AI রূপান্তর নয়, পুরোনো কাজই দ্রুত করছে—বলছেন ৭২% নির্বাহী

৭ অক্টোবর ২০২৬-এ প্রকাশিত SAP SuccessFactors Future of Work Research Lab-এর গবেষণার বিবরণে অংশ নেওয়া ৫০০ শীর্ষ নির্বাহীর ৭২% বলেছেন, AI দিয়ে কাজ রূপান্তরের দাবি করা অধিকাংশ প্রতিষ্ঠান আসলে বিদ্যমান কাজই দ্রুত স্বয়ংক্রিয় করছে। বৈশ্বিক গবেষণায় ২,৭১৮ কর্মী ও ৬০ মানবসম্পদ নির্বাহীও অংশ নিয়েছেন। এই ফল নির্বাহীদের মূল্যায়ন; কত প্রতিষ্ঠান বাস্তবে কাজ পুনর্গঠন করেছে, তার সরাসরি পরিমাপ নয়।

Learning & Development Executive Intelligence-এর প্রতিবেদনে সংশ্লিষ্ট গবেষণার আরেকটি ফল এসেছে: ৮৮% কর্মী বলেছেন, AI তাঁদের কাজ বদলেছে, অথচ প্রায় অর্ধেক পরিবর্তনের ক্ষেত্রে ব্যবস্থাপক বা প্রতিষ্ঠানের অর্থবহ দিকনির্দেশনা ছিল না। ফলে কাজের গতি বাড়লেও কর্মীর দায়িত্ব, সিদ্ধান্ত নেওয়ার অধিকার এবং প্রত্যাশিত ফল নতুনভাবে ঠিক করার প্রয়োজন রয়ে যাচ্ছে।

দ্রুত কাজের হিসাবেই আটকে যাচ্ছে রূপান্তর

সময় বাঁচা, বেশি কাজ শেষ হওয়া বা খরচ কমার হিসাব প্রতিষ্ঠানের কাছে সহজে দৃশ্যমান হয়। গবেষণার বিশ্লেষণে তাই উৎপাদনশীলতা বৃদ্ধির প্রমাণকে সবচেয়ে স্পষ্ট বলা হয়েছে; কাজের কাঠামোয় বড় পরিবর্তনের লক্ষণ দেখা গেলেও তা তুলনায় কম প্রতিষ্ঠিত। AI যে সময় মুক্ত করছে, সেই সময় দিয়ে একই কাজ আরও বেশি করা হবে, নাকি কাজের ধাপ ও মানুষের ভূমিকা বদলাবে—এটি আলাদা সিদ্ধান্ত। সফটওয়্যার চালু করলেই সেই সিদ্ধান্ত আপনা থেকে নেওয়া হয় না।

ধরা যাক, কোনো দল AI দিয়ে আগের চেয়ে দ্রুত খসড়া তৈরি করছে। খসড়া যাচাই, সংশোধন, অনুমোদন এবং ভুলের দায় যদি আগের মতোই একাধিক হাতে ঘোরে, তবে উৎপাদন বেড়েছে, কিন্তু কাজের বিন্যাস মূলত একই রয়েছে। বিপরীতে অপ্রয়োজনীয় ধাপ বাদ দেওয়া, ব্যতিক্রম শনাক্তের দায়িত্ব ঠিক করা এবং প্রয়োজনীয় তথ্য যাঁর কাছে আছে তাঁকে সিদ্ধান্ত নেওয়ার সুযোগ দেওয়া হলে প্রক্রিয়াটিই বদলায়। এখানে দ্রুততা একটি ফল হতে পারে; একমাত্র ফল নয়।

গবেষণায় কর্মীদের কাজ পরিবর্তনের অভিজ্ঞতা ও নির্বাহীদের রূপান্তর সম্পর্কে মতামত পাশাপাশি এসেছে। একটি ফল ব্যক্তির কাজের অভিজ্ঞতা জানায়, অন্যটি প্রতিষ্ঠানের দাবির বিষয়ে নেতাদের ধারণা জানায়। তাই কর্মীর কাজ বদলেছে বলেই পুরো প্রতিষ্ঠানের সিদ্ধান্তপদ্ধতি বদলেছে, এমন সিদ্ধান্ত নেওয়া যায় না। দুই স্তরের এই ব্যবধানই উৎপাদনশীলতার হিসাবের পাশাপাশি দায়িত্ব ও ফল মাপার নিয়ম দেখার প্রয়োজন বোঝায়।

কোন পরিবর্তনে কাজের নকশা বদলায়

গবেষণায় কাজ পুনর্গঠনের জন্য বিশেষজ্ঞের দক্ষতা আরও বিস্তৃত সমস্যায় প্রয়োগ, স্থির পদের বদলে পরিবর্তনশীল ভূমিকা এবং দীর্ঘ সমন্বয়শৃঙ্খলের বদলে মূল কাজের কাছাকাছি থাকা দলের হাতে পূর্ণ ফলের দায়িত্ব দেওয়ার কথা রয়েছে। এসব পরিবর্তন একই কাজ দ্রুত করার চেয়ে গভীর: মানুষ কোন সমস্যা সমাধান করবেন, কার সঙ্গে করবেন এবং কোথায় কাজ শেষ বলে গণ্য হবে, তা নতুন করে নির্ধারিত হয়। বিশেষ করে একাধিক বিভাগ যুক্ত থাকলে একটি বিভাগের সময় সাশ্রয় অন্য বিভাগের অপেক্ষা বা পুনরায় কাজ করার চাপ বাড়াতে পারে।

আরও দুটি পরিবর্তন সরাসরি সিদ্ধান্ত ও মূল্যায়নের নিয়মে প্রভাব ফেলে। কত প্রতিবেদন লেখা হলো বা কত আবেদন বাছাই হলো, তার পাশাপাশি সেই কাজের ফল কতটা কার্যকর, তা দেখা প্রয়োজন। একইভাবে প্রয়োজনীয় তথ্য ও কাজের বাস্তব পরিস্থিতি যাঁরা জানেন, তাঁদের কাছে সিদ্ধান্তের অধিকার সরানোর প্রস্তাব রয়েছে। অধিকার বদলালে কোন সিদ্ধান্তের ব্যাখ্যা কে দেবেন, কখন বিশেষজ্ঞের কাছে বিষয়টি যাবে এবং ভুল সংশোধনের দায়িত্ব কার, সেটিও স্পষ্ট করতে হবে।

গবেষণার আরেকটি দিক কর্মীদের নিজের কাজ, অগ্রগতি ও দক্ষতা বিকাশে বেশি দায়িত্ব দেওয়ার কথা বলে। এটি বাস্তব হতে হলে পদবির পাশাপাশি ভূমিকার সীমানা বদলাতে হয়: কর্মী কোথায় নিজে সিদ্ধান্ত নিতে পারবেন এবং কোথায় অনুমোদন লাগবে, তা জানা জরুরি। শুধু নতুন যন্ত্র ব্যবহারের প্রশিক্ষণ দিয়ে পুরোনো অনুমোদনশৃঙ্খল অক্ষত রাখলে কর্মীর উদ্যোগের সুযোগ বাড়ে না। ফলে কাজ পুনর্গঠনের প্রশ্নটি প্রযুক্তি ব্যবহারের সঙ্গে ব্যবস্থাপনার নিয়মকেও যুক্ত করে।

একটি নিয়োগপ্রক্রিয়ায় চার স্তরের পার্থক্য

সীমিত বাজেটের কোনো মানবসম্পদ দল এই পার্থক্য বোঝার জন্য চাকরির আবেদন প্রাথমিক বাছাইকে উদাহরণ হিসেবে নিতে পারে। এটি একটি শর্তসাপেক্ষ উদাহরণ, গবেষণায় পরীক্ষা করা কোনো নিয়োগপ্রক্রিয়ার ফল নয়। আবেদন জমা থেকে চূড়ান্ত সিদ্ধান্ত পর্যন্ত কোথায় অপেক্ষা তৈরি হয়, কোন তথ্য বারবার যাচাই হয় এবং কোন সিদ্ধান্ত কার হাতে থাকে—এই বাস্তব কাজগুলো ধরলেই AI প্রকল্পের প্রভাব স্পষ্ট হয়। শুধু প্রথম ধাপের সময় মাপলে পরের ধাপে জমে থাকা কাজ চোখ এড়িয়ে যেতে পারে।

1. একই কাজ দ্রুত করা: AI আগের নিয়মেই আবেদন থেকে একটি প্রাথমিক তালিকা বানায়। তালিকা তৈরির সময় কমলে উৎপাদনশীলতা বেড়েছে বলা যায়; যাচাই ও অনুমোদনের দায়িত্ব তখনও আগের জায়গায় থাকে।
2. কাজের ধাপ বাদ দেওয়া: একই তথ্য একাধিকবার স্থানান্তর বা যাচাই করার প্রয়োজন সত্যিই দূর হলে আবেদনকারীর পথ ছোট হয়। এখানে পুরো প্রক্রিয়ার ধাপ ও পুনরায় কাজের পরিমাণ গুরুত্বপূর্ণ, শুধু AI ব্যবহৃত অংশের গতি নয়।
3. সিদ্ধান্তের অধিকার সরানো: কোন আবেদন নিয়োগদাতা দেখবেন, কোন ব্যতিক্রম নিয়োগ ব্যবস্থাপকের কাছে যাবে এবং চূড়ান্ত সিদ্ধান্ত কে নেবেন, তা নতুনভাবে নির্ধারিত হয়। দ্রুত তালিকা তৈরি করলেও এই অধিকার অস্পষ্ট থাকলে সিদ্ধান্ত আটকে যেতে পারে।
4. ফল নতুনভাবে নির্ধারণ করা: সাফল্য শুধু দ্রুত তালিকা নয়; পদের চাহিদার সঙ্গে প্রার্থীর মিল, সিদ্ধান্ত ব্যাখ্যা করার সুযোগ এবং ভুল বাছাই সংশোধনের ব্যবস্থাও ফলের অংশ হয়।

এই চার স্তর আলাদা করলে সময় সাশ্রয়ের দাবি ও কাজ পুনর্গঠনের দাবি একই নামে চালানো কঠিন হয়। কোনো দল কেবল প্রথম স্তরে লাভ পেলেও সেটি বাস্তব লাভ; পরের স্তরগুলো অর্জিত হয়েছে বলে ধরে নেওয়ার কারণ নেই। আবার ধাপ বাদ দেওয়া বা সিদ্ধান্ত সরানোর পর যদি ভুল সংশোধনের পথ অস্পষ্ট হয়, নতুন প্রক্রিয়ার ফল বিচার করতে সেই ঘাটতিও ধরতে হবে। স্থানীয় দলের জন্য তুলনার কেন্দ্র তাই ব্যবহৃত প্রযুক্তির সংখ্যা নয়, একটি কাজের শুরু থেকে শেষ পর্যন্ত দায়িত্ব ও ফলের পরিবর্তন।

মানবসম্পদ বিভাগের ভূমিকা ও SAP-এর পরিকল্পনা

কাজ পুনর্গঠনের নেতৃত্বে মানবসম্পদ বিভাগকে রাখছে SAP। প্রশাসনিক কাজে সময় সাশ্রয়, মানুষ ও AI-এর মধ্যে কাজের নতুন বিন্যাস, এবং নিয়োগ, দক্ষতা উন্নয়ন, কর্মী স্থানান্তর ও মূল্যায়নের নিয়ম বদলানোকে প্রতিষ্ঠানটি পরস্পর যুক্ত বিষয় হিসেবে দেখছে। এই পরিবর্তনে পরিচালন বিভাগের অংশগ্রহণও প্রয়োজন, কারণ দৈনন্দিন সিদ্ধান্ত কোথায় নেওয়া হবে এবং তার ফল কে বহন করবেন, তা শুধু মানবসম্পদ বিভাগের সফটওয়্যার ব্যবহারের সিদ্ধান্তে স্থির হয় না।

SAP-এর Autonomous HCM ঘোষণায় আসন্ন Workforce Planning Assistant-এর কথা বলা হয়েছে। পরিকল্পনা অনুযায়ী, এটি কর্মী, অস্থায়ী জনবল ও আর্থিক তথ্য মিলিয়ে ভবিষ্যৎ জনবল চাহিদা বুঝতে এবং নিয়োগ, পুনর্দক্ষতা, কর্মী পুনর্বিন্যাস ও বাইরের প্রতিভা নেওয়ার মিশ্রণ পরিকল্পনায় সহায়তা করবে। সহকারীটি ‘শিগগির’ আসবে বলে জানানো হয়েছে; প্রকাশিত ঘোষণা তার বর্তমান সাধারণ প্রাপ্যতা বা গ্রাহক পর্যায়ে পাওয়া ফল জানায় না। নির্বাচিত গ্রাহকদের সঙ্গে কাজের ফল নির্ধারণ, যাচাই ও মাপার পদ্ধতি গড়ার পরিকল্পনাও রয়েছে।

বাংলাদেশ বা ভারতের প্রতিষ্ঠানের জন্য বৈশ্বিক জরিপটি স্থানীয় বাজারের আলাদা ফল দেয় না। তবে এর প্রশ্নটি সরাসরি প্রাসঙ্গিক: AI দিয়ে বাঁচা সময়ের পরে কোন ধাপ উঠে যাবে, কোন সিদ্ধান্ত কাজের কাছাকাছি যাবে এবং ফলের দায় কীভাবে বদলাবে? এসব নির্ধারণ না হলে একই অনুমোদনশৃঙ্খলের ভেতর আরও দ্রুত কাজ জমা পড়তে পারে। তখন প্রযুক্তিতে বিনিয়োগের ফল উৎপাদনশীলতায় দেখা গেলেও কর্মীর ভূমিকা ও প্রতিষ্ঠানের কাজ করার পদ্ধতিতে তার প্রতিফলন সীমিত থাকবে।

আরও পড়ুন:

• SPAC দিয়ে দ্রুত তালিকাভুক্তি—কিন্তু dilution-এ আসল দাম বাড়তে পারে
• Transfyr পেল ২.৫ কোটি ডলার—ল্যাবের ‘অলিখিত’ কাজই নতুন ডেটা
• Uber ছাঁটাই করছে ৩,৩০০ জনকে—সম্পূর্ণ remote পদ থাকবে প্রায় ১%