OpenAI-এর ৮,০০,০০০-এরও বেশি কর্মসংক্রান্ত ChatGPT কুয়েরি (queries) বিশ্লেষণ করে দেখা গেছে যে, বিশেষজ্ঞ-স্তরের ৪৩.৫% অনুরোধ ব্যবহারকারীদের মূল কাজের ভূমিকার বাইরে থেকে সম্পন্ন করা হচ্ছে, যে প্রবণতাকে কোম্পানিটি “task crossover” বলছে। এই ফলাফলটি অত্যন্ত গুরুত্বপূর্ণ কারণ এটি নির্দেশ করে যে কীভাবে ব্যবসা প্রতিষ্ঠানগুলো দক্ষতার জনবল নিয়োগ করছে এবং কীভাবে ব্যক্তিরা তাদের পেশাদার সক্ষমতাকে সংজ্ঞায়িত করছে, তার একটি দ্রুত পরিবর্তন ঘটছে।

“task crossover”-এর পেছনের তথ্য

OpenAI মার্কিন পেশাগত ডেটাবেস O*NET ব্যবহার করে প্রতিটি কুয়েরিকে একটি মানসম্মত পেশার সাথে মিলিয়ে দেখেছে। ইমেল ড্রাফটিং বা শিডিউলিংয়ের মতো সাধারণ কাজগুলো বাদ দেওয়ার পর, এই গবেষণাটি উচ্চ-স্তরের দক্ষতার ওপর আলোকপাত করেছে যেগুলোর জন্য সাধারণত বিষয়ভিত্তিক (domain-specific) প্রশিক্ষণ প্রয়োজন হয়। অবশিষ্ট কুয়েরিগুলোর মধ্যে প্রায় অর্ধেক ক্ষেত্রেই ChatGPT-কে এমন সব দায়িত্ব পালনের জন্য বলা হয়েছে যা ব্যবহারকারীর নিজস্ব পেশাদার বিভাগের অন্তর্ভুক্ত নয়।

যেখানে এই পরিবর্তন ঘটছে

মার্কেটিং এবং ইঞ্জিনিয়ারিং ক্ষেত্রে এই ক্রসওভার বা পরিবর্তনটি সবচেয়ে বেশি দেখা যাচ্ছে।

  • মার্কেটিং পেশাদাররা টেকনিক্যাল ট্রাবলশুটিং এবং ডেটা অ্যানালাইসিসের জন্য ChatGPT-এর সাহায্য নিচ্ছেন—যে কাজগুলো সাধারণত ইঞ্জিনিয়ার বা ডেটা সায়েন্টিস্টরা করে থাকেন।
  • ইঞ্জিনিয়াররা মডেলটিকে কন্ট্রাক্ট বা চুক্তিপত্র পর্যালোচনা এবং ওয়েবসাইটের সমস্যা সমাধানের জন্য বলছেন, যে ভূমিকাগুলো ঐতিহ্যগতভাবে লিগ্যাল বা ফ্রন্ট-এন্ড টিমগুলো পালন করে থাকে।

ক্ষুদ্র ব্যবসাগুলো এই প্রবণতাকে আরও বাড়িয়ে তুলছে। বিশেষজ্ঞ নিয়োগের জন্য সীমিত বাজেটের কারণে, একজন কর্মী ChatGPT-কে একটি “force multiplier” হিসেবে ব্যবহার করতে পারেন, যা তাকে এমন অনেকগুলো কাজ সামলাতে সাহায্য করে যার জন্য অন্যথায় একাধিক কর্মী নিয়োগের প্রয়োজন হতো।

কাজ এবং AI-এর জন্য এই ক্রসওভার কেন গুরুত্বপূর্ণ

এই তথ্যগুলো “specialist” (বিশেষজ্ঞ) থেকে “augmented generalist” (বর্ধিত সাধারণ জ্ঞানসম্পন্ন কর্মী)-এর দিকে একটি পরিবর্তনের ইঙ্গিত দিচ্ছে। যেহেতু প্রম্পট-ক্রাফটিং (prompt-crafting) নিজেই একটি দক্ষতা হয়ে উঠছে, তাই গভীর ও নির্দিষ্ট বিষয়ের জ্ঞান হয়তো AI-সমৃদ্ধ বহুমুখী দক্ষতার কাছে জায়গা ছেড়ে দেবে। প্রতিষ্ঠাতা এবং ডেভেলপাররা এখন লার্জ ল্যাঙ্গুয়েজ মডেলগুলোকে (LLM) কেবল সাধারণ টেক্সট জেনারেশনের বাইরে নিয়ে গিয়ে আইন, অর্থ বা ইঞ্জিনিয়ারিংয়ের ক্ষেত্রে উচ্চ-মানের যুক্তি প্রদানের সক্ষমতা বাড়ানোর চাপের মুখে রয়েছেন। প্রযুক্তিগত কাজের বাধা কমিয়ে দেওয়া নিয়োগ প্রক্রিয়া, প্রশিক্ষণ এবং এমনকি পদের নামকেও বদলে দিতে পারে।

ঝুঁকি এবং পাল্টা যুক্তি

সবাই এই পরিবর্তনকে স্বাগত জানাচ্ছেন না। সমালোচকরা সতর্ক করেছেন যে বিশেষজ্ঞ পর্যায়ের কাজ AI-এর ওপর অর্পণ করলে দক্ষতার মান কমে যেতে পারে, লুকানো ভুল তৈরি হতে পারে এবং প্রতিষ্ঠানগুলোকে কমপ্লায়েন্স বা নিয়ম মেনে চলার ঝুঁকির মুখে ফেলতে পারে। এই গবেষণায় AI-জেনারেটেড আউটপুটগুলো কতবার যাচাই করা হচ্ছে তা ট্র্যাক করা হয়নি, কিংবা চুক্তি আইন বা ইঞ্জিনিয়ারিং ডিজাইনের মতো উচ্চ-ঝুঁকিপূর্ণ ক্ষেত্রে ভুলের সম্ভাব্য ক্ষয়ক্ষতিও পরিমাপ করা হয়নি। এই উদ্বেগগুলো নির্দেশ করে যে, AI সক্ষমতা বাড়াতে পারলেও এটি দক্ষতার একটি মিথ্যা ধারণা তৈরি করতে পারে।

পরবর্তীতে যা লক্ষ্য রাখতে হবে

  • টুলস বা সরঞ্জামের উন্নয়ন: টাস্ক ক্রসওভারের চাহিদা মেটাতে ভবিষ্যৎ LLM আপগ্রেডগুলোতে অবশ্যই বিষয়ভিত্তিক যুক্তি প্রদান (domain-specific reasoning) এবং ত্রুটি শনাক্তকরণ (error-checking) উন্নত করতে হবে।
  • প্রাতিষ্ঠানিক নীতিমালা: কোম্পানিগুলো বিশেষ করে নিয়ন্ত্রিত খাতগুলোতে AI-সহায়তা প্রাপ্ত কাজের জন্য নতুন অভ্যন্তরীণ নির্দেশিকা তৈরি করতে পারে।
  • শ্রম বাজারের সংকেত: রিক্রুটাররা “AI-augmented generalist”-কে একটি দক্ষতা হিসেবে তালিকাভুক্ত করা শুরু করতে পারেন এবং প্রশিক্ষণ প্রোগ্রামগুলো প্রম্পট-ইঞ্জিনিয়ারিং দক্ষতার দিকে মোড় নিতে পারে।

মূল বিষয়সমূহ

  • টাস্ক ক্রসওভার বিশেষজ্ঞ পর্যায়ের কুয়েরির ৪৩.৫% দখল করে আছে, যা পেশাদার কাজের ব্যাপক ওভারল্যাপ নির্দেশ করে।
  • মার্কেটিং এবং ইঞ্জিনিয়ারিং এই পরিবর্তনের নেতৃত্ব দিচ্ছে, যেখানে অন্যান্য বিশেষত্বের কাজ করার জন্য AI ব্যবহার করা হচ্ছে।
  • ক্ষুদ্র ব্যবসাগুলো মেধা বা দক্ষতার ঘাটতি পূরণে AI-এর ওপর নির্ভর করছে, যা কার্যকরভাবে একজন কর্মীকে বহুমুখী দক্ষতাসম্পন্ন অপারেটরে পরিণত করছে।
  • এই প্রবণতা সুযোগ এবং ঝুঁকি উভয়ই তৈরি করছে, যা আরও শক্তিশালী AI যাচাইকরণ এবং নতুন কর্মক্ষেত্রের রীতির প্রয়োজনীয়তা তুলে ধরছে।