মিনিম্যাক্স 10x টিমের পিছনে, শিল্পগত এআই যে প্রযুক্তিগত বাধা দেখেনি, তা হল বাস্তব জগতের দায়িত্বের শৃঙ্খল

লেখক: ইয়ান জুন

সোর্স: 36氪

ভূমিকা: বড় মডেলগুলি উত্তর লেখার বিষয়ে দিন দিন বেশি দক্ষ হয়ে উঠছে, কিন্তু শিল্পের বাস্তব চ্যালেঞ্জ হলো উত্তরগুলি কীভাবে গ্রহণ, ব্যাখ্যা এবং দায়বদ্ধতা নেওয়া হয়। MiniMax 10x টিমের অর্থ শুধুমাত্র বিশেষজ্ঞদের নিয়োগ করা নয়—এটি মডেল কোম্পানিগুলির শিল্পের দায়বদ্ধতা চক্রে প্রবেশের ইন্টারফেস খুঁজছে।

গত বছর, আমি অনুভব করেছিলাম যে আমি সময়ের ট্রেন থেকে নেমে গেছি।

বিশ বছরের বিচারশক্তি এবং বাস্তব অনুভূতি, একদিন হঠাৎ করে কোনো ধারণা হারিয়ে ফেলে। কিছু ভুল করার কারণে নয়, বরং বিশ্বটি একটি নতুন মূল্যায়ন পদ্ধতি গ্রহণ করেছে।

বড় মডেল, এজেন্ট, এআই কোডিং, একের পর এক। সারা বিশ্বে “দশগুণ দক্ষতা বৃদ্ধি” “শিল্প পুনর্গঠন”। শুরুতে আমিও উত্তেজিত হয়েছিলাম। পরে উত্তেজনা মিলিয়ে গেল, বাকি রইল একটি অনিশ্চিততা।

তাই আমি পড়াশোনা শুরু করি। এআই এবং আমার নিজের বিচারক্ষমতা পুনরায় শিখি। হঠাৎ করে প্রযুক্তিতে আকৃষ্ট হয়নি, বরং বাইরে দাঁড়িয়ে দেখে থাকা আর চলবে না বলে মনে করেছিলাম। এই বয়সে কম্পিউটার বিজ্ঞানের মাস্টার্সের জন্য আবেদন করি, আবার ক্লাসের পড়া করি, গবেষণাপত্র পড়ি, এবং কঠিনভাবে প্রযুক্তি ও অ্যালগরিদমকে বুঝতে চেষ্টা করি।

আবার বিমূর্ত, আবার বাস্তব, আর খুব ভালো লাগছে।

যত বেশি AI ব্যবহার করছি, তত বেশি একটা বিষয় বুঝতে পারছি: এটি লিখতে, গণনা করতে, সারাংশ করতে পারে এবং যেসব প্রশ্নের প্রশ্নটি স্পষ্ট এবং সীমানা পরিষ্কার, সেগুলো প্রক্রিয়াকরণে খুব দক্ষ। কিন্তু বাস্তব জগতে, অনেক সমস্যার নিজেই প্রশ্নটি অস্পষ্ট।

যখন প্রকৃতপক্ষে সিদ্ধান্ত নেওয়ার মুহূর্ত আসে, তখন AI-এর পরামর্শ সবসময়—দেখতে ঠিক মনে হয়, কিন্তু "কিন্তু" নেই।

"এই সময়টি উপযুক্ত নয়, এখন প্রকাশ করলে সবাইকে অস্বস্তিজনক অবস্থায় ফেলে দেবে।"

এই বাক্যটি নেই: "এই ঝুঁকি লিখে ফেললে কমপ্লায়েন্স হয়ে যায়, কিন্তু যদি কিছু হয় তবে কে দায়ী হবে?"

ওই বাক্যটি নেই: "এই প্রস্তাবটি এভাবে উত্থাপন করা যাবে না, একবার উত্থাপন করলেই অপরপক্ষ বুঝে যাবে যে তুমি কে সিদ্ধান্ত নেয় তা বুঝতে পারছো না।"

"এই বাক্যটি PPT-এ ঠিক আছে, কিন্তু চুক্তিতে ঢুকলে সমস্যা হবে।" এই বাক্যটি নেই।

এআই এগুলো বলে না। এটি কারণ এটি যথেষ্ট বুদ্ধিমান নয়, বরং কারণ এটি ভুল বলার পরিণতি বহন করে না।

সুতরাং এই নিবন্ধে, আমি “AI কি মানুষকে প্রতিস্থাপন করবে” এই বিষয়ে আলোচনা করছি না। আমি আরও প্রশ্ন করতে চাই: যখন উত্তরগুলি সবচেয়ে কম দামে পাওয়া যাচ্ছে, তখন কোন অভিজ্ঞতা মূল্যবান হবে? যখন AI পরিকল্পনা লিখতে পারবে, তখন কে সিদ্ধান্ত নেবে যে পরিকল্পনাটি বাস্তবায়নযোগ্য কিনা? যারা আগে বাস্তব বিশ্বের অভিজ্ঞতা দিয়ে সিদ্ধান্ত নিত, তারা এখন কীভাবে প্রবেশ করবে?

মিনিম্যাক্স 10x টিমের বার্তা দেখে, আমি হঠাৎ বুঝতে পারলাম যে আমি এই সময়ে বারবার চিন্তা করেছিলাম এমন প্রশ্নটি শিল্পে একটি বাস্তব প্রমাণ পেয়েছে।

এটি একটি নতুন মডেল বা ফান্ডিং ঘোষণা নয়। পাবলিক তথ্য অনুসারে, MiniMax 10x টিম শিল্প সফটওয়্যার, গেম ইঞ্জিন, চিপ ডিজাইন, ফাইন্যান্স, ফিন্যান্সিয়াল ইত্যাদি ক্ষেত্রের বিশেষজ্ঞদের জন্য একটি “ইন্ডাস্ট্রি রিসার্চ পার্টনার” মেকানিজমের মতো: ক্ষেত্রের বিশেষজ্ঞরা সমস্যা সংজ্ঞায়িত করে, মূল্যায়ন এবং কাজের প্রবাহ তৈরি করে, এবং প্রকৃত শিল্পের অভিজ্ঞতা সরাসরি মডেলের কাছে ফিরিয়ে দেয়।

যা সত্যিকার অর্থে মনোযোগ দেওয়ার মতো, তা হলো এই ঘটনাটির জনপ্রিয়তা নয়, বরং এটি যে সংকেত প্রেরণ করছে: শিল্প AI-কে এগিয়ে আনতে শুধুমাত্র শক্তিশালী মডেলের উপর নির্ভর করা যাবে না, এটি বাস্তব শিল্পের সংজ্ঞা, ফিডব্যাক এবং দায়িত্বের শৃঙ্খলের সাথে সংযুক্ত হতে হবে।

এটাই সেই বিচ্ছিন্নতা:

উত্তর তৈরির খরচ দ্রুত কমছে। কিন্তু উত্তরটি গ্রহণ করা, ব্যাখ্যা করা এবং দায়ী করা খরচ এক পয়সাও কমেনি।

01 কেন এআই সঠিক উত্তর দিয়েছে, কিন্তু উত্তরটি দায়িত্ব চেইনে ঢুকল না?

এআই-এর কোনো বাস্তব পরিচয় নেই এবং কোনো বাস্তব ক্ষতি নেই। এটি একটি ভুল বিচারের জন্য গ্রাহক হারায় না, একটি ভুল সিদ্ধান্তের জন্য দায়ী হয় না, এবং রিভিউ মিটিংয়ে “প্রাথমিকভাবে কেন এই বিচারটি করা হয়েছিল” ব্যাখ্যা করার প্রয়োজন হয় না।

বাস্তব ক্ষতি ছাড়া, এটি সেই “অভিজ্ঞতা থেকে শেখা” বিচার শিখতে পারে না।

তাই শুধু জ্ঞান পূরণের জন্য নয়, বাস্তব জগতের ফিডব্যাক আনার জন্যও শিল্প বিশেষজ্ঞদের খুঁজুন: কোন প্রশ্নগুলি জিজ্ঞাসা করা উচিত, কোন সীমানা অতিক্রম করা যাবে না, কোন বিচার প্রক্রিয়ায় প্রবেশ করতে পারে, কোন পরিণতি আগে থেকেই স্পষ্টভাবে বলা উচিত।

বিশেষজ্ঞরা কৃত্রিম বুদ্ধিমত্তার জ্ঞানের প্যাচ নয়, বরং কৃত্রিম বুদ্ধিমত্তার শিল্পক্ষেত্রে প্রবেশের স্নায়ুর শেষ শাখা।

অতীতে, প্রস্তাব লেখা, সিদ্ধান্ত নেওয়া এবং দায়িত্ব বহন করা—এই তিনটি কাজ একসাথে বাঁধা ছিল। এখন, বড় মডেলগুলি "উত্তর লেখা" অংশটিকে সস্তা করে দিয়েছে, এবং এখন সেই উত্তরগুলির ব্যবহার, ব্যাখ্যা এবং দায়িত্ব নেওয়ার ক্ষমতাগুলিই আবার মূল্যবান হয়ে উঠেছে।

আমি এটিকে দায়িত্বের শৃঙ্খল বলি: একটি উত্তর যে প্রক্রিয়া দিয়ে “দেখতে ঠিক মনে হচ্ছে” থেকে “কেউ এটি ব্যবহার, জমা দেওয়া, সই করা এবং দায়ী হওয়ার সাহস করে” তার পূর্ণাঙ্গ প্রক্রিয়া। যত বেশি মূল্যবান, ঝুঁকিপূর্ণ এবং নিয়ন্ত্রিত পরিস্থিতি—অর্থনীতি, স্বাস্থ্য, আইনি, শিল্প, সরকারি—ততই এই শৃঙ্খলটি দীর্ঘতর এবং শেষ করা কঠিন।

বড় মডেলগুলি ক্ষেত্রে পৌঁছানোর পরেই বুঝতে পারে যে দায়িত্ব কী।

02 চারটি লাইভ: AI সবকিছু ঠিক করতে পারে, কিন্তু প্রতিটি ধাপেই উত্তরের বাইরে আটকে যায়

সমস্যাটি হল এআই ভুল উত্তর দেয়নি। সমস্যাটি হল উত্তরটি দায়িত্বের শৃঙ্খলে ঢুকছে না।

প্রতিটি প্রশ্নের মূল বিষয় হল আপনার কাছে কোনো মূল্য আছে কিনা, বরং কোনো সমস্যা হলে আমি কার কাছে যাব।

একসময়, পুরনো কর্মদাতা একাধিক শহরে একসাথে নিয়ন্ত্রণ সংঘাতের মুখোমুখি হয়েছিল। অভ্যন্তরীণভাবে অসংখ্য উপকরণ প্রস্তুত করা হয়েছিল: ব্যবহারকারীর ডেটা, সামঞ্জস্যপূর্ণ প্রমাণ, আইনি শর্তাবলী, অর্থনৈতিক অবদান। আজকের বড় মডেলকে এটি দিলে, এটি অবশ্যই সুন্দরভাবে লিখবে—প্রযুক্তিগত উদ্ভাবন, শহরের দক্ষতা, প্ল্যাটফর্ম অর্থনীতি দ্বারা সামাজিক মূল্য মুক্তি।

এই সব কথা ঠিক। কিন্তু সেই পরিস্থিতিতে, এগুলো গুরুত্বপূর্ণ নয়।

নিয়ন্ত্রণ এবং বাস্তবায়ন বিভাগগুলি ব্যবসায়িক মূল্যের যে যুক্তি তাদের কাছে গুরুত্বপূর্ণ নয়। তাদের প্রকৃতপক্ষে একটিই প্রশ্ন: যদি এটির কোনো সমস্যা হয়, আমি কার দায়ী করব? আমি আমার উপরের ব্যক্তিদের কীভাবে ব্যাখ্যা দেব?

সরকার আসলে কী চায়: যদি একটি সমষ্টিগত ঘটনা ঘটে তবে কী হবে? নিরাপত্তা দুর্ঘটনা হলে কার দায়? প্ল্যাটফর্ম দ্রুত বিস্তার লাভ করছে, কিন্তু নিয়ন্ত্রণ তার পিছনে পড়ে যাচ্ছে—এই দায় কার?

শেষ পর্যন্ত যা করতে হবে, তা আরও বেশি কিছু উপাদান জমা দেওয়া নয়, বরং প্ল্যাটফর্মের ক্ষমতাগুলিকে পুনরায় ব্যাখ্যা করা—ডেটা অসামঞ্জস্যতা শনাক্ত করতে সহায়তা করতে পারে, অর্ডার রেকর্ডগুলি দায়িত্বের অনুসন্ধানে সহায়তা করতে পারে, প্রযুক্তিগত সিস্টেমগুলি শুধুমাত্র নিয়ন্ত্রণের বিষয় হওয়ার পাশাপাশি নিয়ন্ত্রণের হাতিয়ারও হতে হবে।

এটিই একমাত্র উপায় যেখানে অপরপক্ষ একটি ইন্টারফেস দেখবে: যদি কোনো সমস্যা হয়, আমি জানি কার কাছে যাব। যদি কোনো প্রশ্ন থাকে, আমি জানি কীভাবে চেক করব। যদি রিপোর্ট দিতে হয়, আমি জানি কীভাবে ব্যাখ্যা করব।

এআই উপাদানগুলিকে এতটাই নিখুঁতভাবে সাজাতে পারে। কিন্তু এটি জানে না যে সেই ইন্টারফেসটি কোথায়, এবং কেন সেটাই পুরো যোগাযোগের প্রকৃত চাবিকাঠি।

এটি উপাদানের সমস্যা নয়। এটি নিয়ন্ত্রণ দায়িত্ব ইন্টারফেসের সমস্যা।

দ্বিতীয় প্রতিক্রিয়া: সংস্কার চালু হবে কিনা শুধু পরিকল্পনার উপর নির্ভর করে না, বরং এটি নির্ভর করে “প্রতিটি ব্যক্তির কি পিছনে পথ আছে কিনা”-এর উপর।

একসময়, একটি স্থানীয় সংস্কার পাইলট প্রোগ্রামের প্রতিযোগিতায় অংশ নিয়েছিলাম। প্রতিদ্বন্দ্বীদের কাছে বেশি অর্থনৈতিক সম্পদ ছিল, তাদের প্রস্তাবনা আরও সম্পূর্ণ এবং যুক্তি অপরাজেয়। কিন্তু তারা বাদ পড়ে গেল।

কারণ তাদের পরিকল্পনাটি একটি মৌলিক সমস্যাকে উপেক্ষা করেছে যা কোনও স্কোরিং টেবিলে লেখা হয়নি: সংস্কার প্রক্রিয়ায় যদি কোনও সমস্যা দেখা দেয়, তবে এখানে উপস্থিত প্রত্যেকে কি নিজের জন্য একটি যুক্তিসঙ্গত ব্যাখ্যা খুঁজে পাবে?

এটি দোষ ঠেলে দেওয়া নয়, বরং সম্মানজনক।

অনেক সংস্কার কেউ বুঝতে পারেনি না, বরং কেউ একটি দায়িত্বের স্পষ্টতা বিহীন পরিকল্পনার জন্য আরও এক পদক্ষেপ নিতে চায়নি।

কিন্তু শুধু ভয় দূর করাই যথেষ্ট নয়। আরও গুরুত্বপূর্ণ হলো প্রতিটি অংশগ্রহণকারী ইউনিটকে দেখানো যে, এই বিষয়টি এগিয়ে নিয়ে যাওয়ার পরে, তাদের নিজেদের কী প্রাপ্তি হবে—“একসাথে সংস্কার এগিয়ে নেওয়া” এর মতো শুধুমাত্র কথার ব্যবহার নয়, বরং এই বিভাগটির জন্য একটি বাইরের দিকে প্রদর্শনযোগ্য পাইলট কেস, সেই ইউনিটটির জন্য একটি নাম-পরিচয়যুক্ত কর্মক্ষমতা ফলাফল, এবং এই প্রধানকে তার প্রত্যক্ষ প্রশাসনিক নেতৃত্বের কাছে আরও একবার উল্লেখের সুযোগ।

সমস্যা হয়েছে, আমি কোনো সমস্যায় পড়ব না। কাজটি শেষ করলে আমি কী পাব?

এই দুটি বাক্য একসাথে মিলে সত্যিকারের অ্যাকশন সুইচ তৈরি করে।

স্থানীয় সরকার একটি উদ্যোগের প্রস্তাবনা পড়ছে না। এটি বিচার করছে: কে নেতৃত্ব দেবে? কোন বিভাগ সহায়তা করবে? বাজেট কোথা থেকে আসবে? গ্রহণযোগ্যতার মানদণ্ড কী হবে? সমস্যা হলে কে ব্যাখ্যা দেবে?

এটি কোনো পরিকল্পনার সমস্যা নয়। এটি প্রতিটি অংশগ্রহণকারীর নিজের কেন এগিয়ে যাচ্ছেন তা ব্যাখ্যা করতে পারবেন কিনা তার বিষয়।

তৃতীয় পর্যায়: বিপি যতই সম্পূর্ণ হোক না কেন, এটি ব্যবসায়িক বিচার এবং বিনিয়োগের দায়িত্বকে প্রতিস্থাপন করতে পারে না

একসময়, একজন উদ্যোক্তা একটি প্রকল্প নিয়ে ফান্ডের সাথে দেখা করতেন। ব্যবসার মডেলটি পরিষ্কার, বাজারের সম্ভাবনা যথেষ্ট বড়, এবং সব উপকরণ প্রস্তুত ছিল। আজকের AI-এর সাহায্যে, বড় মডেলগুলি দ্রুত একটি সম্পূর্ণ কাঠামোবদ্ধ, এমনকি আন্তর্জাতিক স্তরের ব্যবসায়িক পরিকল্পনা তৈরি করতে পারে।

কিন্তু ফান্ড যা আসলে দেখে, তা হলো উপাদানগুলি সম্পূর্ণ কিনা নয়।

সেদিন, বিনিয়োগকারী কয়েকপাতা পাল্টালেন এবং শুধু একটি প্রশ্ন করলেন: “আপনাদের এই গ্রাহকদের কি বাস্তব বাজার চাহিদা, নাকি নীতিগত সুযোগের ফলে পরীক্ষামূলকভাবে আনা হয়েছে? আগামী বছর সাবসিডি না থাকলেও গ্রাহকরা রিনিউ করবে?”

এই বাক্যটি ক্লায়েন্টকে জিজ্ঞাসা করার মতো দেখাচ্ছে, কিন্তু বাস্তবে একসাথে দুটি বিষয় যাচাই করছে।

একটি হল প্রতিষ্ঠাতার ব্যবসায়িক বিচার: আপনি কি সত্যিই জানেন আপনার আয় কোথা থেকে আসছে, গ্রাহকরা কেন পেমেন্ট করছে, এবং আগামী বছরও কি তারা পেমেন্ট করবে? আপনি কি ঝুঁকির সামনে দাঁড়াচ্ছেন, নাকি সুন্দর উপকরণ দিয়ে ঝুঁকি ঢাকছেন?

অন্য একটি বিষয় হল বিনিয়োগকারীর বিনিয়োগ দায়িত্ব: যদি আমি এই প্রকল্পটি বিনিয়োগ কমিটিতে নিয়ে আসি, তবে আমি কি ব্যাখ্যা করতে পারব যে আয়ের গুণগত মান কী, নীতির ওপর এর নির্ভরশীলতা কতটা, পুনরায় প্রিমিয়ামের ঝুঁকি কোথায়, এবং বেরিয়ে যাওয়ার পথটি কীর ওপর নির্ভরশীল?

উপাদানে কোনো উত্তর নেই না। শুধু অনেক সময়, কেউ জানে না যে কোন লাইনটি সম্পূর্ণ মিটিংয়ের প্রকৃত মূল প্রশ্ন।

বিনিয়োগকারী আসলে সেই লাইনটি আগেই দেখে ফেলেছিল। সে শুধু জানতে চাইছিল: তুমি কি সত্যিই এই প্রশ্নটি ভেবেছ, নাকি একটি সুন্দর উপকরণ ব্যবহার করে এমন একটি উত্তরের কথা বলছ, যা তুমিই নিজে পরিষ্কারভাবে বুঝতে পারছ না।

এটি কোনো উপকরণের ত্রুটি খোঁজা নয়, বরং দুটি দায়িত্বের শৃঙ্খলা কি প্রযোজ্য কিনা তা যাচাই করা: প্রতিষ্ঠাতা কি ব্যবসায়িক ফলাফলের জন্য দায়ী হতে পারেন, এবং বিনিয়োগকারী কি তাঁর বিনিয়োগের সিদ্ধান্তের জন্য দায়ী হতে পারেন।

এআই সবকিছুকে অক্ষুণ্ণভাবে সাজিয়ে দিতে পারে। কিন্তু এটি জানে না যে, কখনও কখনও অত্যন্ত সম্পূর্ণ উপকরণটিই একটি সংকেত: এখনও প্রকৃতপক্ষে জিজ্ঞাসা করার জন্য প্রস্তুত হয়নি।

উপাদান কখনই মূল নয়। সত্যিকারের গুরুত্বপূর্ণ বিষয় হল: আয়ের গুণগত মান যাচাই করা যায় কিনা, ঝুঁকি ব্যাখ্যা করা যায় কিনা, এবং পরিচালনা সিদ্ধান্ত এবং বিনিয়োগ দায়বদ্ধতা একসাথে টিকে থাকে কিনা।

চতুর্থ অংশ: যখন ট্রেড জমে যায়, তখন প্রকৃত সংঘাত শর্তাবলীতে নয়, বরং "দুটি দায়িত্ব ব্যবস্থা"-এ থাকে।

একবার, একটি টেক প্রোজেক্ট টেবিলে রাখা হয়েছিল, এবং সবাই এটি এগিয়ে নিতে চাইছিল। প্রযুক্তিতে বাধা ছিল, ক্লায়েন্টের মানও ভালো, ডুয়ে ডিলিজেন্স শেষ হয়েছিল, এবং শর্তাবলীও প্রায় চুক্তি হয়ে গিয়েছিল। বাহ্যিকভাবে, চুক্তিতে স্বাক্ষর করার জন্য শুধুমাত্র শেষ পদক্ষেপটি বাকি ছিল।

কিন্তু এই লেনদেনটি অচেনা কারণে স্থগিত হয়ে গেছে। কেউ কারণ বলেননি।

চীনা যুয়ান ফান্ড বলছে: আমাদের আরও একটু কাঠামোটা দেখে নিতে হবে। ডলার শেয়ারহোল্ডাররা বলছে: আমাদের পরবর্তী অধিকারগুলো নিশ্চিত করতে হবে। প্রতিষ্ঠাতা বলছে: কি মূল্যায়নের আরও জায়গা আছে? প্রত্যেকেই তাদের প্রকৃত উদ্বেগকে সুরক্ষিতভাবে প্রকাশ করছে।

রেনমিনবি ফান্ডের পিছনে স্থানীয় শিল্প লক্ষ্য, বিনিয়োগ আকর্ষণের কাজ, পুনরায় বিনিয়োগের প্রয়োজনীয়তা, এবং রাষ্ট্রীয় সম্পত্তির সঙ্গে সামঞ্জস্যপূর্ণতার চাপ রয়েছে—এটি এই কোম্পানিকে কিছুটা স্থানীয় সেবা প্রদানের প্রয়োজনীয়তা তৈরি করে। কিন্তু ডলার শেয়ারহোল্ডাররা স্থানীয় সেবা প্রদানের জন্য আসেননি, তাদের চাওয়া হলো দক্ষতা, বেরিয়ে যাওয়া, এবং DPI।

একই কোম্পানিতে দুটি দায়িত্ব ব্যবস্থা থাকা অপরিহার্যভাবে গঠনগত টানাটানি তৈরি করে।

পরে, কোনো পক্ষকে সম্মত হতে বাধ্য করার পরিবর্তে, কাঠামোটি পুনর্নির্মাণ করা হয়েছিল: ডলার শেয়ারহোল্ডারদের উপরের কাঠামোতে রাখা হয়েছিল, যাতে সামগ্রিক নমনীয়তা এবং প্রস্থানের পথ বিঘ্নিত না হয়; রেনমিনবি ফান্ডগুলি অঞ্চলগত সহায়ক কোম্পানির মাধ্যমে নির্দিষ্ট ব্যবসায়িক লাইনে প্রবেশ করে, স্থানীয় রাজ্য সম্পদের পুনঃবিনিয়োগ এবং বিনিয়োগ আকর্ষণের কাজগুলি সহায়ক কোম্পানির স্তরে বহন করা হয়। দুটি যুক্তি, প্রতিটি নিজস্ব স্তরে কাজ করে, একে অপরকে বিঘ্নিত করে না।

যে চীনা ইয়ুয়ান ফান্ডের জন্য, এটি একটি বিনিয়োগ কমিটির জন্য একটি মেমো—এটি “কোনো ঝুঁকি নেই” বলে প্রমাণ করার জন্য নয়, বরং তাদের উত্তর দেওয়ার জন্য যে: আমি কেন বিনিয়োগ করছি, আমি কোন ঝুঁকি জানি, এবং এই ঝুঁকিগুলি কীভাবে নিয়ন্ত্রণ করা হচ্ছে।

ডলার শেয়ারহোল্ডারদের জন্য, শীর্ষ স্তরের গঠনের অখণ্ডতা বজায় রাখা হয়েছে, এবং বের হওয়ার পথ পরিবর্তিত হয়নি।

কেউ কোনো সমঝোতা করেননি। কিন্তু প্রত্যেকেই তাদের প্রকৃত প্রয়োজনীয় জিনিসগুলি পেয়েছে।

প্রতিবাদের সার্থকতা কখনই প্রতিবাদীকে প্রতিবাদ করানো নয়, বরং একটি স্বার্থের পুনর্গঠন।

03 দুটি সাধারণ সংকেত: এআই সহায়তা করতে পারে, কিন্তু মানুষের জন্য দায়িত্ব বহন করতে পারে না

এই চারটি মুহূর্তের প্রতিটির প্রতি পিছনে ফিরে তাকালে, AI সবকিছুই “সঠিক” করতে পারে। উপাদানগুলি সঠিক, যুক্তি সম্পূর্ণ, শর্তাবলী সঠিক। কিন্তু প্রতিবার, বিষয়টিকে এগিয়ে নিয়ে যাওয়া পদক্ষেপটি AI-এর উত্তরের বাইরেই ঘটেছিল।

এটিই এখন শিল্পের জন্য কৃত্রিম বুদ্ধিমত্তার প্রকৃত সীমানা: এটি যথেষ্ট বুদ্ধিমান নয়, বরং এটি পরিণতি বহন করে না।

এই সিদ্ধান্তটি তিন বছর পরের পুনর্মূল্যায়ন সভায় ব্যাখ্যা করার প্রয়োজন নেই, বিনিয়োগ কমিটির সামনে এটি কেন এমনভাবে বিচার করা হয়েছিল তার উত্তর দেওয়ারও প্রয়োজন নেই। বাস্তব জীবনের সিদ্ধান্তগুলি শুধু একটি উত্তর বাছাই করা নয়, বরং এমন একটি ফলাফল বাছাই করা যার জন্য আপনি দায়ী হতে প্রস্তুত।

মিটিং রুমে তিন সেকেন্ড নীরব থাকার পর যে সিদ্ধান্ত নেওয়া হয়েছিল, তা অ্যালগরিদম গণনা করতে পারেনি না। এটি এখনও জানে না যে, সেই তিন সেকেন্ডের মধ্যে কেউ কী নিয়ে চিন্তিত ছিল।

পেশাদার প্রকাশ কম দামে পাওয়া যাচ্ছে। শিল্পের বিচার নয়।

বিচার পরিস্থিতিতে এই প্রশ্নটি সবচেয়ে স্পষ্টভাবে উত্থাপিত হয়েছে। ২০২৬ সালের সর্বোচ্চ আদালতের কার্যবিবরণীতে স্পষ্টভাবে উল্লেখ করা হয়েছে যে, কৃত্রিম বুদ্ধিমত্তা সহায়তাকারী বিচার সিস্টেম উন্নয়নের জন্য সক্রিয় এবং সাবধানে পদক্ষেপ নেওয়া হবে, এবং “সহায়তামূলক” ভূমিকা অবলম্বন করা হবে, যার বিচারিক দায়িত্বশীলতা শুধুমাত্র বিচারকদের হবে।

এটি কৃত্রিম বুদ্ধিকে অস্বীকার করছে না, বরং কৃত্রিম বুদ্ধির জন্য একটি অবস্থান নির্ধারণ করছে: এটি সহায়তা করতে পারে, কিন্তু চূড়ান্ত আইনগত দায়িত্ব বহনকারীকে প্রতিস্থাপন করতে পারে না।

অন্য একটি মামলা বেইজিংয়ের টংজু আদালতে ঘটেছিল। একটি বাণিজ্যিক বিরোধে, প্রতিনিধি দ্বারা জমা দেওয়া “রেফারেন্স কেস” এআই দ্বারা তৈরি করা হয়েছিল, যা তিনি যাচাই না করেই জমা দিয়েছিলেন, এবং আদালত এটিকে গ্রহণ করেননি এবং রায়ে সমালোচনা করেছেন।

এই কেসটি ছোট, কিন্তু খুব প্রতিনিধিত্বমূলক।

সমস্যাটি শুধু উত্পাদনের মান নয়, বরং মধ্যবর্তী যাচাই এবং নিশ্চিতকরণের নোডটি এড়িয়ে যাওয়া। সমস্যাটি এটি নয় যে AI কি পেশাদার মনে হওয়া কনটেন্ট লিখতে পারে, বরং এই কনটেন্টটি বাস্তব প্রোগ্রামে প্রবেশ করার আগে কে যাচাই করবে, কে জমা দেবে, কে স্বাক্ষর করবে, এবং কে পরিণামের জন্য দায়ী হবে।

04 কে দামি হয়ে উঠবে? তিন ধরনের মানুষ এবং একটি নতুন ক্ষমতা

পূর্বে শিল্প সেবার মূল্য প্রায়শই মিশে যেত: তথ্য, সম্পর্ক, অভিজ্ঞতা, বিচার, দায়িত্ব, একসাথে চার্জ করা হত।

AI এই গুচ্ছটি খুলে ফেলবে।

প্রথমে তথ্য অবমূল্যায়ন হয়, তারপর প্রকাশ অবমূল্যায়ন হয়, সাধারণ বিশ্লেষণও অবমূল্যায়ন হয়। যা বাকি থাকে, তা হল দায়িত্বের শৃঙ্খলে প্রবেশ করার ক্ষমতা রাখা বিচার।

এটিই আমার বুঝতে পারা ইঞ্জিনিয়ারিং বিচার।

একটি প্রকল্প বিচার করা মানে মডেলকে জ্ঞান দেওয়া নয়, বরং “কী চুক্তি করা যায়, কী চুক্তি করা যায় না, কোন ঝুঁকি আগে থেকেই পরিষ্কারভাবে উল্লেখ করা প্রয়োজন” এগুলিকে সিস্টেম যাচাই করতে পারে এবং সংগঠন গ্রহণ করতে পারে এমন মানদণ্ডে বিভক্ত করা।

অতীতে, এই বিচারগুলি অভিজ্ঞদের অনুভূতিতে লুকিয়ে ছিল; ভবিষ্যতে, এগুলি সিস্টেমে বিভক্ত হবে।

এর পিছনে একটি নতুন ক্ষমতা রয়েছে: বিচারকে দায়িত্বপূর্ণ কাজের প্রবাহে পরিণত করার ক্ষমতা।

এটি শুধু শিল্প বোঝা বা শুধু AI ব্যবহার করা নয়, বরং বাস্তব বিশ্বের সীমানা, ঝুঁকি, বিপরীত উদাহরণ, দায়িত্বের পয়েন্ট এবং গ্রহণযোগ্যতার মানদণ্ডকে মডেল শেখার, সিস্টেম যাচাইয়ের, সংগঠন গ্রহণযোগ্য এবং সমস্যা হলে ব্যাখ্যা করার জন্য বিভক্ত করা।

এই লাইনটি অনুসরণ করে, ভবিষ্যতে মহঙ্গা হওয়ার সম্ভাবনা রয়েছে তিন ধরনের মানুষের।

প্রথম শ্রেণী, যারা অভিজ্ঞতাকে মানকে বিভক্ত করতে পারেন।

শুধু “আমার অভিজ্ঞতা আছে” বলার পরিবর্তে এমন মানুষ যারা বলতে পারে: কী ট্রেড করা যায়, কী ট্রেড করা যায় না; কোন ঝুঁকি আগেই উল্লেখ করা দরকার; কোন পরিকল্পনা লিখতে ভালো লাগে, কিন্তু প্রক্রিয়ায় ঢুকলেই সমস্যা হয়। এই ধরনের মানুষ যদি তাদের অভিজ্ঞতাকে মানদণ্ড, বিপরীত উদাহরণ, মূল্যায়ন এবং তালিকায় ভাগ করে দেয়, তবে তারা মডেলকে শিল্পের মঞ্চে পৌঁছে দেওয়ার কীলক ইন্টারফেসে পরিণত হবে।

দ্বিতীয় ধরন, একসাথে একাধিক দায়িত্ব ব্যবস্থা বুঝতে পারেন।

সরকার, রেনমিনবি ফান্ড, ডলার ফান্ড, শিল্প গ্রাহকরা একই সেটের তথ্যের ব্যাখ্যা সম্পূর্ণ ভিন্নভাবে করে। এই সিস্টেমগুলির মধ্যে অনুবাদ করতে পারেন এমন ব্যক্তি শুধু বার্তা পাঠাচ্ছেন না, বরং দায়িত্ব পুনরায় স্থাপন করছেন।

তৃতীয় শ্রেণী, যারা সিদ্ধান্তকে কার্যপ্রবাহে এম্বেড করতে পারে।

গ্রাহক দায়িত্ব প্রক্রিয়ায় এমবেডেড সিস্টেমগুলিই প্রকৃতপক্ষে প্রতিস্থাপনযোগ্য নয়—একটি রিপোর্ট কীভাবে মিটিং পার করে, একটি ঝুঁকি কীভাবে ট্রেস করা হয়, এবং একটি কমপ্লায়েন্স সিদ্ধান্ত কীভাবে সংগঠন দ্বারা গ্রহণ করা হয় তা জানা।

গ্রাহক যা পরিশোধ করেন, তা হল “AI ভালো লিখেছে কিনা” নয়, বরং: এই বিচারটি কি আমাকে ব্যবহার করার জন্য সাহসী করে তুলবে।

শিল্পের এআইয়ের মূল্য, সংক্ষিপ্ত মেয়াদে মডেল এবং টুলসে, মধ্যম মেয়াদে ভার্টিক্যাল এজেন্টে, দীর্ঘমেয়াদে গ্রাহক দায়িত্ব প্রক্রিয়ায় প্রবেশ করতে পারে এমন ওয়ার্কফ্লো সিস্টেমে।

"উত্তর তৈরি করা" প্রতিদিন জল ও বিদ্যুতের মতো হয়ে উঠবে—গুরুত্বপূর্ণ, কিন্তু আর প্রতিযোগিতামূলক সুবিধা নয়। প্রকৃতপক্ষে উচ্চ লাভের সম্ভাবনা রয়েছে শিল্প কাজের প্রবাহ স্তরে।

উপসংহার: সেই কয়েক সেকেন্ডের বিরতির মধ্যে শুধু যুক্তি নয়, দায়িত্বও রয়েছে

সত্যিকারের সমস্যা হল প্রতিস্থাপন কি না, বরং মানুষ এবং এআই কিভাবে পুনর্বিন্যাস করবে। এআই গতি, কাঠামো এবং পরিসর প্রদান করে; মানুষ অর্থ, সীমানা এবং দায়বদ্ধতা প্রদান করে। দুটি একসাথে যোগ হলে, একটি সিদ্ধান্ত “দেখতে সঠিক” থেকে বাস্তবের দিকে এগিয়ে যায়।

এআই বাস্তব অভিজ্ঞতাকে অকার্যকর করে না। এটি সবাইকে অভিজ্ঞতা আপগ্রেড করতে বাধ্য করছে।

কেবল মাথার ভিতরে থাকা অভিজ্ঞতা দ্রুত পাতলা হয়ে যায়; যে অভিজ্ঞতা বিশ্লেষণ, প্রকাশ, যাচাই এবং পুনরায় পুনরায় উন্নত করা যায়, সেগুলি মানুষ এবং মেশিনের সহযোগিতার প্রকৃত জ্বালানি হয়ে ওঠে।

বড় মডেলগুলি নিয়ম-নির্ধারিত বিশ্বকে প্রক্রিয়া করে। কিন্তু বাস্তব সমাজ জীবন্ত—এটি প্রতিক্রিয়া জানায়, নিজেকে পুনর্ব্যাখ্যা করে, এবং প্রতিটি “সঠিক উত্তর”কে বাস্তবায়নের সময় বিকৃত করে।

এই বিশ্বে শুধু তথ্য প্রক্রিয়াকরণই যথেষ্ট নয়। অর্থ বুঝতে পারা দরকার—এটি কার জন্য গুরুত্বপূর্ণ এবং কেন গুরুত্বপূর্ণ। একইসাথে মূল্য নির্ধারণ করতে পারা দরকার—এই উত্তরটি গ্রহণযোগ্য, স্বাক্ষরযোগ্য এবং বিশ্বাসযোগ্য কিনা।

এই বোধটি ডেটা থেকে গণনা করা হয় না। এটি শিল্প পরিবেশে বারবার পরীক্ষা-নিরীক্ষা, পরিণাম সহ্য করা এবং পুনরায় ক্যালিব্রেট করার অভিজ্ঞতা থেকে আসে।

সুতরাং, যদিও মডেলগুলি ক্রমাগত শক্তিশালী হয়ে উঠছে, এখনও এটির জন্য কেউ বলতে হবে: শিল্পের ক্ষেত্রে, বাস্তবে কী গুরুত্বপূর্ণ।

এটি জ্ঞানের প্রেরণ নয়, বরং অর্থ এবং মূল্যের অনুবাদ। যারা উপস্থিত ছিলেন, সিদ্ধান্ত নিয়েছেন, দায়িত্ব বহন করেছেন এবং ভুলের মধ্যে দিয়েছেন, তারা শুধুমাত্র AI-এর জ্ঞানের উৎস নয়, বরং এটি বাস্তব বিশ্বকে অনুভব করার ইন্টারফেস।

এই নিবন্ধটি শুধুমাত্র এআই পেশাদারদের জন্য নয়, বরং সেই সকলের জন্য যারা এখনও বাস্তব বিশ্বে সিদ্ধান্ত নিচ্ছেন, ভুল করেছেন এবং দায়িত্ব বহন করছেন।

এই অভিজ্ঞতাগুলি সম্ভবত রিজিউমেতে লেখা কঠিন এবং মডেল দ্বারা সরাসরি বোঝা কঠিন। কিন্তু এগুলিই হল শিল্প AI যখন বাস্তব বিশ্বে প্রবেশ করে, তখন সবচেয়ে কম প্রয়োজনীয় ইন্টারফেস।

বড় মডেলগুলি আরও শক্তিশালী এবং আরও দ্রুত হতে থাকবে। কিন্তু সামনের লাইনে, বাস্তব বিশ্ব শুধুমাত্র একটি উত্তরের যুক্তিসঙ্গততার কারণে নিজেকে চালু করবে না। এটি প্রতিক্রিয়া দেবে, প্রতিঘাত দেবে এবং প্রতিটি সিদ্ধান্তকেই পরিণাম দিয়ে জড়িয়ে দেবে।

যে কেউ নিশ্চিত করার বোতামে ক্লিক করার আগে কয়েক সেকেন্ড থামে।

সেই কয়েক সেকেন্ডের মধ্যে কেবল যুক্তি নয়।

এবং দায়িত্ব।