কেন এআই (AI) মুনাফার বৃদ্ধি ওয়াল স্ট্রিটের উচ্চ প্রত্যাশার তুলনায় পিছিয়ে থাকতে পারে

ওয়াল স্ট্রিট বর্তমানে কৃত্রিম বুদ্ধিমত্তা (AI) দ্বারা চালিত কর্পোরেট মুনাফার একটি বিশাল বৃদ্ধির সম্ভাবনাকে হিসাবে আনছে, তবে একটি ক্রমবর্ধমান সতর্কতা ইঙ্গিত দিচ্ছে যে এই সময়সীমা অতিরিক্ত আশাবাদী হতে পারে। অ্যাপোলোর (Apollo) প্রধান অর্থনীতিবিদ টরস্টেন স্লোক (Torsten Slok) যুক্তি দিচ্ছেন যে, প্রযুক্তি বহির্ভূত (non-tech) খাতগুলোতে এআই-চালিত মার্জিন বা মুনাফার প্রকৃত প্রতিফলন বর্তমান বাজারের পূর্বাভাসের তুলনায় অনেক বেশি সময় নিতে পারে।

প্রযুক্তিগত মূল্যায়ন এবং বাস্তব প্রয়োগের মধ্যে বিচ্ছিন্নতা

অনেক এআই কোম্পানির বর্তমান মূল্যায়ন একটি একক ও বিশাল অনুমানের ওপর ভিত্তি করে দাঁড়িয়ে আছে: সেটি হলো S&P 493—যা "Magnificent Seven" প্রযুক্তি জায়ান্টদের বাদ দিয়ে গঠিত একটি সূচক—এআই ইন্টিগ্রেশনের মাধ্যমে উল্লেখযোগ্য মার্জিন বৃদ্ধি দেখাবে। যদিও প্রযুক্তি কোম্পানিগুলো ইতিমধ্যে অটোমেশনের সুবিধা পাচ্ছে, তবে বৃহত্তর অর্থনীতি ভিন্ন কথা বলছে।

স্লোকের মতে, বর্তমানে এমন কোনো উল্লেখযোগ্য প্রমাণ নেই যে এআই মূল প্রযুক্তি খাত বাদে অন্যান্য শিল্পে মুনাফার মার্জিন বাড়িয়ে দিচ্ছে। বাজার দ্রুত আয়ের বৃদ্ধির সম্ভাবনাকে হিসাবে আনছে, অথচ এই মূল্যায়নগুলোকে সঠিক প্রমাণ করার জন্য প্রয়োজনীয় প্রকৃত নগদ প্রবাহ (cash flow) অনেক পিছিয়ে থাকতে পারে। যদি উৎপাদনশীলতার বিপ্লবটি পাঁচ মাসের পরিবর্তে পাঁচ বছর সময় নেয়, তবে শিল্পটি এআই স্টকের একটি বেদনাদায়ক এবং উল্লেখযোগ্য পুনঃমূল্যায়নের (repricing) সম্মুখীন হতে পারে।

নিয়ন্ত্রিত শিল্পগুলোতে কাঠামোগত বাধা

উৎপাদনশীলতা বৃদ্ধির এই বিলম্ব কেবল ধীরগতির প্রয়োগের বিষয় নয়; এটি সেই জটিল পরিবেশের একটি উপজাত (byproduct), যার মধ্যে অনেক বৈশ্বিক শিল্প কাজ করে। স্বাস্থ্যসেবা, ব্যাংকিং, জ্বালানি, ফার্মাসিউটিক্যালস এবং ম্যানুফ্যাকচারিংয়ের মতো উচ্চ নিয়ন্ত্রিত খাতগুলোতে এআই ইন্টিগ্রেশনের পথ অনেক বাধার সম্মুখীন।

কঠোর গোপনীয়তার প্রয়োজনীয়তা, কঠোর নিয়ন্ত্রক কমপ্লায়েন্স এবং ব্যাপক প্রক্রিয়া পরিবর্তনের প্রয়োজনীয়তার অর্থ হলো এই শিল্পগুলো একটি সফটওয়্যার স্টার্টআপের মতো দ্রুত পরিবর্তন করতে পারে না। এই প্রাতিষ্ঠানিক ঘর্ষণগুলো (institutional frictions) সেই গতিকে ধীর করে দেয় যার মাধ্যমে কাজের প্রবাহ (workflow) অপ্টিমাইজ করতে এবং খরচ কমাতে এআই ব্যবহার করা যেতে পারে। ফলে, বিনিয়োগকারীরা যে "উৎপাদনশীলতা বৃদ্ধির" (productivity bump) ওপর বাজি ধরছেন, তা কয়েক বছর বিলম্বিত হতে পারে কারণ এই খাতগুলোকে মেশিন লার্নিং বাস্তবায়নের আইনি ও অপারেশনাল জটিলতাগুলো মোকাবিলা করতে হবে।

নলেজ ওয়ার্ক বা জ্ঞানভিত্তিক কাজে পরিমাপের সমস্যা

এআই যখন সফলভাবে ব্যক্তিগত কর্মীদের দক্ষতা বৃদ্ধি করে, তখনও একটি দ্বিতীয় চ্যালেঞ্জ দেখা দেয়: এই অর্জনগুলোকে পরিমাপ করার অসুবিধা। নলেজ ওয়ার্ক বা জ্ঞানভিত্তিক কাজের ক্ষেত্রে, উৎপাদনশীলতার উন্নতি নিখুঁতভাবে পরিমাপ করা অত্যন্ত কঠিন।

ম্যানুফ্যাকচারিং বা উৎপাদন শিল্পের মতো নয়, যেখানে আউটপুট সহজেই ট্র্যাক করা যায়, সেখানে একজন কর্মচারী রিপোর্ট তৈরি করতে বা ডেটা বিশ্লেষণ করতে একটি LLM ব্যবহার করে যে উন্নতি করেন, তার প্রায়শই কোনো স্পষ্ট মেট্রিক্স থাকে না। সুনির্দিষ্ট ডেটা ছাড়া, ম্যানেজমেন্ট টিমগুলো বড় আকারের মূলধনী ব্যয় (capital expenditure) বা আনুষ্ঠানিক ব্যালেন্স শিটে এই উন্নতিগুলো নথিভুক্ত করতে হিমশিম খায়। পরিবর্তে, এই ক্রমবর্ধমান দক্ষতার উন্নতিগুলো প্রায়শই দৈনন্দিন কার্যক্রমের মধ্যে "শোষিত" হয়ে যায়, যা ওয়াল স্ট্রিটের প্রত্যাশিত দৃশ্যমান মার্জিন সম্প্রসারণ হিসেবে প্রকাশ পায় না।

মূল বিষয়সমূহ

• বাজারের অতিরিক্ত মূল্যায়নের ঝুঁকি: এআই স্টকের মূল্যায়ন মূলত S&P 493-এর মার্জিন বৃদ্ধির ওপর ভিত্তি করে করা হয়েছে, যা প্রযুক্তি বহির্ভূত খাতে এখনও দেখা দেয়নি।
• নিয়ন্ত্রক ঘর্ষণ: গোপনীয়তা সংক্রান্ত বাধ্যবাধকতা এবং জটিল প্রক্রিয়া পরিবর্তনের কারণে স্বাস্থ্যসেবা এবং ব্যাংকিংয়ের মতো শিল্পগুলো এআই গ্রহণের ক্ষেত্রে উল্লেখযোগ্য বিলম্বের সম্মুখীন হচ্ছে।
• পরিমাপযোগ্যতার ব্যবধান: নলেজ ওয়ার্ক বা জ্ঞানভিত্তিক কাজের উৎপাদনশীলতা বৃদ্ধি পরিমাপ করা এবং রিপোর্ট করা কঠিন, যা কোম্পানিগুলোর জন্য এআই ব্যবহারকে সরাসরি bottom-line প্রবৃদ্ধিতে রূপান্তর করা কঠিন করে তোলে।