Anthropic-এ জুনিয়র নিয়োগ ২৭% থেকে ৯%—AI বদলাচ্ছে প্রথম চাকরি

|লেখক: QUASA সম্পাদকীয় দল|5 মিনিটের পাঠ
Anthropic-এ জুনিয়র নিয়োগ ২৭% থেকে ৯%—AI বদলাচ্ছে প্রথম চাকরি

Anthropic-এর ১৬ অক্টোবর ২০২৬ প্রকাশিত কর্মসংস্থান গবেষণায় দেখা যায়, নতুন প্রযুক্তি নিয়োগে জুনিয়রদের অংশ ২০২৫ সালের শুরুর ২৭% থেকে ২০২৬ সালের মাঝামাঝি ৯%-এ নেমেছে; একই সময়ে প্রযুক্তি বিভাগে কর্মরতদের মধ্যে জুনিয়রদের অংশ ২১% থেকে ১৪%-এ এসেছে। প্রতিষ্ঠানটিতে মোট প্রযুক্তি নিয়োগ সংখ্যার হিসাবে বেড়েছে। তাই পরিবর্তনটি মূলত নতুনদের জন্য নিয়োগের অনুপাতে, পুরো প্রযুক্তি দলের সংকোচনে নয়।

১৯ অক্টোবর প্রকাশিত TechRadar-এর প্রতিবেদনে প্রযুক্তি কর্মীবাহিনীর বৃদ্ধি এবং ২০২৫ সালের শেষ থেকে ২০২৬ সালের মাঝামাঝি সময়ে প্রকৌশলীপ্রতি কোড কমিট ৫.১ গুণ হওয়ার তথ্য এসেছে। একই প্রতিষ্ঠানে নতুনদের ছোট অংশ ও কর্মীপ্রতি বেশি কাজ—দুই প্রবণতা পাশাপাশি চলছে। বাংলাদেশ ও ভারতের নতুন প্রকৌশলীদের জন্য প্রশ্ন হলো, এমন কাজে প্রবেশ করতে কোড লেখার পাশাপাশি আর কোন ক্ষমতা দেখাতে হবে।

জুনিয়রদের অংশ কমেছে, মোট প্রযুক্তি নিয়োগ বাড়ছে

নতুন নিয়োগে জুনিয়রদের অংশ এবং কর্মরত প্রযুক্তি কর্মীদের মধ্যে তাঁদের অংশ আলাদা হিসাব। প্রথমটি একটি সময়ে নিয়োগ পাওয়া মানুষদের গঠন দেখায়; দ্বিতীয়টি আগে থেকে কর্মরতদেরও ধরে। নতুন নিয়োগে জুনিয়রদের অনুপাত দ্রুত নামলে সময়ের সঙ্গে কর্মীবাহিনীর গঠন বদলায়। কিন্তু অনুপাত থেকে একা বোঝা যায় না, কতজন নতুন প্রকৌশলী নিয়োগ পেয়েছেন বা কতটি পদ বাদ গেছে।

Anthropic-এর প্রযুক্তি নিয়োগ সংখ্যার হিসাবে বাড়লেও বিক্রয়, অর্থ ও নিয়োগসংক্রান্ত দলে কর্মী বৃদ্ধি আরও দ্রুত হয়েছে। এর ফলে প্রতিষ্ঠানের সব কর্মীর মধ্যে প্রযুক্তি বিভাগের অংশ কমেছে। নতুনদের অনুপাতের পতনকে তাই মোট প্রযুক্তি কর্মসংস্থানের পতন হিসেবে পড়লে ভুল সিদ্ধান্ত হবে। একই কারণে অন্য প্রতিষ্ঠানের নিয়োগ পরিস্থিতি জানতে হলে সেখানে মোট পদ, নতুন নিয়োগ এবং অভিজ্ঞতার স্তর—তিনটি হিসাবই দেখতে হবে।

পরিবর্তনের পেছনে কাজের ধরনও আছে। যেসব প্রযুক্তি দলে Claude বেশি ব্যবহৃত হচ্ছিল, সেখানে কোড লেখা ও ত্রুটি খোঁজার কিছু কাজ এজেন্টকে দেওয়া সম্ভব হয়েছে। এরপর নিম্নস্তরের প্রযুক্তি পদে নিয়োগের গুরুত্ব কমেছে। প্রতিষ্ঠানটির অভ্যন্তরীণ পর্যবেক্ষণ এই সম্পর্ক দেখায়; নিয়োগের প্রতিটি পরিবর্তনের একমাত্র কারণ AI, এমন সিদ্ধান্ত নেওয়ার ভিত্তি দেয় না।

এজেন্টের গতি মানুষের কাজ কোথায় সরাচ্ছে

Anthropic-এর AI এজেন্টের কাজ পর্যালোচনা ও সিদ্ধান্তের জন্য কর্মীদের সরাসরি সমন্বয়।

আগস্ট নাগাদ Anthropic-এর কর্মীদের পরিচালিত ইন্টারঅ্যাকটিভ AI এজেন্টের সক্রিয় কাজের সময় কর্মীদের হিসাব করা কাজের সময়ের প্রায় ছয় গুণ ছিল। এটি নির্দিষ্ট ধরনের এজেন্ট সেশনের সময়ের তুলনা; ছয় গুণ বেশি সফটওয়্যার সরবরাহের দাবি নয়। এজেন্ট দ্রুত কোড বা অন্য খসড়া তৈরি করতে পারলেও কোন কাজটি দরকার, ফলটি ঠিক কি না এবং পরিবর্তনটি গ্রহণ করা যাবে কি না—সেসব সিদ্ধান্ত মানুষের কাছেই থাকে।

এই চাপ কেবল কোডের পরিমাণে ধরা পড়ে না। এজেন্টের তৈরি ফল পড়া, অসম্পূর্ণ নির্দেশ ঠিক করা এবং বিভিন্ন কাজের মধ্যে অগ্রাধিকার স্থির করাও প্রকৌশলীর সময় নেয়। ইন্টারঅ্যাকটিভ সেশনের বড় অংশে Claude মানুষের পরবর্তী নির্দেশের অপেক্ষায় থাকে। ফলে স্বয়ংক্রিয় কাজের গতি বাড়ার সঙ্গে মানুষের পর্যালোচনা ও সিদ্ধান্ত নেওয়ার সামর্থ্য নতুন বাধা হয়ে উঠতে পারে।

প্রতিষ্ঠানটির কর্মীদের অভিজ্ঞতায় এজেন্ট পরিচালনা নিজেই একটি কাজ। কেউ এজেন্টের জন্য নির্দেশনা ও পর্যালোচনার ব্যবস্থা তৈরি করছেন, কেউ ত্রুটির কারণ খুঁজতে গিয়ে দলগত সিদ্ধান্তের প্রয়োজন পাচ্ছেন। নতুন প্রকৌশলীর ভূমিকা এতে শুধু প্রস্তুত কোড নেওয়া নয়: কোন অনুমান যাচাই করতে হবে, কোথায় পরীক্ষা চালাতে হবে এবং কখন সহকর্মীর সিদ্ধান্ত দরকার, তা বোঝাও কাজের অংশ।

বেশি কমিটের সঙ্গে পর্যালোচনাও বাড়ছে

Anthropic-এর প্রযুক্তি প্রার্থী মূল্যায়নে AI সরঞ্জাম ব্যবহারের গুরুত্ব বাড়ার তুলনা।

কোড কমিট হলো জমা দেওয়া পরিবর্তনের পরিমাপ, ব্যবহারযোগ্য সফটওয়্যার বা ব্যবসায়িক ফলের সরাসরি মাপ নয়। Anthropic একই কর্মীর এজেন্টের লেখা ও নিজের লেখা কোড তুলনা করে পরবর্তী সময়ে বাদ দেওয়া বা ফিরিয়ে নেওয়া লাইনের হারে পার্থক্য পায়নি। তবে এই একটি পরীক্ষায় কোডের নির্ভরযোগ্যতা, রক্ষণাবেক্ষণের সুবিধা কিংবা সব ধরনের ত্রুটি ধরা পড়ে না। বেশি কমিটের অর্থ বোঝার জন্য তাই পর্যালোচনার কাজও গুরুত্বপূর্ণ।

TechCrunch-এর ১৭ অক্টোবরের প্রতিবেদনে কর্মীপ্রতি বৈঠকের সময় আগের বছরের তুলনায় ২০% বাড়ার তথ্য এসেছে; এপ্রিলের জরিপে ২০% কর্মী তাঁদের ভূমিকা “from actually doing work to managing Claudes” পর্যায়ে সরে যাওয়ার কথা বলেছেন। বৈঠকের সময় বৃদ্ধি একা উৎপাদনশীলতার মাপ নয়। তবে এজেন্টের তৈরি কাজের পরে মানুষের সমন্বয় ও জবাবদিহি কেন বেশি গুরুত্বপূর্ণ হচ্ছে, সেটি বুঝতে তথ্যগুলো সাহায্য করে।

নিয়োগের মূল্যায়নেও কাজের এই বিন্যাস দেখা যাচ্ছে। প্রযুক্তি প্রার্থীদের ক্ষেত্রে AI সরঞ্জাম সৃজনশীলভাবে ব্যবহারের পাশাপাশি স্বাধীনভাবে কাজ এগোনো ও বিচারবোধের উল্লেখ বেড়েছে; নির্দিষ্ট একটি বিষয়ের দক্ষতার আপেক্ষিক গুরুত্ব কমেছে। তার মানে মৌলিক প্রকৌশল জ্ঞান অপ্রয়োজনীয় হয়ে গেছে, এমন নয়। এজেন্টের ফল গ্রহণ বা প্রত্যাখ্যানের কারণ ব্যাখ্যা করতে সেই জ্ঞানই দরকার।

বাংলাদেশ ও ভারতের নতুন প্রার্থীর কী দেখানো দরকার

Anthropic AI তৈরি করে এবং নিজস্ব কাজেও তা ব্যাপকভাবে ব্যবহার করে। তার অভ্যন্তরীণ নিয়োগের হার বাংলাদেশ বা ভারতের সব প্রযুক্তি প্রতিষ্ঠানের ভবিষ্যৎ হার নয়। স্থানীয় প্রতিষ্ঠানের কাজ, প্রশিক্ষণব্যবস্থা ও নিয়োগের স্তর ভিন্ন হতে পারে। তবু স্বাধীন সিদ্ধান্ত এবং AI-এর ফল যাচাইয়ের ওপর যে গুরুত্ব দেখা যাচ্ছে, তা নতুন প্রার্থীর পোর্টফোলিও ও সাক্ষাৎকারে নিজের ভূমিকা বোঝানোর একটি নির্দিষ্ট ভিত্তি দেয়।

নতুন প্রার্থীর করণীয়

  • একটি প্রকল্পে কোন সমস্যা সমাধান করেছেন, সফল ফল বলতে কী বুঝেছেন এবং প্রযুক্তিগত সিদ্ধান্তগুলো কেন নিয়েছেন, তা দেখান। শুধু শেষের সফটওয়্যার দেখালে কাজটির পেছনে আপনার বিচারবোধ বোঝা কঠিন।
  • AI দিয়ে কোড তৈরি করে থাকলে কোন অংশ গ্রহণ করেছেন, কোন অংশ বদলেছেন এবং বদলের কারণ কী ছিল, তার একটি নির্দিষ্ট উদাহরণ রাখুন। এতে সরঞ্জামের অবদান ও আপনার নিজস্ব সিদ্ধান্ত আলাদা করে বোঝানো যায়।
  • একটি ত্রুটি কীভাবে খুঁজেছেন, সংশোধনের পর কোন পরীক্ষা চালিয়েছেন এবং ফল যাচাই করতে কী দেখেছেন, তা ব্যাখ্যা করতে প্রস্তুত থাকুন। এটি তৈরি কোডের দায় নেওয়ার ক্ষমতা দেখায়।

এগুলো Anthropic প্রকাশিত কোনো নিয়োগের শর্ত নয়; প্রতিষ্ঠানটির কাজ ও প্রার্থী মূল্যায়নে দেখা পরিবর্তন থেকে নতুন প্রকৌশলীদের জন্য টানা সম্পাদকীয় পরামর্শ। স্থানীয় চাকরির বিজ্ঞপ্তিতে নির্দিষ্ট ভাষা, প্রযুক্তি বা অভিজ্ঞতা চাওয়া হলে সেগুলোও প্রস্তুতির অংশ। পোর্টফোলিওতে AI সরঞ্জামের নাম যোগ করার চেয়ে নিজের সিদ্ধান্ত, পরীক্ষা ও সংশোধনের প্রমাণ বেশি অর্থবহ।

প্রথম চাকরিতে নতুন প্রকৌশলীর কাছ থেকে কী আশা করা হবে, তা প্রতিটি নিয়োগকারী প্রতিষ্ঠানই ঠিক করবে। তবে এজেন্ট যখন কাজের প্রথম খসড়া দ্রুত তৈরি করতে পারে, তখন সেই খসড়ার সীমা বুঝে নির্ভরযোগ্য ফল তৈরি করার ক্ষমতা সাক্ষাৎকারে দেখানোর সুযোগ নতুন প্রার্থীর হাতেই থাকে।

আরও পড়ুন:

শেয়ার করুন:

আমাদের নিউজলেটার নিন

সর্বশেষ Web3, AI ও ক্রিপ্টো সংবাদ সরাসরি আপনার ইনবক্সে পান।

0