OpenAI-এর কথোপকথনমূলক বিজ্ঞাপনের (conversational advertising) যাত্রা এমন এক অতি-ব্যক্তিগতকৃত (hyper-personalized) অভিজ্ঞতার প্রতিশ্রুতি দিয়েছিল যেখানে বিজ্ঞাপনগুলো ব্যবহারকারীর উদ্দেশ্যের সাথে নিরবচ্ছিন্নভাবে মিলে যাবে। তবে, নতুন তথ্য বলছে যে AI-চালিত টার্গেটিংয়ের বাস্তবতা বর্তমানে এর উচ্চ-প্রযুক্তিগত সম্ভাবনার তুলনায় অনেক পিছিয়ে রয়েছে।
এই অমিলের পেছনের তথ্য
AI ভিজিবিলিটি প্ল্যাটফর্ম Searchable-এর সাম্প্রতিক একটি বিশ্লেষণ ChatGPT-এর মধ্যে বিজ্ঞাপন প্রদর্শনের পদ্ধতিতে উল্লেখযোগ্য ঘর্ষণ (friction) প্রকাশ করেছে। ৪ জুলাই থেকে ৪ আগস্ট, ২০২৬-এর মধ্যে প্রকৃত ব্যবহারকারীদের কথোপকথনের সময় প্রদর্শিত ১১,০০০-এরও বেশি বিজ্ঞাপন পরীক্ষা করে গবেষকরা প্রাসঙ্গিকতার (contextual relevance) ক্ষেত্রে একটি উদ্বেগজনক প্রবণতা চিহ্নিত করেছেন।
গবেষণায় দেখা গেছে যে ChatGPT ইন্টারফেসে প্রদর্শিত সমস্ত বিজ্ঞাপনের প্রায় এক-তৃতীয়াংশ এমন সব কথোপকথনে দেখা গেছে যা বিজ্ঞাপিত পণ্য বা পরিষেবার সাথে সম্পূর্ণ অপ্রাসঙ্গিক ছিল। এই অমিলটি নির্দেশ করে যে, Large Language Model (LLM) মানুষের মতো টেক্সট তৈরিতে পারদর্শী হলেও, বিজ্ঞাপন সংগ্রহ (ad retrieval) এবং প্রাসঙ্গিক ম্যাপিংয়ের (contextual mapping) জন্য দায়ী দ্বিতীয় স্তরটি উচ্চ নির্ভুলতা বজায় রাখতে হিমশিম খাচ্ছে।
LLM বিজ্ঞাপনে Precision vs-Probability
একটি LLM-এর মধ্যে বিজ্ঞাপনের মূল প্রতিশ্রুতি "উদ্দেশ্য-ভিত্তিক টার্গেটিং" (intent-based targeting)-এর ধারণার ওপর ভিত্তি করে তৈরি। প্রথাগত কিওয়ার্ড সার্চের মতো নয়, যেখানে একটি নির্দিষ্ট শব্দের মাধ্যমে বিজ্ঞাপন ট্রিগার হয়, ChatGPT-এর বিজ্ঞাপনগুলো একটি দীর্ঘ কথোপকথনের অর্থগত প্রেক্ষাপট (semantic context) থেকে ট্রিগার হওয়ার কথা। তাত্ত্বিকভাবে, যদি একজন ব্যবহারকারী জৈব বাগান করা (organic gardening) সম্পর্কে জিজ্ঞাসা করেন, তবে মডেলটির উচ্চমানের মাটি বা ঐতিহ্যবাহী বীজ (heirloom seeds) সাজেস্ট করা উচিত।
তবে, Searchable-এর রিপোর্ট নির্দেশ করে যে বর্তমান প্রয়োগ প্রায়শই এই পরীক্ষায় ব্যর্থ হচ্ছে। যখন ৩৩% বিজ্ঞাপন অপ্রাসঙ্গিক হিসেবে বিবেচিত হয়, তখন এটি নির্দেশ করে যে বিজ্ঞাপন ইঞ্জিনটি কথোপকথনের সূক্ষ্মতা (nuance) ব্যাখ্যা করার ক্ষেত্রে ব্যর্থ হচ্ছে। এর পেছনে বেশ কিছু প্রযুক্তিগত কারণ থাকতে পারে:
- Context Window Limitations: বিজ্ঞাপন ইঞ্জিনটি সামগ্রিক বিষয়ের পরিবর্তে কথোপকথনের সাম্প্রতিক অংশগুলোর ওপর বেশি মনোযোগ দিতে পারে।
- Semantic Drift: জটিল এবং বহু-স্তরীয় (multi-turn) কথোপকথনের সময় মডেলটি ব্যবহারকারীর উদ্দেশ্য ভুলভাবে ব্যাখ্যা করতে পারে।
- Heuristic Failures: বিজ্ঞাপন প্রদর্শনের জন্য সিস্টেমটি প্রকৃত অর্থগত উপলব্ধির পরিবর্তে ব্যাপক কিওয়ার্ড ট্রিগারের ওপর নির্ভর করতে পারে।
কেন এটি AI ইকোসিস্টেমের জন্য গুরুত্বপূর্ণ
এই ঘটনাটি "Agentic Web"-এর ভবিষ্যতের জন্য একটি গুরুত্বপূর্ণ লিটমাস টেস্ট। কোম্পানিগুলো যখন প্রথাগত সার্চ ইঞ্জিন থেকে AI অ্যাসিস্ট্যান্টের দিকে ধাবিত হচ্ছে, তখন মনিটাইজেশন মডেলগুলোকে অবশ্যই বিবর্তিত হতে হবে যাতে ব্যবহারকারীর অভিজ্ঞতা নষ্ট না হয়। LLM-এর ওপর ভিত্তি করে কাজ করা প্রতিষ্ঠাতা এবং ডেভেলপারদের জন্য এটি একটি বড় চ্যালেঞ্জ তুলে ধরে: আয়ের উৎস (revenue streams) যুক্ত করার পাশাপাশি উচ্চ উপযোগিতা (utility) বজায় রাখা।
OpenAI যদি প্রাসঙ্গিকতার সমস্যাটি সমাধান করতে না পারে, তবে তারা "prompt fatigue"-এর ঝুঁকিতে পড়বে, যেখানে ব্যবহারকারীরা বিরক্তিকর এবং অসংলগ্ন (non-sequitur) বিজ্ঞাপন এড়াতে কথোপকথনমূলক অ্যাসিস্ট্যান্টকে উপেক্ষা করা বা সক্রিয়ভাবে এড়িয়ে চলা শুরু করবে। বিজ্ঞাপনদাতাদের জন্য, এই উচ্চ মাত্রার অপ্রাসঙ্গিকতা বিজ্ঞাপনের ব্যয়ের একটি উল্লেখযোগ্য অপচয়, যা সম্ভাব্যভাবে AI-সংযুক্ত মার্কেটিংয়ের গ্রহণ প্রক্রিয়াকে ধীর করে দিতে পারে।
মূল বিষয়সমূহ
- উল্লেখযোগ্য প্রাসঙ্গিকতার ঘাটতি: ২০২৬ সালের জুলাই এবং আগস্টের মধ্যে ChatGPT-এ প্রদর্শিত এক-তৃতীয়াংশ বিজ্ঞাপন ব্যবহারকারীর চলমান কথোপকথনের সাথে অপ্রাসঙ্গিক ছিল।
- উদ্দেশ্য ম্যাপিংয়ে ব্যর্থতা: তথ্য নির্দেশ করে যে বর্তমান AI বিজ্ঞাপন ইঞ্জিনগুলো LLM কথোপকথনের জটিল অর্থগত প্রেক্ষাপটের সাথে পণ্যের অফারগুলোকে সঠিকভাবে মেলাতে হিমশিম খাচ্ছে।
- ব্যবহারকারীর অভিজ্ঞতার ঝুঁকি: বিজ্ঞাপনের উচ্চ অপ্রাসঙ্গিকতা ব্যবহারকারী ধরে রাখার ক্ষেত্রে হুমকি সৃষ্টি করে এবং AI-চালিত ব্যক্তিগতকৃত সার্চের মূল উপযোগিতাকে ক্ষতিগ্রস্ত করতে পারে।
AI-ভিজিবিলিটি প্ল্যাটফর্ম Searchable-এর একটি নতুন বিশ্লেষণ অনুযায়ী, OpenAI-এর ChatGPT প্রায় এক-তৃতীয়াংশ ক্ষেত্রে লক্ষ্যভ্রষ্ট বিজ্ঞাপন প্রদর্শন করেছে। ৪ জুলাই থেকে ৪ আগস্ট, ২০২৬-এর মধ্যে ১১,০০০-এরও বেশি বিজ্ঞাপন ইম্প্রেশন রেকর্ড করা এই গবেষণায় দেখা গেছে যে, সেই বিজ্ঞাপনগুলোর অনেকগুলোরই আশেপাশের কথোপকথনের সাথে কোনো সম্পর্ক ছিল না।
তথ্য যা বলছে
Searchable ChatGPT ইন্টারফেসে রিয়েল-টাইম ব্যবহারকারীর মিথস্ক্রিয়া পরীক্ষা করেছে এবং সংলাপের পাশাপাশি প্রদর্শিত প্রতিটি বিজ্ঞাপন ট্র্যাক করেছে। গবেষকদের মতে, প্রায় ৩৩% বিজ্ঞাপন আলোচিত বিষয়ের সাথে সম্পর্কহীন ছিল। তাত্ত্বিকভাবে, যদি একজন ব্যবহারকারী জৈব বাগান করা সম্পর্কে জিজ্ঞাসা করেন, তবে মডেলটির উচ্চমানের মাটি বা ঐতিহ্যবাহী বীজ সাজেস্ট করা উচিত।
এই অমিলটি প্রতিশ্রুতি দেওয়া “intent-based” টার্গেটিং এবং বর্তমান সিস্টেম যা প্রদান করছে তার মধ্যে একটি ব্যবধান নির্দেশ করে। প্রথাগত অনলাইন বিজ্ঞাপনগুলো একটি নির্দিষ্ট কিওয়ার্ড দেখা দিলে কার্যকর হয়; ChatGPT-এর বিজ্ঞাপনগুলো একটি বহু-স্তরীয় কথোপকথনের গভীর অর্থগত অর্থের ওপর ভিত্তি করে কার্যকর হওয়ার কথা। তথ্য বলছে যে, অন্তর্নিহিত ইঞ্জিনটি এখনও মূলত উপরিভাগের সংকেতগুলোর (surface-level cues) ওপর বেশি নির্ভর করছে।
কেন ইঞ্জিনটি হোঁচট খাচ্ছে
Searchable-এর রিপোর্টে তিনটি প্রযুক্তিগত কারণের কথা উল্লেখ করা হয়েছে যা সম্ভবত এই অপ্রাসঙ্গিকতার জন্য দায়ী:
- Context-window-এর সীমাবদ্ধতা – অ্যাড সিলেক্টরটি সম্ভবত ব্যবহারকারীর সাম্প্রতিকতম কথা বা ইনপুটকে অগ্রাধিকার দিচ্ছে এবং আগের কথোপকথনগুলোকে উপেক্ষা করছে যা মূল আলোচনার বিষয়বস্তু নির্ধারণ করেছিল। যদি কথোপকথন ধীরে ধীরে পরিবর্তিত হয়, তবে সিস্টেমটি মূল উদ্দেশ্যের পরিবর্তে একটি সাময়িক বাক্যাংশের ওপর ভিত্তি করে কাজ করতে পারে।
- Semantic drift (অর্থগত বিচ্যুতি) – দীর্ঘ কথোপকথনের ক্ষেত্রে মডেলটি মূল বিষয়বস্তু থেকে বিচ্যুত হতে পারে এবং পরবর্তী কোনো প্রশ্নকে নতুন কোনো উদ্দেশ্য হিসেবে ভুল ব্যাখ্যা করতে পারে। এই বিচ্যুতির কারণে অ্যাড ইঞ্জিনটি ভুল সেমান্টিক বা অর্থগত বিভাগ থেকে বিজ্ঞাপন তুলে আনতে পারে।
- Heuristic shortcuts (হিউরিস্টিক শর্টকাট) – অ্যাড সিস্টেমের প্রাথমিক সংস্করণগুলো পূর্ণাঙ্গ বাক্য এমবেডিংয়ের (full-sentence embeddings) পরিবর্তে সাধারণ কিওয়ার্ড ম্যাচিংয়ের ওপর নির্ভর করে। এই ধরনের শর্টকাট সাধারণ জিজ্ঞাসার ক্ষেত্রে কাজ করলেও সূক্ষ্ম পার্থক্য বা প্রেক্ষাপট গুরুত্বপূর্ণ হয়ে উঠলে ব্যর্থ হয়।
এই সমস্যাগুলোর কোনোটিই কেবল বিজ্ঞাপনের জন্য নয়; এগুলো লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) ব্যবহার করে এমন যেকোনো কাজে বড় চ্যালেঞ্জের প্রতিফলন ঘটায় যেখানে দীর্ঘস্থায়ী বোধগম্যতা প্রয়োজন।
কারা ক্ষতিগ্রস্ত হচ্ছে
এই প্রাসঙ্গিকতার ঘাটতি তিনটি গোষ্ঠীর জন্য গুরুত্বপূর্ণ:
- ব্যবহারকারী – বারবার অপ্রাসঙ্গিক বিজ্ঞাপনের সম্মুখীন হওয়া অ্যাসিস্ট্যান্টের ওপর থেকে ব্যবহারকারীর আস্থা কমিয়ে দিতে পারে। যখন অভিজ্ঞতাটি "অগোছালো" বা "গোলমেলে" মনে হয়, তখন ব্যবহারকারীরা প্রম্পট ব্যবহারের প্রতি আগ্রহ হারিয়ে ফেলতে পারেন এবং প্ল্যাটফর্মটি পুরোপুরি এড়িয়ে চলতে পারেন।
- বিজ্ঞাপনদাতা – এমন ইমপ্রেশনের জন্য অর্থ প্রদান করা যা কখনোই সঠিক দর্শকের কাছে পৌঁছায় না, তা বাজেটের অপচয়। যদি খরচের এক-তৃতীয়াংশ কোনো প্রাসঙ্গিকতা না দেখায়, তবে বিজ্ঞাপনের খরচের বিপরীতে প্রাপ্ত রিটার্ন (return on ad spend) দ্রুত কমে যায়, যা ব্র্যান্ডগুলোকে এআই-চালিত বিজ্ঞাপনে অর্থ বরাদ্দ করতে নিরুৎসাহিত করে।
- OpenAI এবং উদীয়মান “agentic web” – কনভারসেশনাল এআই থেকে আয় করার ক্ষমতা নির্ভর করে উপযোগিতা বজায় রেখে রাজস্বের উৎসগুলোর সঠিক সমন্বয়ের ওপর। ক্রমাগত প্রাসঙ্গিকতার সমস্যাগুলো সার্চ-ইঞ্জিন-কেন্দ্রিক মডেল থেকে অ্যাসিস্ট্যান্ট-কেন্দ্রিক মডেলে রূপান্তর প্রক্রিয়াকে বাধাগ্রস্ত করতে পারে।
মূল কথা
Searchable-এর বিশ্লেষণ প্রমাণ করে যে ChatGPT-এর ভেতরে উদ্দেশ্য-ভিত্তিক (intent-based) বিজ্ঞাপন এখনও একটি চলমান প্রক্রিয়া। এক-তৃতীয়াংশ বিজ্ঞাপন কথোপকথনের প্রেক্ষাপটের সাথে মিলতে না পারায় প্রযুক্তিটি একটি নির্ণায়ক পরীক্ষার সম্মুখীন: ব্যবহারকারীদের সম্পৃক্ত রাখা, বিজ্ঞাপনদাতাদের সন্তুষ্ট রাখা এবং বৃহত্তর এআই-অ্যাসিস্ট্যান্ট অর্থনীতিকে টেকসই করার জন্য এর সেমান্টিক ম্যাপিং দ্রুত উন্নত করতে হবে।