জন্য এআই-এর সিদ্ধান্তগুলোর নথিভুক্তকরণ ও লিপিবদ্ধকরণ গুরুত্বপূর্ণ হবে। যদি কিছু ভুল হয়, তবে তা থেকে শিক্ষা নিতে এবং দায়বদ্ধতা নির্ধারণ করতে আমাদের এআই-এর সিদ্ধান্তের ধারা নিরীক্ষা করতে হবে। ঠিক এই কারণেই নিয়ন্ত্রক সংস্থাগুলো স্বয়ংক্রিয় এআই কার্যক্রমের জন্য লিপিবদ্ধকরণ বাধ্যতামূলক করতে পারে।.

স্বচ্ছতা এবং ব্যাখ্যাযোগ্যতা

স্বয়ংক্রিয় এআই-এর আদর্শগতভাবে মানুষের বোধগম্য ভাষায় তার যুক্তি ব্যাখ্যা করতে সক্ষম হওয়া উচিত, বিশেষ করে গুরুত্বপূর্ণ ক্ষেত্রগুলিতে (অর্থনীতি, স্বাস্থ্যসেবা, বিচার ব্যবস্থা)। ব্যাখ্যাযোগ্য এআই হলো এমন একটি ক্ষেত্র যা এই রহস্যের জট খুলতে সচেষ্ট:

• কোনো AI কর্তৃক ঋণ প্রত্যাখ্যানের ক্ষেত্রে, প্রবিধান (যেমন মার্কিন যুক্তরাষ্ট্রে ECOA) অনুযায়ী আবেদনকারীকে একটি কারণ দর্শানোর প্রয়োজন হতে পারে। তাই AI-কে ব্যাখ্যা হিসেবে বিভিন্ন বিষয় (যেমন, “উচ্চ ঋণ-আয় অনুপাত”) প্রদর্শন করতে হয়।.

• যেসব ব্যবহারকারী এআই-এর সাথে যোগাযোগ করেন (যেমন এআই টিউটরের সাথে শিক্ষার্থীরা বা এআই হেলথ অ্যাপের সাথে রোগীরা), তাদের এটা জানার অধিকার আছে যে এআই কীভাবে পরামর্শে পৌঁছায়। মডেলগুলোকে সরল করে অথবা সমান্তরাল ব্যাখ্যামূলক মডেল ব্যবহার করে এআই-এর যুক্তি প্রক্রিয়াকে আরও সহজে অনুসরণযোগ্য করার প্রচেষ্টা চলছে।.

• স্বচ্ছতার অর্থ এও যে, ব্যবহারকারীরা যেন জানতে পারেন কখন তারা কোনো মানুষের পরিবর্তে কৃত্রিম বুদ্ধিমত্তার (AI) সাথে কথা বলছেন। নৈতিক নির্দেশিকা (এবং সম্ভবত কিছু আইনও) এই দিকেই ঝুঁকে থাকে যে, কোনো গ্রাহক যদি একটি বটের সাথে কথা বলেন, তবে তা প্রকাশ করা আবশ্যক। এটি প্রতারণা প্রতিরোধ করে এবং ব্যবহারকারীর সম্মতি নিশ্চিত করে। বিশ্বাস বজায় রাখার জন্য কিছু কোম্পানি এখন কৃত্রিম বুদ্ধিমত্তা দ্বারা লিখিত বিষয়বস্তুতে স্পষ্টভাবে ট্যাগ যুক্ত করে (যেমন “এই নিবন্ধটি কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি করা হয়েছে”)।

গোপনীয়তা এবং ডেটা সুরক্ষা

জেনারেটিভ এআই-এর কাজ করতে বা শিখতে প্রায়শই ডেটার প্রয়োজন হয়—যার মধ্যে সংবেদনশীল ব্যক্তিগত তথ্যও অন্তর্ভুক্ত থাকতে পারে। স্বয়ংক্রিয় কার্যক্রমে অবশ্যই গোপনীয়তা রক্ষা করতে হবে:

• একজন এআই কাস্টমার সার্ভিস এজেন্ট গ্রাহককে সাহায্য করার জন্য অ্যাকাউন্টের তথ্য অ্যাক্সেস করবে; সেই ডেটা অবশ্যই সুরক্ষিত রাখতে হবে এবং শুধুমাত্র নির্দিষ্ট কাজের জন্যই ব্যবহার করতে হবে।.

• যদি এআই টিউটরদের শিক্ষার্থীদের প্রোফাইলে প্রবেশাধিকার থাকে, তাহলে শিক্ষাগত তথ্যের গোপনীয়তা নিশ্চিত করার জন্য FERPA (মার্কিন যুক্তরাষ্ট্রে)-এর মতো আইনের অধীনে কিছু বিষয় বিবেচনা করতে হয়।.

• বড় মডেলগুলো অনিচ্ছাকৃতভাবে তাদের প্রশিক্ষণ ডেটা থেকে নির্দিষ্ট তথ্য মনে রাখতে পারে (যেমন, প্রশিক্ষণের সময় দেখা কোনো ব্যক্তির ঠিকানা হুবহু বলে দেওয়া)। উৎপাদিত আউটপুটে ব্যক্তিগত তথ্যের ফাঁস রোধ করতে প্রশিক্ষণের সময় ডিফারেনশিয়াল প্রাইভেসি এবং ডেটা অ্যানোনিমাইজেশনের মতো কৌশলগুলো গুরুত্বপূর্ণ।.

• GDPR-এর মতো আইন ব্যক্তিদেরকে তাদের প্রভাবিত করে এমন স্বয়ংক্রিয় সিদ্ধান্তের উপর অধিকার প্রদান করে। কোনো সিদ্ধান্ত যদি ব্যক্তিকে উল্লেখযোগ্যভাবে প্রভাবিত করে, তবে মানুষ সেটির মানবিক পর্যালোচনার জন্য বা সিদ্ধান্তগুলো সম্পূর্ণরূপে স্বয়ংক্রিয় না করার জন্য অনুরোধ করতে পারে। ২০৩০ সাল নাগাদ, কৃত্রিম বুদ্ধিমত্তার (AI) ব্যাপক প্রসারের সাথে সাথে এই আইনগুলো বিকশিত হতে পারে, এবং এর ফলে সম্ভবত ব্যাখ্যার অধিকার বা AI প্রক্রিয়াকরণ থেকে বেরিয়ে আসার সুযোগ তৈরি হতে পারে।.

নিরাপত্তা এবং অপব্যবহার

স্বায়ত্তশাসিত এআই সিস্টেমগুলো হ্যাকিংয়ের লক্ষ্যবস্তু হতে পারে অথবা ক্ষতিকর কাজ করার জন্য অপব্যবহার করা হতে পারে:

• একটি এআই কন্টেন্ট জেনারেটরকে ব্যাপকভাবে ভুল তথ্য (ডিপফেক ভিডিও, ভুয়া সংবাদ নিবন্ধ) তৈরির জন্য অপব্যবহার করা যেতে পারে, যা একটি সামাজিক ঝুঁকি। অত্যন্ত শক্তিশালী জেনারেটিভ মডেল প্রকাশের নৈতিকতা নিয়ে তীব্র বিতর্ক রয়েছে (উদাহরণস্বরূপ, ওপেনএআই প্রাথমিকভাবে জিপিটি-৪ এর ইমেজ সক্ষমতা নিয়ে সতর্ক ছিল)। এর সমাধানগুলোর মধ্যে রয়েছে নকল শনাক্ত করতে সাহায্য করার জন্য এআই-নির্মিত কন্টেন্টে ওয়াটারমার্ক ব্যবহার করা, এবং এআই-এর বিরুদ্ধে এআই ব্যবহার করা (যেমন ডিপফেক শনাক্তকরণ অ্যালগরিদম)।.

• যদি কোনো এআই ভৌত প্রক্রিয়া নিয়ন্ত্রণ করে (যেমন ড্রোন, গাড়ি, শিল্প নিয়ন্ত্রণ), তবে সাইবার আক্রমণ থেকে একে সুরক্ষিত রাখা অত্যন্ত গুরুত্বপূর্ণ। একটি হ্যাক হওয়া স্বয়ংক্রিয় সিস্টেম বাস্তব জগতে ক্ষতি করতে পারে। এর জন্য প্রয়োজন শক্তিশালী এনক্রিপশন, ফেইল-সেফ ব্যবস্থা, এবং কোনো কিছু আপোসকৃত বলে মনে হলে মানুষের হস্তক্ষেপ বা সিস্টেম বন্ধ করে দেওয়ার ক্ষমতা।.

• এছাড়াও, কৃত্রিম বুদ্ধিমত্তার তার নির্ধারিত সীমা অতিক্রম করার (যাকে ‘বিপথগামী কৃত্রিম বুদ্ধিমত্তা’ বলা হয়) একটি উদ্বেগ রয়েছে। যদিও বর্তমান কৃত্রিম বুদ্ধিমত্তাগুলোর নিজস্ব কোনো ইচ্ছাশক্তি বা উদ্দেশ্য নেই, কিন্তু ভবিষ্যতের স্বয়ংক্রিয় ব্যবস্থাগুলো যদি আরও বেশি সক্রিয় হয়, তবে কঠোর নিয়ন্ত্রণ ও পর্যবেক্ষণের প্রয়োজন হবে, যাতে তারা ভুলভাবে নির্ধারিত উদ্দেশ্যের কারণে অননুমোদিত লেনদেন করা বা আইন লঙ্ঘন করার মতো কাজগুলো না করে।.

নৈতিক ব্যবহার এবং মানব প্রভাব

পরিশেষে, বৃহত্তর নৈতিক বিবেচনাসমূহ:

• কর্মচ্যুতি: যদি কৃত্রিম বুদ্ধিমত্তা (AI) মানুষের হস্তক্ষেপ ছাড়াই কাজ করতে পারে, তাহলে সেই চাকরিগুলোর কী হবে? ঐতিহাসিকভাবে, প্রযুক্তি কিছু চাকরিকে স্বয়ংক্রিয় করে তোলে, কিন্তু নতুন চাকরির সুযোগও তৈরি করে। যে সমস্ত কর্মীর দক্ষতা স্বয়ংক্রিয় হয়ে যাওয়া কাজগুলিতে রয়েছে, তাদের জন্য এই পরিবর্তনটি কষ্টকর হতে পারে। সমাজকে নতুন দক্ষতা অর্জন, শিক্ষা এবং সম্ভবত অর্থনৈতিক সহায়তার পুনর্বিবেচনার মাধ্যমে এটি সামাল দিতে হবে (কেউ কেউ মনে করেন, যদি অনেক কাজ স্বয়ংক্রিয় হয়ে যায়, তবে AI সর্বজনীন ন্যূনতম আয়ের মতো ধারণাকে অপরিহার্য করে তুলতে পারে)। ইতোমধ্যেই, সমীক্ষায় মিশ্র প্রতিক্রিয়া দেখা গেছে – একটি সমীক্ষায় দেখা গেছে, এক-তৃতীয়াংশ কর্মী AI দ্বারা চাকরি প্রতিস্থাপিত হওয়া নিয়ে চিন্তিত, আবার অন্যরা এটিকে একঘেয়েমি দূর করার উপায় হিসেবে দেখছেন।

• মানব দক্ষতার অবক্ষয়: যদি এআই টিউটররা শেখায়, এআই অটোপাইলট গাড়ি চালায় এবং এআই কোড লেখে, তাহলে কি মানুষ এই দক্ষতাগুলো হারাবে? সবচেয়ে খারাপ পরিস্থিতিতে, এআই-এর উপর অতিরিক্ত নির্ভরতা বিশেষজ্ঞতাকে ক্ষুণ্ণ করতে পারে; শিক্ষা ও প্রশিক্ষণ কর্মসূচিগুলোকে এর সাথে নিজেদের মানিয়ে নিতে হবে, এবং এটা নিশ্চিত করতে হবে যে এআই সাহায্য করলেও মানুষ যেন মৌলিক বিষয়গুলো শিখতে পারে।

• নৈতিক সিদ্ধান্ত গ্রহণ: এআই-এর মানবিক নৈতিক বিচারবোধের অভাব রয়েছে। স্বাস্থ্যসেবা বা আইনের ক্ষেত্রে, সম্পূর্ণরূপে তথ্য-নির্ভর সিদ্ধান্ত ব্যক্তিগত পর্যায়ে সহানুভূতি বা ন্যায়বিচারের সাথে সাংঘর্ষিক হতে পারে। আমাদের হয়তো এআই-এর মধ্যে নৈতিক কাঠামো অন্তর্ভুক্ত করার প্রয়োজন হতে পারে (যা এআই নীতিশাস্ত্র গবেষণার একটি ক্ষেত্র, যেমন—এআই-এর সিদ্ধান্তগুলোকে মানবিক মূল্যবোধের সাথে সামঞ্জস্যপূর্ণ করা)। অন্ততপক্ষে, নৈতিকভাবে সংবেদনশীল সিদ্ধান্তগুলোর ক্ষেত্রে মানুষকে সম্পৃক্ত রাখা বাঞ্ছনীয়।

• অন্তর্ভুক্তি: এআই-এর সুবিধাগুলো যেন ব্যাপকভাবে বণ্টিত হয়, তা নিশ্চিত করা একটি নৈতিক লক্ষ্য। যদি শুধু বড় কোম্পানিগুলোই উন্নত এআই ব্যবহারের সামর্থ্য রাখে, তবে ছোট ব্যবসা বা দরিদ্র অঞ্চলগুলো পিছিয়ে পড়তে পারে। ওপেন-সোর্স উদ্যোগ এবং সাশ্রয়ী এআই সমাধানগুলো সকলের জন্য এর সহজলভ্যতা নিশ্চিত করতে সাহায্য করতে পারে। এছাড়াও, ইন্টারফেসগুলো এমনভাবে ডিজাইন করা উচিত যাতে যে কেউ এআই টুলগুলো ব্যবহার করতে পারে (যেমন বিভিন্ন ভাষা, প্রতিবন্ধীদের জন্য প্রবেশগম্যতা ইত্যাদি), পাছে আমরা "কার এআই অ্যাসিস্ট্যান্ট আছে আর কার নেই" এই নিয়ে একটি নতুন ডিজিটাল বিভাজন তৈরি করে ফেলি।

বর্তমান ঝুঁকি প্রশমন: ইতিবাচক দিক হলো, কোম্পানিগুলো যখন জেনারেটিভ এআই (gen AI) চালু করছে, তখন এই বিষয়গুলো নিয়ে সচেতনতা ও পদক্ষেপ বাড়ছে। ২০২৩ সালের শেষের দিকে, এআই ব্যবহারকারী প্রায় অর্ধেক কোম্পানি তথ্যের নির্ভুলতার অভাবের মতো ঝুঁকিগুলো প্রশমিত করার জন্য সক্রিয়ভাবে কাজ করছিল ( The state of AI in 2023: Generative AI's breakout year | McKinsey ) ( The State of AI: Global survey | McKinsey ), এবং এই সংখ্যা বাড়ছে। প্রযুক্তি সংস্থাগুলো এআই এথিকস বোর্ড গঠন করেছে; সরকারগুলো বিধিমালা তৈরি করছে। মূল বিষয় হলো, পরে প্রতিক্রিয়া দেখানোর পরিবর্তে শুরু থেকেই এআই উন্নয়নের মধ্যে নৈতিকতাকে অন্তর্ভুক্ত করা (“Ethics by design”)।

উপসংহারে চ্যালেঞ্জগুলো হলো: কৃত্রিম বুদ্ধিমত্তাকে (এআই) আরও বেশি স্বায়ত্তশাসন দেওয়া একটি দ্বিধারী তলোয়ারের মতো। এটি দক্ষতা ও উদ্ভাবন আনতে পারে, কিন্তু এর জন্য উচ্চ মাত্রার দায়িত্বশীলতার প্রয়োজন হয়। আগামী বছরগুলোতে সম্ভবত প্রযুক্তিগত সমাধান (এআই-এর আচরণ উন্নত করার জন্য), প্রক্রিয়াগত সমাধান (নীতি ও তদারকি কাঠামো), এবং সম্ভবত নতুন মান বা সার্টিফিকেশনের (বর্তমানে ইঞ্জিন বা ইলেকট্রনিক্সের মতো এআই সিস্টেমগুলোও নিরীক্ষা ও প্রত্যয়িত হতে পারে) একটি মিশ্রণ দেখা যাবে। এই চ্যালেঞ্জগুলো সফলভাবে মোকাবিলা করার মাধ্যমেই নির্ধারিত হবে যে, আমরা স্বায়ত্তশাসিত এআই-কে সমাজে কতটা মসৃণভাবে একীভূত করতে পারব, যা মানুষের কল্যাণ ও আস্থা বৃদ্ধি করবে।.

উপসংহার

জেনারেটিভ এআই দ্রুত একটি অভিনব পরীক্ষা থেকে আমাদের জীবনের প্রতিটি কোণকে স্পর্শ করা একটি রূপান্তরকারী সাধারণ-উদ্দেশ্যমূলক প্রযুক্তিতে পরিণত হয়েছে। এই শ্বেতপত্রে অনুসন্ধান করা হয়েছে যে, কীভাবে ২০২৫ সালের মধ্যেই এআই সিস্টেমগুলো প্রবন্ধ লিখছে, গ্রাফিক্স ডিজাইন করছে, সফটওয়্যার কোডিং করছে, গ্রাহকদের সাথে চ্যাট করছে, চিকিৎসা সংক্রান্ত নোটের সারসংক্ষেপ করছে, শিক্ষার্থীদের পড়াচ্ছে, সরবরাহ শৃঙ্খল উন্নত করছে এবং আর্থিক প্রতিবেদন তৈরি করছে। গুরুত্বপূর্ণ বিষয় হলো, এই কাজগুলোর অনেকগুলিতেই এআই খুব কম বা কোনো মানুষের হস্তক্ষেপ ছাড়াই , বিশেষ করে সুনির্দিষ্ট ও পুনরাবৃত্তিমূলক কাজের ক্ষেত্রে। কোম্পানি এবং ব্যক্তিরা এই দায়িত্বগুলো স্বয়ংক্রিয়ভাবে পালন করার জন্য এআই-এর উপর আস্থা রাখতে শুরু করেছে, যার ফলে তারা গতি এবং পরিধির দিক থেকে সুবিধা পাচ্ছে।

২০৩৫ সালের দিকে তাকালে, আমরা এমন এক যুগের দ্বারপ্রান্তে দাঁড়িয়ে আছি যেখানে এআই আরও বেশি সর্বব্যাপী সহযোগী হয়ে উঠবে – প্রায়শই এক অদৃশ্য ডিজিটাল কর্মীদল , যা গতানুগতিক কাজগুলো সামলে নেবে যাতে মানুষ অসাধারণ বিষয়গুলোতে মনোযোগ দিতে পারে। আমরা আশা করি, জেনারেটিভ এআই নির্ভরযোগ্যভাবে আমাদের রাস্তায় গাড়ি ও ট্রাক চালাবে, রাতারাতি গুদামঘরের মজুত সামলাবে, জ্ঞানী ব্যক্তিগত সহকারীর মতো আমাদের প্রশ্নের উত্তর দেবে, বিশ্বজুড়ে শিক্ষার্থীদের এক-এক করে নির্দেশনা দেবে, এবং এমনকি চিকিৎসাবিজ্ঞানে নতুন নিরাময় আবিষ্কারেও সাহায্য করবে – এই সবকিছুই ঘটবে ক্রমশ ন্যূনতম প্রত্যক্ষ তত্ত্বাবধানে। এআই যখন নিষ্ক্রিয়ভাবে নির্দেশ অনুসরণ করা থেকে সরে এসে সক্রিয়ভাবে সমাধান তৈরি করতে শুরু করবে, তখন যন্ত্র এবং সক্রিয় সত্তার মধ্যকার সীমারেখা অস্পষ্ট হয়ে যাবে।

তবে, এই স্বায়ত্তশাসিত এআই ভবিষ্যতের পথে সাবধানে অগ্রসর হতে হবে। যেমনটি আমরা উল্লেখ করেছি, প্রতিটি ক্ষেত্রের নিজস্ব সীমাবদ্ধতা এবং দায়িত্ব রয়েছে:

• আজকের বাস্তবতা: এআই অভ্রান্ত নয়। এটি প্যাটার্ন শনাক্তকরণ এবং বিষয়বস্তু তৈরিতে পারদর্শী হলেও, মানুষের মতো প্রকৃত বোধশক্তি ও সাধারণ জ্ঞানের অভাব রয়েছে। তাই, আপাতত, মানুষের তত্ত্বাবধানই একমাত্র সুরক্ষাকবচ। এআই কখন একা কাজ করার জন্য প্রস্তুত (এবং কখন নয়), তা বোঝা অত্যন্ত গুরুত্বপূর্ণ। আজকের অনেক সাফল্যই এসেছে মানুষ-এআই টিম মডেল থেকে, এবং যেখানে পূর্ণ স্বায়ত্তশাসন এখনও বিচক্ষণ নয়, সেখানে এই হাইব্রিড পদ্ধতিটি মূল্যবান হতে থাকবে।

• আগামী দিনের প্রতিশ্রুতি: মডেল আর্কিটেকচার, প্রশিক্ষণ কৌশল এবং তত্ত্বাবধান ব্যবস্থার অগ্রগতির সাথে সাথে এআই-এর সক্ষমতা ক্রমাগত প্রসারিত হতে থাকবে। আগামী দশকের গবেষণা ও উন্নয়ন বর্তমানের অনেক সমস্যার সমাধান করতে পারে (যেমন বিভ্রম কমানো, ব্যাখ্যাযোগ্যতা উন্নত করা, এবং এআই-কে মানবিক মূল্যবোধের সাথে সামঞ্জস্যপূর্ণ করা)। যদি তাই হয়, ২০৩৫ সালের মধ্যে এআই সিস্টেমগুলো আরও অনেক বেশি স্বায়ত্তশাসনের দায়িত্ব অর্পণের জন্য যথেষ্ট শক্তিশালী হয়ে উঠতে পারে। এই প্রবন্ধে উল্লিখিত পূর্বাভাসগুলো – এআই শিক্ষক থেকে শুরু করে মূলত স্ব-পরিচালিত ব্যবসা পর্যন্ত – আমাদের বাস্তবতা হয়ে উঠতে পারে, অথবা আজ যা কল্পনা করা কঠিন এমন সব উদ্ভাবনের দ্বারা তা ছাড়িয়েও যেতে পারে।

• মানুষের ভূমিকা ও অভিযোজন: কৃত্রিম বুদ্ধিমত্তা সরাসরি মানুষকে প্রতিস্থাপন করার পরিবর্তে, আমরা ভূমিকার বিবর্তন দেখতে পাচ্ছি। প্রতিটি ক্ষেত্রের পেশাজীবীদের সম্ভবত সাথে – একে নির্দেশনা দেওয়া, এর সত্যতা যাচাই করা এবং কাজের সেই দিকগুলিতে মনোযোগ দেওয়া যেগুলির জন্য সহানুভূতি, কৌশলগত চিন্তাভাবনা এবং জটিল সমস্যা সমাধানের মতো স্বতন্ত্র মানবিক দক্ষতার প্রয়োজন হয়। শিক্ষা এবং কর্মশক্তি প্রশিক্ষণে এই অনন্য মানবিক দক্ষতার পাশাপাশি সকলের জন্য কৃত্রিম বুদ্ধিমত্তা সাক্ষরতার উপর জোর দেওয়া উচিত। নীতিনির্ধারক এবং ব্যবসায়িক নেতাদের শ্রম বাজারের এই পরিবর্তনের জন্য পরিকল্পনা করা উচিত এবং অটোমেশনের দ্বারা প্রভাবিতদের জন্য সহায়তা ব্যবস্থা নিশ্চিত করা উচিত।

• নীতিশাস্ত্র ও সুশাসন: সম্ভবত সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, এই প্রযুক্তিগত অগ্রগতির ভিত্তি হিসেবে এআই-এর নৈতিক ব্যবহার ও সুশাসনের একটি কাঠামো থাকা আবশ্যক। গ্রহণযোগ্যতার মূল ভিত্তি হলো আস্থা – মানুষ কেবল তখনই এআই-কে গাড়ি চালাতে বা অস্ত্রোপচারে সহায়তা করতে দেবে, যখন তারা বিশ্বাস করবে যে এটি নিরাপদ। এই আস্থা গড়ে তোলার জন্য প্রয়োজন কঠোর পরীক্ষা, স্বচ্ছতা, অংশীজনদের সম্পৃক্ততা (যেমন, চিকিৎসা সংক্রান্ত এআই ডিজাইন করার ক্ষেত্রে ডাক্তারদের এবং এআই শিক্ষা উপকরণে শিক্ষকদের অন্তর্ভুক্ত করা) এবং যথাযথ নিয়ন্ত্রণ। ডিপফেক বা যুদ্ধে এআই-এর মতো চ্যালেঞ্জ মোকাবিলা করতে এবং এর দায়িত্বশীল ব্যবহারের জন্য বৈশ্বিক নিয়মকানুন নিশ্চিত করতে আন্তর্জাতিক সহযোগিতা প্রয়োজন হতে পারে।

উপসংহারে বলা যায়, জেনারেটিভ এআই অগ্রগতির এক শক্তিশালী চালিকাশক্তি। বিচক্ষণতার সাথে ব্যবহার করা হলে, এটি মানুষকে একঘেয়ে পরিশ্রম থেকে মুক্তি দিতে, সৃজনশীলতাকে উন্মোচন করতে, পরিষেবাগুলোকে ব্যক্তিগত চাহিদা অনুযায়ী তৈরি করতে এবং ঘাটতিগুলো পূরণ করতে পারে (যেখানে বিশেষজ্ঞের অভাব, সেখানে বিশেষজ্ঞ জ্ঞান নিয়ে আসা)। মূল বিষয় হলো, এটিকে এমনভাবে প্রয়োগ করা যা মানুষের সম্ভাবনাকে প্রান্তিক না করে বরং প্রসারিত করে । স্বল্পমেয়াদে এর অর্থ হলো, এআই-কে পথ দেখানোর জন্য মানুষকে এই প্রক্রিয়ার সাথে যুক্ত রাখা। দীর্ঘমেয়াদে এর অর্থ হলো, এআই সিস্টেমের মূলে মানবিক মূল্যবোধকে অন্তর্ভুক্ত করা, যাতে তারা স্বাধীনভাবে কাজ করলেও আমাদের সম্মিলিত সর্বোত্তম স্বার্থেই কাজ করে।

ডোমেইন	নির্ভরযোগ্য স্বায়ত্তশাসন আজ (২০২৫)	২০৩৫ সালের মধ্যে প্রত্যাশিত নির্ভরযোগ্য স্বায়ত্তশাসন
লেখা ও বিষয়বস্তু	- নিয়মিত খবর (খেলাধুলা, আয়) স্বয়ংক্রিয়ভাবে তৈরি হয়। - এআই দ্বারা পণ্যের পর্যালোচনার সারসংক্ষেপ তৈরি হয়। - মানুষের সম্পাদনার জন্য প্রবন্ধ বা ইমেলের খসড়া তৈরি হয়। ( ফিলানা প্যাটারসন – ওএনএ কমিউনিটি প্রোফাইল ) ( অ্যামাজন এআই-এর মাধ্যমে গ্রাহক পর্যালোচনার অভিজ্ঞতা উন্নত করছে )	- বেশিরভাগ সংবাদ এবং বিপণন সামগ্রী তথ্যগতভাবে নির্ভুলভাবে স্বয়ংক্রিয়ভাবে লেখা হয়। - এআই ন্যূনতম তত্ত্বাবধানে সম্পূর্ণ নিবন্ধ এবং প্রেস রিলিজ তৈরি করে। - চাহিদা অনুযায়ী অত্যন্ত ব্যক্তিগতকৃত সামগ্রী তৈরি করা হয়।.
দৃশ্যশিল্প ও নকশা	- এআই প্রদত্ত নির্দেশনা থেকে ছবি তৈরি করে (মানুষ সেরাটি নির্বাচন করে)। - কনসেপ্ট আর্ট এবং ডিজাইনের বিভিন্ন রূপ স্বয়ংক্রিয়ভাবে তৈরি হয়।.	- এআই সম্পূর্ণ ভিডিও/চলচ্চিত্রের দৃশ্য এবং জটিল গ্রাফিক্স তৈরি করে। - নির্দিষ্ট চাহিদা অনুযায়ী পণ্য/স্থাপত্যের জেনারেটিভ ডিজাইন। - চাহিদা অনুযায়ী ব্যক্তিগতকৃত মিডিয়া (ছবি, ভিডিও) তৈরি।.
সফটওয়্যার কোডিং	- এআই কোড স্বয়ংক্রিয়ভাবে সম্পূর্ণ করে এবং সহজ ফাংশন লেখে (ডেভেলপার দ্বারা পর্যালোচিত)। - স্বয়ংক্রিয়ভাবে টেস্ট তৈরি এবং বাগের পরামর্শ প্রদান। ( কোডিং অন কোপাইলট: ২০২৩ সালের ডেটা কোডের মানের উপর নিম্নমুখী চাপের ইঙ্গিত দেয় (২০২৪ সালের পূর্বাভাস সহ) - গিটক্লিয়ার ) ( এআই কোড অ্যাসিস্ট্যান্টদের উপর গবেষণা প্রতিবেদনে গিটহাব কোপাইলট শীর্ষে -- ভিজ্যুয়াল স্টুডিও ম্যাগাজিন )	- এআই নির্ভরযোগ্যভাবে স্পেসিফিকেশন অনুযায়ী সম্পূর্ণ ফিচার বাস্তবায়ন করে। - পরিচিত প্যাটার্নের জন্য স্বয়ংক্রিয় ডিবাগিং এবং কোড রক্ষণাবেক্ষণ। - সামান্য মানবিক হস্তক্ষেপে লো-কোড অ্যাপ তৈরি।.
গ্রাহক সেবা	- চ্যাটবট প্রায়শই জিজ্ঞাসিত প্রশ্নের উত্তর দেয়, সাধারণ সমস্যার সমাধান করে (জটিল বিষয়গুলো হস্তান্তর করে)। - কিছু চ্যানেলে এআই প্রায় ৭০% সাধারণ জিজ্ঞাসার সমাধান করে। ( ২০২৫ সালের জন্য ৫৯টি এআই গ্রাহক পরিষেবা পরিসংখ্যান ) ( ২০৩০ সালের মধ্যে, গ্রাহকের সাথে যোগাযোগের সময় ৬৯% সিদ্ধান্ত হবে... )	- জটিল জিজ্ঞাসাসহ অধিকাংশ গ্রাহক পরিষেবা শুরু থেকে শেষ পর্যন্ত এআই দ্বারা পরিচালিত হয়। - পরিষেবায় ছাড় (রিফান্ড, আপগ্রেড) দেওয়ার ক্ষেত্রে এআই রিয়েল-টাইমে সিদ্ধান্ত গ্রহণ করে। - শুধুমাত্র গুরুতর সমস্যা বা বিশেষ ক্ষেত্রে মানব এজেন্টরা কাজ করে।.
স্বাস্থ্যসেবা	- এআই চিকিৎসা সংক্রান্ত নোটের খসড়া তৈরি করে; রোগ নির্ণয়ের পরামর্শ দেয় যা ডাক্তাররা যাচাই করেন। - এআই তত্ত্বাবধানের অধীনে কিছু স্ক্যান (রেডিওলজি) পড়ে; সাধারণ কেসগুলোকে অগ্রাধিকার ভিত্তিতে বাছাই করে। ( ২০৩৫ সালের মধ্যে এআই মেডিকেল ইমেজিং পণ্যের সংখ্যা পাঁচগুণ বৃদ্ধি পেতে পারে )	- এআই নির্ভরযোগ্যভাবে সাধারণ অসুস্থতা নির্ণয় করে এবং বেশিরভাগ মেডিকেল ইমেজ ব্যাখ্যা করে। - এআই রোগীদের পর্যবেক্ষণ করে এবং চিকিৎসা শুরু করে (যেমন, ঔষধ খাওয়ার কথা মনে করিয়ে দেওয়া, জরুরি সতর্কতা)। - ভার্চুয়াল এআই “নার্সরা” নিয়মিত ফলো-আপের দায়িত্ব সামলায়; ডাক্তাররা জটিল চিকিৎসার দিকে মনোযোগ দেন।.
শিক্ষা	- এআই টিউটররা শিক্ষার্থীদের প্রশ্নের উত্তর দেয়, অনুশীলনের জন্য সমস্যা তৈরি করে (শিক্ষক পর্যবেক্ষণ করেন)। - এআই গ্রেডিংয়ে সহায়তা করে (শিক্ষকের পর্যালোচনাসহ)। ([কে-১২ শিক্ষার জন্য জেনারেটিভ এআই])	Applify-এর গবেষণা প্রতিবেদন]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
সরবরাহ	- এআই ডেলিভারির রুট এবং প্যাকিং অপ্টিমাইজ করে (মানুষ লক্ষ্য নির্ধারণ করে)। - এআই সাপ্লাই চেইনের ঝুঁকি চিহ্নিত করে এবং প্রতিকারের পরামর্শ দেয়। ( লজিস্টিক্সে জেনারেটিভ এআই-এর শীর্ষ ব্যবহারসমূহ )	- মূলত এআই কন্ট্রোলার দ্বারা তত্ত্বাবধানকৃত স্বয়ংক্রিয় ডেলিভারি (ট্রাক, ড্রোন)। - এআই স্বয়ংক্রিয়ভাবে বাধা এড়িয়ে চালানের পথ পরিবর্তন করে এবং মজুত সমন্বয় করে। - শুরু থেকে শেষ পর্যন্ত সাপ্লাই চেইন সমন্বয় (অর্ডার, বিতরণ) এআই দ্বারা পরিচালিত হয়।.
অর্থনীতি	- এআই আর্থিক প্রতিবেদন/সংবাদ সারাংশ তৈরি করে (যা মানুষ পর্যালোচনা করে)। - রোবো-অ্যাডভাইজররা সাধারণ পোর্টফোলিও পরিচালনা করে; এআই চ্যাট গ্রাহকদের প্রশ্নের উত্তর দেয়। ( জেনারেটিভ এআই অর্থায়ন জগতে আসছে )	- এআই বিশ্লেষকরা অত্যন্ত নির্ভুলতার সাথে বিনিয়োগের সুপারিশ এবং ঝুঁকি প্রতিবেদন তৈরি করে। - নির্ধারিত সীমার মধ্যে স্বয়ংক্রিয়ভাবে ট্রেডিং এবং পোর্টফোলিও পুনর্বিন্যাস করে। - এআই স্বয়ংক্রিয়ভাবে সাধারণ ঋণ/দাবি অনুমোদন করে; ব্যতিক্রমী বিষয়গুলো মানুষ সামলায়।.

তথ্যসূত্র:

1. প্যাটারসন, ফিলানা। স্বয়ংক্রিয়ভাবে আয়-সংক্রান্ত প্রতিবেদনের সংখ্যা বাড়ছে । দি অ্যাসোসিয়েটেড প্রেস (২০১৫) – কোনো মানব লেখক ছাড়াই এপি-র হাজার হাজার আয়-সংক্রান্ত প্রতিবেদন স্বয়ংক্রিয়ভাবে তৈরির বর্ণনা ( স্বয়ংক্রিয় আয়-সংক্রান্ত প্রতিবেদনের সংখ্যা বাড়ছে | দি অ্যাসোসিয়েটেড প্রেস )।

2. ম্যাককিনজি অ্যান্ড কোম্পানি। ২০২৪ সালের শুরুর দিকে এআই-এর অবস্থা: জেন এআই গ্রহণ বৃদ্ধি পাচ্ছে এবং মূল্য তৈরি করতে শুরু করেছে । (২০২৪) – প্রতিবেদনে বলা হয়েছে যে ৬৫% সংস্থা নিয়মিতভাবে জেনারেটিভ এআই ব্যবহার করছে, যা ২০২৩ সালের তুলনায় প্রায় দ্বিগুণ ( ২০২৪ সালের শুরুর দিকে এআই-এর অবস্থা | ম্যাককিনজি ), এবং ঝুঁকি প্রশমনের প্রচেষ্টা নিয়ে আলোচনা করা হয়েছে ( এআই-এর অবস্থা: বৈশ্বিক সমীক্ষা | ম্যাককিনজি )।

3. গার্টনার। চ্যাটজিপিটি-র বাইরে: প্রতিষ্ঠানগুলোর জন্য জেনারেটিভ এআই-এর ভবিষ্যৎ । (২০২৩) – পূর্বাভাস দেয় যে ২০৩০ সালের মধ্যে একটি ব্লকবাস্টার চলচ্চিত্রের ৯০% এআই-এর মাধ্যমে তৈরি হতে পারে ( শিল্প ও প্রতিষ্ঠানগুলোর জন্য জেনারেটিভ এআই-এর ব্যবহারের ক্ষেত্র ) এবং ঔষধ নকশার মতো জেনারেটিভ এআই-এর ব্যবহারের ক্ষেত্রগুলো তুলে ধরে ( শিল্প ও প্রতিষ্ঠানগুলোর জন্য জেনারেটিভ এআই-এর ব্যবহারের ক্ষেত্র )।

4. টুইপ। নিউজরুমে সাংবাদিকরা যেভাবে এআই টুল ব্যবহার করেন তার ১২টি উপায় । (২০২৪) – একটি সংবাদ প্রতিষ্ঠানে “ক্লারা” এআই-এর ১১% নিবন্ধ লেখার উদাহরণ, যেখানে মানব সম্পাদকরা সমস্ত এআই কন্টেন্ট পর্যালোচনা করেন ( নিউজরুমে সাংবাদিকরা যেভাবে এআই টুল ব্যবহার করেন তার ১২টি উপায় - টুইপ )।

5. অ্যামাজন ডট কম সংবাদ। অ্যামাজন এআই-এর সাহায্যে গ্রাহক পর্যালোচনার অভিজ্ঞতা উন্নত করছে । (২০২৩) – ক্রেতাদের সাহায্য করার জন্য পণ্যের পাতায় এআই-দ্বারা তৈরি পর্যালোচনার সারাংশ ঘোষণা করেছে ( অ্যামাজন এআই-এর সাহায্যে গ্রাহক পর্যালোচনার অভিজ্ঞতা উন্নত করছে )।

6. জেনডেস্ক। ২০২৫ সালের জন্য ৫৯টি এআই গ্রাহক পরিষেবা পরিসংখ্যান । (২০২৩) – এটি নির্দেশ করে যে দুই-তৃতীয়াংশের বেশি সিএক্স (CX) সংস্থা মনে করে জেনারেটিভ এআই পরিষেবাতে “উষ্ণতা” যোগ করবে ( ২০২৫ সালের জন্য ৫৯টি এআই গ্রাহক পরিষেবা পরিসংখ্যান ) এবং ভবিষ্যদ্বাণী করে যে অবশেষে ১০০% গ্রাহক ইন্টারঅ্যাকশনে এআই থাকবে ( ২০২৫ সালের জন্য ৫৯টি এআই গ্রাহক পরিষেবা পরিসংখ্যান )।

7. ফিউচারাম রিসার্চ ও এসএএস। এক্সপেরিয়েন্স ২০৩০: গ্রাহক অভিজ্ঞতার ভবিষ্যৎ । (২০১৯) – একটি সমীক্ষার ফলাফল যেখানে দেখা যায় যে, ব্র্যান্ডগুলো আশা করে ২০৩০ সালের মধ্যে গ্রাহক সম্পৃক্ততার সময়কার প্রায় ৬৯% সিদ্ধান্ত স্মার্ট মেশিন দ্বারা নেওয়া হবে ( সিএক্স-এর দিকে এই পরিবর্তনকে নতুনভাবে কল্পনা করতে হলে বিপণনকারীদের অবশ্যই এই ২টি কাজ করতে হবে )।

8. Dataiku. Top Generative AI Use Cases in Logistics . (2023) – বর্ণনা করে কিভাবে GenAI লোডিং অপ্টিমাইজ করে (ট্রাকের খালি জায়গা প্রায় ৩০% কমিয়ে) এবং সংবাদ স্ক্যান করে সাপ্লাই চেইনের ঝুঁকি চিহ্নিত করে ।

9. ভিজ্যুয়াল স্টুডিও ম্যাগাজিন। এআই কোড অ্যাসিস্ট্যান্ট বিষয়ক গবেষণা প্রতিবেদনে গিটহাব কপাইলট শীর্ষে । (২০২৪) – গার্টনারের কৌশলগত পরিকল্পনার অনুমান: ২০২৮ সালের মধ্যে ৯০% এন্টারপ্রাইজ ডেভেলপার এআই কোড অ্যাসিস্ট্যান্ট ব্যবহার করবে (যা ২০২৪ সালের ১৪% থেকে বৃদ্ধি পাবে) ( এআই কোড অ্যাসিস্ট্যান্ট বিষয়ক গবেষণা প্রতিবেদনে গিটহাব কপাইলট শীর্ষে -- ভিজ্যুয়াল স্টুডিও ম্যাগাজিন )।

10. ব্লুমবার্গ নিউজ। ব্লুমবার্গজিপিটি-র সূচনা । (২০২৩) – আর্থিক কাজের জন্য তৈরি ব্লুমবার্গের ৫০ বিলিয়ন-প্যারামিটার মডেলের বিস্তারিত বিবরণ, যা প্রশ্নোত্তর এবং বিশ্লেষণ সহায়তার জন্য টার্মিনালে অন্তর্ভুক্ত করা হয়েছে ( অর্থনীতিতে আসছে জেনারেটিভ এআই )।

এর পরে আপনি যে প্রবন্ধগুলি পড়তে পছন্দ করতে পারেন:

🔗 যে চাকরিগুলো এআই প্রতিস্থাপন করতে পারবে না – এবং কোন চাকরিগুলো এআই প্রতিস্থাপন করবে?
পরিবর্তনশীল কর্মক্ষেত্রের উপর একটি বৈশ্বিক দৃষ্টিভঙ্গি, যেখানে খতিয়ে দেখা হচ্ছে কোন পদগুলো এআই-এর প্রভাব থেকে নিরাপদ এবং কোনগুলো সবচেয়ে বেশি ঝুঁকিতে রয়েছে।

🔗 এআই কি শেয়ার বাজারের পূর্বাভাস দিতে পারে?
শেয়ার বাজারের পূর্বাভাসের জন্য এআই ব্যবহারের সক্ষমতা, সীমাবদ্ধতা এবং নৈতিক বিবেচনার একটি গভীর বিশ্লেষণ।

🔗 সাইবার নিরাপত্তায় জেনারেটিভ এআই কীভাবে ব্যবহার করা যেতে পারে?
অ্যানোমালি ডিটেকশন থেকে শুরু করে থ্রেট মডেলিং পর্যন্ত, সাইবার হুমকি থেকে রক্ষা পেতে জেনারেটিভ এআই কীভাবে প্রয়োগ করা হচ্ছে তা জানুন।