এআই টুল তৈরি করেছে। আসল চ্যালেঞ্জ হলো সেগুলোকে কাজের জায়গায় লাভজনক করা।

ডেমোর পরের প্রশ্ন

কৃত্রিম বুদ্ধিমত্তায় এখন সবচেয়ে গুরুত্বপূর্ণ প্রশ্নটি সম্ভবত আর এই নয় যে সিস্টেমগুলো কতটা চমকপ্রদ। প্রশ্নটি হলো, ডেমো, কোডিং বেঞ্চমার্ক, এবং বিনিয়োগকারীদের উপস্থাপনার বাইরে গেলে তারা কি নির্ভরযোগ্য অর্থনৈতিক মূল্য তৈরি করতে পারে? নতুন একটি MIT Technology Review বিশ্লেষণের সুত্র ধরে এটাই মূল বক্তব্য, যেখানে বর্তমান এআই মুহূর্তটিকে একটি পরিচিত তিন-ধাপের কল্পনা হিসেবে দেখা হয়েছে: প্রযুক্তি তৈরি করো, ধরে নাও মুনাফা আসবেই, আর মাঝের কঠিন অংশটাকে ব্যাখ্যা না করেই ছেড়ে দাও।

দেওয়া উৎসপাঠ্যটি South Park-এর একটি বহুল পরিচিত রসিকতার ওপর ভিত্তি করে: “পর্যায় 1: আন্ডারপ্যান্ট সংগ্রহ করো। পর্যায় 2: ? পর্যায় 3: মুনাফা।” এই পুনর্কথনে, এআই ইতিমধ্যেই শক্তিশালী সিস্টেম তৈরি করে প্রথম ধাপ শেষ করেছে, আর শিল্প এখন জোরেশোরে তৃতীয় ধাপের প্রতিশ্রুতি দিচ্ছে, অর্থাৎ রূপান্তর এবং অর্থনৈতিক লাভ। কিন্তু যে অংশটি এখনও অমীমাংসিত, তা হলো দ্বিতীয় ধাপ: সক্ষমতাকে দৈনন্দিন কর্মক্ষেত্রের মূল্যে রূপান্তর করার জটিল কাজ।

এই কাঠামোটি তাই প্রাসঙ্গিক, কারণ এটি বর্তমান এআই উত্থানের কেন্দ্রে থাকা দ্বন্দ্বটিকে ধরতে পারে। মডেল লিখতে পারে, সারসংক্ষেপ করতে পারে, শ্রেণিবিন্যাস করতে পারে, কোড তৈরি করতে পারে, এবং ভাষাভিত্তিক কাজের ক্রমবর্ধমান পরিসর সামলাতে পারে। তবু বেঞ্চমার্ক বা পাইলটে চিত্তাকর্ষক দক্ষতা কোনো বাস্তব প্রতিষ্ঠানের ভেতরে নিজে থেকে উৎপাদনশীলতা, মার্জিন বৃদ্ধি, বা টেকসই বিনিয়োগ-ফেরত হয়ে যায় না।

প্রবন্ধটি বলছে, কোডিং বাদে সেরা এআই সিস্টেমগুলো এখনো কর্মক্ষেত্রে অর্থনৈতিকভাবে কার্যকর হওয়ার ব্যাপারে লড়াই করছে। এই পার্থক্যটি গুরুত্বপূর্ণ। জেনারেটিভ এআই-এর জন্য কোডিং এখন পর্যন্ত সবচেয়ে শক্তিশালী প্রাথমিক বাণিজ্যিক ভিত্তিগুলোর একটি, কারণ আউটপুট ডিজিটাল, কাজের প্রবাহ পুনরাবৃত্তিমূলক, এবং ব্যবহারকারীরা প্রায়ই ফলাফল মূল্যায়নে খুবই দক্ষ। অন্য অনেক ক্ষেত্র এতটা ক্ষমাশীল নয়। ভুলের খরচ বেশি, তদারকি ধীর, কাজ কম কাঠামোবদ্ধ, এবং বিদ্যমান প্রক্রিয়ার সঙ্গে একীভূত করা কঠিন।

এই ব্যবধানের উদাহরণ হিসেবে বিশ্লেষণটি দুটি সাম্প্রতিক গবেষণার কথা বলেছে। Anthropic-এর একটি গবেষণা অনুমান করেছিল, কোন ধরনের কাজ বড় ভাষা মডেল দ্বারা সবচেয়ে বেশি প্রভাবিত হতে পারে, যেখানে ম্যানেজার, স্থপতি, এবং মিডিয়ার সঙ্গে জড়িত মানুষদের মতো ভূমিকা চিহ্নিত করা হয়েছিল, আর গ্রাউন্ডস্কেপার, নির্মাণশ্রমিক, এবং হসপিটালিটি কর্মীদের ওপর তুলনামূলক কম প্রভাবের ইঙ্গিত দেওয়া হয়েছিল। কিন্তু প্রবন্ধটি জোর দিয়ে বলছে, এ ধরনের ভবিষ্যদ্বাণী মূলত কাজের উপযোগিতা নিয়ে অনুমান, বাস্তব কর্মক্ষেত্রের পারফরম্যান্সের প্রমাণ নয়।

এটাই একটি গুরুত্বপূর্ণ পার্থক্য। কোনো মডেল তাত্ত্বিকভাবে কোনো কাজে সহায়তা করতে সক্ষম বলে মনে হতে পারে, কিন্তু বাস্তবে এমন অনেক বাধা থাকে যা নির্ধারণ করে একজন নিয়োগকর্তা সেটি ব্যাপকভাবে চালু করবেন কি না। এসবের মধ্যে রয়েছে নির্ভরযোগ্যতা, সম্মতি, পর্যবেক্ষণের খরচ, ব্যবহারকারীর আস্থা, কাজের প্রবাহ পুনর্গঠন, এবং খুব সহজ প্রশ্নটি যে বর্তমান পদ্ধতিতে থাকা অপেক্ষা সিস্টেমটি ব্যবহার করা আদৌ দ্রুততর বা সস্তা কি না।

এআই সম্পর্কে সবচেয়ে বড় দাবিগুলোর অনেককেই একই সমস্যা ছায়ার মতো অনুসরণ করে। নির্বাহী ও গবেষকেরা প্রযুক্তিটিকে অর্থনৈতিকভাবে রূপান্তরমূলক বলে বর্ণনা করতে পারেন, এবং তারা হয়তো শেষ পর্যন্ত ঠিকও হতে পারেন। কিন্তু রূপান্তর তখনই গণ্য হবে, যখন প্রতিষ্ঠানগুলো উৎপাদনে সেই মূল্য বারবার ধরে রাখতে পারবে। অর্থাৎ আসল প্রতিযোগিতা সম্ভবত সবচেয়ে উন্নত মডেল কার আছে তা নিয়ে নয়। বরং প্রশ্নটি হলো, মডেল আউটপুট আর ব্যবসায়িক ফলাফলের মাঝের হারিয়ে যাওয়া মধ্যস্তরকে কে সংজ্ঞায়িত, কার্যকর, এবং স্কেল করতে পারে।

এই স্তরে থাকতে পারে প্রক্রিয়া পুনর্গঠন, নিয়ন্ত্রণ, তদারকি ব্যবস্থা, সফটওয়্যার ইন্টারফেস, মূল্য নির্ধারণের মডেল, প্রশিক্ষণ, এবং এআই কোথায় মানবশ্রমকে সত্যিকারেরভাবে বাড়ায়, আর কোথায় সেটিকে আরও জটিল করে তোলে সে সম্পর্কে আরও স্পষ্ট বোঝাপড়া। MIT Technology Review-এর লেখাটি বলছে, বিভিন্ন শিবির ইতিমধ্যেই সেই মধ্যবর্তী জায়গায় ভিন্ন ভিন্ন উত্তর প্রক্ষেপণ করছে। Pause AI-ঘনিষ্ঠ কর্মীরা নিয়ন্ত্রণকে অপরিহার্য বলে দেখছেন। আর সমর্থকেরা প্রায়ই অনিশ্চয়তাকে এড়িয়ে যান, কারণ তারা পথের চেয়ে গন্তব্যেই বেশি মনোযোগী।

বাস্তবে পথটাই হলো গল্প। কর্মক্ষেত্রের প্রতিটি বড় প্রযুক্তি-তরঙ্গের সাফল্য নির্ভর করেছে টুলটির চারপাশের সহায়ক ব্যবস্থার ওপর। স্প্রেডশিট গুরুত্বপূর্ণ ছিল, কিন্তু সেটিকে গ্রহণ করা ব্যবসায়িক প্রক্রিয়াগুলোও ততটাই গুরুত্বপূর্ণ ছিল। ইন্টারনেট গুরুত্বপূর্ণ ছিল, কিন্তু পেমেন্ট, লজিস্টিকস, মানদণ্ড, আর ব্যবহারকারীর অভ্যাসও ততটাই জরুরি ছিল। এআই সম্ভবত একই পথে হাঁটবে। মডেল হলো মূল্যশৃঙ্খলের কেবল একটি অংশ।

এ কারণেই বর্তমান বাজারে এত উত্তেজনা। কোম্পানিগুলো ইতিমধ্যে মডেল, কম্পিউট, ইন্টিগ্রেশন, এবং পাইলটে বিপুল অর্থ ব্যয় করেছে। সেই খরচ যে শুধু নতুনত্বের চেয়ে বেশি কিছু ফল দিচ্ছে তা দেখানোর চাপ তাদের ওপর রয়েছে। যদি অর্থনৈতিক যুক্তি কেবলমাত্র একটি সংকীর্ণ প্রয়োগপরিসরে সবচেয়ে শক্তিশালী থাকে, তবে hype থেকে বিস্তৃত লাভজনকতায় পৌঁছানোর পথ অনেক পূর্বাভাসের তুলনায় ধীর এবং আরও বাছাইকৃত হবে।

তাই, যে ধাপটি হারিয়ে গেছে তা সামান্য কোনো বাস্তবায়ন বিবরণ নয়। এটিই এআই যুগের কেন্দ্রীয় ব্যবসায়িক সমস্যা। যতক্ষণ না কোম্পানিগুলো প্রমাণসহ দেখাতে পারে যে তারা প্রযুক্তিগত সম্ভাবনা থেকে কীভাবে পুনরাবৃত্ত কর্মক্ষেত্রগত লাভে পৌঁছায়, ততক্ষণ এই খাতটি প্রকৃত অগ্রগতি আর অতিরঞ্জিত প্রত্যাশার মাঝে দুলতে থাকবে। এআই এখন এমন এক পর্যায়ে এসেছে, যেখানে এর সবচেয়ে কঠিন চ্যালেঞ্জ আর বেশি সক্ষমতা তৈরি করা নয়। চ্যালেঞ্জ হলো সক্ষমতাকে কার্যকর করা।

এই প্রবন্ধটি MIT Technology Review-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল প্রবন্ধ পড়ুন.