I wish good essays could pay rent on their own. Until they learn how, paid subscriptions keep this publication alive.
সম্প্রতি আটলান্টায় আয়োজিত ভিন্ন ধারার দুটি সম্মেলনে যোগ দেওয়ার অভিজ্ঞতা হলো। দুটি একদম বিপরীত দৃশ্যপট। একটিতে গেলে মনে হবে চারপাশের সবাই আপনার গোপন পাসওয়ার্ড হাতিয়ে নেওয়ার ধান্দায় ওত পেতে আছে। অন্যটিতে প্রবেশ করলেই মনে হবে আগামী দু-এক দিনের মধ্যে যদি সব দাপ্তরিক কাজ এআই-কেন্দ্রিক করা না যায়, তবে আধুনিক সভ্যতার চাকা সেখানেই থেমে যাবে!
সম্মেলনটির শিরোনাম ছিল Atlanta Cybersecurity Summit। সেখানে মূল আলোচনার কেন্দ্রে ছিল Threat model, Attack surface, Identity, Incident response, Deepfake, Governance, Data breach এবং Access control-এর মতো বিষয়গুলো। সাধারণ মানুষ নতুন প্রযুক্তি দেখলে প্রথাগতভাবে তার উপযোগিতা দেখে হয়তো প্রশংসা করে, কিন্তু একজন সাইবার সিকিউরিটি বিশেষজ্ঞের দৃষ্টি থাকে এর ঝুঁকির দিকে—প্রযুক্তিটির কোন ফাঁকফোকর দিয়ে অনাকাঙ্ক্ষিত অনুপ্রবেশ ঘটানো সম্ভব, সেটাই তাদের প্রথম ভাবনার বিষয় হয়ে দাঁড়ায় ।
অন্যদিকে ছিল COLLIDE Data + AI Conference। সেখানে মূল আলোচনা ঘূরছিল model, platform, transformation, pilot, production, enterprise adoption এবং data strategy-র মতো বিষয়গুলোকে ঘিরে। মূল উদ্দেশ্য ছিল মেশিনকে ব্যবসার কাজে কীভাবে কার্যকরভাবে ব্যবহার করা যায়, কর্মপ্রক্রিয়ায় এর প্রকৃত মূল্য কতটুকু এবং এটিকে ঠিক কোথায় স্থাপন করলে বাস্তব সুফল মিলবে—নাকি তা কেবল সিইও-র পাওয়ার পয়েন্ট প্রেজেন্টেশনের সৌন্দর্য বাড়াতেই সীমিত থাকবে!
সূচনায় ধারণা হচ্ছিল দুই সম্মেলন দুটি বিপরীত দৃষ্টিকোণ তুলে ধরছে। তবে দু’দিন পর্যবেক্ষণের পর বোধ হলো, তারা বস্তুত একই সংকটের দুই ভিন্ন চিকিৎসক। একের প্রশ্ন: এআই দিয়ে কত দূর এগোনো সম্ভব? অন্যের প্রশ্ন: এআইকে অতিরিক্ত স্বাধীনতা দিলে ঝুঁকির পথটি কোথায় উন্মুক্ত হবে? এই দুই জিজ্ঞাসার সমন্বয়ে যে মূল ভাবটি রূপ নেয়, আগামী দিনে enterprise AI-এর মূল লক্ষ্য সম্ভবত সেটিই নির্ধারণ করবে: মানুষ কি বাস্তবিকই এই ব্যবস্থার ওপর আস্থা রাখতে পারবে?
মডেলটি কত প্রকাণ্ড, বেঞ্চমার্কে কত নম্বর পেল, বিলিয়ন প্যারামিটারের সংখ্যা কিংবা মঙ্গলবারের সংস্করণের চেয়ে বৃহস্পতিবারের সংস্করণটি কত শতাংশ বেশি বুদ্ধিদীপ্ত—এই ধরনের লড়াই অনবরত চলতেই থাকবে। প্রযুক্তি প্রতিষ্ঠানগুলোও শীতের মৌসুমে কম্বল বিক্রেতাদের মতো অনবরত প্রচার চালিয়ে যাবে যে, তাদের নতুন সংস্করণটি পূর্বের চেয়ে অধিক উষ্ণ, আরামদায়ক ও উন্নত যুক্তিপ্রয়োগে সক্ষম।
কিন্তু একটি প্রতিষ্ঠান যখন সত্যি সত্যি এআইকে নিজের কাজের মধ্যে ঢোকাবে, তখন প্রশ্ন অন্য।
আমার confidential data কোথায় যাচ্ছে? এই উত্তরটা এল কোথা থেকে? ভুল হলে দায় কার? মডেলকে কে কোন তথ্য দেখতে দিয়েছে? সে কি শুধু উত্তর দিতে পারে, নাকি কোনও action-ও নিতে পারে? তার identity কে? তার নামে কাজটি করল কে? কেউ prompt-এর মধ্যে বিষ মিশিয়ে দিলে? ভুল document ঢুকিয়ে দিলে? কর্মচারীর account চুরি হলে? CEO-র গলায় ফোন করে CEO-ই যদি বলেন, “এখনই দশ মিলিয়ন ডলার ওদিকে পাঠাও”, আমরা কি আর কণ্ঠস্বর শুনে নিশ্চিন্ত হতে পারি?
এইখানেই এআইয়ের বর্তমান অধ্যায়টি বেশ মজার।
কয়েক বছর আগে আমরা মুগ্ধ হয়ে দেখছিলাম, মেশিন কবিতা লিখছে, ছবি বানাচ্ছে, code লিখছে, meeting summarize করছে। এখন অনেক অফিসের লোক বুঝেছেন, মেশিন কবিতা লিখুক আর annual report লিখুক, শেষ পর্যন্ত যদি payroll database-এ ভুল লোক ঢুকে পড়ে, কবিতার ছন্দ পরীক্ষা করার অবসর আর থাকে না।
ডেমো থেকে দফতর
‘From pilots to production’—COLLIDE সম্মেলনের প্রতিটি আলোচনাতেই ঘুরেফিরে এসেছে এই বাক্যটি। তবে এন্টারপ্রাইজ প্রযুক্তির ইতিহাস ঘাঁটলে দেখা যায়, দৃশ্যত সহজ এই চারটি শব্দের আড়ালে কোটি কোটি ডলারের বিপুল ব্যর্থতা ও ক্ষতি চাপা পড়ে থাকে। প্রারম্ভিক পর্যায়ে বা পাইলট প্রজেক্ট চালনা করা অত্যন্ত মসৃণ এক অভিজ্ঞতা। একটি পরিচ্ছন্ন ডেটাসেট নির্বাচন করে পঁচিশটি মানসম্মত নথি যুক্ত করা হলো, আর পাঁচজন উৎসাহী কর্মীকে নিয়ে শুরু হলো পরীক্ষা-নিরীক্ষা। এআই অ্যাসিস্ট্যান্ট নিখুঁত ও চমৎকার উত্তর উপহার দিল। ভাইস প্রেসিডেন্ট তা দেখে মুগ্ধ হয়ে প্রসংশা করলেন, আলোকচিত্র ধারণ করা হলো, বর্ণাঢ্য প্রেজেন্টেশন তৈরি হলো এবং রূপান্তরের রোডম্যাপে চূড়ান্ত সবুজ সংকেত পড়ে গেল। এরপর প্রজেক্টটি যখন বাস্তব প্রোডাকশনে পদার্পণ করল, তখনই মুখোমুখি হতে হলো পৃথিবীর আসল ও জটিল বাস্তবতার ।
বাস্তব জগতের কাজের পরিবেশ বেশ জটিল ও অগোছালো। দেখা যায়, স্প্রেডশিটের কলামের নাম রাখা হয়েছে Final_New_Actual_v3_USE_THIS। একাধিক ডেটাবেসে একই গ্রাহকের নামের বানান তিন রকম। ডকুমেন্টের গোপনীয়তা সম্পর্কে কর্মীরা অনবহিত। ২০০৮ সালে তৈরি অ্যাপ্লিকেশনের ডেভেলপার কলোরাডোতে খামার গড়েছেন, আর সেটির সোর্স কোড কোথায় তা অজানা। পলিসি ডকুমেন্টের একাধিক ভার্সনের মধ্যে সবাই নিজ ভার্সনকেই সর্বশেষ মনে করে। উপরন্তু, গ্রাহকদের প্রশ্ন প্রায়শই প্রোডাক্ট ম্যানেজারের ডেমো-ভাবনার বাইরে থাকে ।
সেখানেই AI-এর রোম্যান্স গিয়ে engineering-এর সঙ্গে বিয়ে করে। এবং বিয়ের পরেই বোঝা যায়, প্রেমের সময় “তুমি আমাকে বুঝো” বলা আর সংসারে gas bill কে দেবে, সে দুটি পৃথক বিদ্যা।
Production AI-কে প্রতিষ্ঠানের বাস্তব architecture-এর মধ্যে বাস করতে হয়। Legacy system, fragmented data, identity management, access policy, compliance, budget, customer expectation, employee habit, institutional memory, সবকিছুর সঙ্গে।
একটি polished demo আপনাকে দেখায় AI কী করতে পারে। Production system দেখায়, মঙ্গলবার দুপুর ২টা ১৭ মিনিটে অসম্পূর্ণ data, ভুল permission, অস্পষ্ট instruction এবং অধৈর্য customer একসঙ্গে এসে পড়লে সে কী করে।
আসল বিষয়টি দাঁড়িয়ে আছে দ্বিতীয় পরীক্ষার ওপর!
সেই কারণেই COLLIDE-এ অবহেলা না করে আমি গুরুত্ব দিয়েছিলাম বাস্তবায়ন সংক্রান্ত দিকগুলোতে। ডেটার গুণগত মান, তা গ্রহণ করার মানসিকতা, সুশাসন, পরিমাপযোগ্য ফলাফল, প্রতিষ্ঠানের প্রস্তুতি এবং সামগ্রিক সংযোগ—এসবই ছিল মূল আলোচনার বিষয়। কৃত্রিম বুদ্ধিমত্তা বা মেশিন মানুষকে হটিয়ে দেবে কি না—সেই কাল্পনিক রোমাঞ্চের ট্রেইলার দেখার চেয়ে বাস্তব প্রশ্নগুলোই এখানে বড় হয়ে উঠেছিল: সোমবার সকালে কাজের প্রথম দিনে মেশিনকে ঠিক কোন চেয়ারে বসানো হবে, তার হাতে কোন ফাইলটি তুলে দেওয়া হবে, কোনটা আটকানো হবে, এমনকি বাথরুমের চাবি পর্যন্ত তার প্রাপ্য কি না!
শুনতে বিষয়টি দারুণ উত্তেজনাপূর্ণ মনে হলেও বাস্তবতার সমীকরণ আলাদা। মানবসভ্যতার গতিপথ রোমাঞ্চের ফ্যান্টাসিতে নয়, টিকে থাকে নিখুঁত কাঠামোগত ভিত্তি বা প্লাম্বিংয়ের শক্তিতেই!
Cybersecurity Summit দ্বিতীয় দিকটি মনে করিয়ে দিল।
ধরা যাক, AI প্রডাকশনে চলে গেল। তারপর? তারপর প্রডাকশন AI নিজেই একটি প্রধান টার্গেট হয়ে ওঠে।
যে জিনিসের বাজারমূল্য আছে, তা কেউ না কেউ হাতিয়ে নিতে চাইবেই। যে পথ দিয়ে কাজ সম্পন্ন হয়, সেই পথ দিয়েই অনধিকার প্রবেশ ঘটা সম্ভব। যে মডেল সংবেদনশীল তথ্য পড়তে পারে, তাকে বিভ্রান্ত করে সেই তথ্য বের করে নেওয়াও অসম্ভব নয়। আবার যে এজেন্ট সরাসরি অ্যাকশন নিতে পারে, তার আইডেন্টিটি হাতাতে পারলে অ্যাকশনের নিয়ন্ত্রণও অন্যের হাতে চলে যায়। পুরনো ঝুঁকিগুলো তো এখনও বহাল তবিয়তে আছে—থার্ড-পার্টি টুলে স্পর্শকাতর ডেটা চলে যাওয়া, দুর্বল আইডেন্টিটি কন্ট্রোল, অনিরাপদ API, অভ্যন্তরীণ তথ্যে অতিরিক্ত অ্যাক্সেস, পর্যাপ্ত মনিটরিংয়ের অভাব, সাপ্লাই-চেইনের ঝুঁকি এবং ইনসিডেন্ট রেসপন্সে প্রস্তুতির অভাব।
নতুন যুগের হুমকি ও প্রযুক্তি
এর পাশাপাশি যুক্ত হয়েছে কিছু নতুন উপাদান। আর মানুষের স্বভাবই হলো নতুন উপাদান পেলে তা নিয়ে খেলা করা, কিংবা তা দিয়ে অন্যের ক্ষতি করা। যেমন—সিন্থেটিক ভয়েস, এআই-জেনারেটেড ছবি, ডিপফেক ভিডিও, নিখুঁত ছদ্মবেশ (impersonation), স্বয়ংক্রিয় ফিিশিং এবং এআই-চালিত সোশাল ইঞ্জিনিয়ারিং। এর ফলে অল্প খরচে বিপুল পরিমাণ বিশ্বাসযোগ্য মিথ্যা ছড়ানো সম্ভব হচ্ছে।
একসময় সাইবার সিকিউরিটি ট্রেনিংয়ে শেখানো হতো: অচেনা লিংকে ক্লিক করবেন না, অ্যাটাচমেন্ট খোলার আগে ভাবুন, পাসওয়ার্ড কারও সঙ্গে শেয়ার করবেন না। আজ সেখানে নতুন একটি নির্দেশ যোগ করতে হচ্ছে: নিজের চোখে দেখলেও সঙ্গে সঙ্গে সত্য বলে ধরে নেবেন না। কোনো ভয়েস রেকর্ডিং শুনেই নিশ্চিত হওয়া যায় না যে এটি সত্যিই সেই মানুষের কণ্ঠ। ভিডিওতে কোনো এক্সিকিউটিভকে জরুরি নির্দেশ দিতে দেখা গেলেও, তিনি হয়তো ওই সময়ে বার্বাডোসে বসে ডাবের জল খাচ্ছেন! বসের নামে মেসেজ আসলেও তা বসের লেখা না-ও হতে পারে। এআই হয়তো চমৎকার উত্তর দিলো, কিন্তু উত্তরের উৎস গায়েব। উৎস থাকলেও তা ভুল। কিংবা তথ্য ঠিক থাকলেও সেই ডেটা ব্যবহারের কোনো অনুমতি ছিল না; অথবা অনুমতি থাকলেও সংশ্লিষ্ট কর্মীর সেটি দেখার অধিকার ছিল না। তাই এন্টারপ্রাইজ এআইয়ের ক্ষেত্রে কেবল নির্ভুলতা (accuracy) একমাত্র যোগ্যতা হতে পারে না।
ডিজাইন, সিকিউরিটি ও গভর্নেন্স
একটি বন্দুক অত্যন্ত নির্ভুল হলেই সেটিকে শিশুদের খেলার ঘরে রেখে বলা যায় না—বাহ্, দুর্দান্ত ইঞ্জিনিয়ারিং! কোন প্রযুক্তি কে ব্যবহার করবে, কোন পরিস্থিতিতে ব্যবহার করবে, এর সীমা কতটুকু হবে, কে তদারকি করবে এবং ভুল হলে কে থামাবে—এসবই ডিজাইনের মৌলিক অংশ। আর এই জায়গাতেই সিকিউরিটি টিমকে প্রায়শই প্রতিষ্ঠানের “কঠোর শাশুড়ি” হিসেবে দেখা হয়।
প্রোডাক্ট টিম যখন বলে নতুন ফিচার বানাবে, সিকিউরিটি বলে—না। মার্কেটিং টিম যখন কাস্টমারকে এআই দেওয়ার প্রস্তাব দেয়, সিকিউরিটি বলে—আগে ফর্ম পূরণ করুন। ইঞ্জিনিয়ার যখন এপিআই কানেক্ট করতে চায়, সিকিউরিটি প্রশ্ন তোলে—টিকিট খুলেছেন? পরিণতিতে সবাই সিকিউরিটি টিমকে উদ্ভাবনের শত্রু মনে করে। কিন্তু বাস্তবতা এতটা সরল নয়।
প্রজেক্টের শুরুতে সিকিউরিটিকে যুক্ত না করলে, শেষে তার মুখোমুখি হতে হয় বড় কোনো ইনসিডেন্টের মাধ্যমে। তখন মিটিং রুমে সিকিউরিটি, লিগ্যাল, এক্সিকিউটিভ ও পিআর টিম পাশাপাশি বসে থাকে; আর রুমজুড়ে নেমে আসে এক অদ্ভুত নীরবতা—যেখানে সবাই হিসাব করতে থাকে, দায় এড়াতে প্রথম ইমেইলটা কে পাঠাবে! প্রাইভেসি, সিকিউরিটি ও গভর্নেন্স প্রযুক্তি বিকাশের পথে কোনো বাধা নয়; বরং এগুলো রাস্তার গার্ডরেইলের মতো, যা থাকলে গাড়ি নিরাপদে আরও জোরে চালানো যায়।
বিশ্বাস ও মানবিক জবাবদিহিতা
ভুল প্রম্পটের কারণে গোপন ডেটা ফাঁস হয়ে যাওয়ার ভয়ে কর্মী যদি এআই ব্যবহার না করে, অথবা গোপনে ব্যবহার করে—তবে দ্বিতীয়টি আরও বেশি বিপজ্জনক। আবার কাস্টমার যদি তার ব্যক্তিগত তথ্যের ব্যবহার নিয়ে সংশয়ে থাকে, তবে এআই সেবা যত বুদ্ধিমানই হোক না কেন, সেখানে অনাস্থা তৈরি হবেই।
সবশেষে, যেকোনো গুরুত্বপূর্ণ সিদ্ধান্তে এআইয়ের সুপারিশ নেওয়া হলেও “কম্পিউটার বলেছে” বলে পার পাওয়া যাবে না। কারণ দিনশেষে ভুল হলে কম্পিউটারের চাকরি যাবে না, চাকরি যাবে মানুষেরই।
দুই সম্মেলনের মাঝখানে যে সেতু
দু’দিন পরে আমার কাছে সবচেয়ে পরিষ্কার যে কথাটি দাঁড়াল, তা হল enterprise AI strategy এবং cybersecurity strategy আলাদা আলাদা PDF হয়ে SharePoint-এর দুই folder-এ পড়ে থাকতে পারে না। একটির নাম AI_Strategy_Final_v7.pdf, আরেকটির নাম Cyber_Governance_Approved_Final2.pdf, এবং দুই document-এর মালিক বছরে একবার cafeteria-য় দেখা করেন, এই ব্যবস্থায় AI scale করা কঠিন। দুটোকে একই operating model-এর অংশ হতে হবে।
ব্যবসার সমস্যাটি কী? AI সেখানে কী করবে? কোন data ব্যবহার করবে? Data-টির classification কী? কে access পাবে? Model কোন system দেখতে পাবে? কোন action নিজে নিতে পারবে? কোথায় মানুষের approval বাধ্যতামূলক? Output কীভাবে monitor হবে? Exception কে দেখবে? Prompt injection পরীক্ষা হয়েছে? Data leakage? Hallucination? Manipulation? Identity compromise? Vendor-এর নিজের security কেমন? Model বদলালে behaviour বদলাচ্ছে কি? Audit trail আছে? কোনও customer ছ’মাস পরে প্রশ্ন করলে আপনি reconstruct করতে পারবেন কী ঘটেছিল? এই প্রশ্নগুলোর উত্তর production-এর এক সপ্তাহ আগে governance committee-র meeting-এ বের করার চেষ্টা করলে দেরি হয়ে গেছে।
Security by design কথাটি পুরনো। AI সেটিকে নতুন করে গুরুত্বপূর্ণ করছে। কারণ AI system সাধারণ software-এর মতো শুধু নির্দিষ্ট input নিয়ে নির্দিষ্ট output দেয় না। অনেক system এখন language বুঝছে, context নিচ্ছে, বিভিন্ন tool ব্যবহার করছে, document পড়ছে, সিদ্ধান্ত recommend করছে, কখনও action-ও নিচ্ছে।
ক্ষমতা বাড়লে permission-এর গুরুত্ব বাড়ে। একজন intern-কে অফিসে ঢোকার badge দেওয়া যায়। সেই badge দিয়ে server room, payroll, CEO-র office, bank account আর nuclear submarine খুলে গেলে intern-এর চরিত্র নিয়ে আলোচনা পরে করলেও চলবে; আগে badge system-টির চিকিৎসা দরকার। AI agent-এর ক্ষেত্রেও একই কথা।
‘Trust’ বিষয়টাই বেশ জটিল
আজকাল প্রযুক্তির বিভিন্ন কনফারেন্সে “Trust” শব্দটির এতোই ছড়াছড়ি যে, খুব শিগগির হয়তো এটি টোট ব্যাগেও ছেপে দেওয়া হবে।
Trusted AI
Responsible AI
Secure AI
AI you can trust
কথা কিংবা শব্দ মুখে বলা বা কাগজে লেখা বেশ সহজ, কিন্তু প্রকৃতপক্ষে বিশ্বাস অর্জন করা বেশ একঘেয়ে ও কঠিন কাজ। কারণ বিশ্বাস কোনো সাধারণ চেকবক্স নয় যে টিক দিলেই কাজ শেষ। একটি পলিসি লিখে ফেললেই বিশ্বাস অর্জিত হয় না, কিংবা একটি Responsible AI কমিটি গঠন করলেও তা সম্ভব নয়। বাৎসরিক ট্রেনিংয়ে কর্মীদের ৪৩টি স্লাইড দেখিয়ে কুইজে “Phishing email পেলে কী করবেন?” প্রশ্নের সঠিক উত্তর ‘C’ নির্বাচন করিয়ে নিলেই বিশ্বাস তৈরি হয়ে যায় না।
প্রকৃতপক্ষে, বিশ্বাস তৈরি হয় ছোট ছোট অনেকগুলো সাধারণ কাজের সমন্বয়ে:
ডাটা কোথায় সংরক্ষিত আছে সে বিষয়ে স্পষ্ট ধারণা রাখা।
এক্সেস যথাসম্ভব সীমিত ও সুরক্ষিত রাখা।
আইডেন্টিটি সিকিউরিটি আরও শক্ত করা।
নিয়মিত লগিং ব্যবস্থা রাখা।
মডেলের আউটপুট সঠিকভাবে যাচাই করা।
গুরুত্বপূর্ণ সিদ্ধান্ত গ্রহণের ক্ষেত্রে মানুষের অংশগ্রহণ নিশ্চিত করা।
ভেন্ডরদের সঠিক মূল্যায়ন ও যাচাই করা।
কোনো ইনসিডেন্ট ঘটলে তা দ্রুত শনাক্ত করা।
কর্মীদের জন্য সহজ ও বোধগম্য নীতি তৈরি করা।
তবে সবকিছুর চেয়ে বড় কথা হলো, প্রতিষ্ঠানের ভেতরে এমন একটি সংস্কৃতি গড়ে তোলা যেখানে AI ব্যবহার করে কেউ ভুল করলে তা চেপে যাওয়া বা লুকানো প্রথম কাজ না হয়।
আসল বিষয়টি হলো—বিশ্বাস কোনো সুন্দর বক্তৃতায় তৈরি হয় না, এটি তৈরি হয় ধারাবাহিক আচরণের ইতিহাস থেকে। যেমন কোনো ব্যক্তি প্রতিদিন আপনার টাকা সময়মতো ফেরত দিলে দশম দিনে আপনি নির্দ্বিধায় তাকে ধার দেবেন; কিংবা একটি সিস্টেম টানা ছ’মাস সঠিকভাবে কাজ করলে সপ্তম মাসে এসে মানুষ তার ওপর স্বাভাবিকভাবেই একটু বেশি ভরসা করবে।
ঠিক এ কারণেই এন্টারপ্রাইজ AI-এর মূল সম্পদ কেবল তার মডেলের ইন্টেলিজেন্স বা বুদ্ধিমত্তা নয়; আসল সম্পদ হলো প্রাতিষ্ঠানিক বিশ্বাস বা Institutional Trust।
‘পাইলট’ সংস্কৃতির ফাঁদ
আজকাল AI গ্রহণের ক্ষেত্রে এক বড় বাধা হয়ে দাঁড়িয়েছে ‘পাইলট আসক্তি’। প্রতিষ্ঠানগুলো একের পর এক পাইলট প্রজেক্ট চালিয়েই যাচ্ছে, কিন্তু সেগুলো আর মূল চালিকাশক্তিতে পরিণত হচ্ছে না। ইনোভেশন ল্যাবে গবেষণার যে জাঁকজমক, বাস্তব অপারেশনের সঙ্গে তার যেন কোনো সংযোগই নেই। পাইলটের সবচেয়ে বড় সুবিধা হলো, সেখানে ব্যর্থ হলেও দারুণ শোনায়:
“দুর্দান্ত শেখা গেল।”
“মূল্যবান অভিজ্ঞতা অর্জন হলো।”
“পরের ধাপে নতুনভাবে চেষ্টা করা যাবে।”
অথচ বাস্তব প্রোডাকশনে ক্রেতার ইনভয়েসে একটি ছোট ভুল হলেও কেউ বলে না, “বাঃ, দারুণ শিক্ষা হলো!”
পাইলট থেকে প্রোডাকশন: প্রাতিষ্ঠানিক প্রস্তুতি
প্রোডাকশনে সফল হতে হলে শুধু টেকনিক্যাল সক্ষমতা থাকলেই চলবে না, প্রাতিষ্ঠানিক প্রস্তুতিও সমান জরুরি। দেখতে হবে—
কর্মীরা কি সত্যি AI ব্যবহার করতে ইচ্ছুক?
তারা কি বোঝে কখন AI ব্যবহার করতে হবে আর কখন এড়িয়ে চলতে হবে?
AI-এর উত্তরের ওপর কতটা ভরসা করা উচিত এবং সমস্যা হলে তা সমাধানের স্পষ্ট নির্দেশিকা কী?
ব্যবসার মূল সূচকগুলোতে কোনো বাস্তব প্রভাব পড়ছে কি? যেমন—সময় ও খরচ বাঁচল কিনা, ভুল কমলো কিনা, নাকি গ্রাহকসেবার মান উন্নত হলো?
সংস্থা নিজেদের “AI-ফার্স্ট” বলে দাবি করলেও একাউন্টিং বিভাগ যদি এখনও এক্সেল ফাইল ইমেইলে অ্যাটাচ করে পাঠায়, তবে তা শুধুই মুখের কথা।
আসল ট্রান্সফরমেশন কী?
নতুন প্রযুক্তি বা টুল কিনলেই ট্রান্সফরমেশন হয় না। আসল পরিবর্তন আসে কাজের পদ্ধতি ও সংস্কৃতি বদলালে। এর জন্য দরকার വ്യക്ത পরিকল্পনা—
কার কী ভূমিকা তা সঠিকভাবে নির্ধারণ করা।
কোন কাজগুলো অটোমেশনের যোগ্য এবং কোন সিদ্ধান্তে মানুষের উপস্থিতি জরুরি তা চিহ্নিত করা।
পুরোনো ওয়ার্কফ্লো নতুন করে সাজানো।
সফটওয়্যার কেনার চেয়ে মানুষ ও প্রতিষ্ঠানের মানসিকতা পরিবর্তন করা সবসময়ই বেশি কঠিন। কারণ প্রযুক্তি অন্তত কোনো মিটিং শেষে প্যাসিভ-অ্যাগ্রেসিভ ইমেইল পাঠায় না!
‘AI-ready’ ধারণাটির আসল অর্থ কী?
বিভিন্ন সম্মেলনে যোগ দিলে কিছু নির্দিষ্ট শব্দ প্রায়ই চোখে পড়ে বা কানে বাজে—Transformation, Scale, Innovation, Responsible AI, কিংবা AI-ready। তবে এই শেষ শব্দটি নিয়ে কিছুটা অস্পষ্টতা রয়ে গেছে।
বাস্তবে একটি প্রতিষ্ঠান ‘AI-ready’ বা কৃত্রিম বুদ্ধিমত্তার জন্য প্রস্তুত—বলতে ঠিক কী বোঝায়?
শুধু Copilot license কেনা, Chatbot তৈরি করা, ওয়েবসাইটে “Powered by AI” লেখা কিংবা সিইও-র বক্তব্যে বারবার AI শব্দটির ব্যবহার—এগুলো বাহ্যিক লক্ষণ মাত্র, প্রকৃত চিত্র নয়। প্রকৃতপক্ষে, একটি AI-ready প্রতিষ্ঠান নিজস্ব ডেটা সম্পর্কে স্পষ্ট ধারণা রাখে এবং সংবেদনশীল তথ্য কোথায় রয়েছে তা চেনে। পাশাপাশি, কার্যকর Identity ও Access Control নিশ্চিত করা, Vendor Evaluation-এর সক্ষমতা থাকা, কর্মী পর্যায়ে নীতিমালা সুগম করা এবং কাজের ফলাফল সঠিকভাবে পরিমাপ করতে পারা—এ সবই এর অন্তর্ভুক্ত। একইসাথে প্রতিষ্ঠানটির নেতৃত্ব ঝুঁকি ও সম্ভাবনা—উভয় দিক নিয়েই খোলামেলা আলোচনা করতে সক্ষম।
কোন প্রক্রিয়াটি অটোমেট করা হবে আর কোনটি করা হবে না, তার পেছনে সুনির্দিষ্ট যুক্তি থাকা আবশ্যক। সবথেকে গুরুত্বপূর্ণ বিষয় হলো, Intelligence (বুদ্ধিমত্তা) এবং Wisdom (প্রজ্ঞা) যে এক নয়—তা অনুধাবন করা। একটি মডেল হয়তো কয়েক সেকেন্ডের মধ্যে হাজার হাজার পৃষ্ঠা পড়ে ফেলতে পারে; কিন্তু এর মানে এই নয় যে, তার মধ্যে কোনটি নৈতিকভাবে গুরুত্বপূর্ণ, সেই সিদ্ধান্ত নেওয়ার পূর্ণ দায়িত্বও স্বয়ংক্রিয়ভাবে তার ওপর ছেড়ে দিতে হবে।
AI প্যাটার্ন চিহ্নিত করতে পারে, ভবিষ্যৎ অনুমান বা প্রেডিকশন করতে পারে, ড্রাফট বা কোড তৈরি করতে পারে এবং তথ্য খুঁজে নিয়ে সিদ্ধান্ত গ্রহণে সহায়তা করতে পারে। তবে চূড়ান্তভাবে আমরা কোন পদক্ষেপ নেব, কার ওপর এর প্রভাব পড়বে, কতখানি ঝুঁকি নেওয়া যুক্তিযুক্ত, কিংবা ভুল হলে তার দায়ভার কার—এগুলো মূলত প্রাতিষ্ঠানিক ও মানবিক বিচারবুদ্ধির বিষয়। প্রযুক্তি দ্রুত উত্তর দিতে পারে বলেই মূল প্রশ্নের মালিকানা প্রযুক্তির হয়ে যায় না।
সাইবার সিকিউরিটির মূল আলোচনায় একটি গুরুত্বপূর্ণ সত্য ফুটে ওঠে: প্রযুক্তি যতই এগো দিক, মানবীয় শিক্ষার ভূমিকা সিকিউরিটি আর্কিটেকচারের কেন্দ্রবিন্দুতেই থেকে যায়। ফায়ারওয়াল, এমএফএ (MFA), এন্ডপয়েন্ট সিকিউরিটি কিংবা এআই মনিটরিংয়ের মতো আধুনিক সুরক্ষা থাকা সত্ত্বেও, মানুষের সামান্য অসাবধানতাই বড় ঝুঁকির কারণ হতে পারে। উদাহরণস্বরূপ, ফাইন্যান্স ডিপার্টমেন্টের কোনো কর্মীকে যদি সিইও-র কৃত্রিম কণ্ঠস্বরে ফোন করে বলা হয় যে একটি গোপন বোর্ডের কাজের জন্য অর্থ স্থানান্তর প্রয়োজন, তবে তিনি খুব সহজেই বিশ্বাস করে ফেলতে পারেন।
বিষয়টি দুর্গ রক্ষার মতো—বিশাল লোহার ফটক আর সুরক্ষার ব্যবস্থা সত্ত্বেও যদি মূল ফটকে দাঁড়িয়ে থাকা প্রহরীকে বলা থাকে “পরিচিত কেউ এলেই প্রবেশ করতে দাও”, তবে সমস্ত নিরাপত্তা ব্যবস্থার কার্যকারিতা প্রহরীর সিদ্ধান্তের ওপরই নির্ভর করে।
ডিজিটাল যুগে, বিশেষ করে ডিপফেক প্রযুক্তির বিস্তারে, “পরিচিত ব্যক্তি” চেনার পুরোনো ধারণা পুরোপুরি পাল্টে যাচ্ছে। এজন্য প্রতিষ্ঠানে একটি মজবুত ভেরিফিকেশন কালচার গড়ে তোলা জরুরি:
অস্বাভাবিক আর্থিক লেনদেনের অনুরোধে সেকেন্ড-চ্যানেল ভেরিফিকেশন নিশ্চিত করা।
যেকোনো স্পর্শকাতর কাজে একের অধিক স্তরের অনুমোদন (Multiple Approval) বাধ্যতামুলক করা।
শুধুমাত্র চেহারা, কণ্ঠস্বর বা ইমেইল ঠিকানার ওপর নির্ভর না করে পরিচয় নিশ্চিতের সুনির্দিষ্ট প্রক্রিয়া অনুসরণ করা।
এআই-জেনারেটেড কনটেন্ট শনাক্ত করার জন্য কর্মীদের যথাযথ প্রশিক্ষণ দেওয়া এবং এআই সিস্টেমে কোন তথ্য দেওয়া নিরাপদ তা স্পষ্ট করে দেওয়া।
ভুলত্রুটিকে ভয়ের চোখ দিয়ে না দেখে সচেতনতার সুযোগ হিসেবে দেখা। কঠোর শাস্তির ভয় থাকলে কর্মীরা ভুল লুকিয়ে রাখার চেষ্টা করে, যা সিকিউরিটিকে আরও বেশি ঝুঁকিপূর্ণ করে তোলে। ভয় মানুষকে যেমন সতর্ক করে, তেমনি গোপনীয়তার দিকেও ঠেলে দেয়—এই পার্থক্যটি বোঝা অত্যন্ত জরুরি।
একইভাবে, এআই কোনো অলৌকিক সমাধান নয় যা প্রতিষ্ঠানের বিদ্যমান দুর্বলতাগুলোকে রাতারাতি দূর করে দেবে। বরঞ্চ, প্রযুক্তি প্রতিষ্ঠানের অভ্যন্তরীণ চরিত্র ও কার্যপদ্ধতিকেই বহুগুণে বাড়িয়ে তোলে (Amplify করে):
খারাপ বা ভুল ডেটা থাকলে এআই সেই ভুল ডেটাকেই দ্রুত ব্যবহার করবে।
পারমিশন বা এক্সেস লেভেলে এলোমেলো অবস্থা থাকলে এআই ভুল তথ্যে পৌঁছানোর গতি বাড়িয়ে দেবে।
কর্মপ্রক্রিয়া অস্পষ্ট হলে অস্পষ্টতাই বড় আকারে ছড়াবে; আর কাজের সঠিক দায়িত্ব ও মালিকানা (Ownership) না থাকলে ভুলের পর শুধু মিটিংয়ের সংখ্যাই বাড়বে।
কাগজে-কলমে থাকা গভর্ন্যান্সকে এআই সুন্দর সারসংক্ষেপে রূপান্তর করতে পারলেও, তা বাস্তবে কার্যকর হবে না।
একটি সুশৃঙ্খল প্রতিষ্ঠানে এআই কাজের দক্ষতা বাড়াতে ভূমিকা রাখে, কিন্তু অগোছালো প্রতিষ্ঠানে এটি বিশৃঙ্খলাকেই অটোমেশনের রূপ দেয়। আগে যে ভুলটি দিনে ১৭ বার হওয়ার সুযোগ ছিল, অটোমেশনের ফলে সেটি মিনিটে ১৭ হাজার বার ছড়িয়ে পড়তে পারে। তাই স্কেল (Scale) করার ক্ষমতা সবসময় ইতিবাচক নয়—ক্যান্সারও কিন্তু স্কেল বা বিস্তার লাভ করে।
দু’দিনের দুটো কনফারেন্সে ঘুরে AI নিয়ে আমার মনে কোনো চরম ভীতি বা অন্ধ বিশ্বাস—কোনোটারই জন্ম হয়নি। AI যে আগামী সপ্তাহের মধ্যেই সমস্ত সংকট দূর করে দেবে, এমনটা আমি ভাবি না। আবার একই সাথে, আশঙ্কায় সমস্ত সম্ভাবনাকে নাকচ করে মুখ ফিরিয়ে রাখাও যুক্তিসঙ্গত মনে করি না।
প্রতিষ্ঠানগুলো AI গ্রহণ করছে এবং সামনে আরও ব্যাপক আকারে করবে।
মূল বিষয় হলো, বিশ্বাসের বার্তা বজায় রেখে তারা এটি কীভাবে ব্যবহার করবে? কে সবচেয়ে বড় মডেল ব্যবহার করছে, কয়েক বছর পর তা আর ব্যবধান তৈরি করবে না। মডেলগুলো সহজলভ্য হয়ে যাবে, সক্ষমতা বৃদ্ধি পাবে এবং আজকের অনন্য ক্ষমতাগুলো আগামীতে অতিসাধারণ সুবিধা হিসেবে গণ্য হবে।
তখন মূলত যে বিষয়গুলো ব্যবধান গড়ে দেবে:
কার ডেটা কতটা সুসংগঠিত
কার অ্যাক্সেস ব্যবস্থা কতটা স্বচ্ছ
কার জবাবদিহিতা কতটা সুনির্দিষ্ট
কর্মীরা টুলের সীমাবদ্ধতা ও সক্ষমতা সম্পর্কে কতটুকু সচেতন
কাজের ক্ষেত্রে গভর্ন্যান্সের প্রয়োগ কতটা সক্রিয়
সিস্টেমটি আক্রমণ মোকাবিলায় কতটা সক্ষম
পাশাপাশি, যেকোনো নতুন প্রযুক্তি দেখলে নেতৃত্ব একই সাথে দুটি প্রশ্ন তুলছে কি না:
১. এতে কী লাভ হবে?
২. ভুল হলে কী পরিণতি দাঁড়াবে?
এই দুই প্রশ্নের সমন্বয় ঘটানোই হলো এন্টারপ্রাইজ AI-এর পরিপক্কতার মূল লক্ষণ।
এখানে প্রয়োজন কল্পনাশক্তির সাথে সংযম, গতির সাথে নিয়ন্ত্রণ, অটোমেশনের সাথে জবাবদিহিতা, এবং বুদ্ধিমত্তার সাথে সঠিক বিচারবোধ।
প্রযুক্তি যতটাই উন্নত হোক না কেন, কোনো প্রতিষ্ঠানের ওপর মানুষের আস্থা তৈরি হয় তার আচরণের ভিত্তিতে। AI সেই আচরণকে দ্রুত, বিস্তৃত কিংবা উন্নত করতে পারে, কিন্তু অর্জনের কাজটা প্রতিষ্ঠানকেই করতে হয়।
আর আস্থার বিষয়টির ট্র্যাজেডি হলো, কেবল আলোঝলমলে কি-নোট স্পিচ শুনে এটি অর্জিত হয় না।
✍️রিটন খান