চীনা টেক কর্মীদের নিজেদের বদলাতে AI-কে শেখাতে বলা হচ্ছে

একটি ব্যঙ্গাত্মক প্রকল্প বাস্তব কর্মক্ষেত্রের আশঙ্কা প্রকাশ করল

চীনে একটি ভাইরাল GitHub প্রকল্প দেশের টেক খাতের ভেতরে বাড়তে থাকা উদ্বেগকে স্পষ্ট করে তুলেছে: কর্মীরা ক্রমেই বিশ্বাস করতে শুরু করেছেন যে তাদের এমন সিস্টেম গড়তে সাহায্য করতে বলা হচ্ছে যা শেষ পর্যন্ত তাদেরই বদলে দিতে পারে। Colleague Skill নামে প্রকল্পটি নিজেকে এমন একটি উপায় হিসেবে উপস্থাপন করেছিল, যার মাধ্যমে একজন সহকর্মীর দক্ষতা ও ব্যক্তিত্বকে পুনঃব্যবহারযোগ্য AI agent-এ কপি করা যায়। এটি একটি spoof হিসেবে তৈরি হয়েছিল, কিন্তু প্রতিক্রিয়া ইঙ্গিত দেয় যে ভিত্তিটা অস্বস্তিকরভাবে বাস্তবসম্মত মনে হয়েছে।

MIT Technology Review-এর মতে, কর্মীরা প্রকাশনাটিকে জানিয়েছেন যে বসরা ইতিমধ্যেই তাদের workflows নথিভুক্ত করতে উৎসাহিত করছেন, যাতে AI agent tools নির্দিষ্ট কাজ ও প্রক্রিয়া স্বয়ংক্রিয় করতে পারে। এই রসিকতাটি তাই সাড়া ফেলেছে, কারণ এটি উদীয়মান management pattern-এর সঙ্গে মিলে গেছে। কর্মক্ষেত্রের automation-এর এই সংস্করণে, কর্মীরা কেবল নতুন software-এর সঙ্গে মানিয়ে নিচ্ছেন না। তাদের নিজেদেরই দক্ষতাকে machine-readable instructions-এ রূপান্তর করতে বলা হচ্ছে।

প্রকল্পটি কীভাবে কাজ করে এবং কেন এটি এত সাড়া ফেলেছে

Colleague Skill কীভাবে কাজ করে বলে জানানো হয়েছে, তা বোঝায় কেন এটি এত দ্রুত ছড়িয়েছে। ব্যবহারকারীরা একজন সহকর্মীর নাম দেন, profile details যোগ করেন, Lark ও DingTalk-সহ workplace apps থেকে chat histories ও files import করেন, এবং এমন manuals তৈরি করেন যা কেবল দায়িত্ব নয়, যোগাযোগের ধরনে থাকা quirks-ও বর্ণনা করে। ফলাফলকে একটি portable AI “coworker” হিসেবে দেখানো হয়, যা code debugging এবং তাৎক্ষণিকভাবে সাড়া দেওয়ার মতো কাজে সাহায্য করতে পারে।

এটি যদিও একটি stunt, তবু প্রকল্পটি দেখিয়েছে যে এখন অনেক কোম্পানি knowledge work-কে কীভাবে ভাবছে, তাতে বাস্তব পরিবর্তন এসেছে। জোর এখন শুধু সাধারণ-purpose chatbots-এর ওপর নেই। মানুষের কাছ থেকে tacit process knowledge বের করে নিয়ে সেটিকে repeatable operational assets-এ পরিণত করাই মূল লক্ষ্য। এটি সাধারণ software adoption-এর চেয়ে আলাদা ধরনের উদ্বেগ তৈরি করে। ঝুঁকি কেবল efficiency pressure নয়। ব্যক্তিগত কর্মীরা template-এ পরিণত হয়ে যাওয়ার সম্ভাবনাও আছে।

Shanghai-র এক টেক কর্মী Amber Li, পত্রিকাটিকে বলেন যে তিনি একটি experiment হিসেবে এই tool ব্যবহার করে এক সাবেক সহকর্মীকে আবার তৈরি করেছিলেন। তিনি জানান, তৈরি হওয়া file-টি সেই ব্যক্তির habits আশ্চর্যজনকভাবে ভালোভাবে ধরেছিল, এমনকি তারা কীভাবে প্রতিক্রিয়া দিতেন এবং punctuation style-ও। এই প্রযুক্তিগত plausibility-ই সম্ভবত একটি কারণ, যে প্রকল্পটি কেবল রসিকতা হয়ে থাকেনি।

Automation-এর চাপ এবং শ্রম-অনিরাপত্তা

Colleague Skill-এর নির্মাতা, Shanghai Artificial Intelligence Laboratory-এর engineer Tianyi Zhou, reportedly বলেছেন যে AI-সম্পর্কিত layoff এবং কোম্পানিগুলির কর্মীদের নিজেদেরই automate করতে বলার প্রবণতা থেকেই এই প্রকল্পের অনুপ্রেরণা এসেছে। এই বিষয়টি গুরুত্বপূর্ণ, কারণ এটি বিতর্কটিকে বৃহত্তর অর্থনৈতিক প্রেক্ষাপটে স্থাপন করে। AI adoption কেবল productivity upgrade হিসেবে গ্রহণ করা হচ্ছে না। অনেক কর্মীর কাছে এটি job insecurity এবং management pressure-এর প্রেক্ষাপটে আসছে।

টেক খাতে এই উত্তেজনা বিশেষভাবে তীব্র, কারণ বহু কর্মী AI tools-এর enthusiastic early adopters। তাই প্রতিক্রিয়াও উল্লেখযোগ্য। বিরোধিতা আসছে না শুধু automation-বিরোধী বা প্রযুক্তি-অপরিচিত কর্মীদের কাছ থেকে। এটি আসছে এমন লোকদের কাছ থেকেও, যারা সিস্টেমগুলো যথেষ্ট বোঝেন এবং দেখতে পান কীভাবে documentation, chat logs, ও internal files খুব দ্রুত replacement infrastructure-এ রূপ নিতে পারে।

এই উদ্বেগকে লেখাটি OpenClaw বা Claude Code-এর মতো AI agent tools-এর দ্রুত জনপ্রিয়তার সঙ্গে যুক্ত করেছে। একবার এগুলো বিশ্বাসযোগ্য workflow engines হয়ে উঠলে, একটি কাজ কীভাবে করা হয় তা লিখে ফেলা training material-এর চেয়ে কম এবং human discretion থেকে দূরে সরে যাওয়ার একটি migration path-এর মতো বেশি মনে হতে শুরু করে।

মর্যাদা, স্বকীয়তা, এবং অফিসের কাজের ভবিষ্যৎ

প্রকল্পটি ছড়িয়ে পড়ার পর যে বিতর্ক তৈরি হয়েছিল, তা চাকরির ঝুঁকির বাইরে গিয়ে মর্যাদা ও স্বকীয়তার প্রশ্নেও পৌঁছায়। যদি কোনও কর্মীর ভূমিকা manuals, examples, আর stylistic markers-এ নামিয়ে আনা যায়, তবে প্রতিষ্ঠান professional identity-কে modular ও transferable কিছু হিসেবে দেখতে শুরু করতে পারে। কর্মীকে তখন ব্যক্তি হিসেবে কম এবং এমন এক সেট habits হিসেবে বেশি মূল্য দেওয়া হয়, যা capture, replay, ও scale করা যায়।

এর মানে এই নয় যে AI agents রাতারাতি পুরো team বদলে দিতে চলেছে। উৎস উপাদান এতদূর পর্যন্ত এমন sweeping conclusion সমর্থন করে না। তবে এটি দেখায় যে কর্মীরা knowledge capture-কে increasingly একটি contested process হিসেবে দেখছেন। Documentation আগে maturity ও continuity-এর চিহ্ন ছিল। AI-heavy workplace-এ, সেটি handoff mechanism হিসেবেও দেখা যেতে পারে।

চীনে এই আলোচনা সম্ভবত চীনের বাইরেও সাড়া ফেলবে। বিশ্বজুড়ে বহু কোম্পানি এমন agentic tools অন্বেষণ করছে, যা best practices encode করতে, output standardize করতে, এবং individual employees-এর ওপর নির্ভরতা কমাতে promise করে। চীনের বিতর্ক দেখায়, সেই আকাঙ্ক্ষাগুলি কত দ্রুত workforce trust-এর সঙ্গে সংঘর্ষে জড়াতে পারে।

ম্যানেজাররা কী কম গুরুত্ব দিচ্ছেন

Colleague Skill ঘটনাটির সবচেয়ে জোরালো শিক্ষাটি হলো, কর্মীদের self-extraction-এর ওপর নির্ভর করা automation programs-এর সামাজিক খরচ প্রতিষ্ঠানগুলো কম মূল্যায়ন করতে পারে। লক্ষ্য যদি augmentation হয়, কর্মীরা অনেক সময় নতুন tools মেনে নিতে পারেন। কিন্তু প্রক্রিয়াটি যদি স্পষ্টভাবে তাদের নিজেদেরই substitution-এর জন্য model করতে বলে, তাহলে প্রতিক্রিয়া একেবারেই আলাদা হতে পারে।

এই পার্থক্য agent era-র অন্যতম সংজ্ঞায়িত management question হয়ে উঠতে পারে। technical tools দ্রুত উন্নত হচ্ছে। কঠিন সমস্যা হতে পারে দক্ষ কর্মীদের বোঝানো যে তারা যে systems-কে training দিচ্ছেন, সেগুলো তাদের সাহায্য করার জন্য, তাদের displaced করার জন্য নয়। চীনের টেক খাতে, সেই আশ্বাস ইতিমধ্যেই ধরে রাখা কঠিন বলে মনে হচ্ছে।

এই নিবন্ধটি MIT Technology Review-এর প্রতিবেদনের ওপর ভিত্তি করে। মূল নিবন্ধটি পড়ুন.