AI output যাচাইকে জরুরি বলেন ৭১% CHRO—কর্মীদের অগ্রাধিকার ভিন্ন

২১ সেপ্টেম্বর ২০২৬-এ IBM Institute for Business Value-এর বৈশ্বিক CHRO গবেষণা প্রকাশের পর Virtualization Review-এর প্রতিবেদনে দেখা যায়, AI-এর ফল তদারক, যাচাই বা প্রয়োজনে বাতিল করার দক্ষতাকে ৭১% নির্বাহী অগ্রাধিকার দিয়েছেন; কর্মীদের মধ্যে সেই হার ৩৮%। নিয়োগপ্রার্থী ও কর্মীদের জন্য প্রশ্নটি তাই শুধু AI দিয়ে ফল তৈরি করা নয়—ফলটি গ্রহণ, সংশোধন বা বাদ দেওয়ার যুক্তি দেখাতে পারা।

IBM-এর মূল গবেষণায় দুটি পৃথক জরিপে ১,৫০০ CHRO ও কর্মী-কৌশলের দায়িত্বে থাকা সমপর্যায়ের জ্যেষ্ঠ নির্বাহী এবং ৮,৮০০ পূর্ণকালীন কর্মীর উত্তর নেওয়া হয়েছে। শিরোনামে CHRO বলা হলেও নির্বাহী উত্তরদাতাদের সবাই ওই পদে ছিলেন না। জরিপটি কোন দক্ষতাকে কে গুরুত্ব দিচ্ছেন, তা মেপেছে; অংশগ্রহণকারীরা বাস্তব কাজের ভুল কতটা ধরতে পারেন, তার পরীক্ষা নেয়নি।

AI-এর ফল মূল্যায়নে ব্যবধানটি কোথায়

সাধারণভাবে ‘সমালোচনামূলক চিন্তা’ গুরুত্বপূর্ণ—এ বিষয়ে দুই পক্ষের দূরত্ব তুলনায় কম। Helloworkplace-এর বিশ্লেষণে দেখা যায়, সমালোচনামূলক চিন্তা ও সমস্যা ঠিকভাবে নির্ধারণকে অগ্রাধিকার দিয়েছেন ৫৭% নির্বাহী এবং ৪৯% কর্মী; বড় ফারাকটি AI-এর নির্দিষ্ট ফল তদারক, যাচাই ও সংশোধনের দক্ষতায়। অর্থাৎ দক্ষতার নাম জানা আর তৈরি ফলের ওপর স্বাধীন সিদ্ধান্ত নেওয়াকে কাজের অংশ হিসেবে দেখা এক বিষয় নয়।

AI-এর উত্তর সাবলীল হলেই তা সিদ্ধান্তের জন্য যথেষ্ট হয় না। গুরুত্বপূর্ণ দাবি কোন তথ্যের ওপর দাঁড়িয়ে আছে, অন্য ব্যাখ্যা সম্ভব কি না এবং উত্তরটি কাজের পরিধির সঙ্গে মেলে কি না—এসব প্রশ্নে মানুষের বিচার লাগে। জরিপ থেকে কোনো নির্দিষ্ট কর্মী সেই বিচার করতে অক্ষম, এমন সিদ্ধান্ত আসে না; এটি অগ্রাধিকারের পার্থক্য, সক্ষমতার নম্বর নয়। নিয়োগকর্তারা সবাই একই পরীক্ষা নেবেন, এমন দাবিও গবেষণাটি করে না।

AI-সহায়তায় কাজের বিচারক্ষমতা কীভাবে দৃশ্যমান হবে

প্রকাশিত ফলটি একটি ব্যবহারিক সমস্যা সামনে আনে: চূড়ান্ত লেখা বা বিশ্লেষণে সংশোধনের কারণ সাধারণত দেখা যায় না। একই ধরনের ফলের পেছনে একজন AI-এর অসমর্থিত দাবি সরিয়ে থাকতে পারেন, অন্যজন যাচাই ছাড়াই সেটি রেখে থাকতে পারেন। তাই নিচের কাঠামোটি জরিপে পরীক্ষিত কোনো পদ্ধতি নয়; AI-সহায়তায় করা কাজের গুরুত্বপূর্ণ সিদ্ধান্ত সংক্ষেপে দেখানোর সম্পাদকীয় প্রস্তাব।

1. দাবি যাচাই: AI-এর খসড়া থেকে এমন দাবি বেছে নিন, যা ভুল হলে সিদ্ধান্ত বদলাবে। দাবির পাশে লিখুন, মূল তথ্যের সঙ্গে তা মিলেছে, বিরোধ পেয়েছেন, নাকি যাচাই অসম্পূর্ণ। শুধু ‘তথ্য যাচাই করেছি’ বললে কোন দাবিটি ঝুঁকিপূর্ণ ছিল, তা বোঝা যায় না।
2. বিকল্প তৈরি: AI-এর প্রথম ব্যাখ্যা বা সুপারিশের বাইরে আর কোন যুক্তিসংগত পথ ছিল, তা চিহ্নিত করুন। বিকল্পটি বাদ দিলে কারণ লিখুন—যেমন প্রাসঙ্গিক তথ্যের অভাব বা কাজের শর্তের সঙ্গে অমিল। এতে বোঝা যায়, গ্রহণযোগ্য শোনানো প্রথম উত্তরটিকেই চূড়ান্ত ধরা হয়নি।
3. উৎস নিরীক্ষা: যে তথ্যের ওপর সিদ্ধান্ত দাঁড়ায়, সেটি মূল উৎসে আছে কি না এবং উৎসের সময়, স্থান ও পরিধি এই কাজের সঙ্গে মেলে কি না দেখুন। উদ্ধৃত তথ্যের উৎস খুঁজে না পেলে দাবিটিকে নিশ্চিত হিসেবে উপস্থাপন করবেন না। উৎসের নামের সঙ্গে সেটি কেন প্রাসঙ্গিক, ছোট করে লিখলেই পরের ব্যক্তি যাচাইয়ের পথ পান।
4. সিদ্ধান্ত বদলের নথি: AI-এর কোন অংশ রাখা, বদলানো বা বাতিল করা হয়েছে এবং কেন, তার সংক্ষিপ্ত রেকর্ড রাখুন। প্রতিটি শব্দ সম্পাদনার ইতিহাস দরকার নেই; ফলের অর্থ বা সুপারিশ বদলেছে এমন সিদ্ধান্তই এখানে জরুরি। নথিতে মানুষের সিদ্ধান্ত এবং তার ভিত্তি শনাক্ত করা সম্ভব হওয়া উচিত।

এই চারটি চিহ্নের উদ্দেশ্য দীর্ঘ ব্যাখ্যা তৈরি করা নয়। সিদ্ধান্তে প্রভাব ফেলা দাবি, যাচাইয়ের উপাদান এবং বদলের কারণ একসঙ্গে থাকলে সহকর্মী কাজটি পুনরায় দেখতে পারেন। কোনো তথ্য যাচাই করা সম্ভব না হলে সেই অনিশ্চয়তাও নথিতে থাকা দরকার; নিশ্চিত ভাষায় লেখা সুন্দর খসড়া তখন যথেষ্ট প্রমাণ নয়।

CV ও সাক্ষাৎকারে কোন উদাহরণটি কাজে লাগতে পারে

CV-তে ‘সমালোচনামূলক চিন্তা’ লেখার পাশাপাশি একটি কাজের নমুনায় সিদ্ধান্তের ছোট বিবরণ দেওয়া যায়। যেমন, কোন দাবিটি যাচাই করা হয়েছিল, কোন বিকল্পটি বিবেচনায় এসেছিল এবং তার ফলে চূড়ান্ত সুপারিশ কীভাবে বদলেছিল। এটি নিয়োগে সফলতার নিশ্চয়তা নয়; নিজের দক্ষতার দাবি ও দেখানো কাজের মধ্যে সংযোগ তৈরির একটি উপায়। বাস্তব প্রতিষ্ঠানের নমুনা ব্যবহার করলে গোপন তথ্য প্রকাশ না করার দায়িত্বও থাকে।

ধরা যাক, অনুশীলনের জন্য AI একটি বাজার-বিশ্লেষণের খসড়া তৈরি করেছে। প্রার্থী দেখালেন, একটি দাবির মূল উৎস পাওয়া যায়নি, আরেকটির বিকল্প ব্যাখ্যা ছিল এবং সেই কারণে খসড়ার সুপারিশ বদলানো হয়েছে। সাক্ষাৎকারে তখন তিনি শুধু ‘ভালো বিচারক্ষমতা আছে’ বলার বদলে কোন তথ্য তাঁর সিদ্ধান্ত পাল্টেছে, তা ব্যাখ্যা করতে পারবেন। এটি সম্পূর্ণ শর্তসাপেক্ষ উদাহরণ, কোনো প্রতিষ্ঠানের পরীক্ষিত নিয়োগপদ্ধতি নয়।

দলের কাজে যাচাইয়ের দায়িত্ব কোথায় থাকবে

একজন কর্মী ভুল ধরতে পারলেও সিদ্ধান্ত বদলানোর অধিকার ও দায় অস্পষ্ট থাকলে যাচাইয়ের কাজটি অদৃশ্য থেকে যায়। দলের জন্য তাই গুরুত্বপূর্ণ হলো, কোন ধরনের AI ফল মানুষের অনুমোদন ছাড়া ব্যবহার করা যাবে না, আপত্তি তুললে কাকে জানাতে হবে এবং সংশোধনের কারণ কোথায় থাকবে—এসব কাজের নিয়ম নির্দিষ্ট করা। একই নথিতে দায়িত্ব ও সিদ্ধান্তের কারণ থাকলে পরের সহকর্মী শুধু সংশোধিত ফল নয়, সংশোধনের ভিত্তিও দেখতে পারেন।

তবে প্রতিটি ছোট সম্পাদনার হিসাব রাখলে গুরুত্বপূর্ণ সিদ্ধান্ত খুঁজে পাওয়া কঠিন হতে পারে। যে দাবি ভুল হলে ফল বদলাবে, যে উৎসের ওপর সিদ্ধান্ত নির্ভর করে এবং যে কারণে AI-এর প্রস্তাব বাতিল হয়েছে—নথির পরিধি সেখানে সীমিত রাখা বেশি অর্থবহ। এটি দলের কাজের জন্য প্রস্তাবিত অনুশীলন; জরিপে এমন নথি রাখার ফল মাপা হয়নি।

গবেষণাটি এখনও কী জানায় না

প্রকাশিত জরিপ নির্বাহী ও কর্মীদের অগ্রাধিকারের ব্যবধান দেখায়। নির্দিষ্ট CV বিন্যাস, কাজের নমুনা কিংবা সিদ্ধান্ত বদলের নথি নিয়োগে কতটা কার্যকর, সে প্রশ্নের উত্তর এতে নেই। বৈশ্বিক উত্তর থেকে বাংলাদেশ বা ভারতের প্রত্যেক নিয়োগকর্তার মূল্যায়নপদ্ধতিও নির্ধারণ করা যায় না।

এখন নিশ্চিত অবস্থা হলো, AI-এর ফলের ওপর মানুষের তদারকির গুরুত্ব নিয়ে দুই পক্ষ একই জায়গায় নেই। প্রতিষ্ঠানগুলো এই দক্ষতা নিয়োগে কীভাবে যাচাই করবে এবং কাজের মধ্যে আপত্তি ও সংশোধনের দায়িত্ব কীভাবে দেবে, সে বিষয়ে আরও নির্দিষ্ট তথ্য প্রয়োজন। সেই তথ্য না আসা পর্যন্ত অগ্রাধিকারের ব্যবধানকে কর্মীদের প্রকৃত দক্ষতার ঘাটতি বা কোনো অনুশীলনের সফলতার প্রমাণ হিসেবে পড়া যাবে না।

আরও পড়ুন:

• AI-তে output বাড়লেও message কমে—দলের জ্ঞান হারাচ্ছে কি না মাপুন
• ‘মানবিক দক্ষতা’র বোনাস দেবেন? Judgment মাপতে output-এর প্রমাণ চাই
• ‘Digital arrest’ বলে কিছু নেই: ভুয়া পুলিশ কল এলে পাঁচ জরুরি পদক্ষেপ