তিন ঘণ্টা, ছয়জন ডেভেলপার, ৩০,০০০ নিখোঁজ। যখন উত্তর ভেনেজুয়েলায় একটি ভূমিকম্প আঘাত হানে, বুয়েনস আইরেসের একজন প্রোগ্রামার Claude Opus ব্যবহার করে মাত্র তিন ঘণ্টার মধ্যে একটি নিখোঁজ ব্যক্তি খোঁজার ওয়েব পোর্টাল তৈরি করেন—যে কাজটি সম্পন্ন করতে সাধারণত পুরো একদিন সময় লাগত। ক্যালিফোর্নিয়ার একজন দ্বিতীয় ডেভেলপার Replit ব্যবহার করে মাত্র চার ঘণ্টার মধ্যে একটি সরবরাহ-মিলকরণ (supply-matching) টুল চালু করেন। এই দ্রুত তৈরি করা টুলগুলো পরিবারগুলোকে ছবি পোস্ট করার এবং একটি কেন্দ্রীয় ডেটাবেসের সাথে মুখমণ্ডল তুলনা করার সুযোগ করে দেয়, এবং সরকারি ব্যবস্থা ধীরগতির থাকাকালীন এনজিওগুলোকে দাতা এবং ভুক্তভোগীদের সাথে সংযুক্ত করতে সাহায্য করে।

কেন এই প্রচেষ্টাটি গুরুত্বপূর্ণ ছিল

ভেনেজুয়েলার জরুরি অবকাঠামো ভেঙে পড়েছিল: বিদ্যুৎ বিভ্রাট, ভাঙা রাস্তা এবং অতিরিক্ত চাপে থাকা ফোন নেটওয়ার্কের কারণে কর্তৃপক্ষ একটি সমন্বিত অনুসন্ধান পরিচালনা করতে অক্ষম ছিল। শুরুর দিকে, পরিবারগুলো আত্মীয়দের খবর জানাতে এবং সাহায্যের জন্য যেকোনো মাধ্যম খুঁজে পেতে মরিয়া হয়ে উঠেছিল। প্রবাসী বা ডায়াসপোরা দ্বারা নির্মিত অ্যাপগুলো সেই শূন্যতা পূরণ করেছে, যা রাষ্ট্রের প্রতিক্রিয়া তৈরি হওয়ার আগেই কার্যকর এবং ইন্টারনেট-হালকা (internet-light) পরিষেবা প্রদান করেছে।

ডেভেলপাররা কীভাবে এটি সম্পন্ন করলেন

বুয়েনস আইরেসের কোডার Claude Opus-কে একটি সাধারণ প্রম্পট দিয়েছিলেন যেখানে একটি সাইটের বর্ণনা ছিল যেখানে ব্যবহারকারীরা ছবি আপলোড করতে পারবে, নাম ট্যাগ করতে পারবে এবং বিদ্যমান তালিকার সাথে মিল খোঁজার (similarity search) সুবিধা পাবে। Claude ফ্রন্ট-এন্ড ফর্ম, ইমেজ-প্রসেসিং পাইপলাইন এবং ডেটাবেস স্কিমা তৈরি করে এবং একটি ডেপ্লয়যোগ্য কোড বান্ডেল প্রদান করে। ডেভেলপার কয়েকটি প্রম্পট সংশোধন করেন, একটি ক্লাউড ইনস্ট্যান্সে কোডটি চালান এবং তিন ঘণ্টারও কম সময়ে সাইটটি লাইভ হয়ে যায়।

প্রশান্ত মহাসাগরের ওপারে, ক্যালিফোর্নিয়ার ডেভেলপার একটি Replit ওয়ার্কস্পেস খুলে একটি “supply-matching dashboard”-এর সংক্ষিপ্ত বর্ণনা টাইপ করেন, যা দাতার অফারগুলো গ্রহণ করবে এবং কাছাকাছি প্রয়োজনীয়তাগুলো প্রদর্শন করবে; এরপর AI-কে ব্যাক-এন্ড API, একটি ছোট অ্যাডমিন UI এবং একটি সাধারণ অথেন্টিকেশন ফ্লো তৈরি করতে দেন। চার ঘণ্টা পর টুলটি একটি মোবাইল-ফ্রেন্ডলি URL-এ ব্যবহারযোগ্য হয়ে ওঠে।

উভয় দলই ইউজার এক্সপেরিয়েন্স বা ব্যবহারকারীর অভিজ্ঞতাকে হালকা (lightweight) রেখেছিল। তারা WhatsApp-স্টাইল চ্যাট ইন্টারফেস বেছে নিয়েছিল কারণ বেশিরভাগ ভুক্তভোগী কেবল 2G ডেটা ব্যবহার করতে পারতেন এবং তাদের ব্যাটারি লাইফও সীমিত ছিল। কোনো ভারী নেটিভ অ্যাপ তৈরি করা হয়নি; পরিবর্তে, তারা HTML 5 পেজের ওপর নির্ভর করেছে যা দ্রুত লোড হয় এবং সম্ভব হলে অফলাইনেও কাজ করে।

ব্যবহারিক শিক্ষা বা প্রাপ্তিগুলো

  • AI একটি মাল্টিপ্লায়ার হিসেবে – প্রম্পট-চালিত কোড জেনারেশন একদিনের কাজকে কয়েক ঘণ্টায় নামিয়ে এনেছে।
  • মডেলটিকে একটি পরিবর্তনশীল স্তর হিসেবে বিবেচনা করুন – ল্যাঙ্গুয়েজ-মডেল API-এর দাম, রেট লিমিট পরিবর্তন হতে পারে বা সেগুলো বন্ধ হয়ে যেতে পারে। শুধুমাত্র প্রম্পটের ওপর ভিত্তি করে মূল লজিক তৈরি করা পণ্যটিকে একটি অনিশ্চিত লক্ষ্যের ওপর নির্ভরশীল করে তোলে।
  • একটি টেকসই স্কিমার ওপর ভিত্তি করে কাজ করুন – নিখোঁজ ব্যক্তিদের ডেটা মডেল—ছবি, নাম, শেষ পরিচিত অবস্থান, স্ট্যাটাস—সংকটকালীন সময়েও কার্যকর থাকে। একবার সংজ্ঞায়িত হয়ে গেলে, AI-কে পুনরায় প্রশিক্ষণ না দিয়েই এটি পুনরায় ব্যবহার করা যেতে পারে।
  • সীমাবদ্ধতার কথা মাথায় রেখে ডিজাইন করুন – কম ব্যান্ডউইথ, অনিয়মিত বিদ্যুৎ এবং ইমেল অ্যাকাউন্টের অভাবের কারণে দলগুলো টেক্সট-ভিত্তিক ইন্টারফেস এবং সাধারণ ফোন-নম্বর অথেন্টিকেশন বেছে নিতে বাধ্য হয়েছিল। এই সীমাবদ্ধতাগুলো এমন সফটওয়্যার তৈরি করেছে যা উন্নত সমাধানগুলো ব্যর্থ হওয়ার ক্ষেত্রেও কাজ করে।

ঝুঁকি এবং পাল্টা যুক্তি

দ্রুততা বৃদ্ধির সাথে কিছু আপস বা ঝুঁকিও আসে। AI-জেনারেটেড কোডে বাগ (bugs), অনিরাপদ ডিফল্ট বা অদক্ষ কুয়েরি লুকিয়ে থাকতে পারে যা কেবল অতিরিক্ত চাপের (load) সময় প্রকাশ পায়। তৃতীয় পক্ষের AI পরিষেবার ওপর নির্ভরতা খরচের অস্থিরতাও তৈরি করে; হঠাৎ দাম বেড়ে গেলে একটি বিনামূল্যে চলা টুল রাতারাতি ব্যয়বহুল হয়ে উঠতে পারে। পরিশেষে, এই ধরনের তাড়াহুড়োর মধ্যে আনুষ্ঠানিক টেস্টিংয়ের অভাবে কিছু ব্যতিক্রমী পরিস্থিতি (edge cases) থেকে যেতে পারে, যা নিখোঁজ ব্যক্তি ডেটাবেসে ভুল মিল (false matches) তৈরির ঝুঁকি বাড়ায়—এটি একটি গুরুতর নৈতিক উদ্বেগ।

পরবর্তী যা লক্ষ্য রাখা উচিত

  • মানসম্মত দুর্যোগ ডেটা স্কিমা – যদি মানবিক সংস্থাগুলো মানুষ, সরবরাহ এবং অবস্থানের জন্য একটি সাধারণ ফরম্যাট গ্রহণ করে, তবে AI-সহায়তা প্রাপ্ত টুলগুলো আরও সহজে যুক্ত হতে পারবে এবং সীমানা ছাড়িয়ে ডেটা শেয়ার করতে পারবে।
  • ওপেন-সোর্স মডেল হোস্টিং – কমিউনিটি-চালিত ল্যাঙ্গুয়েজ-মডেল এন্ডপয়েন্টগুলো হঠাৎ API বন্ধ হওয়া বা দাম বৃদ্ধির ঝুঁকি কমাতে পারে।
  • নিয়ন্ত্রক নজরদারি – সরকারগুলো ডেটা গোপনীয়তা এবং নির্ভরযোগ্যতার জন্য AI-জেনারেটেড জরুরি সফটওয়্যারগুলো পরীক্ষা করা শুরু করতে পারে, বিশেষ করে যখন ব্যক্তিগত ছবি এবং অবস্থানের ডেটা জড়িত থাকে।
  • কমিউনিটি প্ল্যাটফর্ম – ডায়াসপোরা নেটওয়ার্কগুলো ইতিমধ্যেই মেসেজিং অ্যাপগুলোতে দ্রুত-প্রতিক্রিয়া চ্যানেল তৈরি করছে; সরাসরি সেই স্থানগুলোতে AI টুলস যুক্ত করা হলে ভবিষ্যতে দ্রুত মোতায়েন করা সম্ভব হবে।

ডেভেলপারদের জন্য মূল কথা

আপনি যদি আজ একটি সংকট-প্রতিক্রিয়া অ্যাপ (crisis-response app) রিলিজ করতে চান, তবে UI স্কেচ করা, বয়লারপ্লেট (boilerplate) তৈরি করা এবং একটি ক্লাউড ইনস্ট্যান্স চালু করার জন্য একটি কনজিউমার AI মডেল দিয়ে শুরু করুন। তারপর গুরুত্বপূর্ণ অংশগুলো নিশ্চিত করুন: একটি স্পষ্ট ও বহনযোগ্য ডেটা স্কিমা, একটি ন্যূনতম UI যা আপনার প্রত্যাশিত সবচেয়ে দুর্বল ডিভাইসেও কাজ করে, এবং এমন একটি অথেন্টিকেশন যা ইমেলের ওপর নির্ভর করে না। AI-এর আউটপুটকে একটি খসড়া হিসেবে বিবেচনা করুন, চূড়ান্ত পণ্য হিসেবে নয়, এবং এর শর্তাবলী পরিবর্তিত হলে মডেল লেয়ারটি প্রতিস্থাপনের জন্য প্রস্তুত থাকুন। দুর্যোগের সময় গতি জীবন বাঁচায়, কিন্তু স্থিতিশীলতা পরবর্তীতে আবারও জীবন রক্ষা করে।

Source: dev.to/davekurian/diaspora-coders-assemble-earthquake-response-in-hours-with-ai-4c66