কিছু কিছু কোম্পানিতে AI টোকেনের বার্ষিক বিল এখন ইঞ্জিনিয়ারিং পে-রোল বা বেতন খরচের সাথে পাল্লা দিতে শুরু করেছে, এবং নেতৃত্ব বুঝতে পারছেন না তারা এটি উদযাপন করবেন নাকি আতঙ্কিত হবেন। এন্টারপ্রাইজগুলো গত কয়েক বছর ধরে লার্জ ল্যাঙ্গুয়েজ মডেলগুলোতে প্রচুর মূলধন ঢেলেছে এই প্রত্যাশায় যে, সস্তা inference স্বয়ংক্রিয়ভাবে কর্মী সংখ্যা হ্রাস এবং দ্রুত শিপিং সাইকেল নিশ্চিত করবে। পরিবর্তে, অনেক ইঞ্জিনিয়ারিং সংস্থা এখন দ্বিগুণ খরচ করছে: একবার সেই প্রতিভার জন্য যাদের দক্ষতা বাড়ানোর তারা আশা করেছিল, এবং দ্বিতীয়বার সেই compute খরচের জন্য যা তাদের প্রতিস্থাপন করার কথা ছিল। প্রশ্নটি এখন আর এটি নয় যে AI কোড লিখতে পারে কি না। প্রশ্নটি হলো, এটি যে কোড লিখছে তা এর জন্য ব্যয় করা বিপুল অর্থের সার্থকতা প্রমাণ করতে পারছে কি না।
অর্ধেক বেতনের মাপকাঠি
GTC 2026-এর শেষে All-In Podcast-এ কথা বলার সময় জেনসেন হুয়াং (Jensen Huang) অত্যন্ত স্পষ্টভাবে এই হিসাবটি তুলে ধরেন। Nvidia-র CEO প্রস্তাব করেছেন যে একজন ইঞ্জিনিয়ারের দক্ষতা পরিমাপ করতে হলে তার বেতনের সাথে সরাসরি তার AI টোকেন ব্যবহারের তুলনা করা উচিত। তার নির্ধারিত সীমাটি ছিল অত্যন্ত কঠোর। ধরা যাক একজন সফটওয়্যার ইঞ্জিনিয়ার বছরে $500,000 আয় করেন। যদি সেই ইঞ্জিনিয়ার বছরে $250,000-এর কম মূল্যের টোকেন ব্যবহার করেন, যা তার বেতনের প্রায় অর্ধেক, তবে হুয়াং এটিকে একটি সতর্ক সংকেত হিসেবে বিবেচনা করেন। তার কথায়, নেতৃত্বকে "গভীরভাবে শঙ্কিত" হওয়া উচিত; কোম্পানি মানুষের পেছনে অতিরিক্ত খরচ করছে বলে নয়, বরং সম্ভবত তাদের যথাযথভাবে কাজে লাগাতে পারছে না বলে।
এই যুক্তিটি প্রথাগত খরচ-নিয়ন্ত্রণ মানসিকতাকে উল্টে দেয়। বছরের পর বছর ধরে, ফিন্যান্স টিমগুলো compute-কে একটি পরিবর্তনশীল খরচ হিসেবে দেখেছে যা কমানো উচিত। হুয়াং এর উল্টোটা যুক্তি দেন। একজন দামী ইঞ্জিনিয়ার যিনি মডেল খুব একটা ব্যবহার করেন না, তিনি আসলে একজন দামী ইঞ্জিনিয়ার যিনি কোনো force multiplier ছাড়াই কাজ করছেন। প্রত্যাশা হলো যে উচ্চমূল্যের প্রতিভারা একটি ফানেলের মতো কাজ করবে, AI সিস্টেমের মাধ্যমে বিপুল পরিমাণ কাজ সম্পন্ন করবে, আউটপুট পর্যালোচনা করবে এবং ফলাফলগুলো সমন্বয় করবে। কম টোকেন খরচ করা মানে মিতব্যয়িতা নয়। বরং এটি নির্দেশ করে যে মানুষটি এখনও সেই যান্ত্রিক কাজগুলো করছেন যা একটি মডেল সহজেই করতে পারত।
বাস্তবে সেই খরচের চিত্র কেমন
এই মাপকাঠিটি কেন গুরুত্বপূর্ণ তা বুঝতে, $250,000 মূল্যের টোকেন আসলে কী নির্দেশ করে তা বিবেচনা করুন। frontier models-এর বর্তমান রেট অনুযায়ী, এটি কেবল কয়েকটি autocomplete সাজেশন নয়। এটি প্রতিটি কার্যদিবসে বিভিন্ন ধরণের কাজের মাধ্যমে প্রসেস করা লক্ষ লক্ষ টোকেন। এটি এমন একজন ইঞ্জিনিয়ারের ইঙ্গিত দেয় যিনি কেবল এডিটর কমপ্লিশন গ্রহণ করছেন না, বরং ব্যাপক architectural reasoning, intelligent agents-এর মাধ্যমে bulk refactoring, স্বয়ংক্রিয় testing pipelines, synthetic data generation এবং iterative design exploration করছেন।
এইভাবে কাজ করা একজন সিনিয়র ইঞ্জিনিয়ার একটি একক ফিচারের জন্য একাধিক model calls চেইন করতে পারেন: scaffolding তৈরি করা, breaking changes-এর জন্য dependencies বিশ্লেষণ করা, edge-case আচরণ সিমুলেট করা এবং সমান্তরালভাবে ডকুমেন্টেশন তৈরি করা। কাজের গতি বা throughput বিশাল হয় কারণ মানুষটি আর প্রতিটি লাইন টাইপ করছেন না। তারা এখন কেবল পরিচালনা করছেন। হুয়াংয়ের মতে, বেতন তখনই সার্থক হয় যখন একজন মানুষ সেই স্কেলে কাজ করেন এবং নিরন্তর মডেলের সাথে মিথস্ক্রিয়ার মাধ্যমে তাদের আউটপুট বহুগুণ বাড়িয়ে দেন।
যেখানে রিটার্ন বা মুনাফা হারিয়ে যাচ্ছে
এই ভিশন থাকা সত্ত্বেও, শিল্পটি অবকাঠামো ব্যয় এবং অর্জিত ফলাফলের মধ্যে একটি ক্রমবর্ধমান ব্যবধানের সম্মুখীন হচ্ছে। কোম্পানিগুলো টোকেন-নির্ভর কৌশলে ঝাঁপিয়ে পড়েছে, AI ভেন্ডরদের সাথে এন্টারপ্রাইজ চুক্তি করছে এবং generative tools-এর ওপর ভিত্তি করে তাদের ডেভেলপমেন্ট পাইপলাইনগুলোকে নতুন করে সাজাচ্ছে। মূলধনী ব্যয় ছিল বিস্ময়কর। কিন্তু অনেকের জন্য উৎপাদনশীলতার রিটার্ন ছিল হতাশাজনক।
ডেভেলপাররা সত্যিই বিরক্তিকর কাজগুলোতে দ্রুততর। যখন একটি মডেল প্রথম ড্রাফট তৈরি করে দেয়, তখন boilerplate code, unit test skeletons এবং পুনরাবৃত্তিমূলক CRUD অপারেশনগুলো খুব দ্রুত সম্পন্ন হয়। কিন্তু সফটওয়্যার ইঞ্জিনিয়ারিং কখনোই কেবল টাইপিং স্পিড বা টাইপ করার গতির বিষয় ছিল না। আসল কঠিন এবং ব্যয়বহুল কাজ হলো বিশাল সিস্টেম রক্ষণাবেক্ষণ করা, distributed failure modes বিশ্লেষণ করা, লেয়ার্ড ডিপেন্ডেন্সির মধ্যে নিরাপত্তা নিশ্চিত করা এবং প্রতিটি শর্টকাটের ফলে সৃষ্ট technical debt ব্যবস্থাপনা করা। এই