লেখক: TT3LABS, Web3/AI/SaaS রিমোট জব প্ল্যাটফর্ম
২০২৬ সালের ২৬ ফেব্রুয়ারি, ফিনটেক বিগ ব্লক ঘোষণা করে যে এটি ৪০০০ এর বেশি কর্মচারীকে চাকরি থেকে বরখাস্ত করেছে, যার ফলে টিমের আকার এক লক্ষের বেশি থেকে কমে ৬০০০ এর নিচে চলে আসে। সিইও জ্যাক ডরসি শেয়ারহোল্ডারদের পত্রে উল্লেখ করেন:
Smart tools have changed what it means to create and run a company... a significantly smaller team, using the tools we're building, can do more and do it better.
ডর্সি তার অত্যন্ত নির্মম পূর্বানুমানও দিয়েছেন:
আমি মনে করি বেশিরভাগ কোম্পানি এখনও দেরি করেছে। আগামী বছরের মধ্যে, বেশিরভাগ কোম্পানি একই সিদ্ধান্তে পৌঁছাবে এবং অনুরূপ কাঠামোগত সংশোধন করবে।
দিনের বাজার বন্ধের পর, ব্লকের শেয়ার মূল্য 20%+ বেড়েছে। এটি বাজারের পক্ষ থেকে প্রকৃত অর্থের প্রতিক্রিয়া: কোম্পানির AI লিভারেজ এবং দক্ষতার জন্য প্রতিদান।
একজন সম্পূর্ণ প্রোগ্রামিং না জানা সাধারণ মানুষ বড় মডেলের সহায়তায় এক রাতেই একটি সম্পূর্ণ কার্যকরী অ্যাপ চালানোর ক্ষমতা অর্জন করতে পারেন। তাহলে বাজারে অবশ্যই একটি তীব্র প্রশ্ন উঠবে: একটি সুপার অ্যাপের দৈনিক চলাচল বজায় রাখতে লক্ষ লক্ষ প্রোগ্রামারকে নিয়োগ করা হয় এমন টেক কর্পোরেশনগুলির বিশাল মানবসম্পদ খরচের আরও কতটা মূল্য আছে?
AI দ্বারা মানব শ্রম প্রতিস্থাপনের প্রবণতা, আরও বড় কোম্পানিগুলি অবশ্যই অনুসরণ করবে। উদ্বেগ অপরিহার্য, কিন্তু শুধু উদ্বেগিত হওয়ার কোনো উপায় নেই। আমাদেরকে বড় পরিস্থিতির পরিবর্তন থেকে শুরু করে, ধাপে ধাপে ব্যক্তিগত অস্তিত্বের কৌশলে ফিরে আসতে হবে।
কেবলমাত্র একটি সরঞ্জাম নয়, এআই উৎপাদনের মাধ্যম হয়ে উঠছে
কিছু মানুষ বর্তমান পর্যায়কে "Web4" হিসাবে সংজ্ঞায়িত করছে। ধারণাটি পরিষ্কার করতে, আসুন ইন্টারনেটের বিকাশের বিভিন্ন পর্যায়গুলি একবার দেখে নেওয়া যাক:
Web2
মূল হল সফটওয়্যার এবং মানুষের মধ্যে ইন্টারঅ্যাকশন, বিভিন্ন প্ল্যাটফর্ম ব্যবহারকারীদের মনোযোগ অর্জনের জন্য অ্যালগরিদম ব্যবহার করে, যা মূলত ট্রাফিক হারানোর একটি যুদ্ধ।
Web3
ডিজিটাল সম্পদের মালিকানা এবং মূল্য বণ্টনের সমস্যা সমাধানের চেষ্টা করা হচ্ছে। অনেকে এটিকে সহজেই ক্রিপ্টোকারেন্সির সাথে সমান বলে ধরে নেয়, কিন্তু মূলত এটি এখনও সম্পদ বণ্টনের নিয়মের খেলায় আটকে আছে এবং ডিজিটাল পণ্যের "উৎপাদন" সম্পর্ককে স্পর্শ করেনি।
Web4-এর আগের রাত
এটি প্রথমবারের মতো উৎপাদন সম্পর্ককেই পরিবর্তন করছে। এটি শুধুমাত্র দক্ষতা বাড়ানোর একটি সরঞ্জাম নয়, বরং এটি একটি নতুন ধরনের উৎপাদন সামগ্রীতে পরিণত হচ্ছে। যে ব্যক্তি এটি বেশি ভালোভাবে ব্যবহার করতে পারবে, সেই ব্যক্তি তার উৎপাদনের সীমা একটি মাত্রায় বাড়িয়ে দিতে পারবে।
পারম্পরিক টিম কোঅর্ডিনেশনে অসংখ্য অদৃশ্য খরচ রয়েছে: দক্ষ নেতৃত্বের বিচারক্ষমতা এবং শিল্পের অনুভূতি সহজেই অধীনস্তদের কাছে প্রতিলিপি করা যায় না, এবং একাধিক ব্যক্তির কার্যক্রমে বুঝতে বিভ্রান্তি এবং পুনরায় কাজের ক্ষতি অপরিহার্য। এগুলি সংগঠনের কার্যক্রমের "অন্ধকার কর" — আগে এর জন্য স্পষ্ট সমাধান ছিল না। AI এই অন্ধকার করকে প্রচুরভাবে কমিয়েছে, এটির শেখার বক্ররেখা নেই, স্পষ্ট প্রম্পট দিলেই উচ্চমানের কাজ করতে পারে, এবং একসাথে একাধিক কাজের লাইন প্রক্রিয়াকরণও করতে পারে। একজনের কৌশলগত বিচারক্ষমতা AI-এর কার্যকারিতা বৃদ্ধির সাথে যুক্ত হলে, আগের একটি সম্পূর্ণ টিমের আউটপুটকেই সহজেই সক্ষমতা দিতে পারে।
অবশ্যই, বর্তমানে এআই এখনও কখনও কখনও "গুরুতরভাবে মিথ্যা বলে" চলে, যা মানুষের নিয়ন্ত্রণ এবং বিচারকে অপরিহার্য করে তোলে। তবে মডেলের বিশ্বস্ততা মাসের হিসাবে উন্নতি পাচ্ছে, এবং শুধুমাত্র কার্যক্রমের জন্য রাখা বাফার সময়টি অধিকাংশ মানুষের ধারণার চেয়ে অনেক কম।
দক্ষতার সমতা এবং গভীর সংকট: প্রবেশের বাধা মুছে ফেলার পর
সংক্ষিপ্ত মেয়াদে, সাধারণ মানুষ এআই টুলগুলির সাথে যুক্ত হয়ে দক্ষতার সুবিধা পায়। কিন্তু পরবর্তীতে বিশ্লেষণ করলে, যখন এআই মৌলিক দক্ষতার পার্থক্য মুছে ফেলে এবং পেশাদারদের প্রবেশের বাধা অত্যন্ত কমিয়ে দেয়, তখন প্রতিষ্ঠানগুলি দেখবে: একজন ব্যক্তির উৎপাদনশীলতা উল্লেখযোগ্যভাবে বৃদ্ধি পাওয়ার পরেও, যদি সমগ্র ব্যবসায়িক আকার সমানুপাতিকভাবে বিস্তৃত না হয়, তবে পূর্ববর্তী কর্মচারীর সংখ্যা বজায় রাখা একটি নেতিবাচক সম্পদ।
বর্তমান বেতন বিভাজন দেখুন। TT3LABS-এর চাকরি মনিটরিং ডেটা অনুযায়ী, ২০২৫ সাল থেকে, AI চাকরির বাজারে ইতিমধ্যেই "কোটি ডলারের বেশি" পরিমাণের প্যাকেজ দেখা গিয়েছে, এবং এই প্রার্থীদের সবাই যুব AI ইঞ্জিনিয়ার, যাদের কাছে "টিম ম্যানেজমেন্ট স্কিল" এর বেশি অভিজ্ঞতা নেই। Meta-এর OpenAI-এর কোর রিসার্চারদের আকর্ষণের সময় শুধুমাত্র সইনগত বোনাসই ১ বিলিয়ন ডলারেরও বেশি ছিল, OpenAI-এর কর্মচারীদের গড় শেয়ারবেসড বেতন ১.৫ মিলিয়ন ডলার, Anthropic-এর সিনিয়র রিসার্চ ইঞ্জিনিয়ারদের মূল বার্ষিক বেতন ৬৯০,০০০ ডলার (শেয়ারসহ নয়)।
এই প্রতিটি মূলধন ব্যয় করা হচ্ছে একটি দুর্লভ দক্ষতা কিনতে: এআইকে নিজেই আরও শক্তিশালী করা। যারা মূল মডেলের উন্নতিতে সহায়তা করেন, তাদের মূল্য পুরো ব্যবসায়িক নেটওয়ার্কে জ্যামিতিকভাবে বৃদ্ধি পেতে পারে। অন্যদের জন্য, যাদের কাজের বিষয়বস্তুকে এআই কম খরচে কভার করতে পারে, তাদের মূল্যায়ন হ্রাস পেতে পারে।
এটি একটি গভীরতর সম্ভাব্য সংকটকেও জাগিয়ে তুলেছে। এখন প্রতিটি সমস্যার প্রথম প্রতিক্রিয়া হচ্ছে AI-কে উত্তর দেওয়ার জন্য বলা, যার ফলে নিজের দ্বারা যুক্তি প্রয়োগ, যাচাই এবং ভুল-ভুল করে শেখার মধ্যবর্তী প্রক্রিয়াটি বাদ পড়ে যাচ্ছে, এবং দীর্ঘদিনের মধ্যে আপনি চিন্তার ক্ষমতা হারিয়ে ফেলবেন। সমস্যাটি হলো, এই "কষ্টকর প্রক্রিয়াটিই" আপনাকে সমস্যার প্রতি আপনার সংবেদনশীলতা গড়ে তোলে। AI-এর উপর দীর্ঘদিন নির্ভরশীল হয়ে থাকলে, আপনার কাজের ভূমিকা হয়ে উঠবে "প্রয়োজনীয়তা অনুবাদক" — অন্যদের প্রয়োজনীয়তা AI-এর ইনপুটে রূপান্তরিত করা, এবং AI-এর আউটপুটটি অন্যদেরকে সরবরাহ করা। এবং এই মধ্যবর্তী পদক্ষেপটি, ঠিকই, পরবর্তী প্রজন্মের AI-এর জন্য সবচেয়ে সহজেই বাদ দেওয়ার সম্ভাবনা।
ইমপ্যাক্ট ম্যাপ: আপনি কোন অবস্থানে দাঁড়িয়েছেন?
যদি কোনো স্থানাঙ্ক না থাকে, তবে ভয় শুধু উদ্বেগ মাত্র। প্রতিক্রিয়ার আলোচনা শুরু করার আগে, আমাদের প্রথমে একটি "আঘাত মানচিত্র" আঁকতে হবে। এটি আতঙ্ক ছড়ানোর জন্য নয়, বরং প্রত্যেককে নিজেকে অবস্থান করার জন্য।
যেসব পদের কাজের বিবরণ নির্দেশ দ্বারা স্পষ্টভাবে লেখা যায়
প্রাথমিক কোডিং, বেসিক ডেটা বিশ্লেষণ, স্ট্যান্ডার্ডাইজড রিপোর্ট জেনারেশন, টেমপ্লেট-ভিত্তিক ডিজাইন, সাধারণ অনুবাদ এবং সংশোধন। এই ধরনের চাকরির সাধারণ বৈশিষ্ট্য হলো কাজকে স্পষ্টভাবে "ইনপুট→প্রসেসিং→আউটপুট" হিসেবে বিভক্ত করা যায়। Block-এর দ্বারা বরখাস্ত 4000-এরও বেশি কর্মচারীর অনেকেই এই শ্রেণীর মধ্যে পড়ে। তাদের পেশাদারিত্ব খারাপ নয়, কিন্তু তাদের যা কাজ করতে হতো, তা ঠিকই বড় মডেলগুলির দ্বারা সম্পন্ন করা যায়।
একটি নিজেকে জিজ্ঞাসা করার মানদণ্ড: যদি আপনার সমস্ত কাজ একটি AI নির্দেশনায় লেখা যায়, তাহলে এটি বোঝায় যে মেশিনটি আপনার জায়গা নেওয়ার জন্য প্রস্তুত, এখন কেবল প্রতিষ্ঠানটি এই সিদ্ধান্তটি কবে নেবে।
অ্যাকাউন্টেড মিডিয়াম লেভেল ব্যক্তিরা বলছেন যে কম্প্রেশন চলছে।
প্রজেক্ট ম্যানেজার, অপারেশন ডিরেক্টর, মধ্যবর্তী ইঞ্জিনিয়ার। তাদের কাজে বিচার এবং সমন্বয় অন্তর্ভুক্ত থাকে, যা ক্ষণিকের জন্য AI গ্রাস করতে পারবে না, তবে এটি "সংকুচিত" হচ্ছে। আগে একটি ব্যবসায়িক শৃঙ্খলের জন্য পাঁচজন মধ্যবর্তী প্রত্যেকে একটি অংশ নিয়ন্ত্রণ করত এবং পরস্পরের সাথে সমন্বয় করত, এখন AI উপরে-নীচের কাজগুলি নিয়ে নিয়েছে, এবং শুধুমাত্র এক বা দুইজনেই পুরো শৃঙ্খলটি চালাতে পারে।
এই গোষ্ঠীর সামনে দাঁড়িয়েছে "জায়গার সংখ্যা কমে যাওয়ার" পরিস্থিতি। আপনার দক্ষতা কমেনি, কিন্তু বাজারে আপনার ভূমিকার জন্য চাহিদা হঠাৎ করে কমে গেছে। এই গোষ্ঠীর জন্য পথ হলো—নিচের দিকে AI ব্যবহার করে বাস্তবায়নের ক্ষমতা বাড়ানো, আর উপরের দিকে সমস্যার সংজ্ঞা নির্ধারণের অধিকার অর্জন করা।
অনিশ্চয়তার নিয়ন্ত্রক
এক ধরনের কাজ রয়েছে, যার মূল বিষয় হল "সঠিক কাজ করা" নয়, বরং "সবসময় অসম্পূর্ণ তথ্যের মধ্যে সিদ্ধান্ত নেওয়া এবং পরিণতির জন্য দায়ী হওয়া"। জটিল ব্যবসায়িক আলোচনা, সংকট প্রতিক্রিয়া ব্যবস্থাপনা, বহুসংস্কৃতির সংগঠন পরিচালনা, উচ্চ-ঝুঁকির বিনিয়োগ বিচার। AI বিশ্লেষণ এবং পরামর্শ দিতে পারে, কিন্তু আপনার জন্য সই করতে পারে না, আপনার জন্য দোষ বহন করতে পারে না, এবং রাতের খাবারের টেবিলে অপরের একটি দৃষ্টিতে লুকিয়ে থাকা স্বার্থের অভিপ্রায়কে বুঝতে পারে না।
এই চরিত্রগুলি মূল্যহীন হবে না, বরং এটির মূল কার্যক্রমের খরচ এআই দ্বারা অনেক কমিয়ে দেওয়া হয়েছে, তাই একই বাজেট দিয়ে বড় প্রকল্পগুলি সম্ভব হয়েছে, এবং সিদ্ধান্তগ্রহণকারীদের হাতের লিভারেজ বেড়েছে।
বাস্তবে অনেকের কাজ একাধিক স্তরের মধ্যে বিস্তৃত। একটি সহজ নিজেকে পরীক্ষা করার উপায়: ভাবুন আপনার প্রতিদিনের কাজের মধ্যে কতটা একটি নির্দেশনা দিয়ে স্পষ্টভাবে ব্যাখ্যা করা যায়, আর কতটা অস্পষ্টতার মধ্যে আপনার নিজের সিদ্ধান্ত নিতে হয়। প্রথমটির অংশ যত বেশি, তত দ্রুত আপনাকে পরিবর্তন করতে হবে।
সরঞ্জামের উদ্বেগ বন্ধ করুন এবং পাবলিক কম্পিউটিং পাওয়ারকে ব্যক্তিগত বাধা হিসেবে রূপান্তরিত করুন
জানুয়ারির শেষের দিকে ওপেনক্লস ( "ক্রিস্টেন মাছ" ) হঠাৎ চলে আসে, কয়েক দিনের মধ্যে গিটহাবের স্টার সংখ্যা ১৭ লাখের বেশি হয়ে যায়। সব মডেল প্রস্তুতকারকরা দ্রুত অনুসরণ করে, আলিবাবা ক্লাউড এক-ক্লিক ডিপ্লয়মেন্ট চালু করে, টেনসেন্ট CoPaw প্রকাশ করে, মিনিম্যাক্স এবং কিমি উভয়ই নিজেদের সামঞ্জস্যপূর্ণ সমাধান চালু করে।
তারপর আপনি একটি আকর্ষণীয় ঘটনা লক্ষ্য করবেন: এই মাসে অনেকের সময় ব্যয় হচ্ছে "ক্রিমস্টিন ডিপ্লয় করার উপায় অনুসন্ধান" এবং "কোন প্যাকেজটি বেশি লাভজনক তা তুলনা" করার উপর, যা তাদের AI ব্যবহার করে ব্যবসায়িক ফলাফল উৎপাদনের সময়ের চেয়েও বেশি। সবাই টুলসের পিছনে ছুটছে, কিন্তু টুলস পাওয়ার পর, আপনি যে কনফিগারেশনটি ডিপ্লয় করেছেন, অন্যরা দুই ঘণ্টার মধ্যেই সেটি ঠিক একইভাবে কপি করে ফেলতে পারে।
সমস্ত বড় ভাষা মডেল—OpenAI, Anthropic, Meta, Google, xAI—সমস্তই একই পাবলিক ইন্টারনেট ডেটা দিয়ে ট্রেন করা হয়েছে। তাই তারা মূলত একই, এবং এটিই কারণ যে তারা খুব দ্রুত কমোডিটাইজড হয়ে যাচ্ছে।
— ল্যারি এলিসন, ওরাকল 2026 আর্থিক বছরের Q2 আর্থিক ফলাফল কল
অন্যভাবে বললে: যদি আপনার কাজ শুধুমাত্র জনসাধারণের জন্য উন্মুক্ত বড় মডেলের ক্ষমতার উপর নির্ভর করে, তাহলে আপনার আউটপুট সমান হবে, যদিও আপনি কতটাই সুন্দরভাবে নির্দেশ লিখুন না কেন, কোনো প্রতিরক্ষা বা সুবিধা থাকবে না।
বাস্তব বাধা হল পাবলিক থেকে প্রাইভেটে যাওয়া।
এখন একটি স্পষ্ট প্রবণতা রয়েছে: বড় কোম্পানি থেকে স্টার্টআপ দল পর্যন্ত, অনেক সংগঠন স্থানীয়ভাবে প্রাইভেট মডেল ডিপ্লয় করছে। সরাসরি কারণটি হল তথ্য নিরাপত্তা—কেউই তাদের কোর বিজনেস ডেটা থার্ড-পার্টি API-এর হাতে দিতে চায় না। কিন্তু এই প্রবণতার একটি অবহেলিত প্রভাব রয়েছে: যখন শিল্পের প্রধান খেলোয়াড়গুলি তাদের ডেটা এবং জ্ঞানকে প্রাইভেট ডিপ্লয়মেন্টের ভিতরে আবদ্ধ করে, তখন পাবলিক ওয়েবে জেনারিক মডেলগুলির জন্য শিল্প-সম্পর্কিত তথ্যগুলির পরিমাণ কমে যাবে এবং এগুলির আপডেটও ধীরগতির হবে। প্রতীয়মানভাবে AI-এর মাধ্যমে সবারই জ্ঞানের বাধা কমেছে, কিন্তু সত্যিকারের মূল্যবান শিল্প-সম্পর্কিত জ্ঞানটি পাবলিক ওয়েব থেকে দ্রুতই অদৃশ্য হয়ে যাচ্ছে, এবং প্রতিটি সংস্থারই প্রাইভেট জ্ঞানভাণ্ডারের ভিতরে চলে যাচ্ছে।
তাই, আপনার বছরের পর বছর জমা করা শিল্পের "অন্ধকার জ্ঞান" মূল্যহীন হচ্ছে না, বরং মূল্যবান হচ্ছে। শর্ত হলো, আপনি এটিকে ব্যবহার করবেন।
মস্তিষ্কে, চ্যাট রেকর্ডে এবং ইতিহাসের ইমেইলগুলিতে ছড়ানো অস্ট্যান্ডার্ডাইজড ব্যবসায়িক অভিজ্ঞতা সংগঠিত ও কাঠামোবদ্ধ করুন, এবং এগুলিকে আপনার ব্যক্তিগত মডেলের জন্য "কনটেক্সট" হিসাবে প্রস্তুত করুন। TT3LABS ব্যাকএন্ড ডেটা অনুযায়ী, ওয়েব3 শিল্পে দুই বছরের বেশি অভিজ্ঞতা থাকা প্রার্থীদের প্রাথমিক নির্বাচনের হার, সাধারণ প্রযুক্তিগত দক্ষতা সম্পন্ন বড় কোম্পানির প্রার্থীদের তুলনায় অনেক বেশি, কারণ শিল্প-জ্ঞানের (Know-how) ওজন সাধারণ প্রযুক্তিগত দক্ষতার চেয়ে অনেক বেশি। তিন বছর CEX অপারেশন করা একজনের জন্য কমপ্লায়েন্স লজিক এবং লিস্টিংয়ের অদৃশ্য নিয়মগুলির বোঝা, দুটি DAO গভীরতা চক্রের অভিজ্ঞতা থাকা একজনের জন্য প্রস্তাবনা ডিজাইন এবং সম্প্রদায়ের মনোভাবের মোড়ের বিচার, এবং একটি বিশেষজ্ঞ-কনটেন্টের জন্য লক্ষ্যদর্শীর মনস্তত্ত্ব এবং বর্ণনার গতির সরাসরি অনুভূতি—এইসবকিছুই কোনও পাবলিকলি ট্রেইনিং ডেটাতে উপস্থিত হয়না।
যখন আপনি এই ব্যক্তিগত অভিজ্ঞতাগুলিকে সংগঠিত করে মডেলের সাথে সংযুক্ত করেন, তখন আপনার AI শুধুমাত্র একটি সাধারণ বিশ্বকোষ নয়, বরং একটি বিশেষ সহযোগী হয়ে ওঠে যা শুধুমাত্র আপনার জন্য কাজ করে এবং আপনার এই ক্ষেত্রটি বোঝে। এইভাবে উৎপাদিত গভীরতা অন্যরা একই সাধারণ মডেল ব্যবহার করেও অর্জন করতে পারবে না।
কেবলমাত্র একটি মূল যুক্তি রয়েছে: এআই পাবলিক জ্ঞান প্রক্রিয়াকরণে সবাইকে পিছনে ফেলে দেয়, কিন্তু প্রাইভেট অভিজ্ঞতা প্রক্রিয়াকরণে সম্পূর্ণরূপে আপনার দ্বারা ফিড করার উপর নির্ভরশীল। গভীর শিল্প জ্ঞানকে এআই-এর সাথে একীভূত করতে পারা মানুষই নতুন বিভাজনের মধ্যে মূল সম্পদ।
আপনার অভিজ্ঞতা সংগ্রহই প্রকৃত "মডেল"
এআই মডেলগুলি দ্রুত উন্নত হচ্ছে, আজকের GPT, Claude, Gemini ছয় মাস পরে আরও শক্তিশালী সংস্করণ দ্বারা প্রতিস্থাপিত হতে পারে। কিন্তু আপনার জন্য, একটি শক্তিশালী মডেলে স্যুইচ করা মানে শুধুমাত্র একটি অন্য API ইন্টারফেসে স্যুইচ করা। যা কখনও প্রতিস্থাপিত হবে না, তা হলো আপনি এটিকে যে ব্যক্তিগত ডেটা এবং অভিজ্ঞতা সংগ্রহ দিয়েছেন।
মডেল হল একটি সাধারণ অবকাঠামো, যা যে কেউ ব্যবহার করতে পারে। কিন্তু আপনি যা ইনপুট হিসেবে দেন—শিল্পের জ্ঞান, ব্যবসায়িক বিচার, এবং ব্যর্থতার অভিজ্ঞতা—সেগুলো শুধুমাত্র আপনার নিজস্ব "ট্রেনিং কর্পাস"। AI যতই শক্তিশালী হয়, ততই এটি আপনার এই কর্পাসকে বুঝতে পারে, এবং আপনার ব্যক্তিগত বাধা ততই বৃদ্ধি পায়। তাই "এখন জ্ঞানভিত্তিক ব্যবস্থা তৈরি করলে কি খুব শীঘ্রই পুরনো হয়ে যাবে?"—এই বিষয়ে চিন্তা করবেন না; আপনার জ্ঞানভিত্তিক ব্যবস্থা হল একমাত্র সম্পদ, যা মডেলের পুনরায় উন্নয়নের কারণে মূল্যহীন হবে না। মডেলগুলো পরিবর্তিত হচ্ছে, কিন্তু আপনার ডেটা-ভিত্তিক বাধা AI-এর ক্ষমতা বৃদ্ধির সাথে সাথেই মূল্যায়নের উচ্চতা অর্জন করবে।
এর সাথে সাথে, পারম্পরিক কর্মস্থলের প্রতিযোগিতামূলক যুক্তিও পুনর্লিখিত হচ্ছে। আগে কর্মচারীরা রাতজাগা কাজ করে নিজেদের প্রতিশ্রুতি প্রদর্শন করত, কিন্তু মেশিনগুলি 7×24 ঘন্টা আউটপুট দেয়, এবং "আমি অন্যদের চেয়ে বেশি সহ্য করতে পারি" এই কৌশলগুলি AI-এর সামনে শূন্যে ফিরে যায়।
অনেকে বলেন: "আমি এখনও টিমে ইমোশনাল ভ্যালু প্রদান করছি।" হ্যাঁ, এটি মানুষের অনন্য ক্ষমতা, কিন্তু এর প্রিমিয়াম আপনার লেভেলের উপর নির্ভর করে। যখন বেসিক টিম দশজনের থেকে দুজন এবং একসারি AI এজেন্টে কমে যায়, তখন "টিম লুব্রিক্যান্ট" এর প্রয়োগের পরিসর হারিয়ে যায়। কিন্তু ডিসিশন-মেকিং লেভেলে, জটিল ব্যবসায়িক গেম, উচ্চ-ঝুঁকিপূর্ণ বিশ্বাস গড়ে তোলা, এবং বিভিন্ন স্বার্থের মধ্যে সংঘাত মিটানো—তখন মানুষের মধ্যে গভীর সংযোগ নিচের খরচ কমে যাওয়ার কারণে আরও বেশি মূল্যবান হয়ে ওঠে। ইমোশনাল ভ্যালু অদৃশ্য হচ্ছে না, এটি উপরের দিকে সরে যাচ্ছে।
শেষ পর্যন্ত, এআই যুগে ব্যক্তিগতভাবে সবচেয়ে বেশি বিনিয়োগ করা উচিত কোন টুল ব্যবহার করা শেখা নয়, বরং শুধুমাত্র আপনারই থাকা ব্যক্তিগত এআইয়ের স্থায়িত্ব বজায় রাখা। টুলগুলি আপডেট হবে, কিন্তু অভিজ্ঞতার ভাণ্ডার হবে না।
তিনটি কার্যক্রম, এখনই শুরু করুন
ব্লকের কেসে ফিরে যাই, কিছু লোককে চাকরি থেকে বরখাস্ত করা হয়েছে, কিন্তু কিছু লোক এখনও রয়েছে—এর পার্থক্য হলো AI যখন স্ট্যান্ডার্ড উৎপাদন টুল হয়ে উঠবে, তখন কে অপরিহার্য থাকবে। কোম্পানির দ্বারা AI প্রশিক্ষণ দেওয়ার জন্য অপেক্ষা করবেন না, আজ থেকেই আমরা এই কাজগুলো শুরু করতে পারি:
01、প্রত্যক্ষ হওয়া থেকে কাজের প্রবাহ তৈরির দিকে যাওয়া
শ্রমিকদের সবচেয়ে বেশি জড়িয়ে পড়া বিষয় হলো AI ব্যবহার করে নিজেকে "আলসেমি" করা (যেমন: AI দিয়ে সপ্তাহান্তের রিপোর্ট লেখা বা ইমেইল সংশোধন করা), যা এখনও কার্যকরী স্তরের চিন্তাভাবনা। আপনার প্রকৃতপক্ষে যা করা উচিত, তা হলো নিজেকে একজন "কন্ট্রাক্টর" হিসাবে দেখা, এবং আপনার বর্তমান পদের সবচেয়ে গুরুত্বপূর্ণ আউটপুটকে AI-চালিত একটি অটোমেশন লাইনে পুনর্গঠন করা।
একসাথে দশটিরও বেশি নতুন মডেল পরীক্ষা করবেন না, বরং বর্তমানে সবচেয়ে পরিপক্ক টুলটি (যেমন ChatGPT Plus বা Claude) বাছাই করুন এবং এটিকে আপনার কাজের সবচেয়ে সময়সাপেক্ষ এবং অভিজ্ঞতা-নির্ভর ধাপে জোর করে ব্যবহার করুন। আপনার মূল "হাতে ডেটা সংগ্রহ → বিশ্লেষণ ও তুলনা → উপসংহার প্রদান" একক-লাইন প্রক্রিয়াকে "অটোমেশনযুক্ত ডেটা সংগ্রহ → AI বিশ্লেষণ ফ্রেমওয়ার্কে প্রবেশ করানো → মানুষের হস্তক্ষেপ ও সূক্ষ্ম সমন্বয়" এইভাবে পরিবর্তন করুন। যখন আপনি এই কাজের প্রবাহটি ব্যবহার করে একসপ্তাহের কাজকে একদিনে কমিয়ে আনতে পারবেন, এবং গুণগতমান অত্যন্ত স্থিতিশীল হবে, তখন আপনি শুধুমাত্র একটি একক কম্পিউটিং নোড হয়ে থাকবেন না, আপনি নিজেই একটি উচ্চ-লিভারেজ "সূক্ষ্ম-কোম্পানি"-এর মতো হয়ে উঠবেন।
02、অদৃশ্য অভিজ্ঞতাকে আপনার নিজস্ব ডিজিটাল ডুপ্লিকেটে কাঠামোবদ্ধ করুন
বড় মডেলগুলি পাবলিক ডেটা খেয়ে শেখে, এটি সমস্ত তত্ত্ব বোঝে, কিন্তু এটি কখনই আপনার কোম্পানির সেই অত্যন্ত কঠিন বড় ক্লায়েন্টের অদৃশ্য অভ্যাসগুলি বোঝে না, এবং আপনার বিভাগ এবং ফিন্যান্স বিভাগের মধ্যে যেসব অস্পর্শনীয় বিষয় রয়েছে তা বোঝে না। এই "অন্ধকার জ্ঞান"গুলি, যা আপনি অসংখ্য ভুলের মাধ্যমে অর্জন করেছেন, হল আপনার সবচেয়ে গুরুত্বপূর্ণ সম্পদ।
কিন্তু এই সম্পদগুলি যদি শুধু আপনার মস্তিষ্কে থাকে, তবে এগুলি চক্রবৃদ্ধি উৎপন্ন করতে পারবে না। আপনার বর্তমান কাজ হল বর্তমানে বড় মডেলগুলির কাস্টমাইজেশন ফিচার (যেমন Custom GPTs বা Claude Projects) ব্যবহার করে আপনার অভিজ্ঞতাকে এর "সিস্টেম প্রিসেট ইনস্ট্রাকশন" হিসেবে পরিণত করা। আপনি যেসব প্রান্তিক কেস, ব্যর্থতার পুনর্বিশ্লেষণ রিপোর্ট, এবং শিল্পের অলিখিত নিয়মগুলি প্রক্রিয়াকরণ করেছেন, সবগুলি এটিকে দিন। আপনার লক্ষ্য হল একটি স্থির জ্ঞানভাণ্ডারের নোটবুক তৈরি করা নয়, বরং "প্রশিক্ষণ" দিয়ে এমন একটি ২৪-ঘন্টা ব্যক্তিগত সহায়ককে তৈরি করা যেটি আপনার অত্যন্ত ব্যক্তিগত ব্যবসায়িক শৈলীযুক্ত, এবং শুধুমাত্র আপনারই জন্য কাজ করবে। যখন আপনার "ডিজিটাল ডুপ্লিকেট"টি পূর্ণাঙ্গভাবে গঠিত হবে, তখন অন্যরা সাধারণ AI-এর সাথে আপনার সঙ্গে প্রতিদ্বন্দ্বিতা করতে পারবেন না।
03、নিজের "সমস্যা সংজ্ঞায়নের অধিকার" এবং দায়বদ্ধতা বৃদ্ধি করুন
টিমে, "উত্তর খুঁজে বের করা"-এর কাজ মেশিনের উপর ছেড়ে দিন এবং "প্রশ্ন করা" এবং "সিদ্ধান্ত নেওয়া"-এর ক্ষমতা নিজের হাতে রাখুন। AI একটি আদর্শ উত্তর ইঞ্জিন, কিন্তু এটি কখনই একটি প্রয়োজনের পিছনের প্রকৃত ব্যবসায়িক উদ্দেশ্য বুঝতে পারবে না। বস বলছেন, "আমি একটি নতুন বাঁচা রাখার কৌশল তৈরি করতে চাই," AI তৎক্ষণাৎ 10টি গ্রোথ হ্যাকিংয়ের থিওরি মডেল দিয়ে দেবে। কিন্তু শুধুমাত্র আপনিই বর্তমান বাজেট এবং ডেভেলপমেন্ট সম্পদের সাথে মিলিয়ে "সমাধান B যদিও আদর্শ, কিন্তু বর্তমানে বাস্তবায়নযোগ্য নয়, সমাধান C-এর অর্ধেক ফিচার কেটে ফেলা আমাদের বর্তমান গতির জন্য সবচেয়ে উপযুক্ত" —এটি বলতে পারবেন।
একইসাথে, আপনাকে একটি বিষয় বুঝতে হবে: এআই কারাগারে যাবে না, দায়িত্ব নেবে না। কোম্পানি আপনাকে উচ্চ বেতন দেয়, অনেকসময় ব্যবসায়িক ফলাফলের জন্য আপনার "গ্যারান্টি" কিনছে। যখন আপনি এআই দ্বারা তৈরি কোড বা সমাধান জমা দেন, তখন আপনাকে আত্মবিশ্বাসের সাথে বলতে হবে: "আমি আমার পেশাদার অভিজ্ঞতা দিয়ে এআই-এর আউটপুট পরীক্ষা করেছি, আমি চূড়ান্ত বাস্তবায়নের ফলাফলের জন্য দায়ী।" অস্পষ্টতার মধ্যে সিদ্ধান্ত নেওয়ার এবং চূড়ান্ত ব্যবসায়িক পরিণতির জন্য দায়িত্ব নেওয়ার এই "দায়িত্বের প্রিমিয়াম" — যা কোনও সময়েই মেশিন প্রতিস্থাপন করতে পারবে না।
ডর্সি বলেছেন "অধিকাংশ কোম্পানি ইতিমধ্যে দেরি করে ফেলেছে"। কিন্তু ব্যক্তিগত পর্যায়ে এই বক্তব্যটি উল্টোভাবেও প্রযোজ্য: অধিকাংশ মানুষ এখনও প্রস্তুতি শুরু করেননি এবং এই প্রবণতাটি বুঝতে পারেননি।
প্রত্যেকের জন্য এআই বিশেষজ্ঞ হওয়ার দরকার নেই। কিন্তু প্রত্যেকের জন্য একটা প্রশ্ন ভাবতে হবে: আপনার কাজের মধ্যে কোন অংশগুলো মেশিন অবশ্যই করতে পারবে, আর কোনগুলো আপনার অনন্য, এবং সময় ও শক্তি আগেরটার থেকে পরেরটাতে সরিয়ে দিন।
যদি একদিন এআই ২০২৭ সালে বা ২০৩০ সালে সবক্ষেত্রে মানুষকে পার করে যায়, তবে এটি এমন একটি পরিবর্তন নয় যা আপনি শুধু পর্যবেক্ষণ করতে পারবেন।
এটি আপনার প্রস্তুতির অপেক্ষা করে না।