ChatGPT লক্ষ লক্ষ মানুষের কাছে কৃত্রিম বুদ্ধিমত্তাকে (artificial intelligence) একটি দৈনন্দিন অভ্যাসে পরিণত করেছে। একটি প্রশ্ন করুন, একটি উত্তর পান। একটি ইমেল ড্রাফট করুন, একটি বাগ (bug) ঠিক করুন, একটি ছবি তৈরি করুন। কিন্তু প্রতিটি মিথস্ক্রিয়া (interaction) একটি প্রম্পট দিয়ে শুরু হয় এবং মডেলটি টাইপ করা বন্ধ করলে শেষ হয়। আপনি হলেন ইঞ্জিন; AI হলো কেবল একটি যন্ত্র।

পরবর্তী পরিবর্তনটি চ্যাট উইন্ডোর মতো কম, বরং একজন সহকর্মীর মতো বেশি মনে হবে যে আপনি অন্য কাজে মনোযোগ দেওয়ার সময় আপনার কাজগুলো সম্পন্ন করে দেয়। সেই পরিবর্তনটি হলো agentic AI।

OpenAI, Google এবং Microsoft-এর মতো কোম্পানিগুলো সক্রিয়ভাবে AI agents তৈরি করছে। এই সিস্টেমগুলো কেবল প্রশ্নের উত্তর দেওয়ার চেয়েও অনেক বেশি কিছু করতে পারে। তারা পরিকল্পনা করে, যুক্তি দেয় এবং আপনার কাছ থেকে কেবল মাঝে মাঝে ইনপুট নিয়ে কাজ সম্পন্ন করে। আপনি গন্তব্য বর্ণনা করেন, আর তারা পথ খুঁজে বের করে।

Agentic AI কী?

প্রথাগত চ্যাটবটগুলো হলো রিঅ্যাক্টিভ (reactive)। আপনি তাদের একটি প্রম্পট দেন, তারা একটি টেক্সট ব্লক প্রদান করে এবং এরপর দায়িত্বটি আবার আপনার ওপর বর্তায়। যদি আপনার দশটি কাজ সম্পন্ন করার প্রয়োজন হয়, তবে আপনাকে দশটি আলাদা প্রশ্ন করতে হবে এবং তারপর ফলাফলগুলো নিজে নিজেই গুছিয়ে নিতে হবে।

Agentic AI একটি লক্ষ্য অনুসরণ করে। আপনার পরবর্তী বার্তার জন্য অপেক্ষা না করে এটি কাজ চালিয়ে যায়। এটি একটি বড় লক্ষ্যকে ছোট ও সুনির্দিষ্ট ধাপে ভাগ করতে পারে, কোন ক্রমে কাজ করা যুক্তিযুক্ত তা সিদ্ধান্ত নিতে পারে, ওয়েব ব্রাউজার, ক্যালকুলেটর, কোড ইন্টারপ্রেটার বা আপনার ক্যালেন্ডারের মতো বাহ্যিক টুল ব্যবহার করতে পারে, তাৎক্ষণিকভাবে নতুন তথ্য সংগ্রহ করতে পারে এবং পরিস্থিতি পরিবর্তন হলে নিজের পরিকল্পনা সংশোধন করতে পারে। যদি বুক করার জন্য নির্ধারিত ফ্লাইটটি বুকিং শেষ হয়ে যায়, তবে এটি আপনার কাছে অনুমতি না চেয়েই পরবর্তী বিকল্পটি পরীক্ষা করে দেখে। যদি কোনো ডেটা সোর্স কাজ না করে, তবে আপনাকে বিরক্ত করার আগে এটি বিকল্প কিছু চেষ্টা করে।

এটি কেবল দ্রুত আউটপুট নয়। এটি আচরণের একটি ভিন্ন বিভাগ।

Generative AI বনাম Agentic AI

Generative AI, যা ChatGPT-এর পেছনের প্রযুক্তি, সেটি হলো একটি single-turn specialist। আপনি প্রম্পট দেন, এটি টেক্সট, কোড বা ছবি তৈরি করে এবং তারপর অপেক্ষা করে। এটি একবারে একটি নির্দিষ্ট কাজ সম্পন্ন করে এবং পরবর্তী ধাপে যাওয়ার জন্য ক্রমাগত নির্দেশনার প্রয়োজন হয়।

Agentic AI হলো একটি multi-step operator। এটি স্বাধীনভাবে লক্ষ্য অনুসরণ করে, সংযুক্ত workflows কার্যকর করে, ধারাবাহিকভাবে একাধিক সংযুক্ত কাজ পরিচালনা করে এবং আপনার সেট করা গাইডলাইনের (guardrails) মধ্যে থেকে সিদ্ধান্ত নেয়।

এই পার্থক্যটি অনেকটা এক কাপ করে কফি অর্ডার করার এবং একজন বারিস্টাকে নিয়োগ দেওয়ার পার্থক্যের মতো, যে আপনি দোকানের কাজে মনোযোগ দেওয়ার সময় সকালের ভিড় সামলায়, বিন (beans) রিফিল করে এবং মেশিন পরিষ্কার করে।

আপনি এটি প্রথম কোথায় দেখতে পাবেন

বাস্তব কাজের ক্ষেত্রে এই দুটির মধ্যে পার্থক্যটি স্পষ্ট হয়ে ওঠে।

Business outreach. কল্পনা করুন আপনার একজন সম্ভাব্য ক্লায়েন্টের সাথে মিটিং করার প্রয়োজন। আপনি অনুরোধ করলে একটি generative AI চ্যাটবট হয়তো ইমেলটি লিখে দিতে পারে। কিন্তু একটি agentic AI সমস্ত পরিশ্রমের কাজটুকু করে দেয়। এটি সাম্প্রতিক খবর বা ফান্ডিং রাউন্ডের জন্য কোম্পানিটি নিয়ে গবেষণা করে, সেই তথ্য উল্লেখ করে একটি ব্যক্তিগতকৃত বার্তা ড্রাফট করে, আপনার ক্যালেন্ডারে ফাঁকা সময় আছে কিনা তা দেখে, ইনভাইটেশন পাঠায় এবং ফলো-আপ করার জন্য একটি রিমাইন্ডার সেট করে। আপনি শুরুতেই পরিকল্পনাটি অনুমোদন করেন; এজেন্টটি বাকি সব কঠিন কাজ সামলায়।

Software development. Generative AI একটি ফাংশন লিখতে পারে বা একটি regex ব্যাখ্যা করতে পারে। কিন্তু একটি AI agent একটি টিকিট পড়তে পারে, কোড তৈরি করতে পারে, pull requests রিভিউ করতে পারে, টেস্ট চালাতে পারে, বাগ (bug) শনাক্ত করতে পারে এবং ফিক্স সাবমিট করতে পারে। আর্কিটেকচার এবং বড় মাপের ডিজাইনের দায়িত্ব আপনার কাছেই থাকবে, কিন্তু পুনরাবৃত্তিমূলক কাজগুলো—যেমন boilerplate, linting, বা ছোটখাটো refactoring—এজেন্টের ওপর ন্যস্ত করা যায়। আপনি প্রতিটি সেমিকোলন টাইপ করা বন্ধ করে দেবেন এবং ফিচারটি আদৌ থাকা উচিত কি না সেই সিদ্ধান্ত নিতে শুরু করবেন।

Customer service. Generative AI একটি রাগান্বিত টুইটের জন্য একটি মার্জিত উত্তর ড্রাফট করতে পারে। কিন্তু একটি agentic সিস্টেম একটি রিটার্ন প্রসেস করতে পারে, ডেটাবেসে অর্ডারটি খুঁজে বের করতে পারে, শিপিং লেবেল ট্র্যাক করতে পারে, পিকআপ শিডিউল করতে পারে, সাপোর্ট টিকিট আপডেট করতে পারে এবং কেবল তখনই একজন মানুষকে যুক্ত করে যখন বিষয়টি সত্যিই জটিল হয়। এতে মানুষের টিম রুটিন কাজের চাপে ডুবে না থেকে সেই সমস্যাগুলো সমাধান করতে শুরু করে যেগুলোর জন্য সহানুভূতি, আলোচনা এবং সৃজনশীল বিচারবুদ্ধির প্রয়োজন।

এই পরিবর্তনের জন্য কীভাবে প্রস্তুত হবেন

আপনি যদি একজন শিক্ষার্থী বা কর্মরত পেশাদার হন, তবে এই সিস্টেমগুলো ডিজাইন, ডেপ্লয় (deploy) এবং তদারকি করার দক্ষতা অর্জনের এটাই সঠিক সময়।

  • Python প্রোগ্রামিং। এটি AI টুলের জন্য প্রধান ভাষা, এবং বেশিরভাগ এজেন্ট ফ্রেমওয়ার্ক এটি দিয়েই তৈরি। আপনাকে কার্নেল ডেভেলপার হতে হবে না, তবে বিভিন্ন সার্ভিসগুলোকে একত্রে যুক্ত করার জন্য স্ক্রিপ্ট লিখতে স্বাচ্ছন্দ্যবোধ করা উচিত।
  • AI এবং মেশিন লার্নিংয়ের মৌলিক বিষয়। আপনি যা বোঝেন না, তা আপনি তদারকি করতে পারবেন না। লার্জ ল্যাঙ্গুয়েজ মডেলগুলো কীভাবে যুক্তি দেয়, কোথায় তারা ভুল তথ্য (hallucinate) দেয় এবং কীভাবে তাদের আউটপুট মূল্যায়ন করতে হয় তা জানুন।
  • API ইন্টিগ্রেশন। এজেন্টরা অন্যান্য সফটওয়্যারের সাথে যোগাযোগ করার মাধ্যমেই টিকে থাকে—যেমন Slack, Gmail, Salesforce, GitHub। REST API এবং webhooks কীভাবে কাজ করে তা বোঝা একটি ব্যবহারিক ইঞ্জিনিয়ারিং জ্ঞান যা তাৎক্ষণিক সুফল দেয়।
  • ক্লাউড কম্পিউটিং। এজেন্টরা ইনফ্রাস্ট্রাকচারে চলে, আপনার ল্যাপটপে নয়। কীভাবে একটি কন্টেইনার চালু করতে হয়, পারমিশন ম্যানেজ করতে হয় এবং বিল পড়তে হয় তা জানা থাকলে আপনি এমন কোনো খেলনা তৈরি করবেন না যা বাস্তব কাজের চাপে ভেঙে পড়ে।
  • ডেটা অ্যানালাইসিস। এজেন্টরা যত বেশি আউটপুট তৈরি করবে, সেই আউটপুট সঠিক, পক্ষপাতদুষ্ট নাকি দরকারী তা যাচাই করার জন্য কারো প্রয়োজন হবে। মৌলিক পরিসংখ্যানগত জ্ঞান এবং ডেটা কুয়েরি করার ক্ষমতা মূল্যবান তদারকি এবং অন্ধ বিশ্বাসের মধ্যে পার্থক্য তৈরি করে।
  • ক্রিটিক্যাল থিংকিং। ভবিষ্যতের কঠিন অংশটি দ্রুত টাইপ করা নয়। বরং সঠিক লক্ষ্য নির্ধারণ করা, এজ কেস (edge cases) শনাক্ত করা এবং ঠিক কখন মেশিনকে ওভাররাইড করতে হবে তা জানা।

আসল সারসংক্ষেপ

এজেন্টিক AI কাজের ধরন বদলে দেবে। রুটিন কাজ—ডেটা এন্ট্রি, শিডিউলিং, ফার্স্ট-লাইন