OpenAI Codex skills এবং plugins-কে AI workplace automation-এর পরবর্তী স্তর হিসেবে তুলে ধরছে

chat assistant থেকে process-following work agent-এ

OpenAI-এর সর্বশেষ Codex নির্দেশিকা দেখায়, কোম্পানি AI-কে দৈনন্দিন কাজের ভেতরে আরও গভীরে নিতে কীভাবে ভাবছে। নতুন Academy explainer-এ OpenAI দুটি building block ব্যাখ্যা করেছে: plugins, যেগুলো Codex-কে বাইরের টুল ও তথ্যের উৎসের সঙ্গে যুক্ত করে, এবং skills, যেগুলো একটি দল বা কোম্পানি কীভাবে কোনো কাজ সম্পন্ন করতে চায় তা শেখায়।

এই পার্থক্যটি গুরুত্বপূর্ণ, কারণ এটি AI-র উপযোগিতাকে একবারের prompting-এর বাইরে নিয়ে যায়। একটি plugin সিস্টেমকে access দেয়। একটি skill তাকে procedure দেয়। দুটো একসঙ্গে ব্যবহার করলে এগুলো অফিসের কাজের জন্য একধরনের হালকা operational layer-এর মতো হয়ে ওঠে, যেখানে একটি AI agent connected systems থেকে data টেনে নিতে পারে এবং তারপর প্রতিবার নতুন করে নির্দেশনা ছাড়াই একটি নির্দিষ্ট, প্রতিষ্ঠানের নিজস্ব workflow অনুসরণ করতে পারে।

এটা হয়তো সামান্য অগ্রগতি মনে হতে পারে, কিন্তু এটি বড় উচ্চাকাঙ্ক্ষার দিকে ইঙ্গিত করে। Codex-কে শুধু conversational helper হিসেবে নয়, এমন একটি system হিসেবে স্থাপন করা হচ্ছে যা tools সংযুক্ত করতে পারে, context পেতে পারে, এবং repeatable process এতটাই কাছ থেকে অনুসরণ করতে পারে যে কম supervision-এও বাস্তব output তৈরি করতে পারে।

plugins কী করে

OpenAI-এর explainer অনুযায়ী, plugins Codex-কে অন্য টুল এবং তথ্যের উৎসের সঙ্গে যুক্ত করতে সাহায্য করে। এটি যে উদাহরণগুলো দেয় সেগুলো ভবিষ্যতমুখী নয়, বরং ব্যবহারিক: email inbox স্ক্যান করা, Google Drive-এ থাকা files রেফারেন্স করা, বা একটি দল ইতিমধ্যেই ব্যবহার করছে এমন অন্য কোনো tool থেকে তথ্য টেনে আনা। অন্য কথায়, plugins-এর উদ্দেশ্য হলো chat interface এবং যেখানে কাজ সত্যিই হয়, সেই systems-এর মধ্যে সাধারণত থাকা manual copy-paste কমানো।

এটি গুরুত্বপূর্ণ, কারণ অনেক workplace task fragmented context-এর কারণে bottleneck-এ আটকে যায়। একটি report-এর জন্য email, documents, dashboards, এবং internal notes-এর তথ্য লাগতে পারে। connectors না থাকলে, AI কিছু দরকারি কাজ করার আগে ব্যবহারকারীকে এই সবকিছু হাতে গুছিয়ে নিতে হয়। plugins connected environment থেকে প্রয়োজনীয় তথ্য সরাসরি আনার সুযোগ দিয়ে সেই gap কমায়।

OpenAI আরও জানায়, একটি নতুন plugin তৈরি করতে সাধারণত skill তৈরির চেয়ে বেশি technical expertise দরকার হয়। তাই plugins-কে infrastructure হিসেবে, আর skills-কে দলগুলোর নিজস্ব operating playbook সংজ্ঞায়িত করার জন্য তুলনামূলকভাবে সহজলভ্য কিছু হিসেবে ভাবা যায়।

skills কী করে

plugins যদি access দেয়, skills দেয় method। OpenAI একটি skill-কে এমন একটি playbook হিসেবে বর্ণনা করে যা Codex অনুসরণ করতে পারে, এবং যা কোনো নির্দিষ্ট দল বা কোম্পানির মধ্যে একটি কাজ কীভাবে করা হয় তা শেখায়। কোম্পানির উদাহরণগুলো বেশ তাৎপর্যপূর্ণ: একটি দল কীভাবে newsletter লেখে, কীভাবে customer account brief প্রস্তুত করে, কীভাবে project plans ফরম্যাট করে, কীভাবে external communications brand voice-এর জন্য review করে, বা data সংগ্রহের সময় কোন টুলগুলো কোন ক্রমে পরীক্ষা করে।

এটি ব্যবসায়িক কাজের একটি কেন্দ্রীয় সত্যকে প্রতিফলিত করে: অনেক কাজ আংশিকভাবে generic হলেও পুরোপুরি নয়। একটি weekly status update, customer brief, বা internal report বাইরে থেকে সরল মনে হতে পারে, কিন্তু বাস্তবে প্রতিটি প্রতিষ্ঠানের নিজস্ব কাঠামো, approval logic, এবং tone থাকে। skills হলো সেই পরিবর্তনশীলতার জন্য OpenAI-এর উত্তর। বারবার prompt engineering-এর ওপর নির্ভর না করে, একটি দল একবার প্রত্যাশা encode করে পরে তা পুনরায় ব্যবহার করতে পারে।

OpenAI-এর ব্যাখ্যা কতটা operational, তা লক্ষণীয়। কোম্পানি skills-কে creativity booster হিসেবে উপস্থাপন করছে না। তারা এগুলোকে process execution standardize করার উপায় হিসেবে দেখাচ্ছে।

দুটো একসঙ্গে কেন গুরুত্বপূর্ণ

এই framework-এর সবচেয়ে আকর্ষণীয় দিক হলো OpenAI কীভাবে দুই সিস্টেমকে একসঙ্গে ব্যবহারের কথা বলছে। source text-এর উদাহরণটি স্পষ্ট: একটি skill Codex-কে Google Drive plugin ব্যবহার করে একটি folder থেকে সর্বশেষ files আনতে এবং তারপর দলের পছন্দের format-এ একটি weekly project update draft করতে বলতে পারে। এই সংমিশ্রণ AI-কে generalized text generator থেকে একটি workflow actor-এর কাছাকাছি নিয়ে যায়।

এর প্রভাব newsletters বা status summaries-এর চেয়েও বড়। যদি কোনো system সঠিক files retrieve করতে পারে, সঠিক ক্রমে সঠিক tools পরীক্ষা করতে পারে, এবং প্রয়োজনীয় কাঠামোতে কাজ তৈরি করতে পারে, তবে recurring knowledge task-এর বিস্তৃত অংশ আরও automate করা সম্ভব। পুরোপুরি autonomous না হলেও, আগের তুলনায় অনেক বেশি delegated।

এখানেই “thinking help” আর “work help”-এর মধ্যে পার্থক্য আরও স্পষ্ট হয়। প্রচলিত chat system তখনই উপকারী যখন ব্যবহারকারী সব context নিয়ে আসে এবং প্রতিটি ধাপ সক্রিয়ভাবে নির্দেশ করে। একটি connected, process-aware agent কাজের procedural middle অংশটি করতে শুরু করে।

OpenAI কী ইঙ্গিত দিচ্ছে

Academy guidance একটি product education হলেও, এতে strategy-ও স্পষ্ট। OpenAI মনে করছে enterprise AI adoption-এর পরবর্তী ধাপ raw model capability-এর চেয়ে বেশি নির্ভর করবে AI systems বিদ্যমান work environments-এর সঙ্গে কতটা ভালো মানিয়ে নিতে পারে তার ওপর। tools access, repeatable process knowledge, এবং organization-specific behavior AI system-কে সত্যিই কাজে লাগার মতো করে তুলতে general intelligence-এর মতোই গুরুত্বপূর্ণ হতে পারে।

এটি একটি উল্লেখযোগ্য পরিবর্তন, কারণ এতে perfectly crafted prompt-এর ওপর জোর কমে। এই মডেলে, অনেক সময় ভালো পথ হলো একবার কাঠামোতে বিনিয়োগ করা: সঠিক systems connect করা, সঠিক workflow define করা, এবং agent-কে সেই setup বারবার ব্যবহার করতে দেওয়া।

সীমাবদ্ধতাগুলোও স্পষ্ট। connected systems governance concern তৈরি করে, এবং repeatable workflows এখনও review চায়। OpenAI নিজেই Codex-কে এমনভাবে ব্যাখ্যা করে যে এটি কী গুরুত্বপূর্ণ সে বিষয়ে দিকনির্দেশনা চায় এবং কাজ চূড়ান্ত করার আগে review দরকার। কিন্তু দিকনির্দেশনা পরিষ্কার। কোম্পানি AI-কে শুধু responsive নয়, operational করতে চাইছে।

skills এবং plugins বাইরে থেকে সাধারণ শোনালেও, বাস্তবে এগুলো বড় একটি ধারণার সঙ্গে মিলে যায়: AI তখনই বেশি মূল্যবান হয় যখন সে কাজের পরিবেশ দেখতে পারে এবং সেই পরিবেশের local rules অনুসরণ করতে পারে। enterprises যদি experimentation-এর বাইরে যেতে চায়, তবে এটি আরেকটি সামান্য conversational polish উন্নতির চেয়ে বেশি গুরুত্বপূর্ণ innovation হতে পারে।

• OpenAI বলছে plugins Codex-কে বাইরের tools এবং data sources-এর সঙ্গে যুক্ত করে।
• skills-কে দলভিত্তিক workflows-এর জন্য পুনর্ব্যবহারযোগ্য playbook হিসেবে বর্ণনা করা হয়েছে।
• দুটো একসঙ্গে ব্যবহার করলে Codex তথ্য টেনে এনে তারপর নির্ধারিত প্রক্রিয়া প্রয়োগ করতে পারে।
• এই framework recurring operational work আরও সরাসরি সামলাতে সক্ষম AI systems-এর দিকে ইঙ্গিত করে।

এই নিবন্ধটি OpenAI-এর প্রতিবেদনভিত্তিক। মূল নিবন্ধ পড়ুন.